数字图像处理实战（一）——Matlab图像变换核心操作

1. 从零开始Matlab图像处理基础操作第一次接触数字图像处理时我完全被各种专业术语和复杂的数学公式吓到了。直到发现Matlab这个神器才真正体会到图像处理的乐趣。Matlab就像是一个图像魔术师的工作箱里面装满了各种神奇的工具让我们可以轻松实现图像的读取、显示和基础变换。先说说最基本的图像读取操作。在Matlab中imread函数就是我们的开门钥匙。记得我第一次使用时直接把图片放在桌面结果Matlab死活找不到文件。后来才知道要么把图片放在Matlab的当前工作目录下要么就得输入完整路径。比如% 读取当前目录下的图片 image1 imread(cat.jpg); % 读取指定路径的图片 image2 imread(C:\Users\YourName\Pictures\dog.png);读取之后当然要看看图片长什么样。imshow就是我们的展示窗口。但这里有个小技巧显示彩色图像和灰度图像的方式略有不同。彩色图像直接imshow就行而灰度图像最好指定显示范围% 显示彩色图像 imshow(image1); % 显示灰度图像推荐方式 imshow(grayImage, [0 255]);说到保存图像imwrite函数就是我们的相机快门。保存时要注意文件格式jpg适合彩色照片png支持透明通道tif适合需要无损保存的情况。我经常用这样的代码保存处理后的图像% 保存为jpg有损压缩 imwrite(result1, result_high.jpg, Quality, 90); % 保存为png无损压缩 imwrite(result2, result_lossless.png);2. 玩转色彩通道操作与色彩空间转换色彩是图像最直观的特征Matlab提供了丰富的色彩操作函数。记得我第一次尝试交换图像的RGB通道时效果简直惊艳。比如把红色和蓝色通道互换图像就会呈现出一种奇幻的色调% 创建图像副本 image2 image1; % 红蓝通道互换 image2(:,:,1) image1(:,:,3); % R ← B image2(:,:,3) image1(:,:,1); % B ← R除了RGBMatlab还支持多种色彩空间转换。HSV色彩空间特别适合做颜色识别因为它的H通道直接代表色相不受光照影响。转换起来也很简单% RGB转HSV hsvImage rgb2hsv(image1); % 提取H通道 hueChannel hsvImage(:,:,1);YCbCr色彩空间在视频压缩中很常见Y代表亮度Cb和Cr代表色度。人眼对亮度更敏感所以很多压缩算法会保留更多Y通道信息% RGB转YCbCr ycbcrImage rgb2ycbcr(image1); % 提取Y通道 lumaChannel ycbcrImage(:,:,1);灰度化是最常用的预处理操作之一。虽然rgb2gray函数可以直接转换但了解背后的原理更重要。实际上它是用加权平均法计算的考虑了人眼对不同颜色的敏感度% 手动实现灰度化 grayManual 0.299 * image1(:,:,1) 0.587 * image1(:,:,2) 0.114 * image1(:,:,3);3. 图像几何变换旋转与缩放的艺术图像旋转看似简单但选择合适的插值方法很关键。Matlab提供了三种主要方法最近邻、双线性和双三次插值。我做过对比实验发现最近邻速度最快但会有锯齿双线性效果和速度平衡双三次效果最好但计算量最大% 不同插值方法旋转对比 rotated1 imrotate(grayImage, 30, nearest); % 最近邻 rotated2 imrotate(grayImage, 30, bilinear); % 双线性 rotated3 imrotate(grayImage, 30, bicubic); % 双三次缩放操作同样需要考虑插值方法。放大图像时双三次插值能保留更多细节缩小图像时双线性就足够了。这里有个实用技巧可以用[]指定输出尺寸或者用比例因子% 指定输出尺寸为200x300 resized1 imresize(image1, [200 300]); % 放大2倍 resized2 imresize(image1, 2); % 宽度不变高度自动调整 resized3 imresize(image1, [NaN, 400]);图像翻转是数据增强的常用手段。Matlab提供了fliplr水平翻转和flipud垂直翻转函数。我经常用它们来扩充训练数据集% 水平翻转镜像 flippedLR fliplr(image1); % 垂直翻转 flippedUD flipud(image1); % 同时翻转 flippedBoth flipud(fliplr(image1));4. 灰度变换从理论到实践灰度变换是图像增强的基础技术。最经典的就是对比度拉伸可以把一张灰蒙蒙的照片变得清晰明亮。Matlab虽然提供了imadjust函数但自己实现更能理解原理% 手动对比度拉伸 lowIn 0.1; highIn 0.9; lowOut 0; highOut 1; stretched (grayImage - lowIn) / (highIn - lowIn) * (highOut - lowOut) lowOut; stretched max(0, min(1, stretched)); % 限制在[0,1]范围实验中的分段线性变换特别实用可以针对不同灰度区间做不同处理。比如把暗部提亮同时压缩亮部细节% 定义三个转折点 x1 50; y1 80; x2 150; y2 120; % 构建分段线性变换 grayImage im2double(grayImage); transformed zeros(size(grayImage)); mask1 grayImage x1/255; mask2 (grayImage x1/255) (grayImage x2/255); mask3 grayImage x2/255; transformed(mask1) grayImage(mask1) * (y1/x1); transformed(mask2) (grayImage(mask2) - x1/255) * ((y2-y1)/(x2-x1)) y1/255; transformed(mask3) (grayImage(mask3) - x2/255) * ((255-y2)/(255-x2)) y2/255;对数变换和伽马变换也是常用的非线性变换。对数变换适合扩展暗部细节伽马变换则可以灵活调整图像的整体亮度% 对数变换 c 1; logTransformed c * log(1 im2double(grayImage)); % 伽马变换 gamma 0.5; gammaTransformed imadjust(grayImage, [], [], gamma);5. 实战技巧与常见问题解决在实际项目中我积累了一些Matlab图像处理的小技巧。首先是内存管理处理大图像时特别重要% 检查图像大小 whos image1 % 转换为更节省内存的类型 image1_uint8 im2uint8(image1); image1_single im2single(image1);多图显示是分析对比结果的好方法。subplot函数可以创建子图但要注意调整间距figure; subplot(2,2,1); imshow(original); title(Original); subplot(2,2,2); imshow(rotated); title(Rotated); subplot(2,2,3); imshow(resized); title(Resized); subplot(2,2,4); imshow(transformed); title(Transformed); % 调整子图间距 set(gcf, Position, [100 100 800 600]);处理图像时经常遇到的坑就是数据类型转换。Matlab默认用double类型计算但显示图像需要uint8% 错误做法直接显示double类型图像 imshow(doubleImage); % 会显示全白或全黑 % 正确做法先转换再显示 imshow(im2uint8(doubleImage));性能优化也很重要特别是处理视频或大批量图像时。向量化操作比循环快得多% 慢使用循环 for i 1:size(image,1) for j 1:size(image,2) image(i,j) image(i,j) * 1.5; end end % 快向量化操作 image image * 1.5;最后分享一个实用技巧使用蒙版(mask)进行局部处理。比如只增强图像中的某个区域% 创建圆形蒙版 [xx,yy] meshgrid(1:size(grayImage,2), 1:size(grayImage,1)); mask (xx - centerX).^2 (yy - centerY).^2 radius^2; % 只增强蒙版区域 enhanced grayImage; enhanced(mask) enhanced(mask) * 1.5;