h=imread('E:\资料\image\sql_t\1.bmp'); h1=rgb2gray(h); level=graythresh(h1); h2=im2bw(h1,level); figure(1); imshow(h2); se=strel('line',7,90); h3=imopen(h2,se); figure(2) imshow(h3);

输入图像的帧，计算出来ccm和awb的增益 % CORS = [CCM, WB_gain] = CalCCM(FRAME,FrameGR,width,height,bayer_order) % from frmae of photo, get the ccm data ,and AWBdata % Inputs: % FRAME, the image need capture in light box,and there is color checker % in the center of the photo. % Outputs: % CCM： CCM for the FRAME.

冈萨雷斯《数字图像处理》 MATLAB版 完整书签

MATLAB图像处理案例——图像中圆的识别与判断，利用圆度进行判断，可参考文章：https://blog.csdn.net/didi_ya/article/details/124605106

本文所提的方法是基于S变化的时频分析方法，在S变换额基础上，进行了改进，减少了能量泄漏，提高了视频分辨率，是当前较好的视频分享方法，对于处理图像问题，很有帮助，有很好的额效果

自动阈值分割 OTSU算法分割 KittlerMet算法 Niblack算法 Kapur算法

matlab图像拼接 可以实现三幅和五幅图，并且有对比实验

MATLAB图像处理与GUI（陈超）实例素材

图象的一维熵可以表示图像灰度分布的聚集特征，却不能反映图像灰度分布的空间特征，为了表征这种空间特征，可以在一维熵的基础上引入能够反映灰度分布空间特征的特征量来组成图像的二维熵。 选择图像的邻域灰度均值作为灰度分布的空间特征量，与图像的像素灰度组成特征二元组，记为(i,j)，其中i表示像素的灰度值(0<=i<=255)，j表示领域灰度均值(0<=j<=255)，即可 反应某像素位置上的灰度值与其周围像素的灰度分布的综合特征，其中f(i,j)为特征二元组(i,j)出现的频数，N为图像的尺度，定义离散的图像二维熵为： 依此构造的图像二维熵可以在反映图像所包含的信息量的前提下，突出反映图像中像素位置的灰度信息和像素邻域内灰度分布的综合特征。

基于MATLAB的工业瑕疵缺陷检测，采用工业板图像作为素材。利用灰度化，二值化，边缘提取，形态学运算等方法，检测并标出出瑕疵所在位置，计算出各个块面积。设计了一个UI界面，显示瑕疵个数和面积等参数。