图像处理实验Word格式文档下载.docx
《图像处理实验Word格式文档下载.docx》由会员分享，可在线阅读，更多相关《图像处理实验Word格式文档下载.docx（28页珍藏版）》请在冰豆网上搜索。
通过本次实验，掌握了基本的图像颜色空间变换，及简单的图像修改。
指导教师评语及成绩
评语：
成绩：
指导教师签名：
批阅日期：
数字图像空间域增强
组别：
【实验目的及要求】
实验目的：
了解数字图像的灰度变换和γ（0.4，0.6，0.8）校正。
实验要求：
1.了解图像的灰度变换。
2.对图像进行γ校正。
【实验环境】
操作系统：
WindowsXP
实验平台：
Matlab
实验内容
【实验过程】
一、实验步骤：
1.将BMP图像内容读入内存数组。
2.调整图像的灰度，对图像进行灰度变换（反变换）。
。
3.对图像进行校正γ较正,分别取值为0.4,0.6,0.8.
二、实验图像：
三、实验主要过程：
>
pic=imread（'
C:
\DocumentsandSettings\Administrator\桌面\示例图片\sample2-1.bmp'
）;
gray=rgb2gray（pic）;
subplot（1,2,1）;
imshow（gray）;
subplot（1,2,2）;
opgray=255-gray;
imshow（opgray）;
\DocumentsandSettings\Administrator\桌面\示例图片\sample2-2.bmp'
pic=double（pic）;
pic=pic/256.0;
imshow（pic）;
gama04=uint8（pic.^（1/0.4）.*256.0）;
gama06=uint8（pic.^（1/0.6）.*256.0）;
gama08=uint8（pic.^（1/0.8）.*256.0）;
subplot（2,2,1）;
title（'
原图'
subplot（2,2,2）;
imshow（gama04）;
0.4'
subplot（2,2,3）;
imshow（gama06）;
0.6'
subplot（2,2,4）;
imshow（gama08）;
0.8'
通过本次实验，掌握了珈玛校正的原理及操作方法。
数字图像的噪声去除
学会用滤波器去除图像中的噪声。
1．用均值滤波器去除图像中的噪声；
2．用中值滤波器去除图像中的噪声；
3．比较两种方法的处理结果
1．将BMP图像内容读入内存数组；
2．用均值滤波器去除图像中的噪声；
3．用中值滤波器去除图像中的噪声；
4．将两种处理方法的结果与原图比较；
注意两种处理方法对边缘的影响。
源图像加噪声后的图像
\DocumentsandSettings\Administrator\桌面\示例图片\sample3-2.bmp'
mid=medfilt2（pic）;
ave=filter2（fspecial（'
average'
3）,pic）/255;
subplot（1,3,1）;
subplot（1,3,2）;
imshow（mid）;
中值'
subplot（1,3,3）;
imshow（ave）;
均值'
比较：
从结果图像中看出，滤波后的图像比之前的图像模糊，但是可以基本滤去噪声。
而从直观上比较两种滤波，均值滤波的结果比中值滤波的结果亮一点。
通过本次实验，掌握了简单的滤波器原理及过滤方法。
图像的空间域锐化（拉普拉斯算子）
了解数字图像的空间域锐化和拉普拉斯算子
1．理解图像的空间域锐化原理；
2．熟悉拉普拉斯算子的公式和实现
3．运用拉普拉斯算子对图像进行空间域锐化
1、将BMP图像内容读入内存数组
2、运用拉普拉斯算子对图像进行空间域锐化
3、将锐化后的图像和原图像进行对比
\DocumentsandSettings\Administrator\桌面\示例图片\sample4.bmp'
H=fspecial（'
unsharp'
）
sharpened=imfilter（pic,H,'
replicate'
subplot（1,2,1）
subplot（1,2,2）
imshow（sharpened）;
通过本次实验，掌握了数字图像的空间域锐化和拉普拉斯算子。
频率域低通和高通滤波
组别：
学会两种简单的频域低通和高通滤波方法。
1．学会傅立叶变换方法；
2．使用布特沃斯和高斯滤波器进行低通滤波；
3．使用布特沃斯和高斯滤波器进行高通滤波；
2、用布特沃思低通滤波器进行滤波
3、用高斯低通滤波器进行滤波
4、用布特沃思高通滤波器进行滤波
5、用高斯高通滤波器进行滤波
原始图像加噪声后的图像
\DocumentsandSettings\Administrator\桌面\实验图片\实验五\sample5-1.bmp'
[r,c]=size（pic）;
f=fftshift（fft2（double（pic）））;
mx=max（max（f,[],1）,[],2）;
imf=abs（f）/mx*25600;
imshow（uint8（imf））;
布特沃斯低通滤波
D0
=
[10,20,40,80];
n
2;
D
f;
H
D;
for
row
1:
r
column
c
D（row,column）
sqrt（（row-r/2）^2+（column-c/2）^2）;
end
type
length（D0）
1./（1+（D/D0（type））.^（2*n））;
f2
f.*H;
ifft2（ifftshift（f2））;
subplot（2,2,type）;
imshow（uint8（real（f2）））;
title（D0（type））;
end
高斯低通
exp（D.^2/（2*D0（type）^2）*（-1））;
D0越小，结果越模糊，去噪效果越好；
D0越大，则相反
布特沃思高通
1
-
高斯高通
length
升级会员 