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