数图各实验代码Word文件下载.docx
《数图各实验代码Word文件下载.docx》由会员分享，可在线阅读，更多相关《数图各实验代码Word文件下载.docx（11页珍藏版）》请在冰豆网上搜索。
5.给灰度图像加入高斯噪声，并显示。
运用for循环，分别将5幅、50幅和500幅加有随机高斯噪声的图像进行相加并求其平均值。
将几种求平均后的图像显示在同一图像对话框中，比较其结果。
[I,M]=imread（'
eight.tif'
J=imnoise（I,'
gaussian'
0,0.02）;
subplot（1,2,1）,imshow（I,M）,title（'
subplot（1,2,2）,imshow（J,M）,title（'
加噪声后图像'
[m,n]=size（I）;
K=zeros（m,n）;
fori=1:
100
J=imnoise（I,'
J1=im2double（J）;
K=K+J1;
end
K=K/100;
%求图像的平均
figure;
imshow（K）,title（'
相加求平均后的图像'
6.自行下载两幅的图像，进行相加、相减、相乘的代数运算（注意运算时候图像的尺寸、类型等，如果不同，应将尺寸较大的图像裁剪或缩放），显示运算之前和运算之后的图像。
四种图像处理代数运算的数学表达式如下：
其中A（x,y）和B（x,y）为输入图像，而C（x,y）为输出图像。
7.选择一幅索引图像，将图像文件读出，并将这个图像显示出来。
尝试修改MAP颜色矩阵的值，再将图像显示出来，观察图像颜色的变化。
（选做）
[X,MAP]=imread（'
flowers.tif'
tif'
MAP1=MAP+MAP;
subimage（X,MAP1）;
实验二图像的灰度变换与空域滤波
1.显示图像A及其灰度直方图。
用imadjust函数将它的灰度值调整到[0,1]之间，并观察调整后的图像与原图像的差别，调整后的灰度直方图与原灰度直方图的区别；
改变灰度值调整范围，观察调整后的图像的变化及其与原图像的差别，调整后的灰度直方图的变化及其与原灰度直方图的区别；
进一步利用改变灰度值调整范围，实现图像的反转。
X=imread（'
A.tif'
Y=imadjust（X,[0.20.8],[]）;
Z=imadjust（X,[],[1,0]）;
subplot（3,2,1）,imshow（X）,title（'
图像A'
subplot（3,2,2）,imhist（X）,title（'
原图像的灰度直方图'
subplot（3,2,3）,imshow（Y）,title（'
调整后的图像A'
subplot（3,2,4）,imhist（Y）,title（'
调整后的灰度直方图'
subplot（3,2,5）,imshow（Z）,title（'
反转后的图像A'
subplot（3,2,6）,imhist（Z）,title（'
反转后的灰度直方图'
2.读取灰度图像B，用histeq函数将原始图像的灰度直方图均衡化，同时观察均衡化后的图像与前面图像的差别，均衡化后的灰度直方图与前面的灰度直方图的区别。
I=imread（'
B.tif'
J=histeq（I）;
subplot（2,2,1）,imshow（I）,title（'
图像B'
subplot（2,2,2）,imhist（I,64）,title（'
图像B的直方图'
subplot（2,2,3）,imshow（J）,title（'
均衡化的图像B'
subplot（2,2,4）,imhist（J,64）,title（'
均衡化图像B的直方图'
3.给图像C加入高斯噪声，分别采用不同大小的模板对加有噪声的图像进行均值滤波，用一个图像处理对话框（subplot）显示原图像、加有噪声的图像及均值滤波的图像。
比较结果。
C.tif'
Y=imnoise（X,'
0,0.005）;
Z1=filter2（fspecial（'
average'
3）,Y）/255;
Z2=filter2（fspecial（'
5）,Y）/255;
Z3=filter2（fspecial（'
7）,Y）/255;
Z4=filter2（fspecial（'
9）,Y）/255;
subplot（2,3,1）,imshow（X）,title（'
图像C'
subplot（2,3,2）,imshow（Y）,title（'
加入高斯噪声的图像C'
subplot（2,3,3）,imshow（Z1）,title（'
均值滤波模版尺寸为3'
subplot（2,3,4）,imshow（Z2）,title（'
均值滤波模版尺寸为5'
subplot（2,3,5）,imshow（Z3）,title（'
均值滤波模版尺寸为7'
subplot（2,3,6）,imshow（Z4）,title（'
均值滤波模版尺寸为9'
4.分别采用不同大小的模板对上述加有噪声的图像进行中值滤波，用一个图像处理对话框（subplot）显示原图像、加有噪声的图像及中值滤波的图像。
I1=medfilt2（Y,[3,3]）;
I2=medfilt2（Y,[7,7]）;
subplot（2,2,1）,imshow（X）,title（'
subplot（2,2,2）,imshow（Y）,title（'
subplot（2,2,3）,imshow（I1）,title（'
3×
3模版'
subplot（2,2,4）,imshow（I2）,title（'
7×
7模版'
实验三图像的频域处理
1.读取图像A（lena.tiff）和B（rice.tif），显示这两幅图像，对图像作傅立叶变换，显示图像的傅里叶幅度谱和相位谱。
做傅立叶逆变换，显示重建图像，看是否与原图像相同。
A=imread（'
lena.tiff'
B=imread（'
rice.tif'
I=fftshift（fft2（A））;
J=fftshift（fft2（B））;
subplot（2,3,1）,imshow（A）;
subplot（2,3,2）,imshow（log（1+abs（I））,[]）;
subplot（2,3,3）,imshow（angle（I））;
subplot（2,3,4）,imshow（B）;
subplot（2,3,5）,imshow（log（1+abs（J））,[]）;
subplot（2,3,6）,imshow（angle（J））;
X=ifft2（I）;
Y=ifft2（J）;
subplot（2,3,1）,imshow（A）,title（'
subplot（2,3,2）,imshow（log（1+abs（I））,[]）,title（'
二维傅里叶变换'
subplot（2,3,3）,imshow（log（abs（X））,[]）,title（'
逆变换后图像'
subplot（2,3,4）,imshow（B）,title（'
subplot（2,3,5）,imshow（log（1+abs（J））,[]）,title（'
subplot（2,3,6）,imshow（log（abs（Y））,[]）,title（'
2.设计一个简单的巴特沃斯低通滤波器（截止频率自选），对图像A作频域低通滤波，再作反变换，观察两种不同的截止频率下反变换后的图像与原图像的区别。
A=imread（'
PQ=paddedsize（size（A））;
D0=0.01*PQ
（1）;
H=lpfilter（'
btw'
PQ
（1）,PQ
（2）,D0）;
g=dftfilt（A,H）;
subplot（1,2,1）,imshow（A）,title（'
subplot（1,2,2）,imshow（g,[]）,title（'
D0较小的滤波'
D0=0.08*PQ
（1）;
D0较大的滤波'
3.（选做内容）设计一个高斯高通滤波器（截止频率自选），对图像B作高频增强滤波，再作反变换，观察两种不同的截止频率下反变换后的图像与原图像的区别。
B=imread（'
PQ=paddedsize（size（B））;
D0=0.01*PQ
（1）;
HBW=hpfilter（'
PQ
（1）,PQ
（2）,D0,2）;
H=0.5+2*HBW;
g=dftfilt（B,H）;
subplot（1,2,1）,imshow（B）,title（'
D0=0.1*PQ
（1）;
实验四图像复原
利用imnoise3对图像I进行加入参数为C=[032;
064;
1616;
320;
640;
-1616]的周期噪声，得到图像J。
对含噪图像J进行陷波滤波图像复原。
要求列出各个步骤的运行代码。
显示I，J，差分图像I-I'
。
显示I、J、以及噪声的频谱。
img=im2double（imread（'
peppers.tiff'
））;
C=[032;
-1616];
A=[100020003000400050006000];
[r,R,S]=imnoise3（512,512,C,A）;
img_noise=img+r;
F0=fft2（img）;
F0=fftshift（F0）;
F=fft2（img_noise）;
F=fftshift（F）;
sizec=size（img）;
H=ones（sizec
（1）,sizec
（2））;
x0=sizec
（1）/2+1;
y0=sizec
（2）/2+1;
x=x0;
w=0.4*2*pi;
N=2*pi/w;
y=y0-round（sizec
（2）/N）;
H（x,y-3:
y+3）=0;
H（x,（y0-y）+y0-3:
（y0-y）+y0+3）=0;
I=ifftshift（F.*H）;
img1=ifft2（I）;
subplot（4,2,1）,imshow（'
）,title（'
subplot（4,2,2）,imshow（img）,title（'
原图转double类型'
subplot（4,2,3）,imshow（S）,title（'
规定脉冲的谱'
subplot（4,2,4）,imshow（r,[]）,title（'
空间域中相应的正弦噪声模式'
subplot（4,2,5）,imshow（img_noise）,title（'
加噪图像'
subplot（4,2,6）,imshow（log（1+abs（F0））,[]）,title（'
原图像频谱'
subplot（4,2,7）,imshow（log（1+abs（F））,[]）,title（'
加噪图像频谱'
subplot（4,2,8）,imshow（img1,[]）,title（'
陷波滤波结果'
实验五图像变化与编码
1.已知符号{x1,…x8}对应概率为0.4,0.18,0.1,0.1,0.07,0.06,0.05,0.04。
按教材图8.2的方式将其转换为霍夫曼码（编码过程写在实验报告中），并利用huffman.m转换为霍夫曼码，对照结果是否相同。
p=[0.40.180.10.10.070.060.050.04];
c=huffman（p）
结果如下：
c=
'
1'
010'
0111'
000'
0011'
0010'
01101'
01100'
2.对给定图像I利用mat2huff.m,huff2mat.m进行霍夫曼编码、解码。
计算压缩率CR。
>
I=imread（'
Tracy.tif'
J=mat2huff（I）;
cr1=imratio（I,J）
cr1=
1.2191
save（'
tracy.mat'
J'
cr2=imratio（'
cr2=
1.2386
loadtracy.mat
K=huff2mat（J）;
L=imread（'
rmse=compare（K,L）
rmse=
0
3.对给定图像I先进行预测编码、霍夫曼编码，然后进行霍夫曼解码、预测解码。
计算压缩率CR。
显示预测误差图像x-xˆ。
预测器采用xˆ=（A+B+C）/3，如下图所示：
A
C
B
x
比较该预测器与mat2lpc所指定的预测器性能差异（CR与执行速度）。
（提示：
可参考mat2lpc.m,lpc2mat.m，或采用循环方式设计预测器，执行速度可用tic，toc）。
x=imread（'
tic
e1=mat2lpc（x）;
toc
Elapsedtimeis20.392000seconds.
e2=mymat2lpc（x）;
Elapsedtimeis17.553000seconds.
imshow（e1,[]）;
imshow（e2,[]）;
EN=[entropy（x）,entropy（e1）,entropy（e2）]
EN=
6.51473.97413.8448
y1=mat2huff（e1）;
y2=mat2huff（e2）;
z1=huff2mat（y1）;
z2=huff2mat（y2）;
x1=lpc2mat（z1）;
x2=mylpc2mat（z2）;
ComRatio=[imratio（x,y1）,imratio（x,y2）]
ComRatio=
1.99522.0646
compare（x,x1）
ans=
compare（x,x2）
实验六综合实验
1、对给定的一幅彩色图像F进行图像增强，结果保存为BMP图像G。
win=[5,5];
img=imread（'
F.tiff'
x=img（:
1）;
y=img（:
2）;
z=img（:
3）;
X=medfilt2（x,win）;
Y=medfilt2（y,win）;
Z=medfilt2（z,win）;
G=cat（3,X,Y,Z）;
imwrite（G,'
G.bmp'
bmp'
subplot（1,2,1）,imshow（img）,title（'
subplot（1,2,2）,imshow（G）,title（'
原图像用中值滤波去除椒盐噪声'
2、将图像G以JPEG格式进行压缩，质量因子设为70，结果保存为JPG图像J。
imwrite（A,'
J.jpg'
quality'
70）;
imshow（'
）,title（'
图像G以JPEG格式压缩'
3、
（1）计算J相对于G的均方根误差RMSE。
B=imread（'
rmse=compare（A,B）
5.5879
（2）计算J相对于G的压缩率CR。
cr=imratio（A,B）
cr=
1
4.提取图像G的边缘（幅值），结果保存为K。
K=imread（'
K1=im2double（K）;
K2=rgb2gray（K1）;
[thr,sorh,keepapp]=ddencmp（'
den'
wv'
K2）;
K3=wdencmp（'
gbl'
K2,'
sym4'
2,thr,sorh,keepapp）;
%小波滤除
K4=medfilt2（K3,[99]）;
%中值滤波
K5=imresize（K4,0.2,'
bicubic'
%图像大小
BW1=edge（K5,'
sobel'
BW2=edge（K5,'
roberts'
BW3=edge（K5,'
prewitt'
BW4=edge（K5,'
log'
BW5=edge（K5,'
canny'
h=fspecial（'
5）;
%高斯滤波
BW6=edge（K5,'
zerocross'
[],h）;
subplot（2,3,1）,imshow（BW1）,title（'
Sobel算子'
subplot（2,3,2）,imshow（BW2）,title（'
Roberts算子'
subplot（2,3,3）,imshow（BW3）,title（'
Prewitt算子'
subplot（2,3,4）,imshow（BW4）,title（'
Log算子'
subplot（2,3,5）,imshow（BW5）,title（'
Canny算子'
subplot（2,3,6）,imshow（BW6）,title（'
零交叉算子'
[VG,A,PPG]=colorgrad（G）;
figure,imshow（VG）;
imwrite（VG,'
K.tiff'
升级会员 