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。
![图像处理实验报告Word文件下载.docx](https://file1.bdocx.com/fileroot1/2022-11/23/4db3ae01-7a9a-4ed3-b5d6-fd4659753803/4db3ae01-7a9a-4ed3-b5d6-fd46597538031.gif)
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