最新版河北工业大学数字图像处理之matlab实验报告Word格式.docx

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