数字图像处理题库文档格式.docx
《数字图像处理题库文档格式.docx》由会员分享，可在线阅读，更多相关《数字图像处理题库文档格式.docx（14页珍藏版）》请在冰豆网上搜索。
旋转60图像'
imshow（K）;
旋转180图像'
5.选取一副图像eight.tif,进行离散傅里叶变换,将其中心移到零点,得到其离散傅里叶
变换。
参考例4.10
I1=fftshift（fft2（I））;
imshow（log（abs（I1））,[]）;
6.选取一副图像,进行离散傅里叶变换,再对其进行一定角度的旋转,进行离散傅里叶变
换.参考例4.6
I=zeros（255,255）;
I（100:
150,50:
200）=1;
I1=fftshift（abs（fft2（I）））;
I2=imrotate（I,60,'
'
crop'
I3=fftshift（abs（fft2（I2）））;
subplot（1,4,1）;
subplot（1,4,2）;
imshow（I1,[550]）;
傅立叶变换后的图像'
subplot（1,4,3）;
旋转90度后图像'
subplot（1,4,4）;
imshow（I3,[550]）;
傅立叶变换后的原始图像'
7.选取一副图像eight.tif,进行离散余弦变换,并对其进行离散余弦反变换。
参考例4.13I=imread（'
I1=dct2（I）;
I2=idct2（I1）/255;
余弦变换图像'
反余弦变换图像'
8.选取一副图像eight.tif,采用butterworth高通滤波器对图像进行高通滤波。
参考例5.7I=imread（'
[M,N]=size（I1）;
n=2;
d0=30;
n1=floor（M/2）;
n2=floor（N/2）;
forx=1:
M
fory=1:
N
d=sqrt（（x-n1）^2+（y-n2）^2）;
H=1/（1+（d0/d）^（2*n））;
I2（x,y）=H*I1（x,y）;
end
I2=ifftshift（I2）;
I3=real（ifft2（I2））;
imshow（I3）;
Butterworth高通滤波处理后的图像'
9.选择一副图像eight.tif,对灰度图像进行直方图均衡化处理。
K=16;
H=histeq（I,K）;
figure,
subplot（2,2,1）;
imshow（I,[]）;
subplot（2,2,2）;
imshow（H,[]）,holdon
subplot（2,2,3）,hist（double（I）,16）;
subplot（2,2,4）,hist（double（H）,16）;
10.选择一副图像eight.tif,对灰度图像采用均值滤波。
img=imread（'
imshow（img）;
原图'
img_noise=double（imnoise（img,'
salt&
pepper'
0.08））;
imshow（img_noise,[]）;
加噪点图'
img_deal=imfilter（img_noise,fspecial（'
average'
5））;
imshow（img_deal,[]）;
平滑图'
11.选择一副图像coins.png,对灰度图像,采用prewitt边缘算子和sobel算子对图像进行增
强处理。
coins.png'
img1=edge（img,'
prewitt'
img2=edge（img,'
sobel'
imshow（img1）;
imshow（img2）;
12.仿照matlab识别圆形物体例程,对coins.png图像进行处理。
threshold=graythresh（I）;
bw=im2bw（I,threshold）;
%removeallobjectcontainingfewerthan30pixels
bw=bwareaopen（bw,30）;
%fillagapinthepen'
scap
se=strel（'
disk'
2）;
bw=imclose（bw,se）;
%fillanyholes,sothatregionpropscanbeusedtoestimate
%theareaenclosedbyeachoftheboundaries
bw=imfill（bw,'
holes'
[B,L]=bwboundaries（bw,'
noholes'
%Displaythelabelmatrixanddraweachboundary
holdon
fork=1:
length（B）
boundary=B{k};
plot（boundary（:
2）,boundary（:
1）,'
w'
'
LineWidth'
2）
stats=regionprops（L,'
Area'
Centroid'
threshold=0.94;
%loopovertheboundaries
%obtain（X,Y）boundarycoordinatescorrespondingtolabel'
k'
%求周长
delta_sq=diff（boundary）.^2;
perimeter=sum（sqrt（sum（delta_sq,2）））;
%求面积
area=stats（k）.Area;
%求半径
metric=2*area/perimeter;
metric_string=sprintf（'
r=%2.2f'
metric）;
text（boundary（1,2）-35,boundary（1,1）+13,metric_string,'
Color'
y'
...
'
FontSize'
14,'
FontWeight'
bold'
求各个硬币的半径'
13.对灰度图像进行直线检测,参考例8.2
img1.bmp'
I=rgb2gray（I）;
bw=edge（I,'
log'
[H,T,R]=hough（bw）;
P=houghpeaks（H,5,'
threshold'
ceil（0.3*max（H（:
））））;
x=T（P（:
2））;
y=R（P（:
1））;
lines=houghlines（bw,T,R,P,'
FillGap'
5,'
MinLength'
10）;
imshow（bw）;
holdon;
max_len=0;
fork=1:
length（lines）
xy=[lines（k）.point1;
lines（k）.point2];
plot（xy（:
1）,xy（:
2）,'
2,'
g'
14.对图像eight.tif进行OSTU算法阈值分割,参考例8.4
i=imread（'
[width,height]=size（i）;
thresh=graythresh（i）;
bw=im2bw（i,thresh）;
15.对图像img3.bmp进行开运算和闭运算以及填充,参考例8.11
img3.bmp'
i=rgb2gray（i）;
bw=im2bw（i）;
6）;
bw=imopen（bw,se）;
bw=~bw;
16.识别图像中字的个数。
参考matlab例程CorrectingNonuniformIlluminationi=imread（'
img4.bmp'
bw=imdilate（bw,se）;
[labeled,numObjects]=bwlabel（bw,4）;
t=sprintf（'
字的个数是:
%d'
numObjects）;
title（t）;
17.两幅图像进行逻辑与、或,非运算
A=zeros（128）;
A（40:
67,60:
100）=1;
figure
（1）;
imshow（A）;
B=zeros（128）;
B（50:
80,40:
70）=1;
figure
（2）;
imshow（B）;
C=and（A,B）;
figure（3）;
imshow（C）;
D=or（A,B）;
figure（4）;
imshow（D）;
E=not（A）;
figure（5）;
imshow（E）;
18.对一副图像首先加入高斯噪声,然后通过减法运算提取噪声。
J=imnoise（I,'
gaussian'
0,0.02）;
K=imsubtract（I,J）;
%实现两幅图片相减
K1=255-K;
%将图片求反显示figure;
title（'
figure;
有噪声的图'
imshow（K1）;
提取的噪声'
19.已知一副图像coins.png,对图像进行水平镜像
[M,N]=size（I）;
g=zeros（M,N）;
fori=1:
forj=1:
g（i,j）=I（i,N-j+1）;
subplot（121）;
imshow（I）;
subplot（122）;
imshow（uint8（g））;
水平镜像'
20.已知一副图像coins.png,对图像进行垂直镜像
g（i,j）=I（M-i+1,j）;
垂直镜像'
21.已知一副图像coins.png,对图像缩小一倍
J=imresize（I,0.5）;
figure,imshow（I）;
原图像'
figure,imshow（J）;
缩小一倍的图像'
22.已知一副图像coins.png,采用最近邻法对图像放大一倍
J=imresize（I,2,'
nearest'
放大一倍的图像'
23.已知一副图像coins.png,对图像进行反转。
Img1=imread（'
figure,imshow（Img1）;
originalimage'
Img2=imcomplement（Img1）;
figure,imshow（Img2）;
negativeimage'
24.对图像coins.png进行直方图均衡化并显示原图像和均衡化后的图像以及直方图I=imread（'
H=histeq（I）;
figure,subplot（2,2,1）,imshow（I,[]）
subplot（2,2,2）,imshow（H,[]）,holdon
subplot（2,2,3）,hist（double（I））,subplot（2,2,4）,hist（double（H））
25.对一副图像coins.png加入椒盐噪声,然后采用局部3X3的模板进行平滑处理。
imshow（img）;
0.06））;
imshow（img_noise,[]）;
img_smoothed=imfilter（img_noise,fspecial（'
3））;
imshow（img_smoothed,[]）;
26.对一副图像coins.png加入高斯噪声,然后采用局部5X5的模板进行平滑处理。
0.02））;
27.已知一副图像coins.png,进行sobel边缘检测,显示原图和边缘检测图。
subplot（121）,imshow（I）;
subplot（122）,imshow（bw）;
Sobel算子'
28.已知一副图像coins.png,进行prewitt边缘检测,显示原图和边缘检测图。
prewitt算子'
29.已知一副图像coins.png,进行robert边缘检测,显示原图和边缘检测图。
roberts'
robert算子'
30.已知一副图像coins.png,进行高斯-拉普拉斯边缘检测,显示原图和边缘检测图。
高斯-拉普拉斯算子'
31.已知一副图像coins.png,显示其直方图和原图像。
subplot（122）,imhist（I）;
直方图'
32.已知一个图像coins.png,对图像进行腐蚀运算,输出原图和结果图.
se1=strel（'
5）;
bw=imerode（I,se1）;
腐蚀后的图像'
33.已知一个图像coins.png,对图像进行膨胀运算,输出原图和结果图
se2=strel（'
line'
5,90）;
bw=imdilate（I,se2）;
膨胀后的图像'
34.已知一个图像coins.png,对图像进行开运算,输出原图和结果图
bw=imopen（I,se）;
开运算后的图像'
35.已知一个图像coins.png,对图像进行闭运算,输出原图和结果图
bw=imclose（I,se）;
闭运算后的图像'
36.已知一个图像coins.png,求其右上角方块的灰度均值,以及该区域的灰度最大值和最小
值
coins.png'
%读取图像
I=double（I）;
%转换成double型
[m,n]=size（I）;
%获取图像的高度m和宽度n
mw=round（m/2）;
%得到高度的一半mw
mh=round（n/2）;
%得到宽度的一半mh
sumg=0.0;
%变量初始化
mw
forj=mh:
n%二重循环计算右上角灰度值之和
sumg=sumg+I（i,j）;
avg=sumg/（mw*mh）%计算图像右上角灰度值的均值
maxg=max（max（I（1:
mw,mh:
n）））%计算得到图像右上角灰度值的最大值ming=min（min（I（1:
n）））%计算得到图像右上角灰度值的最小值37.已知一个图像coins.png,求其左下角方块的灰度均值,以及该区域的灰度最大值和最小
fori=mw:
m
mh%二重循环计算左下角灰度值之和
avg=sumg/（mw*mh）%计算图像左下角灰度值的均值
maxg=max（max（I（mw:
m,1:
mh）））%计算得到图像左下角灰度值的最大值ming=min（min（I（mw:
mh）））%计算得到图像左下角灰度值的最小值38.已知一个图像coins.png,求其右下角方块的灰度均值,以及该区域的灰度最大值和最小
%转换
升级会员 