【伪彩色图像处理】将灰度图像转换为彩色图像研究(Matlab代码实现)
💥💥💞💞欢迎来到本博客❤️❤️💥💥
🏆博主优势:🌞🌞🌞博客内容尽量做到思维缜密,逻辑清晰,为了方便读者。
⛳️座右铭:行百里者,半于九十。
📋📋📋本文目录如下:🎁🎁🎁
目录
💥1 概述
📚2 运行结果
🎉3 参考文献
🌈4 Matlab代码实现
💥1 概述
在图像处理领域,伪彩色图像处理是一项重要研究,它可以将原本单色的灰度图像转换成具有彩色信息的图像。这种转换可以帮助我们更直观地理解图像中的信息,提高图像的可视化效果,并在许多领域中得到广泛应用。
在传统的灰度图像中,每个像素的亮度值仅用单一的灰度级别表示。而伪彩色图像处理通过在灰度图像上增加一定程度的色彩信息,使得不同的灰度级别对应于不同的颜色。这种转换一般基于一定的颜色映射规则,包括直方图均衡化、线性映射、对数变换等方法。通过这些方法,灰度图像中的信息可以更加直观地展示出来,使得人眼能够更容易地区分不同的特征。
伪彩色图像处理在许多领域中得到了广泛应用。在医学图像处理领域,例如CT扫描、MRI和X射线图像等,通过将灰度图像转换为彩色图像,医生和研究人员可以更清晰地观察到组织和器官的细节,以便进行更准确的诊断和分析。在遥感图像处理中,伪彩色图像可以帮助研究人员更好地探测地表特征,如植被覆盖、土壤含水量、城市发展等。此外,伪彩色图像也在艺术和设计领域中被广泛应用,用于增加图像的视觉吸引力和表现力。
尽管伪彩色图像处理在增加图像信息的同时也引入了一定的主观因素,但它仍然是一项非常有价值的技术。通过将灰度图像转换为彩色图像,我们可以更好地理解和分析图像中的信息,为各个领域的研究和应用提供了更多的可能性。
📚2 运行结果


部分代码:
elseif (y(i,j)>= 72) && (y(i,j)< 90)x(i,j,1)=21;x(i,j,2)=154;x(i,j,3)=233; elseif (y(i,j)>= 90) && (y(i,j)< 108)x(i,j,1)=116;x(i,j,2)=3;x(i,j,3)=59;elseif (y(i,j)>= 108) && (y(i,j)< 126)x(i,j,1)=252;x(i,j,2)=234;x(i,j,3)=12;elseif (y(i,j)>= 126) && (y(i,j)< 144)x(i,j,1)=146;x(i,j,2)=80;x(i,j,3)=167;elseif (y(i,j)>= 144) && (y(i,j)< 162)x(i,j,1)=203;x(i,j,2)=213;x(i,j,3)=62;elseif (y(i,j)>= 162) && (y(i,j)< 180)x(i,j,1)=59;x(i,j,2)=165;x(i,j,3)=77;elseif (y(i,j)>= 180) && (y(i,j)< 198)x(i,j,1)=48;x(i,j,2)=85;x(i,j,3)=173;elseif (y(i,j)>= 198) && (y(i,j)< 216)x(i,j,1)=126;x(i,j,2)=180;x(i,j,3)=67;elseif (y(i,j)>= 216) && (y(i,j)< 232)x(i,j,1)=16;x(i,j,2)=233;x(i,j,3)=59;elseif (y(i,j)>= 232) && (y(i,j)< 255)x(i,j,1)=255;x(i,j,2)=255;x(i,j,3)=100;endend
end
% subplot(1,2,1);
imshow(y);
% subplot(1,2,2);
x=x/255;
figure
% image(x);
imshow(x);
elseif (y(i,j)>= 72) && (y(i,j)< 90)
x(i,j,1)=21;
x(i,j,2)=154;
x(i,j,3)=233;
elseif (y(i,j)>= 90) && (y(i,j)< 108)
x(i,j,1)=116;
x(i,j,2)=3;
x(i,j,3)=59;
elseif (y(i,j)>= 108) && (y(i,j)< 126)
x(i,j,1)=252;
x(i,j,2)=234;
x(i,j,3)=12;
elseif (y(i,j)>= 126) && (y(i,j)< 144)
x(i,j,1)=146;
x(i,j,2)=80;
x(i,j,3)=167;
elseif (y(i,j)>= 144) && (y(i,j)< 162)
x(i,j,1)=203;
x(i,j,2)=213;
x(i,j,3)=62;
elseif (y(i,j)>= 162) && (y(i,j)< 180)
x(i,j,1)=59;
x(i,j,2)=165;
x(i,j,3)=77;
elseif (y(i,j)>= 180) && (y(i,j)< 198)
x(i,j,1)=48;
x(i,j,2)=85;
x(i,j,3)=173;
elseif (y(i,j)>= 198) && (y(i,j)< 216)
x(i,j,1)=126;
x(i,j,2)=180;
x(i,j,3)=67;
elseif (y(i,j)>= 216) && (y(i,j)< 232)
x(i,j,1)=16;
x(i,j,2)=233;
x(i,j,3)=59;
elseif (y(i,j)>= 232) && (y(i,j)< 255)
x(i,j,1)=255;
x(i,j,2)=255;
x(i,j,3)=100;
end
end
end
% subplot(1,2,1);
imshow(y);
% subplot(1,2,2);
x=x/255;
figure
% image(x);
imshow(x);
🎉3 参考文献
文章中一些内容引自网络,会注明出处或引用为参考文献,难免有未尽之处,如有不妥,请随时联系删除。
[1]宋振电,侯蓝田,张辉.彩色图像与灰度图像间转换的程序设计[J].电子技术, 2008.DOI:CNKI:SUN:DZJS.0.2008-09-015.
[2]王首龙.CT灰度图像与伪彩色图像融合方法的研究与实现[D].电子科技大学,2012.DOI:10.7666/d.D767609.
[3]陈海飞.基于FPGA的伪彩色图像处理系统[D].昆明理工大学,2012.DOI:CNKI:CDMD:2.1011.055916.
🌈4 Matlab代码实现
相关文章:
【伪彩色图像处理】将灰度图像转换为彩色图像研究(Matlab代码实现)
💥💥💞💞欢迎来到本博客❤️❤️💥💥 🏆博主优势:🌞🌞🌞博客内容尽量做到思维缜密,逻辑清晰,为了方便读者。 ⛳️座右铭&a…...
Go Gin Gorm Casbin权限管理实现 - 2. 使用Gorm存储Casbin权限配置以及`增删改查`
文章目录 0. 背景1. 准备工作2. 权限配置以及增删改查2.1 策略和组使用规范2.2 用户以及组关系的增删改查2.2.1 获取所有用户以及关联的角色2.2.2 角色组中添加用户2.2.3 角色组中删除用户 2.3 角色组权限的增删改查2.3.1 获取所有角色组权限2.3.2 创建角色组权限2.3.3 修改角色…...
DNDC模型的温室气体排放分析
DNDC(Denitrification-Decomposition,反硝化-分解模型)是目前国际上最为成功的模拟生物地球化学循环的模型之一,自开发以来,经过不断完善和改进,从模拟简单的农田生态系统发展成为可以模拟几乎所有陆地生态…...
vue、全局前置守卫
需求:在使用商城app的时候,游客(没有登录的用户)可以看到商品信息,当游客点击添加购物车的时候,我们需要把游客“拦”到登录页面,登陆后,才可以添加商品。 游客只可以看得到部分页面…...
OpenWRT、Yocto 、Buildroot和Ubuntu有什么区别
OpenWRT: 用途:OpenWRT 是一个专注于路由器和嵌入式网络设备的Linux发行版。它提供了一个优化的Linux环境,旨在将网络设备变成功能丰富、高度可定制的路由器。 包管理器:OpenWRT 使用 opkg 包管理器,它是一个轻量级的…...
数据挖掘(3)特征化
从数据分析角度,DM分为两类,描述式数据挖掘,预测式数据挖掘。描述式数据挖掘是以简介概要的方式描述数据,并提供数据的一般性质。预测式数据挖掘分析数据建立模型并试图预测新数据集的行为。 DM的分类: 描述式DM&#…...
【RabbitMQ 实战】08 集群原理剖析
上一节,我们用docker-compose搭建了一个RabbitMQ集群,这一节我们来分析一下集群的原理 一、基础概念 1.1 元数据 前面我们有介绍到 RabbitMQ 内部有各种基础构件,包括队列、交换器、绑定、虚拟主机等,他们组成了 AMQP 协议消息…...
2023年 2月3月 工作经历
2月 #pragma make_public(type) 托管C导出传统C类,另一个托管C项目使用不了。传统C类make_public后,就可以使用了。对模板类无效,比如:std::string。 C#线程绑定CPU 我的方案: 假定我们想把 CPU0 设置成专有CPU。 定…...
selenium京东商城爬取
该项目主要参考与:http://c.biancheng.net/python_spider/selenium-case.html 你看完上述项目内容之后,会发现京东登录是一个比较坑的点,selenium控制浏览器没有登录京东,导致我们自动爬取网页被重定向到京东登录注册页面。 因此,我们要单独…...
用pandas处理数据时,使变量能够在不同的Notebook会话页面进行传递,魔法命令%store
【需求来源】 在使用pandas时,有的时候我想将.ipynb文件分开写 其中一个写清洗数据代码另外一个写数据可视化代码 【解决方案】 但是会涉及到变量转移问题,这个时候我通常使用的方法是: 1、在清洗完数据后导出到本地 2、在文件后面增加当…...
选择适合户外篷房企业的企业云盘解决方案
“户外篷房企业用什么企业云盘好?Zoho WorkDrive企业网盘可以帮助户外篷房企业实现文档统一管理、提高工作效率、加强团队协作,并且支持各种文件类型的预览和编辑。” S公司是一家注重管理规范的大型户外篷房企业,已经有10余年的经验。作为设…...
松鼠搜索算法(SSA)(含MATLAB代码)
先做一个声明:文章是由我的个人公众号中的推送直接复制粘贴而来,因此对智能优化算法感兴趣的朋友,可关注我的个人公众号:启发式算法讨论。我会不定期在公众号里分享不同的智能优化算法,经典的,或者是近几年…...
折半+dp之限制转状态+状压:CF1767E
https://vjudge.net/problem/CodeForces-1767E/origin 首先40,必然折半。然后怎么做? 分析性质。每次可以走1步or2步,等价什么?等价任意相邻2个必选一个!然后就可以建图 这个图是个限制图,我们折半后可以…...
如何写出优质代码
(本文转载自其他博主但是个人忘记了出处) 优质代码是什么? 优质代码是指那些易于理解、易于维护、可读性强、结构清晰、没有冗余、运行效率高、可复用性强、稳定性好、可扩展性强的代码。 这类代码不仅能够准确执行预期功能,同时也便于其他开发者理解…...
ChatGLM2-6B的通透解析:从FlashAttention、Multi-Query Attention到GLM2的微调、源码解读
前言 本文最初和第一代ChatGLM-6B的内容汇总在一块,但为了阐述清楚FlashAttention、Multi-Query Attention等相关的原理,以及GLM2的微调、源码解读等内容,导致之前那篇文章越写越长,故特把ChatGLM2相关的内容独立抽取出来成本文 …...
3D人脸生成的论文
一、TECA 1、论文信息 2、开源情况:comming soon TECA: Text-Guided Generation and Editing of Compositional 3D AvatarsGiven a text description, our method produces a compositional 3D avatar consisting of a mesh-based face and body and NeRF-based ha…...
解决问题:可以用什么方式实现自动化部署
自动化部署可以使用多种工具来实现: 脚本编写:可以使用 Bash、Python 等编写脚本来实现自动化部署。例如,可以使用 Bash 脚本来自动安装、配置和启动应用程序。 配置管理工具:像 Ansible、Puppet、Chef、Salt 等配置管理工具可以…...
【数据结构】链表栈
目录: 链表栈 1. 链式栈的实现2. 链表栈的创建3. 压栈4. 弹栈 链表栈 栈的主要表示方式有两种,一种是顺序表示,另一种是链式表示。本文主要介绍链式表示的栈。 链栈实际上和单链表差别不大,唯一区别就在于只需要对链表限定从头…...
Android笔记:Android 组件化方案探索与思考
组件化项目,通过gradle脚本,实现module在编译期隔离,运行期按需加载,实现组件间解耦,高效单独调试。 先来一张效果图 组件化初衷 APP版本不断的迭代,新功能的不断增加,业务也会变的越来越复杂…...
MeterSphere v2.10.X-lts 双节点HA部署方案
一、MeterSphere高可用部署架构及服务器配置 1.1 服务器信息 序号应用名称操作系统要求配置要求描述1负载均衡器CentOS 7.X /RedHat 7.X2C,4G,200GB部署Nginx,实现负载路由。 部署NFS服务器。2MeterSphere应用节点1CentOS 7.X /RedHat 7.X8C,16GB,200G…...
简易版抽奖活动的设计技术方案
1.前言 本技术方案旨在设计一套完整且可靠的抽奖活动逻辑,确保抽奖活动能够公平、公正、公开地进行,同时满足高并发访问、数据安全存储与高效处理等需求,为用户提供流畅的抽奖体验,助力业务顺利开展。本方案将涵盖抽奖活动的整体架构设计、核心流程逻辑、关键功能实现以及…...
Golang 面试经典题:map 的 key 可以是什么类型?哪些不可以?
Golang 面试经典题:map 的 key 可以是什么类型?哪些不可以? 在 Golang 的面试中,map 类型的使用是一个常见的考点,其中对 key 类型的合法性 是一道常被提及的基础却很容易被忽视的问题。本文将带你深入理解 Golang 中…...
STM32标准库-DMA直接存储器存取
文章目录 一、DMA1.1简介1.2存储器映像1.3DMA框图1.4DMA基本结构1.5DMA请求1.6数据宽度与对齐1.7数据转运DMA1.8ADC扫描模式DMA 二、数据转运DMA2.1接线图2.2代码2.3相关API 一、DMA 1.1简介 DMA(Direct Memory Access)直接存储器存取 DMA可以提供外设…...
基础测试工具使用经验
背景 vtune,perf, nsight system等基础测试工具,都是用过的,但是没有记录,都逐渐忘了。所以写这篇博客总结记录一下,只要以后发现新的用法,就记得来编辑补充一下 perf 比较基础的用法: 先改这…...
《通信之道——从微积分到 5G》读书总结
第1章 绪 论 1.1 这是一本什么样的书 通信技术,说到底就是数学。 那些最基础、最本质的部分。 1.2 什么是通信 通信 发送方 接收方 承载信息的信号 解调出其中承载的信息 信息在发送方那里被加工成信号(调制) 把信息从信号中抽取出来&am…...
使用van-uploader 的UI组件,结合vue2如何实现图片上传组件的封装
以下是基于 vant-ui(适配 Vue2 版本 )实现截图中照片上传预览、删除功能,并封装成可复用组件的完整代码,包含样式和逻辑实现,可直接在 Vue2 项目中使用: 1. 封装的图片上传组件 ImageUploader.vue <te…...
Redis数据倾斜问题解决
Redis 数据倾斜问题解析与解决方案 什么是 Redis 数据倾斜 Redis 数据倾斜指的是在 Redis 集群中,部分节点存储的数据量或访问量远高于其他节点,导致这些节点负载过高,影响整体性能。 数据倾斜的主要表现 部分节点内存使用率远高于其他节…...
Element Plus 表单(el-form)中关于正整数输入的校验规则
目录 1 单个正整数输入1.1 模板1.2 校验规则 2 两个正整数输入(联动)2.1 模板2.2 校验规则2.3 CSS 1 单个正整数输入 1.1 模板 <el-formref"formRef":model"formData":rules"formRules"label-width"150px"…...
《C++ 模板》
目录 函数模板 类模板 非类型模板参数 模板特化 函数模板特化 类模板的特化 模板,就像一个模具,里面可以将不同类型的材料做成一个形状,其分为函数模板和类模板。 函数模板 函数模板可以简化函数重载的代码。格式:templa…...
MySQL 知识小结(一)
一、my.cnf配置详解 我们知道安装MySQL有两种方式来安装咱们的MySQL数据库,分别是二进制安装编译数据库或者使用三方yum来进行安装,第三方yum的安装相对于二进制压缩包的安装更快捷,但是文件存放起来数据比较冗余,用二进制能够更好管理咱们M…...

