数字图像处理实验报告Word文档格式.doc
《数字图像处理实验报告Word文档格式.doc》由会员分享,可在线阅读,更多相关《数字图像处理实验报告Word文档格式.doc(14页珍藏版)》请在冰豆网上搜索。
答:
1、表征了图像的一维信息。
只反映图像中像素不同灰度值出现的次数(或频数)而未反映像素所在位置。
2、与图像之间的关系是多对一的映射关系。
一幅图像唯一确定出与之对应的直方图,但不同图像可能有相同的直方图。
3、子图直方图之和为整图的直方图。
(2)均衡化后的直方图有何特点?
答:
经直方图均衡化处理后,可以得到一副改善了质量的新图像。
这幅图像的灰度层次将不再是呈黑暗色调的图像,而是一副灰度层次较为适中的、比原始图像清晰、明快得多的图像。
处理的结果使图像更适合与人的视觉特征或机器的识别系统。
六、实验心得体会
本次实验中,因为初学这个软件,我学习到了在程序中关于图像的运用,以及也复习了课本上的许多知识,加深了对直方图均衡化的理解。
七、程序清单
clearall;
I=imread('
lena_gray_256.tif'
);
%打开一幅灰度图像
[m,n]=size(I);
p=m*n;
J=imhist(I)./p;
%计算图像的归一化直方图
subplot(1,3,1),imshow(I);
subplot(1,3,2),imhist(I,64);
subplot(1,3,3),plot(J);
(2)直方图均衡化
Im=imread('
region.jpg'
J=histeq(Im);
%均衡化
subplot(2,2,1);
imshow(Im);
title('
原图'
%显示原图
subplot(2,2,2);
imhist(Im);
原图直方图'
%显示原图的直方图
subplot(2,2,3);
imshow(J);
均衡化结果'
%显示均衡化后的图像
subplot(2,2,4);
imhist(J);
均衡化结果的直方图'
%显示均衡化后的直方图
实验二频域图像增强
1、频域图像增强
2、掌握基于频域的图像增强方法。
(1)编程实现图像的理想低通和高通滤波;
(2)编程实现图像的巴特沃斯低通和高通滤波。
显示图像无法打开,最终查出来时图像格式弄错了。
分析为什么图像通过低通滤波器后变得模糊?
为什么通过高通滤波器后得到锐化结果?
答:
图像的精细结构及突变部分主要由高频成分起作用,故经低通滤波后图像的精细结构消失,变得模糊;
经高通滤波后图像得到锐化。
本实验中遇到很多问题及错误,例如图像打不开、处理后图像模糊等,都是经常容易发生的错误,最后实验几次,就能够逐一自己解决了。
使自己对数字图像处理课程中的许多问题有了更实际和确切的深入了解。
clc;
clear;
data4=imread('
lena.gif'
subplot(3,2,1);
imshow(data4);
i=fft2(data4);
subplot(3,2,2);
i=fftshift(i);
z=log(abs(i));
x=0:
1:
255;
y=0:
[x,y]=meshgrid(x,y);
mesh(z);
%以三维坐标显示该图像频谱图
原图频谱'
[n,m]=size(i);
%对该图进行低通滤波
fork=1:
n
forl=1:
m
if(k^2+l^2)>
=190^2%选取D=190
result(k,l)=0;
elseresult(k,l)=i(k,l);
end
end
end
subplot(3,2,4);
z=log(abs(result));
%三维方式显示低通滤波后的频谱图
理想低通滤波后的频谱'
subplot(3,2,3);
%新建图像显示窗口
result=fftshift(result);
%滤波后的数据去中心化
b=ifft2(result);
%逆傅里叶变换
imshow(uint8(abs(b)));
理想低通滤波后的图像'
subplot(3,2,6);
%新建图像显示窗口
%[n,m]=size(c);
%对原图进行高通滤波
if(k^2+l^2)<
=190^2%选取D=190
%三维方式显示高通滤波前的频谱图
理想高通滤波后的频谱'
subplot(3,2,5);
%滤波后的数据去中心化
d=ifft2(result);
%逆傅里叶变换
imshow(uint8(abs(d)));
理想高通滤波后的图像'
%频域增强(巴特沃斯原型)
%二阶巴特沃斯(Butterworth)低通滤波器
%clc;
%clear;
Figure;
J1=imread('
imshow(J1);
f=double(J1);
g=fft2(f);
%傅立叶变换
g=fftshift(g);
%转换数据矩阵
z=log(abs(g));
%取幅度
[M,N]=size(g);
nn=2;
%二阶巴特沃斯(Butterworth)低通滤波器
d0=20;
m=fix(M/2);
n=fix(N/2);
fori=1:
M
forj=1:
N
d=sqrt((i-m)^2+(j-n)^2);
h=1/(1+0.414*(d/d0)^(2*nn));
%计算低通滤波器传递函数
result(i,j)=h*g(i,j);
end
低通滤波后的频谱'
result=ifftshift(result);
J2=ifft2(result);
J3=uint8(abs(J2));
imshow(J3);
低通滤波后的图像'
%利用二阶巴特沃斯(Butterworth)高通滤波器
%二阶巴特沃斯(Butterworth)高通滤波器
d0=5;
n=fix(N/2);
forj=1:
d=sqrt((i-m)^2+(j-n)^2);
if(d==0)
h=0;
else
h=1/(1+0.414*(d0/d)^(2*nn));
%计算传递函数
result(i,j)=h*g(i,j);
%取幅度
高通滤波后的频谱'
高通滤波后的图像'
实验三图像边缘检测与连接
图像边缘检测与连接
(1)编程实现一阶差分边缘检测算法,包括Robert梯度算子、Prewitt算子、Sobel算子等;
(2)编程实现二阶差分拉普拉斯边缘检测算法以及LoG检测法和Canny检测法;
(3)分析与比较各种边缘检测算法的性能;
(4)编程实现Hough变换提取直线
(5)分析Hough变换检测性能;
拷贝文件后没改文件名,直接执行时出现错误,最后重新修改后重新编译,使之成功。
(1)边缘的方向是什么意思?
为什么要考虑边缘的方向?
答:
边缘常常意味着一个区域的终结和另一个区域的开始,图像的边缘也包含了物体的形状的重要信息,他不仅在分析图像时大幅度的减少了要处理的信息量,而且还保护了目标的边界结构。
所以考虑边缘的方向很重要。
(2)Hough变换原理