Matlab图像处理实验指导书Word格式文档下载.docx
《Matlab图像处理实验指导书Word格式文档下载.docx》由会员分享,可在线阅读,更多相关《Matlab图像处理实验指导书Word格式文档下载.docx(21页珍藏版)》请在冰豆网上搜索。
![Matlab图像处理实验指导书Word格式文档下载.docx](https://file1.bdocx.com/fileroot1/2022-11/25/02dd1e57-e879-43f4-8762-c5aabba8d8b0/02dd1e57-e879-43f4-8762-c5aabba8d8b01.gif)
figure,imshow(BW3,'
BW=imread('
circles.tif'
imshow(BW);
figure,imshow(~BW);
figure,imshow(BW,[100;
001]);
B)灰度图像的显示
I=imread('
testpat1.tif'
J=filter2([12;
-1-2],I);
imshow(I)
figure,imshow(J,[])
C)索引图像的显示
loadclown%装载一幅图像
%保存为bmp文件
imshow(X)
imshow(X,map)
D)RGB图像的显示
flowers.tif'
RGB=imread('
figure,imshow(RGB)
imshow(I(:
:
3)%显示第3个颜色分量
E)多帧图像的显示
mri=uint8(zeros(128,128,1,27));
%27帧文件mri.tif初始化
forframe=1:
27
[mri(:
frame),map]=imread('
mri.tif'
frame);
%读入每一帧
end
imshow(mri(:
3),map);
%显示第3帧
figure,imshow(mri(:
6),map);
%显示第6帧
10),map);
%显示第10帧
20),map);
%显示第20帧
F)显示多幅图像
[X1,map1]=imread('
forest.tif'
[X2,map2]=imread('
trees.tif'
subplot(1,2,1),imshow(X1,map1)
subplot(1,2,2),imshow(X2,map2)
subplot(1,2,1),subimage(X1,map1)
subplot(1,2,2),subimage(X2,map2)
三、思考题:
1.图像显示时,若不带参数’notruesize’,显示效果如何?
2.如何显示RGB图像的某一个颜色分量?
3.如何显示多帧图像的所有帧?
如何根据多帧图像创建电影片段?
实验二图像运算
1.熟悉图像点运算和代数运算的实现方法
2.了解图像几何运算的简单应用
3.了解图像的邻域操作
1.图像点运算
读入图像‘rice.tif’,通过图像点运算改变对比度。
rice=imread('
rice.tif'
subplot(131),imshow(rice)
I=double(rice);
%转换为双精度类型
J=I*0.43+60;
rice2=uint8(J);
%转换为uint8
subplot(132),imshow(rice2)
J=I*1.5-60;
rice3=uint8(J);
subplot(133),imshow(rice3)
2.图像的代数运算
A)图像加法运算
J=imread('
cameraman.tif'
figure,imshow(J)
K=imadd(I,J);
figure,imshow(K)
K2=imadd(I,J,'
uint16'
figure,imshow(K2,[])
RGB2=imadd(RGB,50);
imshow(RGB)
figure,imshow(RGB2)
RGB3=imadd(RGB,100);
figure,imshow(RGB3)
B)图像减法运算
background=imopen(I,strel('
disk'
15));
%估计背景图像
figure,imshow(background);
I2=imsubtract(I,background);
%从原始图像中减去背景图像
figure,imshow(I2)
C)图像乘法运算
moon.tif'
J=immultiply(I,1.2);
K=immultiply(I,0.5);
D)*图像除法运算
3.图像的几何运算
A)改变图像的大小
读入图像‘ic.tif’,改变图像大小,分别将原图像放大1.5倍和缩小0.5倍。
ic.tif'
J=imresize(I,1.25);
K=imresize(I,0.8);
Y=imresize(I,[100,150]);
figure,imshow(Y)
B)旋转一幅图像
将上述图像顺时针和逆时针旋转任意角度,观察显示效果。
J=imrotate(I,30,'
bilinear'
J1=imrotate(I,30,'
crop'
figure,imshow(J1)
J2=imrotate(I,-15,'
figure,imshow(J2)
C)图像剪切
通过交互式操作,从一幅图像中剪切一个矩形区域。
imshow(I);
I1=imcrop;
figure,imshow(I1)
I2=imcrop(I,[3060120160]);
figure,imshow(I2)
4.*图像的邻域操作
读入图像‘tire.tif’,分别使用函数nlfilter和blkproc对图像进行滑动邻域操作和分离邻域操作。
tire.tif'
f=inline('
max(x(:
))'
%构造复合函数
I2=nlfilter(I,[33],f);
%滑动邻域操作
uint8(round(mean2(x)*ones(size(x))))'
%构造复合函数
I2=blkproc(I,[88],f);
实验三图像变换与滤波器设计
1.了解傅立叶变换、离散余弦变换及Radon变换在图像处理中的应用
2.了解Matlab线性滤波器的设计方法
1.傅立叶变换
A)绘制一个二值图像矩阵,并将其傅立叶函数可视化。
f=zeros(30,30);
f(5:
24,13:
17)=1;
imshow(f,'
F=fft2(f);
F2=log(abs(F));
figure,imshow(F2,[-15],'
colormap(jet);
F=fft2(f,256,256);
%零填充为256×
256矩阵
figure,imshow(log(abs(F)),[-15],'
F2=fftshift(F);
%将图像频谱中心由矩阵原点移至矩阵中心
figure,imshow(log(abs(F2)),[-15],'
B)利用傅立叶变换分析两幅图像的相关性,定位图像特征。
读入图像‘text.tif’,抽取其中的字母‘a’。
bw=imread('
text.tif'
a=bw(59:
71,81:
91);
imshow(bw);
figure,imshow(a);
C=real(ifft2(fft2(bw).*fft2(rot90(a,2),256,256)));
%求相关性
figure,imshow(C,[]);
thresh=max(C(:
));
figure,imshow(C>
thresh-10)
thresh-15)
2.离散余弦变换(DCT)
A)使用dct2对图像‘autumn.tif’进行DCT变换。
autumn.tif'
I=rgb2gray(RGB);
%转换为灰度图像
figure,imshow(I)
J=dct2(I);
figure,imshow(log(abs(J)),[]),colormap(jet(64));
colorbar;
B)将上述DCT变换结果中绝对值小于10的系数舍弃,使用idct2重构图像并与原图像比较。
%转换为灰度图像
K=idct2(J);
figure,imshow(K,[0255])
J(abs(J)<
10)=0;
%舍弃系数
K2=idct2(J);
figure,imshow(K2,[0255])
C)利用DCT变换进行图像压缩。
I=im2double(I);
T=dctmtx(8);
B=blkproc(I,[8,8],'
P1*x*P2'
T,T'
mask=[11110000
11100000
11000000
10000000
00000000
00000000];
B2=blkproc(B,[88],'
P1.*x'
mask);
I2=blkproc(B2,[88],'
T'
T);
3.Radon变换
使用Radon逆变换重建图像。
P=phantom(256);
%创建256灰度级大脑图
imshow(P)
theta1=0:
10:
170;
[R1,xp]=radon(P,theta1);
%18个投影
theta2=0:
5:
175;
[R2,xp]=radon(P,theta2);
%36个投影
theta3=0:
178;
[R3,xp]=radon(P,theta3);
%90个投影
figure,imagesc(theta3,xp,R3);
colormap(hot);
colorbar
%使用逆变换重构图像
I1=iradon(R1,10);
%用R1重构图像
I2=iradon(R2,5);
%用R2重构图像
I3=iradon(R3,2);
%用R3重构图像
figure,imshow(I3)
4.*Matlab线形滤波器设计
采用频率变换方式,通过一维最优波纹FIR滤波器创建二维FIR滤波器(p96)。
b=remez(10,[00.40.61],[1100]);
%阶次,频率向量,对应的理想幅频响应
h=ftrans2(b);
[H,w]=freqz(b,1,64,'
whole'
colormap(jet(64))
plot(w/pi-1,fftshift(abs(H)));
%使x轴取值0处对应曲线中心
figure,freqz2(h,[3232])
实验四形态学操作与空间变换
1.了解膨胀和腐蚀的Matlab实现方法
2.掌握图像膨胀、腐蚀、开启、闭合等形态学操作函数的使用方法
3.了解二进制图像的形态学应用
4.了解空间变换函数及图像匹配方法
1.图像膨胀
A)对包含矩形对象的二进制图像进行膨胀操作。
BW=zeros(9,10);
BW(4:
6,4:
7)=1;
imshow(BW,'
se=strel('
square'
3);
%正方形结构元素
BW2=imdilate(BW,se);
B)改变上述结构元素类型(如:
line,diamond,disk等),重新进行膨胀操作。
C)对图像‘text.tif’进行上述操作,观察不同结构元素膨胀的效果。
BW3=imread('
imshow(BW3)
se2=strel('
line'
11,90);
%线型结构元素
BW4=imdilate(BW3,se2);
figure,imshow(BW4)
2.图像腐蚀
A)对图像‘circbw.tif’进行腐蚀操作。
BW1=imread('
circbw.tif'
arbitrary'
eye(5));
BW2=imerode(BW1,se);
imshow(BW1)
figure,imshow(BW2)
B)对图像‘text.tif’进行腐蚀操作。
BW2=imerode(BW3,se);
imshow(BW)
3.膨胀与腐蚀的综合使用
A)从原始图像‘circbw.tif’中删除电流线,仅保留芯片对象。
方法一:
先腐蚀(imerode),再膨胀(imdilate);
rectangle'
[4030]);
%选择适当大小的矩形结构元素
%先腐蚀,删除较细的直线
BW3=imdilate(BW2,se);
%再膨胀,恢复矩形的大小
figure,imshow(BW3)
方法二:
使用形态开启函数(imopen)。
BW2=imopen(BW1,se);
%开启操作
B)改变结构元素的大小,重新进行开启操作,观察处理结果。
se=strel(‘rectangle’,[2010]);
se=strel(‘rectangle’,[5040]);
C)置结构元素大小为[43],同时观察形态开启(imopen)与闭合(imclose)的效果,总结形态开启与闭合在图像处理中的作用。
[43]);
I1=imopen(I,se);
I2=imclose(I,se);
%闭合操作
4.*高帽与低帽变换
A)读入图像‘pearlite.tif’,分别显示其高帽变换与低帽变换结果,并与原图像比较。
(设se=strel('
5);
)。
pearlite.tif'
subplot(221),imshow(I)
J=imtophat(I,se);
subplot(222),imshow(J)
K=imbothat(I,se);
subplot(223),imshow(K)
L=imsubtract(imadd(J,I),K);
subplot(224),imshow(L)
B)要求显示在一个窗口中。
5.图像极值的处理方法
A)对于下图所示的图像矩阵A,利用函数imregionalmax寻找其局部极大值
A=[10101010101010101010;
10131313101011101110;
10131313101010111010;
10101010101010101010;
10111010101818181010;
10101011101818181010;
10101110101818181010;
10111011101010101010;
10101010101011101010];
B=imregionalmax(A)
B)利用函数imextendedmax寻找像素值大于其邻域像素值2个单位的局部极大值。
C=imextendedmax(A,2)
6.*创建一幅图像,求其距离矩阵。
bw=zeros(5,5);
bw(2,2)=1;
bw(4,4)=1;
D=bwdist(bw)
center1=-10;
center2=-center1;
dist=sqrt(2*(2*center1)^2);
radius=dist/2*1.4;
lims=[floor(center1-1.2*radius)ceil(center2+1.2*radius)];
[x,y]=meshgrid(lims
(1):
lims
(2));
bw1=sqrt((x-center1).^2+(y-center2).^2)<
=radius;
bw2=sqrt((x-center2).^2+(y-center2).^2)<
bw1=sqrt((x-center1).^2+(y-center1).^2)<
bw=bw1|bw2;
imshow(bw)
D=bwdist(bw);
figure,imshow(D,[])
D1=bwdist(~bw);
figure,imshow(D1,[])
7.*使用伪彩色显示标记矩阵。
BW=[00000000;
01100111;
01100011;
01100000;
00011000;
00000000]
X=bwlabel(BW,4)
RGB=label2rgb(X,@jet,'
k'
imshow(RGB,'
8.利用选择控制点实现图像匹配。
Matlab图像匹配的步骤:
将标准图像和待匹配图像读入Matlab;
指定图像中的控制点对并保存;
使用互相关性进一步协调控制点对(可选);
制定所需变换类型并根据控制点对推断变换参数;
变换未匹配的图像。
%读入待匹配图像和标准图像
unregistered=imread('
westconcordaerial.png'
imshow(unregistered)
orthophoto=imread('
westconcordorthophoto.png'
figure,imshow(orthophoto)
%选择图像中对应的控制点
cpselect(unregistered(:
1),orthophoto)
%保存控制点对
input_points
base_points
%使用相关性进一步协调控制点对
input_points_corr=cpcorr(input_points,base_points,unregistered(:
1),orthophoto);
input_points_corr
%根据控制点对推断空间变换参数
mytform=cp2tform(input_points,base_points,'
projective'
%变换未匹配的图像
registered=imtransform(unregistered,mytform);
figure,imshow(registered)
实验五图像增强与复原
一、实验目的:
1.了解灰度变换增强和空域滤波增强的Matlab实现方法
2.掌握直方图灰度变换方法
3.掌握噪声模拟和图像滤波函数的使用方法
4.了解图像复原的Matlab实现方法
1.灰度变换增强
A)线段上像素灰度分布
读入灰度图像‘debye1.tif’,采用交互式操作,用improfile绘制一条线段的灰度值。
imshow('
debye1.tif'
improfile
读入RGB图像‘flowers.tif’,显示所选线段上红、绿、蓝颜色分量的分布
B)直方图变换
<
i>
直方图显示
读入图像‘rice.tif’,在一个窗口中显示灰度级n=64,128和256的图