matlab处理图像代码
1、图像的读取
MATLAB中从图像文件中读取数据用函数imread()，这个函数的作用就是将图像文件的数据读入矩阵中，此外还可以用imfinfo()函数查看图像文件的信息（见例1）
%例1：图像数据及图像信息的读取
imfinfo c:/lilizong/boat.bmp
%读取图像信息
[A,M]=imread(\'c:/lilizong/boat.bmp\');
%图像数据的读取，将图像数据放入矩阵A中，颜色数据放入矩阵M中
imshow(A,M);title(\'原图像\');
M(:,1)=0; %将颜色数据矩阵的一列置零
figure
imshow(A,M);title(\'改变颜色后的图像\')
MATLAB还提供了将数据写入一个文件的函数imwrite以及不同类型文件相互转换的函数，可以参考MATLAB 的帮助文件。
2、灰度直方图及直方图均衡化
灰度直方图用于显示图像的灰度值分布情况，是数字图像处理中最简单和最实用的工具。MATLAB中提供了专门绘制直方图的函数imhist()。用它可以很简单的绘制出一幅图像的灰度直方图（见例2）。
%例2：直方图的显示
imshow(\'c:/lilizong/boat.bmp\');title(\'原图像\')
%显示原图像
A=imread(\'e:/matlabwork/tuxiang/Girl.bmp\',\'bmp\');
figure;imhist(A),title(\'对应直方图\')
在图像处理中，点运算是简单而又重要的一种技术，其中最常用的一种应用就是直方图的均衡化（见例3）。
%例3：直方图均衡化
imshow(\'c:/lilizong/boat1.bmp\');title(\'原图像\')
I=imread(\'c:/lilizong/boat1.bmp\');
figure;imhist(I),title(\'对应直方图\')
%从得到的直方图可以看出，图像的对比度很低，灰度级集中在70-160范围内，如果只取
%这个范围内的灰度，并扩展到[0,255]，则会明显增强图像对比度
J=imadjust(I,[70/255 160/255],[]);
figure;imshow(J),title(\'经灰度级调整后的图\')
figure;imhist(J),title(\'灰度级调整后的直方图\')
%MATLAB还提供了histeq函数（自动直方图均衡化）
K=histeq(I);
figure;imshow(K),title(\'经直方图均衡化后的图\')
figure;imhist(K),title(\'直方图均衡化后的直方图\')
3、图像的代数运算
代数运算是指对两幅输入图像进行点对点的加、减、乘和除计算而得到输出图像的运算。对于相加和相乘的情形，可能不止有两幅图像参加运算。图像相加的一个重要应用是对同一场景的多幅图像求平均值。这点被经常用来有效地降低加性（additive）随机噪声的影响（见例4）
%例4：图象加噪声再通过多次相加求平均的方法祛除噪声
[I,M]=imread(\'c:/boat.png\');
J=imnoise(I,\'salt & pepper\',0.005);
subplot(1,2,1),imshow(I,M),title(\'原图象\');
subplot(1,2,2),imshow(J,M),title(\'加噪声后图象\');
K=zeros(256);
for i=1:100
J=imnoise(I,\'salt & pepper\',0.005);
J1=im2double(J);
% K=K+J1;
K=K+J1;
end
K=K/100;
figure,imshow(K),title(\'相加求平均后的图象\');
4、图像滤波处理
在数字图像处理中，常常会遇到图像中混杂有许多的噪声。因此，在进行图像处理中，有时要先进行祛除噪声的工作。最常用的祛除噪声的方法是用滤波器进行滤波处理。MATLAB的图像处理工具箱里也设计了许多的滤波器。如均值滤波器、中值滤波器、维纳滤波器等。用户可以很方便的运用一些函数完成数字滤波工作。（见例5）。
%例5：用滤波器祛除图象噪声（分别用均值滤波，中值滤波，及维纳滤波器祛除加入高斯噪声的图象）
I=imread(\'C:/boat.png\');
J=imnoise(I,\'gaussian\',0,0.002); %加入高斯噪声
%进行均值滤波
h=fspecial(\'average\',3); %fspecial函数用于产生预定义滤波器
I2=uint8(round(filter2(h,I))); %filter2函数用于图像滤波,此处h是滤波参数（均值），I是要处理的图像
%进行中值滤波
I3=medfilt2(J,[3,3]); %medfilt2函数用于图像的中值滤波
%进行维纳滤波
I4=wiener2(J,[3,3]);%进行一次维纳滤波
I5=wiener2(I4,[3,3]);%进行二次维纳滤波
subplot(2,3,1),imshow(I),title(\'原图象\')
subplot(2,3,2),imshow(J),title(\'加噪声图象\')
subplot(2,3,3),imshow(I2),title(\'均值滤波后图象\')
subplot(2,3,4),imshow(I3),title(\'中值滤波后图象\')
subplot(2,3,5),imshow(I4),title(\'维纳滤波后图象\')
subplot(2,3,6),imshow(I5),title(\'两次维纳滤波后图象\')
5、傅立叶变换
傅立叶变换是线性系统分析的一个有力的工具。它在图像处理，特别是在图像增强、复原和压缩中，扮演着非常重要的作用。实际中一般采用一种叫做快速傅立叶变换（FFT）的方法，MATLAB中的fft2指令用于得到二维FFT的结果，ifft2指令用于得到二维FFT逆变换的结果。（见例6）
%例6：近似冲击函数的二维快速傅立叶变换（FFT）
x=1:99;y=1:99;
[X,Y]=meshgrid(x,y);
A=zeros(99,99);
A(49:51,49:51)=1;
B=fft2(A);
subplot(1,2,1),imshow(A),xlabel(\'空域图象\');
subplot(1,2,2),imshow(B),xlabel(\'时域图象\');
figure
subplot(1,2,1),mesh(X,Y,A),xlabel(\'空域\'),grid on;
subplot(1,2,2),mesh(X,Y,abs(B)),xlabel(\'时域\'),grid on;
6、图像压缩
在图像的变换和压缩中，常常用到离散余弦变换（DCT）。DCT具有能使图像的最重要的信息集中在DCT的几个系数上的性能。正是基于此，DCT通常应用于图像的压缩。（见例7）
JPEG图像压缩算法：
输入图像被分成8*8或16*16的小块，然后对每一小块进行二维DCT（离散余弦变换）变换，变换后的系数量化、编码并传输；
JPEG文件解码量化了的DCT系数，对每一块计算二维逆DCT变换，最后把结果块拼接成一个完整的图像。在DCT变换后舍弃那些不严重影响图像重构的接近0的系数。
DCT变换的特点是变换后图像大部分能量集中在左上角，因为左上放映原图像低频部分数据，右下反映原图像高频部分数据。而图像的能量通常集中在低频部分。
%例7：DCT变换用于图象的压缩实例
I=imread(\'d:/lilizong/test.jpg\');
%该图片在安装matlab的目录中找，原图为灰度图象
I=im2double(I);%图像存储类型转换
T=dctmtx(8);%离散余弦变换矩阵
B=blkproc(I,[8 8],\'P1*x*P2\',T,T\');
%对原图像进行DCT变换
mask=[1 1 1 1 0 0 0 0
1 1 1 0 0 0 0 0
1 1 0 0 0 0 0 0
1 0 0 0 0 0 0 0
0 0 0 0 0 0 0 0
0 0 0 0 0 0 0 0
0 0 0 0 0 0 0 0
0 0 0 0 0 0 0 0];
B2=blkproc(B,[8 8],\'P1.*x\',mask);
%数据压缩，丢弃右下角高频数据
I2=blkproc(B2,[8 8],\'P1*x*P2\',T\',T);
%进行DCT反变换，得到压缩后的图像
imshow(I)
title(\'原始图像\')
figure;
imshow(I2)
title(\'压缩后的图像\')
应用到的函数：
I=imread(\'图像文件名\') :读取图像数据,保存在矩阵I中；
imshow(I) :显示灰度图像I，其他用法见matlab帮助；
I2=im2double(I1) :把图像数组I1转换成double精度类型；
D=dctmtx(n) :二维离散余弦变换函数，返回n*n离散余弦变换矩阵。
一个n*n的变换矩阵T被定义成：
Tpq=1/sqrt(n)
,当p=0,0<=q<=M-1；
Tpq=sqrt(2/n)*cos[pi*(2q+1)*p/2n]
,当1<=p<=M-1,0<=q<=M-1。
B=blkproc(A,[m n],fun,P1,P2...) :块操作函数。对图像A的每个不同的m*n块应用fun函数，P1，P2等为fun函数参数。在图像边缘用0来扩展；只有当fun的返回矩阵是m*n矩阵时，B和A的大小才相同。
figure:强制生成一个新的个绘图窗口；
可以看出，尽管由于85%的DCT系数被抛弃而使恢复后的图像质量有所降低，图像内容仍能清晰可辨，达到了图像压缩的目的。
