数字图像实验报告Word文件下载.docx
《数字图像实验报告Word文件下载.docx》由会员分享，可在线阅读，更多相关《数字图像实验报告Word文件下载.docx（19页珍藏版）》请在冰豆网上搜索。
-1:
1];
ford=range
s1=2^（8-d）+s1;
s2=2^（8-d+1）;
iftemp>
=s1&
temp<
s2;
J（i,j）=255;
break;
end
J=uint8（J）;
figure;
imshow（J）;
end
例4.11使用中值滤波降低图像噪声
57.jpg'
J=imnoise（I,'
salt&
pepper'
0.02）;
subplot（121）;
title（'
含有椒盐噪声的图像'
）
J=double（J）;
f=fft2（J）;
g=fftshift（f）
[M,N]=size（f）;
n=3;
d0=20
n1=floor（M/2）
n2=floor（N/2）
fori=1:
d=sqrt（（i-n1）^2+（j-n2）^2）
h=1/（1+（d/d0）^（2*n））;
g（i,j）=h*g（i,j）;
g=ifftshift（g）;
g=uint8（real（ifft2（g）））;
subplot（122）;
imshow（g）;
例4.16同态滤波的增强效果
J=imread（'
416.jpg'
g=fftshift（f）;
d0=10;
r1=0.5;
rh=2
c=4;
n1=floor（M/2）;
n2=floor（N/2）;
d=sqrt（（i-n1）^2+（j-n2）^2）;
h=（rh-r1）*（1-exp（-c*（d.^2/d0.^2）））+r1;
例5.3逆滤波与威纳滤波的比较
F=checkerboard（8）;
figure
（1）;
imshow（F,[]）;
PSF=fspecial（'
motion'
7,45）;
MF=imfilter（F,PSF,'
circular'
noise=imnoise（zeros（size（F））,'
gaussian'
0,0.001）;
MFN=MF+noise;
figure
（2）;
imshow（MFN,[]）;
NSR=sum（noise（:
）.^2）/sum（MFN（:
）.^2）;
figure（3）;
imshow（deconvwnr（MFN,PSF）,[]）;
figure（4）;
imshow（deconvwnr（MFN,PSF,NSR）,[]）;
例5.7顺序统计滤波器比较
f=imread（'
imshow（f）;
原始图像'
g=imnoise（f,'
0.2）;
椒盐噪声污染的图像'
g1=double（g）/255;
j1=medfilt2（g1,'
symmetric'
imshow（j1）;
中值滤波图像'
j2=ordfilt2（g1,median（1:
3*3）,ones（3,3）,'
imshow（j2）;
中点滤波图像'
j3=ordfilt2（g1,1,ones（3,3））;
figure（5）;
imshow（j3）;
最小值滤波图像'
j4=ordfilt2（g1,9,ones（3,3））;
figure（6）;
imshow（j4）;
最大值滤波图像'
例6.9灰度级---彩色变换法的MATLAB实现
69.jpg'
L=256;
ifI（i,j）<
L/4
R（i,j）=0;
G（i,j）=4*I（i,j）;
B（i,j）=L;
elseifI（i,j）<
=L/2
G（i,j）=L;
B（i,j）=-4*I（i,j）+2*L;
=3*L/4
R（i,j）=4*I（i,j）-2*L;
B（i,j）=0;
else
R（i,j）=L;
G（i,j）=-4*I（i,j）+4*L;
G2C（i,j,1）=R（i,j）;
G2C（i,j,2）=G（i,j）;
G2C（i,j,3）=B（i,j）;
G2C=G2C/256;
figure;
imshow（G2C）;
例7.11DM编码的MATLAB实现
functiony=DMencode（x,a,delt）
X=[141514151315151420262728272729374762757778798081818282]
functiont=entropy（X）
t=entropy（X）
a=1;
delt=6.5;
y=DMencode（X,a,delt）;
XX=DMdecode（y）;
ax=[0:
1:
26]
[X2,Y2]=STAIRS（ax,XX）
plot（X2,Y2,'
k'
ax,X,'
error（nargchk（1,3,nargin））
ifnargin<
3
delt=6.5
2
x=double（x）;
[m,n]=size（x）;
p=zeros（m,n）;
e=zeros（m,n）;
qe=zeros（m,n）;
ff=zeros（m,n）;
ff（:
1）=x（:
1）;
qe（:
m
forj=2:
n
p（i,j）=a.*ff（i,j-1）;
e（i,j）=x（i,j）-p（i,j）;
ife（i,j）>
qe（i,j）=delt;
else
qe（i,j）=-delt;
ff（i,j）=p（i,j）+qe（i,j）;
end
y=qe;
functionx=DMdencode（y,a）
error（nargchk（1,2,nargin））;
[m,n]=size（y）;
x=zeros（m,n+1）;
forj=1:
jj=j+1;
x（:
jj）=y（:
j）+a.*x（:
（jj-1））;
x=x（:
1+1:
end）;
运行结果如下：
X=
Columns1through19
14151415131515142026272827272937476275
Columns20through27
7778798081818282
例7.14基于FFT的图像压缩技术
cr=0.5;
I1=imread（'
lena.bmp'
I1=double（I1）/255;
imshow（I1）;
fftcoe=blkproc（I1,[88],'
fft2（x）'
coevar=im2col（fftcoe,[88],'
distinct'
coe=coevar;
[y,ind]=sort（coevar）;
[m,n]=size（coevar）;
snum=64-64*cr;
coe（ind（1:
snum）,i）=0;
B2=col2im（coe,[88],[512512],'
I2=blkproc（B2,[88],'
ifft2（x）'
imshow（I2）;
e=double（I1）-double（I2）;
[m,n]=size（e）;
erms=sqrt（sum（e（:
）.^2）/（m*n））
例9.5灰度图像便捷跟踪
functiong=boundary_trace2（f）;
95.jpg'
subplot（1,2,1）;
g=im2double（f）;
w=fspecial（'
laplacian'
0）;
g=imfilter（g,w,'
replicate'
h=boundary_tracr2（g）
subplot（1,2,2）;
imshow（h）;
边界跟踪结果'
cell_cp={[0,1],[-1,1],[-1,0],[-1,-1],[0,-1],[1,-1],[1,0],[1,1]};
cell_n={[-1,1],[1,1],[0,1];
[-1,0],[0,1],[-1,1];
[-1,-1],[-1,1],[-1,0];
[0,-1],...[-1,0],[-1,-1];
[1,-1],[-1,-1],[0,-1];
[1,0],[0,-1],[1,-1];
[1,1],[1,-1],...[1,0];
[0,1],[1,0],[1,1]};
f=padarray（f,[1,1],0,'
both'
boundaryval=-1000;
maxval=max（f（:
））;
[rv,cv]=find（f==maxval）;
s=[rv
（1）,cv
（1）];
p=s;
minval=min（f（:
t=（maxval+minval）/2;
f（s
（1）,s
（2））=boundaryval;
g=f（s
（1）-1:
s
（1）+1,s
（2）-1:
s
（2）+1）;
maxval+max（g（:
[v,cv]=find（g==maxval）;
c=p+[rv
（1）-2,cv
（1）-2];
done=f（c
（1）,c
（2））<
t;
f（s
（1）,s
（2））=-boundaryval;
while~done
f（c
（1）,c
（2））=boundaryval;
c_p=c-p;
fordir=1:
length（cell_cp）
ifcell_cp{dir}==c_p
break;
maxval=boundaryval;
fori=1;
size（cell_n,2）
n2=c+cell_n{dir,i};
if（maxval<
f（n2
（1）,n2
（2）））
maxval=f（n2
（1）,n2
（2））;
n=n2;
if（f（n
（1）,n
（2））<
t|n==s）
done=ture;
p=c;
c=n;
end%while
bi=find（f==boundaryval）;
f（:
）=0;
f（bi）=1;
f（s
（1）,s
（2））=1;
f=f（2:
end-1.2:
end-1）;
g=im2bw（f）;
（95.jpg）
此题没运行出来
例9.9用wateshed算法分割图像
cameraman.tif'
subplot（2,2,1）;
（a）原始图像'
subplot（2,2,2）;
f=double（f）;
hv=fspecial（'
prewitt'
hh=hv.'
;
gv=abs（imfilter（f,hv,'
gh=abs（imfilter（f,hh,'
g=sqrt（gv.^2+gh.^2）;
L=watershed（g）;
wr=L==0;
imshow（wr）;
（b）分水岭'
f（wr）=255;
subplot（2,2,3）;
imshow（uint8（f））;
（c）分割结果'
rm=imregionalmin（g）;
subplot（2,2,4）;
imshow（rm）;
（d）局部极小值'
例9.10用改过的watershed算法分割图像
subplot（2,3,1）;
subplot（2,3,2）;
df=bwdist（f）;
imshow（uint8（df*8））;
（b）原图像的距离变换'
L=watershed（df）;
em=L==0;
subplot（2,3,3）;
imshow（em）;
（c）标记外部约束'
im=imextendedmax（f,20）;
subplot（2,3,4）;
imshow（im）;
（d）标记内部约束'
g2=imimposemin（g,im|em）;
subplot（2,3,5）;
imshow（g2）;
（e）由标记内外约束重构梯度图'
L2=watershed（g2）;
wr2=L2==0;
subplot（2,3,6）;
f（wr2）=255;
（f）分割及结果'
实验总结：
在这几次试验中，我在运用MATLAB对图像进行数字化处理同时，不仅加深了对数字图像处理的理论知识的理解，而且更进一步的了解了一些课本以外的相关知识，感觉受益匪浅。
在今后的学习过程中，一定会更加努力，争取学好这方面的专业知识，为以后的深造打基础。
升级会员 