图像处理实验报告Word文件下载.docx
《图像处理实验报告Word文件下载.docx》由会员分享，可在线阅读，更多相关《图像处理实验报告Word文件下载.docx（22页珍藏版）》请在冰豆网上搜索。
原图像灰度图像'
C=FFT2（B）;
subplot（2,3,3）;
imagesc（abs（C）,[02000]）;
傅里叶变换图像'
subplot（2,3,4）;
imshow（log（1+abs（C））,[010]）;
增强'
%subplot（2,2,3）;
imshow（（F.*F）,[010]）;
subplot（2,3,5）;
imshow（fftshift（C））;
移位图像'
D=ifft（double（B））;
subplot（2,3,6）;
imshow（D）;
傅里叶反变换图像'
【实验结果】：
实验二：
图像处理基础及图像变换
（二）
离散余弦变换，小波变换
1、离散余弦变换（dct2）
2）对图像做离散余弦变换，观察图像的原始频谱。
3）对离散余弦变换的进行移动，观察移位以后的频谱。
5）对图像的离散余弦变换进行逆变换，比较原始图像和经过离散余弦变换和逆变换以后获得的图像。
6）比较离散余弦变换和傅立叶变换的频谱。
2、小波变换（wavefast,wave2gray,waveback）
2）对图像做小波变换，观察在不同小波族的图像。
3）观察小波分析系数。
4）观察在不同尺度小的小波变换的图像。
5）对图像的小波变换进行逆变换，比较原始图像和进行小波变换和逆变换以后获得的图像
6）修改小波分析系数观察，再进行逆变换，并与原始图像进行对比。
（1）离散余弦变换
RGB=imread（'
Fig6.08.jpg'
imshow（RGB）;
I=rgb2gray（RGB）;
imshow（I）;
灰度图像'
J=dct2（I）;
imshow（J）;
二维离散余弦变换图像'
imshow（log（1+abs（J））,[010]）;
增强图像'
%subplot（2,2,4）;
imshow（fftshift（J））;
K=idct2（J）/255;
imshow（K）;
二维离散余弦反变换图像'
（2）小波变换
[a,b]=wavefast（B,1,'
db4'
%小波变换
wave2gray（a,b）;
小波一层变换'
%小波灰度变换
[a1,b1]=wavefast（B,2,'
wave2gray（a1,b1）;
小波二层变换'
F=waveback（a,b,'
imshow（uint8（F））;
小波反变换'
实验三：
图像的灰度变换和直方图的规定化
了解对图象进行增强以及对退化图像恢复的基本理论，学会使用灰度变换和直方图的规定化增强图像。
灰度变换，直方图规定化。
1、灰度变换（imadjust）
1）调入原始图像文件。
2）采用不同的灰度映射曲线对图像进行灰度变换。
3）采用matlab工具箱提供的函数对图像进行灰度变换。
4）比较不同方法对图像进行灰度变换的效果。
2、直方图的规定化（imhist，bar，stem，histeq）
2）采用不同的方法绘制原始图象的直方图。
3）采用组映射规则对图像进行直方图的规定化。
4）采用matlab工具箱提供的函数对图像进行灰度变换。
5）观察采用不同方法对原始图像进行直方图的规定化获得的图像效果。
（1）灰度变换
I=imread（'
J=rgb2gray（I）;
K=imadjust（J,[0.30.7],[]）;
原图像灰度变换图'
M=imadjust（J,[0.20.4],[]）;
imshow（M）;
原图像灰度变换图2'
N=imadjust（J,[0.30.7],[0.10.8]）;
imshow（N）;
原图像灰度变换图3'
L=imadjust（J,[0.20.4],[0.30.7]）;
imshow（L）;
原图像灰度变换图4'
（2）直方图规定化
clearall
closeall
subplot（3,2,1）;
Fig2.22（b）.jpg'
T=imhist（I）;
subplot（3,2,3）;
bar（T）;
直方图1'
subplot（3,2,4）;
stem（T）;
直方图2'
h=0:
250;
J=histeq（I,h）;
subplot（3,2,5）;
规定化后的图像'
subplot（3,2,6）;
imhist（J）;
规定化后直方图'
图1.灰度变换图：
图2.规定直方图系列图像
实验四：
噪声及其描述
掌握图象退化的基本理论，理解噪声的统计特性，掌握噪声的描述。
噪声及其描述，包括高斯噪声、椒噪声、盐噪声、泊松噪声。
【步骤】：
2）在原始图象中加入高斯噪声，观察在不同均值和期望下的加噪图像与原始图像的效果。
3）在原始图像中加入椒盐噪声，观察在不同噪声密度下的加噪图像与原始图像的效果。
4）在原始图像中仅加入椒噪声，观察在不同噪声密度下的加噪图像与原始图像的效果。
5）在原始图像中仅加入盐噪声，观察在不同噪声密度下的加噪图像与原始图像的差效果别。
6）在原始图像中加入泊松噪声，观察加噪图像与原始图像的效果。
7）比较在不同噪声下的加噪图像和原始图像的差别。
Fig6.30（06）.jpg'
subplot（3,2,2）;
J=imnoise（I,'
gaussian'
0.02,0.02）;
高斯噪声'
K=imnoise（I,'
salt&
pepper'
0.02）;
imshow（K）;
椒盐噪声p=0.02'
subplot（3,2,4）;
N=imnoise（I,'
poisson'
imshow（N）;
泊松噪声'
R1=imnoise2（'
666,666,0.5,0）;
C=find（R1==0）;
I1=I;
I1（C）=0;
imshow（I1）;
椒噪声'
R2=imnoise2（'
100,100,0,0.5）;
C=find（R2==1）;
I2=I;
I2（C）=255;
imshow（I2）;
盐噪声'
实验五：
空域滤波器
理解空域滤波器模板的运算过程，对比并掌握不同滤波器对噪声的处理能力以及对图像的增强能力。
均值滤波器、中值滤波器、最大/小值滤波器、混合滤波器、组合滤波器
【实验方法】：
空域滤波器（filter2，medfilt2，adpmedian）
2）对原始图像和加噪图像进行4领域均值滤波，观察对原始图像和加噪图像的效果。
3）对原始图像和加噪图像进行8领域均值滤波，观察对原始图像和加噪图像的效果。
4）改变均值滤波器的权重系数，对原始图像和加噪图像进行滤波，观察原始图像和加噪图像的效果。
5）对原始图像和加噪图像进行中值滤波，观察对原始图像和加噪图像的效果。
6）对原始图像和加噪图像进行最大值滤波，观察对原始图像和加噪图像的效果。
7）对原始图像和加噪图像进行最小值滤波，观察对原始图像和加噪图像的效果。
8）对原始图像和加噪图像进中点滤波，观察对原始图像和加噪图像的效果。
9）对原始图像和加噪图像进行混合滤波，观察对原始图像和加噪图像的效果。
10）对原始图像和加噪图像进行自适应滤波，观察对原始图像和加噪图像的效果。
11）比较不同的空域滤波器对原始图像和不同的加噪图像处理的差别。
（1）4、8临域滤波
Fig6.30（01）.jpg'
subplot（4,3,1）;
subplot（4,3,2）;
N=imnoise（J,'
subplot（4,3,3）;
加椒盐噪声后的图像'
h1=[0,1,0;
1,1,1;
0,1,0];
%定义4临域;
F=filter2（h1,J）/255;
subplot（4,3,4）;
imshow（F）;
原图像4领域均值滤波'
F1=filter2（h1,N）/255;
subplot（4,3,5）;
imshow（F1）;
加噪图像4领域均值滤波'
h2=[1,1,1;
1,1,1];
%定义8临域滤波;
R=filter2（h2,J）/1000;
subplot（4,3,6）;
imshow（R）;
原图像8领域滤波'
R1=filter2（h2,N）/1000;
subplot（4,3,7）;
imshow（R1）;
加噪图像8领域滤波'
h3=[4,4,4;
4,4,4;
4,4,4];
%改变滤波器的权重系数;
P=filter2（h3,J）/5000;
subplot（4,3,8）;
imshow（P）;
改变权重系数后原图像8领域滤波'
P1=filter2（h3,N）/5000;
subplot（4,3,9）;
imshow（P1）;
改变权重系数后加噪图像8领域滤波'
Q=adpmedian（J,255）;
subplot（4,3,10）;
imshow（Q）;
自适应滤波图像'
（2）二维线性滤波
Fig6.36
（1）.jpg'
K=medfilt2（N）;
滤波后的图像'
h=fspecial（'
sobel'
）
P=double（J）;
Q=double（N）;
%P=magic（50）;
Q=magic（50）;
A=filter2（h,P,'
valid'
原图像二维线性过滤后图像'
B=filter2（h,Q,'
加噪声图像二维线性过滤后图像'
（1）4、8临域滤波~自适应滤波
实验六：
频域滤波器
实验目的：
理解频率滤波器的频谱图，学会对图像进行频域分析，并使用滤波器对图像进行处理，掌握不同滤波器对噪声的处理能力以及对图像的增强能力。
实验内容：
低通滤波器、高通滤波器、带通滤波器、带阻滤波器
实验方法：
频域滤波器（lpfilter，Hpfilter，ifft2，dftfilt）
步骤：
2）观察理想低通滤波器、高斯低通滤波器、巴特沃斯低通滤波器的频谱。
3）对原始图像和加噪图像分别采用理想低通滤波器、高斯低通滤波器、巴特沃斯低通滤波器进行滤波，观察对原始图像和加噪图像的效果。
4）观察理想高通滤波器、高斯高通滤波器、巴特沃斯高通滤波器的频谱。
5）对原始图像和加噪图像分别采用理想高通滤波器、高斯高通滤波器、巴特沃斯高通滤波器进行滤波，观察对原始图像和加噪图像的效果。
6）观察高斯带通滤波器、巴特沃斯带通滤波器的频谱。
7）对原始图像和加噪图像分别采用高斯带通滤波器、巴特沃斯带通滤波器进行滤波，观察对原始图像和加噪图像的效果。
8）观察高斯带阻滤波器、巴特沃斯带阻滤波器的频谱。
9）对原始图像和加噪图像分别采用高斯带阻滤波器、巴特沃斯带阻滤波器进行滤波，观察对原始图像和加噪图像的效果。
10）比较不同的频域滤波器对原始图像和不同的加噪图像处理的差别。
【源程序】
1、原图像和加噪图像的低通滤波：
subplot（4,4,1）;
subplot（4,4,2）;
F=FFT2（double（J））;
%傅里叶变换
F1=fftshift（F）;
%傅里叶变换平移
0.05）;
subplot（4,4,3）;
F2=FFT2（double（N））;
F3=fftshift（F2）;
La=lpfilter（'
ideal'
666,666,50）;
l1=fftshift（La）;
subplot（4,4,4）;
imshow（l1）;
理想低通滤波频谱'
L1=F1.*l1;
Ya=ifftshift（L1）;
la=ifft2（Ya）;
subplot（4,4,5）;
imshow（uint8（la））;
原图像理想低通滤波'
N1=F3.*l1;
Na=ifftshift（N1）;
na=ifft2（Na）;
subplot（4,4,6）;
imshow（uint8（na））;
加噪图像理想低通滤波'
Lb=lpfilter（'
l2=fftshift（Lb）;
subplot（4,4,7）;
imshow（l2）;
高斯低通滤波频谱'
L2=F1.*l2;
Yb=ifftshift（L2）;
lb=ifft2（Yb）;
subplot（4,4,8）;
imshow（uint8（lb））;
原图像高斯低通滤波'
N2=F3.*l2;
Nb=ifftshift（N2）;
nb=ifft2（Nb）;
subplot（4,4,9）;
imshow（uint8（nb））;
加噪图像高斯低通滤波'
Lc=lpfilter（'
btw'
666,666,50）;
l3=fftshift（Lc）;
subplot（4,4,10）;
imshow（l3）;
巴特沃斯低通滤波频谱'
L3=F1.*l3;
Yc=ifftshift（L3）;
lc=ifft2（Yc）;
subplot（4,4,11）;
imshow（uint8（lc））;
原图像巴特沃斯低通滤波'
N3=F3.*l3;
Nc=ifftshift（N3）;
nc=ifft2（Nc）;
subplot（4,4,12）;
imshow（uint8（nc））;
加噪图像巴特沃斯低通滤波'
2、原图像及加噪图像的高通滤波
closeall;
%原图像
%原图像灰度图像
%'
加椒盐噪声后的图像
H=hpfilter（'
666,666,40）;
h1=fftshift（H）;
subplot（3,3,1）;
imshow（h1）;
理想高通滤波频谱'
H1=F1.*h1;
Ha=ifftshift（H1）;
ha=ifft2（Ha）;
subplot（3,3,2）;
imshow（uint8（ha））;
原图像理想高通滤波'
N3=F3.*h1;
Nd=ifftshift（N3）;
nd=ifft2（Nd）;
subplot（3,3,3）;
imshow（uint8（nd））;
加噪图像理想高通滤波'
Hm=hpfilter（'
h2=fftshift（Hm）;
subplot（3,3,4）;
imshow（h2）;
高斯高通滤波频谱'
H2=F1.*h2;
Hb=ifftshift（H2）;
hb=ifft2（Hb）;
subplot（3,3,5）;
imshow（uint8（hb））;
原图像高斯高通滤波'
N3=F3.*h2;
Ne=ifftshift（N3）;
ne=ifft2（Ne）;
subplot（3,3,6）;
imshow（uint8（ne））;
加噪图像高斯高通滤波'
Hn=hpfilter（'
666,666,40）;
h3=fftshift（Hn）;
subplot（3,3,7）;
imshow（h3）;
巴特沃斯高通滤波频谱'
H3=F1.*h3;
Hc=ifftshift（H3）;
hc=ifft2（Hc）;
subplot（3,3,8）;
imshow（uint8（hc））;
原图像巴特沃斯高通滤波'
N3=F3.*h3;
Nf=ifftshift（N3）;
nf=ifft2（Nf）;
subplot（3,3,9）;
imshow（uint8（nf））;
加噪图像巴特沃斯高通滤波'
【实验结果】
1、低通滤波
2、高通滤波
实验七：
图像压缩技术
（一）
掌握图像压缩的基本理论，理解图像压缩的系统基本结构，加深对图像处理中像素间冗余、编码冗余和视觉冗余的理解，以及会正确使用不同的压缩方法对不同冗余的压缩处理。
图像压缩中相关概念，哈夫曼编解码。
一、图像压缩中相关概念（hist，entropy，imratio）
2）分析并获得灰度直方图。
3）计算一阶熵估计。
4）计算压缩比。
二、哈夫曼编解码（huffman，mat2huff，huff2mat）
3）对灰度直方图进行哈夫曼编码。
4）利用mat2huff直接对图像进行哈夫曼编码。
5）比较采用对直方图进行哈夫曼编码和mat2huff编码的图像质量、压缩比、编码数值、以及计算一阶熵估计
7）对编码是数据进行解码，比较原始数据和经过编解码以后的数据
【实验程序】
1、灰度直方图
subplot（4,2,1）;
J=rgb2gray
升级会员 