数字图像处理实验报告Word格式.docx
《数字图像处理实验报告Word格式.docx》由会员分享，可在线阅读，更多相关《数字图像处理实验报告Word格式.docx（18页珍藏版）》请在冰豆网上搜索。
书写程序时，首先读取图像，一般调用matlab自
带的图像，女口:
cameraman图像；
再调用相应的直方图函数，设置参数；
最后输出处理后
的图像；
3•浏览源程序并理解含义；
4.运行，观察显示结果；
5.结束运行，退出；
6.
原始图像直方图
实验结果：
观察图像matlab环境下的直方图分布。
（a）原始图像（b）
六.实验报告要求
1、给出实验原理过程及实现代码：
coins.png'
）;
）%在原始图像中加标题subplot（1,2,2）,imhist（l）%输出原图直方图
2、输入一幅灰度图像，给出其灰度直方图结果，并进行灰度直方图分布原理分析。
1.23*3均值滤波
1.熟悉matlab图像处理工具箱及均值滤波函数的使用；
2.理解和掌握3*3均值滤波的方法和应用；
2.软件matlab
在matlab环境中，程序首先读取图像，然后调用图像增强（均值滤波）函数，设置相关参数，再输出处理后的图像。
I=imread（'
figure,imshow（l）;
J=filter2（fspecial（‘average'
3）,l）/255;
figure,imshow（J）;
1.启动matlab
双击桌面matlab图标启动matlab环境；
再调用相应的图像增强（均值滤波）函数，设置参数；
最后输出处理后的图像；
5.实验结果：
观察matlab环境下原始图像经3*3均值滤波处理后的结果。
六•实验报告要求
输入一幅灰度图像，给出其图像经3*3均值滤波处理后的结果，然后对每一点的灰度值
和它周围24个点，一共25个点的灰度值进行均值滤波，看看对25个点取均值与对9个点
取中值进行均值滤波有什么区别？
有没有其他的算法可以改进滤波效果。
1.33*3中值滤波
一.实验目的
1•熟悉matlab图像处理工具箱及中值滤波函数的使用;
2.理解和掌握中值滤波的方法和应用；
二.实验设备：
1.PC机一台；
2.软件matlab
2.程序设计
在matlab环境中，程序首先读取图像，然后调用图像增强（中值滤波）函数，设置相关参数，再输出处理后的图像。
figure,imshow（l）;
J=medfilt2（l,[5,5]）;
四.实验步骤
再调用相应的图像增强（中值滤波）函数，设置参数；
4.运行，观察显示结果;
5.实验结果
观察matlab环境下原始图像经3*3中值滤波处理后的结果。
和它周围24个点，一共25个点的灰度值进行排序后取中值，然后该点的灰度值取中值。
看对25个点取中值与对9个点取中值进行中值滤波有什么区别?
1.4图像的缩放
1.熟悉matlab图像处理工具箱及图像缩放函数的使用；
2•掌握图像缩放的方法和应用；
在matlab环境中，程序首先读取图像，然后调用图像缩放函数，设置相关参数，再输出处理后的图像。
scale=0.5;
J=imresize（I,scale）;
figure,imshow（J）;
再调用相应的图像缩放函数，设置参数；
最后输出处理后的图像；
3•浏览源程序并理解含义；
五•实验结果
观察matlab环境下图像缩放后的结果。
数字图像的离散余弦变换
1.验证二维傅里叶变换的平移性和旋转不变性；
2.实现图像频域滤波，加深对频域图像增强的理解；
2.实验设备
2.软件matlab；
3.实验内容及步骤
（1）产生如图3.1所示图像fi（x,y）（128X128大小，暗处=0，亮处=255）,用MATLAB
中的fft2函数对其进行FFT:
①同屏显示原图f1和FFT（f1）的幅度谱图;
②若令f2（x,y）=（_1）"
f'
x,y），重复以上过程，比较二者幅度谱的异同，简述理由;
③若将f2（x,y）顺时针旋转
45度得到f3（x,y），试显示FFT（f3）的幅度谱，并与FF"
）
的幅度谱进行比较。
f1（（64-30）:
（63+30）,（64-10）:
（63+10））=1;
%FFT变换
fft_f1=log（1+abs（fftshift（fft2（f1））））;
figure;
subplot（121）;
imshow（f1）;
lmagef1'
subplot（122）;
imshow（fft_f1,[]）;
FFTf1'
2.%计算f2
f2=zeros（128,128）;
fori=1:
128;
forj=1:
f2（i,j）=（（-1）F+j））*f1（i,j）;
end
fft_f2A=log（1+abs（fft2（f2）））;
fft_f2B=log（1+abs（fftshift（fft2（f2））））;
subplot（131）;
imshow（f2）;
lmagef2'
subplot（132）;
imshow（fft_f2B,[]）;
FFTf2'
subplot（133）;
imshow（fft_f2A,[]）;
FFTf2WithoutFFTShift'
分析：
根据傅里叶变换对的平移性质：
f（x,y）ej2m/MWF（u-u0,v-v。
）；
当Uo=M/2且V。
=N/2时，有：
j2二（uox/MVoy/N）j7：
（xy）
ee（-1）
因此可得到：
f（X,y）（-1）xy=F（u-M/2,v-N/2）所以，FFT（f2（x,y））就是FFT（f^x,y））频谱中心化后的结果。
3.%计算f3
f3=imrotate（f2,-45,'
nearest'
fft_f3=log（1+abs（fftshift（fft2（f3））））;
imshow（f3）;
lmagef3'
subplot（122）;
imshow（fft_f3,[]）;
FFTf3'
Imagef3
（2）对如图3.2所示的数字图像lena.img（256x256大小、256级灰度）进行频域的理想低通、高通滤波，同屏显示原图、幅度谱图和低通、高通滤波的结果图。
subplot（1,2,1）
imagesc（data）;
图3.2实验图象lena.img
colormap（gray）;
title（'
LENA'
'
Color'
T）;
fft_lena=fft2（data）;
f=fftshift（fft_lena）;
fori=1:
256forj=1:
256
ifsqrt（（i-128）A2+（j-128）A2）>
30f（i，j）=0;
subplot（1,2,2）;
[x,y]=meshgrid（1:
1:
256）;
surf（x,y,f）
SO100ISO如2S0ofl
高通滤波：
fid=fopen（'
D:
\matlab7\image\lena.img'
r'
data=（fread（fid,[256,256],'
uint8'
））'
;
subplot（1,2,1）imagesc（data）;
fft_lena=fft2（data）;
ifsqrt（（i-128）A2+（j-128）A2）<
2
f（i,j）=0;
50
100
ISO
200
250
50IDO150200250
基于直方图均衡化的图像增强
1•了解空间域图像增强的各种方法（点处理、掩模处理）；
2•掌握采用直方图均衡化进行图像增强的方法；
3.使用邻域平均法编写程序实现图像增强，进一步掌握掩模法及其改进（加门限法）消除噪声的原理；
对如图3.1所示的两幅128X128、256级灰度的数字图像fing_128.img和cell_128.img进行如下处理：
图3.1实验图像
（1）对原图像进行直方图均衡化处理，同屏显示处理前后图像及其直方图，比较异同,
并回答为什么数字图像均衡化后其直方图并非完全均匀分布。
指纹图像：
fing_128.img'
im=（fread（fid,[128,128],'
im=uint8（im）;
subplot（221）;
imshow（im）;
subplot（222）;
imh=histeq（im）;
%直方图均衡化imshow（imh）;
subplot（223）;
imhist（im）;
subplot（224）;
imhist（imh）;
显微医学图像：
cell_128.img'
由于数字图像中像素的灰度值取值是离散和不连续的，因而变换后的像素
灰度值在计算中出现了归并现象，所以变换后的直方图并不是呈完全均匀分布的。
（2）对原图像加入点噪声，用4-邻域平均法平滑加噪声图像（图像四周边界不处理,
同），同屏显示原图像、加噪声图像和处理后的图像。
1不加门限；
11
2加门限T二一f（m,n），（其中f（m,n）2二二f（i,j））
2N2ij
代码：
fid=fopen（'
fing_128.img'
im=（fread（fid,[128,128],'
））;
im=im2double（uint8（im））;
J=imnoise（im,'
gaussian'
%加入高斯噪声
w=[00.250;
0.2500.25;
00.250];
im_L=filter2（w,J）;
%四邻域平滑
%加门限后滤波
T=2*sum（J（:
））/128A2;
im_T=zeros（128,128）;
128
ifabs（J（i,j）-im_L（i,j））>
Tim_T（i,j）=im_L（i,j）;
else
im_T（i,j）=J（i,j）;
subplot（2,2,1）;
lmage'
subplot（2,2,2）;
imshow（J）;
Noise'
subplot（2,2,3）;
imshow（im_L）;
subplot（2,2,4）;
imshow（im_T）;
对高斯噪声的处理效果：
对脉冲噪声的处理效果:
图像分割（常见的边缘检测算子
Sobel、Prewitt、Log）
1•熟悉matlab图像处理工具箱及图像边缘检测函数的使用；
2.理解和掌握图像边缘检测（Sobel、Prewitt、Log边缘算子）的方法和应用；
2.软件matlab;
在matlab环境中，程序首先读取图像，然后调用图像边缘检测（Sobel、Prewitt、Log边缘算子）函数，设置相关参数，再输出处理后的图像。
J仁edge（l,'
sobel'
J2=edge（l,'
prewitt'
J3=edge（I,'
log'
subplot（1,4,1）,imshow（l）;
subplot（1,4,2）,imshow（J1）;
subplot（1,4,3）,imshow（J2）;
subplot（1,4,4）,imshow（J3）;
再调用相应的边缘检测（Sobel边缘算子、Prewitt边
缘算子、Log边缘算子）函数，设置参数；
最后输出处理后的图像;
5.结束运行，退出;
Sobel、Prewitt、Log边缘算子）后的结果
fid=fopen（'
lena.img'
丫'
im=（fread（fid,[256,256],'
im_R=edge（im,'
Roberts'
im_P=edge（im,'
Prewitt'
im_S=edge（im,'
Sobel'
im_L=edge（im,'
Log'
colormap（gray）;
subplot（321）;
源图像'
subplot（323）;
imshow（im_R）;
Roberts检测'
subplot（324）;
imshow（im_P）;
Prewitt检测'
subplot（325）;
imshow（im_S）;
Sobel检测'
subplot（326）;
Log检测'
源图像
Roberts检测
Prewitt检测
Sobe检测
Log检测
升级会员 