1圖像的讀取和旋轉
a = imread(')；%讀取圖像
支線劇情(2，2，1)，im show (a)，標題('原圖')；%輸出圖像
I = RGB 2 gray(A)；
Subplot(2，2，2)，imshow(A)，title('灰度圖像')；
Subplot(2，2，3)，imhist(I)，title('灰度圖像直方圖')；%輸出原始直方圖
θ= 30°；J = imrotate(I，theta)；%試著改變角度θ。
子情節(2，2，4)，即時消息顯示(j)，標題(“旋轉圖像”)
2邊緣檢測
I=imread('C:\Users\HP\Desktop\平常總結\ luffy . jpg ')；
支線劇情(2，2，1)，im show (I)，標題('原圖')；
I1=edge(I，' Sobel ')；
Subplot (2，2，2)，im show (i1)，title ('Sobel邊緣檢測')；
I2=edge(I，' prewitt ')；
子情節(2，2，3)，im show (I2)，title ('prewitt邊緣檢測')；
I3=edge(I，' log ')；
子情節(2，2，4)，im show (i3)，title(' log edge detection ')；
3圖像倒置
MATLAB程序實現如下:
I = im read(' xian . BMP ')；
j = double(I)；
J =-J+(256-1)；%圖像反轉線性變換
h = uint 8(J)；
支線劇情(1，2，1)，imshow(I)；
支線劇情(1，2，2)，im show(H)；
4.灰色線性變換
MATLAB程序實現如下:
I = im read(' xian . BMP ')；
支線劇情(2，2，1)，imshow(I)；
標題(“原圖”)；
axis()；
軸打開；%顯示坐標系
I 1 = RGB 2 gray(I)；
支線劇情(2，2，2)，imshow(I 1)；
標題(“灰度圖像”)；
axis()；
軸打開；%顯示坐標系
J=imadjust(I1，[0.1 0.5]，[])；%局部拉伸，拉伸灰度在[0.1.5]到[0.1]之間
支線劇情(2，2，3)，im show(J)；
標題('線性變換圖像[0.1.5]')；
axis()；
網格打開；%顯示網格線
軸打開；%顯示坐標系
K=imadjust(I1，[0.3 0.7]，[])；%局部拉伸，拉伸灰度在[0.3-0.7]到[0.1]之間
支線劇情(2，2，4)，im show(K)；
標題('線性變換圖像[0.3 0.7]')；
axis()；
網格打開；%顯示網格線
軸打開；%顯示坐標系
5.非直線轉換
MATLAB程序實現如下:
I = im read(' xian . BMP ')；
I 1 = RGB 2 gray(I)；
支線劇情(1，2，1)，imshow(I 1)；
標題(“灰度圖像”)；
axis()；
網格打開；%顯示網格線
軸打開；%顯示坐標系
j = double(I 1)；
J = 40 *(log(J+1))；
h = uint 8(J)；
支線劇情(1，2，2)，im show(H)；
標題(“對數變換圖像”)；
axis()；
網格打開；%顯示網格線
軸打開；%顯示坐標系
4.直方圖均衡
MATLAB程序實現如下:
I = im read(' xian . BMP ')；
I = RGB 2 gray(I)；
圖；
支線劇情(2，2，1)；
imshow(壹)；
支線劇情(2，2，2)；
imhist(壹)；
I 1 = histeq(I)；
圖；
支線劇情(2，2，1)；
imshow(I 1)；
支線劇情(2，2，2)；
imhist(I 1)；
5.線性平滑濾波器
用MATLAB實現區域平均法壓制噪聲的程序；
I = im read(' xian . BMP ')；
支線劇情(231)
imshow(壹)
標題(“原始圖像”)
I = RGB 2 gray(I)；
I1=imnoise(I，' salt & amp辣椒'，0.02)；
支線劇情(232)
imshow(I1)
標題(“帶有椒鹽噪聲的圖像”)
k 1 = filter 2(f special(' average '，3)，I 1)/255；% 3*3模板平滑過濾。
k2=filter2(fspecial('average '，5)，I 1)/255；% for 5*5模板平滑濾波k3 = filter2 (fspecial ('average '，7)，I 1)/255；% 7*7模板平滑過濾。
k4=filter2(fspecial('average '，9)，I 1)/255；% 9*9模板平滑過濾。
支線劇情(233)，imshow(k 1)；標題(' 3*3模板平滑過濾')；
支線劇情(234)，im show(k2)；標題(' 5*5模板平滑過濾')；
支線劇情(235)，im show(k3)；標題(' 7*7模板平滑過濾')；
支線劇情(236)，im show(k4)；標題(' 9*9模板平滑過濾')；
6.中值濾波器
用MATLAB實現中值濾波的程序如下:
I = im read(' xian . BMP ')；
I = RGB 2 gray(I)；
J=imnoise(I，'鹽& amp辣椒'，0.02)；
支線劇情(231)，imshow(I)；標題(“原圖”)；
支線劇情(232)，imshow(J)；標題('添加椒鹽噪聲圖像')；
k 1 = medfilt 2(J)；% 3*3模板中值濾波。
k2=medfilt2(J，)；%進行5*5模板中值濾波。
k3=medfilt2(J，)；% 7*7模板中值濾波。
k4=medfilt2(J，)；% 9*9模板中值濾波。
支線劇情(233)，imshow(k 1)；標題(' 3*3模板中值濾波')；
支線劇情(234)，im show(k2)；標題(' 5*5模板中值濾波')；
支線劇情(235)，im show(k3)；標題(' 7*7模板中值濾波')；
支線劇情(236)，im show(k4)；標題(' 9*9模板中值濾波')；
7.使用Sobel算子和拉普拉斯算子銳化圖像:
I = im read(' xian . BMP ')；
支線劇情(2，2，1)，imshow(I)；
標題(“原圖”)；
axis()；
網格打開；%顯示網格線
軸打開；%顯示坐標系
I 1 = im2bw(I)；
支線劇情(2，2，2)，imshow(I 1)；
標題(“二進制圖像”)；
axis()；
網格打開；%顯示網格線
軸打開；%顯示坐標系
h = f special(' Sobel ')；%選擇sobel運算符
J=filter2(H，I 1)；%卷積運算
支線劇情(2，2，3)，im show(J)；
標題(“sobel算子銳化圖像”)；
axis()；
網格打開；%顯示網格線
軸打開；%顯示坐標系
h=[0 1 0，1 -4 1，0 1 0]；%拉普拉斯算子
J1=conv2(I1，h，'相同')；%卷積運算
支線劇情(2，2，4)，imshow(j 1)；
標題('拉普拉斯算子銳化圖像')；
axis()；
網格打開；%顯示網格線
軸打開；%顯示坐標系
8.梯度算子邊緣檢測
MATLAB用於實現以下功能:
I = im read(' xian . BMP ')；
支線劇情(2，3，1)；
imshow(壹)；
標題(“原圖”)；
axis()；
網格打開；%顯示網格線
軸打開；%顯示坐標系
I 1 = im2bw(I)；
支線劇情(2，3，2)；
imshow(I 1)；
標題(“二進制圖像”)；
axis()；
網格打開；%顯示網格線
軸打開；%顯示坐標系
I2=edge(I1，' Roberts ')；
圖；
支線劇情(2，3，3)；
imshow(I2)；
標題(“roberts算子分割結果”)；
axis()；
網格打開；%顯示網格線
軸打開；%顯示坐標系
I3=edge(I1，' Sobel ')；
支線劇情(2，3，4)；
im show(I3)；
標題(' sobel算子分割結果')；
axis()；
網格打開；%顯示網格線
軸打開；%顯示坐標系
I4=edge(I1，' Prewitt ')；
支線劇情(2，3，5)；
im show(I4)；
標題(“Prewitt算子分割結果”)；
axis()；
網格打開；%顯示網格線
軸打開；%顯示坐標系
9.檢測邊緣的對數算子
MATLAB程序用於實現以下功能:
I = im read(' xian . BMP ')；
支線劇情(2，2，1)；
imshow(壹)；
標題(“原圖”)；
I 1 = RGB 2 gray(I)；
支線劇情(2，2，2)；
imshow(I 1)；
標題(“灰度圖像”)；
I2=edge(I1，' log ')；
支線劇情(2，2，3)；
imshow(I2)；
標題(“對數運算符分割結果”)；
10的邊緣檢測。Canny算子
MATLAB程序用於實現以下功能:
I = im read(' xian . BMP ')；
支線劇情(2，2，1)；
imshow(壹)；
標題(“原始圖像”)
I 1 = RGB 2 gray(I)；
支線劇情(2，2，2)；
imshow(I 1)；
標題(“灰度圖像”)；
I2=edge(I1，' canny ')；
支線劇情(2，2，3)；
imshow(I2)；
標題(“canny算子分割結果”)；
11.邊界跟蹤(bwtraceboundary函數)
色度控制中心
清理所有
I = im read(' xian . BMP ')；
我猜的
imshow(壹)；
標題(“原圖”)；
I 1 = RGB 2 gray(I)；%將彩色圖像轉換為灰度圖像。
threshold = gray thresh(I 1)；%計算將灰度圖像轉換為二值圖像所需的閾值
BW=im2bw(I1，閾值)；%將灰度圖像轉換為二進制圖像
我猜的
im show(BW)；
標題(“二進制圖像”)；
dim =大小(BW)；
col = round(dim(2)/2)-90；%計算起點列坐標
row=find(BW(:，col)，1)；%計算起點線坐標
連通性= 8；
num _ points = 180；
contour = bwtraceboundary，[row，col]，' N '，連通性，num _ points)；
%提取邊界
我猜的
imshow(I 1)；
堅持住；
plot(contour(:，2)，contour(:，1)，' g '，' LineWidth '，2)；
標題(“邊界跟蹤圖像”)；
12.霍夫變換
I = im read(' xian . BMP ')；
烙餅= RGB 2 gray(I)；
支線劇情(2，2，1)；
imshow(烙餅)；
標題(“灰度圖像”)；
axis()；
網格打開；
軸打開；
BW=edge(烙餅，《普魯伊特》)；
支線劇情(2，2，2)；
im show(BW)；
標題(“prewitt算子邊緣檢測後的圖像”)；
axis()；
網格打開；
軸打開；
[H，T，R]= Hough(BW)；
支線劇情(2，2，3)；
imshow(H，[]，' XData '，T，' YData '，R，' InitialMagnification '，' fit ')；
標題('霍夫變換圖')；
xlabel('\theta ')，ylabel(' \ rho ')；
軸打開，軸正常，保持；
P=houghpeaks(H，5，' threshold '，ceil(0.3 * max(H(:)))；
x=T(P(:，2))；y=R(P(:，1))；
plot(x，y，' s '，'顏色'，'白色')；
lines=houghlines(BW，T，R，P，' FillGap '，5，' MinLength '，7)；
支線劇情(2，2，4)；、imshow(烙餅)；
標題('霍夫變換圖像檢測')；
axis()；
網格打開；
軸打開；
堅持住；
max _ len = 0；
對於k=1:長度(行)
xy =[lines(k). point 1；lines(k). point 2]；
plot(xy(:，1)，xy(:，2)，'線寬'，2，'顏色'，'綠色')；
plot(xy(1，1)，xy(1，2)，' x '，'線寬'，2，'顏色'，'黃色')；
plot(xy(2，1)，xy(2，2)，' x '，'線寬'，2，'顏色'，'紅色')；
len = norm(lines(k). point 1-lines(k). point 2)；
if(len & gt；max_len)
max _ len = len
xy _ long = xy
結束
結束
plot(xy_long(:，1)，xy_long(:，2)，'線寬'，2，'顏色'，'青色')；
13.直方圖閾值法
用MATLAB實現直方圖閾值法；
I = im read(' xian . BMP ')；
I 1 = RGB 2 gray(I)；
圖；
支線劇情(2，2，1)；
imshow(I 1)；
標題(“灰度圖像”)
axis()；
網格打開；%顯示網格線
軸打開；%顯示坐標系
[m，n]= size(I 1)；%測量圖像尺寸參數
GP =零(1，256)；%預先創建壹個矢量，用於存儲灰度概率。
對於k=0:255
GP(k+1)= length(find(I 1 = = k))/(m * n)；%計算每個灰度級的概率，存儲在GP中相應的位置。
結束
Plot (2，2，2)，bar (0: 255，gp，' g')%繪制直方圖。
標題(“灰度直方圖”)
Xlabel('灰度值')
Ylabel(“發生概率”)
I2=im2bw(I，150/255)；
支線劇情(2，2，3)，im show(I2)；
標題(“閾值為150的分割圖像”)
axis()；
網格打開；%顯示網格線
軸打開；%顯示坐標系
I3=im2bw(I，200/255)；%
支線劇情(2，2，4)，im show(I3)；
標題(“閾值為200的分割圖像”)
axis()；
網格打開；%顯示網格線
軸打開；%顯示坐標系
14.自動閾值法:Otsu法
用MATLAB實現Otsu算法:
色度控制中心
清理所有
I = im read(' xian . BMP ')；
支線劇情(1，2，1)，imshow(I)；
標題(“原始圖像”)
axis()；
網格打開；%顯示網格線
軸打開；%顯示坐標系
level = gray thresh(I)；%確定灰度閾值
BW=im2bw(I，level)；
支線劇情(1，2，2)，im show(BW)；
標題(“Otsu閾值分割圖像”)
axis()；
網格打開；%顯示網格線
軸打開；%顯示坐標系
15.膨脹操作
I = im read(' xian . BMP ')；%加載圖像
I 1 = RGB 2 gray(I)；
支線劇情(1，2，1)；
imshow(I 1)；
標題(“灰度圖像”)
axis()；
網格打開；%顯示網格線
軸打開；%顯示坐標系
se=strel('disk '，1)；%生成圓形結構元素
I2 = im dila(I 1，se)；%用生成的結構元素擴展圖像
支線劇情(1，2，2)；
imshow(I2)；
標題(“擴展圖像”)；
axis()；
網格打開；%顯示網格線
軸打開；%顯示坐標系
16.腐蝕操作
用MATLAB實現腐蝕運算
I = im read(' xian . BMP ')；%加載圖像
I 1 = RGB 2 gray(I)；
支線劇情(1，2，1)；
imshow(I 1)；
標題(“灰度圖像”)
axis()；
網格打開；%顯示網格線
軸打開；%顯示坐標系
se=strel('disk '，1)；%生成圓形結構元素
I2=imerode(I1，se)；%用生成的結構元素蝕刻圖像。
支線劇情(1，2，2)；
imshow(I2)；
標題(“蝕刻圖像”)；
axis()；
網格打開；%顯示網格線
軸打開；%顯示坐標系
打開和關閉操作。
用MATLAB實現開閉操作
I = im read(' xian . BMP ')；%加載圖像
支線劇情(2，2，1)，imshow(I)；
標題(“原圖”)；
axis()；
軸打開；%顯示坐標系
I 1 = RGB 2 gray(I)；
支線劇情(2，2，2)，imshow(I 1)；
標題(“灰度圖像”)；
axis()；
軸打開；%顯示坐標系
se=strel('disk '，1)；%采用半徑為1的圓作為結構元素。
I2=imopen(I1，se)；%打開操作
I3=imclose(I1，se)；%關閉操作
支線劇情(2，2，3)，im show(I2)；
標題(“計算後打開圖像”)；
axis()；
軸打開；%顯示坐標系
支線劇情(2，2，4)，im show(I3)；
標題(“關閉操作後的圖像”)；
axis()；
軸打開；%顯示坐標系
18.組合開啟和關閉操作
I = im read(' xian . BMP ')；%加載圖像
支線劇情(3，2，1)，imshow(I)；
標題(“原圖”)；
axis()；
軸打開；%顯示坐標系
I 1 = RGB 2 gray(I)；
支線劇情(3，2，2)，imshow(I 1)；
標題(“灰度圖像”)；
axis()；
軸打開；%顯示坐標系
se=strel('disk '，1)；
I2=imopen(I1，se)；%打開操作
I3=imclose(I1，se)；%關閉操作
支線劇情(3，2，3)，im show(I2)；
標題(“計算後打開圖像”)；
axis()；
軸打開；%顯示坐標系
支線劇情(3，2，4)，im show(I3)；
標題(“關閉操作後的圖像”)；
axis()；
軸打開；%顯示坐標系
se=strel('disk '，1)；
I4=imopen(I1，se)；
I5=imclose(I4，se)；
支線劇情(3，2，5)，im show(I5)；%開關操作圖像
標題(“打開-關閉操作圖像”)；
axis()；
軸打開；%顯示坐標系
I6=imclose(I1，se)；
I7=imopen(I6，se)；
支線劇情(3，2，6)，imshow(I7)；%開關操作圖像
標題(“關閉-打開操作圖像”)；
axis()；
軸打開；%顯示坐標系
19.形態學邊界提取
利用MATLAB實現以下功能:
I = im read(' xian . BMP ')；%加載圖像
支線劇情(1，3，1)，imshow(I)；
標題(“原圖”)；
axis()；
網格打開；%顯示網格線
軸打開；%顯示坐標系
I 1 = im2bw(I)；
支線劇情(1，3，2)，imshow(I 1)；
標題(“二進制圖像”)；
axis()；
網格打開；%顯示網格線
軸打開；%顯示坐標系
I2 = bwperim(I 1)；%獲取該區域的周長
支線劇情(1，3，3)，im show(I2)；
標題(“邊界周界的二進制圖像”)；
axis()；
網格打開；
軸打開；
20.形態骨架提取
利用MATLAB實現以下功能:
I = im read(' xian . BMP ')；
支線劇情(2，2，1)，imshow(I)；
標題(“原圖”)；
axis()；
軸打開；
I 1 = im2bw(I)；
支線劇情(2，2，2)，imshow(I 1)；
標題(“二進制圖像”)；
axis()；
軸打開；
I2=bwmorph(I1，' skel '，1)；
支線劇情(2，2，3)，im show(I2)；
標題(' 1骨架提取')；
axis()；
軸打開；
I3=bwmorph(I1，' skel '，2)；
支線劇情(2，2，4)，im show(I3)；
標題(“二級骨架提取”)；
axis()；
軸打開；
21.直接提取四個頂點坐標。
I = im read(' xian . BMP ')；
I = I(:，:，1)；
BW = im2bw(I)；
我猜的
imshow(~BW)
[x，y]=getpts
平滑濾波
h=fspecial('average '，9)；
I_gray=imfilter(I_gray，h，' replicate ')；%平滑過濾