数字图像处理上机图像平滑锐化Word下载.docx

1、D:matlab2011workp02-01.bmp）; subplot（621） imshow（I） title（图像） subplot（622）,imhist（I,256）图像直方图matlab2011workp02-02.tif subplot（623） subplot（624）,imhist（I,256）matlab2011workp02-03.tif subplot（625） subplot（626）,imhist（I,256）matlab2011workp02-04.tif subplot（6,2,7） subplot（6,2,8）,imhist（I,256）matlab2011w

2、orkp02-05.bmp subplot（6,2,9） subplot（6,2,10）,imhist（I,256）matlab2011workp02-06.tif subplot（6,2,11） subplot（6,2,12）,imhist（I,256）所用函数：I=imread（path）：函数imread用于读取图片文件中的数据，path为图像文件存放路径。figure（Name, ）：打开一个命名为“图像显示类”图表显示图片。subplot（m,n,p）：subplot是将多个图画到一个平面上的工具。其中，m表示是图排成m行，n表示图排成n列，也就是整个figure中有n个图是排成一行

3、的，一共m行，如果m=2就是表示2行图。p表示图所在的位置，p=1表示从左到右从上到下的第一个位置。本程序中为6行2列。imshow（I）：imshow是matlab中显示图像的函数，I为图像中的信息。其调用方式有很多，比如imshow（BW）;imshow（I,low high）等。imhist（I,256）:n为灰度图像灰度级，I为灰度图像，缺省值为256。2.运行结果要求（1-4） 对灰度图象p02-04的灰度范围进行适当展宽J=imread（subplot（131）imshow（J,100,150）;title（灰度范围100-150subplot（132）imshow（J,50,20

4、0）;灰度范围50-200subplot（133）imshow（J,0,255）;灰度范围0-255相关函数：imshow（J,50,200）:J代表所显示图像的灰度矩阵 ，50,200为图像数据的值域。二 图象平滑要求（2-2） 对p02-02jy、p02-02gs进行3*3方形窗口的灰度最相近的K个邻点平均法滤波A=imread（图像显示subplot（3,2,1）;imshow（A）; %显示灰度图像原图象P01-01J1=imnoise（A,salt & pepper,0.02）; %加均值为0，方差为0.02的椒盐噪声subplot（3,2,3）;imshow（J1）;椒盐噪声图象K

5、1=filter2（fspecial（average,3）,J1）/255;subplot（3,2,4）;imshow（K1）;椒盐噪声平滑图象J2=imnoise（A,gaussian %加均值为0，方差为0.02的高斯噪声。subplot（3,2,5）;高斯噪声图象K2=filter2（fspecial（subplot（3,2,6）;imshow（K2）;高斯噪声平滑图象对p02-02jy、p02-02gs进行3*3方形窗口的灰度最相近的K个邻点平均法滤波，滤波后椒盐噪声和高斯噪声均减少，但图像变得模糊。要求（2-4） 对p02-04jy、p02-04gs进行方形窗口的最大均匀性平滑滤波1

6、.算法设计为避免消除噪声时引起边缘模糊，最大均匀性平滑算法先找出环绕每像素的灰度最均匀 窗口，然后用该窗口的灰度均值代替该像素原来的灰度值。具体来说，对图像中任一像素（x,y）的5个有重叠的3*3邻域，用梯度衡量它们的灰度变换大小。把其中灰度变换最小的邻域作为最均匀的窗口，用其平均灰度代替像素（x,y）的灰度值。2.程序代码,0.01）;%加椒盐噪声G1=imnoise（A,%加高斯噪声subplot（2,2,1）; p02-04jysubplot（2,2,3）;imshow（G1）;p02-04gs%3*3最大均匀性平滑滤波%W,L=size（J1）;J2=double（J1）;G2=dou

7、ble（G1）;G3=double（G1）;J3=double（J1）;Com=zeros（1,5）;COM=double（Com）;COM1=double（Com）;%计算梯度%for i=3:L-2 for j=3:W-2 COM（1）=abs（J2（i-2,j-2）-J2（i,j）+abs（J2（i-2,j-1）-J2（i,j）+abs（J2（i-2,j）-J2（i,j）+abs（J2（i-1,j-2）-J2（i,j）+abs（J2（i-1,j-1）-J2（i,j）+abs（J2（i-1,j）-J2（i,j）+abs（J2（i,j-2）-J2（i,j）+abs（J2（i,j-1）-J2（

8、i,j）; COM（2）=abs（J2（i+2,j-2）-J2（i,j）+abs（J2（i+2,j-1）-J2（i,j）+abs（J2（i+2,j）-J2（i,j）+abs（J2（i+1,j-2）-J2（i,j）+abs（J2（i+1,j-1）-J2（i,j）+abs（J2（i+1,j）-J2（i,j）+abs（J2（i,j-2）-J2（i,j）+abs（J2（i,j-1）-J2（i,j）; COM（3）=abs（J2（i-2,j+2）-J2（i,j）+abs（J2（i-2,j+1）-J2（i,j）+abs（J2（i-2,j）-J2（i,j）+abs（J2（i-1,j+2）-J2（i,j）+a

9、bs（J2（i-1,j+1）-J2（i,j）+abs（J2（i-1,j）-J2（i,j）+abs（J2（i,j+2）-J2（i,j）+abs（J2（i,j+1）-J2（i,j）; COM（4）=abs（J2（i+2,j+2）-J2（i,j）+abs（J2（i+2,j+1）-J2（i,j）+abs（J2（i+2,j）-J2（i,j）+abs（J2（i+1,j+2）-J2（i,j）+abs（J2（i+1,j+1）-J2（i,j）+abs（J2（i+1,j）-J2（i,j）+abs（J2（i,j+2）-J2（i,j）+abs（J2（i,j+1）-J2（i,j）; COM（5）=abs（J2（i-1,

10、j-1）-J2（i,j）+abs（J2（i-1,j）-J2（i,j）+abs（J2（i-1,j+1）-J2（i,j）+abs（J2（i,j+1）-J2（i,j）+abs（J2（i,j-1）-J2（i,j）+abs（J2（i+1,j-1）-J2（i,j）+abs（J2（i+1,j）-J2（i,j）+abs（J2（i+1,j+1）-J2（i,j）; COM1（1）=abs（G2（i-2,j-2）-G2（i,j）+abs（G2（i-2,j-1）-G2（i,j）+abs（G2（i-2,j）-G2（i,j）+abs（G2（i-1,j-2）-G2（i,j）+abs（G2（i-1,j-1）-G2（i,j）+

11、abs（G2（i-1,j）-G2（i,j）+abs（G2（i,j-2）-G2（i,j）+abs（G2（i,j-1）-G2（i,j）; COM1（2）=abs（G2（i+2,j-2）-G2（i,j）+abs（G2（i+2,j-1）-G2（i,j）+abs（G2（i+2,j）-G2（i,j）+abs（G2（i+1,j-2）-G2（i,j）+abs（G2（i+1,j-1）-G2（i,j）+abs（G2（i+1,j）-G2（i,j）+abs（G2（i,j-2）-G2（i,j）+abs（G2（i,j-1）-G2（i,j）; COM1（3）=abs（G2（i-2,j+2）-G2（i,j）+abs（G2（i

12、-2,j+1）-G2（i,j）+abs（G2（i-2,j）-G2（i,j）+abs（G2（i-1,j+2）-G2（i,j）+abs（G2（i-1,j+1）-G2（i,j）+abs（G2（i-1,j）-G2（i,j）+abs（G2（i,j+2）-G2（i,j）+abs（G2（i,j+1）-G2（i,j）; COM1（4）=abs（G2（i+2,j+2）-G2（i,j）+abs（G2（i+2,j+1）-G2（i,j）+abs（G2（i+2,j）-G2（i,j）+abs（G2（i+1,j+2）-G2（i,j）+abs（G2（i+1,j+1）-G2（i,j）+abs（G2（i+1,j）-G2（i,j）

13、+abs（G2（i,j+2）-G2（i,j）+abs（G2（i,j+1）-G2（i,j）; COM1（5）=abs（G2（i-1,j-1）-G2（i,j）+abs（G2（i-1,j）-G2（i,j）+abs（G2（i-1,j+1）-G2（i,j）+abs（G2（i,j+1）-G2（i,j）+abs（G2（i,j-1）-G2（i,j）+abs（G2（i+1,j-1）-G2（i,j）+abs（G2（i+1,j）-G2（i,j）+abs（G2（i+1,j+1）-G2（i,j）;%找出梯度值最小的3*3邻域（灰度变换最小的邻域）% temp=min（COM）; for k=1:5 if temp=（C

14、OM（k） t=k; end%计算该邻域平均灰度% if（k=1） J3（i,j）=J2（i-2,j-2）/9+J2（i-2,j-1）/9+J2（i-2,j）/9+J2（i-1,j-2）/9+J2（i-1,j-1）/9+J2（i-1,j）/9+J2（i,j-2）/9+J2（i,j-1）/9+J2（i,j-2）/9; if（k=2） J3（i,j）=J2（i+2,j-2）/9+J2（i+2,j-1）/9+J2（i+2,j）/9+J2（i+1,j-2）/9+J2（i+1,j-1）/9+J2（i+1,j）/9+J2（i,j-2）/9+J2（i,j-1）/9+J2（i,j-2）/9; if（k=3）

15、J3（i,j）=J2（i-2,j+2）/9+J2（i-2,j+1）/9+J2（i-2,j）/9+J2（i-1,j+2）/9+J2（i-1,j+1）/9+J2（i-1,j）/9+J2（i,j+2）/9+J2（i,j+1）/9+J2（i,j+2）/9; if（k=4） J3（i,j）=J2（i+2,j+2）/9+J2（i+2,j+1）/9+J2（i+2,j）/9+J2（i+1,j+2）/9+J2（i+1,j+1）/9+J2（i+1,j）/9+J2（i,j+2）/9+J2（i,j+1）/9+J2（i,j+2）/9; if（k=5） J3（i,j）=J2（i-1,j-1）/9+J2（i,j-1）/9+

16、J2（i+1,j-1）/9+J2（i-1,j）/9+J2（i,j）/9+J2（i+1,j）/9+J2（i-1,j+1）/9+J2（i,j+1）/9+J2（i+1,j+1）/9; temp=min（COM1）; if temp=（COM1（k） t=k; G3（i,j）=G2（i-2,j-2）/9+G2（i-2,j-1）/9+G2（i-2,j）/9+G2（i-1,j-2）/9+G2（i-1,j-1）/9+G2（i-1,j）/9+G2（i,j-2）/9+G2（i,j-1）/9+G2（i,j-2）/9; G3（i,j）=G2（i+2,j-2）/9+G2（i+2,j-1）/9+G2（i+2,j）/9+

17、G2（i+1,j-2）/9+G2（i+1,j-1）/9+G2（i+1,j）/9+G2（i,j-2）/9+G2（i,j-1）/9+G2（i,j-2）/9; G3（i,j）=G2（i-2,j+2）/9+G2（i-2,j+1）/9+G2（i-2,j）/9+G2（i-1,j+2）/9+G2（i-1,j+1）/9+G2（i-1,j）/9+G2（i,j+2）/9+G2（i,j+1）/9+G2（i,j+2）/9; G3（i,j）=G2（i+2,j+2）/9+G2（i+2,j+1）/9+G2（i+2,j）/9+G2（i+1,j+2）/9+G2（i+1,j+1）/9+G2（i+1,j）/9+G2（i,j+2）/

18、9+G2（i,j+1）/9+G2（i,j+2）/9; G3（i,j）=G2（i-1,j-1）/9+G2（i,j-1）/9+G2（i+1,j-1）/9+G2（i-1,j）/9+G2（i,j）/9+G2（i+1,j）/9+G2（i-1,j+1）/9+G2（i,j+1）/9+G2（i+1,j+1）/9;end;subplot（2,2,2）;imshow（uint8（J3）;jy经3*3最大均匀滤波subplot（2,2,4）;imshow（uint8（G3）;gs经3*3最大均匀滤波3.运行结果三 图象锐化要求（3-4） 利用3*3的Krisch算子对p02-04实施图象锐化1971年，R.Kirs

19、ch提出了一种能检测边缘方向的Kirsch算子新方法：它使用了8个模板来确定梯度幅度值和梯度的方向。算法流程图读入图像，对边界点赋值，再利用krisch算子算出每个像素点梯度值，找出最大的梯度值并保存。算出梯度后，根据需要生成三种不同的增强图像。f = im2double（A）; %类型转换原图象P02-04B=imkrisch（ f , 0.7,0）imshow（B）;锐化图象1 P02-04B=imkrisch（ f ,0.7, 1）锐化图象2 P02-04B=imkrisch（ f , 0.7,2）锐化图象3 P02-04function g = imkrisch（ f , T, way

20、）%用imkrisch算子进行图像锐化%f 为输入图像%T 为比较的阈值%way 为算子的输出方式%way 0、1、2in = nargin;if in 3 error（Not enough input argumentendfs = size（f）;m = fs（1,1）;n = fs（1,2）;if （m = 1） | （n T g（i,j） = g（i,j）; else g（i,j） = 0; % g（i,j） = g（i,j）;%else %使用4.3.8公式 大于T:g 小于T ：fif way = 1 if g（i,j） g（i,j） = f（i,j）;if way = 03.运行结果及分析（1）采用Krisch算子，采用三种不同的增强图像方法锐化图像1：使原图像各点（x,y）的灰度g（x,y）等于梯度，即：g（x,y） = grad（x,y）此法的缺点是增强的图像仅显示灰度变化比较陡的边缘轮廓，而灰度变化比较平缓或均匀的区域呈黑色。锐化图像2：T为阈值。适当选取T，可使边缘轮廓突出，又不会破坏原来灰度变化计较平缓的背景锐化图像3：T为阈值，适当选取T。背景用固定灰度级表示，便于观察边缘灰度变化。（2）采用Krisch算子，采用增强图像方法一，阈值分别设置为0.4、0.7、0.95