数字图像采集与处理工程导论作业.docx
《数字图像采集与处理工程导论作业.docx》由会员分享，可在线阅读，更多相关《数字图像采集与处理工程导论作业.docx（14页珍藏版）》请在冰豆网上搜索。
数字图像采集与处理工程导论作业
“数字图像采集与处理工程导论”
实验报告
姓名：
***
学号：
0209****
年级：
2009级
班级：
0209**班
学院：
电子工程学院
专业：
信息对抗技术
电话：
***********
一
用Matlab语言完成如下实验：
（1）打开一幅BMP图像；
（2）将局部区域的灰度值进行改变；
（3）另存为一个新的BMP文件。
实验过程：
（1）选取
用matlab打开：
I=imread（’avril.bmp’）
（2）使用命令I（150:
300,:
）=300改变其部分区域值；
用命令：
image（I）
查看改变灰度后的结果如下：
（3）使用命令
imwrite（I,new.bmp’）
将修改后的图像另存为名为new.bmp的文件，可见在当前工作目录下产生了名为new.bmp的图像文件。
二
MATLAB编程实现傅里叶高通，低通滤波，给出算法原理及实验结果。
程序:
%%DOCUMENTTITLE
%INTRODUCTORYTEXT
filename='avril.jpg';
Img=imread（filename）;
imshow（Img）;
%functionIdealHighFilter（Img,p,q,d）
%
%if~isgray（Img）
Img=rgb2gray（Img）;
%end;
figure
（1）;
subplot（2,2,1）;imshow（Img）;title（'原图像'）;
f=fftshift（fft2（Img））;
subplot（2,2,2）;imshow（abs（f）,[]）;title（'原图像的傅里叶频谱'）;
subplot（2,2,3）;imshow（log（abs（f））,[]）;title（'原图像的傅里叶变换取对数后的频谱'）;
[ab]=size（f）;
a0=round（a/2）;
b0=round（b/2）;
fori=1:
a
forii=1:
b
d=10;
p=0.2;
q=0.5;
dis=sqrt（（i-a0）^2+（ii-b0）^2）;
ifdis>=d
h=1;
elseh=0;
end;
s（i,ii）=（p+q*h）*f（i,ii）;
end;
%end;
s=uint8（real（ifft2（ifftshift（s））））;
subplot（2,2,4）,imshow（s）,title（'低通滤波后的频谱'）;
end
%functionIdealLowFilter（Img,d）
%
%if~isgray（Img）
%Img=rgb2gray（Img）;
%end;
figure
（2）;
subplot（2,2,1）;imshow（Img）;title（'原图像'）;
f=fftshift（fft2（Img））;
subplot（2,2,2）;imshow（abs（f）,[]）;title（'原图像的傅里叶频谱'）;
subplot（2,2,3）;imshow（log（abs（f））,[]）;title（'原图像的傅里叶变换取对数后的频谱'）;
[ab]=size（f）;
a0=round（a/2）;
b0=round（b/2）;
fori=1:
a
forii=1:
b
d=10;
dis=sqrt（（i-a0）^2+（ii-b0）^2）;
ifdis<=d
h=1;
elseh=0;
end;
s（i,ii）=h*f（i,ii）;
end;
%end;
s=uint8（real（ifft2（ifftshift（s））））;
subplot（2,2,4）,imshow（s）,title（'高通滤波后的频谱'）;
End
实验结果：
三
找一个曝光不足的灰度（或彩色）图像，用matlab按照直方图均衡化的方法进行处理。
程序：
clc;
clear;
PS=rgb2gray（imread（'3.jpg'））;
subplot（2,2,1）
imshow（PS）
title（'曝光不足的图像'）
%绘制直方图
[m,n]=size（PS）;
P=zeros（1,256）;%预创建存放灰度出现概率的向量
fori=1:
256
P（i）=length（find（PS==（i-1）））/（m*n）;%计算灰度概率，存入GP相应位置
end
subplot（2,2,2）
bar（0:
255,P,'g'）%绘制直方图
title（'原图像直方图'）
xlabel（'灰度值'）
ylabel（'出现概率'）
%直方图均衡化
S1=zeros（1,256）;
fori=1:
256
forj=1:
i
S1（i）=P（j）+S1（i）;%计算Sk
end
end
S2=round（S1*255）;%将Sk归到相近级的灰度
fori=1:
256
P1（i）=sum（P（find（S2==i）））;%计算现有每个灰度级出现的概率
end
subplot（2,2,4）
bar（0:
255,P1,'b'）%显示均衡化后的直方图
title（'均衡化后的直方图'）
xlabel（'灰度值'）
ylabel（'出现概率'）
%图像均衡化
PA=PS;
fori=0:
255
PA（find（PS==i））=S2（i+1）;%将各个像素归一化后的灰度值赋给这个像素
end
subplot（2,2,3）
imshow（PA）%显示均衡化后的图像
title（'均衡化后图像'）
实验结果：
四
用matlab打开图像，添加椒盐，高斯噪声，然后用邻域平均法，中值滤波法进行平滑。
1实验程序：
clc;
clear;
%打开一幅图像，添加高斯、椒盐噪声，用邻域平均法、中值滤波法
%1.对图像添加高斯、椒盐噪声；
I=rgb2gray（imread（'avril.jpg'））;
figure
（1）;
subplot（1,3,1）;imshow（I）;title（'（a）原始图像'）;
P1=imnoise（I,'gaussian',0.06）;%加入高斯噪声
subplot（1,3,2）;imshow（P1）;title（'（b）高斯噪声污染的图片'）;
P2=imnoise（I,'salt&pepper',0.1）;%加入椒盐噪声
subplot（1,3,3）;imshow（P2）;title（'（c）椒盐噪声污染的图片'）;
%2.对图像进行均值滤波
L1=filter2（fspecial（'average',3）,P1）/255;%应用3*3窗的邻域平均滤波
figure
（2）;
subplot（1,2,1）;imshow（L1）;title（'邻域平均法处理高斯噪声图片'）;
L2=filter2（fspecial（'average',3）,P2）/255;%应用3*3窗的邻域平均滤波
figure
（2）;
subplot（1,2,2）;imshow（L2）;title（'邻域平均法处理椒盐噪声图片'）;
%3.对图像进行中值滤波
K1=medfilt2（P1）;%应用缺省的3*3的邻域窗的中值滤波
figure（3）;
subplot（1,2,1）;imshow（K1,[]）;title（'中值滤波法处理高斯噪声图片'）;
K2=medfilt2（P2）;
subplot（1,2,2）;imshow（K2,[]）;title（'中值滤波法处理椒盐噪声图片'）;
实验结果：
五
用MATLAB打开一幅图像，用Roberts梯度法，sobel算子和拉普拉斯算子进行锐化，并比较结果。
1实验程序：
I=imread（'avril.jpg'）;
figure
（1）;
imshow（I）;
figure
（2）;
subplot（1,2,1）;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（1,2,2）;imshow（A,[]）;title（'Roberts梯度法锐化图像'）;
%Sobel算子锐化
S=imfilter（I,fspecial（'sobel'））;
figure（5）;
subplot（1,2,1）;imshow（S）;title（'Sobel算子锐化图像'）;
%laplacian算子锐化
LP=imfilter（I,fspecial（'laplacian'））;
subplot（1,2,2）;imshow（LP）;title（'Laplacian算子锐化图像'）;
2实验结果：
原始图像：
3比较：
Robet算子锐化效果较明显，Sobel算子锐化后的边缘显得粗而亮，Laplance算子使噪声也增强，锐化不明显。
升级会员 