图像上机实验

1、实验一 图像处理的基本操作一，实验目的1熟悉有关数字图像处理的matlab基本操作和编写；2掌握数字图像的基本读写、显示与保存；3能够利用matlab工具箱完成图像处理的基本运算；二，实验内容1（1）读取图像并显示真彩色图像house.tiff；（2）读取图像并显示索引色图像canoe.tif，并转换为灰度图像；（3）读取图像并显示灰度图像rice.png，并转换为二进制图像；（4）检测内存中的图像和保存图像；2查看不同分辨率下图像lena.tiff的显示结果；3对彩色图像peppers.png观看grb通道各单通道图像；4实现马赫带效应并画出灰度直方图。三，代码i=imread('h

2、ouse.tiff');figure(1)imshow(i)a,map=imread('canoe.tif');figure(2)subplot(121)imshow(a,map)d=ind2gray(a,map);subplot(122)imshow(d)g=imread('rice.png');figure(3)subplot(121)imshow(g)th=graythresh(g);h=im2bw(g,th);subplot(122)imshow(h)whos;imwriteb=imread('lena.tiff');figure

3、(4),subplot(121)imshow(b)c = imresize(b, 0.2)subplot(122)imshow(c)d=imread('peppers.png');r=d,r(:,:,2 3)=0; g=d,g(:,:,1 3)=0; b=d,b(:,:,1 2)=0; figure(5), subplot(1,3,1),imshow(r); subplot(1,3,2),imshow(g); subplot(1,3,3),imshow(b);a=zeros(256,256);for i=1:32:256 a(:,i:i+32)=i;endfigure(6);s

4、ubplot(121)imshow(uint8(a);subplot(122)imhist(uint8(a);四，实验结果五，结果分析 从运行结果可以看出，实验还是比较成功的。但是在做索引色那个图像的时候，如果索引色和灰度图像放在同一个figure里，索引色图像显示的也是灰色，因此我只能把索引色图像和灰度图像分开放到两个figure里。在查看不同分辨率下图像lena.tiff的显示结果时，必须要对两个图像进行放大查看才能看出不同。实验二 图像变换1一，实验目的1熟悉有关matlab工具箱中提供的图像变换函数；2掌握傅立叶变换和小波变换等常用的正交变换函数；二，实验内容1对图像lena.png进

5、行傅立叶变换和离散余弦变换，并分别求出其逆变换后重构图像的均方误差；2实现图像lena.png的两层小波分解，观察分解系数并重构，求重构图像误差值；3观察图像im1.bmp经小波分解系数的方向性，实现三层小波分解，分别把hl,lh,hh子带置零和重构，观察重构图像跟原始图像的差异。三，代码%1对图像lena.png进行傅立叶变换和离散余弦变换，% 并分别求出其逆变换后重构图像的均方误差；clear;clc;i=imread('lena.png');%傅里叶变换figure(1);i1=fft2(i);i1=fftshift(i1);if=ifftshift(i1);if=uin

6、t8(real(ifft2(if);subplot(231);imshow(i);subplot(232);imshow(log(abs(i1),);subplot(233);imshow(if);m,n=size(i); %计算均方误差for i=1:m for j=1:n temp(i,j)=(if(i,j)-i(i,j)2; endendwucha1=sum(sum(temp)%离散余弦变换i2=dct2(i);i3=fftshift(i2);id=idct2(i2);id=uint8(real(id);subplot(234);imshow(i);subplot(235);imshow

7、(log(abs(i3),);subplot(236);imshow(id);m,n=size(i); %计算均方误差for i=1:m for j=1:n temp(i,j)=(if(i,j)-i(i,j)2; endendwucha2=sum(sum(temp) % 2实现图像lena.png的两层小波分解，观察分解系数并重构，求重构图像误差值；x=imread('lena.png');c,s=wavedec2(x,2,'bior3.7');a1=wrcoef2('a',c,s,'bior3.7',1);h1=wrcoef2(

8、'h',c,s,'bior3.7',1);v1=wrcoef2('v',c,s,'bior3.7',1);d1=wrcoef2('d',c,s,'bior3.7',1);c1=a1,h1;v1,d1;c1=uint8(c1);xr=waverec2(c,s,'bior3.7');figure(2);subplot(131);imshow(x);subplot(132);imshow(c1);subplot(133);imshow(uint8(xr);m,n=size(x); %计算均

9、方误差for i=1:m for j=1:n temp(i,j)=(xr(i,j)-i(i,j)2; endendwucha3=sum(sum(temp) % 3观察图像im1.bmp经小波分解系数的方向性，实现三层小波分解，% 分别把hl,lh,hh子带置零和重构，观察重构图像跟原始图像的差异。p=imread('c:shiyan2im1.bmp');c,s=wavedec2(p,3,'bior3.7');a1=wrcoef2('a',c,s,'bior3.7',1);h1=wrcoef2('h',c,s,

10、9;bior3.7',1);v1=wrcoef2('v',c,s,'bior3.7',1);d1=wrcoef2('d',c,s,'bior3.7',1);c1=a1,h1;v1,d1;c1=uint8(c1);figure(3);subplot(131);imshow(p);subplot(132);imshow(c1);subplot(133);imshow(uint8(a1);四，实验结果五，实验结果 从运行结果可以看出，实验还是比较成功的。上图分别是1.对图像lena.png进行傅立叶变换和离散余弦变换，并分别求出

11、其逆变换后重构图像的均方误差；2实现图像lena.png的两层小波分解，观察分解系数并重构，求重构图像误差值；3观察图像im1.bmp经小波分解系数的方向性，实现三层小波分解，分别把hl,lh,hh子带置零和重构，观察重构图像跟原始图像的差异。最后求得误差均为零，我认为这可能是重构方法均是使用matlab自带函数的原因，使得重构图像与原图几乎一样。实验三 图像变换2一，实验目的1熟悉有关图像增强的直方图方法；2掌握傅立叶变换和离散余弦变换等常用的正交变换函数；二，实验内容1实现对图像im2.bmp进行直方图均衡化，从而达到增强图像的目的，观察图像直方图的前后变化；2实现对图像im3.bmp加入

12、某种噪声（如椒盐噪声等），运用低通滤波和中值滤波分别进行图像平滑；3实现对图像im4.bmp的同态增强：对照明分量和反射分量进行同态滤波。三，代码clear; clc;% 实现对图像im2.bmp进行直方图均衡化，从而达到增强图像的目的，% 观察图像直方图的前后变化i=imread('im2.bmp');j=histeq(i);figure(1);subplot(221);imshow(i);title('原始图像');subplot(222);imshow(j);title('均衡化图像');subplot(223);imhist(i,64);

13、title('原始直方图');subplot(224);imhist(j,64);title('均衡化直方图');% 实现对图像im3.bmp加入某种噪声（如椒盐噪声等），% 运用低通滤波和中值滤波分别进行图像平滑k=imread('im3.bmp');l=imnoise(k,'salt & pepper',0.02);figure(2);subplot(221);imshow(k);title('原始图像');subplot(222);imshow(l);title('噪声图像');p=m

14、edfilt2(l);subplot(223);imshow(p);title('中值滤波图像');f=double(l);g=fftshift(fft2(f);n1,n2=size(g);n=2; %butterworth滤波器的参数n=2d0=50; %d0为截止频率（与原点的距离）n1=fix(n1/2);n2=fix(n2/2);for i=1:n1 for j=2:n2 d=sqrt(i-n1)2+(j-n2)2); h=1/(1+0.414*(d/d0)2*n); result(i,j)=h*g(i,j); endendresult=ifftshift(result

15、);x2=ifft2(result);x3=uint8(real(x2);subplot(224);imshow(x3);title('butterworth低通滤波图像'); %实现对图像im4.bmp的同态增强：对照明分量和反射分量进行同态滤波%图像的动态范围压缩，图像的对比度增强，类似于高通滤波clear;figure;i=imread('im4.bmp');i1=log(double(i)+1);i2=fft2(i1);n=3;d0=5;rh=0.1;rl=0.05;row,col=size(i2);for i=1:row for j=1:col d1(

16、i,j)=sqrt(i2+j2); h(i,j)=rl+(rh/(1+(d0/d1(i,j)(2*n); endendi3=i2.*h;i4=ifft2(i3);i5=exp(i4)-1;subplot(121);imshow(i);title('原始图像');subplot(122);imshow(i5);title('同态滤波');四，实验结果五，结果分析 从运行结果可以看出，实验还是比较成功的。但在加入椒盐噪声后进行高斯低通滤波的实验中，高斯低通滤波并不能完美的把噪声滤掉，图像中依然存在噪声，虽然变得不明显了。我想可能是算子取得不好，导致了高斯低通滤波的失

17、败。实验四 图像处理一、实验目的1掌握图像分割中的四叉树区域分割与合并法；2掌握图像分割中的阈值分割法；3了解图像纹理分析和特征提取方法；4了解图像目标识别方法及其应用；二、实验内容1使用四叉树(quadtree)的方法，找出图像im5.bmp中物体的轮廓；2选择一个合适的初始阈值，将图像im5.bmp分为两个区域；3选作题目：选择合适的位置算子，计算出图像的共生矩阵，然后计算熵和能量来描述纹理特征；4选作实验五 特征提取一、实验目的1了解图像纹理分析和特征提取方法；二、实验内容1选择合适的位置算子，计算出图像的共生矩阵，然后计算熵和能量来描述纹理特征；题目：汽车牌照定位与字符识别。 三，代码

18、%使用四叉树(quadtree)的方法，找出图像im5.bmp中物体的轮廓h=imread('l8_2.bmp');s = qtdecomp(h, 0.2);figure(1);subplot(221);imshow(full(s);title('参数为0.2');s = qtdecomp(h, 0.4);subplot(222);imshow(full(s);title('参数为0.4');s = qtdecomp(h, 0.6);subplot(223);imshow(full(s);title('参数为0.6');s = q

19、tdecomp(h, 0.8);subplot(224);imshow(full(s);title('参数为0.8'); % 选择一个合适的初始阈值，将图像im5.bmp分为两个区域h=imread('l8_2.bmp');h1=im2bw(h,40/255);h2=im2bw(h,100/255);h3=im2bw(h,150/255);h4=im2bw(h,180/255);figure(2);subplot(221);imshow(h);title('原图像'); subplot(222);imshow(h2);title('t=100'); subplot(2