20163031325朱艳梅数字图像处理实验五

1、 东华理工大学长江学院信息工程系实验报告2018至2019学年第一学期实验五空间域图像平滑课程名称数字图像处理学号20163031325学生姓名朱艳梅年级16级专业计算机科学与技术教学班号1630313实验地点信工楼306实验时间2018年10月18日第5节至第6节主讲教师王志萍辅导教师王志萍实验（一）实验名称空间域图像平滑软件环境WindowsMatlab7.0硬件环境PC实验目的1.熟悉空域滤波的原理。2掌握对输入图像进行均值滤波、中值滤波。3.熟悉边缘提取的梯度法原理。实验内容（应包括实验题目、实验要求、实验任务等）要求：任意选择一幅灰度或彩色图像。任务：1、选一幅图像（如eight.t

2、if）,对图像加入椒盐噪声，然后分别选择3X3、5X5、7X7等模板进行均值滤波，同时观察噪声图像、不同尺寸模板的均值滤波图像，并就不同尺寸的滤波器模板进行滤波操作的图像进行比较。2、对一幅有噪图像（GAUSS白噪声）进行滤波（原图像可选lena.bmp、saturn.png、pout.tif等），检验两种滤波模板（分别使用一个5X5的线性邻域平均模板和一个非线性模板:3X5中值滤波器）对噪声的滤波效果。3、米用模板111H二十101对一幅加入椒盐噪声图像进行加权平均滤波，观察进38L111J行滤波操作的图像效果。4、对一幅灰度图像，分别使用均值滤波、高斯低通滤波、原图一均值滤波、原图一高斯低

3、通滤波的方法，观察图像效果。5、利用梯度法增强图像，分别显示5种情况的图像效果。（编程实现）实验过程与实验结果（可包括实验实施的步骤、算法描述、结论等）1、选幅图像（如eight.tif）,对图像加入椒盐噪声，然后分别选择3X3、5X5、7X7等模板进行均值滤波，同时观察噪声图像、不同尺寸模板的均值滤波图像，并就不同尺寸的滤波器模板进行滤波操作的图像进行比较。实现代码：a=imread(c:matlabflare.jpg);a=rgb2gray(a);a=im2double(a);b=imnoise(a,salt&pepper,0.04);H1=fspecial(average,3);K1=i

4、mfilter(H1,b);H2=fspecial(average,5);K2=imfilter(H2,b);H3=fspecial(average,7);K3=imfilter(H3,b);subplot(221);imshow(b);title(椒盐噪声)；subplot(222);imshow(K1);title(3X3模板均值滤波);subplot(223);imshow(K2);title(5X5模板均值滤波);subplot(224);imshow(K3);title(7X7模板均值滤波);实现效果图:椒盐噪声:3模板均值滤滅斎模板均值滤波了订模板均值滤波结论：模板越大，去噪声能力

5、越强，但图像越模糊。2、对一幅有噪图像（GAUSS白噪声）进行滤波（原图像可选lena.bmp、saturn.png、pout.tif等），检验两种滤波模板（分别使用一个5X5的线性邻域平均模板和一个非线性模板：3X5中值滤波器）对噪声的滤波效果。实现效果图:结论：对于高斯白噪声，5X5模板线性领域平均滤波方法比3X5模板非线性中值效果较好，前者图像较模糊，后者图像基本无效果。3、采用模板对一幅图像加入椒盐噪声进行加权平均滤波，观察进行滤波操作的图像效果。实现代码：clearall;a=imread(c:matlablena.bmp);a=im2double(a);b=imnoise(a,ga

6、ussian,0.04);h1=ones(5,5)/25;J1=imfilter(b,h1);J2=medfilt2(b,3,5);subplot(221);imshow(a);title(原始图像)；subplot(222);imshow(b);title(gauss白噪声)；subplot(223);imshow(J1);title(5X5模板线性邻域平均)；subplot(224);imshow(J2);title(3X5模板非线性中值滤波);实现代码：clearall;a=imread(c:matlablena.bmp);a=im2double(a);b=imnoise(a,salt&

7、pepper,0.04);h=111;101;111;h=h/8;J=conv2(b,h);subplot(131);imshow(a);title(原始图像)；subplot(132);imshow(b);title(椒盐噪声)；subplot(133);imshow(J);title(8邻域加权平均滤波);实现效果图:原始图像椒盐噪声8邻域加权平均滤泯结论：8邻域加权平均滤波对椒盐噪声的去噪声效果较好。4、对一幅灰度图像，分别使用均值滤波、高斯低通滤波、原图一均值滤波0为减号）、原图一高斯低通滤波的方法，观察图像效果。实现步骤：1、读入一幅灰度图像2、使用均值滤波3、使用高斯低通滤波4、显

8、示两个图像效果实现代码：a=imread(c:lena.bmp);h1=fspecial(average);J1=imfilter(a,h1);h2=fspecial(gaussian);J2=imfilter(a,h2);J3=a*2-J1;J4=a*2-J2;subplot(231);imshow(a);title(原始图像)；subplot(232);imshow(J1);title(均值滤波)；subplot(233);imshow(J2);title(高斯低通滤波);subplot(234);imshow(J3);title(原图-均值);subplot(235);imshow(J4

9、);title(源图-高斯低通);实现效果图:原團-均值原團-高斯低通结论：对于高斯噪声，均值滤波去噪声能力比高斯低通滤波强一些，后者仍存在大量噪声。5、利用梯度法增强图像，分别显示5种情况的图像效果。实现代码：clearall;I=imread(c:lena.bmp);subplot(231),imshow(I);title(原始图像);I=double(I);IX,IY=gradient(I);%梯度GM=sqrt(IX.*IX+IY.*IY);meth1=GM;subplot(232),imshow(uint8(meth1);title(第1种方法);m,n=size(I);fori=1

10、:mforj=1:nifGM(ij)=10J1(ij)=255;elseJ1(ij)=I(ij);endendendsubplot(233),imshow(uint8(J1);title(第2种方法);m,n=size(I);fori=1:mforj=1:nifGM(ij)=10J2(ij)=GM(ij);elseJ2(ij)=I(ij);endendendsubplot(234);imshow(uint8(J2);title(第三种方法)；m,n=size(I);fori=1:mforj=1:nifGM(ij)=10J3(ij)=I(ij);elseJ3(ij)=255;endendendsubplot(235);imshow(uint8(J3);title(第四种方法)；m,n=size(I);fori=1:mforj=l:nifGM(i,j)=10J4(i,j)=255;elseJ4(i,j)=