最新版河北工业大学数字图像处理之matlab实验报告Word格式.docx

最新版河北工业大学数字图像处理之matlab实验报告Word格式.docx

《最新版河北工业大学数字图像处理之matlab实验报告Word格式.docx》由会员分享，可在线阅读，更多相关《最新版河北工业大学数字图像处理之matlab实验报告Word格式.docx（18页珍藏版）》请在冰豆网上搜索。

orangutan_1.tiforangutan_2.tifiris.tif

图一

2、实验内容

1，通过安装matlab软件，熟悉MATLAB软件的开发环境、基本操作以及图像处理工具箱

2,图像的读、写、显示和图像类型参数查看

通过I=imread（FILENAME）,读取图像，注意FILENAME=‘图像文件所在的位置+文件名’；

1）通过imwrite（a,FILENAME,fmt）,可以把a图像写进FILENAME图像，即是替换掉FILENAME，但是文件图像格式不替换。

2）通过imshow（I）,可以把I图像显示出来。

3）例如：

在matlab软件中，运行如下命令：

I=imread（'

E:

\orangutan_2.tif'

figure,imshow（I）

I1=imread（'

\iris.tif'

figure,imshow（I1）

imwrite（I,'

'

tif'

）

I2=imread（'

figure,imshow（I2）

原图：

orangutan_2.tifiris.tif

运行结果：

可以看到orangutan_2.tif已成功写入iris.tif中。

4）在matlab的可以查看各图像类型的参数

先在workspace中导入一幅名为xx.jpg的真彩图，然后在命令窗口输入如下命令：

I8=imread（'

I64=double（I8）255;

imshow（I64）;

将一幅名为iris.tif的灰度图像转换成二值图像，然后观察workspace中显示的二值图像、灰度图像、和真彩图像的参数如下图所示

3,全黑图像的解释和拉伸图像程序

1）、解释

由程序myi=uint8（myi）;

可知此程序编写的图像在计算机中采用的是8位存储，即灰度值为0~255，其中0为黑，255为白，中间值为由黑向白过度的值。

而程序myi=zeros（20,20）;

构造了一个20行20列的0值矩阵，程序myi（2:

将1赋值给矩阵的2，4，6，8，10，12，14，16，18行和2，4，6，8，10，12，14，16，18列，即这些位置的值为1。

因为0，1都在人眼识别的黑色范围内，固图像是全黑的，如果将myi（2:

改为myi（2:

18）=255;

就会发现图像是黑白相间的条格。

2）、纵向二倍拉伸图像代码

T1=maketform（'

affine'

[100;

020;

001]）;

I=imread（'

\orangutan_1.tif'

I1=imtransform（I,T1）;

imshow（I）,figure,imshow（I1）

4,灰度图像直方图统计程序

1）编写的程序

img=imread（'

imshow（img）;

[M,N]=size（img）;

img=double（img）;

代码：

%根据以下生成的图像矩阵数据进行图像的傅立叶变换并显示其频谱

closeall;

f=zeros（30,30）;

f（5:

24,13:

17）=1;

figure,imshow（f,'

F=fft2（f）;

%可视化二维傅立叶变换结果的常用方法是使用对数，以便更详细地观察在0附近区域的细节

figure,imshow（log（abs（F））,[-15],'

colorbar;

colormap（jet）;

pause

FF=fft2（f）;

%对f进行零填充，得到一个256X256矩阵，然后再计算离散傅立叶变换

figure,imshow（log（abs（FF））,[-15],'

FFF=fftshift（FF）;

%使用函数fftshift对第二个问题进行修正解决

figure,imshow（log（abs（FFF））,[-15],'

return

2）直方图均衡化：

利用Matlab提供的可进行图像直方图修正的函数，自己选择几幅直方图不均匀的图像（如图二pout.tif），对这些图像进行直方图均衡处理，显示处理前后的图像以及它们的灰度直方图，体会直方图均衡化算法的特点。

I=imread（'

pout.tif'

H=screen;

displayingat75%scale.

>

Intruesize>

Resize1at308

Intruesizeat44

Inimshowat161

Warning:

Imageistoobigtofitonscreen;

下面进行非线性变换，其变换公式为g=c*f^y

请输入指数y：

3

请输入乘数c：

4）图像平滑（去噪）：

（1）选择一幅图像（如图四lena512.jpg），叠加零均值高斯噪声，然后分别利用邻域平均法和中值滤波法对该图像进行滤波，显示滤波前后的图像，比较各滤波器的滤波效果。

（2）选择一幅图像，叠加椒盐噪声，寻则合适的滤波器将噪声滤除。

（3）选择一幅叠加了零均值高斯噪声的图像，设计一种处理方法，即能去噪声又能保持边缘清晰。

（选作）

（4）利用图像空间低通滤波法，对于给定的任意图像和低通滤波器（模板），编写一个较为通用的函数实现对输入图像的平滑处理。

（1）x=imread（'

lena512.jpg'

subplot（2,2,1）;

imshow（x）;

%显示源图像

title（'

源图像'

y=imnoise（x,'

gaussian'

0）;

%添加0均值的高斯噪声

subplot（2,2,2）;

imshow（y）;

%显示添加高斯噪声的图像

添加高斯噪声'

mo=fspecial（'

average'

%产生一个3*3的方形平均滤波模板

x1=imfilter（x,mo,'

replicate'

%对图像进行邻域平均法处理

%'

指卷积填充边缘时用复制边界的值来扩展

subplot（2,2,3）;

imshow（x1）;

%显示邻域平均法处理后的图像

邻域平均法处理'

x2=medfilt2（y）;

%对高斯躁声中值滤波

subplot（2,2,4）;

imshow（x2）;

%显示中值滤波后的图像

对高斯噪声进行中值滤波'

（2）M=imread（'

subplot（1,3,1）;

imshow（M）;

%显示原始图像

P=imnoise（M,'

salt&

pepper'

%加入椒盐躁声

%两次叠加椒盐躁声

subplot（1,3,2）;

imshow（P）;

%两次叠加椒盐躁声后显示图像

加入椒盐噪声'

h=medfilt2（P）;

%对椒盐躁声中值滤波

subplot（1,3,3）;

imshow（h）;

中值滤波后'

5）边缘检测技术：

（1）选择三种不同的边缘检测算子对一幅图像（如图五rice.png）进行边缘检测，显示检测结果。

（2）对含噪图像进行边缘检测，比较各边缘检测算子对噪声的敏感性，并提出抗噪性能较好的边缘检测方法。

（3）编制一个比较通用的边缘提取函数。

通过输入不同的参数，能够实现Roberts算子、Prewitt算子、Sobel算子以及Laplacian算子边缘检测。

（1）I=imread（'

rice.png'

imshow（I）;

%显示源图像

A1=edge（I,'

sobel'

%用SOBEL算子进行边缘检测

figure,subplot（1,3,1）;

imshow（A1）;

%SOBEL算子图像显示

SOBEL算子'

A2=edge（I,'

roberts'

%用Roberts算子进行边缘检测

imshow（A2）;

%Roberts算子图像显示

Roberts算子'

A3=edge（I,'

prewitt'

%用prewitt算子进行边缘检测

imshow（A3）;

%prewitt算子图像显示

prewitt算子'

（2）I=imread（'

P=imnoise（I,'

%加入椒盐噪声

%椒盐噪声图像显示

椒盐噪声图像'

B1=edge（P,'

imshow（B1）;

%SOBEL算子图像显示

B2=edge（P,'

imshow（B2）;

%Roberts算子图像显示

B3=edge（P,'

imshow（B3