图像处理实例含Matlab代码.docx
《图像处理实例含Matlab代码.docx》由会员分享，可在线阅读，更多相关《图像处理实例含Matlab代码.docx（19页珍藏版）》请在冰豆网上搜索。
图像处理实例含Matlab代码
图像处理实例（含Matlab代码）
信号与系统实验报告
——图像处理
学院：
信息科学与工程学院
专业：
2014级通信工程
组长：
**
组员：
**
2017.01.02
些不清晰的像素点，剩下的应该为较为清晰的细胞个数，再次计数得到大致结果。
二、Matlab程序代码
clear;closeall;
Image=imread（'1.jpg'）;
figure,imshow（Image）,title（'原图'）;
Image=rgb2gray（Image）;
figure,imshow（Image）,title（'灰度图'）;
Theshold=graythresh（Image）;
Image_BW=im2bw（Image,Theshold）;
Reverse_Image_BW22=~Image_BW;
figure,imshow（Image_BW）,title（'二值化图像'）;
Image_BW_medfilt=medfilt2（Image_BW,[33]）;
figure,imshow（Image_BW_medfilt）,title（'中值滤波后的二值化图像'）;
Reverse_Image_BW=~Image_BW_medfilt;
figure,imshow（Reverse_Image_BW）,title（'图象取反'）;
Image_BW_medfilt2=medfilt2（Reverse_Image_BW,[2020]）;
figure,imshow（Image_BW_medfilt2）,title（'第二次中值滤波的二值化图像'）;
[Label,Number]=bwlabel（Image_BW_medfilt,8）;Number
[Label,Number]=bwlabel（Image_BW_medfilt2,8）;Number
三、数据及结果
原图灰度图
二值化图像中值滤波后的二值化图像
图像取反第二次中值滤波的二值化图像
结果：
经过一次中值滤波得到的细胞个数为：
1498个。
经过第二次中值滤波去掉不清晰的细胞得到的细胞个数为211个。
实验二图像二的图形结构提取
一、实验内容及步骤
将该图形进行一系列处理，得到该生物模糊部分的大致结构。
首先，将原图转为灰度图，再进行图像锐化，突出图像的各个边界部分，然后进行二值化得到二值化图像，之后进行图像边界的提取，提取之后由于边界像素点不够连续，所以再进行一次闭运算用以连接边界，得到结果图像。
二、Matlab程序代码
clear;closeall;
Image=imread（'2.jpg'）;
figure,imshow（Image）,title（'原图'）;
Image=rgb2gray（Image）;
figure,imshow（Image）,title（'灰度图'）;
w4=[111;1-81;111];
Image=im2double（Image）;
K=imfilter（Image,w4,'replicate'）;
KN=Image-K;
figure,imshow（KN）,title（'ruihua'）;
KN=imclose（KN,strel（'rectangle',[2,2]））;
KN=imopen（KN,strel（'rectangle',[2,2]））;
Theshold=graythresh（KN）;
Image_BW=im2bw（Image,Theshold）;
Reverse_Image_BW22=~Image_BW;
figure,imshow（Image_BW）,title（'初次二值化图像'）;
BW2=bwmorph（Image_BW,'remove'）;
figure,imshow（BW2）,title（'边界图像'）;
BW3=imclose（BW2,strel（'rectangle',[10,10]））;
figure,imshow（BW3）,title（'闭运算'）;
三、数据及结果
原图灰度图
锐化图像二值化图像
边界图像闭运算后得到结果
实验三图像三的图形结构提取
一、实验内容及步骤
操作方法及目的同实验二，将该图形进行一系列处理，得到该生物模糊部分的大致结构。
首先，将原图转为灰度图，再进行图像锐化，突出图像的各个边界部分，然后进行二值化得到二值化图像，之后进行图像边界的提取，提取之后由于边界像素点不够连续，所以再进行一次闭运算用以连接边界，得到结果图像。
二、Matlab程序代码
clear;closeall;
Image=imread（'3.jpg'）;
figure,imshow（Image）,title（'原图'）;
Image=rgb2gray（Image）;
figure,imshow（Image）,title（'灰度图'）;
w4=[111;1-81;111];
Image=im2double（Image）;
K=imfilter（Image,w4,'replicate'）;
KN=Image-K;
figure,imshow（KN）,title（'ruihua'）;
KN=imclose（KN,strel（'rectangle',[2,2]））;
KN=imopen（KN,strel（'rectangle',[2,2]））;
Theshold=graythresh（KN）;
Image_BW=im2bw（Image,Theshold）;
Reverse_Image_BW22=~Image_BW;
figure,imshow（Image_BW）,title（'初次二值化图像'）;
BW2=bwmorph（Image_BW,'remove'）;
figure,imshow（BW2）,title（'边界图像'）;
BW3=imclose（BW2,strel（'rectangle',[10,10]））;
figure,imshow（BW3）,title（'闭运算'）;
三、数据及结果
原图灰度图
锐化图像二值化图像
边界图像闭运算后得到结果
实验四图像四的傅里叶变化及巴特沃斯低通滤波
一、实验内容及步骤
首先，为方便处理将原图转为灰度图，然后进行图像的傅里叶变换，得到傅里叶变换后的图像，之后进行巴特沃斯低通滤波，得到滤波后的图像以及滤波后的傅里叶变换图像。
二、Matlab程序代码
I1=imread（'4.jpg'）;
I1=rgb2gray（I1）;
subplot（221）,imshow（I1）;
xlabel（'（a）原始图像'）;
f=double（I1）;
g=fft2（f）;
g=fftshift（g）;%
F2=log（abs（g））;
subplot（222）,imshow（F2,[],'InitialMagnification','fit'）;
colormap（jet）;colorbar
xlabel（'（b）原始图像的傅里叶变换图像'）;
[N1,N2]=size（g）;
n=2;
d0=5;
n1=fix（N1/2）;
n2=fix（N2/2）;
fori=1:
N1
forj=1:
N2
d=sqrt（（i-n1）^2+（j-n2）^2）;
ifd==0
h=0;
else
h=1/（1+（d/d0）^（2*n））;
end
result（i,j）=h*g（i,j）;
end
end
F3=log（abs（result））;
subplot（223）,imshow（F3,'InitialMagnification','fit'）;
colormap（jet）;colorbar
xlabel（'（c）滤波后的傅里叶变换图像'）
result=ifftshift（result）;
X2=ifft2（result）;
X3=uint8（real（X2））;
subplot（224）,imshow（X3）
xlabel（'（d）Butterworth低通滤波图像'）;
三、数据及结果
结论：
通过图b我们可以看出图像的能量主要集中在低频部分，高频中存在少量的能量，经过了低通滤波之后，图像变得模糊，这时通过图c我们可以发现高频部分已经被滤去，图像上只剩下了低频成分。
实验五图像五的空间域滤波与频域滤波
一、实验内容及步骤
该实验分别对此图形进行空间域的滤波以及频域上的滤波，观察实验结果。
首先，进行空间域上的滤波，为了能更好的观察滤波效果，先对图像添加较为密集的高斯噪声，然后分别进行均值滤波，高斯滤波以及拉普拉斯滤波，并观察实验结果。
其次，进行频域的滤波，同样为了能更好的观察滤波效果，先对图像添加较为密集的高斯噪声，然后分别进行理想低通滤波以及高斯低通滤波，并观察实验结果。
二、Matlab程序代码
%空间域滤波
clc;closeall;
I1=imread（'4.jpg'）;
I=imnoise（I1,'gaussian'）;
w1=fspecial（'average',[33]）;
w3=fspecial（'gaussian',[33],0.5）;
w4=fspecial（'laplacian',0.1）;
g1=imfilter（I,w1,'replicate'）;
g3=imfilter（I,w3,'replicate'）;
g4=imfilter（I,w4,'replicate'）;
subplot（3,3,1）;imshow（I）;title（'原图'）;
subplot（3,3,2）;imshow（g1）;title（'均值滤波'）;
subplot（3,3,4）;imshow（g3）;title（'高斯滤波'）;
subplot（3,3,5）;imshow（g4）;title（'拉普拉斯滤波'）;
figure;
%频域滤波
clc;closeall;
I1=imread（'4.jpg'）;
I1=rgb2gray（I1）;
I=imnoise（I1,'gaussian'）;
f=im2double（I）;
F=fft2（double（f））;%傅里叶变换
F=fftshift（F）;%将变换的原点移到频率矩形的中心
[M,N]=size（f）;
%理想低通滤波
D0=input（'输入截止频率'）;
h1=zeros（M,N）;
fori=1:
M
forj=i:
N
if（sqrt（（（i-M/2）^2+（j-N/2）^2））h1（i,j）=1;
end
end
end
G1=F.*h1;
G1=ifftshift（G1）;
g1=real（ifft2（G1））;
%高斯低通滤波
I=im2double（I）;
M=2*size（I,1）;
N=2*size（I,2）;%滤波器的行列数
u=-M/2:
（M/2-1）;
v=-N/2:
（N/2-1）;
[U,V]=meshgrid（u,v）;
D=sqrt（U.^2+V.^2）;
D0=20;
H=exp（-（
升级会员 