实验报告21Word文档格式.docx
《实验报告21Word文档格式.docx》由会员分享，可在线阅读，更多相关《实验报告21Word文档格式.docx（12页珍藏版）》请在冰豆网上搜索。
（l）与（AND）：
记为pANDq（也可写为pq）；
（2）或（OR）：
记为pORq（也可写为p+q）；
（3）补（COMPLEMENT）：
记为NOTq（也可写为）。
以上这些基本逻辑运算的功能是完备的，即将它们组合起来可以进一步构成所有其它各种逻辑运算。
三．实验步骤：
1．设计两幅图像，对其进行逻辑（与，或，补）运算，显示各运算结果。
这两幅图像的大小均为256*256，其中一图像中第64行至150行、第64列至150列为白色，另一图像中第128行至200行、第128列至200列为白色；
逻辑与运算“&
”，逻辑或运算“|”，逻辑补运算“not”。
解：
根据题目要求，用matlab编程，其结果如图1所示：
图1
原理及结果分析：
假设有两幅图像
和
，则有以下逻辑运算：
逻辑与运算“&
”：
其中，
表示求交运算，
逻辑或运算“|”：
表示取并运算，
逻辑补运算“not”：
，其中，
是
的灰度级，
根据上述原理，A&
B是A、B图像的公共部分，A|B是A、B图像的取并后结果，notA是求反操作，notB也是求反操作。
程序如下：
clearall;
closeall;
clc;
A=zeros（256）;
A（64:
150,64:
150）=1;
B=zeros（256）;
B（128:
200,128:
200）=1;
c=A&
B;
d=A|B;
e=not（A）;
f=not（B）;
subplot（2,3,1）,imshow（A）,title（'
原图像A'
）;
subplot（2,3,2）,imshow（B）,title（'
原图像B'
subplot（2,3,3）,imshow（c）,title（'
A&
B'
subplot（2,3,4）,imshow（d）,title（'
A|B'
subplot（2,3,5）,imshow（e）,title（'
not A'
subplot（2,3,6）,imshow（f）,title（'
notB'
2．读入图像Fig3.27（a）.jpg，设计模板对图像进行逻辑运算，使得结果分别如图Fig3.27（c）和Fig3.27（f）所示。
根据步骤1的原理，在“与”和“或”图像模板中，亮的表示二进制码1，黑的代表二进制码0。
模板处理可以作为一种对感兴趣区的处理。
我们用matlab进行编程，其结果如下图2所示：
图2
f=imread（'
H:
\实验二空域增强\Fig3.27（a）.jpg'
[m,n]=size（f）;
A=zeros（m,n）;
B=ones（m,n）;
A（3:
150,140:
230）=255;
B（3:
230）=0;
A=uint8（A）;
B=uint8（255*B）;
f=uint8（f）;
s=bitand（A,f）;
s1=bitor（B,f）;
subplot（2,3,1）,imshow（f）,title（'
原始图像'
subplot（2,3,2）,imshow（A）,title（'
模板A'
subplot（2,3,3）,imshow（s）,title（'
逻辑与'
subplot（2,3,4）,imshow（f）,title（'
subplot（2,3,5）,imshow（B）,title（'
模板B'
subplot（2,3,6）,imshow（s1）,title（'
逻辑或'
3．读入图像Fig3.30（a）.jpg，应用imnoise（f,'
gaussian'
）对其加入高斯噪声（均值为0，标准差为64灰度级），并运用for循环，分别将8、16、64、128幅加有噪声的图像进行相加并求其平均值，显示求平均后图像。
实验原理如下：
加并求其平均值，考虑一副将噪声
加入到原始图像
形成的带有噪声的图像，即
，假设每个坐标点
上的噪声都不相关且均值为零。
我们处理的目标就是通过人为加入一系列噪声图像
来减少噪声。
如果K幅不同的噪声图像取平均形成图像
，则
，
其中，在所有坐标点
上，
的期望值，
与
分别是
的方差。
在平均图像中任何一点的标准差为：
。
当K增加时，在各个
位置上像素值的噪声变化率将变小。
因为
，这就意味着随着在图像均值中噪声图像使用量的增加，
越来越趋近于
4将原图像与四幅多帧平均的图像进行减运算，并绘出相应的直方图。
两幅图像
的差异表示为：
图像的差异是通过计算这两幅图像所有对应像素点的差而得出的。
Fig3.30（a）.jpg'
g1=zeros（685,741）;
fori=1:
8
f1=imnoise（f,'
g1=imadd（double（f1）,g1）;
end
g1=uint8（g1/8）;
g2=zeros（685,741）;
16
g2=imadd（double（f1）,g2）;
g2=uint8（g2/16）;
g3=zeros（685,741）;
64
g3=imadd（double（f1）,g3）;
g3=uint8（g3/64）;
g4=zeros（685,741）;
128
g4=imadd（double（f1）,g4）;
g4=uint8（g4/128）;
subplot（2,2,1）,imshow（g1）,title（'
8'
subplot（2,2,2）,imshow（g2）,title（'
16'
subplot（2,2,3）,imshow（g3）,title（'
64'
subplot（2,2,4）,imshow（g4）,title（'
128'
figure,subplot（2,2,1）,imhist（f-g1）,title（'
subplot（2,2,2）,imhist（f-g2）,title（'
subplot（2,2,3）,imhist（f-g3）,title（'
subplot（2,2,4）,imhist（f-g4）,title（'
5.读入图像Fig3.35（a）.jpg，分别用3×
3、5×
5、9×
9、15×
15的均值滤波器对图像进行滤波处理，并在同一幅图像窗口中显示原图像及处理结果。
实验原理如下：
3×
3均值滤波器处理后的图像中每个像素点的值等于周围9个的均值，其它的均值滤波器类似的等于周围的像素点的均值。
通常在提取大的目标之前去除图像中一些琐碎的细节，桥接直线或曲线的缝隙。
程序如下：
Fig3.35（a）.jpg'
h1=fspecial（'
average'
3）;
p1=imfilter（f,h1,'
replicate'
h2=fspecial（'
5）;
p2=imfilter（f,h2,'
h3=fspecial（'
9）;
p3=imfilter（f,h3,'
h4=fspecial（'
15）;
p4=imfilter（f,h4,'
subplot（2,3,1）,imshow（f）;
title（'
subplot（2,3,2）,imshow（p1）;
3*3'
subplot（2,3,3）,imshow（p2）;
5*5'
subplot（2,3,4）,imshow（p3）;
9*9'
subplot（2,3,5）,imshow（p4）;
15*15'
6.读入图像Fig3.36（a）.jpg，用15×
15的均值滤波器对图像进行滤波处理，并用最大灰度值的25%作为阈值分割图像为二值图像，在同一幅图像窗口中显示原图像及处理结果。
原理同实验五。
Fig3.36（a）.jpg'
p2=im2bw（p1,0.25）;
subplot（2,2,1）,imshow（f）;
subplot（2,2,2）,imshow（p1）,title（'
均值滤波处理'
subplot（2,2,3）,imshow（f）;
subplot（2,2,4）,imshow（p2）;
阈值分割'
7.读入图像Fig3.37（a）.jpg，分别用3×
3的窗口进行均值滤波和中值滤波。
原理同实验五，中值滤波是处理后的图像的每个像素点的值等于周围几个像素点的中值。
Fig3.37（a）.jpg'
p2=medfilt2（f,[3,3],'
zeros'
imshow（f）;
均值滤波'
subplot（2,2,4）,imshow（p2）,title（'
中值滤波'
升级会员 