河北工业大学数字图像处理之matlab实验报告.docx

1、河北工业大学数字图像处理之matlab实验报告(此文档为word格式，下载后您可任意编辑修改！)实验一1、实验要求1、熟悉MATLAB软件的开发环境、基本操作以及图像处理工具箱，为编写图像处理程序奠定基础。2、掌握二进制（黑白）图像、灰度图像、彩色图像读、写和显示的基本方法，分别选择以上几种类型的图像，观察其图像类型参数。3、说明以下程序的显示结果为何是一幅几乎全黑的图像。clear; close all;myi=zeros(20,20);myi(2:2:18,2:2:18)=1;myi=uint8(myi);figure, imshow(myi,notruesize);编写程序将图一中ora

2、ngutan_1.tif图片拉伸一倍后形成orangutan_2.tif所示的图片。4、应用MATLAB（或C）语言编写一幅灰度图像直方图统计程序，并选择一幅图像显示其直方图，将结果与MATLAB图像处理工具箱中提供的灰度直方图函数imhist的处理结果进行比较。5、利用以上编写的程序，估算图一所示图像iris.tif中的瞳孔半径（以像素为单位）。 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

3、(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:orangutan_2.tif); figure,imshow(I) I1 = imread(E:iris.tif); figure,imshow(I1) imwrite(I,E:iris.tif,tif) I2 = imread(E:iris.t

4、if); 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(E:iris.tif);I64=double (I8)255;imshow(I64);将一幅名为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

5、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(2:2:18,2:2:18)=1;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myi(2:2:18,2:2:18)=1;改为myi(2:2:18,2:2:18)=255;就会发现图像是黑白相间的条格。2）、纵向二倍拉

6、伸图像代码T1 = maketform(affine,1 0 0; 0 2 0; 0 0 1);I = imread(E:orangutan_1.tif);I1 = 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(E:iris.tif);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clear;close all;f=zeros(30,30);f(5:24,13:17)=1;figure

7、,imshow(f,notruesize);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,notruesize);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,notruesize);colorbar;colormap(jet);pauseFFF=fftshift(FF); % 使用函数fftshift对第二个问

8、题进行修正解决figure,imshow(log(abs(FFF),-1 5,notruesize);colorbar;colormap(jet);return2）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。代码：I=imread(pout.tif);H= screen; displaying at 75% scale. In truesizeResize1 at 308 In truesize at 44 In ims

9、how at 161Warning: Image is too big to fit on screen; displaying at 75% scale. In truesizeResize1 at 308 In truesize at 44 In imshow at 161下面进行非线性变换，其变换公式为g=c*fy请输入指数y：3请输入乘数c：3Warning: Image is too big to fit on screen; displaying at 75% scale. In truesizeResize1 at 308 In truesize at 44 In imshow

10、at 1614）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。（选作）代码：（1）x=imread(lena512.jpg);subplot(2,2,1);imshow(x); %显示

11、源图像title(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title(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 %replicate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title(邻域平均法处理);x2=medfilt2(y); %对高斯躁声中值滤波subplo

12、t(2,2,4);imshow(x2); %显示中值滤波后的图像title(对高斯噪声进行中值滤波);（2）M=imread(lena512.jpg);subplot(1,3,1); imshow(M); %显示原始图像 title(源图像);P=imnoise(M,salt & pepper); %加入椒盐躁声P=imnoise(M,salt & pepper); %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 title(加入椒盐噪声);h=medfilt2(P); %对椒盐躁声中值滤波subplot(1,3,3);imshow(h);t

13、itle(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。（选作）代码：（1）I=imread(rice.png);imshow(I); %显示源图像title(源图像);A1=edge(I,sobel); %用SOBEL算子进行边缘检测figure,subplot

14、(1,3,1);imshow(A1); %SOBEL算子图像显示title(SOBEL算子);A2=edge(I,roberts); %用Roberts算子进行边缘检测subplot(1,3,2);imshow(A2); %Roberts算子图像显示title(Roberts算子);A3=edge(I,prewitt); %用prewitt算子进行边缘检测subplot(1,3,3);imshow(A3); %prewitt算子图像显示title(prewitt算子); （2）I=imread(rice.png);P=imnoise(I,salt & pepper); %加入椒盐噪声subpl

15、ot(2,2,1);imshow(P); %椒盐噪声图像显示title(椒盐噪声图像);B1=edge(P,sobel); %用SOBEL算子进行边缘检测subplot(2,2,2);imshow(B1); %SOBEL算子图像显示title(SOBEL算子);B2=edge(P,roberts); %用Roberts算子进行边缘检测subplot(2,2,3);imshow(B2); %Roberts算子图像显示title(Roberts算子);B3=edge(P,prewitt); %用prewitt算子进行边缘检测subplot(2,2,4);imshow(B3); %prewitt算子图像显示title(prewitt算子);实验心得：其实刚开始我只是听老师课上听讲，但是终究无法深刻理解计算机图像具体的处理过程，通过这次上机实验，不会的上网XX，然后请教同学，才对图像处理有了更深的理解。