河北工业大学数字图像处理之matlab实验报告.docx
《河北工业大学数字图像处理之matlab实验报告.docx》由会员分享,可在线阅读,更多相关《河北工业大学数字图像处理之matlab实验报告.docx(19页珍藏版)》请在冰豆网上搜索。
河北工业大学数字图像处理之matlab实验报告
(此文档为word格式,下载后您可任意编辑修改!
)
实验一
1、实验要求
1、熟悉MATLAB软件的开发环境、基本操作以及图像处理工具箱,为编写图像处理程序奠定基础。
2、掌握二进制(黑白)图像、灰度图像、彩色图像读、写和显示的基本方法,分别选择以上几种类型的图像,观察其图像类型参数。
3、说明以下程序的显示结果为何是一幅几乎全黑的图像。
clear;closeall;
myi=zeros(20,20);
myi(2:
2:
18,2:
2:
18)=1;
myi=uint8(myi);
figure,imshow(myi,'notruesize');
编写程序将图一中orangutan_1.tif图片拉伸一倍后形成orangutan_2.tif所示的图片。
4、应用MATLAB(或C)语言编写一幅灰度图像直方图统计程序,并选择一幅图像显示其直方图,将结果与MATLAB图像处理工具箱中提供的灰度直方图函数imhist的处理结果进行比较。
5、利用以上编写的程序,估算图一所示图像iris.tif中的瞳孔半径(以像素为单位)。
orangutan_1.tiforangutan_2.tifiris.tif
图一
2、实验内容
1,通过安装matlab软件,熟悉MATLAB软件的开发环境、基本操作以及图像处理工具箱
2,图像的读、写、显示和图像类型参数查看
通过I=imread(FILENAME),读取图像,注意FILENAME=‘图像文件所在的位置+文件名’;
1)通过imwrite(a,FILENAME,fmt),可以把a图像写进FILENAME图像,即是替换掉FILENAME,但是文件图像格式不替换。
2)通过imshow(I),可以把I图像显示出来。
3)例如:
在matlab软件中,运行如下命令:
I=imread('E:
\orangutan_2.tif');
figure,imshow(I)
I1=imread('E:
\iris.tif');
figure,imshow(I1)
imwrite(I,'E:
\iris.tif','tif')
I2=imread('E:
\iris.tif');
figure,imshow(I2)
原图:
orangutan_2.tifiris.tif
运行结果:
可以看到orangutan_2.tif已成功写入iris.tif中。
4)在matlab的可以查看各图像类型的参数
先在workspace中导入一幅名为xx.jpg的真彩图,然后在命令窗口输入如下命令:
I8=imread('E:
\iris.tif');
I64=double(I8)255;
imshow(I64);
将一幅名为iris.tif的灰度图像转换成二值图像,然后观察workspace中显示的二值图像、灰度图像、和真彩图像的参数如下图所示
3,全黑图像的解释和拉伸图像程序
1)、解释
由程序myi=uint8(myi);可知此程序编写的图像在计算机中采用的是8位存储,即灰度值为0~255,其中0为黑,255为白,中间值为由黑向白过度的值。
而程序myi=zeros(20,20);构造了一个20行20列的0值矩阵,程序myi(2:
2:
18,2:
2:
18)=1;将1赋值给矩阵的2,4,6,8,10,12,14,16,18行和2,4,6,8,10,12,14,16,18列,即这些位置的值为1。
因为0,1都在人眼识别的黑色范围内,固图像是全黑的,如果将myi(2:
2:
18,2:
2:
18)=1;改为myi(2:
2:
18,2:
2:
18)=255;就会发现图像是黑白相间的条格。
2)、纵向二倍拉伸图像代码
T1=maketform('affine',[100;020;001]);
I=imread('E:
\orangutan_1.tif');
I1=imtransform(I,T1);
imshow(I),figure,imshow(I1)
4,灰度图像直方图统计程序
1)编写的程序
img=imread('E:
\iris.tif');
imshow(img);
[M,N]=size(img);
img=double(img);
代码:
%根据以下生成的图像矩阵数据进行图像的傅立叶变换并显示其频谱
clear;closeall;
f=zeros(30,30);
f(5:
24,13:
17)=1;
figure,imshow(f,'notruesize');
F=fft2(f);
%可视化二维傅立叶变换结果的常用方法是使用对数,以便更详细地观察在0附近区域的细节
figure,imshow(log(abs(F)),[-15],'notruesize');colorbar;colormap(jet);
pause
FF=fft2(f);%对f进行零填充,得到一个256X256矩阵,然后再计算离散傅立叶变换
figure,imshow(log(abs(FF)),[-15],'notruesize');colorbar;colormap(jet);
pause
FFF=fftshift(FF);%使用函数fftshift对第二个问题进行修正解决
figure,imshow(log(abs(FFF)),[-15],'notruesize');colorbar;colormap(jet);
return
2)直方图均衡化:
利用Matlab提供的可进行图像直方图修正的函数,自己选择几幅直方图不均匀的图像(如图二pout.tif),对这些图像进行直方图均衡处理,显示处理前后的图像以及它们的灰度直方图,体会直方图均衡化算法的特点。
代码:
I=imread('pout.tif');
H=screen;displayingat75%scale.
>Intruesize>Resize1at308
Intruesizeat44
Inimshowat161
Warning:
Imageistoobigtofitonscreen;displayingat75%scale.
>Intruesize>Resize1at308
Intruesizeat44
Inimshowat161
下面进行非线性变换,其变换公式为g=c*f^y
请输入指数y:
3
请输入乘数c:
3
Warning:
Imageistoobigtofitonscreen;displayingat75%scale.
>Intruesize>Resize1at308
Intruesizeat44
Inimshowat161
>>
4)图像平滑(去噪):
(1)选择一幅图像(如图四lena512.jpg),叠加零均值高斯噪声,然后分别利用邻域平均法和中值滤波法对该图像进行滤波,显示滤波前后的图像,比较各滤波器的滤波效果。
(2)选择一幅图像,叠加椒盐噪声,寻则合适的滤波器将噪声滤除。
(3)选择一幅叠加了零均值高斯噪声的图像,设计一种处理方法,即能去噪声又能保持边缘清晰。
(选作)
(4)利用图像空间低通滤波法,对于给定的任意图像和低通滤波器(模板),编写一个较为通用的函数实现对输入图像的平滑处理。
(选作)
代码:
(1)x=imread('lena512.jpg');
subplot(2,2,1);
imshow(x);%显示源图像
title('源图像');
y=imnoise(x,'gaussian',0);%添加0均值的高斯噪声
subplot(2,2,2);
imshow(y);%显示添加高斯噪声的图像
title('添加高斯噪声');
mo=fspecial('average');%产生一个3*3的方形平均滤波模板
x1=imfilter(x,mo,'replicate');%对图像进行邻域平均法处理
%'replicate'指卷积填充边缘时用复制边界的值来扩展
subplot(2,2,3);
imshow(x1);%显示邻域平均法处理后的图像
title('邻域平均法处理');
x2=medfilt2(y);%对高斯躁声中值滤波
subplot(2,2,4);
imshow(x2);%显示中值滤波后的图像
title('对高斯噪声进行中值滤波');
(2)M=imread('lena512.jpg');
subplot(1,3,1);
imshow(M);%显示原始图像
title('源图像');
P=imnoise(M,'salt&pepper');%加入椒盐躁声
P=imnoise(M,'salt&pepper');%两次叠加椒盐躁声
subplot(1,3,2);
imshow(P);%两次叠加椒盐躁声后显示图像
title('加入椒盐噪声');
h=medfilt2(P);%对椒盐躁声中值滤波
subplot(1,3,3);
imshow(h);
title('中值滤波后');
5)边缘检测技术:
(1)选择三种不同的边缘检测算子对一幅图像(如图五rice.png)进行边缘检测,显示检测结果。
(2)对含噪图像进行边缘检测,比较各边缘检测算子对噪声的敏感性,并提出抗噪性能较好的边缘检测方法。
(3)编制一个比较通用的边缘提取函数。
通过输入不同的参数,能够实现Roberts算子、Prewitt算子、Sobel算子以及Laplacian算子边缘检测。
(选作)
代码:
(1)I=imread('rice.png');
imshow(I);%显示源图像
title('源图像');
A1=edge(I,'sobel');%用SOBEL算子进行边缘检测
figure,subplot(1,3,1);
imshow(A1);%SOBEL算子图像显示
title('SOBEL算子');
A2=edge(I,'roberts');%用Roberts算子进行边缘检测
subplot(1,3,2);
imshow(A2);%Roberts算子图像显示
title('Roberts算子');
A3=edge(I,'prewitt');%用prewitt算子进行边缘检测
subplot(1,3,3);
imshow(A3);%prewitt算子图像显示
title('prewitt算子');
(2)I=imread('rice.png');
P=imnoise(I,'salt&pepper');%加入椒盐噪声
subplot(2,2,1);
imshow(P);%椒盐噪声图像显示
title('椒盐噪声图像');
B1=edge(P,'sobel');%用SOBEL算子进行边缘检测
subplot(2,2,2);
imshow(B1);%SOBEL算子图像显示
title('SOBEL算子');
B2=edge(P,'roberts');%用Roberts算子进行边缘检测
subplot(2,2,3);
imshow(B2);%Roberts算子图像显示
title('Roberts算子');
B3=edge(P,'prewitt');%用prewitt算子进行边缘检测
subplot(2,2,4);
imshow(B3);%prewitt算子图像显示
title('prewitt算子');
实验心得:
其实刚开始我只是听老师课上听讲,但是终究无法深刻理解计算机图像具体的处理过程,通过这次上机实验,不会的上网XX,然后请教同学,才对图像处理有了更深的理解。