数字图像处理Word文档格式.docx
《数字图像处理Word文档格式.docx》由会员分享，可在线阅读，更多相关《数字图像处理Word文档格式.docx（14页珍藏版）》请在冰豆网上搜索。
1、打开计算机，启动MATLAB程序；
程序组中“work”文件夹中应有待处理的
图像文件。
2、调入“实验一”中获取的数字图像，并进行计算机均衡化处理；
3、显示原图像的直方图和经过均衡化处理过的图像直方图。
4、记录和整理实验报告
四、实验仪器
1、计算机；
2、MATLAB程序；
3、移动式存储器（软盘、U盘等）。
4、记录用的笔、纸。
五、实验报告内容
1、实验所选取的的图像：
图一原图像
2、Matlab处理的程序：
I=imread（'
pollen.jpg'
）;
I=rgb2gray（I）;
J=adapthisteq（I）;
subplot（2,2,1）,imshow（I）
title（'
原图'
subplot（2,2,2）,imshow（J）
直方图均衡化后的结果'
）
subplot（2,2,3）,imhist（I,64）
原图的直方图'
subplot（2,2,4）,imhist（J,64）
直方图均衡化后的结果的直方图'
3、Matlab最后处理的结果：
图二处理后的图像
实验二图像增强—空域滤波
进一步了解MatLab软件/语言，学会使用MatLab对图像作滤波处理，使学
生有机会掌握滤波算法，体会滤波效果。
了解几种不同滤波方式的使用和使用的场合，培养处理实际图像的能力，并
为课堂教学提供配套的实践机会。
二、实验要求
1、学生应当完成对于给定图像+噪声，使用平均滤波器、中值滤波器对不同
强度的高斯噪声和椒盐噪声，进行滤波处理；
能够正确地评价处理的结果；
能够
从理论上作出合理的解释。
2利用MATLAB软件实现空域滤波。
三、实验设备与软件
1、IBM-PC计算机系统
2、MatLab软件/语言包括图像处理工具箱（ImageProcessingToolbox）
3、实验所需要的图片
四、实验内容与步骤
1、调入并显示原始图像
图一原始图像
2、利用imnoise命令在图像上加入高斯（gaussian）噪声。
3、利用预定义函数fspecial命令产生平均（average）滤波器。
4、采用3x3的模板，分别用平均滤波器以及中值滤波器，对加入噪声的图。
像进行处理并观察不同噪声水平下，上述滤波器处理的结果。
5、选择不同大小的模板，对加入某一固定噪声水平噪声的图像进行处理，
观察上述滤波器处理的结果。
6、利用imnoise命令在图像上加入椒盐噪声（salt&
pepper）。
7、重复c）~e）的步骤。
8、输出全部结果并进行讨论。
五、实验结果
1、Matlab实验程序
QQ.tif'
J=imnoise（I,'
gauss'
0.02）;
%添加高斯噪声
%J=imnoise（I,'
salt&
pepper'
%添加椒盐噪声
ave1=fspecial（'
average'
3）;
%产生3×
3的均值模版
ave2=fspecial（'
5）;
%产生5×
5的均值模版
K=filter2（ave1,J）/255;
%均值滤波3×
3
L=filter2（ave2,J）/255;
%均值滤波5×
5
M=medfilt2（J,[33]）;
%中值滤波3×
3模板
N=medfilt2（J,[44]）;
%中值滤波4×
4模板
imshow（I）;
figure,imshow（J）;
figure,imshow（K）;
figure,imshow（L）;
figure,imshow（M）;
figure,imshow（N）;
2、实验的最后结果
图二运行结果
实验三图像增强—频域滤波
一、实验目的
1、掌握怎样利用傅立叶变换进行频域滤波
2、掌握频域滤波的概念及方法
3、熟练掌握频域空间的各类滤波器
4、利用MATLAB程序进行频域滤波
二、实验原理及知识点
频域滤波分为低通滤波和高通滤波两类，对应的滤波器分别为低通滤波器和高通滤波
器。
频域低通过滤的基本思想：
G（u,v）=F（u,v）H（u,v）
F（u,v）是需要钝化图像的傅立叶变换形式，H（u,v）是选取的一个低通过滤器变换函数，
G（u,v）是通过H（u,v）减少F（u,v）的高频部分来得到的结果，运用傅立叶逆变换得到钝化后的
图像。
理想地通滤波器（ILPF）具有传递函数：
其中，D0为指定的非负数，D（u,v）为（u,v）到滤波器的中心的距离。
0D（u,v）D的点的
轨迹为一个圆。
n阶巴特沃兹低通滤波器（BLPF）（在距离原点0D处出现截至频率）的传递函数为
DuvDn
Huv2
01[（,）]
（,）1
与理想地通滤波器不同的是，巴特沃兹率通滤波器的传递函数并不是在0D处突然不连续。
高斯低通滤波器（GLPF）的传递函数为
H（u,v）eD2（u,v）22
其中，为标准差。
相应的高通滤波器也包括：
理想高通滤波器、n阶巴特沃兹高通滤波器、高斯高通滤
波器。
给定一个低通滤波器的传递函数H（u,v）lp，通过使用如下的简单关系，可以获得相
应高通滤波器的传递函数：
H1H（u,v）hplp
利用MATLAB实现频域滤波的程序
f=imread（'
room.tif'
0（,）
1（,）
（,）
ifDuvD
Huv
F=fft2（f）;
%对图像进行傅立叶变换
S=fftshift（log（1+abs（F）））;
%对变换后图像进行队数变化，并对其坐标平移，使其中心化
S=gscale（S）;
%将频谱图像标度在0-256的范围内
imshow（S）%显示频谱图像
h=special（'
sobel'
%产生空间‘sobel’模版
freqz2（h）%查看相应频域滤波器的图像
PQ=paddedsize（size（f））;
%产生滤波时所需大小的矩阵
H=freqz2（h,PQ
（1）,PQ
（2））;
%产生频域中的‘sobel’滤波器
H1=ifftshift（H）;
%重排数据序列，使得原点位于频率矩阵的左上角
imshow（abs（H）,[]）%以图形形式显示滤波器
figure,imshow（abs（H1）,[]）
gs=imfilter（double（f）,h）;
%用模版h进行空域滤波
gf=dftfilt（f,H1）;
%用滤波器对图像进行频域滤波
figure,imshow（gs,[]）
figure,imshow（gf,[]）
figure,imshow（abs（gs）,[]）
figure,imshow（abs（gf）,[]）
number.tif'
%读取图片
D0=0.05*PQ
（1）;
%设定高斯高通滤波器的阈值
H=hpfilter（'
gaussian'
PQ
（1）,PQ
（2）,D0）;
%产生高斯高通滤波器
g=dftfilt（f,H）;
%对图像进行滤波
figure,imshow（f）%显示原图像
figure,imshow（g,[]）%显示滤波后图像
三、实验步骤：
1调入并显示所需的图片；
2利用MATLAB提供的低通滤波器实现图像信号的滤波运算，并与空间滤
波进行比较。
3利用MATLAB提供的高通滤波器对图像进行处理。
4记录和整理实验报告。
四、实验仪器
1计算机；
2MATLAB程序；
3移动式存储器（软盘、U盘等）。
4记录用的笔、纸。
五、实验报告内容
1叙述实验过程；
2提交实验的原始图像和结果图像。
实验报告要求
六、描述实验的基本步骤，用数据和图片给出各个步骤中取得的实验结果，并进
行必要的讨论，必须包括原始图像及其计算/处理后的图像。
七、思考题
1结合实验，评价频域滤波有哪些优点？
2在频域滤波过程中需要注意哪些事项？
八、实验图片
room.tifnumber.tif
实验四图像边缘检测和处理
1．掌握几种常用边缘检测算子的程序设计；
2．使学生掌握各种边缘检测算子的特征；
3．掌握Hough变换的算法本质和程序设计技巧。
4．掌握域值处理方法
5．掌握区域分割方法和思想
二、边缘检测处理函数
1．点、线、边的检测
1）点检测：
运用imfilter滤波器实现
方法一：
g=abs（imfilter（double（f）,w））>
=T
例子：
f=imread（'
dragfl.bmp'
w=[-1-1-1;
-18-1;
-1-1-1];
g=abs（imfilter（double（f）,w））;
T=max（g（:
））;
g=g>
=T;
imshow（g）
方法二：
g=imsubtract（ordfilt2（f2,m*n,ones（m,n））,ordfilt2（f,1,ones（m,n）））;
g=g>
g=imsubtract（ordfilt2（f,3*3,ones（3,2））,ordfilt2（f,1,ones（3,2）））;
//两个图像进行减运
算
1）线检测：
运用模板进行检测
w=[2-1-1;
-12-1;
-1-12];
g=imfilter（double（f）,w）;
imshow（g,[]）
gtop=g（1:
120,1:
120）;
gtop=pixeldup（gtop,4）;
figure,imshow（gtop,[]）
gbot=g（end-119:
end,end-119:
end）;
gbot=pixeldup（gbot,4）;
figure,imshow（gbot,[]）
g=abs（g）;
figure,imshow（g,[]）
g=g=>
=T;
figure,imshow（g）
2）边缘检测
方法：
[g,t]=edge（f,’method’,parameter）;
[gv,t]=edge（f,'
'
vertical'
imshow（gv）
t
gv=edge（f,'
0.15,'
gboth=edge（f,'
sobel,o.15'
imshow（gboth）
w45=[-2-10;
-101;
012];
g45=imfilter（double（f）,w45,'
replicate'
T=0.3*max（abs（g45（:
）））;
g45=g45>
figure,imshow（g45）
2.运用哈夫变换检测边
1）哈夫变换函数：
[h,theta,rho]=hough[f,dtheta,drho]
h=hough（f）;
imshow（h,[]）
2）哈夫变换检测顶点函数：
[r,c,hnew]=houghpeaks（h,numpeaks,threshold,nhood）
3）哈夫变换检测直线函数:
lines=houghlines（f,theta,rho,rr,cc,fillgap,minlength）;
[h,theta,rho]=hough（f,0.5）;
imshow（theta,rho,h,[],'
notruesize'
）,axison,axisnormal
xlabel（'
\theta'
）,ylabel（'
\rho'
[r,c]=houghpeaks（h,5）;
holdon
plot（theta（c）,rho（r）,'
linestyle'
none'
marker'
s'
color'
w'
lines=houghlines（f,theta,rho,r,c）;
figure,imshow（f）
fork=1:
length（lines）
xy=[lines（k）.point1;
lines（k）.point2];
plot（xy（:
2）,xy（:
1）,'
LineWidth'
4,'
Color'
[.6.6.6]）;
end
3.域值处理
1）全局域值处理函数：
t=graythresh（f）
T=0.5*（double（min（f（:
）））+double（max（f（:
））））;
done=false;
while~done
g=f>
Tnext=0.5*（mean（f（g））+mean（f（~g）））;
等价于：
t2=graythresh（f）;
t2
t2=t2*255;
=t2;
4区域分割函数
1）区域增长函数:
[g,nr,si,ti]=regiongrow（f,s,t）<
自编函数>
例子:
[g,nr,si,ti]=regiongrow（f,73,100）;
[g,nr,si,ti]=regiongrow（f,26,100）;
nr
[g,nr,si,ti]=regiongrow（f,26,80）;
1）分裂合并函数：
g=splitmerge（f,mindim,fun）<
I=imread（'
g=splitmerge（I,32,@predicate）;
g=splitmerge（I,16,@predicate）;
g=splitmerge（I,8,@predicate）;
g=splitmerge（I,4,@predicate）;
g=splitmerge（I,2,@predicate）;
三、实验内容和要求
1．编程实现Roberts边缘检测算子
2．编程实现Sober边缘检测算子；
3．编程实现Pirsch边缘算子；
4．编程实现两个不同的拉普拉斯算子；
__
升级会员 