东北大学matlab计算机图像处理实验报告.docx
《东北大学matlab计算机图像处理实验报告.docx》由会员分享，可在线阅读，更多相关《东北大学matlab计算机图像处理实验报告.docx（21页珍藏版）》请在冰豆网上搜索。
东北大学matlab计算机图像处理实验报告
计算机图像处理实验报告
学院：
信息学院
班级：
姓名：
学号：
实验内容：
数字图像处理
1、应用MATLAB语言编写显示一幅灰度图像、二值图像、索引图像及彩色图像的程序，并进行相互之间的转换；
（1）、显示一副真彩RGB图像
代码：
I=imread（'mikasa.jpg'）;
>>imshow（I）;
效果：
（2）、RGB转灰度图像
代码：
graycat=rgb2gray（I）;
>>subplot（1,2,1）;
>>subimage（I）;
>>subplot（1,2,2）;
>>subimage（graycat）;
效果：
（3）、RGB转索引图像
代码：
[indcat,map]=rgb2ind（I,0.7）;
>>subplot（1,2,1）;
>>subimage（I）;
>>subplot（1,2,2）;
>>subimage（indcat,map）;
效果：
（4）、索引图像转RGB
代码：
I1=ind2rgb（indcat,map）;
>>subplot（1,2,1）;
>>subimage（indcat,map）;
>>subplot（1,2,2）;
>>subimage（I1）;
效果：
（5）、索引转灰度图像
代码：
i2gcat=ind2gray（indcat,map）;
>>subplot（1,2,1）;
>>subimage（indcat,map）;
>>subplot（1,2,2）;
>>subimage（i2gcat）;
效果：
（6）、灰度转索引图像
代码：
[g2icat,map]=gray2ind（graycat,64）;
>>subplot（1,2,1）;
>>subimage（graycat）;
>>subplot（1,2,2）;
>>subimage（g2icat,map）;
效果：
（7）、RGB转二值图像
代码：
r2bwcat=im2bw（I,0.5）;
>>subplot（1,2,1）;
>>subimage（I）;
>>subplot（1,2,2）;
>>subimage（r2bwcat）;
效果：
（8）灰度转二值图像
代码：
g2bwcat=im2bw（graycat,0.5）;
subplot（1,2,1）;
>>subimage（graycat）;
>>subplot（1,2,2）;
>>subimage（g2bwcat）;
效果：
（9）、索引转二值图像
代码：
>>i2bwcat=im2bw（indcat,map,0.7）;
>>subplot（1,2,1）;
>>subimage（indcat,map）;
>>subplot（1,2,2）;
>>subimage（i2bwcat）;
效果：
2、应用MATLAB工具箱演示一幅图像的傅里叶变换、离散余弦变换，观察其频谱图。
然后将它们进行逆变换，观察逆变换后的图像；
（1）傅里叶正变换
代码：
F=fft2（graycat）;
>>subplot（1,2,1）;
subimage（graycat）;
>>subplot（1,2,2）;
>>subimage（log（abs（F））,[3,10]）;
效果：
（2）傅里叶反变换
代码：
IF=ifft2（F）;
>>subplot（1,2,1）;
>>subimage（log（abs（F））,[3,10]）;
>>subplot（1,2,2）;
subimage（uint8（IF））;
效果：
（3）DCT变换
代码：
B=dct2（graycat）;
>>subplot（1,2,1）;
>>subimage（graycat）;
>>subplot（1,2,2）;
>>subimage（log（abs（B））,[3,5]）;
效果：
（4）iDCT变换
代码：
iB=idct2（B）;
>>subplot（1,2,1）;
>>subimage（log（abs（B））,[3,5]）;
>>subplot（1,2,2）;
>>subimage（uint8（iB））;
效果：
3.应用MATLAB语言编程来实现一幅图像的增强。
（1）取一幅灰度图像，对其进行线性点运算，要求：
要求线性函数为Y=aX+b，
（a,b）分别取（1.5,1.2）、（0.7,1.2），分析变化后图像，并分析直方图。
代码：
graycat=double（graycat）;
>>graycat1=1.5*graycat+1.2;
>>subplot（2,2,1）;
>>subimage（uint8（graycat））;
>>subplot（2,2,2）;
>>imhist（uint8（graycat））;
>>subplot（2,2,3）;
>>subimage（uint8（graycat1））;
>>subplot（2,2,4）;
>>imhist（uint8（graycat1））;
效果：
代码2：
graycat=double（graycat）;
>>graycat1=0.7*graycat+1.2;
>>subplot（2,2,1）;
>>subimage（uint8（graycat））;
>>subplot（2,2,2）;
>>imhist（uint8（graycat））;
>>subplot（2,2,3）;
>>subimage（uint8（graycat1））;
>>subplot（2,2,4）;
>>imhist（uint8（graycat1））;
效果：
分析：
a=0.7时，图像对比度减小，输出灰度值范围减小
a=1.5时，图像对比度增大，输出灰度值范围增大
（2）取一幅灰度图像，对其进行直方图均衡化处理，再对其进行规定化处理，并对结果进行分析。
代码：
graycat=uint8（graycat）;
>>eqcat=histeq（graycat）;
>>subplot（2,2,1）;
>>subimage（graycat）;
>>subplot（2,2,2）;
>>imhist（graycat）;
>>subplot（2,2,3）;
>>subimage（eqcat）;
>>subplot（2,2,4）;
>>imhist（eqcat）;
效果：
规定化代码：
hgram=50:
2:
250;
speciacat=histeq（graycat,hgram）;
>>subplot（2,2,1）;subimage（graycat）;
>>subplot（2,2,2）;imhist（graycat）;
>>subplot（2,2,3）;subimage（speciacat）;
>>subplot（2,2,4）;imhist（speciacat）;
效果：
分析：
图像均衡化将一已知灰度概率密度分布的图像经过某种变换，变成一幅具有均衡灰度概率密度分布的新图像，其扩展了象元取值的动态范围，从而达到增强图像整体对比度。
直方图规定化能自动增强整个图像的对比度，但具体效果不容易控制，处理结果总是得到全局的均衡化直方图。
思考题：
如果将一幅图像进行一次直方图均衡化处理后，再进行一次直方图均衡化处理，结果会发生变化吗？
观察两次均衡化的直方图是否一样。
答：
A=imread（'mikasa.jpg'）;
B=rgb2gray（A）;
I=histeq（B）;%第一次均衡化
I1=histeq（I）;%第二次均衡化
subplot（121）;
imshow（I1）;
subplot（122）;
imhist（I1）
从图可知2次结果相同，先直方图均衡了，就相当于所有的灰度级上的像素点数目相同，无论你再进行多少次直方图均衡，他始终都不再变化，因为第一次就已经均衡了。
（3）取一幅灰度图像，加入噪声后对其进行平滑滤波（均值滤波、中值滤波），并观察不同滤波方式下的效果。
代码：
noisecat=imnoise（graycat,'salt&pepper'）;
avecat=filter2（fspecial（'average',3）,noisecat）/255;
>>medcat=medfilt2（noisecat,[3,3]）;
>>subplot（2,2,1）;subimage（graycat）;title（'原图'）;
>>subplot（2,2,2）;subimage（noisecat）;title（'加噪声图'）;
>>subplot（2,2,3）;subimage（avecat）;title（'均值平滑图'）;
>>subplot（2,2,4）;subimage（medcat）;title（'中值滤波图'）;
效果：
分析：
均值滤波效果与所使用领域半径大小有关，半径越大，像素点越多，信噪比提高越大，平衡效果越好，但是平滑图像的模糊程度越大。
中值滤波时一种非线性滤波，可以克服线性滤波所带来的图像细节模糊，对滤波脉冲干扰及颗粒噪声最有效。
（4）取一幅灰度图像，采用不同的算子对其进行边缘锐化，并分析结果。
代码：
sobelcat=filter2（fspecial（'sobel'）,graycat）;
prewittcat=filter2（fspecial（'prewitt'）,graycat）;
laplaciancat=filter2（fspecial（'laplacian'）,graycat）;
subplot（2,2,1）;subimage（graycat）;title（'原图'）;
subplot（2,2,2）;subimage（sobelcat）;title（'sobel猫'）;
subplot（2,2,3）;subimage（prewittcat）;title（'prewitt猫'）;
subplot（2,2,4）;subimage（laplaciancat）;title（'laplacian猫'）;
效果：
分析：
sobel算子：
对称的一阶差分，对中心加权具有一定的平滑作用
Prewitt算子：
一种一阶微分算子的边缘检测，利用像素点上下，左右邻点的灰度差，在边缘处达到极值检测边缘，去掉部分伪边缘，对噪声具有平滑作用
Laplacian算子：
二次微分算子，满足不同走向的图像边缘锐化要求，对噪声的增强作用较弱，一半用它进行边缘增强时，有必要将图像先进行平滑处理。
思考题：
为了达到边缘锐化的反差增强效果，实际应用中将高频增强和直方图均衡化结合起来使用，这两个操作的次序能互换吗？
效果一样吗？
答：
I=imread（'mikasa.jpg'）;
I=rgb2gray（I）;
subplot（241）,imshow（I）;title（'原始图像'）;
I1=[0,-1,0;-1,5,-1;0,-1,0];
I3=imfilter（I,I1）;
subplot（242）,imshow（uint8（I3））;title（'拉普拉斯算子锐化图像'）;
h=ones（size（I3））;
[f1,f2]=freqspace（size（I3）,'meshgrid'）;
r=sqrt（f1.^2+f2.^2）;
h（r<0.3）=0;
Y=fft2（double（I3））;
Y=fftshift（Y）;
升级会员 