数字图像处理上机实验.docx
《数字图像处理上机实验.docx》由会员分享，可在线阅读，更多相关《数字图像处理上机实验.docx（13页珍藏版）》请在冰豆网上搜索。
数字图像处理上机实验
数字图象处理上机实验题
1、产生右图所示亮块图像f1（x,y）（128×128大小，暗处=0，亮处=255），对其进行FFT：
（1）同屏显示原图f1和FFT（f1）的幅度谱图；
（2）若令f2（x,y）=（-1）x+yf1（x,y），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。
解：
（1）程序：
clc;close;clear;
%生成图形f1
f1=zeros（128,128）;
fori=34:
1:
94
forj=54:
1:
74
f1（i,j）=1;
end
end
%FFT变换
fft_f1=log（1+abs（fftshift（fft2（f1））））;
figure;
subplot（1,2,1）;imshow（f1）;title（'f1的图像'）;
subplot（1,2,2）;imshow（fft_f1,[]）;title（'fft_f1的幅度频谱'）;
结果：
（2）程序：
clc;close;clear;
%计算f2
f2=zeros（128,128）;
fori=1:
128;
forj=1:
128;
f2（i,j）=（（-1）^（i+j））*f1（i,j）;
end
end
fft_f21=log（1+abs（fft2（f2）））;
fft_f22=log（1+abs（fftshift（fft2（f2））））;
figure;
subplot（1,3,1）;imshow（f2）;title（'f2图像'）;
subplot（1,3,2）;imshow（fft_f22,[]）;title（'f2的幅度频谱'）;
subplot（1,3,3）;imshow（fft_f21,[]）;title（'f2的原始幅度频谱'）;
结果：
根据傅里叶变换对的平移性质：
；
当
且
时，有：
因此可得到：
所以，
就是
频谱中心化后的结果。
（3）程序：
%计算f3
f3=imrotate（f2,-45,'nearest'）;
fft_f3=log（1+abs（fftshift（fft2（f3））））;
figure;
subplot（1,2,1）;imshow（f3）;title（'f3图像'）;
subplot（1,2,2）;imshow（fft_f3,[]）;title（'f3的幅度频谱'）;
结果：
2、对256256大小、256级灰度的数字图像lena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。
解：
程序：
clc;close;clear;
fid=fopen（'e:
\img\lena.img','r'）;
im=fread（fid,[256,256],'uint8'）';
im=im2double（uint8（im））;
%FFT变换
fft_im=fftshift（fft2（im））;
%低通滤波器
lp=lpfilter（256,256,20）;%生成滤波器模版
lp_im=abs（ifft2（fft_im.*lp））;
%高通滤波器
hp=1-lp;
hp_im=abs（ifft2（fft_im.*hp））;
colormap（gray）;
subplot（2,2,1）;imshow（im）;title（'原图'）;
subplot（2,2,2）;mesh（log（1+abs（fft_im）））;axistight;title（'FFT'）;
subplot（2,2,3）;imshow（lp_im）;title（'低通滤波'）;
subplot（2,2,4）;imshow（hp_im）;title（'高通滤波'）;
%理想低通滤波器生成模版
functionbwmo=lpfilter（cph,cpl,r）;%模版大小（行，列，截止频率）
bwmo=zeros（cph,cpl）;
cl=cpl/2;
ch=cph/2;
forx=1:
cpl;
fory=1:
cph;
if（x-cl）^2+（y-ch）^2<=r^2;
bwmo（y,x）=1;
else
bwmo（y,x）=0;
end
end
end
结果：
3、对给定的两种128128、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）对原图像加入高斯噪声，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、加噪图像和处理后的图像。
不加门限；
加门限
，（其中
）
解：
（1）
指纹图像
程序：
clc;close;clear;
fid=fopen（'e:
\img\fing_128.img','r'）;
im=（fread（fid,[128,128],'uint8'））';
im=uint8（im）;
colormap（gray）;
subplot（2,2,1）;imshow（im）;
subplot（2,2,2）;
imh=histeq（im）;%直方图均衡化
imshow（imh）;
subplot（2,2,3）;imhist（im）;
subplot（2,2,4）;imhist（imh）;
结果：
显微医学图像
程序：
clc;close;clear;
fid=fopen（'e:
\img\cell_128.img','r'）;
im=（fread（fid,[128,128],'uint8'））';
im=uint8（im）;
colormap（gray）;
subplot（2,2,1）;imshow（im）;
subplot（2,2,2）;
imh=histeq（im）;%直方图均衡化
imshow（imh）;
subplot（2,2,3）;imhist（im）;
subplot（2,2,4）;imhist（imh）;
结果：
由于数字图像中像素的灰度值取值是离散和不连续的，因而变换后的像素灰度值在计算中出现了归并现象，所以变换后的直方图并不是呈完全均匀分布的。
（2）程序：
clc;close;clear;
fid=fopen（'e:
\img\fing_128.img','r'）;
im=（fread（fid,[128,128],'uint8'））';
im=im2double（uint8（im））;
J=imnoise（im,'gaussian'）;%加入高斯噪声
w=[00.250;0.2500.25;00.250];
im_L=filter2（w,J）;%四邻域平滑
%加门限后滤波
T=2*sum（J（:
））/128^2;
im_T=zeros（128,128）;
fori=1:
128
forj=1:
128
ifabs（J（i,j）-im_L（i,j））>T
im_T（i,j）=im_L（i,j）;
else
im_T（i,j）=J（i,j）;
end
end
end
colormap（gray）;
subplot（2,2,1）;imshow（im）;title（'原图像'）;
subplot（2,2,2）;imshow（J）;title（'加噪声后'）;
subplot（2,2,3）;imshow（im_L）;title（'四邻域平滑后'）;
subplot（2,2,4）;imshow（im_T）;title（'加门限后'）;
结果：
4、
（1）用Laplacian锐化算子（分
和
两种情况）对256256大小、256级灰度的数字图像lena进行锐化处理，显示处理前、后图像。
（2）若令
，
则回答如下问题：
、
和
之间有何关系？
代表图像中的哪些信息？
由此得出图像锐化的实质是什么？
解：
（1）程序：
clc;close;clear;
fid=fopen（'e:
\img\lena.img','r'）;
im=（fread（fid,[256,256],'uint8'））';
im=im2double（uint8（im））;
H1=[0-10;-15-1;0-10];
laplacianH1=filter2（H1,im）;
H2=[0-20;-29-2;0-20];
laplacianH2=filter2（H2,im）;
colormap（gray）;
subplot（1,3,1）;imshow（im）;title（'原图像'）;
subplot（1,3,2）;imshow（laplacianH1）;title（'a=1锐化'）;
subplot（1,3,3）;imshow（laplacianH2）;title（'a=2锐化'）;
结果：
（2）①
=
+
；
②
代表图像的边缘信息；
③图象锐化的实质就是：
锐化图像=原图像+加重的边缘。
5.分别利用Roberts、Prewitt和Sobel边缘检测算子，对256256大小、256级灰度的数字图像lena进行边缘检测，显示处理前、后图像。
解：
程序：
clc;close;clear;
fid=fopen（'e:
\img\lena.img','r'）;
im=（fread（fid,[256,256],'uint8'））';
im=im2double（uint8（im））;
im_R=edge（im,'Roberts'）;
im_P=edge（im,'Prewitt'）;
im_S=edge（im,'Sobel'）;
im_L=edge（im,'Log'）;
colormap（gray）;
figure
（1）;
imshow（im）;title（'原图像'）;
figure
（2）;
subplot（2,2,1）;imshow（im_R）;title（'Roberts检测'）;
subplot（2,2,2）;imshow（im_P）;title（'Prewitt检测'）;
subplot（2,2,3）;imshow（im_S）;title（'Sobel检测'）;
subplot（2,2,4）;imshow（im_L）;title（'Log检测'）;
结果：
升级会员 