图像处理源代码（图像处理源代码有哪些）

本篇文章给大家谈谈图像处理源代码，以及图像处理源代码有哪些对应的知识点，希望对各位有所帮助，不要忘了收藏本站喔。

本文目录一览：

• 1、对图像进行二值化的处理方法，求源代码，最好是C++/C或者OPENCV
• 2、求基于matlab指纹扫描图像处理的源代码
• 3、matlab图像平滑处理，用邻域平均法和中值滤波法实现图像平滑处理。求源代码（要有注释）
• 4、基于matlab运动模糊图像处理的源代码
• 5、求MATLAB GUI 环境下 图像处理图像的平移,任意角度的旋转,缩放和翻转,仿射变换等的源代码

对图像进行二值化的处理方法，求源代码，最好是C++/C或者OPENCV

//声明IplImage指针

IplImage* pFrame = NULL;

IplImage* pFrImg = NULL;

IplImage* pBkImg = NULL;

CvMat* pFrameMat = NULL;

CvMat* pFrMat = NULL;

CvMat* pBkMat = NULL;

pBkImg = cvCreateImage(cvSize(pFrame-width, pFrame-height), IPL_DEPTH_8U,1);

pFrImg = cvCreateImage(cvSize(pFrame-width, pFrame-height), IPL_DEPTH_8U,1);

pBkMat = cvCreateMat(pFrame-height, pFrame-width, CV_32FC1);

pFrMat = cvCreateMat(pFrame-height, pFrame-width, CV_32FC1);

pFrameMat = cvCreateMat(pFrame-height, pFrame-width, CV_32FC1);

//转化成单通道图像再处理

cvCvtColor(pFrame, pBkImg, CV_BGR2GRAY);

cvCvtColor(pFrame, pFrImg, CV_BGR2GRAY);

cvConvert(pFrImg, pFrameMat);

cvConvert(pFrImg, pFrMat);

cvConvert(pFrImg, pBkMat);

//二值化前景图

cvThreshold(pFrMat, pFrImg, 60, 255.0, CV_THRESH_BINARY);

不知道你说的什么意思，要对一个图像进行二值化处理用OpenCV的话就是

void cvThreshold( const CvArr* src, CvArr* dst, double threshold,

double max_value, int threshold_type );

这个函数是定阈值二值化处理，比较粗略吧。另外可以用自适应阈值二值化，那样的话就会比这个更精细。

求基于matlab指纹扫描图像处理的源代码

clear all,close all,clc % 清理工作空间，关闭运行窗口，清理命令窗口

I=imread('Empreinte.bmp'); % 读入图像

imshow(I) % 显示图像

set(gcf,'position',[1 1 600 600]); % 得到图形窗口句柄，设置图形窗口位置

J=I(:,:,1)160; % 设定阈值为160，进行黑白化处理

imshow(J) % 显示处理后的图像

set(gcf,'position',[1 1 600 600]); % 得到图形窗口句柄，设置图形窗口位置

K=bwmorph(~J,'thin','inf'); % 数学形态学运算，图像细化，~符号代表黑白反色

imshow(~K) % 显示处理后的图像，~符号代表黑白反色

set(gcf,'position',[1 1 600 600]); % 得到图形窗口句柄，设置图形窗口位置

function y=minutie(x)

i=ceil(size(x)/2);

if x(i,i)==0;

y=0;

else

y=sum(x(:)) - 1;

end

fun=@minutie; % 得到函数句柄

L = nlfilter(K,[3 3],fun); % 滤波处理

LTerm=(L==1); % 选择端点

imshow(LTerm) % 显示白色点

LTermLab=bwlabel(LTerm); % 端点标识

propTerm=regionprops(LTermLab,'Centroid'); % 端点区域分析，寻找端点区域中心

CentroidTerm=round(cat(1,propTerm(:).Centroid)); % 端点圆整为整数

imshow(~K) % 显示隆线细化图像

set(gcf,'position',[1 1 600 600]); % 得到当前图形窗口句柄，设置位置

hold on % 在前面的图形窗口继续绘制图像

plot(CentroidTerm(:,1),CentroidTerm(:,2),'ro') % 绘制隆线端点标识，红色圆圈

LBif=(L==3); % 选择分叉点

LBifLab=bwlabel(LBif); % 分叉点标识

propBif=regionprops(LBifLab,'Centroid','Image'); % 区域分析，寻找区域中心

CentroidBif=round(cat(1,propBif(:).Centroid)); % 分叉点圆整为整数

plot(CentroidBif(:,1),CentroidBif(:,2),'go') % 绘制隆线分叉点标识，绿色圆圈

D=6;

Distance=DistEuclidian(CentroidBif,CentroidTerm); % 求端点和分叉点的距离

SpuriousMinutae=DistanceD; % 满足距离小于D的点

[i,j]=find(SpuriousMinutae); % 查找对应像素点

CentroidBif(i,:)=[]; % 去除该分叉点

CentroidTerm(j,:)=[]; % 去除该端点

Distance=DistEuclidian(CentroidBif); % 求两个分叉点的距离

SpuriousMinutae=DistanceD; % 满足距离小于D的点

[i,j]=find(SpuriousMinutae); % 查找对应像素点

CentroidBif(i,:)=[]; % 去除该分叉点

Distance=DistEuclidian(CentroidTerm); % 求两个端点的距离

SpuriousMinutae=DistanceD; % 满足距离小于D的点

[i,j]=find(SpuriousMinutae); % 查找对应像素点

CentroidTerm(i,:)=[]; % 去除该端点

hold off % 结束在前面的图形窗口绘图

imshow(~K) % 显示细化图

hold on % 继续在前面的图形窗口绘图

plot(CentroidTerm(:,1),CentroidTerm(:,2),'ro') % 绘制隆线端点标识，红色圆圈

plot(CentroidBif(:,1),CentroidBif(:,2),'go') % 绘制隆线分叉点标识，绿色圆圈

hold off % 结束在前面的图形窗口绘图

Kopen=imclose(K,strel('square',7)); % 闭合运算

KopenClean= imfill(Kopen,'holes'); % 填充图像中的孔洞

KopenClean=bwareaopen(KopenClean,5); % 开运算

imshow(KopenClean) % 显示处理结果

KopenClean([1 end],:)=0; % 赋值语句

KopenClean(:,[1 end])=0; % 赋值语句

ROI=imerode(KopenClean,strel('disk',10)); % 腐蚀运算

imshow(ROI) % 显示处理结果

imshow(I) % 显示原始图像

hold on % 继续在前面的图形窗口绘图

imshow(ROI) % 显示感兴趣区域

alpha(0.5) % 设置透明度

hold on % 继续在前面的图形窗口绘图

plot(CentroidTerm(:,1),CentroidTerm(:,2),'ro') % 绘制端点标识，红色圆圈

plot(CentroidBif(:,1),CentroidBif(:,2),'go') % 绘制分叉点标识，绿色圆圈

hold off % 结束在前面的图形窗口绘图

[m,n]=size(I(:,:,1)); % 求图像尺寸

indTerm=sub2ind([m,n]; % 从下标得到单精度索引

CentroidTerm(:,1),CentroidTerm(:,2)); % 端点

Z=zeros(m,n); % 全零矩阵

Z(indTerm)=1;

ZTerm=Z.*ROI';

[CentroidTermX,CentroidTermY]=find(ZTerm);

indBif=sub2ind([m,n],CentroidBif(:,1),CentroidBif(:,2)); % 从下标得到单精度索引

Z=zeros(m,n);

Z(indBif)=1;

ZBif=Z.*ROI';

[CentroidBifX,CentroidBifY]=find(ZBif);

imshow(I) % 显示原始图像

hold on % 继续绘图

plot(CentroidTermX,CentroidTermY,'ro','linewidth',2) % 红色圆圈

plot(CentroidBifX,CentroidBifY,'go','linewidth',2) % 绿色圆圈

Table=[3*pi/4 2*pi/3 pi/2 pi/3 pi/4 % 角度查找表

5*pi/6 0 0 0 pi/6

pi 0 0 0 0

-5*pi/6 0 0 0 -pi/6

-3*pi/4 -2*pi/3 -pi/2 -pi/3 -pi/4];

for ind=1:length(CentroidTermX)

Klocal=K(CentroidTermY(ind)-2:CentroidTermY(ind)+2, ...

CentroidTermX(ind)-2:CentroidTermX(ind)+2);

Klocal(2:end-1,2:end-1)=0;

[i,j]=find(Klocal);

OrientationTerm(ind,1)=Table(i,j);

end

dxTerm=sin(OrientationTerm)*5;

dyTerm=cos(OrientationTerm)*5;

figure % 新建窗口

imshow(K) % 显示黑白图

set(gcf,'position',[1 1 600 600]); % 设置图像窗口属性

hold on % 继续绘图

plot(CentroidTermX,CentroidTermY,'ro','linewidth',2) % 红色圆圈

plot([CentroidTermX CentroidTermX+dyTerm]',... % 红色短线

[CentroidTermY CentroidTermY-dxTerm]','r','linewidth',2)

for ind=1:length(CentroidBifX)

Klocal=K(CentroidBifY(ind)-2:CentroidBifY(ind)+2, ...

CentroidBifX(ind)-2:CentroidBifX(ind)+2);

Klocal(2:end-1,2:end-1)=0;

[i,j]=find(Klocal);

if length(i)~=3

CentroidBifY(ind)=NaN;

CentroidBifX(ind)=NaN;

OrientationBif(ind)=NaN;

else

for k=1:3

OrientationBif(ind,k)=Table(i(k),j(k));

dxBif(ind,k)=sin(OrientationBif(ind,k))*5;

dyBif(ind,k)=cos(OrientationBif(ind,k))*5;

end

end

end

plot(CentroidBifX,CentroidBifY,'go','linewidth',2) % 绿色圆圈

OrientationLinesX=[CentroidBifX ...

CentroidBifX+dyBif(:,1);CentroidBifX ...

CentroidBifX+dyBif(:,2);CentroidBifX CentroidBifX+dyBif(:,3)]';

OrientationLinesY=[CentroidBifY

CentroidBifY-dxBif(:,1);CentroidBifY ...

CentroidBifY-dxBif(:,2);CentroidBifY CentroidBifY-dxBif(:,3)]';

plot(OrientationLinesX,OrientationLinesY,'g','linewidth',2) % 绿色短线

MinutiaTerm=[CentroidTermX,CentroidTermY,OrientationTerm];

MinutiaBif=[CentroidBifX,CentroidBifY,OrientationBif];

saveMinutia('John Doe',MinutiaTerm,MinutiaBif); % saveMinutia函数见附件程序

matlab图像平滑处理，用邻域平均法和中值滤波法实现图像平滑处理。求源代码（要有注释）

%%中值

I=imread('lena.bmp'); %读原图

J1=imnoise(I,'salt pepper',0.02); %加均值为0，方差为0.02的椒盐噪声

J2=imnoise(I,'gaussian',0.02); %加均值为0，方差为0.02的高斯噪声。

subplot(2,2,1),imshow(J1); %显示有椒盐噪声图像

subplot(2,2,2),imshow(J2); %显示有高斯噪声图像

I1= medfilt2(J1,[5,5]); %对有椒盐噪声图像进行5×5方形窗口中值滤波

I2= medfilt2(J2,[5,5]); %对有高斯噪声图像进行5×5方形窗口中值滤波

subplot(2,2,3),imshow(I1); %显示有椒盐噪声图像的滤波结果

subplot(2,2,4),imshow(I2); %显示有高斯噪声图像的滤波结果

%%均衡

I=imread('lena.bmp'); %将图读入到I

imshow(I); %显示图像

figure,imhist(I); %直方图

I2=histeq(I); %均衡化

figure;imshow(I2); %处理后图像显示

figure;imhist(I2); %均衡化后直方图

imwrite(I2,'lena2.bmp'); %保存图像

基于matlab运动模糊图像处理的源代码

等一会的，我来帮你

华东师范大学？？？

tuxianghuanyuan('3.jpg', 80, 8, 0.02);

function tuxianghuanyuan(im, a, b, NSPR)

i = imread(im);

f = im2double(i);

PSF = fspecial('motion', a, b);

frest1 = deconvwnr(f, PSF, NSPR);

subplot(221),imshow(f); title('原图像');

subplot(222),imshow(frest1); title('维纳滤波处理后图像');

end

求MATLAB GUI 环境下 图像处理图像的平移,任意角度的旋转,缩放和翻转,仿射变换等的源代码

该gui函数基本上包括图像处理里面的最基本处理，相当于一个小型photoshop。

比如读取文件，

几何变换中的垂直镜像，平移，旋转，缩放；

正交变换的DFT，FFT，DCT，DST，DHT，DWashT；

灰度处理中的反色，直方图均衡，全局线性变换，分段线性变换，指数非线性变换，对数非线性变换；

图像增强里面的加噪声，平滑，锐化，伪彩色增强；

图像分割里面的灰度阈值法，Robert，Laplace，sobel，prewitt，canny算子边缘检测法；

图像恢复里面的直接逆滤波，维纳滤波；图像编码里面的霍夫曼编码，行程编码-

关于图像处理源代码和图像处理源代码有哪些的介绍到此就结束了，不知道你从中找到你需要的信息了吗 ？如果你还想了解更多这方面的信息，记得收藏关注本站。