图形图像处理实验文档格式.docx
《图形图像处理实验文档格式.docx》由会员分享，可在线阅读，更多相关《图形图像处理实验文档格式.docx（25页珍藏版）》请在冰豆网上搜索。
2.1用Matlab程序说明实际数字图像量化特点。
clc;
clear;
W=16;
kids.tif'
s=size（I）;
J=I（s
（1）/2-W/2:
s
（1）/2+W/2-1,s
（2）/2-W/2:
s
（2）/2+W/2-1）
K=I（2*W:
s
（1）-W,2*W:
s
（2）-5*W）;
figure,imshow（K）;
实验三图像变换
1）了解图像正变换和逆变换的原理
2）理解图像变换的系数特点
3）掌握常用图像变换的实现过程
4）掌握图像的频谱分析方法
5）了解图像变换在图像数据压缩等方面的应用
1）二维离散傅立叶变换、余弦变换、小波变换的正逆变换公式。
2）Matlab中变换的实现函数。
3）讨论正交变换的应用。
3.1应用Matlab实现图像的傅立叶变换。
pout.tif'
F1=fft2（I）;
figure,imshow（log（abs（F1）+1）,[010]）;
F2=fftshift（F1）;
figure,imshow（log（abs（F2）+1）,[010]）;
原始图像图像的频谱图中心化的频谱图
3.2应用Matlab实现图像的DCT变换。
clearall;
clc
tire.tif'
subplot（121）;
C1=dct2（I）;
C2=fftshift（C1）;
subplot（122）;
imshow（log（abs（C2））+1,[010]）;
原始图像DCT系数
3.3已知二维数字图像矩阵f，求此图像的二维DWT，并反求f。
f=[2552;
3333;
2551];
G=[1111;
11-1-1;
1-1-11;
1-11-1];
W=（1/16）*G*f*G
W=
3.18750.0625-0.81250.0625
0.0625-0.06250.0625-0.0625
0.18750.0625-0.81250.0625
0.0625-0.06250.0625-0.0625
3.4bior3.7是双正交样条小波对应的滤波器。
应用Matlab对wbarb.mat图像实现小波变换。
loadwbarb;
image（X）;
colormap（map）;
[cA1,cH1,cV1,cD1]=dwt2（X,'
bior3.7'
A1=upcoef2（'
a'
cA1,'
1）;
H1=upcoef2（'
h'
cH1,'
V1=upcoef2（'
v'
cV1,'
D1=upcoef2（'
d'
cD1,'
figure;
subplot（221）;
image（wcodemat（A1,180））;
title（'
ApproximationA1'
subplot（222）;
image（wcodemat（H1,255））;
HorizontalDetailH1'
subplot（223）;
image（wcodemat（V1,255））;
VerticalV1'
subplot（224）;
image（wcodemat（D1,255））;
DiagonalD1'
Y=2.0*IDWT2（A1,H1,V1,D1）;
Y=imresize（Y,0.5）;
image（Y）;
原图像
一层小波变换的4个分量
实验四频率域高通滤波法
1）熟悉并学会使用Matlab中图像增强的相关函数。
2）了解图像增强的方法、去噪的方法和效果。
1）将一幅图视为一个二维矩阵，用Matlab进行图像增强。
2）利用Matlab图像处理工具箱中的imread、imshow、imnoise、filter2对图像进行去噪处理。
3）图像灰度修正：
灰度变换。
对不满意的图像通过线性灰度映射关系进行变换，其效果可以得到明显提高。
通过分析，会发现前后图像的直方图也会发生相应的变化。
4）图像平滑方法：
领域平均、中值滤波。
5）图像锐化方法。
人眼对目标边缘和轮廓较为敏感，对图像进行锐化，有助于突出这些图像的特征。
从频率域看，锐化提升了图像的高频分量。
4.1采用线性变换进行图像增强。
应用Matlab函数imadjust将图像在0.3×
255~0.7×
255灰度之间的值通过线性变换映射到0~255之间。
subplot（2,2,1）,imshow（I）;
subplot（2,2,2）,imhist（I）;
J=imadjust（I,[0.30.7],[]）;
subplot（2,2,3）,imshow（J）;
subplot（2,2,4）,imhist（J）;
原图原图像的直方图
输出图像输出图像的直方图
4.2求“布罗格的画”图像的归一化直方图
布格罗的画.jpg'
subplot（1,2,1）,imshow（J）;
N=numel（J）;
pr=imhist（J）/N;
k=0:
255;
subplot（1,2,2）,stem（k,pr）;
实验结果
布罗格的画图像布罗格的画的直方图
4.3在Matlab环境中，采用直方图均衡的方法对tire.tif图像进行图像增强。
I=imread（'
J=histeq（I）;
原图像原图像的直方图
均衡后的图像均衡后图像的直方图
4.4分别采用上述前4种模块对受到椒盐噪声污染的eight.tif图像进行平滑处理。
%读入原始图像
Imshow（I,[]）;
f=imnoise（I,'
salt&
pepper'
0.04）;
%对图像加椒盐噪声，噪声强度为0,04
figure,imshow（f）;
h0=1/9.*[111111111];
%定义平滑模板
h1=[0.10.10.1;
0.10.20.1;
0.10.10.1];
h2=1/16.*[121;
242;
121];
%高斯模板
h3=1/8.*[111;
101;
111];
g0=filter2（h0,f）;
%用模板进行滤波处理
g1=filter2（h1,f）;
g2=filter2（h2,f）;
g3=filter2（h3,f）;
figure,imshow（g0,[]）;
%显示平滑处理结果
figure,imshow（g1,[]）;
figure,imshow（g2,[]）;
figure,imshow（g3,[]）;
原始图像有噪声的图像用模版0处理后的图像
用模版1处理后的图像用模版2处理后的图像用模版3处理后的图像
4.5选用3*3的窗口对椒盐造噪声进行中值滤波。
Imshow（I）;
J=imnoise（I,'
figure,imshow（J）;
K=medfilt2（J）;
%二维中值滤波
原始图像加噪声的图二维中值滤波后的图像
4.6利用罗伯茨梯度对rice.tif图像进行锐化处理
BW=edge（I,'
roberts'
0.1）;
%对输入图像求罗伯茨梯度
figure,imshow（BW）;
原始图像锐化后结果图
4.7应用拉普拉斯算子对rice.tif图像进行锐化处理。
imshow（I）;
h=[0-10;
-14-1;
0-10];
J=imfilter（I,h）;
figure,imhist（J）;
K=imadjust（J,[0.00.2],[]）;
figure,imhist（K）;
figure,imshow（K）;
原始图像拉普拉斯锐化对比扩展后的图像
拉普拉斯锐化后图像的直方图对锐化后图像的对比扩展
实验五图像编码与压缩
1）了解图像的压缩编码原理。
2）掌握常用的图像压缩算法。
1）去除数据冗余度可以有效的压缩数据。
2）图像压缩编码的主要技术指标：
压缩比、客观评价SNR、主管评价。
1）利用维纳滤波对有噪声模糊图像进行复原。
2）比较直接维娜滤波、设置信噪比参数、设置噪声和自相关函数这三种情况下的图像复原效果。
实验步骤
1）选择图6.19所示的原始图像作为测试图像。
2）设计图像复原算法。
3）设置维娜滤波中的相关参数。
对图像复原效果的影响。
4）显示原始图像和复原后的重建图像。
5）通过修改这些参数来观察参数对图像复原效果的影响。
程序代码如下：
blurred=imread（'
flower.gif'
%读入无噪声模糊图像并命名为blurred
len=28;
theta=14;
PSF=fspecial（'
motion'
len,theta）;
wnr1=deconvwnr（blurred,PSF）;
%维娜滤波复原图像
figure,imshow（wnr1）;
-------------%读入有噪声模糊图像并命名为blurrednoisy
V=0.02;
NP=V*prod（size（I））;
%计算噪声强度
Edged=edgetaper（blurrednoisy,PSF）;
%使用edgetaper函数对图像进行预处理，以消除图像的不连续边界
[reg1LAGRA]=deconvreg（Edged,PSF,NP）;
figure,subplot（2,2,1）,imshow（reg1）;
%小NP
reg2=deconvreg（Edged,PSF,NP*1.2）;
subplot（2,2,2）,imshow（reg2）;
%大NP
reg3=deconvreg（Edged,PSF,[],LAGRA）;
figure,subplot（2,2,1）,imshow（reg3）;
%小范围搜索
reg4=deconvreg（Edged,PSF,[],50*LAGRA）;
subplot（2,2,2）,imshow（reg4）;
REGOP=[1-21];
%大范围搜索
reg3=deconvreg（Edged,PSF,[],LAGRA,REGOP）;
figure,subplot（2,2,1）,imshow（reg5）;
%平滑约束复原
------------------------%读入有噪声的模糊图像并命名为Noisy
len=9;
theta=12;
gaussian'
len,theta）;
%真是的PSF
UNDERPSF=ones（size（PSF）-4）;
%该PSF数据的每一维都比真实的PSF少4个像素
[J1P1]=deconvblind（Nosiy,UNDERPSF）;
figure,subplot（2,2,1）;
imshow（J1）;
OVERPSF=padarray（UNDERPSF,[4,4],'
replicate'
'
both'
%该PSF数组的每一维都比真实的PSF多4个像素
[J2P2]=deconvblind（Nosiy,OVERPSF）;
subplot（2,2,2）;
imshow（J2）;
INITPSF=padarray（UNDERPSF,[2,2],'
[J3P3]=deconvblind（Nosiy,INITPSF）;
subplot（2,2,3）;
imshow（J3）;
实验六图像复原
实验目的
1）了解图像复原的原理。
2）掌握常用图像复原方法。
实验原理
1）了解不同条件下的图像退化成因河处理方法。
2）根据退化的数学模型对退化图像进行处理，恢复原始图像。
6.1使用deconvwnr对图像的无噪模糊图像进行复原重建，观察结果，并将不同PSF产生的复原效果进行比较。
原始图像无噪声模糊图像
使用真实PSF复原使用较“长”的PFS复原使用较“陡峭”的PFS复原
6.2对有噪声的模糊图像进行重建。
原始图像有噪声的模糊图像较小的PSF较大的PSF
6.3对无噪声的模糊图像使用最小二乘方滤波方法进行复原重建。
原始图像无噪声模糊图像小NP大NP
小范围搜索大范围搜索
实验七图像的边缘检测
1）熟悉MATALB图像工具箱的使用方法
2）熟悉图像边缘的检测方法
3）理解边缘检测在图像分割中的作用
采用查差分、梯度、拉普拉斯算子及各种高通滤波处理方法可以对图像边缘进行检测。
7.1根据4连通或8连通准则在二值图像中判断目标
BW=[11100000;
11101100;
11100010;
11100110;
11100000];
%给定的二值图像矩阵
L4=bwlabel（BW,4）%根据4连通准则判定目标
L8=bwlabel（BW,8）%根据8连通准则判定目标
L4=
11100000
11102200
11100030
11100330
L8=
11100020
11100220
7.2给出利用值分割图像tire.tif的实例
imhist（I）;
T=110;
S=size（I）;
[maxI,maxP]=max（max（I（:
:
）））;
%maxI为图像I的最大灰度值，maxP为其位置
[minI,minP]=min（min（I（:
%maxI为图像I的最大灰度值，maxP为其位置fori=1:
S
（1）
forj=1:
S
（2）
ifI（i,j）>
=TI（i,j）=255;
elseI（i,j）=0;
end
end
原始图像直方图
合适的阈值分割（T110）
7.3给出利用梯度算子对图像tire.tif进行边缘检测的实例
BW1=edge（I,'
%进行Roberts算子边缘检测，门限值采用MATLAB默认值
BW2=edge（I,'
prewitt'
%进行Prewitt算子边缘检测，门限值采用MATLAB默认值
BW3=edge（I,'
sobel'
%进行Sobel算子边缘检测，门限值采用MATLAB默认值
BW4=edge（I,'
log'
%进行LoG算子边缘检测，门限值采用MATLAB默认值
BW5=edge（I,'
canny'
%进行canny算子边缘检测，门限值采用MATLAB默认值
figure,imshow（BW1,[]）;
figure,imshow（BW2,[]）;
figure,imshow（BW3,[]）;
figure,imshow（BW4,[]）;
figure,imshow（BW5,[]）;
原图像roberts算子检测prewitt算子检测
sobel算子检测log算子检测canny算子检测
7.4利用bwtraceboundary函数对图像blobs.png进行边缘跟踪
BW=imread（‘blobs.png’）;
imshow（BW,[]）;
s=size（BW）;
forrow=2:
55:
s
（1）
forcol=1:
s
（2）
ifBW（row,col）,break;
end
contour=bwtraceboundary（BW,[row,col],‘W’,8,50,‘counterclockwise’）;
if（~isempty（contour））holdon;
plot（contour（:
2）,contour（:
1）,‘g’,‘LineWidth’,2）;
holdon;
plot（col,row,‘gx’,‘LineWidth’,2）;
else
plot（col,row,‘rx’,‘LineWidth’,2）;
实验八彩色空间的表示和转换
1）了解颜色空间的基本概念及转换原理
2）能利用MATLAB工具箱和有关公式，在RGB、YIQ、HSV等颜色空间中读取、显示彩色图像
1）利用MATLAB图像工具箱读、写和显示图像文件
2）颜色的基本概念
RGB1=imread（'
RGB2=imadjust（RGB1,[.2.30;
.6.71],[]）;
subplot（1,2,1）;
imshow（RGB1）,
xlabel（'
原始彩色图像'
subplot（1,2,2）,imshow（RGB2）;
增强后的图像'
升级会员 