数字图像处理实验作业及代码Word下载.docx
《数字图像处理实验作业及代码Word下载.docx》由会员分享，可在线阅读，更多相关《数字图像处理实验作业及代码Word下载.docx（23页珍藏版）》请在冰豆网上搜索。
figure,plot（r,s1）,title（'
变换函数一'
figure,imshow（a2）,title（'
改后二'
figure,imhist（a2）,title（'
改后直方图二'
figure,plot（r,s2）,title（'
变换函数二'
imwrite（a1,'
改后rice一.jpg'
imwrite（a2,'
改后rice二.jpg'
b=imread（'
kids.tif'
figure,imshow（b）,title（'
b=double（b）/256;
figure,imhist（b）;
title（'
s1=r.^0.6;
s2=r.^0.4;
s3=r.^0.3;
b1=imadjust（b,[],[],0.6）;
b2=imadjust（b,[],[],0.4）;
b3=imadjust（b,[],[],0.3）;
figure,imshow（b1）,title（'
figure,imhist（b1）,title（'
figure,imshow（b2）,title（'
figure,imhist（b2）,title（'
figure,imshow（b3）,title（'
改后三'
figure,imhist（b3）,title（'
改后直方图三'
figure,plot（r,s3）,title（'
变换函数三'
imwrite（b1,'
改后kids一.jpg'
结论：
不同的灰度变换对最终图像的影响效果是不同的。
通过matlab灰度变化可以增加图像亮度，提高对比度，使视觉效果更好。
数字图像处理—实验二
源代码：
I1=imread（'
mountain.jpg'
[J1,T1]=histeq（I1,256）;
figure,subplot（2,3,1）,imshow（I1）,title（'
subplot（2,3,2）,imhist（I1）,title（'
原图直方图'
subplot（2,3,4）,imshow（J1）,title（'
均衡化后图像'
subplot（2,3,5）,imhist（J1）,title（'
均衡化后直方图'
subplot（2,3,6）,plot（T1）,title（'
变换函数'
I2=uint8（I1）;
r=0:
1:
255;
n=（[r<
=5].*r*1400+[r>
5].*[r<
=20].*（7000-r*310）+[r>
20].*[r<
=180].*（900-r*5）...
+[r>
180].*[r<
=225].*（r*8-1440）+[r>
225].*[r<
=255].*（3060-r.*12））;
[J2,T2]=histeq（I2,n）;
figure,subplot（2,3,1）,imshow（I2）,title（'
subplot（2,3,2）,imhist（I2）,title（'
subplot（2,3,4）,imshow（J2）,title（'
规定化后图像'
subplot（2,3,5）,imhist（J2）,title（'
规定化后直方图'
subplot（2,3,6）,plot（T2）,title（'
I3=im2double（I1）;
[mn]=size（I3）;
r1=zeros（1,256）;
p=r1;
s1=r1;
s2=r1;
a=0;
fork=1:
256
fori=1:
m
forj=1:
n
if（I3（i,j）==（（k-1）/255））;
r1（k）=r1（k）+1;
end
end
p（k）=r1（k）/65536;
s1（k）=a+p（k）;
a=s1（k）;
s2（k）=round（s1（k）/（1/255））/255;
end
t=0;
t=t+1;
if（k==256||s2（k）~=s2（k+1））
if（I3（i,j）>
=（k-t）/255&
&
I3（i,j）<
=（k-1）/255）
I4（i,j）=s2（k）;
t=0;
I3=mat2gray（I3）;
I4=mat2gray（I4）;
figure,subplot（2,3,1）,imshow（I3）,title（'
subplot（2,3,2）,imhist（I3）,title（'
subplot（2,3,4）,imshow（I4）;
自编函数均衡化'
subplot（2,3,5）;
imhist（I4）;
自编函数均衡化后直方图'
subplot（2,3,6）,plot（s1）,title（'
处理前后图像：
直方图均衡化通过使用累积函数对灰度值进行“调整”以实现对比度的增强，
通常用来增加许多图像的局部对比度，尤其是当图像的有用数据的对比度相当接近的时候。
通过这种方法，亮度可以更好地在直方图上分布。
这样就可以用于增强局部的对比度而不影响整体的对比度。
数字图像处理—实验三
closeall;
I=imread（'
test3_1.jpg'
I=im2double（I）;
tic
J=nlfilter（I,[55],@mean2）;
toc
T=nlfilter（I,[55],@std2）;
figure
（1）,subplot（2,3,1）,imshow（I）,title（'
原始图像'
subplot（2,3,2）,imshow（J）,title（'
邻域均值图像'
subplot（2,3,3）,imshow（T）,title（'
邻域均值标准差图像'
imwrite（J,'
nlfilterl滤波后.jpg'
I=imnoise（I,'
gaussian'
0,0.02）;
subplot（2,3,4）,imshow（I）,title（'
加噪图像'
subplot（2,3,5）,imshow（J）,title（'
加噪邻域均值图像'
subplot（2,3,6）,imshow（T）,title（'
加噪邻域均值标准差图像'
加噪nlfilterl滤波后.jpg'
I2=imread（'
test3_2.jpg'
J2=im2double（I2）;
ave=fspecial（'
average'
5）;
J2=filter2（ave,J2）;
J3=medfilt2（J2,[55]）;
J4=nlfilter（J2,[55],@mean2）;
figure
（2）,subplot（2,2,1）,imshow（I2）,title（'
subplot（2,2,2）,imshow（J2）,title（'
filter2处理后图像'
subplot（2,2,3）,imshow（J3）,title（'
medfilt2处理后图像'
subplot（2,2,4）,imshow（J4）,title（'
nlfilter处理后图像'
imwrite（J2,'
filter2滤波后.jpg'
imwrite（J3,'
medfilt2滤波后.jpg'
imwrite（J4,'
nlfilter滤波后
（2）.jpg'
F=midf（I2,3,3）;
figure（3）,subplot（1,2,1）,imshow（I2）,title（'
滤波前'
subplot（1,2,2）,imshow（F）,title（'
中值滤波后'
imwrite（F,'
自编中值滤波后.jpg'
调用函数一：
functionmid=middle（F1）%求窗口元素的中值
[m,n]=size（F1）;
x=m*n;
y=m*n;
k=0;
fori=1:
k=k+1;
x（k）=F1（i,j）;
%组成一维数组
end
y
k=i;
forj=i+1:
ifx（j）<
x（k）
k=j;
ifk~=i
t=x（k）;
x（k）=x（i）;
x（i）=t;
mid=x（ceil（y/2））;
functionave=midf（F,m,n）
[X,Y]=size（F）;
fori=ceil（m/2）:
X-fix（m/2）
forj=ceil（n/2）:
Y-fix（n/2）
F1=F（i-fix（m/2）:
i+fix（m/2）,j-fix（n/2）:
j+fix（n/2））;
%扣出窗口内的元素组成一矩阵
F（i,j）=middle（F1）;
%求该矩阵的中值
ave=uint8（F）;
平滑技术用于平滑图像的噪声，平滑噪声可以在空间域中进行，基本方法是求像素灰度的平均值或中值。
但是这些很容易引起边缘的模糊，常用的有均值滤波、中值滤波，在使用时，针对不同的噪声，也需要不同的滤波法，没有哪种方法是绝对好，必须具体情况具体分析。
数字图像处理—实验四
cameraman.tif'
a=im2double（a）;
figure;
subplot（1,3,1）;
imshow（a）;
inputimage'
h1=fspecial（'
sobel'
MotionBlur1=imfilter（a,h1）;
subplot（1,3,2）;
imshow（MotionBlur1）;
sobel-MotionBlurredImage'
h2=fspecial（'
Laplacia'
0）;
MotionBlur2=imfilter（a,h2）;
subplot（1,3,3）;
imshow（MotionBlur2）;
Laplacia-MotionBlurredImage'
figure（'
name'
'
直接输入算子锐化处理'
NumberTitle'
Off'
dx=[-1-2-1;
000;
121];
dy=[-101;
-202;
-101];
d=（dx.^2+dy.^2）.^0.5;
MotionBlur3=imfilter（a,d）;
imshow（MotionBlur3）;
sobel-directinput-MotionBlurredImage'
l=[0-10;
-14-1;
0-10];
MotionBlur4=imfilter（a,l）;
imshow（MotionBlur4）;
Laplacia-directinput-MotionBlurredImage'
a=imread（'
skeleton.jpg'
L=[-1-1-1;
-18-1;
-1-1-1];
MotionBlur1=imfilter（a,L）;
对角线Laplacian算子'
MotionBlur2=MotionBlur1+a;
叠加后图形'
subplot（2,3,1）;
h2=imfilter（a,h1）;
subplot（2,3,2）;
imshow（h2）;
MotionBlur3=imfilter（h2,[55]）;
subplot（2,3,3）;
sobel-领域平均'
MotionBlur4=imsubtract（MotionBlur2,h2）;
subplot（2,3,4）;
相乘图象'
MotionBlur5=MotionBlur4+a;
imshow（MotionBlur5）;
与原始图叠加后图形'
MotionBlur6=imadjust（MotionBlur5,[],[],0.2）;
subplot（2,3,6）;
imshow（MotionBlur6）;
幂指数为0.2的灰度变换'
a1=imread（'
cell.jpg'
a=im2double（a1）;
f=double（a1）;
[m,n]=size（f）;
m
n
ifi==m
G（i,j）=G（i-1,j）;
elseifj==n
G（i,j）=G（i,j-1）;
else
G（i,j）=abs（f（i,j）-f（i+1,j+1））+abs（f（i+1,j）-f（i,j+1））;
Z=f;
fori=4:
8
k=find（G>
=i）;
Z（k）=255;
q=find（G<
i）;
Z（q）=0;
subplot（2,3,1）;
subplot（2,3,i-2）;
imshow（Z）;
title（['
门限T为'
num2str（i）]）;
end;
Sobel对噪声的增强作用小，具有一定的平滑特性和方向特性，处理后的图象边界比较粗略，反映边界信息较少，但反映的边界比较清晰。
Laplacian算子对噪声的增强作用较大，处理后的图象边缘较sobel弱，反映的边界信息不是太清晰。
原图像经叠加,增强了噪声,但处理后的图像细节部分比原图像清晰。
.经线性滤波处理后，去除噪声的同时使图象的边缘变得模糊了。
实验小结：
通过对数字图像处理这门课的学习及matlab上机的实验操作，虽然学习不很深入，但我也算认识到了对图像基本的变换方式。
我们知道图像处理是对图像进行加工，从而满足人类的心理、视觉或应用需求的一种行为。
而很多图像由于生成时更方面的干扰，使得图像并不如人们所期望的那样清晰和便于分析，这就需要对图像进行后期的处理，如去噪，增加亮度或对比度，减小亮度或对比度，以达到更符合人们需求的图像。
而Matlab四个实验的学习则有效地实现了部分功能。
初学matlab，知道了它是一种基于矩阵数值计算的软件，实际操作中应该充分认识到这一点。
对图像进行处理的时候，还有多方面的因素要考虑，像图像用imread读取的时候，图像的保存路径是否正确，读取的图像是不是bmp格式的，处理后的像素值是不是在0~255之间等，期间犯了很多错误，也改了很多错误，虽然课时不长，但的确学到了很多。
从四个小实验及课堂的学习也可以想象得到图像数字处理的大应用。
在航空航天技术、生物医学工程、通信工程、军事、文化艺术和电子商务方面大有可为，初学的我们，所了解的只是九牛一毛。
希望今后能再进行深入的学习，通过学习达到更深入的目的。
升级会员 