标签：线性 jpg entity UI 9.png 使用 osi pre 数字
例2.1 主要是使用函数imadjust，来熟悉一下灰度处理，体验一把
>> imread(‘myimage.jpg‘); >> f=imread(‘myimage.jpg‘); >> g1 = imadjust(f, [0 1], [1 0]); >> imshow(g1); >> imshow(f); >> g2 = imadjust(f, [0.5 0.75], [0 1]); >> figure;imshow(g2); >> g3 = imadjust(f, [], [],2); >> figure;imshow(g3);
处理前后效果，还可以，f到g1的变换，就是对像素值进行了反转，也就是书中所讲的负片效果，对医学很有用。
g2图是将[0.5 0.75]间的像素线性变换到[0 1]之间，也就是进行了放大。那么这里有点疑问，我们的图像像素幅值区间不可能只是有[0.5 0.75]，这个参数的意义到底是什么呢？我对书中的理解如下，上面图中所用到的是uint8类型图像，因此图像幅值区间是[0 255],有一点编程基础的都应该清楚。所以对应uint8类型，它的实际区间为[0.5 0.75]*255=[127.5 191.25]。如果是对应是uint16类型，那么他的实际区间为[0.5 0.75]*(2^16-1)=[32767 49151]，也就是只取区间[32767 49151]像素幅值。再回到imadjust(f, [0.5 0.75], [0 1])，也就是将区间[127.5 191.25]映射到[0 255]，怎么一个映射法呢？默认的就是线性对应，由两点（两个区间形成两点）确定一条直线。如下图所示：
那么问题又来了，如果是区间[0.5 0.75]映射到[1 0]又是如何理解的呢，其实是一样的道理，做好点对点的对应关系，求出线性函数即可。如下图所示的对应关系，这也就解释了g1图效果的原因，从[0 1]映射到[1 0]，就是斜率为-1，x取值范围为[0 255]，完全就是一个线性明暗反转操作。
Low_High=strechlim(f),就是帮我们找到图像f中的像素幅值的最大值和最小值，如果f是一个单值图像，那么Low_High就是一个行向量（1*2的矩阵），如果f是一个彩色图像，那么Low_High就是一个3*2的矩阵。当我们找到f图像的最小，最大像素幅值后，再将其映射到整个像素区间[0 1],也就是书中所讲，实现对比度拉伸，可以得到不错的效果。如下图，从A图到D图，D图就是使用了strechlim(f),然后使用D=imadjust(f,Low_High,[0 1]);得到的图像，很是清晰。
书中的一个tofloat函数，很短，但写得很棒，我读了一下，并添加了一些自己的注释，代码如下。
1 function [out, revertclass] = tofloat(in)
2 %out=输入的图像参数(in)转化为float型数据点
3 %revertclass=一个函数句柄可以将类型转回去
4
5 identity = @(x) x; %一个匿名函数的句柄，表示自身
6 tosingle = @im2single; %普通函数句柄 理解为函数指针也行
7 tabel = {
8 ‘uint8‘, tosingle, @im2uint8
9 ‘uint16‘, tosingle, @im2uint16
10 ‘int16‘, tosingle, @im2uint16
11 ‘int16‘, tosingle, @logical
12 ‘double‘, identity, identity
13 ‘single‘, identity, identity
14 };
15 %在单元矩阵的第1列中找到输入参数类型的名字
16 classIndex = find(strcmp(class(in), tabel(:, 1)));
17
18 if isempty(classIndex)
19 error(‘Unspported input image class.‘);
20 end
21 %在单元矩阵的第2列中找到索引处转为flaot型的函数句柄，进行转换
22 out = tabel{classIndex, 2}(in);
23 %在单元矩阵的第3列中找到索引处反转为原来类型函数句柄，进行转换
24 revertclass = tabel{classIndex, 3};
数字图像处理(MATLAB版)学习笔记(2)——第2章 灰度变换与空间滤波
标签：线性 jpg entity UI 9.png 使用 osi pre 数字
原文地址：http://www.cnblogs.com/endlesscoding/p/6681142.html
