数字图像处理实验作业及代码.docx
《数字图像处理实验作业及代码.docx》由会员分享，可在线阅读，更多相关《数字图像处理实验作业及代码.docx（23页珍藏版）》请在冰豆网上搜索。
数字图像处理实验作业及代码
数字图像处理—实验一
源程序：
a=imread（'rice.png'）;
figure,imshow（a）,title（'原图'）;axison;
a=double（a）/256;
figure,imhist（a）,title（'原直方图'）;axison;
r=[0:
0.001:
1];
s1=[r<0.35].*r*0.3+[r<=0.65].*[r>=0.35].*（0.105+2.6333*（r-0.35））+[r>0.65].*（1+0.3*（r-1））;
s2=[r<=0.5].*（r.^5）*15.9744+[r>0.5].*（（r-0.5）.^0.2+0.12）;
a1=[a<0.35].*a*0.3+[a<=0.65].*[a>=0.35].*（0.105+2.6333*（a-0.35））+[a>0.65].*（1+0.3*（a-1））;
a2=[a<=0.5].*（a.^5）*15.9744+[a>0.5].*（（a-0.5）.^0.2+0.12）;
figure,imshow（a1）,title（'改后一'）;axison;
figure,imhist（a1）,title（'改后直方图一'）;axison;
figure,plot（r,s1）,title（'变换函数一'）;axison;
figure,imshow（a2）,title（'改后二'）;axison;
figure,imhist（a2）,title（'改后直方图二'）;axison;
figure,plot（r,s2）,title（'变换函数二'）;axison;
imwrite（a1,'改后rice一.jpg'）;
imwrite（a2,'改后rice二.jpg'）;
b=imread（'kids.tif'）;
figure,imshow（b）,title（'原图'）;axison;
b=double（b）/256;
figure,imhist（b）;title（'原直方图'）;axison;
s1=r.^0.6;
s2=r.^0.4;
s3=r.^0.3;
b1=imadjust（b,[],[],0.6）;
b2=imadjust（b,[],[],0.4）;
b3=imadjust（b,[],[],0.3）;
figure,imshow（b1）,title（'改后一'）;axison;
figure,imhist（b1）,title（'改后直方图一'）;axison;
figure,plot（r,s1）,title（'变换函数一'）;axison;
figure,imshow（b2）,title（'改后二'）;axison;
figure,imhist（b2）,title（'改后直方图二'）;axison;
figure,plot（r,s2）,title（'变换函数二'）;axison;
figure,imshow（b3）,title（'改后三'）;axison;
figure,imhist（b3）,title（'改后直方图三'）;axison;
figure,plot（r,s3）,title（'变换函数三'）;axison;
imwrite（b1,'改后kids一.jpg'）;
imwrite（b2,'改后kids二.jpg'）;
imwrite（b3,'改后kids三.jpg'）;
c=imread（'circuit.tif'）;
figure,imshow（c）,title（'原图'）;axison;
c=double（c）/256;
figure,imhist（c）,title（'原直方图'）;axison;
s=1-r;
c=1-c;
figure,imshow（c）,title（'变换后'）;axison;
figure,imhist（c）,title（'变换后直方图'）;axison;
figure,plot（r,s）,title（'变换函数'）;axison;
imwrite（c,'改后circuit.jpg'）;
d=imread（'rice.png'）;
figure,imshow（d）,title（'原图'）;axison;
d=double（d）/256;
figure,imhist（d）,title（'原直方图'）;axison;
r=[0:
0.001:
1];
s=[r<=0.4].*[r>=0.2]*0.6;
d=[d<=0.4].*[d>=0.2]*0.6+[d>0.4].*d+[d<0.2].*d;
figure,imshow（d）,title（'变换后'）;axison;
figure,imhist（d）,title（'变换后直方图'）;axison;
figure,plot（r,s）,title（'变换函数'）;axison;
imwrite（d,'第二次改后rice.jpg'）;
e=imread（'Picture.jpg'）;
e=e（:
:
1）;
e=im2double（e）;
figure,imshow（e）,title（'原图'）;axison;
figure,imhist（e）,title（'原直方图'）;axison;
r=[0:
0.001:
1];
s=[r<0.3].*r*1.1+[r>0.65].*r*0.8+[r>=0.3].*[r<=0.65].*（0.11+r*1.5）;
e=[e<0.3].*e*1.1+[e>0.65].*e*0.8+[e>=0.3].*[e<=0.65].*（0.11+e*1.5）;
figure,imshow（e）,title（'变换后'）;axison;
figure,imhist（e）,title（'变换后直方图'）;axison;
figure,plot（r,s）,title（'变换函数'）;axison;
imwrite（e,'改后Picture.jpg'）;
处理前后图像：
结论：
不同的灰度变换对最终图像的影响效果是不同的。
通过matlab灰度变化可以增加图像亮度，提高比照度，使视觉效果更好。
数字图像处理—实验二
源代码：
I1=imread（'mountain.jpg'）;
[J1,T1]=histeq（I1,256）;
figure,subplot（2,3,1）,imshow（I1）,title（'原图'）;axison;
subplot（2,3,2）,imhist（I1）,title（'原图直方图'）;axison;
subplot（2,3,4）,imshow（J1）,title（'均衡化后图像'）;axison;
subplot（2,3,5）,imhist（J1）,title（'均衡化后直方图'）;axison;
subplot（2,3,6）,plot（T1）,title（'变换函数'）;axison;
I2=uint8（I1）;
r=0:
1:
255;
n=（[r<=5].*r*1400+[r>5].*[r<=20].*（7000-r*310）+[r>20].*[r<=180].*（900-r*5）...
+[r>180].*[r<=225].*（r*8-1440）+[r>225].*[r<=255].*（3060-r.*12））;
[J2,T2]=histeq（I2,n）;
figure,subplot（2,3,1）,imshow（I2）,title（'原图'）;axison;
subplot（2,3,2）,imhist（I2）,title（'原图直方图'）;axison;
subplot（2,3,4）,imshow（J2）,title（'规定化后图像'）;axison;
subplot（2,3,5）,imhist（J2）,title（'规定化后直方图'）;axison;
subplot（2,3,6）,plot（T2）,title（'变换函数'）;axison;
I3=im2double（I1）;
[mn]=size（I3）;
r1=zeros（1,256）;p=r1;s1=r1;s2=r1;
a=0;
fork=1:
256
fori=1:
m
forj=1:
n
if（I3（i,j）==（（k-1）/255））;
r1（k）=r1（k）+1;
end
end
end
p（k）=r1（k）/65536;
s1（k）=a+p（k）;
a=s1（k）;
s2（k）=round（s1（k）/（1/255））/255;
end
[mn]=size（I3）;
t=0;
fork=1:
256
t=t+1;
if（k==256||s2（k）~=s2（k+1））
fori=1:
m
forj=1:
n
if（I3（i,j）>=（k-t）/255&&I3（i,j）<=（k-1）/255）
I4（i,j）=s2（k）;
end
end
end
t=0;
end
end
I3=mat2gray（I3）;
I4=mat2gray（I4）;
figure,subplot（2,3,1）,imshow（I3）,title（'原图'）;axison;
subplot（2,3,2）,imhist（I3）,title（'原图直方图'）;axison;
subplot（2,3,4）,imshow（I4）;title（'自编函数均衡化'）;axison;
subplot（2,3,5）;imhist（I4）;title（'自编函数均衡化后直方图'）;axison;
subplot（2,3,6）,plot（s1）,title（'变换函数'）;axison;
处理前后图像：
结论：
直方图均衡化通过使用累积函数对灰度值进行“调整”以实现比照度的增强，
通常用来增加许多图像的局部比照度，尤其是当图像的有用数据的比照度相当接近的时候。
通过这种方法，亮度可以更好地在直方图上分布。
这样就可以用于增强局部的比照度而不影响整体的比照度。
数字图像处理—实验三
源代码：
closeall;
I=imread（'test3_1.jpg'）;
I=im2double（I）;
tic
J=nlfilter（I,[55],@mean2）;
toc
tic
T=nlfilter（I,[55],@std2）;
toc
figure
（1）,subplot（2,3,1）,imshow（I）,title（'原始图像'）;axison;
subplot（2,3,2）,imshow（J）,title（'邻域均值图像'）;axison;
subplot（2,3,3）,imshow（T）,title（'邻域均值标准差图像'）;axison;
imwrite（J,'nlfilterl滤波后.jpg'）;
I=imnoise（I,'gaussian',0,0.02）;
J=nlfilter（I,[55],@mean2）;
T=nlfilter（I,[55],@std2）;
subplot（2,3,4）,imshow（I）,title（'加噪图像'）;axison;
subplot（2,3,5）,imshow（J）,title（'加噪邻域均值图像'）;axison;
subplot（2,3,6）,imshow（T）,title（'加噪邻域均值标准差图像'）;axison;
imwrite（J,'加噪nlfilterl滤波后.jpg'）;
I2=imread（'test3_2.jpg'）;
J2=im2double（I2）;
tic
ave=fspecial（'average',5）;
J2=filter2（ave,J2）;
toc
J3=medfilt2（J2,[55]）;
tic
J4=nlfilter（J2,[55],@mean2）;
toc
figure
（2）,subplot（2,2,1）,imshow（I2）,title（'原始图像'）;axison;
subplot（2,2,2）,imshow（J2）,title（'filter2处理后图像'）;axison;
subplot（2,2,3）,imshow（J3）,title（'medfilt2处理后图像'）;axison;
subplot（2,2,4）,imshow（J4）,title（'nlfilter处理后图像'）;axison;
imwrite（J2,'filter2滤波后.jpg'）;
imwrite（J3,'medfilt2滤波后.jpg'）;
imwrite（J4,'nlfilter滤波后
（2）.jpg'）;
F=midf（I2,3,3）;
figure（3）,subplot（1,2,1）,imshow（I2）,title（'滤波前'）;axison;
subplot（1,2,2）,imshow（F）,title（'中值滤波后'）;axison;
imwrite（F,'自编中值滤波后.jpg'）;
调用函数一：
functionmid=middle（F1）%求窗口元素的中值
[m,n]=size（F1）;
x=m*n;
y=m*n;
k=0;
fori=1:
m
forj=1:
n
k=k+1;
x（k）=F1（i,j）;%组成一维数组
end
end
fori=1:
y
k=i;
forj=i+1:
y
ifx（j）k=j;
end
end
ifk~=i
t=x（k）;
x（k）=x（i）;
x（i）=t;
end
end
mid=x（ceil（y/2））;
functionave=midf（F,m,n）
[X,Y]=size（F）;
fori=ceil（m/2）:
X-fix（m/2）
forj=ceil（n/2）:
Y-fix（n/2）
F1=F（i-fix（m/2）:
i+fix（m/2）,j-fix（n/2）:
j+fix（n/2））;%扣出窗口内的元素组成一矩阵
F（i,j）=middle（F1）;%求该矩阵的中值
end
end
ave=uint8（F）;
处理前后图像：
结论：
平滑技术用于平滑图像的噪声，平滑噪声可以在空间域中进行，基本方法是求像素灰度的平均值或中值。
但是这些很容易引起边缘的模糊，常用的有均值滤波、中值滤波，在使用时，针对不同的噪声，也需要不同的滤波法，没有哪种方法是绝对好，必须具体情况具体分析。
数字图像处理—实验四
源代码：
a=imread（'cameraman.tif'）;
a=im2double（a）;
figure;
subplot（1,3,1）;imshow（a）;title（'inputimage'）;
h1=fspecial（'sobel'）;
MotionBlur1=imfilter（a,h1）;
subplot（1,3,2）;imshow（MotionBlur1）;title（'sobel-MotionBlurredImage'）;
h2=fspecial（'Laplacia',0）;
MotionBlur2=imfilter（a,h2）;
subplot（1,3,3）;imshow（MotionBlur2）;title（'Laplacia-MotionBlurredImage'）;
figure（'name','直接输入算子锐化处理','NumberTitle','Off'）;
subplot（1,3,1）;imshow（a）;title（'inputimage'）;
dx=[-1-2-1;000;121];
dy=[-101;-202;-101];
d=（dx.^2+dy.^2）.^0.5;
MotionBlur3=imfilter（a,d）;
subplot（1,3,2）;imshow（MotionBlur3）;title（'sobel-directinput-MotionBlurredImage'）;
l=[0-10;-14-1;0-10];
MotionBlur4=imfilter（a,l）;
subplot（1,3,3）;imshow（MotionBlur4）;title（'Laplacia-directinput-MotionBlurredImage'）;
a=imread（'skeleton.jpg'）;
a=im2double（a）;
figure;
subplot（1,3,1）;imshow（a）;title（'inputimage'）;
L=[-1-1-1;-18-1;-1-1-1];
MotionBlur1=imfilter（a,L）;
subplot（1,3,2）;imshow（MotionBlur1）;title（'对角线Laplacian算子'）;
MotionBlur2=MotionBlur1+a;
subplot（1,3,3）;imshow（MotionBlur2）;title（'叠加后图形'）;
figure;
subplot（2,3,1）;imshow（a）;title（'inputimage'）;
h1=fspecial（'sobel'）;
h2=imfilter（a,h1）;
subplot（2,3,2）;imshow（h2）;title（'sobel-MotionBlurredImage'）;
MotionBlur3=imfilter（h2,[55]）;
subplot（2,3,3）;imshow（MotionBlur3）;title（'sobel-领域平均'）;
MotionBlur4=imsubtract（MotionBlur2,h2）;
subplot（2,3,4）;imshow（MotionBlur4）;title（'相乘图象'）;
MotionBlur5=MotionBlur4+a;
subplot（2,3,5）;imshow（MotionBlur5）;title（'与原始图叠加后图形'）;
MotionBlur6=imadjust（MotionBlur5,[],[],0.2）;
subplot（2,3,6）;imshow（MotionBlur6）;title（'幂指数为0.2的灰度变换'）;
a1=imread（'cell.jpg'）;
a=im2double（a1）;
f=double（a1）;
[m,n]=size（f）;
fori=1:
m
forj=1:
n
ifi==m
G（i,j）=G（i-1,j）;
elseifj==n
G（i,j）=G（i,j-1）;
else
G（i,j）=abs（f（i,j）-f（i+1,j+1））+abs（f（i+1,j）-f（i,j+1））;
end
end
end
Z=f;
figure;
fori=4:
8
k=find（G>=i）;Z（k）=255;
q=find（Gsubplot（2,3,1）;imshow（a）;title（'inputimage'）;
subplot（2,3,i-2）;imshow（Z）;title（['门限T为',num2str（i）]）;
end;
处理前后图像：
结论：
Sobel对噪声的增强作用小，具有一定的平滑特性和方向特性，处理后的图象边界比较粗略，反映边界信息较少，但反映的边界比较清晰。
Laplacian算子对噪声的增强作用较大，处理后的图象边缘较sobel弱，反映的边界信息不是太清晰。
原图像经叠加,增强了噪声,但处理后的图像细节部分比原图像清晰。
.经线性滤波处理后，去除噪声的同时使图象的边缘变得模糊了。
实验小结：
通过对数字图像处理这门课的学习及matlab上机的实验操作，虽然学习不很深入，但我也算认识到了对图像基本的变换方式。
我们知道图像处理是对图像进行加工，从而满足人类的心理、视觉或应用需求的一种行为。
而很多图像由于生成时更方面的干扰，使得图像并不如人们所期望的那样清晰和便于分析，这就需要对图像进行后期的处理，如去噪，增加亮度或比照度，减小亮度或比照度，以到达更符合人们需求的图像。
而Matlab四个实验的学习则有效地实现了部分功能。
初学matlab，知道了它是一种基于矩阵数值计算的软件，实际操作中应该充分认识到这一点。
对图像进行处理的时候，还有多方面的因素要考虑，像图像用imread读取的时候，图像的保存路径是否正确，读取的图像是不是bmp格式的，处理后的像素值是不是在0~255之间等，期间犯了很多错误，也改了很多错误，虽然课时不长，但确实学到了很多。
从四个小实验及课堂的学习也可以想象得到图像数字处理的大应用。
在航空航天技术、生物医学工程、通信工程、军事、文化艺术和电子商务方面大有可为，初学的我们，所了解的只是九牛一毛。
希望今后能再进行深入的学习，通过学习到达更深入的目的。
升级会员 