数字图像采集与处理作业范文.docx
《数字图像采集与处理作业范文.docx》由会员分享，可在线阅读，更多相关《数字图像采集与处理作业范文.docx（13页珍藏版）》请在冰豆网上搜索。
数字图像采集与处理作业范文
1.用Matlab语言完成如下实验：
1）打开一个BMP文件
2）将其局部区域的灰度值进行改变
3）另存为一个新的BMP文件
pic1=imread（'get.bmp'）;
[m,n]=size（pic1）;
f=pic1（50:
300,50:
300）;
pic2=imadjust（f,[0.50.75],[]）;
pic3=pic1;
pic3（50:
300,50:
300）=pic2;
imshow（pic1）,figure,imshow（pic3）
（1）原图像
（2）局部灰度改变后的图像
2.Matlab编程实现图像傅里叶高通、低通滤波，给出算法原理及实现结果。
原图像
（1）高通滤波
I=imread（'get.bmp'）;
I=rgb2gray（I）;
figure
（1）,imshow（I）;
title（'原图像'）;
s=fftshift（fft2（I））;
[a,b]=size（s）;
a0=round（a/2）;
b0=round（b/2）;
d=10;
p=0.2;q=0.5;
fori=1:
a
forj=1:
b
distance=sqrt（（i-a0）^2+（j-b0）^2）;
ifdistance<=dh=0;
elseh=1;
end;
s（i,j）=（p+q*h）*s（i,j）;
end;
end;
s=uint8（real（ifft2（ifftshift（s））））;
figure
（2）;
imshow（s）;title（'高通滤波所得图像'）;
（2）低通滤波
I=imread（'get.bmp'）;
I=rgb2gray（I）;
figure
（1）,imshow（I）;
title（'原图像'）;
s=fftshift（fft2（I））;
[a,b]=size（s）;
a0=round（a/2）;
b0=round（b/2）;
d=10;
fori=1:
a
forj=1:
b
distance=sqrt（（i-a0）^2+（j-b0）^2）;
ifdistance<=dh=1;
elseh=0;
end;
s（i,j）=h*s（i,j）;
end;
end;
s=uint8（real（ifft2（ifftshift（s））））;
figure
（2）;
imshow（s）;
title（'低通滤波所得图像'）;
3.找一幅曝光不足的灰度（或彩色）图像，用Matlab按照直方图均衡化的方法进行处理。
clearall
%一，图像的预处理，读入彩色图像将其灰度化
PS=imread（'get.BMP'）; %读入BMP彩色图像文件
imshow（PS） %显示出来 figureNO1
title（'输入的彩色BMP图像'）
imwrite（rgb2gray（PS）,'PicSampleGray.bmp'）; %将彩色图片灰度化并保存
PS=rgb2gray（PS）; %灰度化后的数据存入数组
figure,imshow（PS） %显示灰度化后的图像，也是均衡化前的样品figureNO2
title（'灰度化后的图像'）
%二，绘制直方图
[m,n]=size（PS）; %测量图像尺寸参数
GP=zeros（1,256）; %预创建存放灰度出现概率的向量
fork=0:
255
GP（k+1）=length（find（PS==k））/（m*n）; %计算每级灰度出现的概率，将其存入GP中相应位置
end
figure,bar（0:
255,GP,'g'） %绘制直方图figureNO3
title（'原图像直方图'）
xlabel（'灰度值'）
ylabel（'出现概率'）
%三，直方图均衡化
S1=zeros（1,256）;
fori=1:
256
forj=1:
i
S1（i）=GP（j）+S1（i）; %计算Sk
end
end
S2=round（S1*256）; %将Sk归到相近级的灰度
fori=1:
256
GPeq（i）=sum（GP（find（S2==i）））; %计算现有每个灰度级出现的概率
figure,bar（0:
255,GPeq,'b'） %显示均衡化后的直方图figureNO4
title（'均衡化后的直方图'）
xlabel（'灰度值'）
ylabel（'出现概率'）
figure,plot（0:
255,S2,'r'） %显示灰度变化曲线figureNO5
legend（'灰度变化曲线'）
xlabel（'原图像灰度级'）
ylabel（'均衡化后灰度级'）
%四，图像均衡化
PA=PS;
fori=0:
255
PA（find（PS==i））=S2（i+1）; %将各个像素归一化后的灰度值赋给这个像素
end
figure,imshow（PA） %显示均衡化后的图像figureNO6
title（'均衡化后图像'）
imwrite（PA,'PicEqual.bmp'）;
（1）输入的彩色BMP图像
（2）均衡化后的BMP图像
4.用Matlab打开一幅图像，添加椒盐、高斯噪声，然后使用邻域平均法、中值滤波法进行平滑。
（4种结果，比较哪种方法适合滤除哪种噪声）
（1）添加椒盐噪声的图像
（2）采用邻域平均法处理
I0=imread（'get.bmp'）;
I=rgb2gray（I0）;
J=imnoise（I,'salt&pepper',0.02）;
K1=filter2（fspecial（'average',7）,J）;
K2=filter2（fspecial（'average',9）,J）;
figure,imshow（uint8（K1））;title（'7x7'）;
（3）采用中值滤波法处理
I0=imread（'get.bmp'）;
I=rgb2gray（I0）
J=imnoise（I,'salt&pepper',0.02）;
K=medfilt2（J,[77]）;
figure,imshow（K）;title（'7x7'）;
（4）添加高斯噪声的图像
（5）采用邻域平均法处理
I0=imread（'get.bmp'）;
I=rgb2gray（I0）;
J=imnoise（I,'gaussian',0,0.02）
K=filter2（fspecial（'average',7）,J）;
figure,imshow（uint8（K））;title（'7x7'）;
（6）采用中值滤波法处理后的图像
I0=imread（'get.bmp'）;
I=rgb2gray（I0）
J=imnoise（I,'gaussian',0.02）;
K=medfilt2（J,[77]）;
figure,imshow（K）;title（'7x7'）;
对含有同一种噪声类型的不同图像采用2种滤波方法进行分析可知：
原始图像经过邻域平均法滤波处理后，噪声得到了抑制，但也使图像边缘变得模糊；中值滤波方法运算简单，易于实现，能较好地保护图像边界，但有时会失掉图像中的细线和小块的目标区域。
对含有不同噪声类型的同一图像采用这2种滤波方法进行处理后，分析可知：
邻域平均滤波方法对高斯噪声有较强的抑制效果，对椒盐噪声抑制效果不明显；中值滤波方法对高斯噪声的抑制效果不明显，对去除椒盐噪声效果明显。
5.用Matlab打开一幅图像，利用Roberts梯度法、Sobel算子和拉普拉斯算子进行锐化，并比较结果。
（1）Roberts梯度法
I=imread（'get.bmp'）;
[H,W]=size（I）;
M=double（I）;
J=M;
fori=1:
H-1
forj=1:
W-1
J（i,j）=abs（M（i,j）-M（i+1,j+1））+abs（M（i+1,j）-M（i,j+1））;
end;
end;
figure;imshow（I）;title（'原图'）;
figure;imshow（uint8（J））;title（'Roberts处理后'）;
（2）Sobel算子
I=imread（'get.bmp'）;
[H,W]=size（I）;
M=double（I）;
J=M;
fori=2:
H-1
forj=2:
W-1J（i,j）=abs（M（i-1,j+1）-M（i-1,j-1）+2*M（i,j+1）-2*M（i,j-1）+M（i+1,j+1）-M（i+1,j-1））+abs（M（i-1,j-1）-M（i+1,j-1）+2*M（i-1,j）-2*M（i+1,j）+M（i-1,j+1）-M（i+1,j+1））;
end;
end;
figure;imshow（I）;title（'原图'）;
figure;imshow（uint8（J））;title（'Sobel处理后'）;
（3）拉普拉斯算子
I=imread（'get.bmp'）;
[H,W]=size（I）;
M=double（I）;
J=M;
fori=2:
H-1
forj=2:
W-1
J（i,j）=4*M（i,j）-[M（i+1,j）+M（i-1,j）+M（i,j+1）+M（i,j-1）];
end;
end;
figure;imshow（I）;title（'原图'）;
figure;imshow（uint8（J））;title（'锐化处理后的图'）;
锐化的实质是：
锐化图像g（m,n）=原图像f（m,n）+加重的边缘（α*微分）由实验效果对比图可以看出Sobel算子处理图像后使边缘有一定的模糊。
Laplacian检测模板的特点是各向同性，对孤立点及线端的检测效果好，但边缘方向信息丢失，对噪声敏感，整体检测效果不如Roberts梯度算子。
升级会员 