数字图像处理.docx
《数字图像处理.docx》由会员分享，可在线阅读，更多相关《数字图像处理.docx（12页珍藏版）》请在冰豆网上搜索。
数字图像处理
一.实验目的
掌握数字图象处理的基本方法，会用MATLAB或C语言等进行图象处理。
二.实验工具
PCMATLAB
三.实验内容
1．产生右图所示图像f1（x,y）（128×128大小，暗处=0，亮处=255），
用MATLAB中的fft2函数对其进行FFT：
（1）同屏显示原图f1和FFT（f1）的幅度谱图；
（2）若令
，重复以上过程，比较二者幅度谱的异同，简述理由；
（3）若将f2（x,y）顺时针旋转45度得到f3（x,y），试显示FFT（f3）的幅度谱，并与FFT（f2）的幅度谱进行比较。
2.对256×256大小、256级灰度的数字图像lena.img进行频域的理想低通、高通滤波，同屏
显示原图、幅度谱图和低通、高通滤波的结果图。
3.对给定的两种128×128、256级灰度的数字图像（图像磁盘文件名分别为Fing_128.img（指纹
图）和Cell_128.img（显微医学图像）进行如下处理：
（1）对原图像进行直方图均衡化处理，同屏显示处理前后图像及其直方图，比较异同，并回答为什么数字图像均衡化后其直方图并非完全均匀分布。
（2）对原图像加入点噪声，用4-邻域平均法平滑加噪声图像（图像四周边界不处理，下同），同屏显示原图像、加噪声图像和处理后的图像。
①不加门限；
②加门限
，（其中
）
4.[1]用Laplacian锐化算子（分α=1和α=2两种情况）对256×256大小、256级灰度的数字图像lena.img进行锐化处理，显示处理前、后图像。
（2）若令
则回答如下问题：
1
、
和
之间有何关系？
2
代表图像中的哪些信息？
3由此得出图像锐化的实质是什么？
5.分别利用Roberts、Prewitt、Sobel边缘检测算子，对256×256大小、256级灰度的数字图像lena.img进行边缘检测，显示处理前、后的图像。
四.实验结果
1．
实验结果图：
图1分别给出了：
（1）
（2）（3）的原图和相应FFT的幅度谱图：
图1
MATLAB程序：
f1=zeros（128,128）;
forx=20:
100
fory=50:
78
f1（x,y）=1;
end
end
subplot（3,2,1）
imshow（f1）;
F1=fft2（f1）;
subplot（3,2,2）
imshow（F1）;
F2=fftshift（F1）;
subplot（3,2,4）
imshow（F2）;
f2=ifft2（F2）;
subplot（3,2,3）
imshow（f2）;
f3=imrotate（f2,45,'bilinear'）;
subplot（3,2,5）
imshow（f3）;
F3=fft2（f3）;
subplot（3,2,6）
imshow（F3）;
2.
低通滤波：
fid=fopen（'F:
\数字图象处理\数字图像处理\上机\Lena.img','r'）;
data=（fread（fid,[256,256],'uint8'））';
subplot（1,2,1）
imagesc（data）;
colormap（gray）;
title（'LENA','Color','r'）;
fft_lena=fft2（data）;
f=fftshift（fft_lena）;
fori=1:
256
forj=1:
256
ifsqrt（（i-128）^2+（j-128）^2）>30
f（i,j）=0;
end
end
end
subplot（1,2,2）;
[x,y]=meshgrid（1:
1:
256）;
surf（x,y,f）;
高通滤波
fid=fopen（'F:
\数字图象处理\数字图像处理\上机\Lena.img','r'）;
data=（fread（fid,[256,256],'uint8'））';
subplot（1,2,1）
imagesc（data）;
colormap（gray）;
title（'LENA','Color','r'）;
fft_lena=fft2（data）;
fori=1:
256
forj=1:
256
ifsqrt（（i-128）^2+（j-128）^2）<2
f（i,j）=0;
end
end
end
subplot（1,2,2）;
[x,y]=meshgrid（1:
1:
256）;
surf（x,y,f）;
3．
（1）原图直方图均衡化处理：
Fing_128图像的处理前后图像及其直方图：
程序：
figure
（1）;
fid=fopen（'F:
\数字图象处理\数字图像处理\上机\fing_128.img','r'）;
data1=（fread（fid,[128,128],'uint8'））';
subplot（2,2,1）
data2=uint8（data1）;
imshow（data2）;
subplot（2,2,2）;
imhist（data2）;
a=imadjust（data2,[0,0.5]）;
subplot（2,2,4）;
imhist（a）;
subplot（2,2,3）;
imshow（a,256）;%显示均衡化图象,256可缺省
Cell_128图象的处理前后图像及其直方图：
数字图象均衡化后，其直方图并非完全均匀分布，这是因为图象的象素个数和灰度等级均为离散数值；而且均衡化使灰度级并归，因此，均衡化后，其直方图并非完全均匀分布。
（2）去除噪声处理
Fing_128原图像，加噪图像和处理后图像
Cell_128原图像，加噪图像和处理后图像：
程序：
fid=fopen（'F:
\数字图象处理\数字图像处理\上机\fing_128.img','r'）;%打开无格式文件
data1=（fread（fid,[128,128],'uint8'））';%将打开的文件读入到data1
subplot（1,3,1）;%取第二个子窗口
data2=uint8（data1）;%将灰度图象转换成uint8格式
imshow（data2）;
subplot（1,3,2）;
I=imnoise（data2,'gaussian',0,0.01）;
imshow（I）;
I2=double（I）;%因为有运算要将操作数改为double
I1=zeros（128,128）;
fori=2:
127
forj=2:
127
I1（i,j）=（I2（i-1,j）+I2（i+1,j）+I2（i,j-1）+I2（i,j+1））/4;
end
end
forj=1:
128
I1（1,j）=I（1,j）;
I1（128,j）=I（128,j）;
I1（j,1）=I（j,1）;
I1（j,128）=I（j,128）;
end
subplot（1,3,3）;
I1=uint8（I1）;%用imshow显示时需要将数据改成uint
imshow（I1）;
4．
（1）
g1（m,n）处理的结果
g2（m,n）处理的结果
程序：
figure
（1）;
fid=fopen（'F:
\数字图象处理\数字图像处理\上机\lena.img','r'）;
data1=（fread（fid,[256,256],'uint8'））';
subplot（2,2,1）
data2=uint8（data1）;
imshow（data2）;
I=double（data2）;
fori=2:
255
forj=2:
255
I1（i,j）=-I（i-1,j）-I（i+1,j）-I（i,j-1）-I（i,j+1）+5*I（i,j）;
end
end
forj=1:
256
I1（1,j）=I（1,j）;
I1（256,j）=I（256,j）;
I1（j,1）=I（j,1）;
I1（j,256）=I（j,256）;
end
I2=uint8（I1）;
subplot（2,2,2）;
imshow（I2）;
fori=2:
255
forj=2:
255
I3（i,j）=-2*I（i-1,j）-2*I（i+1,j）-2*I（i,j-1）-2*I（i,j+1）+9*I（i,j）;
end
end
forj=1:
256
I3（1,j）=I（1,j）;
I3（256,j）=I（256,j）;
I3（j,1）=I（j,1）;
I3（j,256）=I（j,256）;
end
I4=uint8（I3）;
subplot（2,2,3）;
imshow（I4）;
（2）
LENA图象锐化处理中，g2（m,n）代表了原图象中的二阶梯度信息；g1（m,n）是边缘增强后的数字图象；图象锐化的实质是将原图象与梯度信息叠加，相当于对目标物的边缘进行了增强。
5.
边缘检测结果：
程序：
figure
（1）;
fid=fopen（'C:
\DocumentsandSettings\Administrator\MyDocuments\MATLAB\imgeprocess\lena.img','r'）;
data1=（fread（fid,[256,256],'uint8'））';
subplot（2,2,1）
data2=uint8（data1）;
imshow（data2）;
title（'lena'）
subplot（2,2,2）;
A=edge（data2,'roberts'）;
imshow（A）;
title（'roberts'）
subplot（2,2,3）;
B=edge（data2,'prewitt'）;
imshow（B）;
title（'prewitt'）
subplot（2,2,4）;
C=edge（data2,'sobel'）;
imshow（C）;
title（'sobel'）
升级会员 