机器视觉.docx
《机器视觉.docx》由会员分享，可在线阅读，更多相关《机器视觉.docx（19页珍藏版）》请在冰豆网上搜索。
机器视觉
大作业
1.产生下图所示图像f1（m,n），其中图像大小为256×256，中间亮条为128×32，暗处=0，亮处=100。
对其进行FFT：
①同屏显示原图f1（m,n）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（m,n）顺时针旋转90度得到f3（m,n），试显示FFT（f3）的幅度谱，并与FFT（f2）
的幅度谱进行比较；
④若将f1（m,n）顺时针旋转90度得到f4（m,n），令f5（m,n）=f1（m,n）+f4（m,n），试显示FFT（f5）
的幅度谱，并指出其与FFT（f1）和FFT（f4）的关系；
⑤若令f6（m,n）=f2（m,n）+f3（m,n），试显示FFT（f6）的幅度谱，并指出其与FFT（f2）和FFT（f3）
的关系，比较FFT（f6）和FFT（f5）的幅度谱。
2.一幅灰度图像（256级，白为255，黑为0），分别加入高斯白噪声和椒盐噪声，再分别进行3×3的平均滤波和中值滤波，显示原图像、加噪图像和滤波结果图像，并比较四种滤波结果。
3.对某一灰度图像，进行如下处理：
（1）分别利用Roberts、Prewitt和Sobel边缘检测算子进行边缘检测；
（2）将Roberts、Prewitt和Sobel边缘检测算子修改为锐化算子，对原图像进行锐化，同屏显示原图像、边缘检测结果和锐化后图像，说明三者之间的关系。
第一题
一、画出所要求图形：
>>f1=zeros（256,256）——将f赋值为全0，大小为256*256的矩阵；
>>f1（64:
192,112:
144）=1——将f中列像素为64-192、横像素为112-144的像素块赋值为1；
>>imshow（f1,'notruesize'）——显示f矩阵所对应的图像。
如下图所示：
二、对f1进行二维快速傅里叶变换并图原图同屏显示：
>>f1=zeros（256,256）;
>>f1（64:
192,112:
144）=1;
>>subplot（1,2,1）,imshow（f1,'notruesize'）;——在一个平面内的左半块图中显示原图；
>>F1=fft2（f1）;——对f1进行二维快速傅里叶变换；
>>F2=fftshift（abs（F1））;——把快速傅里叶变换的DC组件移到光谱中心；
>>subplot（1,2,2）,imshow（F2,'notruesize'）——在一个平面内的右半块图中显示变换后的图像。
三、实现
aa=ones（1,33）——建立一个1行33列的矩阵
form=1:
33
bb=（-1）.^m
cc（1,m）=bb
end————for语句，使cc成为（1，-1，……1，-1）共33列的矩阵
aa=cc.*（-1）——使aa成为（-1，1，……-1，1）共33列的矩阵
f1=zeros（256,256）;
f1（64:
192,112:
144）=1;
f2=f1;
forhang=1:
2:
129
shiji=hang+63
f2（shiji,112:
144）=aa
end————for语句，使f2从64行开始到192行偶数行为aa（f2图像如下，左图为原图，右图为放大图）
forhang=1:
2:
128
shiji=hang+1+63
f2（shiji,112:
144）=cc
end————for语句，使f2从65行开始到191行奇数行为cc（f2图像如下，左图为原图，右图为放大图）
四、对f2进行二维快速傅里叶变换并图原图同屏显示：
>>subplot（1,2,1）,imshow（f2,'notruesize'）;
>>F1=fft2（f2）;
>>F2=fftshift（abs（F1））;
>>subplot（1,2,2）,imshow（F2,'notruesize'）
五、将f2（m,n）顺时针旋转90度得到f3（m,n），试显示FFT（f3）的幅度谱
>>f3=imrotate（f2,90）——旋转90度得到如下图像
>>imshow（f3,'notruesize'）
>>F1=fft2（f3）;
>>F2=fftshift（abs（F1））;
>>subplot（1,2,1）,imshow（f3,'notruesize'）;
>>subplot（1,2,2）,imshow（F2,'notruesize'）
六、将f1（m,n）顺时针旋转90度得到f4（m,n），令f5（m,n）=f1（m,n）+f4（m,n），试显示FFT（f5）
的幅度谱
f4=imrotate（f1,90）;
f5=f4+f1
七、令f6（m,n）=f2（m,n）+f3（m,n），显示FFT（f6）的幅度谱
>>f6=f2+f3;
>>F1=fft2（f6）;
>>F2=fftshift（abs（F1））;
>>imshow（F2,'notruesize'）
第二题
显示灰度图像
I=imread（'rice.png'）;——将矩阵赋值给I
imshow（I,'notruesize'）——显示图像如图
Igs=imnoise（I,'gaussian',0,0.02）;——加入高斯噪声
imshow（Igs,'notruesize'）——显示图像如下
>>Ijy=imnoise（I,'salt&pepper',0.02）;——加入椒盐噪声
>>imshow（Ijy,'notruesize'）——显示图像如下
加入高斯噪声后使用中值滤波，滤波前后结果如图：
I=imread（'rice.png'）;
Igs=imnoise（I,'gaussian',0,0.02）;
Imshow（Igs）
Igszl=medfilt2（Igs）——对Igs进行中值滤波
figure
（2）
imshow（Igszl）
加入椒盐噪声后使用中值滤波，滤波前后结果如图：
I=imread（'rice.png'）;
Ijy=imnoise（I,'salt&pepper',0.02）;
imshow（Ijy）
Ijyzl=medfilt2（Ijy）
figure
（2）
imshow（Ijyzl）
加入高斯噪声后使用平均滤波，滤波前后结果如图：
I=imread（'rice.png'）;
I=imnoise（I,'gaussian',0,0.02）;
imshow（I）;
h=[111
111
111];——产生滤波模板
H=h/9;——对滤波模板归一化
J=conv2（I,h）;——用均值模板对图像滤波
figure;
imshow（J,[]）——显示滤波结果
加入椒盐噪声后使用平均滤波，滤波前后结果如图：
I=imread（'rice.png'）;
I=imnoise（I,'salt&pepper',0.02）;
imshow（I）
h=[111
111
111];
H=h/9;
J=conv2（I,h）;
figure;
imshow（J,[]）
显示原图像、加噪图像和滤波结果图像：
（1）高斯噪声
I=imread（'rice.png'）;
Igs=imnoise（I,'gaussian',0,0.02）;
figure,
imshow（I）;
h=[111
111
111];
H=h/9;
J=conv2（Igs,h）;
imshow（J,[]）
I=imnoise（I,'gaussian',0,0.02）;
figure;
Imshow（I）
K=medfilt2（I）;
figure;
imshow（K）
I=imread（'rice.png'）;
figure;
imshow（I）
（2）椒盐噪声
I=imread（'rice.png'）;
Ijy=imnoise（I,'salt&pepper',0.02）;
h=[111
111
111];
H=h/9;
J=conv2（Ijy,h）;
imshow（J,[]）
K=medfilt2（Ijy）;
figure;
imshow（K）
figure;
imshow（Ijy）
figure;
imshow（I）
第三题
一、分别利用Roberts、和Sobel边缘检测算子进行边缘检测，结果如图
>>I=imread（'rice.png'）;——读取原图
>>imshow（I）——显示原图
>>R=edge（I,'Roberts'）;——R为Roberts边缘检测算子进行边缘检测的结果
>>figure;imshow（R）;——第二个图显示Roberts边缘检测算子进行边缘检测的结果
>>S=edge（I,'sobel'）;——S为边缘检测算子进行边缘检测的结果
>>figure;imshow（S）;
>>P=edge（I,'prewitt'）;——P为Prewitt边缘检测算子进行边缘检测的结果
>>figure;imshow（P）;——第四个图显示Prewitt边缘检测算子进行边缘检测的结果
使用锐化算子（拉式算子）：
circuit=imread（'rice.png'）;
I=circuit;
I=double（I）;——将图像矩阵转化为double类型
imshow（I,[]）;
h=[010
1-40
010];——拉式算子的表示模板
J=conv2（I,h,'same'）;——拉式算子对图像滤波
K=I-J;——增强图像为原始图像减去拉式算子滤波的图像
subplot（1,2,1）,imshow（circuit）
subplot（1,2,2）,imshow（K,[]）
Roberts边缘检测及锐化，结果如图（左1为原图，右1为原图锐化，左2为Roberts边缘检测，右2为边缘检测锐化）：
circuit=imread（'rice.png'）;
I=circuit;
I=double（I）;
h=[010
1-40
010];
J=conv2（I,h,'same'）;
K=I-J;
subplot（2,2,1）,imshow（circuit）
subplot（2,2,2）,imshow（K,[]）
R=edge（circuit,'Roberts'）;
subplot（2,2,3）,imshow（R）
R=double（R）;
J=conv2（R,h,'same'）;
K=R-J;
subplot（2,2,4）,imshow（K,[]）
sobel边缘检测及锐化，结果如图（左1为原图，右1为原图锐化，左2为sobel边缘检测，右2为边缘检测锐化）：
circuit=imread（'rice.png'）;
I=circuit;
I=double（I）;
h=[010
1-40
010];
J=conv2（I,h,'same'）;
K=I-J;
subplot（2,2,1）,imshow（circuit）
subplot（2,2,2）,imshow（K,[]）
S=edge（circuit,'sobel'）;
subplot（2,2,3）,imshow（S）
S=double（S）;
J=conv2（S,h,'same'）;
K=R-J;
subplot（2,2,4）,imshow（K,[]）
Prewitt边缘检测及锐化，结果如图（左1为原图，右1为原图锐化，左2为Prewitt边缘检测，右2为边缘检测锐化）：
circuit=imread（'rice.png'）;
I=circuit;
I=double（I）;
h=[010
1-40
010];
J=conv2（I,h,'same'）;
K=I-J;
subplot（2,2,1）,imshow（circuit）
subplot（2,2,2）,imshow（K,[]）
P=edge（circuit,'prewitt'）;
subplot（2,2,3）,imshow（P）
P=double（P）;
J=conv2（P,h,'same'）;
K=R-J;
subplot（2,2,4）,imshow（K,[]）
升级会员 