MATLAB中对多张图片进行对比画图操作（包括RGB直方图、高斯＋USM锐化后的图、HSV空间分量图及均衡化后的图）_matlab图像比较-程序员宅基地

毕业这么久了，最近闲来准备把毕设过程中的代码整理公开一下，所有代码其实都是网上找的，但都是经过调试能跑通的，希望对需要的人有用。
PS：里边很多注释不讲什么意思了，能看懂的自然能看懂。

clc;
clear all;
 %因为我毕设论文对比是8张图，所以这个画图代码就是读八张图哈。
rootdir='C:\Users\Mus\Desktop\几种典型图像';
global mnum;
mnum =zeros(8,256);
lineLength = 8;    % 设置曲线数量
c = colormap(lines(lineLength )); % 为了在一个图中绘制多条曲线
x=0:1:255;

subdir=dir(rootdir);
for i=1:length(subdir)
    subdirpath=fullfile(rootdir,subdir(i).name,'*.png');
    images=dir(subdirpath);
    for j=1:length(images)
        ImageName=fullfile(rootdir,subdir(i).name,images(j).name);
        ImageData=imread(ImageName);
        
        %图像预处理
        %图像大小尺寸改变
        ImageData_S=imresize(ImageData,[256,256]);%调整大小到长宽256
%               saveddir='C:\Users\Mus\Desktop\几种典型图像\';
%         savedname=fullfile(saveddir,images(j).name);
%         imwrite(ImageData_S,savedname);  
%         figure(1);subplot(2,4,j);imshow(ImageData_S);sgtitle("原图像");
%         figure(2);subplot(2,4,j);imhist(ImageData_S);sgtitle("RGB颜色空间分量直方图");
%         R=ImageData_S(:,:,1);
%         G=ImageData_S(:,:,2);
%         B=ImageData_S(:,:,3);
%         histogramR=imhist(R);
%         histogramG=imhist(G);
%         histogramB=imhist(B);
% %         figure(3);subplot(2,4,j);imshow(R);sgtitle('不同路面R分量');hold on;
% %         figure(4);subplot(2,4,j);imshow(G);sgtitle('不同路面G分量');hold on;
% %         figure(5);subplot(2,4,j);imshow(B);sgtitle('不同路面B分量');hold on;

%        figure(3);plot(x,histogramR,'color',c(j,:), 'LineWidth', 0.9);xlim([0 255]);title('不同路面R分量直方图');xlabel('灰度值');ylabel('次数');hold on; 
%        legend('沥青干路面','沥青湿路面','积水路面','雨雪路面','泥泞雪路面','压实雪路面','冰雪路面','冰路面');
%        figure(4);plot(x,histogramG,'color',c(j,:), 'LineWidth', 0.9);xlim([0 255]);title('不同路面G分量直方图');xlabel('灰度值');ylabel('次数');hold on; 
%        legend('沥青干路面','沥青湿路面','积水路面','雨雪路面','泥泞雪路面','压实雪路面','冰雪路面','冰路面');
%        figure(5);plot(x,histogramB,'color',c(j,:), 'LineWidth', 0.9);xlim([0 255]);title('不同路面B分量直方图');xlabel('灰度值');ylabel('次数');hold on; 
%        legend('沥青干路面','沥青湿路面','积水路面','雨雪路面','泥泞雪路面','压实雪路面','冰雪路面','冰路面');
%         figure(6);subplot(2,4,j);imhist(R);sgtitle('不同路面R分量直方图');hold on;
%         figure(7);subplot(2,4,j);imhist(G);sgtitle('不同路面G分量直方图');hold on;
%         figure(8);subplot(2,4,j);imhist(B);sgtitle('不同路面B分量直方图');hold on;

        %图像亮度变化
%        ImageData_s = imadjust(ImageData_S,[0.5 0.75],[0 1],2);

        %图像平滑处理
%         gausFilter = fspecial('gaussian',[5,5],1);      %matlab 自带高斯模板滤波
%         ImageData_P=imfilter(ImageData_S,gausFilter,'conv');

        %高斯+USM进行锐化处理 
        ImageData_P=image_guasusm(ImageData_S);
        figure(3);subplot(2,4,j);imshow(ImageData_P);sgtitle("锐化处理后的图像");
%         saveddir='C:\Users\Mus\Desktop\锐化后的图像\';
%         savedname=fullfile(saveddir,images(j).name);
%         imwrite(ImageData_P,savedname);
% %         转HSV
%         ImageData_H=rgb2hsv(ImageData_P);
%         H=ImageData_H(:,:,1);
%         S=ImageData_H(:,:,2);
%         V=ImageData_H(:,:,3);
%         histogramH=imhist(H);
%         histogramS=imhist(S);
%         histogramV=imhist(V); 
%          figure(6);plot(x,histogramH,'color',c(j,:), 'LineWidth', 0.9);xlim([0 255]);title('不同路面H分量直方图');xlabel('灰度值');ylabel('次数');hold on; 
%        legend('沥青干路面','沥青湿路面','积水路面','雨雪路面','泥泞雪路面','压实雪路面','冰雪路面','冰路面');
%        figure(7);plot(x,histogramS,'color',c(j,:), 'LineWidth', 0.9);xlim([0 255]);title('不同路面S分量直方图');xlabel('灰度值');ylabel('次数');hold on; 
%        legend('沥青干路面','沥青湿路面','积水路面','雨雪路面','泥泞雪路面','压实雪路面','冰雪路面','冰路面');
%        figure(8);plot(x,histogramV,'color',c(j,:), 'LineWidth', 0.9);xlim([0 255]);title('不同路面V分量直方图');xlabel('灰度值');ylabel('次数');hold on; 
%        legend('沥青干路面','沥青湿路面','积水路面','雨雪路面','泥泞雪路面','压实雪路面','冰雪路面','冰路面');
%         figure(7);subplot(2,4,j);imshow(H);sgtitle('不同路面H分量');hold on;
%         figure(8);subplot(2,4,j);imshow(S);sgtitle('不同路面S分量');hold on;
%         figure(9);subplot(2,4,j);imshow(V);sgtitle('不同路面V分量');hold on;
%         
%         figure(10);subplot(2,4,j);imhist(H);sgtitle('不同路面H分量直方图');hold on;
%         figure(11);subplot(2,4,j);imhist(S);sgtitle('不同路面S分量直方图');hold on;
%         figure(12);subplot(2,4,j);imhist(V);sgtitle('不同路面V分量直方图');hold on;
          

%         提取图像颜色特征并绘制HSV颜色空间分量直方图
%  
%         ImageData_H=hsv_hist(ImageData_h);
%         
%         figure(4);subplot(2,4,j);plot(ImageData_H);sgtitle("HSV颜色空间分量直方图");
        
        
%         提取亮度
        ImageData_L=ImageData_H(:,:,3);
        
        
        %进行直方图均衡化处理
        ImageData_Hist =imagedata_hist(ImageData_L);
        figure(5);subplot(2,4,j);imshow(ImageData_Hist);sgtitle("直方图均衡化处理");
        
%          %图像进行锐化处理
%         % w = fspecial('laplacian', 0.8);%生成拉普拉斯滤波器
%         w = fspecial('log', [5,5], 0.4);%生成高斯-拉普拉斯滤波器
%         ImageData_R =imagedata_r(ImageData_Hist, w, 5);
       
        ImageData_Hist(:,:,3) = ImageData_Hist ;
        ImageData_After1= hsv2rgb(ImageData_Hist);
        ImageData_After=rgb2gray(ImageData_After1);
%         
%         %显示处理后的图像
%         figure(6);subplot(2,4,j);imshow(ImageData_After);sgtitle("处理后的图像");
        
        
%         trainFeatures =Extract_GLCM_Features(ImageData_After);
        H2= lbptest(ImageData_After);

         H2=imhist(H2); figure(4); 
%         plot(x,H2,'color',c(j,:), 'LineWidth', 0.9);xlim([0 100]);title('ULBP灰度直方图');xlabel('灰度值');ylabel('灰度像素数');hold on; 
% legend('沥青干路面','沥青湿路面','积水路面','雨雪路面','泥泞雪路面','压实雪路面','冰雪路面','冰路面');
        % figure
        % subplot(2,2,1),imshow(ImageData_S);
        % title('原始图像');
        % subplot(2,2,3),imshow(ImageData_After);
        % title('均衡化后的图像');
        % subplot(2,2,2),imhist(ImageData_S);
        % title('原始图像的直方图');
        % subplot(2,2,4),imhist(ImageData_After);
        % title('均衡化后的图像的直方图');   
        
%         saveddir='C:\Users\Mus\Desktop\新建文件夹3';
%         savedname=fullfile(saveddir,images(j).name);
%         imwrite(ImageData_P,savedname);
    end
end


%这个程序仅限论文需要做画图作用哈。


**高斯+USM子函数：**
function gaususm_image= image_guasusm(img)

%   分别读取RGB
image_r=img(:,:,1);
image_g=img(:,:,2);
image_b=img(:,:,3);
%  测试RGB输出
% figure;
% subplot(2,2,1),imshow(image_r),title('Red component');  
% subplot(2,2,2),imshow(image_g),title('green component');  
% subplot(2,2,3),imshow(image_b),title('blue component');  
% subplot(2,2,4),imshow(img),title('original image'); 
%  img= floor(img.*255);
[m,n]=size(img);
img_r=double(image_r);img_g=double(image_g);img_b=double(image_b);

sigma=0.5;lamda=20;

gausFilter=round(fspecial('gaussian',[3,3],sigma)*1024);
Mod_r=round(imfilter(img_r,gausFilter,'replicate')/1024);
Mod_r=img_r-Mod_r;
img2_r=(img_r+lamda*Mod_r);

gausFilter=round(fspecial('gaussian',[3,3],sigma)*1024);
Mod_g=round(imfilter(img_g,gausFilter,'replicate')/1024);
Mod_g=img_g-Mod_g;
img2_g=(img_g+lamda*Mod_g);

gausFilter=round(fspecial('gaussian',[3,3],sigma)*1024);
Mod_b=round(imfilter(img_b,gausFilter,'replicate')/1024);
Mod_b=img_b-Mod_b;
img2_b=(img_b+lamda*Mod_b);

% figure;
% subplot(131);imshow(uint8(img2_r));
% subplot(132);imshow(uint8(img2_g));
% subplot(133);imshow(uint8(img2_b));

rgb(:,:,1)=img2_r;
rgb(:,:,2)=img2_g;
rgb(:,:,3)=img2_b;
gaususm_image=uint8(rgb);
% gaususm_image=rgb./255;
% imwrite(uint8(rgb),'D:\Mexercise\图像批处理\测试程序USM\2.png');
% figure;imshow(uint8(rgb));
end


**转HSV空间分量子函数：**
% RGB=imread('greens.jpg'); %将图像格式文件读入为MATLAB图像对象数组数据;
% 16*4*4, 这样提取出来的HSV特征是256维的;
%h是色调，即所处的光谱颜色的位置，取值范围为0-360。该参数用角度量来表示，红（0º）、绿（120º）、蓝（240º）分别相隔120º。互补色分别相差180º。
%s是饱和度（纯度），为一比例值，范围从0到1。它表示成所选颜色的纯度和该颜色最大的纯度之间的比率。S=0时，只有灰度；S=1时为纯色。
%V是色彩的明亮程度，范围从0到1。有一点要注意：它和亮度之间并没有直接的联系。

function [m]=hsv_hist(RGB)
[M,N,~] = size(RGB);
[h,s,v] = rgb2hsv(RGB);
H = h; S = s; V = v;
h = h*360;      %转换为HSV格式后h的值变为0-1，所以要乘以360来进行量化
%H量化为16级 S量化为4级 V量化为4级
for i = 1:M
    for j = 1:N
        if h(i,j)<=15||h(i,j)>345
            H(i,j) = 0;
        end
        if h(i,j)<=25&&h(i,j)>15
            H(i,j) = 1;
        end
        if h(i,j)<=45&&h(i,j)>25
            H(i,j) = 2;
        end
        if h(i,j)<=55&&h(i,j)>45
            H(i,j) = 3;
        end
        if h(i,j)<=80&&h(i,j)>55
            H(i,j) = 4;
        end
        if h(i,j)<=108&&h(i,j)>80
            H(i,j) = 5;
        end
        if h(i,j)<=140&&h(i,j)>108
            H(i,j) = 6;
        end
        if h(i,j)<=165&&h(i,j)>140
            H(i,j) = 7;
        end
        if h(i,j)<=190&&h(i,j)>165
            H(i,j) = 8;
        end
        if h(i,j)<=220&&h(i,j)>190
            H(i,j) = 9;
        end
        if h(i,j)<=255&&h(i,j)>220
            H(i,j) = 10;
        end
        if h(i,j)<=275&&h(i,j)>255
            H(i,j) = 11;
        end
        if h(i,j)<=290&&h(i,j)>275
            H(i,j) = 12;
        end
        if h(i,j)<=316&&h(i,j)>290
            H(i,j) = 13;
        end
        if h(i,j)<=330&&h(i,j)>316
            H(i,j) = 14;
        end
        if h(i,j)<=345&&h(i,j)>330
            H(i,j) = 15;
        end
    end
end
for i = 1:M
    for j = 1:N
        if s(i,j)<=0.15&&s(i,j)>0
            S(i,j) = 0;
        end
        if s(i,j)<=0.4&&s(i,j)>0.15
            S(i,j) = 1;
        end
        if s(i,j)<=0.75&&s(i,j)>0.4
            S(i,j) = 2;
        end
        if s(i,j)<=1&&s(i,j)>0.75
            S(i,j) = 3;
        end
    end
end
for i = 1:M
    for j = 1:N
        if v(i,j)<=0.15&&v(i,j)>0
            V(i,j) = 0;
        end
        if v(i,j)<=0.4&&v(i,j)>0.15
            V(i,j) = 1;
        end
        if v(i,j)<=0.75&&v(i,j)>0.4
            V(i,j) = 2;
        end
        if v(i,j)<=1&&v(i,j)>0.75
            V(i,j) = 3;
        end
    end
end
for  i = 1:M
    for j = 1:N
        L(i,j) = H(i,j)*16+S(i,j)*4+V(i,j); %归一化
    end
end
for i = 0:255
    HSVHist(i+1) = size(find(L==i),1);
end
   m=HSVHist/sum(HSVHist); 
end



**直方图均衡化子函数：**
function hist_img = imagedata_hist(I)
    I = floor(I.*255);
    [M, N] = size(I);
    size_img = M*N;
    c = zeros(1,256);%统计每个每个像素值的个数
    b= c;%转化前后的对照表
  
    temp = I(:);
    temp = sort(temp);
    
    for i = 1:size_img
        c(temp(i)+1) = c(temp(i)+1)+1;      
    end
    a = c;%求和
    for i = 2:256
       a(i) = c(i) + a(i-1);
    end
    
    min_cdf = 10000;
    for i = 1:256
       if a(i)>0
           if a(i) < min_cdf
                min_cdf = a(i);
           end
       end
    end
    
    for j = 1:256
        if a(j) > 0
             b(j) = round(255*(a(j)-min_cdf)/(size_img-min_cdf));
        end
    end
    
    for i = 1:M
        for j = 1:N
            I(i,j) = b(I(i,j)+1);
        end       
    end  
    hist_img = I./255;
end

本文链接：https://blog.csdn.net/weixin_46508095/article/details/136627148

原作者删帖不实内容删帖广告或垃圾文章投诉

智能推荐

Extjs多个tab页面——panel层叠_extjs写一个panel,多个ta-程序员宅基地

文章浏览阅读4.8k次。Extjs多个tab页面——panel层叠_extjs写一个panel,多个ta

搭建流媒体推流/拉流服务（RTMP/RTSP/HLS/HTTP-FLV）_rtmp拉流地址-程序员宅基地

文章浏览阅读1.9w次，点赞21次，收藏110次。搭建流媒体服务，将rtsp或者rtmp视频流转换为H5可以直接播放的视频。用在直播、安防监控、视频点播、屏幕画面转播等_rtmp拉流地址

【天梯赛】L2-010. 排座位（并查集）_hive排座位-程序员宅基地

文章浏览阅读292次。布置宴席最微妙的事情，就是给前来参宴的各位宾客安排座位。无论如何，总不能把两个死对头排到同一张宴会桌旁！这个艰巨任务现在就交给你，对任何一对客人，请编写程序告诉主人他们是否能被安排同席。输入格式：输入第一行给出3个正整数：N（&lt;= 100），即前来参宴的宾客总人数，则这些人从1到N编号；M为已知两两宾客之间的关系数；K为查询的条数。随后M行，每行给出一对宾客之间的关系，格式为：“宾客..._hive排座位

java中nextToken,Java StringTokenizer nextToken()用法及代碼示例-程序员宅基地

文章浏览阅读1.5k次。StringTokenizer類的nextToken()方法用於從此StringTokenizer依次返回下一個標記。用法:public String nextToken()參數：該方法不帶任何參數。返回值：該方法返回字符串令牌化程序行中存在的下一個令牌。下麵的程序說明StringTokenizer的nextToken()方法的用法：示例1:// Java code to illustrate n..._next token的用法

如何自动校正系统时间_timesync 自动-程序员宅基地

文章浏览阅读268次。网上一些校正系统时间的方法，大多需要手动操作，有没有什么工具可以自动完成相关的操作呢？可以试试NetTime工具（http://www.timesynctool.com/）.安装该工具时会创建一个自启动服务，以后每次启动系统，它都会随之启动并自动校正系统时间。_timesync 自动

CSS：如何清除a标签之间的默认留白间距_css处理手机自动留白安全距离-程序员宅基地

文章浏览阅读2.3k次。即使我们使用了类似 *{margin: 0;padding: 0;} 这样的代码重置了浏览器默认样式,也会发现类似标签这种inline-block元素，它们之间也还存在着间距。demo:默认情况123456789101112131415_css处理手机自动留白安全距离