数字图像处理实验

1、精选优质文档-倾情为你奉上精选优质文档-倾情为你奉上专心-专注-专业专心-专注-专业精选优质文档-倾情为你奉上专心-专注-专业 学 院计算机与通信工程学院专 业生物医学工程专业班 级51111学 号姓 名杨静 指导教师贾朔 2014年04月21日 实验一 图像的基本运算实验目的：掌握图像处理中的点运算、代数运算、逻辑运算和几何运算及应用。掌握各种运算对于图像处理中的效果。实验内容：1、（1）选择一幅图像lena8.jpg，设置输入/输出变换的灰度级范围，a=0.2，b=0.6，c=0.1，d=0.9. （2）设置非线性扩展函数的参数c=2. （3）采用灰度级倒置变换函数s=255-r进行图像变

2、换 （4）设置二值化图像的阈值，分别为level=0.4,level=0.7解：参考程序如下： I=imread(C:lena8.jpg); figure; subplot(2,3,1); imshow(I); title(原图); J=imadjust(I,0.3;0.6,0.1;0.9); %设置灰度变换的范围 subplot(2,3,2); imshow(J); title(线性扩展); I1=double(I); %将图像转换为double类型 I2=I1/255; %归一化此图像 C=2; K=C*log(1+I2); %求图像的对数变换 subplot(2,3,3); imshow

3、(K); title(非线性扩展); M=im2bw(I,0.5); M=M; %M=255-I; %将此图像取反 %Figure subplot(2,3,4); imshow(M); title(灰度倒置); N1=im2bw(I,0.4); %将此图像二值化，阈值为0.4 N2=im2bw(I,0.7); %将此图像二值化，阈值为0.7 subplot(2,3,5); imshow(N1); title(二值化阈值0.4); subplot(2,3,6); imshow(N2); title(二值化阈值0.7);选取两幅大小一样的灰度图像hough.bmp和rice.bmp，将两幅图像进行

4、加法运算。解：程序如下： I=imread(C:hough.bmp); %I=rgb2gray(I); J=imread(C:rice.bmp); I=im2double(I); %将图像转换成double型 J=im2double(J); K=I+0.3*J; %两幅图像相加 subplot(1,3,1); imshow(I); title(物图); subplot(1,3,2); imshow(J); title(背景图); subplot(1,3,3); imshow(K); title(相加后的图); imwrite(K,C:lena1.jpg);3、选取一幅混合图像，如相加得到的图像

5、lenal.jpg，将混合图像与背景图像做减法运算。解：程序如下： A=imread(C:lena1.jpg); B=imread(C:rice.bmp); A=im2double(A); %将图像转换成double型 B=im2double(B); C=A-0.3*B; subplot(1,3,1); imshow(A); title(混合图); subplot(1,3,2); imshow(B); title(背景图); subplot(1,3,3); imshow(C); title(分离后的图);选取一幅尺寸为256*256像素的灰度图，如rice.bmp。设置掩模模板，对于需要保留下

6、来的区域，掩模图像的值置为1,而需要被抑制掉的区域，掩模图像的值置为0.解：程序如下： A=imread(C:rice.bmp); A=rgb2gray(A); A=im2double(A); subplot(1,2,1); imshow(A); title(原图); B=zeros(256,256); B(40:200,40:200)=1; K=A.*B; subplot(1,2,2); imshow(K); title(局部图);选取一幅大小为256*256像素的图像，如lena8.jpg.分别将图比例放大1.5倍，比例缩小0.7倍，非比例放大到420*384像素，费比例缩小到15*180

7、像素。解：程序如下： A=imread(C:lena8.jpg); Bl=imresize(A,1.5); %比例放大1.5倍，默认采用的是最近邻法进行线性插值 B2=imresize (A, 420 384); %非比例放大至420:384 Cl=imresize (A, 0 . 7) ; %比例缩 小0.7 倍 C1=imresize(A, 0.7) ; C2=imresize(A, 150 180) ; %非比例缩小到150:180 figure; imshow(Bl); title(比例放大图); figure; imshow(B2); title(非比例放大图); figure; i

8、mshow(C1); title(比例缩小图); figure; imshow(C2); title(非比例缩小图); 实验二 图像的变换实验目的：掌握图像变换的目的就是简化图像的分析与处理。图像变换在图像增强、图像恢复、图像压缩和图像特征提取等方面有着十分重要的作用。实验内容：选取一幅图像，进行离散傅立叶变换，在对其分别进行X轴与Y轴上的平移，得其傅立叶变换，观察结果图。解：实验程序如下： I=imread(C:1.bmp); %I=imread(C:lena8.jpg); %imshow(I); imshow(real(I); figure(1) I=I(:,:,3); fftI=fft2

9、(I); sfftI=fftshift(fftI); %求离散傅里叶频谱 %对原始图像进行二维离散傅里叶变换，并将其坐标原点移到频谱图中央位置 RRfdpl=real(sfftI); IIfdpl=imag(sfftI); a=sqrt(RRfdpl.2+IIfdpl.2); a=(a-min(min(a)/(max(max(a)-min(min(a)*225; figure(2); imshow(real(a); I=imread(C:2.bmp); figure(3); imshow(real(I); I=I(:,:,3); fftI=fft2(I); sfftI=fftshift (ff

10、tI) ; %求离散傅里叶频谱 %对原始图像进行二维离散傅里叶变换，并将其坐标原点移到频谱图中央位置 RRfdpl=real(sfftI); IIfdpl=imag(sfftI); a=sqrt(RRfdpl.2+IIfdpl.2); a=(a-min(min(a)/(max(max(a)-min(min(a)*225; figure(4); imshow(real (a); I=imread(C:3.bmp); figure (5); imshow(real (I); I=I(:,:,3); fftI=fft2 (I); sfftI = fftshift (fftI) ; %求离散傅里叶频谱

11、 %对原始图像进行二维离散傅里叶变换，并将其坐标原点移到频谱图中央位置 RRfdpl=real (sfftI); IIfdpl=imag(sfftI); a=sqrt(RRfdpl.2+IIfdpl.2); a=(a-min(min(a)/(max(max(a)-min(min(a)*225; figure(6); imshow(real(a); 选取一幅图像，进行离散傅立叶变换，在对其进行一定角度的旋转，进行离散傅立叶变换。解：程序如下： %构造原始图像 I=zeros(256,256); I(88:168,124:132)=1; %图像范围是256*256，前一值是纵向比，后一值是横向比

12、imshow(I); %求原始图像的傅里叶变换 J=fft2(I); F=abs(J); J1=fftshift(F);figure imshow(J1,5 50); %对原始图像进行旋转 figure imshow(J) %求旋转后图像的傅里叶频谱 J1=fft2(J); F=abs(J1); J2=fftshift(F);figure Imshow(J2,5 50) 选取一幅图像，进行离散傅立叶变换，并对其进行离散余弦反变换，观察其结果。解：程序如下： %对lena24.ipg文件计算二维DCT变换 RGB = imread(C:lena24.jpg); figure(1) imshow(

13、RGB)I=rgb2gray(RGB);%真彩色图像转换成灰度图像 J = dct2(I);%计算二维DCT变换 figure (2)imshow(log(abs(J),)%图像大部分能量集中在上左角处 figure (3);J(abs(J) =Step*(k-1)&IStep*k);Image(Index)=Projectm(k);endfigure,imshow(Image,)end 3、对一幅灰度图像采用多种方法实现平滑、锐化滤波。解：参考程序设计如下：clear allclose allI=double(imread(C:lena8.jpg);figure,imshow(I,);% 1

14、.均值低通滤波 H=fspecial(average,5); F1=double(filter2(H,I); figure,imshow(F1,);% 2 . gaussian低通滤波 H=fspecial(gaussian,7,3); F2=double(filter2(H,I); figure,imshow(F2,);% 3.增强图像-原图-均值低通滤波F3=2*I-F1;figure,imshow(uint8 (F3),);% 4.增强图像=原图-高斯低通滤波F4=2*I-F2;figure,imshow(uint8 (F4),);%5. prewitt边缘算子增强 H=fspecial

15、(prewitt);F 5=uint8(I+filter2(H,I); figure,imshow(F5,);%6. sobel边缘算子增强 H=fspecial(sobel);F6=uint8(I + filter2(H,I); figure,imshow(F6,); 实验四 图像的复原实验目的：掌握图像的恢复原则是根据图像畸变或退化原因，进行模型化处理。进一步熟知图像恢复与图像增强的区别与联系。实验内容：对一幅灰度图像添加噪声并滤波。解：其参考程序设计如下：clear;close all;%1.生成含噪图像img = imread(C:lena8.bmp);figure; imshow(i

16、mg);img =double(imnoise(img,salt & pepper, 0.01);figure,imshow(img,);%2.采用均值滤波N=5; %滤波模板大小h=fspecial(average,N);I=filter2(h,img);figure,imshow(I,)%3.中值滤波I=medfilt2(img,N N);figure,imshow(I,)%4.最大值滤波I=ordfilt2(img,N*N,true(N);figure,imshow(I,)%5.最小值滤波I=ordfilt2(img,1,true(N); figure,imshow(I,) 对沿X轴方向

17、的波纹加性噪声进行陷波滤波。解：参考程序设计如下：close allclear all%1.生成波纹噪声图像img = double(imread(C:lena8.bmp);figure; imshow(img,);sizec=size(img);w=0.4*2*pi;%噪声的数字频率N=2*pi/w; %噪声每一周期的采样点数img_noise=img+20*ones(sizec(1),1)*sin(w*1:sizec(2); figure,imshow(img_noise,);%图像频谱 F0=fft2(img);F0=fftshift(F0);figure,imshow(log(abs(

18、F0),);F=fft2(img_noise);F=fftshift(F);figure,imshow(log(abs(F),);%2.设计理想陷波滤波器 H=ones(sizec(1),sizec(2);%图像中心点 x0=sizec(1)/2+1; y0=sizec(2)/2+1;%噪声所处频率点(x,y)x=x0;y=y0-round(sizec(2)/N);H (x,y-3:y+3)=0;H(x,(y0-y)+y0-3:(y0-y)+y0+3)=0;%3.滤波结果 I=ifftshift(F.*H); imgl=ifft2(I); figure; imshow(imgl,); 实验五

19、综合设计一、彩色图像转换为灰度图像，并进行直方图均衡化 （1）RGB=imread(C:Usershuaihuaide1231Desktopali.jpg); figure(1) imshow(RGB) I=rgb2gray(RGB);%真彩色图像转换为灰度图像 J=histeq(I);%进行直方图均衡化 figure(2) subplot(2,2,1);imshow(I);title(原始图像);%绘制原始图像 subplot(2,2,2);imshow(J);title(直方图均衡图像);%绘制直方图均衡化图像 subplot(2,2,3);imhist(I);title(原始图像直方图)

20、;%绘制原始图像的直方图 subplot(2,2,4);imhist(J);title(均衡化图像直方图);%均衡化后图像直方图 （2）RGB=imread(C:Usershuaihuaide1231Desktopali.jpg)I=rgb2gray(RGB);%彩色图像转换为灰度图像I1=2*I-55/255;%进行灰度变换figure(1)subplot(3,2,1);imshow(I1);绘制灰度变换后的图像subplot(3,2,2);imhist(I1);绘制灰度变换后图像直方图subplot(3,2,3);imshow(histeq(I1);进行直方图均衡化subplot(3,2,

21、4);imhist(histeq(I1);绘制均衡化的直方图I2=0.5*I-55/255;subplot(3,2,5);imshow(I2);subplot(3,2,6);imhist(I2);figure(2)subplot(3,2,1);imshow(histeq(I2);subplot(3,2,2);imhist(histeq(I2);I3=1*I+55/255;subplot(3,2,3);imshow(I3);subplot(3,2,4);imhist(I3);subplot(3,2,5);imshow(histeq(I3);subplot(3,2,6);imhist(histeq

22、(I3);I4=1*I-55/255;figure(3)subplot(1,2,1);imshow(I4);subplot(1,2,2)imshow(I);二、进行平滑和锐化1、平滑clear; close all; %1.生成含噪图像 img = imread(C:Usershuaihuaide1231Desktopali.jpg);I=rgb2gray(img);J =double(imnoise(I,salt & pepper, 0.01);%添加椒盐噪声subplot(2,2,1),imshow(I),title(原图像);subplot(2,2,2),imshow(J,),title

23、(添加椒盐噪声图像);K1=filter2(fspecial(average,3),J)/255;%应用3*3邻域窗口法subplot(2,2,3),imshow(K1);K2=filter2(fspecial(average,7),J)/255;%应用7*7邻域窗口法subplot(2,2,4),imshow(K2);2、锐化RGB=imread(C:Usershuaihuaide1231Desktopali.jpg)I=rgb2gray(RGB);Blurred=imfilter(I,H,replicate);%将原图与滤波器卷积得到模糊图像H=-1,-1,-1;9,-1,-1;-1,-1

24、,-1;%拉普拉斯模板BW=imfilter(Blurred,H,replicate);%将原图与拉普拉斯模板卷积锐化图像subplot(1,3,1),imshow(I),title(原图);subplot(1,3,2),imshow(Blurred),title(模糊图像);subplot(1,3,3),imshow(BW),title(锐化后的图像); 3、多种方法实现平滑、滤波RGB=double(imread(C:Usershuaihuaide1231Desktopali.jpg)J=rgb2gray(RGB);I=double(I);figure,imshow(I,);% 1.均值低

25、通滤波 H=fspecial(average,5); F1=double(filter2(H,I); figure,imshow(F1,);% 2 . gaussian低通滤波 H=fspecial(gaussian,7,3); F2=double(filter2(H,I); figure,imshow(F2,);% 3.增强图像-原图-均值低通滤波F3=2*I-F1;figure,imshow(uint8 (F3),);% 4.增强图像=原图-高斯低通滤波F4=2*I-F2;figure,imshow(uint8 (F4),);%5. prewitt边缘算子增强 H=fspecial(pre

26、witt);F 5=uint8(I+filter2(H,I); figure,imshow(F5,);%6. sobel边缘算子增强 H=fspecial(sobel);F6=uint8(I + filter2(H,I); figure,imshow(F6,); 三、给图像添加噪声并利用各种滤波器进行滤除 1、低通滤波 RGB=imread(C:Usershuaihuaide1231Desktopali.jpg); I=rgb2gray(RGB);%真彩色图像转换为灰度图像 J =double(imnoise(I,salt & pepper, 0.01);%添加椒盐噪声 figure,imsh

27、ow(I),title(原图像); figure,imshow(J,),title(添加椒盐噪声图像); F=double(J); G=fft2(F);%傅里叶变换 G=fftshift(G);%转换数据矩阵 N1,N2=size(G); n=2; d0=50; n1=fix(N1/2); n2=fix(N2/2); for i=1:N1 for j=1:N2 d=sqrt(i-n1)2+(j-n2)2);%计算巴特沃斯低通滤波器转换函数 h=1/(1+0.414*(d/d0)(2*n); result(i,j)=h*G(i,j); end end result=ifftshift(result); X2=ifft2(result); X3=uint8(r