%gxy（i,j）=c;
%elseiffxy（i,j）>b
%gxy（i,j）=d;
%end
%gxy（i,j）=（d-c）/（b-a）*（fxy（i,j）-a）+c;
%end
%end
%end
%newimg=uint8（gxy*255）;
%****************************************************
end
主程序:
clc
clearall
img0=imread（'lena.bmp'）;
figure
（1）
subplot（211）,imshow（img0）,title（'原灰度图（256x256）'）
subplot（212）,imhist（img0）,title（'直方图'）
a=0.1;b=0.8
c=0;d=1;
img1=GrayTransfrom（img0,a,b,c,d）;
figure
（2）
subplot（211）,imshow（img1）,title（'灰度范围的线性变换'）
subplot（212）,imhist（img1）,title（'直方图'）
gamma=2;
img2=GrayGamma（img0,gamma）;
figure（3）;imshow（img2）;title（'伽马为2校正后'）
img3=GrayEqualize（img0）;
figure（4）;
subplot（211）,imshow（img3）;title（'直方图均衡化后'）
subplot（212）,imhist（img3）;title（'直方图'）
四：
实验结果：
五：
实验心得
本次实验是对图像处理的深入学习，实验中我们通过直方图伽玛校正对图像进行灰度级修正，均衡化后图比较模糊但是亮度饱和，伽玛校正后更清晰，对比更高
实验三图像的平滑滤波
一：
实验目的：
学习如何对已被噪声污染的图像进行“净化”。
通过平滑处理，对结果图像加以比较，得出自己的实验结论。
二：
实验内容：
编写并调试窗口尺寸为m×m的平滑滤波函数。
编写并调试窗口尺寸为m×m的中值滤波函数。
三：
实验程序：
（1）functionnewimg=AverageFilter（img,m,hi）
%该函数实现的功能为：
用m×m的滤波器模板对oldbuf数组的噪声图像进行线性
%滤波，即用窗口内m×m个像素的平均灰度值来代替图像每个像素点的值，最后结
%果存放在newbuf数组中。
h1=ones（3,3）/9;
h2=[1/101/101/10;
1/101/51/10;
1/101/101/10];
h3=[1/161/81/16;
1/81/41/8;
1/161/81/16];
switch（hi）
case1
h=h1;
case2
h=h2;
case3
h=h3;
otherwise
disp（'错误：
hi只能为1,2,3'）
end
[M,N]=size（img）;
newimg=zeros（M,N）;
img=[zeros（（m-1）/2,N+（m-1））;zeros（M,（m-1）/2）,img,zeros（M,（m-1）/2）;
zeros（（m-1）/2,N+（m-1））];%补零
fori=1:
M
forj=1:
N
buf=img（i:
i+（m-1）,j:
j+（m-1））.*h;
newimg（i,j）=sum（buf（:
））;
end
end
（2）functionnewimg=MedianFilter（img,m）
%函数的功能为：
把oldbuf数组m×m窗口内的象素值赋给winbuf，然后调用排
%队函数SeekMid（），把该函数在窗口中找到的中值放到newbuf数组中。
[M,N]=size（img）;
img=[zeros（（m-1）/2,N+（m-1））;zeros（M,（m-1）/2）,img,zeros（M,（m-1）/2）;
zeros（（m-1）/2,N+（m-1））];
new=zeros（M,N）;
fori=1:
M
forj=1:
N
buf=img（i:
i+（m-1）,j:
j+（m-1））;
new（i,j）=SeekMid（buf,m）;
end
end
newimg=uint8（new）;
end
（3）functionmid=SeekMid（winbuf,m）
%winbuf=[312;4622;897];
%m=3;
a=sort（winbuf（:
））;%升序排序
mid=a（（m^2+1）/2）;%取中值
end
主程序：
clc
clearall
im0=imread（'lena.bmp'）;
im0=imnoise（im0,'gaussian',0,0.001）;%添加高斯噪声，均值为0，方差为0.001
figure
（1）;imshow（im0）;title（'受高斯噪声污染的原灰度图'）
im=double（im0）;
im1=AverageFilter（im,3,1）;
figure
（2）;imshow（im1）;title（'平滑线性滤波h1'）;
im2=AverageFilter（im,3,2）;
figure（3）;imshow（im2）;title（'平滑线性滤波h2'）;
im3=AverageFilter（im,3,3）;
figure（4）;imshow（im3）;title（'平滑线性滤波h3'）;
im4=MedianFilter（im,3）;
figure（5）;imshow（im4）;title（'中值滤波'）;
实验结果：
这个实验是上个实验的后续步骤，通过实验一我掌握了一副图像数字化的步骤，通过实验二掌握了对一副图像进行灰度变换的方法和步骤。
本次实验所做的是图像的平滑滤波，涉及到的函数有：
imnoise、imfilter。
Imnoise函数为Matlab中添加噪声的函数，我在程序中使用的噪声类型为：
gaussian（高斯噪声）。
Imfilter函数为Matlab中的滤波器函数
四：
实验结果
实验四图像的锐化处理
一：
实验目的：
学习如何用锐化处理技术来加强图像的目标边界和图像细节，对图像进行梯度算子、拉普拉斯算子、Sobel算子设计，使图像的某些特征（如边缘、轮廓等）得以进一步的增强及突出。
锐化处理技术可以在空间域中进行，也可以在频域中运用高通滤波技术进行处理。
二：
实验内容：
编写Robert梯度滤波函数。
编写Sobel算子滤波函数。
编写拉普拉斯边缘增强滤波函数。
观察频域中用高低通滤波技术对图像进行的平滑和锐化处理。
三：
实验程序：
（1）functionnewimg=ILPFilter（img,D0）
%功能：
对图像进行理想低通滤波处理,D0为截止频率
[M,N]=size（img）;
P=2*M;Q=2*N;
img（P,Q）=0;%补零
I=fft2（img）;
I=fftshift（I）;%中心化
fori=1:
P
forj=1:
Q
d=sqrt（（i-P/2）^2+（j-Q/2）^2）;
ifd<=D0
H=1;
else
H=0;
end
I（i,j）=I（i,j）*H;
end
end
I=ifftshift（I）;
I=ifft2（I）;
newimg=uint8（real（I（1:
M,1:
N）））;
end
（2）functionnewimg=LapFilter（img）
%该函数实现的功能为：
用拉普拉斯算子对图像进行边缘增强滤波，最后结果存
%放在newimg数组中。
%clc
%clearall
%img=imread（'lena.bmp'）;
%figure
（1）,imshow（img）,title（'原灰度图'）;
%img=double（img）;
[M,N]=size（img）;
m=3;
img=[zeros（（m-1）/2,N+（m-1））;zeros（M,（m-1）/2）,img,zeros（M,（m-1）/2）;
zeros（（m-1）/2,N+（m-1））];%补零
%img=uint8（img）;
%figure
（2）,imshow（img）
newimg=zeros（M,N）;
fori=1:
M
forj=1:
N
buf=img（i,j+1）+img（i+1,j）+img（i+2,j+1）+img（i+1,j+2）;
newimg（i,j）=4*img（i+1,j+1）-abs（buf）;
end
end
newimg=uint8（newimg）;
%figure
（2）,imshow（newimg）,title（'Laplace'）
end
（3）functionnewimg=RobFilter（img）
%该函数实现的功能为：
用Robert梯度算法对图像进行锐化处理，最后结果存放
%在newimg数组中。
[M,N]=size（img）;
img=[img,zeros（M,1）;zeros（1,N+1）];
newimg=zeros（M,N）;
fori=1:
M
forj=1:
N
newimg（i,j）=abs（img（i,j）-img（i+1,j+1））+abs（img（i+1,j）-img（i,j+1））;
end
end
newimg=uint8（newimg）;
end
（4）functionnewimg=SobFilter（img）
%该函数实现的功能为：
用Sobel算子对图像进行锐化滤波，
%最后结果存放在newimg数组中。
%clc
%clearall
%im0=imread（'lena.bmp'）;
%figure
（1）,imshow（im0）,title（'原灰度图'）;
%img=double（im0）;
[M,N]=size（img）;
newimg=zeros（M,N）;
sx=[-1-2-1;000;121];
sy=[-101;-202;-101];
m=3;
img=[zeros（（m-1）/2,N+（m-1））;zeros（M,（m-1）/2）,img,zeros（M,（m-1）/2）;
zeros（（m-1）/2,N+（m-1））];%补零
fori=1:
M
forj=1:
N
gx=img（i:
i+（m-1）,j:
j+（m-1））.*sx;
gy=img（i:
i+（m-1）,j:
j+（m-1））.*sy;
newimg（i,j）=abs（sum（gx（:
）））+abs（sum（gy（:
）））;
end
end
newimg=uint8（newimg）;
%figure
（2）,imshow（newimg）
end
主程序：
clc
clearall
im0=imread（'lena.bmp'）;
figure
（1）,imshow（im0）,title（'原灰度图'）;
im0=double（im0）;
im1=RobFilter（im0）;
figure
（2）,imshow（im1）,title（'Robert梯度滤波'）;
im2=SobFilter（im0）;
figure（3）,imshow（im2）,title（'Sobel算子滤波'）;
im3=LapFilter（im0）;
figure（4）,imshow（im3）,title（'拉普拉斯边缘增强'）;
im4=ILPFilter（im0,100）;%理想低通滤波
figure（5）,imshow（im4）,title（'频域法滤波'）;
四：
实验结果：
本次实验着重图像的边缘处理，其中涉及的函数有：
edge、imfilter。
Edge函数为Matlab中的边缘检测函数，其用法为：
BW = edge（I） 采用I作为它的输入，并返回一个与I相同大小的二值化图像BW，在函数检测到边缘的地方为1。
Imfilter函数为滤波器函数，用法上次实验已经叙述过。
因为Edge函数的输入需要是一个灰度图像或者二值图像，所以先通过Rgb转灰度函数，将图像变为灰度图像，然后通过“Roberts”，“Sobel”算法对图像进行边缘检测，从实验结果的图像中可以看出，Sobel算子在检测丰富信息的图像时，效果更佳。
而在拉普拉斯变换前，给定好了一个模板，进行滤波后能看出，图像的边缘已经更加突出，达到了实验预期的效果
实验五图像的伪彩色处理
一：
实验目的：
学习和掌握伪彩色处理基本方法，将灰度图像转换为多种颜色的彩色图像。
根据图像特点，了解伪彩色处理技术在实际中的应用。
二：
实验内容：
编写密度分割函数，实现灰度图像的伪彩色显示。
编写灰度级彩色变换函数，实现灰度图像的伪彩色显示。
三：
实验程序：
（1）functionnewimg=GrayColor（img）
%该函数实现的功能为：
按密度分割对灰度图像进行伪彩
%色图像处理，最后结果存放在newimg数组中。
[M,N]=size（img）;
newimg=zeros（M,N,3）;
fori=1:
M
forj=1:
N
ifimg（i,j）<64
newimg（i,j,1）=255;
newimg（i,j,2）=255;
newimg（i,j,3）=0;
elseifimg（i,j）>=64&&img（i,j）<128
newimg（i,j,1）=0;
newimg（i,j,2）=255;
newimg（i,j,3）=255;
elseifimg（i,j）>=128&&img（i,j）<192
newimg（i,j,1）=255;
newimg（i,j,2）=0;
newimg（i,j,3）=255;
elseifimg（i,j）>=192
newimg（i,j,1）=255;
newimg（i,j,2）=0;
newimg（i,j,3）=0;
end
end
end
end
end
end
newimg=uint8（newimg）;
end
（2）functionnewimg=GrayColor2（img）
%功能：
灰度级彩色变换
[M,N]=size（img）;
newimg=zeros（M,N,3）;
fori=1:
M
forj=1:
N
ifimg（i,j）<64
newimg（i,j,1）=0;
newimg（i,j,2）=img（i,j）*4;
newimg（i,j,3）=255;
elseifimg（i,j）>=64&&img（i,j）<128
newimg（i,j,1）=0;
newimg（i,j,2）=255;
newimg（i,j,3）=（img（i,j）-64）/4;
elseifimg（i,j）>=128&&img（i,j）<192
newimg（i,j,1）=（img（i,j）-128）*4;
newimg（i,j,2）=0;
newimg（i,j,3）=0;
elseifimg（i,j）>=192
newimg（i,j,1）=255;
newimg（i,j,2）=（img（i,j）-192）/4;
newimg（i,j,3）=0;
end
end
end
end
end
end
newimg=uint8（newimg）;
end
主程序：
clc
clearall
im0=imread（'lena.bmp'）;
figure
（1）,imshow（im0）,title（'原灰度图'）;
im0=double（im0）;
im1=GrayColor（im0）;
figure
（2）,imshow（im1）,title（'多灰度伪彩色分割'）;
im2=GrayColor2（im0）;
figure（3）,imshow（im2）,title（'灰度级彩色变换'）;
四：
实验结果
实验六图像的几何变化
一：
实验目的：
学习和掌握图像几何空间变换和灰度插值的基本方法，对图像进行相应的几何变换操作。
二;实验内容：
编程实现图像的比例缩放。
编程实现图像任意角度的旋转变换。
分别用MATLAB函数提供的三种插值方法实现图像的缩放和旋转。
三：
实验程序：
（1）functionnewimg=GeoRotate（img,theta）
%该函数实现的功能为：
移动滑动条改变图像的旋转角度，对图像进行旋转变换，
%最后结果存放在newimg数组中,theta为旋转角度。
[M,N]=size（img）;
i0=round（M/2）;j0=round（N/2）;
theta=theta/180*pi;
T=[cos（theta）sin（theta）0;-sin（theta）cos（theta）0;001];%旋转矩阵
b=zeros（M,N,2）;
for
升级会员 