图像处理电子科大作业

1、第一次作业(a)如果将低阶比特面设为零值，该图像会丢失细节。即不同灰度值的像素个数将减少，这会导致直方图的成分数减少。由于像素个数不会改变，这将在总体上导致直方图峰值高度上升。通常， 较低的灰度值变化将减少对比度。(b)如果将高阶比特面设为零值，该图像会丢失轮廓，即丢失视觉上的很多数据。最明显的影响 是使图像非常模糊，根据灰度变换函数，将0127之间的所有灰度映射为0,下降的最高位将限制到127的8位图像中最亮的水平。由于像素数将保持不变，一些直方图峰值的高度会增加。一般直方图的形状将更高更窄，过去127没有直方图组件。(a)如果这个象素块中的点都比背景亮 ，即对度大于背景，在nxn的中值滤波

2、器中，和背景的 象素一起排序时，因为它的面积小于一半，则可以肯定它们都比排在第 (n X n +1)/2的象素要亮，所 以没有机会被选中，都会被滤掉.对于暗的象素块，情况类似.(b)如果两个象素块足够接近，而且又同时都大于或者都小于背景的灰度，那么在进行中值滤波的时候，这些象素块中的点将会有机会被选为中值.在这种，f#况下，这些象素块将无法被滤掉，也就是不再被认为是单独的.我们假设象素块是正方形的，大小为nxn一半.它们的边长为sqrt(2)/2*n,离滤波器的最大边界距离1-sqrt(2)/2*n,所以这些块单独存在的条件是它们之间的距离大于1-sqrt(2)/2*n.滤波后的图像是否存在清

3、晰的间隔取决于象素间是否有明显的灰度差异.如下图所示，分别代表了三个尺度的滤波器的情况.其中每个尺度滤波器的上下两个方框表示了计算相邻象素点的灰度 时所用到的邻域.b中的滤波器所产生的图像之所以完全混在了一起，是因为它的滤波器的尺度恰好是原图像周期的整数倍.这意位着当所计算的象素向右边移动时，计算所涉及到的邻域把最左边的一列象素去掉了 ，而右边加入了一列新的象素.因为邻域的大小为周期的整数倍，所以左边所去掉的象素灰度值和右边所加入的灰度值是相等的，所以邻域内的灰度平均值没有变化，计算所得的灰度值也没有变化，整个部分混在了一起.而对于a和c来说，当所计算的象素向右移动时，邻域的 最左边去掉了一彳

4、T黑色的象素，右边加入了一行白色的象素，因此在这个时候，邻域内象素的平均值增大，计算所得的象素点变亮.从而产生了间隔的区域.课后编程：1绘制出一幅2Mx 2N的灰度图像直方图；对该图像进行均衡化处理， 绘制出均衡后图像的直方图；对该图像进行灰度变换，使变换后的图像 大致具有如下图所示的归一化直方图，并绘制出变换后实际的直方图： 代码：%;方图均衡化I = imread(C:);height,width = size(I);figuresubplot(221)imshow(I)%显示原始图像subplot(222)imhist(I)%显示原始图像直方图砥行像素灰度统计；NumPixel = ze

5、ros(1,256);%统计各灰度数目，共 256个灰度级for i = 1:height对应灰度值像素点数量增加一for j = 1: widthNumPixel(I(i,j) + 1) = NumPixel(I(i,j) + 1) + 1;%endend%十算灰度分布密度ProbPixel = zeros(1,256);for i = 1:256ProbPixel(i) = NumPixel(i) / (height * width * ;end%十算累计直方图分布CumuPixel = zeros(1,256);for i = 1:256if i = 1CumuPixel(i) = Pr

6、obPixel(i);elseCumuPixel(i) = CumuPixel(i - 1) + ProbPixel(i);endend嫖计分布取整CumuPixel = uint8(255 .* CumuPixel + ;%寸灰度值进行映射(均衡化)for i = 1:heightfor j = 1: widthI(i,j) = CumuPixel(I(i,j);endendsubplot(223)imshow(I)%显示原始图像subplot(224)imhist(I)%显示原始图像直方图截图：2分别在2幅灰度图像中加入一定量的高斯噪声和椒盐噪声，噪声强度自定。然后采用 3X3的均值滤波器

7、和3X3中值滤波器分别对噪声图像 进行处理，给出两种处理方法的峰值信噪比(PSNR)。代码：function z = PSNR(x,y)% calculate PSNR of imageM,N = size(x);dx = im2double(x);dy = im2double(y);err = dx - dy;MSE = sum(sum(err.A2) / (M * N);z = 10*log10(255A2 / MSE); end clc,clf,clear all;%mean square errorpic=imread(C:);data=rgb2gray(pic);P1=imnoise

8、(data,gaussian,;P2=imnoise(data,salt & pepper,; figure ;subplot(3,1,1);imshow(data);title( subplot(3,1,2);imshow(P1);title( subplot(3,1,3);imshow(P2);title( figure;k1=medfilt2(data,3 3);k2=medfilt2(P1,3 3);k3=medfilt2(P2,3 3);r1=PSNR(data, k1);r2=PSNR(data, k2);r3=PSNR(data, k3);subplot(3,1,1);imsho

9、w(k1);title(原图);高斯加噪);椒盐加噪);原图中值滤波psnr: num2str(r1)高斯加噪中值滤波psnr: num2str(r2);椒盐加噪中值滤波psnr: num2str(r3);原图均值滤波psnr: num2str(r1);高斯加噪均值滤波psnr: num2str(r2);椒盐加噪均值滤波psnr: num2str(r3);subplot(3,1,2);imshow(k2);title(subplot(3,1,3);imshow(k3);title(figure;d1= filter2(fspecial(average,3),data)/255;d2= filt

10、er2(fspecial(average,3),P1)/255;d3= filter2(fspecial(average,3),P2)/255;r1=PSNR(data, d1);r2=PSNR(data, d2);r3=PSNR(data, d3);subplot(3,1,1);imshow(d1);title(subplot(3,1,2);imshow(d2);title(subplot(3,1,3);imshow(d3);title(截图：clear;clc;Data=imread(C:UsersAdministratorDesktop);DataGray=rgb2gray(Data);

11、figure(1),imshow(Data);title(原始图像1);%*计算并画出此图像的中心化频率谱*Data1=double(DataGray);FFT2=fft2(Data1);FFTcenter=fftshift(FFT2);%频谱中心化FFT2abs=abs(FFT2);FFTresult=256*log2(FFT2abs/max(max(FFT2abs)+1);figure(2),subplot(1,2,1);imshow(FFTresult),title(原图频谱);FFTc_abs=abs(FFTcenter);FFTc_result=256*log2(FFTc_abs/m

12、ax(max(FFTc_abs)+1);subplot(1,2,2);imshow(FFTc_result),title(中心化频谱);*分别用低通滤波和高通滤波对此图像进行频域处理*m,n=size(FFTcenter);x_center=round(m/2);y_center=round(n/2);d=10;%半径取10LF=FFTcenter;HF=FFTcenter;%*低通滤波器*fori=1:m;forj=1:ndistance=sqrt(i-x_center)A2+(j-y_center)A2);ifdistancedflag=1;elseflag=0;endHF(i,j)=fl

13、ag*FFTcenter(i,j);endendHF=uint8(real(ifft2(ifftshift(HF);subplot(1,2,2),imshow(HF);title(高通滤波后图像1);%*用拉普拉斯算子对此图像锐化*Laplace=0-10;-14-1;0-10;LaplaceImage=conv2(Data1,Laplace,same);figure(4),subplot(1,2,1);imshow(uint8(LaplaceImage);title(Laplace图像1);DataLap=imadd(Data1,immultiply(LaplaceImage,1);%原图像

14、与拉普拉斯图像叠加subplot(1,2,2),imshow(uint8(DataLap);title(锐化增强后的图像1);第二次作业课后编程：对一幅灰度图像：(1)计算并画出此图像的中心化频率谱。(2)分别用高斯低通和高斯高通滤波器对图像进行频域处理。(3)用频域拉普拉斯算子对此图像进行锐化处理。代码：clear;clc;Data=imread(C:);DataGray=rgb2gray(Data);figure(1),imshow(Data);%*计算并画出此图像的中心化频率谱*Data1=double(DataGray);FFT2=fft2(Data1);FFTcenter=fftsh

15、ift(FFT2);% 频谱中心化FFT2abs=abs(FFT2);FFTresult=256*log2(FFT2abs/max(max(FFT2abs)+1);figure(2),subplot(1,2,1);imshow(FFTresult),title( 原图频谱);FFTc_abs=abs(FFTcenter);FFTc_result=256*log2(FFTc_abs/max(max(FFTc_abs)+1);subplot(1,2,2);imshow(FFTc_result),title(中心化频谱);%*分别用低通滤波和高通滤波对此图像进行频域处理m,n=size(FFTcen

16、ter);x_center=round(m/2);y_center=round(n/2);d=10;%半径取10LF=FFTcenter;HF=FFTcenter;%*低通滤波器 *for i=1:m;for j=1:ndistance=sqrt(i-x_center)A2+(j-y_center)A2);if distancedflag=1;elseflag=0;endHF(i,j)=flag*FFTcenter(i,j);endendHF=uint8(real(ifft2(ifftshift(HF);subplot(1,2,2),imshow(HF);title(,高通滤波后图像,);%*

17、用拉普拉斯算子对此图像锐化*Laplace=0 -1 0;-1 4 -1; 0 -1 0 ;LaplaceImage=conv2(Data1,Laplace,same);figure(4),subplot(1,2,1);imshow(uint8(LaplaceImage);title(Laplace 图像)；DataLap=imadd(Data1,immultiply(LaplaceImage,1);%原图像与拉普拉斯图像叠加subplot(1,2,2),imshow(uint8(DataLap);title(,锐化增强后的图像,);截图：第三次作业课后MATLAB程练习对一幅灰度图像f (x

18、,y):(1)对f(x,y)加高斯白噪声和椒盐噪声；(2)分别画出原图和加噪后的图像及其各自对应的直方图;用几何均值滤波分别对加高斯噪声和椒盐噪声图进行滤波处理，并进行比较；(4)用自适应中值滤波分别对加高斯噪声和椒盐噪声图进行滤波 处理；并进行比较。注：滤波窗口可根据需要自行设定。代码：1. gmea数(几何均值滤波)：function f = gmean(g, m, n)% Implements a geometric mean filter.inclass = class(g);g = im2double(g);% Disable log(0) warningwarning off;f

19、= exp(imfilter(log(g), ones(m,n), ,replicate).A(1/m/n);warning on;f = changeclass(inclass, f);函数(自适应中值滤波函数)：function f = RAMF(img)Im,In=size(img);nmin=3;nmax=9;Imf=img;I_ex=zeros(nmax-1)/2,In+(nmax-1);zeros(Im,(nmax-1)/2),img,zeros(Im,(nmax- 1)/2);zeros(nmax-1)/2,In+(nmax-1);for x=1:Imfor y=1:Infor

20、n=nmin:2:nmax% 图像Inoise中的某点(x,y)的领域Sxy,对应在I_ex中为(x+(nmax- 1)/2-(n-1)/2:x+(nmax-1)/2-(n-1)/2+(n-1),y+(nmax-1)/2-(n-1)/2:y+(nmax- 1)/2-(n-1)/2+(n-1)Sxy=I_ex(x+(nmax-1)/2-(n-1)/2:x+(nmax-1)/2+(n-1)/2,y+(nmax- 1)/2-(n-1)/2:y+(nmax-1)/2+(n-1)/2);Smax=max(max(Sxy);%求出窗口内像素的最大值Smin=min(min(Sxy);%求出窗口内像素的最小

21、值Smed=median(median(Sxy);%求出窗口内像素的中值%判断中值是否是噪声点if SmedSmin & SmedSmax%若中值既大于最小值又小于最大值，则不是%是，则退出该if语句，增大窗口尺寸，再次判断%不是，则判断该点的原值是不是噪声点if Imf(x,y)=Smax%若该点的原值既大于最小值又小于最大值,则不是%不是，则输出原值，即不作处理%是，则输出中值Imf(x,y)=Smed;endbreak%有输出则不再进行循环判断endend%当n=maXI寸，输出中值Imf(x,y)=Smed;endendf = Imf3.其他代码：I=imread(C:);figure

22、;subplot(2,3,1);imshow(I),title(原图)；subplot(2,3,4)imhist(I),title(原图直方图)显示原始图像直方图%椒盐噪声J = imnoise(I,salt & pepper,;subplot(2,3,2);imshow(J),title(椒盐口声);subplot(2,3,5)imhist(J),title(椒盐直方图)显示椒盐图像直方图%高斯噪声G = imnoise(I,gaussian,;subplot(2,3,3);imshow(G);title(高斯噪声);subplot(2,3,6)imhist(G),title(高斯直方图)显

23、示高斯图像直方图figureI_1 = gmean(I,3,3); subplot(3,1,1) imshow(I_1);title( J_1 = gmean(J,3,3); subplot(3,1,2) imshow(J_1);title( G_1 = gmean(G,3,3); subplot(3,1,3) imshow(G_1);title( figureI_2 = RAMF(I); subplot(3,1,1) imshow(I_2);title( J_2 = RAMF(J); subplot(3,1,2) imshow(J_2);title( G_2 = RAMF(G); subpl

24、ot(3,1,3) imshow(G_2);title( 截图：原图几何滤波);椒盐几彳5滤波););原图自适应中值滤波)椒盐自适应中值滤波)第六章作业课后MATLA踹程练习(1)任意选才i一幅 RG影色图像，分别提取 R G B分量， 并分别显示各分量的灰度图像。(2)将上述图像转化为 HSI模型，分别显示 H S、I分量的 灰度图像。(3)任意读取一幅8bit红外灰度图像，对其进行伪彩色处理，结果应突出感兴趣区域。(2)代码：I=imread(C:);I = im2double(I);r = l(：,：,1)；g = i(：,：,2)；b = l(：,：,3);figure(1);subp

25、lot(221);imshow(l);title(原始图像);subplot(222);imshow(r);title(红色分量图像,);subplot(223);imshow(g);title(绿色分量图像,);subplot(224);imshow(b);title(蓝色分量图像,);num = *(r - g) + (r - b);den = sqrt(r - g).A2 + (r - b).*(g - b);theta = acos(num./(den + eps);H = theta;H(b g) = 2*pi - H(b g);H = H/(2*pi);num = min(min(

26、r, g), b);den = r + g + b;den(den = 0) = eps;S = 1 - 3.* num./den;H(S = 0) = 0;I = (r + g + b)/3;% Combine all three results into an hsi image.hsi = cat(3, H, S, I);figuresubplot(221);imshow(hsi);title(HSI 图像);subplot(222);imshow(H);title(H 分量图像);subplot(223);imshow(S);title(S分量图像);subplot(224);imsh

27、ow(I);title(I分量图像);程序运行结果：(3)代码：I=imread(c:);I=double(I);m,n=size(I);c=256;for i=1:mfor j=1:nif I(i,j)=c/4R(i,j)=0;G(i,j)=4*I(i,j);B(i,j)=c;else if I(i,j)=c/2R(i,j)=0;G(i,j)=c;B(i,j)=-4*I(i,j)+2*c;else if I(i,j) eAverageImage=filter2( fspecial(average,3),SourceImage);%AverageImage=medfilt2( SourceImage );%d e Dji euint8 averagelevel;average_level=( ( min(SourceImage(:)+max( SourceImage(:) )/2