1、 orangutan_1.tif orangutan_2.tif iris.tif图一2、实验内容1,通过安装matlab软件,熟悉MATLAB软件的开发环境、基本操作以及图像处理工具箱2,图像的读、写、显示和图像类型参数查看通过 I= imread(FILENAME),读取图像,注意FILENAME=图像文件所在的位置+文件名;1)通过imwrite(a,FILENAME,fmt),可以把a图像写进FILENAME图像,即是替换掉FILENAME,但是文件图像格式不替换。2)通过imshow(I),可以把I图像显示出来。3)例如:在matlab软件中,运行如下命令: I = imread(E
2、:orangutan_2.tif figure,imshow(I) I1 = imread(iris.tif figure,imshow(I1) imwrite(I,tif) I2 = imread( figure,imshow(I2) 原图: orangutan_2.tif iris.tif运行结果:可以看到orangutan_2.tif已成功写入 iris.tif中。4)在matlab的可以查看各图像类型的参数先在workspace中导入一幅名为xx.jpg的真彩图,然后在命令窗口输入如下命令: I8= imread(I64=double (I8)255;imshow(I64);将一幅名为
3、iris.tif的灰度图像转换成二值图像,然后观察workspace中显示的二值图像、灰度图像、和真彩图像的参数如下图所示3,全黑图像的解释和拉伸图像程序1)、解释 由程序myi=uint8(myi);可知此程序编写的图像在计算机中采用的是8位存储,即灰度值为0255,其中0为黑,255为白,中间值为由黑向白过度的值。而程序myi=zeros(20,20);构造了一个20行20列的0值矩阵,程序myi(2:将1赋值给矩阵的2,4,6,8,10,12,14,16,18行和2,4,6,8,10,12,14,16,18列,即这些位置的值为1。因为0,1都在人眼识别的黑色范围内,固图像是全黑的,如果将
4、myi(2:改为myi(2:18)=255;就会发现图像是黑白相间的条格。2)、纵向二倍拉伸图像代码T1 = maketform(affine,1 0 0; 0 2 0; 0 0 1);I = imread(orangutan_1.tifI1 = imtransform(I,T1);imshow(I),figure,imshow(I1)4,灰度图像直方图统计程序1)编写的程序img=imread(imshow(img);M,N=size(img);img=double(img);代码:% 根据以下生成的图像矩阵数据进行图像的傅立叶变换并显示其频谱close all;f=zeros(30,30)
5、;f(5:24,13:17)=1;figure,imshow(f,F=fft2(f);% 可视化二维傅立叶变换结果的常用方法是使用对数,以便更详细地观察在0附近区域的细节figure,imshow(log(abs(F),-1 5,colorbar;colormap(jet);pauseFF=fft2(f); % 对f进行零填充,得到一个256X256矩阵,然后再计算离散傅立叶变换figure,imshow(log(abs(FF),-1 5,FFF=fftshift(FF); % 使用函数fftshift对第二个问题进行修正解决figure,imshow(log(abs(FFF),-1 5,re
6、turn2)直方图均衡化:利用Matlab提供的可进行图像直方图修正的函数,自己选择几幅直方图不均匀的图像(如图二pout.tif),对这些图像进行直方图均衡处理,显示处理前后的图像以及它们的灰度直方图,体会直方图均衡化算法的特点。I=imread(pout.tifH= screen; displaying at 75% scale. In truesizeResize1 at 308 In truesize at 44 In imshow at 161Warning: Image is too big to fit on screen;下面进行非线性变换,其变换公式为g=c*fy请输入指数y
7、:3请输入乘数c:4)图像平滑(去噪):(1)选择一幅图像(如图四lena512.jpg),叠加零均值高斯噪声,然后分别利用邻域平均法和中值滤波法对该图像进行滤波,显示滤波前后的图像,比较各滤波器的滤波效果。(2)选择一幅图像,叠加椒盐噪声,寻则合适的滤波器将噪声滤除。(3)选择一幅叠加了零均值高斯噪声的图像,设计一种处理方法,即能去噪声又能保持边缘清晰。(选作)(4)利用图像空间低通滤波法,对于给定的任意图像和低通滤波器(模板),编写一个较为通用的函数实现对输入图像的平滑处理。(1)x=imread(lena512.jpgsubplot(2,2,1);imshow(x); %显示源图像tit
8、le(源图像y=imnoise(x,gaussian,0); %添加0均值的高斯噪声subplot(2,2,2);imshow(y); %显示添加高斯噪声的图像添加高斯噪声mo=fspecial(average %产生一个3*3的方形平均滤波模板x1=imfilter(x,mo,replicate %对图像进行邻域平均法处理 %指卷积填充边缘时用复制边界的值来扩展subplot(2,2,3);imshow(x1); %显示邻域平均法处理后的图像邻域平均法处理x2=medfilt2(y); %对高斯躁声中值滤波subplot(2,2,4);imshow(x2); %显示中值滤波后的图像对高斯噪声
9、进行中值滤波(2)M=imread(subplot(1,3,1);imshow(M); %显示原始图像 P=imnoise(M,salt & pepper %加入椒盐躁声 %两次叠加椒盐躁声subplot(1,3,2);imshow(P); %两次叠加椒盐躁声后显示图像 加入椒盐噪声h=medfilt2(P); %对椒盐躁声中值滤波subplot(1,3,3);imshow(h);中值滤波后5)边缘检测技术:(1)选择三种不同的边缘检测算子对一幅图像(如图五rice.png)进行边缘检测,显示检测结果。(2)对含噪图像进行边缘检测,比较各边缘检测算子对噪声的敏感性,并提出抗噪性能较好的边缘检测
10、方法。(3)编制一个比较通用的边缘提取函数。通过输入不同的参数,能够实现Roberts算子、Prewitt算子、Sobel算子以及Laplacian算子边缘检测。(1)I=imread(rice.pngimshow(I); %显示源图像A1=edge(I,sobel %用SOBEL算子进行边缘检测figure,subplot(1,3,1);imshow(A1); %SOBEL算子图像显示SOBEL算子A2=edge(I,roberts %用Roberts算子进行边缘检测imshow(A2); %Roberts算子图像显示Roberts算子A3=edge(I,prewitt %用prewitt算子进行边缘检测imshow(A3); %prewitt算子图像显示prewitt算子(2)I=imread(P=imnoise(I, %加入椒盐噪声 %椒盐噪声图像显示椒盐噪声图像B1=edge(P,imshow(B1); %SOBEL算子图像显示B2=edge(P,imshow(B2); %Roberts算子图像显示B3=edge(P,imshow(B3
copyright@ 2008-2022 冰豆网网站版权所有
经营许可证编号:鄂ICP备2022015515号-1