Matlab|数字图像处理05|彩色图像处理

企业开发 2023-12-18 04:37:37 阅读次数: 0

1、分量、平滑和合成

%% 读取图像像素信息，将像素矩阵中的数据转换成double型并提取R、G、B分量
rgb1=imread('i_flower.png'); rgb=im2double(rgb1); 
fR=rgb(:,:,1);fG=rgb(:,:,2);fB=rgb(:,:,3);
 
%% 用传统的邻域平均单独平滑 R、G、B 3 个分量图像，再对平滑后的分量图像合成
w=fspecial('average'); %生成均值滤波器
fR_filtered=imfilter(fR,w); fG_filtered=imfilter(fG,w); fB_filtered=imfilter(fB,w); % 对R、G、B层数组分别做平滑滤波处理
rgb_filtered=cat(3,fR_filtered,fG_filtered,fB_filtered); I1=(fR+fG+fB)/3; %处理后的R,G,B数组合并成三维矩阵，对处理后的R,G,B数组取均值，得到I1分量
 
%% 将 RGB 图像转换到 HSI 模型，仅对强度分量 I 进行平滑处理，而保持色度和饱和度分量不变，再将其转换到 RGB 空间进行显示。
tmp1=min(min(fR,fG),fB); tmp2=fR+fG+fB; tmp2(tmp2==0)=eps; %计算三图层中的最小值tmp1、总和tmp2、tmp2空值赋值为eps防止除数为0
S=1-3.*tmp1./tmp2; %赋值S分量
tmp1=0.5*((fR-fG)+(fR-fB)); tmp2=sqrt((fR-fG).^2+(fR-fB).*(fG-fB));%计算色调的两个参数
theta=acos(tmp1./(tmp2+eps));  %计算arccos
H1=theta; %赋值H1分量
H1(fB>fG)=2*pi-H1(fB>fG); % 角度转换。fB>fG的,对色调进行归一化使HSI值在[0,1]范围内
H1=H1/(2*pi); %H分量除以2*pi进行归一化
H1(S==0)=0; %将H数组中S数组为0的位置赋值为0
w=fspecial('average'); I=imfilter(I1,w); H=H1*2*pi; %生成均值滤波器，对I分量做平滑滤波处理，对H分量赋值
%% 分区域将HSI转换为RGB
R=zeros(size(rgb1,1),size(rgb1,2));
G=zeros(size(rgb1,1),size(rgb1,2)); 
B=zeros(size(rgb1,1),size(rgb1,2));   %分别初始化等大小的R、G、B矩阵
ind=find((H>=0)&(H<2*pi/3)); %找个H数组中大于等于0并小于2*pi/3的位置，赋值为ind
%分区域计算得到对应位置B、R、G矩阵的像素值:
B(ind)=I(ind).*(1.0-S(ind));  % RG区域：[0°，120°)
R(ind)=I(ind).*(1.0+S(ind).*cos(H(ind))./cos(pi/3.0-H(ind))); 
G(ind)=1.0-(R(ind)+B(ind));  
 
ind=find((H>2*pi/3)&(H<4*pi/3)); % GB区域：[120°,240°)
H(ind)=H(ind)-pi*2/3; R(ind)=I(ind).*(1.0-S(ind));
G(ind)=I(ind).*(1.0+S(ind).*cos(H(ind))./cos(pi/3.0-H(ind))); 
B(ind)=1.0-(R(ind)+G(ind));
 
ind=find((H>=4*pi/3)&(H<2*pi));% BR区域：[240°,360°)
H(ind)=H(ind)-pi*4/3;
G(ind)=I(ind).*(1.0-S(ind));
B(ind)=I(ind).*(1.0+S(ind).*cos(H(ind))./cos(pi/3.0-H(ind))); R(ind)=1.0-(G(ind)+B(ind));
 
hsi_rgb=cat(3,R,G,B); % % 合并R,G,B

%% 二者结果之差
diff=(abs(hsi_rgb-rgb_filtered));
%% 显示图片
figure;
subplot(4,4,1);
imshow(fR),title('R分量');
subplot(4,4,2);
imshow(fG),title('G分量');
subplot(4,4,3);
imshow(fB),,title('B分量');
subplot(4,4,4);
imshow(rgb1),,title('原图');
 
subplot(4,4,5);
imshow(fR_filtered),title('R分量平滑');
subplot(4,4,6);
imshow(fG_filtered),title('G分量平滑');
subplot(4,4,7);
imshow(fB_filtered),,title('B分量平滑');
subplot(4,4,8);
imshow(rgb_filtered),,title('三分量平滑合成');
 
subplot(4,4,9);
imshow(H1),title('H分量');
subplot(4,4,10);
imshow(S),title('S分量');
subplot(4,4,11);
imshow(I1),title('I分量');
subplot(4,4,12);
imshow(I),title('I分量平滑');
 
subplot(4,4,13);
imshow(hsi_rgb),title('仅I分量平滑RGB');
subplot(4,4,14);
imshow(diff),title('二种结果之差');

2、分量、锐化和合成

在这里插入图片描述

%% 读取彩色图像，将像素矩阵中的数据转换成double型并提取R、G、B分量
rgb1=imread('i_flower.png'); rgb=im2double(rgb1); 
fR=rgb(:,:,1);fG=rgb(:,:,2);fB=rgb(:,:,3);
 
%% 用传统的 Laplacian 分别锐化 R、G、B 3 个分量图像，再对锐化后的分量图像合成
lapMatrix=[1 1 1;1 -8 1;1 1 1]; % 拉普拉斯滤波模板-八方向
fR_filtered=imfilter(fR,lapMatrix,'replicate'); 
fG_filtered=imfilter(fG,lapMatrix,'replicate');
fB_filtered=imfilter(fB,lapMatrix,'replicate');% 对R、G、B层分别做锐化滤波处理
rgb_tmp=cat(3,fR_filtered,fG_filtered,fB_filtered);  % 将处理后的R,G,B数组合并成三维矩阵
rgb_filtered=imsubtract(rgb,rgb_tmp); % 锐化后和原图二者结果之差
%% RGB 图像转换到 HSI 模型，仅对强度分量 I 进行锐化处理
I1=(fR+fG+fB)/3; % 对R,G,B数组取均值得到I分量 
tmp1=min(min(fR,fG),fB); tmp2=fR+fG+fB; tmp2(tmp2==0)=eps; % 计算三图层中的最小值tmp1、总和tmp2、tmp2空值赋值为eps防止除数为0
S=1-3.*tmp1./tmp2; % 赋值S分量
tmp1=0.5*((fR-fG)+(fR-fB));  tmp2=sqrt((fR-fG).^2+(fR-fB).*(fG-fB));  % 计算色调的两个参数
theta=acos(tmp1./(tmp2+eps)); % 计算arccos
H1=theta; % 赋值H1分量
H1(fB>fG)=2*pi-H1(fB>fG); % 角度转换,fB>fG的,对色调进行归一化使HSI值在[0,1]范围内
H1=H1/(2*pi);  % H分量除以2*pi进行归一化
H1(S==0)=0; % 将H数组中S数组为0的位置赋值为0
lapMatrix=[1 1 1;1 -8 1;1 1 1]; % 拉普拉斯滤波模板-八方向
I=imfilter(I1,lapMatrix,'replicate'); % 对强度分量 I 进行锐化处理
 
%% 显示图像
figure;
subplot(4,4,1);
imshow(fR),title('R分量');
subplot(4,4,2);
imshow(fG),title('G分量');
subplot(4,4,3);
imshow(fB),,title('B分量');
subplot(4,4,4);
imshow(rgb1),,title('原图');
 
subplot(4,4,5);
imshow(fR_filtered),title('R分量锐化');
subplot(4,4,6);
imshow(fG_filtered),title('G分量锐化');
subplot(4,4,7);
imshow(fB_filtered),title('B分量锐化');
subplot(4,4,8);
imshow(rgb_filtered),title('三分量锐化合成');
 
 
subplot(4,4,9);
imshow(H1),title('H分量');
subplot(4,4,10);
imshow(S),title('S分量');
subplot(4,4,11);
imshow(I1),title('I分量');
subplot(4,4,12);
imshow(I),title('I分量锐化');
 
H=H1*2*pi; % 对H分量赋值
R=zeros(size(rgb1,1),size(rgb1,2));
G=zeros(size(rgb1,1),size(rgb1,2));
B=zeros(size(rgb1,1),size(rgb1,2)); %分别初始化等大小的R、G、B矩阵
%% 对强度分量 I 进行锐化处理后分区域将其转换到 RGB 空间进行显示
%分区域计算得到对应位置B、R、G矩阵的像素值:
ind=find((H>=0)&(H<2*pi/3)); % RG区域：[0°，120°)
B(ind)=I(ind).*(1.0-S(ind)); 
R(ind)=I(ind).*(1.0+S(ind).*cos(H(ind))./cos(pi/3.0-H(ind)));
G(ind)=1.0-(R(ind)+B(ind));
 
ind=find((H>2*pi/3)&(H<4*pi/3));  % GB区域：[120°,240°)
H(ind)=H(ind)-pi*2/3; 
R(ind)=I(ind).*(1.0-S(ind));
G(ind)=I(ind).*(1.0+S(ind).*cos(H(ind))./cos(pi/3.0-H(ind))); 
B(ind)=1.0-(R(ind)+G(ind));
 
ind=find((H>=4*pi/3)&(H<2*pi)); % BR区域：[240°,360°)
H(ind)=H(ind)-pi*4/3; 
G(ind)=I(ind).*(1.0-S(ind));
B(ind)=I(ind).*(1.0+S(ind).*cos(H(ind))./cos(pi/3.0-H(ind)));
R(ind)=1.0-(G(ind)+B(ind));
 
hsi_rgb=cat(3,R,G,B); % 合并R,G,B
diff=(abs(hsi_rgb-rgb_filtered));% 二者结果之差
 
subplot(4,4,13);
imshow(hsi_rgb),title('仅I分量锐化RGB');
subplot(4,4,14);
imshow(diff),title('二种结果之差');

3、向量梯度边缘

在这里插入图片描述

rgb=imread('fly.png'); % 读取图像
sob=fspecial('sobel'); % 生成用于提取边缘的滤波器
 
%% 对R、G、B图层的垂直和水平方向分别求导做边缘滤波处理
% 计算梯度向量的参数
Rx=imfilter(double(rgb(:,:,1)),sob,'replicate'); % R 水平方向 线性空间滤波函数,replicate表示图像大小通过复制外边界的值来扩展
Ry=imfilter(double(rgb(:,:,1)),sob','replicate'); % R 垂直方向
Gx=imfilter(double(rgb(:,:,2)),sob,'replicate'); % G 水平方向
Gy=imfilter(double(rgb(:,:,2)),sob','replicate'); % G 垂直方向
Bx=imfilter(double(rgb(:,:,3)),sob,'replicate'); % B 水平方向
By=imfilter(double(rgb(:,:,3)),sob','replicate'); % B 垂直方向
gxx=Rx.^2+Gx.^2+Bx.^2; gyy=Ry.^2+Gy.^2+By.^2;gxy=Rx.*Ry+Gx.*Gy+Bx.*By;  % 计算RGB三图层的垂直、水平方向平方和、点乘后求和
theta=0.5*(atan(2*gxy./(gxx-gyy+eps))); %计算每个位置的最大变化率方向
G1=0.5*((gxx+gyy)+(gxx-gyy).*cos(2*theta)+2*gxy.*sin(2*theta)); %计算每个位置的最大变化率方向
theta=theta+pi/2; % 将变化率方向逆时针旋转90°
G2=0.5*((gxx+gyy)+(gxx-gyy).*cos(2*theta)+2*gxy.*sin(2*theta)); %旋转后计算每个点在对应方向上变化率的幅值
% 缩放到范围[0,1],通过在每个(x,y)处取最大值来形成rgb_gradian。
G1=G1.^0.5;
G2=G2.^0.5; % 开平方
rgb_gradiant=mat2gray(max(G1,G2)); % 取两个幅值每个点的最大值

%2
figure
subplot(1,2,1);
imshow(rgb),title('彩色原图');
subplot(1,2,2);
imshow(rgb_gradiant),title('向量梯度边缘');

猜你喜欢

转载自blog.csdn.net/ariarko/article/details/128541631
今日推荐
《美国对全球网络空间安全与发展的威胁和破坏》报告发布
火速冲上 GitHub 热榜 —— 开源编程语言、框架哪有这么可爱？
北京人形机器人创新中心发布全球首个纯电驱拟人奔跑的全尺寸人形机器人“天工”
LFOSSA 源来如此公开课 | 掌握云原生未来：CNCF 认证全面攻略与备考秘籍
国产云输入法——仅华为无云端数据上传安全问题
周排行
Python环境安装与基础语法（1）——计算机基础知识
IMU预积分
ADAS中的LDW、FCW、BSD、LCA、ACC、AEB、APA、DMS代表的含义
B站笔试两道题
skyeye arm 硬件虚拟机环境的搭建
Web前端静态页面示例
数组-合并排序数组 II-简单
springcloud之版本问题启动报错
面向对象-------------匿名对象(六)
输入URL到页面呈现中间发生了什么？
每日归档
更多
2024-04-30(1)
2024-04-29(40)
2024-04-28(0)
2024-04-27(56)
2024-04-26(39)
2024-04-25(22)
2024-04-24(36)
2024-04-23(26)
2024-04-22(39)
2024-04-21(0)

代码天地 © 2018 codetd.com

境外服务器   最新电视剧2022