数字图像处理题库Word文件下载.docx

1、imshow（K）;旋转180图像5. 选取一副图像eight.tif，进行离散傅里叶变换，将其中心移到零点，得到其离散傅里叶变换。参考例4.10I1=fftshift（fft2（I）;imshow（log（abs（I1）,）;6. 选取一副图像，进行离散傅里叶变换，再对其进行一定角度的旋转，进行离散傅里叶变换. 参考例4.6I=zeros（255,255）;I（100:150,50:200）=1;I1=fftshift（abs（fft2（I）;I2=imrotate（I,60,cropI3=fftshift（abs（fft2（I2）;subplot（1,4,1）;subplot（1,4,2）

2、;imshow（I1,5 50）;傅立叶变换后的图像subplot（1,4,3）;旋转90度后图像subplot（1,4,4）;imshow（I3,5 50）;傅立叶变换后的原始图像7. 选取一副图像eight.tif，进行离散余弦变换，并对其进行离散余弦反变换。参考例4.13I1=dct2（I）;I2=idct2（I1）/255;余弦变换图像反余弦变换图像8. 选取一副图像eight.tif，采用butterworth高通滤波器对图像进行高通滤波。参考例5.7M,N=size（I1）;n=2;d0=30;n1=floor（M/2）;n2=floor（N/2）;for x=1:M for y=

3、1:N d=sqrt（x-n1）2+（y-n2）2）; H=1/（1+（d0/d）（2*n）; I2（x,y）=H*I1（x,y）; endendI2=ifftshift（I2）;I3=real（ifft2（I2）;imshow（I3）;Butterworth高通滤波处理后的图像9. 选择一副图像eight.tif，对灰度图像进行直方图均衡化处理。K=16;H=histeq（I,K）;figure,subplot（2,2,1）;imshow（I,）;subplot（2,2,2）;imshow（H,）,hold onsubplot（2,2,3）,hist（double（I）,16）;subplo

4、t（2,2,4）,hist（double（H）,16）;10. 选择一副图像eight.tif，对灰度图像采用均值滤波。img=imread（imshow（img）;原图img_noise=double（imnoise（img,salt & pepper,0.08）;imshow（img_noise,）;加噪点图img_deal=imfilter（img_noise,fspecial（average,5）;imshow（img_deal,）;平滑图11. 选择一副图像coins.png，对灰度图像，采用prewitt边缘算子和sobel算子对图像进行增强处理。coins.pngimg1=edg

5、e（img,prewittimg2=edge（img,sobelimshow（img1）;imshow（img2）;12. 仿照matlab识别圆形物体例程，对coins.png图像进行处理。threshold = graythresh（I）;bw = im2bw（I,threshold）;% remove all object containing fewer than 30 pixelsbw = bwareaopen（bw,30）;% fill a gap in the pens capse = strel（disk,2）;bw = imclose（bw,se）;% fill any ho

6、les, so that regionprops can be used to estimate% the area enclosed by each of the boundariesbw = imfill（bw,holesB,L = bwboundaries（bw,noholes% Display the label matrix and draw each boundaryhold onfor k = 1:length（B） boundary = Bk; plot（boundary（:,2）, boundary（:,1）, w, LineWidth, 2）stats = regionpr

7、ops（L,AreaCentroidthreshold = 0.94;% loop over the boundaries % obtain （X,Y） boundary coordinates corresponding to label k % 求周长 delta_sq = diff（boundary）.2; perimeter = sum（sqrt（sum（delta_sq,2）; %求面积 area = stats（k）.Area; %求半径 metric = 2*area/perimeter; metric_string = sprintf（r=%2.2f,metric）; text

8、（boundary（1,2）-35,boundary（1,1）+13,metric_string,Colory,. FontSize,14,FontWeightbold求各个硬币的半径13. 对灰度图像进行直线检测，参考例8.2img1.bmpI=rgb2gray（I）;bw=edge（I,logH,T,R=hough（bw）;P=houghpeaks（H,5,threshold,ceil（0.3*max（H（:）;x=T（P（:,2）;y=R（P（:,1）;lines=houghlines（bw,T,R,P,FillGap,5,MinLength,10）;imshow（bw）;hold on

9、;max_len=0;for k=1:length（lines） xy=lines（k）.point1;lines（k）.point2; plot（xy（:,1）,xy（:,2）,2,g14. 对图像eight.tif进行OSTU算法阈值分割，参考例8.4i=imread（width,height=size（i）;thresh=graythresh（i）;bw=im2bw（i,thresh）;15. 对图像img3.bmp进行开运算和闭运算以及填充，参考例8.11img3.bmpi=rgb2gray（i）;bw=im2bw（i）;,6）;bw=imopen（bw,se）;bw=bw;16. 识

10、别图像中字的个数。参考matlab例程Correcting Nonuniform Illuminationimg4.bmpbw=imdilate（bw,se）;labeled,numObjects = bwlabel（bw,4）;t=sprintf（字的个数是：%d,numObjects）;title（t）;17. 两幅图像进行逻辑与、或，非运算A=zeros（128）; A（40:67,60:100）=1;figure（1）; imshow（A）;B=zeros（128）; B（50:80,40:70）=1;figure（2）; imshow（B）;C=and（A,B）; figure（3）

11、; imshow（C）;D=or（A,B）; figure（4）; imshow（D）;E=not（A）; figure（5）; imshow（E）;18. 对一副图像首先加入高斯噪声，然后通过减法运算提取噪声。 J=imnoise（I,gaussian,0,0.02）;K=imsubtract（I,J）; %实现两幅图片相减K1=255-K; %将图片求反显示figure; title（有噪声的图imshow（K1）;提取的噪声19. 已知一副图像coins.png,对图像进行水平镜像M,N=size（I）; g=zeros（M,N）;for i=1: for j=1: g（i,j）=I（i

12、,N-j+1）;subplot（121）; imshow（I）;subplot（122）; imshow（uint8（g）;水平镜像20. 已知一副图像coins.png,对图像进行垂直镜像 g（i,j）=I（M-i+1,j）;垂直镜像21. 已知一副图像coins.png，对图像缩小一倍J=imresize（I,0.5）;figure,imshow（I）;原图像figure,imshow（J）;缩小一倍的图像22. 已知一副图像coins.png，采用最近邻法对图像放大一倍J=imresize（I,2,nearest放大一倍的图像23. 已知一副图像coins.png，对图像进行反转。Img

13、1=imread（figure,imshow（Img1）;original imageImg2=im.plement（Img1）;figure,imshow（Img2）;negative image24. 对图像coins.png进行直方图均衡化并显示原图像和均衡化后的图像以及直方图H=histeq（I）;figure,subplot（2,2,1）,imshow（I,）subplot（2,2,2）,imshow（H,）,hold onsubplot（2,2,3）,hist（double（I）,subplot（2,2,4）,hist（double（H）25. 对一副图像coins.png加入椒盐

14、噪声，然后采用局部3X3的模板进行平滑处理。 imshow（img）;,0.06）; imshow（img_noise,）;img_smoothed=imfilter（img_noise,fspecial（,3）; imshow（img_smoothed,）;26. 对一副图像coins.png加入高斯噪声，然后采用局部5X5的模板进行平滑处理。,0.02）;27. 已知一副图像coins.png，进行sobel边缘检测，显示原图和边缘检测图。subplot（121）,imshow（I）;subplot（122）,imshow（bw）;Sobel算子28. 已知一副图像coins.png，进行

15、prewitt边缘检测，显示原图和边缘检测图。prewitt算子29. 已知一副图像coins.png，进行robert边缘检测，显示原图和边缘检测图。robertsrobert算子30. 已知一副图像coins.png，进行高斯-拉普拉斯边缘检测，显示原图和边缘检测图。高斯-拉普拉斯算子31. 已知一副图像coins.png，显示其直方图和原图像。subplot（122）,imhist（I）;直方图32. 已知一个图像coins.png，对图像进行腐蚀运算，输出原图和结果图.se1=strel（,5）;bw=imerode（I,se1）;腐蚀后的图像33. 已知一个图像coins.png，对

16、图像进行膨胀运算，输出原图和结果图se2=strel（line,5,90）;bw=imdilate（I,se2）;膨胀后的图像34. 已知一个图像coins.png，对图像进行开运算，输出原图和结果图bw=imopen（I,se）;开运算后的图像35. 已知一个图像coins.png，对图像进行闭运算，输出原图和结果图bw=imclose（I,se）;闭运算后的图像36. 已知一个图像coins.png，求其右上角方块的灰度均值，以及该区域的灰度最大值和最小值 coins.png %读取图像I=double（I）; %转换成double型m,n=size（I）; %获取图像的高度m和宽度nmw

17、=round（m/2）; %得到高度的一半mwmh=round（n/2）; %得到宽度的一半mhsumg=0.0; %变量初始化mw for j=mh:n %二重循环计算右上角灰度值之和 sumg=sumg+I（i,j）;avg=sumg/（mw*mh） %计算图像右上角灰度值的均值maxg=max（max（I（1:mw,mh:n） %计算得到图像右上角灰度值的最大值ming=min（min（I（1:n） %计算得到图像右上角灰度值的最小值37. 已知一个图像coins.png，求其左下角方块的灰度均值，以及该区域的灰度最大值和最小值for i=mw:mmh %二重循环计算左下角灰度值之和avg=sumg/（mw*mh） %计算图像左下角灰度值的均值maxg=max（max（I（mw:m,1:mh） %计算得到图像左下角灰度值的最大值ming=min（min（I（mw:mh） %计算得到图像左下角灰度值的最小值38. 已知一个图像coins.png，求其右下角方块的灰度均值，以及该区域的灰度最大值和最小值n %二重循环计算右下角灰度值之和avg=sumg/（mw*mh） %计算图像右下角灰度值的均值m,mh:n）