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（9页珍藏版）》请在冰豆网上搜索。
数字图像处理上机实验
数字图像处理上机作业
朱正洲2018102018027
1.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：
b5E2RGbCAP
<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。
p1EanqFDPw
异同：
由于原图像中目标物的灰度主要集中于低亮度部分，而且象素总数比较多，经过直方图均衡后，目标物的所占的灰度等级得到扩展，对比度加强，使整个图像得到增强。
DXDiTa9E3d
数字图像均衡化后其直方图并非完全均匀分布的原因：
由于原图像中目标物的灰度主要集中于低亮度部分，而且象素总数比较少，而所占的灰度等级比较多，因此图像的对比度比较好，亮度比较大，整体图像清晰。
经过直方图均衡后，目标物的所占的灰度等级被压缩，对比度减弱，反而使目标物变的难以辨认。
RTCrpUDGiT
数字图像均衡化后，其直方图并非完全均匀分布，这是因为图像的象素个数和灰度等级均为离散值；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。
5PCzVD7HxA
源代码：
figure（1>。
fid=fopen（'D:
\img\cell_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data1jLBHrnAILg
subplot（4,2,1>。
%将figure（1>分成4*2的8个子窗口,xHAQX74J0X
data11=uint8（data1>。
imshow（data11>。
%图象显示
title（'CELL','Color','b'>。
%加标题
subplot（4,2,2>。
title（'原图像直方图'>。
imhist（data11>。
subplot（4,2,3>。
%取第二个子窗口
data2=uint8（data1>。
%将灰度图象转换成uint8格式
b=histeq（data2>。
%直方图均衡化
imshow（b,256>。
%显示均衡化图象,256可缺省
title（'均衡化','Color','b'>。
subplot（4,2,4>。
imhist（b>。
title（'均衡化后图像直方图'>。
subplot（4,2,5>
fid=fopen（'d:
\img\fing_128.img','r'>。
%打开无格式文件
data3=（fread（fid,[128,128],'uint8'>>'。
%将打开的文件读入到data3LDAYtRyKfE
data31=uint8（data3>。
%将灰度图象转换成uint8格式Zzz6ZB2Ltk
imshow（data31>。
%显示灰度图象
title（'FING','Color','b'>。
subplot（4,2,6>
imhist（data31>。
title（'原图像直方图'>。
subplot（4,2,7>。
data4=uint8（data3>。
%将灰度图象转换成uint8格式
d=histeq（data4>。
%直方图均衡化
imshow（d,256>。
%显示均衡化图象,256可缺省
title（'均衡化','Color','b'>。
subplot（4,2,8>。
imhist（d>。
title（'均衡化后原图像直方图'>。
<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。
dvzfvkwMI1
不加门限；
加门限
，<其中
）
源代码：
%CELL
figure（2>。
fid=fopen（'D:
\img\cell_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data1rqyn14ZNXI
I=uint8（data1>。
I1=imnoise（I,'gaussian'>。
%加乘性噪声
H1=[010。
101。
010]/4。
%4×4领域模板
J=imfilter（I,H1>。
%领域平均
subplot（2,4,1>,imshow（I>。
%显示图像I
title（'原图像'>。
subplot（2,4,2>,imshow（I1>。
title（'加噪声后图像'>。
subplot（2,4,3>,imshow（J>。
%不加门限平滑
title（'不加门限平滑后图像'>。
%加门限后滤波
T=2*sum（I1（:
>>/128^2。
im_T=zeros（128,128>。
fori=1:
128
forj=1:
128
ifabs（I1（i,j>-J（i,j>>>T
im_T（i,j>=J（i,j>。
else
im_T（i,j>=I1（i,j>。
end
end
end
subplot（2,4,4>。
imshow（im_T>。
title（'加门限后'>。
%FING
figure（2>。
fid=fopen（'D:
\img\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data1EmxvxOtOco
I=uint8（data1>。
I1=imnoise（I,'gaussian'>。
%加乘性噪声
H1=[010。
101。
010]/4。
%4×4领域模板
J=imfilter（I,H1>。
%领域平均
subplot（2,4,5>,imshow（I>。
%显示图像I
title（'原图像'>。
subplot（2,4,6>,imshow（I1>。
title（'加噪声后图像'>。
subplot（2,4,7>,imshow（J>。
%不加门限平滑
title（'不加门限平滑后图像'>。
%加门限后滤波
T=2*sum（I1（:
>>/128^2。
im_T=zeros（128,128>。
fori=1:
128
forj=1:
128
ifabs（I1（i,j>-J（i,j>>>T
im_T（i,j>=J（i,j>。
else
im_T（i,j>=I1（i,j>。
end
end
end
subplot（2,4,8>。
imshow（im_T>。
title（'加门限后'>。
2.<1）用Laplacian锐化算子<分
和
两种情况）对256⨯256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。
SixE2yXPq5
源代码：
%laplacian算子锐化
I=imread（'D:
\img\LENA256.bmp'>。
%读入原图像
figure（1>。
subplot（1,3,1>。
imshow（I>。
title（'原始图像'>。
L=fspecial（'laplacian'>。
L1=[0-10。
-15-1。
0-10]。
L2=[0-20。
-29-2。
0-20]。
LP1=imfilter（I,L1,'replicate'>。
%α=1时的拉普拉斯算子
LP2=imfilter（I,L2,'replicate'>。
%α=2时的拉普拉斯算子
subplot（1,3,2>。
imshow（LP1>。
title（'Laplacian算子α=1锐化图像'>。
6ewMyirQFL
subplot（1,3,3>。
imshow（LP2>。
title（'Laplacian算子α=2锐化图像'>。
kavU42VRUs
<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？
因为
，所以
、
和
之间有以下关系：
代表了原图像中的二阶梯度信息；
是边缘增强后的数字图像；
由此可以得出：
图像锐化的实质是将原图像与梯度信息叠加<梯度信息所占的比例由
的大小决定，
值越大则梯度信息所占的比例越大），相当于对目标物的边缘进行了增强。
y6v3ALoS89
5.分别利用Roberts、Prewitt和Sobel边缘检测算子，对256⨯256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。
M2ub6vSTnP
图像：
源代码：
I=imread（'D:
\img\LENA256.bmp'>。
%读入原图像
figure（1>
%Roberts梯度法锐化
subplot（2,2,1>。
imshow（I>。
title（'原始图像'>。
J=double（I>。
[IX,IY]=gradient（J>。
%计算梯度
A=sqrt（IX.*IX+IY.*IY>。
subplot（2,2,2>。
imshow（A,[]>。
title（'Roberts梯度法锐化图像'>。
0YujCfmUCw
%Prewitt算子锐化
S=imfilter（I,fspecial（'Prewitt'>>。
subplot（2,2,3>。
imshow（S>。
title（'Prewitt算子锐化图像'>。
%Sobel算子锐化
S=imfilter（I,fspecial（'sobel'>>。
subplot（2,2,4>。
imshow（S>。
title（'Sobel算子锐化图像'>。
申明：
所有资料为本人收集整理，仅限个人学习使用，勿做商业用途。
升级会员 