1.软件版本
MATLAB2013b
2.本算法理论知识
（1）对原始图像进行延拓，然后对进行极值点提取，也就是局部极值点的选取，包括极大值点和极小值点，要求采用领域点比较法，显示出局部极值点，程序运行出来的结果图要体现出提取出来的局部极值点；
（2）曲面拟合采用delaunay三角剖分， 插值方法首先选择cubic方法，根据实际运行出来的结果图进行插值方法的选取，以得到清晰的imf图像和残余图像为目标，要求程序运行结果图中显示极大极小包络面，delaunay三角剖分不能仅使用matlab自带的delaunay函数，要有优化的过程，验证程序的视频要能体现delaunay函数的使用以及优化的过程，程序运行结果图中要求体现三角剖分的结果以及上下包络面；过程要求： 三角剖分图像、极大包络面图像和极小包络面图像；
（4）对于边界问题的处理，根据实际结果调整镜像延拓的大小。 过程要求：延拓之前极大极小值包络面图像和延拓之后极大极小值包络面；
（5）通过以上步骤，图像结果包括IMF图像和残余图像， 要求输出5层IMF图像和5次残余图像；重点是在分解得到的残余图像上，要求残余图像能够清晰的体现出血管结构 ；
3.部分核心代码
clc;
clear;
close all;
warning off;
addpath 'func\'
% %效果动态的显示
% views = 1;
%效果静态的显示
views = 0;
I0 = imread('Images\2.bmp');
[R,C,Kss] = size(I0);
if Kss == 1
I = I0;
else
I = rgb2gray(I0);
end
[R,C] = size(I);
%上下各做延拓
K = 240;
X = func_yantuo(I,1,K);
figure(1);
subplot(121);
imshow(I);
title('延拓前');
subplot(122);
imshow(X);
title('延拓后');
%I描述原图象的双精度形式
orig = X;
orig = double(orig);
x_width = size(X,1);
[Rr,Cc] = size(X);
xl_max = [];
xl_min = [];
%迭代次数
Iteration = 5;
for iter = 1:Iteration
%步骤一，极大值点图像和极小值点图像
SD = 10000;
X = orig;
SDs = [];
ind = 0;
while(SD>0.2)
fprintf('SD=%d\n\n',SD);
ind = ind + 1;
%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
%建立极值图象,极大值图象XMAX,极小值图象XMIN
[XMAX,XMIN,xl_max,xl_min] = func_find_max_min(X);
if views == 0 & ind == 1 & iter == 1
figure(2);
subplot(221);imshow(XMAX(K+1:R+K,K+1:C+K),[]);title('极大值点图像(延拓部分不显示)');
subplot(222);imshow(XMIN(K+1:R+K,K+1:C+K),[]);title('极小值点图像(延拓部分不显示)');
subplot(223);imshow(XMAX,[]);title('极大值点图像');
subplot(224);imshow(XMIN,[]);title('极小值点图像');
end
if views == 1 & ind > 1
figure(2);
subplot(221);imshow(XMAX(K+1:R+K,K+1:C+K),[]);title('极大值点图像(延拓部分不显示)');
subplot(222);imshow(XMIN(K+1:R+K,K+1:C+K),[]);title('极小值点图像(延拓部分不显示)');
subplot(223);imshow(XMAX,[]);title('极大值点图像');
subplot(224);imshow(XMIN,[]);title('极小值点图像');
end
%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
%构造上下包络
%delaunay
[r_max,c_max,v_max] = find(XMAX);
[r_min,c_min,v_min] = find(XMIN);
tri1=delaunay(c_max,r_max);
tri2=delaunay(c_min,r_min);
if views == 0 & ind == 1 & iter == 1
figure(3);
subplot(121);
triplot(tri1,c_max,r_max);title('极大值点三角剖分');
axis square;
subplot(122);
triplot(tri2,c_min,r_min);title('极小值点三角剖分');
axis square;
end
if views == 1 & ind > 0
figure(3);
subplot(121);
triplot(tri1,c_max,r_max);title('极大值点三角剖分');
axis square;
subplot(122);
triplot(tri2,c_min,r_min);title('极小值点三角剖分');
axis square;
end
%极大值包络,极小值包络
%基于delaunay的三角剖分插值算法，非常的耗内存，如果你的电脑内存OK > 32G，那么可以尝试测试
%另外你要求的那个，只能依靠griddata函数的delaunay法来设计，如果自己编程序，估计内存更不够
%自己写的函数肯定没matlab自带的效率高
%内存>32G 选择：
[zi_max,zi_min] = func_max_min_evenlop(xl_max,xl_min,Rr,Cc,1);%delaunay
%内存<32g 0 1 选择： %[zi_max,zi_min]="func_max_min_evenlop(xl_max,xl_min,Rr,Cc,2);" if views="=" & ind="=" iter="=" figure(4); subplot(221);imshow(zi_max(k+1:r+k,k+1:c+k),[]);title('极大值包络(延拓部分不显示)'); subplot(222);imshow(zi_min(k+1:r+k,k+1:c+k),[]);title('极小值包络(延拓部分不显示)'); subplot(223);imshow(zi_max,[]);title('极大值包络'); subplot(224);imshow(zi_min,[]);title('极小值包络'); end> 0
figure(4);
subplot(221);imshow(zi_max(K+1:R+K,K+1:C+K),[]);title('极大值包络(延拓部分不显示)');
subplot(222);imshow(zi_min(K+1:R+K,K+1:C+K),[]);title('极小值包络(延拓部分不显示)');
subplot(223);imshow(zi_max,[]);title('极大值包络');
subplot(224);imshow(zi_min,[]);title('极小值包络');
end
%计算SD
zi =(zi_max+zi_min)/2;
mi = zi(K+1:R+K,K+1:C+K);
h = orig(K+1:R+K,K+1:C+K);
SD = max(abs(mi)^2)/max(h).^2;
X = X-zi;
SDs= [SDs,SD];
end
%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
imf=X;
if iter == 1
SDs2 = SDs;
imf1 = imf(K+1:R+K,K+1:C+K);
r = orig-imf;
r1 = r(K+1:R+K,K+1:C+K);
%重建
Rcon1= func_recontruct(I,imf1);
end
if iter == 2
imf2 = imf(K+1:R+K,K+1:C+K);
r = orig-imf;
r2 = r(K+1:R+K,K+1:C+K);
%重建
Rcon2= func_recontruct(I,imf2);
end
if iter == 3
imf3 = imf(K+1:R+K,K+1:C+K);
r = orig-imf;
r3 = r(K+1:R+K,K+1:C+K);
%重建
Rcon3= func_recontruct(I,imf2+imf3);
end
if iter == 4
imf4 = imf(K+1:R+K,K+1:C+K);
r = orig-imf;
r4 = r(K+1:R+K,K+1:C+K);
%重建
Rcon4= func_recontruct(I,imf2+imf3+imf4);
end
if iter == 5
imf5 = imf(K+1:R+K,K+1:C+K);
r = orig-imf;
r5 = r(K+1:R+K,K+1:C+K);
%重建
Rcon5= func_recontruct(I,imf2+imf3+imf4+imf5);
end
orig=orig-imf;
pause(1);
end
figure;
semilogy(SDs2,'b-o');
xlabel('迭代次数');
ylabel('SD值');
grid on;
figure;
subplot(231);
imshow(I0,[]);
title('原图');
subplot(232);
imshow(imf1,[]) ;
title('imf1');
subplot(233);
imshow(imf2,[]);
title('imf2');
subplot(234);
imshow(imf3,[]);
title('imf3');
subplot(235);
imshow(imf4,[]);
title('imf4');
subplot(236);
imshow(imf5,[]);
title('imf5');
figure;
subplot(231);
imshow(I0,[]);
title('原图');
subplot(232);
imshow(r1,[]);
title('r1');
subplot(233);
imshow(r2,[]);
title('r2');
subplot(234);
imshow(r3,[]);
title('r3');
subplot(235);
imshow(r4,[]);
title('r4');
subplot(236);
imshow(r5,[]);
title('r5');
figure;
subplot(221);
imshow(Rcon2,[]);
title('滤波图像1');
subplot(222);
imshow(Rcon3,[]);
title('滤波图像2');
subplot(223);
imshow(Rcon4,[]);
title('滤波图像3');
subplot(224);
imshow(Rcon5,[]);
title('滤波图像4');
figure;
subplot(121);
imshow(I0,[]);
title('原始图像');
subplot(122);
imshow(Rcon5,[]);
title('处理后图像');
</32g>
4.操作步骤与仿真结论
5.参考文献
A28-32
Original: https://blog.csdn.net/ccsss22/article/details/124638198
Author: fpga和matlab
Title: 【emd分解】图像二维经验模式分解的matlab仿真
原创文章受到原创版权保护。转载请注明出处：https://www.johngo689.com/640722/
转载文章受原作者版权保护。转载请注明原作者出处！