北京理工大学珠海学院数字图像处理实验指导书Word文件下载.docx
《北京理工大学珠海学院数字图像处理实验指导书Word文件下载.docx》由会员分享，可在线阅读，更多相关《北京理工大学珠海学院数字图像处理实验指导书Word文件下载.docx（21页珍藏版）》请在冰豆网上搜索。
原始图像'
）%在原始图像中加标题
subplot（1,2,2）,imhist（I）%输出原图直方图
原始图像直方图'
）%在原图直方图上加标题
四．实验步骤
1.启动matlab
双击桌面matlab图标启动matlab环境；
2.在matlab命令窗口中输入相应程序。
书写程序时，首先读取图像，一般调用matlab自带的图像，如:
cameraman图像；
再调用相应的直方图函数，设置参数；
最后输出处理后的图像；
3．浏览源程序并理解含义；
4．运行，观察显示结果；
5．结束运行，退出；
五．实验结果
观察图像matlab环境下的直方图分布。
（a）原始图像（b）原始图像直方图
六．实验报告要求
1、给出实验原理过程及实现代码；
2、输入一幅灰度图像，给出其灰度直方图结果，并进行灰度直方图分布原理分析。
实验1.2灰度均衡
1．熟悉matlab图像处理工具箱中灰度均衡函数的使用；
2．理解和掌握灰度均衡原理和实现方法；
2.软件matlab；
在matlab环境中，程序首先读取图像，然后调用灰度均衡函数，设置相关参数，再输出处理后的图像。
subplot（2,2,1）,imshow（I）%输出图像
subplot（2,2,3）,imhist（I）%输出原图直方图
a=histeq（I,256）;
%直方图均衡化，灰度级为256
subplot（2,2,2）,imshow（a）%输出均衡化后图像
均衡化后图像'
）%在均衡化后图像中加标题
subplot（2,2,4）,imhist（a）%输出均衡化后直方图
均衡化后图像直方图'
）%在均衡化后直方图上加标题
再调用相应的灰度均衡函数，设置参数；
观察matlab环境下图像灰度均衡结果及直方图分布。
（a）原始图像（b）均衡化后图像
（c）原始图像直方图（d）均衡化后图像直方图
2、输入一幅灰度图像，给出其灰度均衡结果，并进行灰度均衡化前后图像直方图分布对比分析。
实验1.33*3均值滤波
1．熟悉matlab图像处理工具箱及均值滤波函数的使用；
2．理解和掌握3*3均值滤波的方法和应用；
三．程序设计
在matlab环境中，程序首先读取图像，然后调用图像增强（均值滤波）函数，设置相关参数，再输出处理后的图像。
I=imread（'
figure,imshow（I）;
J=filter2（fspecial（‘average’,3）,I）/255;
figure,imshow（J）;
再调用相应的图像增强（均值滤波）函数，设置参数；
观察matlab环境下原始图像经3*3均值滤波处理后的结果。
（a）原始图像（b）3*3均值滤波处理后的图像
图（3）
输入一幅灰度图像，给出其图像经3*3均值滤波处理后的结果，然后对每一点的灰度值和它周围24个点，一共25个点的灰度值进行均值滤波，看看对25个点取均值与对9个点取中值进行均值滤波有什么区别？
有没有其他的算法可以改进滤波效果。
实验1.43*3中值滤波
1．熟悉matlab图像处理工具箱及中值滤波函数的使用；
2．理解和掌握中值滤波的方法和应用；
在matlab环境中，程序首先读取图像，然后调用图像增强（中值滤波）函数，设置相关参数，再输出处理后的图像。
J=medfilt2（I,[5,5]）;
再调用相应的图像增强（中值滤波）函数，设置参数；
观察matlab环境下原始图像经3*3中值滤波处理后的结果。
（a）原始图像（b）3*3中值滤波处理后的图像
图（4）
输入一幅灰度图像，给出其图像经3*3中值滤波处理后的结果，然后对每一点的灰度值和它周围24个点，一共25个点的灰度值进行排序后取中值，然后该点的灰度值取中值。
看看对25个点取中值与对9个点取中值进行中值滤波有什么区别？
实验1.5图像的缩放
1．熟悉matlab图像处理工具箱及图像缩放函数的使用；
2．掌握图像缩放的方法和应用；
在matlab环境中，程序首先读取图像，然后调用图像缩放函数，设置相关参数，再输出处理后的图像。
scale=0.5;
J=imresize（I,scale）;
再调用相应的图像缩放函数，设置参数；
观察matlab环境下图像缩放后的结果。
（a）原始图像（b）缩放后的图像
图（5）
输入一幅灰度图像，给出其图像缩放后的结果，然后改变缩放比率，观察图像缩放后结果柄进行分析。
实验1.6图像旋转
1．熟悉matlab图像处理工具箱及图像旋转函数的使用；
2．理解和掌握图像旋转的方法和应用；
在matlab环境中，程序首先读取图像，然后调用图像旋转函数，设置相关参数，再输出处理后的图像。
theta=30;
K=imrotate（I,theta）;
%Tryvaryingtheangle,theta.
figure,imshow（K）
再调用相应的图像旋转函数，设置参数；
观察matlab环境下图像旋转后的结果。
（a）原始图像（b）旋转后的图像
图（7）
输入一幅灰度图像，给出其图像旋转后的结果，然后改变旋转角度，观察图像旋转后结果柄进行分析。
实验1.7边缘检测（Sobel、Prewitt、Log边缘算子）
1．熟悉matlab图像处理工具箱及图像边缘检测函数的使用；
2．理解和掌握图像边缘检测（Sobel、Prewitt、Log边缘算子）的方法和应用；
在matlab环境中，程序首先读取图像，然后调用图像边缘检测（Sobel、Prewitt、Log边缘算子）函数，设置相关参数，再输出处理后的图像。
J1=edge（I,'
sobel'
J2=edge（I,'
prewitt'
J3=edge（I,'
log'
subplot（1,4,1）,imshow（I）;
subplot（1,4,2）,imshow（J1）;
subplot（1,4,3）,imshow（J2）;
subplot（1,4,4）,imshow（J3）;
再调用相应的边缘检测（Sobel边缘算子、Prewitt边缘算子、Log边缘算子）函数，设置参数；
观察经过图像边缘检测（Sobel、Prewitt、Log边缘算子）处理后的结果。
（a）原始图像（b）Sobel边缘算子
（c）Prewitt边缘算子（d）Log边缘算子
输入一幅灰度图像，给出其图像边缘检测（Sobel、Prewitt、Log边缘算子）后的结果并进行分析对比。
%对图像进行一些简单的几何处理
clc;
clear
invI=imcomplement（I）;
%求I的补
K=uint8（filter2（fspecial（'
gaussian'
）,I））;
%对图像进行高斯滤波
[m,n]=size（I）;
%获取图像的长宽
i=1:
m;
j=1:
n;
M=zeros（m,n）;
M（i,j）=I（i,j）+20;
%给图像所有像素加上一个值
Z=I-K;
%求出经过高斯滤波和源图像的差值
I1=I*1.3;
%做源图像和常数相乘
I2=I./invI;
%做源图像和其不图像相除
J1=imresize（I,0.2）;
%将图像变为原来的0.2倍
J2=imresize（I,2.5）;
%将图像变为原先的2.5倍
figure
（1）;
subplot（3,3,1）;
imshow（I,[0255]）;
）
subplot（3,3,2）;
imshow（invI,[0255]）;
图像求逆'
subplot（3,3,3）;
imshow（K,[0255]）;
图像滤波'
subplot（3,3,4）;
imshow（M,[0255]）;
图像加法'
subplot（3,3,5）;
imshow（Z,[0255]）;
图像减法'
subplot（3,3,6）;
imshow（I1,[0255]）;
图像乘法'
subplot（3,3,7）;
imshow（I2,[0255]）;
图像除法'
subplot（3,3,8）;
imshow（J1,[0255]）;
图像缩小'
subplot（3,3,9）;
imshow（J2,[0255]）;
图像放大'
%图像直方图均衡及其处理
B=imread（'
pout.tif'
B1=histeq（B）;
%做直方图均衡化
figure
（2）;
subplot（2,2,1）;
imshow（B）;
subplot（2,2,2）;
imshow（B1）;
均衡化后'
subplot（2,2,3）;
imhist（B）;
原始图像的直方图'
subplot（2,2,4）;
imhist（B1）;
均衡化后图像的直方图'
%图像滤波，平滑，边缘提取，增强
C=imread（'
F1=[111;
111;
111]/9;
%3*3均值滤波
F2=[121;
000;
-1-2-1];
%求边缘
F3=[-1-1-1;
-19-1;
-1-1-1];
%高通滤波
C1=filter2（F1,C）;
%应用3*3均值滤波器
C2=filter2（F2,C）;
C3=filter2（F3,C）;
figure（3）;
imshow（C,[0255]）;
原图'
imshow（C1,[0255]）;
平滑滤波'
imshow（C2,[0255]）;
边缘提取'
imshow（C3,[0255]）;
图像增强'
%图像添加噪声并且滤除
D=imread（'
eight.tif'
D1=imnoise（D,'
0,0.01）;
%给图像添加噪声
D2=medfilt2（D1）;
%中值滤波
figure（4）;
subplot（1,3,1）;
imshow（D,[0255]）;
subplot（1,3,2）;
imshow（D1,[0255]）;
加入椒盐噪声'
subplot（1,3,3）;
imshow（D2,[0255]）;
中值滤波后'
%8*8矩阵做DCT反变换
clc,clear;
M=zeros（8,8）;
%产生一个8*8的全0矩阵
M（1,1）=1;
%让其（0,0）点的系数为1
N1=idct2（M）;
%对M做IDCT变换
N1=uint8（N1）;
%转换为0-255的整数
M（1,1）=0;
M（1,2）=1;
N2=idct2（M）;
N2=uint8（N2）;
M（1,2）=0;
M（2,1）=1;
N3=idct2（M）;
N3=uint8（N3）;
M（2,1）=0;
M（5,5）=1;
N4=idct2（M）;
N4=uint8（N4）;
subplot（2,2,1）,imshow（N1）;
0,0点的值为1做dct反变换'
subplot（2,2,2）,imshow（N2）;
1,2点的值为1做dct反变换'
subplot（2,2,3）,imshow（N3）;
2,1点的值为1做dct反变换'
subplot（2,2,4）,imshow（N4）;
5,5点的值为1做dct反变换'
%将dct系数矩阵修改为下面这个矩阵进行变换
N=zeros（8,8）;
N（1,1）=1000,N（1,2）=300,N（2,1）=10,N（2,2）=20;
K1=idct2（N）;
N（1,1）=2000,N（1,2）=1000,N（2,1）=100,N（2,2）=100
K2=idct2（N）;
N（1,1）=100,N（1,2）=200,N（2,1）=10,N（2,2）=20;
N（1,5）=1;
N（5,5）=20;
K3=idct（N）;
N（1,1）=600,N（1,2）=300,N（2,1）=60,N（2,2）=70;
N（1,5）=19;
N（5,5）=120,N（5,1）=20;
K4=idct2（N）
subplot（2,2,1）,imshow（K1,[0255]）;
K1'
subplot（2,2,2）,imshow（K2,[0255]）;
K2'
subplot（2,2,3）,imshow（K3,[0255]）;
K3'
subplot（2,2,4）,imshow（K4,[0255]）;
K4'
%对图像做dct变换和量化
%读入原始图像
J=dct2（I）;
%对原始图像做DCT变换
%获取图像大小
K1=zeros（m,n）;
K2=K1;
K3=K2;
K1（i,j）=round（J（i,j）/8）%量化
K2（i,j）=round（J（i,j）/4）%量化
K3（i,j）=round（J（i,j）/16）%量化
J1=zeros（m,n）;
J2=J1;
J3=J2;
J1（i,j）=K1（i,j）*8;
%反量化
J2（i,j）=K2（i,j）*4;
J3（i,j）=K3（i,j）*16;
I1=zeros（m,n）;
I2=I1;
I3=I2;
I1=idct2（J1）;
%反dct变换
I2=idct2（J2）;
I3=idct2（J3）;
figure（3）
subplot（2,2,1）,imshow（I）;
重建图像（q=4）'
重建图像（q=8）'
imshow（I3,[0255]）;
重建图像（q=16）'
%使用量化矩阵对图像做量化
A=imread（'
I=im2double（A）;
T=dctmtx（8）;
B=blkproc（I,[88],'
P1*x*P2'
T,T'
%DCT变换
%%%%%%%%%%%%%%%%%%%%%%%量化
Q=[1611101624405161;
1212141926586055;
1413162440576956;
1417222951878062;
182237586810910377;
243555648110411392;
49647887103121120101;
7292959811210010399];
BQ=blkproc（B,[88],'
x./P1'
Q）;
%用量化矩阵量化DCT系数矩阵
BQ=round（BQ*255）/255;
%做四舍五入
IBQ=blkproc（BQ,[88],'
x.*P1'
IB=blkproc（IBQ,[88],'
T'
T）;
%进行DCT反变换
%IB=uint8（IB）;
%转换为Uint8类型;
imshow（A）;
imshow（IB）;
重建图像（量化矩阵）'
imshow（imcomplement（uint8（IB*255）-A））;
量化后与原图差别求反'
实验二、自编matlab程序
1均值滤波
1均值滤波的概念及用法
均值滤波是典型的线性滤波算法，它是指在图像上对目标像素给一个模板，该模板包括了其周围的临近像素（以目标象素为中心的周围8个象素，构成一个滤波模板，即去掉目标象素本身）。
再用模板中的全体像素的平均值来代替原来像素值。
均值滤波也称为线性滤波，其采用的主要方法为领域平均法。
线性滤波的基本原理是用均值代替原图像中的各个像素值，即对待处理的当前像素点（x，y），选择一个模板，该模板由其近邻的若干像素组成，求模板中所有像素的均值，再把该均值赋予当前像素点（x，y），作为处理后图像在该点上的灰度个g（x，y），即个g（x，y）=1/m∑f（x，y）m为该模板中包含当前像素在内的像素总个数。
2均值滤波的MATLAB程序
clearall
x=imread（'
d:
/te_1.bmp'
b=double（x）;
[m,n]=size（b）;
c=zeros（m,n）;
fori=2:
m-1
forj=2:
n-1
me=round（（b（i-1,j-1）+b（i-1,j）+b（i,j-1）+b（i+1,j）+b（i,j+1）+b（i+1,j+1）+b（i-1,j+1）+b（i+1,j-1）+b（i,j））/9）;
c（i,j）=me;
end
imshow（c,[]）;
2、中值滤波
1．中值滤波的概念及用法
升级会员 