学习到第十章的前半部分
ice函数 g = ice(\'image\',f);
ice 窗口操作
| 鼠标操作 | 结果 |
|---|---|
| 左键 | 按住并拖动来移动控制点 |
| 左键+Shift键 | 添加控制点。拖动（同时按住Shift键）可改变控制点的位置 |
| 左键+Control键 | 删除控制点 |
鼠标左键代表移动， 鼠标中键代表添加， 右键代表删除
| GUI元素 | 描述 |
|---|---|
| Smooth | 选择则使用三次样条内插 |
| Clamp Ends | 选择则强制将三次样条的起始和结束曲线斜度设置为0 |
| Show PDF | 显示被映射函数影响的图像分量的概率密度函数（即直方图） |
| Show CDF | 显示累计分布函数并非PDF（注意，PDF和CDF不能同时显示 |
| Map Image | 选中则启动图像映射，默认选中 |
| Map Bars | 选择则启动伪彩色和全彩色条带映射 |
| Reset | 重置 |
Reset All 重置所有
Input/Output| 显示坐标，Input为x轴，Output为y轴
Component
row 1 col 1 | row 1 col 2
Component | 为交互操作选择一个映射函数，就是选择图片的哪个分量进行操作
插入控制点
使用smooth
单色负片和彩色分量的反映射
应用:单色和彩色对比度增强
应用:伪彩色映射
应用:彩色平衡
应用:基于直方图的映射
彩色图像的空间滤波
彩色图像锐化
close all;
clear all;
f=imread(\'Fig0615.tif\');
lapmask=[1 1 1;1 -8 1;1 1 1];
fen=imsubtract(f,imfilter(f,lapmask,\'replicate\'));
%也可以写成fen=f-imfilter(f,lapmask,\'replicate\');
subplot(1,2,1);
imshow(f);
title(\'原图\');
subplot(1,2,2);
imshow(fen);
title(\'使用拉普拉斯算子增强的图像 \');
膨胀 A2=imdilate(A,B);
A=imread(\'2.png\');
B=[0 1 0;1 1 1;0 1 0];
A2=imdilate(A,B);
subplot(1,2,1);
imshow(A)
title(\'原图\');
subplot(1,2,2);
imshow(A2);
title(\'膨胀后的图\');
腐蚀 g= imerode(f, se)
f = imread(\'Fig0908.tif\');
g1 = imerode(f, strel(\'disk\', 5));
g2 = imerode(f, strel(\'disk\', 10));
g3 = imerode(f, strel(\'disk\', 20));
subplot(2, 2, 1), imshow(f), title(\'原图\');
subplot(2, 2, 2), imshow(g1), title(\'半径为5的圆盘腐蚀后的图\');
subplot(2, 2, 3), imshow(g2), title(\'半径为10的圆盘腐蚀后的图\');
subplot(2, 2, 4), imshow(g3), title(\'半径为20的圆盘腐蚀后的图\');
开运算和闭运算
对于结构元素可以自己根据自己的需要定义比如：[0 1 0;1 1 1; 0 1 0],也可以使用strel来定义，而且用strel定义的结构元素，系统自动的进行分解，以提高系统的运算速度。
在实际的应用中，一副图像往往要经过相同或者不同的结构元素进行数次的膨胀、腐蚀操作，最常用的膨胀和腐蚀操作的组合有：开运算、闭运算、击中或击不中变换。开运算等效于先腐蚀再膨胀，闭运算等效于先膨胀再腐蚀。A开B等于B在A内所有完全匹配的平移的并集。
A闭B等于所有不与A重叠的B的平移的并集。
f=imread(\'Fig0910.tif\');
se=strel(\'square\',20);
fo=imopen(f,se);
fc=imclose(f,se);
foc=imclose(fo,se);
subplot(2,2,1);
imshow(f);
title(\'原图\');
subplot(2,2,2);
imshow(fo);
title(\'开运算后的图像\');
subplot(2,2,3);
imshow(fc);
title(\'闭运算后的图像\');
subplot(2,2,4);
imshow(foc);
title(\'先开运算后闭运算后的结果\');
f=imread(\'fingerprint.tif\');
se=strel(\'square\',3);
fo=imopen(f,se);
foc=imclose(fo,se);
subplot(1,3,1);
imshow(f);
title(\'原图\');
subplot(1,3,2);
imshow(fo);
title(\'开运算后的图像\');
subplot(1,3,3);
imshow(foc);
title(\'先开运算后闭运算后的结果\');
形态学开运算完全删除不能包含结构元素的对象区域，平滑了对象的轮廓，断开了狭窄的连接，去掉了细小的突出部分。与开运算不同的是，闭运算一般会将狭窄的缺口连接形成细长的弯口，并填充比结构元素小的洞。
提取出图像的骨骼化或细化 I = bwmorph(I1, \'skel\', Inf);
clc;
clear all;
I1 = imread(\'fingerprint.png\');
I1=im2bw(I1);
subplot(1,3,1), imshow(I1);
title（\'原图\');
I2 = bwmorph(I1, \'skel\', Inf);
subplot(1,3,2), imshow(I2);
title(\'骨骼化后的图像\');
I3 = bwmorph(I1, \'thin\', Inf);
subplot(1,3,3), imshow(I3);
title(\'细长化后的图像\');
g=endpoints（f）计算并应用查找表来计算二值图f的端点并以二值图返回它们。
f=imread(\'Fig0916.tif\');
g=bwmorph(f,\'skel\', Inf);
g=endpoints(g);
figure(1),imshow(f);title(\'原图\');
figure(2),imshow(g);title(\'骨骼化图像\');
使用endpoints函数修剪骨骼化细化的毛刺
骨骼化和细化经常会产生无关的短“毛刺”或寄生成分。清除或去除这些短毛刺的过程称为修剪。函数endpoints() 可以实现这一目的，它识别并删除端点
clc;
clear all;
I1=imread(\'Fig0916.tif\');
I2=bwmorph(I1, \'skel\', Inf);
for k=1:5
I3=I2&~endpoints(I2);
subplot(1,3,1);
end
imshow(I1);
title(\'原图\');
subplot(1,3,2), imshow(I2);
title(\'骨骼化后的图像\');
I3 = bwmorph(I1, \'thin\', Inf);
subplot(1,3,3), imshow(I3);
title(\'细化后的图像\');
击中或击不中变换
load trees;
BW = im2bw(X, map, 0.4);
figure, imshow(BW);
interval = [0 -1 -1; 1 1 -1; 0 1 0];
BW2 = bwhitmiss(BW, interval);
figure, imshow(BW2);
点，线和边缘检测
点检测
imfilter函数进行点检测
f=imread(\'Fig1002.tif\');
w=[-1 -1 -1;-1 8 -1;-1 -1 -1];
g=abs(imfilter(tofloat(f),w));
T=max(g(:));
g=g>=T;
subplot(1,2,1);imshow(f);title(\'原图\'),
subplot(1,2,2);
imshow(g);
title(\'点检测后的图像\');
ordfilt2函数进行点检测
g = imsubtract(ordfilt2(f,3*3,ones(3,3)),ordfilt2(f,1,ones(3,3)));
T=max(g(:));
g = g>= T;
subplot(1,2,1);
imshow(f);
title(\'原图\');
subplot(1,2,2);
imshow(g);
title(\'点检测后的图像\');
线检测
f=imread(\'Fig1004.tif\');
subplot(2,3,1);
imshow(f);
title(\'原图\');
w = [2 -1 -1; -1 2 -1;-1 -1 2];
g = imfilter(double(f),w);
subplot(2,3,2);
imshow(g,[]);
title(\'+45度检测器后的图\');
gtop = g(1:120,1:120);
gtop = pixeldup(gtop,4);
subplot(2,3,3);
imshow(gtop,[]) ;
title(\'左上方放大的图\');
gbot = g(end-119:end,end-119:end);
%pixeldup函数是将图像扩大m*n倍，通过复制每个像素点m*n次。
gbot = pixeldup(gbot,4);
subplot(2,3,4);
imshow(gbot,[]) ;
title(\'右下方放大的图\');
g = abs(g);
subplot(2,3,5);
imshow(g,[]);
title(\'+45度检测器取绝对值后的图\');
T = max(g(:));
g = g>=T;
subplot(2,3,6);
imshow(g);
title(\'满足g>T的所有点\');
使用函数edge检测边缘
f=imread(\'Fig1006.tif\');
subplot(2,3,1);
imshow(f);
title(\'原图\');
g1 = edge(f,\'sobel\',\'vertical\');
subplot(2,3,2);
imshow(g1);
title(\'垂直sobel模板处理后的结果\');
g2 = edge(f,\'sobel\',0.15,\'vertical\');
subplot(2,3,3);
imshow(g2);
title(\'指定垂直sobel模板处理后的结果\');
g3 =edge(f,\'sobel\',0.15);
subplot(2,3,4);
imshow(g3);
title(\'指定垂直sobel模板和阈值处理后的结果\');
wneg45=[-2 -1 0;-1 0 1;0 1 2];
gneg45=imfilter(tofloat(f),wneg45,\'replicate\');
T=0.3*max(abs(gneg45(:)));
gneg45=gneg45>=T;
subplot(2,3,5);
imshow(gneg45);
title(\'用指定模板和指定阈值计算-45度方向边缘处理后的结果\');
wpos45=[0 1 2;-1 0 1;-2 -1 0];
gpos45=imfilter(tofloat(f),wpos45,\'replicate\');
T=0.3*max(abs(gpos45(:)));
gpos45=gpos45>=T;
subplot(2,3,6);
imshow(gpos45);
title(\'用指定模板和指定阈值计算+45度方向边缘处理后的结果\');