数字图像处理实验-matlab-图像增强-边缘检测-图像操作

实验1点运算和直方图处理实验目的1.掌握利用Matlab图像工具箱显示直方图的方法2.掌握运用点操作进行图像处理的根本原理。3.进一步理解利用点操作这一方法进行图像处理的特点。4.掌握利用Matlab图像工具箱进行直方图均衡化的根本方法。实验的硬件、软件平台硬件：计算机软件：操作系统：WINDOWS2000应用软件：MATLAB实验内容及步骤1.了解Matlab图像工具箱的使用。2.利用Matlab图像工具箱对图像进行点操作，要求完成以下3个题目中的至少2个。⑴图1灰度范围偏小，且灰度偏低，改正之。⑵图2暗处细节分辨不清，使其能看清楚。⑶图3亮处细节分辨不清，使其能看清楚。图1图2图33.给出处理前后图像的直方图。4.利用MatLab图像处理工具箱中函数对以上图像进行直方图均衡化操作，观察结果。思考题1.点操作能完成哪些图像增强功能？2.直方图均衡化后直方图为何并不平坦？为何灰度级会减少？实验报告要求1．对点操作的原理进行说明。2．给出程序清单和注释。3．对处理过程和结果进行分析〔包括对处理前后图像的直方图的分析〕。实验2图像平滑实验一、实验目的1．通过实验掌握图像去噪的根本方法；2．学会根据情况选用不同方法。二、实验的硬件、软件平台硬件：计算机软件：操作系统：WINDOWS2000应用软件：MATLAB三、实验内容及要求1．实验内容请在如下面方法中选择多个，完成图像去噪操作，并进行分析、比拟。〔1〕对静态场景的多幅图片取平均；〔2〕空间域模板卷积〔不同模板、不同尺寸〕；〔3〕频域低通滤波器〔不同滤波器模型、不同截止频率〕；〔4〕中值滤波方法。2．实验要求〔1〕图片可根据需要选取；〔2〕对不同方法和同一方法的不同参数的实验结果进行分析和比拟，如空间域卷积模板可有高斯型模板、矩形模板、三角形模板和自己根据需求设计的模板等；模板大小可以是3×3，5×5，7×7或更大。频域滤波可采用矩形或巴特沃斯等低通滤波器模型，截止频率也是可选的。〔3〕分析比拟不同方法的结果。四、思考题1．不同空间域卷积器模板的滤波效果有何不同？2．空间域卷积器模板的大小的滤波效果有何影响？3．用多幅图像代数平均的方法去噪对图像有何要求？4．不同频域滤波器的效果有何不同？五、实验报告要求1．列出程序清单并进行功能注释；2．说明不同方法去噪效果；3．对去噪方法进行详细分析比照。实验三图像的边缘检测一、实验目的1．进一步理解边沿检测的根本原理。2．掌握对图像边沿检测的根本方法。3．学习利用Matlab图像工具箱对图像进行边沿检测。二、实验原理边缘检测在图像处理中可分为空域下的操作和频域下的操作。本实验以空域下的操作为主要实验内容，其他方法同学们可以在课后自行实验。空域下的图像边缘检测主要应用的是领域运算。三、实验要求对边缘检测的要求：使用Matlab图像处理工具箱中的不同方法对以下图的边缘进行提取；注意观察不同操作对垂直方向、水平方向、斜方向的提取效果有何区别；注意观察提取后的边界是否连续，假设不连续可采用什么方法使其连续。四、实验步骤1．翻开计算机，启动MATLAB程序；2．调入实验指导书所示的数字图像，利用MATLAB图像工具箱中已有函数进行编程以实现图像的边缘检测；3．显示原图和处理过的图像。4．记录和整理实验报告五、实验仪器1．计算机；2．MATLAB程序；3．记录用的笔、纸。六、实验报告要求1．对所使用的图像边沿检测方法的原理进行说明。2．给出程序清单和注释。3．对不同处理方法进行说明、比拟。附录：Matlab图像处理简介一、Matlab运行环境简介1．启动Matlab可由以下方法之一进入Matlab命令行窗口：〔1〕开始→程序→Matlab。〔2〕双击桌面Matlab图标。2．编制、运行Matlab程序可用以下方法之一编制和运行Matlab程序，建议使用第二种方法。〔1〕命令行窗口中直接输入Matlab命令，按“回车”键后执行。〔2〕选择菜单条中的“File→Open〔或New〕进入Matlab程序编辑器，在编辑器中编辑程序。命令行以“，”或“；”结尾。以“，”结尾运行时显示该命令运行结果，以“；”结尾不显示该命令运行结果。注释前加“%”。运行操作可使用命令快捷键。二、图像文件的读、写和显示1．图像文件的读取读图像文件的函数格式：A=imread〔‘路径、文件名及文件后缀’〕，如I=imread〔‘’〕其含义：将e盘中的bmp文件image赋给变量I，bmp〔windowsbitmap〕为位图文件。2．图像文件的写入写图像文件的函数格式：imwrite〔A，‘路径、文件名及文件后缀’〕，如imwrite〔I，‘’〕，其含义：将图像变量I写入e盘中的bmp文件image。3．图像显示图像显示的函数格式：imshow〔A，n〕或imshow〔A，[lowhigh]〕n为灰度级数，缺省值为256；[lowhigh]为灰度级范围，假设不能确切地知道灰度级范围可缺省。如imshow〔I〕其含义：显示图像变量I。假设1次显示多幅图像，格式为：subplot〔总行数，总列数，第几幅〕，如subplot〔3，2，3〕；imshow〔A〕；其执行结果为在第2行第1列显示图像A。4．图像文件有关信息的读取格式为：info=imfinfo〔‘路径、文件名及文件后缀’〕，如：info=imfinfo〔‘’〕，该函数返回1个结构info，它反映了图像文件的诸如长、宽、灰度位数等参数信息。5．真彩色图像转换为灰度图像真彩色图像转换为灰度图像的格式为：A=rgb2gray〔B〕其含义：将变量B表示的真彩色图像转换为灰度图像并赋给变量A，灰度图像可以为unit8[0，255]、unit16[0，65535]〕或double[0，1]类型，输出同输入。三、图像的点操作方法、直方图及直方图调整1．图像直方图显示图像的直方图函数格式：imhist〔A〕2．图像的点操作方法简介图像的点操作步骤：〔1〕假设读入的图不是灰度图像，用函数rgb2gray〔〕将其变换为灰度图像；〔2〕因为Matlab的某些运算不支持unit类型的数据,可用函数double〔〕将像素的灰度值变换为浮点数，但要求将灰度值除以255或65535，使其值在0～1之间；如：I=double〔I8〕/255或I=double〔I16〕/65535。〔3〕用函数imfinfo〔〕读取图像的行、列数，计算出图像的像素值；〔4〕利用循环函数进行点操作，Matlab完成步长为1的循环操作的语法是fori=a:b;××××××；enda和b分别是循环的起始点和终止点。〔5〕点操作可以是线性或非线性的，假设图像的像素值索引为t〔i〕，如：a=t(i)+0.004*t(i)*(255-t(i));〔0<t(i)<255〕或a=1.1*t(i)+0.2;(0<t(i)<1)等。3．直方图调整直方图调整函数的格式：A=imadjust〔B，[lowhigh]，[bottomtop]，g〕其含义为：将灰度图像B调整转换为图像A。其中[lowhigh]为原图中要变换的灰度范围，[bottomtop]用于指定变换后的灰度范围，这两个范围均可用[]表示全部范围[0，1]。g为调整量，g>0，g取值的含义如以下图4．直方图均衡化直方图均衡化的函数格式为：A=histeq〔B〕该函数返回对图B进行直方图均衡化后的图像A。其作用是:用直方图均衡增强比照度。四、二维卷积滤波和图像去噪函数1．一般图像去噪函数此处介绍2种图像去噪函数〔1〕中值滤波函数，格式为：A=medfilt2〔B，p〕该函数返回由参数p指定的窗口对图像B进行二维中值滤波后的图像A，p为由[mn]指定的窗口，缺省值为[33]。每个输出象素包含输入图像中相应象素〔p〕的邻域的中值。〔2〕二维顺序统计滤波函数，格式为：A=ordfilt2〔B，order，ones〔n，n〕〕Order为滤波器输出的次序值，ones〔n，n〕决定模板大小，B是原图，A为处理后返回的图像。其含义为：由〔ones〕指定邻域的排序集中的第order个元素代替B中的每个元素。2．卷积滤波函数对图像进行卷积滤波的函数格式：A=filter2〔h，B〕其函数返回图像B经算子h滤波后的图像给A。3．算子h确实定算子h确实定一般可用如下两种方法之一〔1〕利用定义矩阵自定义算子h，如h=[-0.125-0.125-0.125;-0.1251-0.125;-0.125-0.125-]其结果为〔2〕利用Matlab提供的常用滤波算子，其格式为：h=fspecial〔type，p〕产生预定义滤波器。其中type为指定的算子〔模板〕类型，p为指定的参数〔一般为模板大〕如[33]，即模板尺寸为3×3。下面为常用滤波算子的列表说明typep模板‘gaussian’〔高斯低通滤波器〕缺省值为[33]‘Sobel’〔边缘增强算子，水平方向和垂直方向〕12110-100020-2-1-2-110-1‘Prewitt’〔边缘增强算子，水平方向和垂直方向〕11110-100010-1-1-1-110-1‘average’〔均值滤波器〕缺省值为[33]实验报告课程名称数字图像处理实验工程点运算和直方图处理实验仪器装有matlab的pc机系别光电信息与通信工程学院专业光信息科学与技术专业班级/学号光信0801/2008010750学生姓名靖鑫实验日期2011.4.成绩指导教师实验1点运算和直方图处理实验目的1.掌握利用Matlab图像工具箱显示直方图的方法2.掌握运用点操作进行图像处理的根本原理。3.进一步理解利用点操作这一方法进行图像处理的特点。4.掌握利用Matlab图像工具箱进行直方图均衡化的根本方法。实验的硬件、软件平台硬件：计算机软件：操作系统：WINDOWS2000应用软件：MATLAB实验内容及步骤1.了解Matlab图像工具箱的使用。2.利用Matlab图像工具箱对图像进行点操作，和直方图调整。⑴图1灰度范围偏小，且灰度偏低，改正之。⑵图2暗处细节分辨不清，使其能看清楚。图1图23.给出处理前后图像的直方图。4.利用MatLab图像处理工具箱中函数对以上图像进行直方图均衡化操作，观察结果。实验程序。图一：进行直方图均衡化clcclearallI=imread('girl.bmp');j=rgb2gray(I);读入图片后转为灰度图figure(1)subplot(211)imhist(j);显示原图像直方图title('源图像直方图')J=histeq(j);subplot(212)imhist(J)title('均衡化的直方图')figure(2)subplot(121);imshow(I)title('源图像')subplot(122);imshow(J)title('处理后的图像')图二：点操作clcclearallI=imread('house.bmp');j=rgb2gray(I);读入图片后转为灰度图[l,r]=size(j);计算图像尺寸subplot(321)imshow(j)title('源图像')form=1:lforn=1:rp1(m,n)=j(m,n)*1.2;endendform=1:lforn=1:rp2(m,n)=j(m,n)*2;endendform=1:lforn=1:rp3(m,n)=j(m,n)*2+50;endendform=1:lforn=1:rp4(m,n)=j(m,n)+100;endendform=1:lforn=1:rp5(m,n)=j(m,n)+0.003*j(m,n)*(255-j(m,n));endendsubplot(322)imshow(p1)title('j(m,n)*1.2')subplot(323)imshow(p2)title('j(m,n)*2')subplot(324)imshow(p3)title('j(m,n)*2+50')subplot(325)imshow(p4)title('j(m,n)+100')subplot(326)imshow(p5)title('j(m,n)+0.003*j(m,n)*(255-j(m,n))')直方图调整：clcclearallI=imread('house.bmp');j=rgb2gray(i);读入图片后转为灰度图k=imadjust(I,[0.150.9],[0,1])直方图调整g默认为1a=imadjust(I,[0.150.9],[0,1],0.5)b=imadjust(I,[0.150.9],[0,1],1.2)figure(1)subplot(221)imshow(i)title('源图像')subplot(222)imshow(k)title('g=1')subplot(223)imshow(a)title('g=0.5')subplot(224)imshow(b)title('g=1.2')figure(2)subplot(221)imhist(j)title('源图像的直方图')subplot(222)imhist(k)title('g=1时的直方图')subplot(223)imhist(a)title(时的直方图')subplot(224)imhist(b)title(时的直方图')结论对处理过程和结果进行分析〔包括对处理前后图像的直方图的分析〕。实验报告课程名称数字图像处理实验工程图像平滑实验实验仪器装有matlab的pc机系别光电信息与通信工程学院专业光信息科学与技术专业班级/学号光信0801/2008010750学生姓名靖鑫实验日期2011.4.成绩指导教师实验2图像平滑实验一、实验目的1．通过实验掌握图像去噪的根本方法；2．学会根据情况选用不同方法。二、实验的硬件、软件平台硬件：计算机软件：操作系统：WINDOWS2000应用软件：MATLAB三、实验内容及要求1．实验内容请在如下面方法中选择多个，完成图像去噪操作，并进行分析、比拟。〔1〕对静态场景的多幅图片取平均；〔2〕空间域模板卷积〔不同模板、不同尺寸〕；〔3〕频域低通滤波器〔不同滤波器模型、不同截止频率〕；〔4〕中值滤波方法。2．实验要求〔1〕图片可根据需要选取；〔2〕对不同方法和同一方法的不同参数的实验结果进行分析和比拟，如空间域卷积模板可有高斯型模板、矩形模板、三角形模板和自己根据需求设计的模板等；模板大小可以是3×3，5×5，7×7或更大。频域滤波可采用矩形或巴特沃斯等低通滤波器模型，截止频率也是可选的。〔3〕分析比拟不同方法的结果。四．实验程序〔1〕对静态场景的多幅图片取平均clcclearalla1=imread('lenna_noise1.bmp');%读入图片a2=imread('lenna_noise2.bmp');a3=imread('lenna_noise3.bmp');a4=imread('lenna_noise4.bmp');a5=imread('lenna_noise5.bmp');a6=imread('lenna_noise6.bmp');a7=imread('lenna_noise7.bmp');a8=imread('lenna_noise8.bmp');b1=double(a1)/255;%变换图像数据类型b2=double(a2)/255;b3=double(a3)/255;b4=double(a4)/255;b5=double(a5)/255;b6=double(a6)/255;b7=double(a7)/255;b8=double(a8)/255;c=(b1+b2+b3+b4+b5+b6+b7+b8)/8;%八幅图取平均subplot(331),imshow(a1);%三行三列，显示图像subplot(332),imshow(a2);subplot(333),imshow(a3);subplot(334),imshow(a4);subplot(335),imshow(a5);subplot(336),imshow(a6);subplot(337),imshow(a7);subplot(338),imshow(a8);subplot(339),imshow(c)〔2〕空间域模板卷积〔不同模板、不同尺寸〕；%邻域模板i=imread('panda.bmp');%读入图像i=double(i)/255;%变换数据类型subplot(221);imshow(i);%显示图像title('原图像')h=1/5*[010;101;010];%定义4邻域平均模板a=filter2(h,i);%进行滤波subplot(222);imshow(a);%显示图像title('4邻域平均模板')subplot(223);h=1/12*[0110;1111;1111;0110];%定义8邻域平均模板a=filter2(h,i);imshow(a);title('8邻域平均模板')subplot(224);h=1/12*[01110;11111;11111;01110];%定义12邻域平均模板a=filter2(h,i);imshow(a);title('12邻域平均模板')clcclearall%高斯模板i=imread('panda.bmp');%读入图像i=double(i)/255;%数值转换subplot(231);imshow(i);%显示图像title('原图像')h=fspecial('gaussian');%选用3*3的高斯模板a=filter2(h,i);subplot(232);imshow(a);title('3*3的高斯模板')subplot(233);h=fspecial('gaussian',[55]);%选用5*5的高斯模板a=filter2(h,i);imshow(a);title('5*5的高斯模板')subplot(234);h=fspecial('gaussian',[77]);%选用7*7的高斯模板a=filter2(h,i);imshow(a);title('选用7*7的高斯模板')subplot(235);h=fspecial('gaussian',[99]);%选用9*9的高斯模板a=filter2(h,i);imshow(a);title('9*9的高斯模板')subplot(236);h=fspecial('gaussian',[1111]);%选用11*11的高斯模板a=filter2(h,i);imshow(a)title('11*11的高斯模板')%加权模板i=imread('panda.bmp');%读入图像i=double(i)/255;%数据类型转换¯subplot(1,3,1);imshow(i);%显示图像title('原图像')h=1/10*[111;121;111];%选用3*3的加权平均模板a=filter2(h,i);subplot(1,3,2);imshow(a);title('3*3的加权平均模板')subplot(1,3,3);h=1/48*[01210;12421;24842;12421;01210];%选用5*5的加权平均模板a=filter2(h,i);imshow(a);title('5*5的加权平均模板')〔3〕中值滤波方法。clcclearall%中值滤波方法%当矩阵为[33]时i=imread('noise1.bmp');%读入图像j=imread('noise.bmp');k=imread('panda.bmp');l=medfilt2(i,[33]);%进行中值滤波，模板为3*3m=medfilt2(j,[33]);n=medfilt2(k,[33]);figure(1)subplot(231),imshow(i);title('原图像')subplot(232),imshow(j)title('原图像')subplot(233),imshow(k)title('原图像')subplot(234),imshow(l)title('中值滤波，模板为3*3')subplot(235),imshow(m)title('中值滤波，模板为3*3')subplot(236),imshow(n)title('中值滤波，模板为3*3')figure(2)%当矩阵为[44]时i=imread('noise1.bmp');j=imread('noise.bmp');k=imread('panda.bmp');l=medfilt2(i,[44]);%进行中值滤波，模板为4*4m=medfilt2(j,[44]);n=medfilt2(k,[44]);subplot(231),imshow(i)title('原图像)subplot(232),imshow(j)title('原图像')subplot(233),imshow(k)title('原图像')subplot(234),imshow(l)title('中值滤波，模板为4*4')subplot(235),imshow(m)title('中值滤波，模板为4*4')subplot(236),imshow(n)title('中值滤波，模板为4*4')figure(3)%当矩阵为[99]时i=imread('noise1.bmp');j=imread('noise.bmp');k=imread('panda.bmp');l=medfilt2(i,[99]);%进行中值滤波，模板为9*9m=medfilt2(j,[99]);n=medfilt2(k,[99]);subplot(231),imshow(i)title('原图像')subplot(232),imshow(j)title('原图像')subplot(233),imshow(k)title('原图像)subplot(234),imshow(l)title('中值滤波，模板为9*9')subplot(235),imshow(m)title('中值滤波，模板为9*9')subplot(236),imshow(n)title('中值滤波，模板为9*9')clcclearall%BOX模板i=imread('noise1.bmp');subplot(231);imshow(i);title('原始图像')a=filter2(fspecial('average',3),i)/255;%进行3*3模板的均值滤波¨subplot(232);imshow(a);title('3*3模板的均值滤波')subplot(233);a=filter2(fspecial('average',5),i)/255;%进行5*5模板的均值滤波imshow(a);title('5*5模板的均值滤波')subplot(234);a=filter2(fspecial('average',7),i)/255;%进行7*7模板的均值滤波imshow(a);title('7*7模板的均值滤波')subplot(235);a=filter2(fspecial('average',9),i)/255;%进行9*9模板的均值滤波imshow(a);title('9*9模板的均值滤波')subplot(236);a=filter2(fspecial('average',11),i)/255;%进行11*11模板的均值滤波imshow(a);title('11*11模板的均值滤波')〔4〕频域低通滤波器〔不同滤波器模型、不同截止频率〕截止频率为20Hzi=imread('H:\noise1.bmp');%读入图像subplot(2,3,1);%显示2行3列第一幅图像imshow(i);%显示图像a=fft2(double(i));%进行傅里叶变换subplot(2,3,2);%显示2行3列第二幅图像imshow(abs(a),[]);%显示实数局部s=log(1+abs(a));%进行对数运算,降低灰度值subplot(2,3,3);%显示2行3列第三幅图像imshow(abs(s),[]);%显示降低灰度后的傅里叶频谱fc=fftshift(a);%把频谱移中s=log(a+abs(fc));%把移中的频谱进行对数运算,提高灰度subplot(2,3,4);%显示2行3列第四幅图像imshow(abs(s),[]);%显示图像[m,n]=size(fc);%获取频谱图大小fori=1:m%进行点运算forj=1:nu=floor(i-m/2);%计算频率平面道远点的距离v=floor(j-n/2);d=(u^2+v^2)^0.5;h(i,j)=1/(1+(d/20)^2);%定义巴特沃斯低通滤波器fe(i,j)=h(i,j)*fc(i,j);%进行巴特沃斯低通滤波endend[m,n]=size(fc);%获取频谱图大小fori=1:m%进行点运算forj=1:nu=floor(i-m/2);%计算频率平面道远点的距离v=floor(j-n/2);d=(u^2+v^2)^0.5;ifd<20%定义理想低通滤波器h(i,j)=1;elseh(i,j)=0;endfa(i,j)=h(i,j)*fc(i,j);endendFF=ifftshift(fe);%对经巴特沃斯处理的频谱进行逆移中ff=real(ifft2(FF));%取傅里叶逆变换的实数局部AA=ifftshift(fa);%对经理想滤波处理的频谱进行逆移中aa=real(ifft2(AA));%取傅里叶逆变换的实数局部subplot(2,3,5);%显示2行3列第五幅图像imshow(uint8(ff));%显示图像subplot(2,3,6);%显示2行3列第六幅图像imshow(uint8(aa));%显示图像截止频率为80Hzi=imread('H:\noise1.bmp');%读入图像subplot(2,3,1);%显示2行3列第一幅图像imshow(i);%显示图像a=fft2(double(i));%进行傅里叶变换subplot(2,3,2);%显示2行3列第二幅图像imshow(abs(a),[]);%显示实数局部s=log(1+abs(a));%进行对数运算,降低灰度值subplot(2,3,3);%显示2行3列第三幅图像imshow(abs(s),[]);%显示降低灰度后的傅里叶频谱fc=fftshift(a);%把频谱移中s=log(a+abs(fc));%把移中的频谱进行对数运算,提高灰度subplot(2,3,4);%显示2行3列第四幅图像imshow(abs(s),[]);%显示图像[m,n]=size(fc);%获取频谱图大小fori=1:m%进行点运算forj=1:nu=floor(i-m/2);%计算频率平面道远点的距离v=floor(j-n/2);d=(u^2+v^2)^0.5;h(i,j)=1/(1+(d/80)^2);%定义巴特沃斯低通滤波器fe(i,j)=h(i,j)*fc(i,j);%进行巴特沃斯低通滤波endend[m,n]=size(fc);%获取频谱图大小fori=1:m%进行点运算forj=1:nu=floor(i-m/2);%计算频率平面道远点的距离v=floor(j-n/2);d=(u^2+v^2)^0.5;ifd<80%定义理想低通滤波器h(i,j)=1;elseh(i,j)=0;endfa(i,j)=h(i,j)*fc(i,j);endendFF=ifftshift(fe);%对经巴特沃斯处理的频谱进行逆移中ff=real(ifft2(FF));%取傅里叶逆变换的实数局部AA=ifftshift(fa);%对经理想滤波处理的频谱进行逆移中aa=real(ifft2(AA));%取傅里叶逆变换的实数局部subplot(2,3,5);%显示2行3列第五幅图像imshow(uint8(ff));%显示图像subplot(2,3,6);%显示2行3列第六幅图像imshow(uint8(aa));%显示图像%D0=150;D1=250时clcclearall[I,map]=imread('noise1.bmp');[M,N]=size(I);F=fft2(I);fftshift(F);Dcut=100;D0=150;D1=250;foru=1:Mforv=1:ND(u,v)=sqrt(u^2+v^2);BUTTERH(u,v)=1/(1+(sqrt(2)-1)*(D(u,v)/Dcut)^2);EXPOTH(u,v)=exp(log(1/sqrt(2))*(D(u,v)/Dcut)^2);ifD(u,v)<D0THPFH(u,v)=1;elseifD(u,v)<=D1THPEH(u,v)=(D(u,v)-D1)/(D0-D1);elseTHPFH(u,v)=0;endendendBUTTERG=BUTTERH.*F;BUTTERfiltered=ifft2(BUTTERG);EXPOTG=EXPOTH.*F;EXPOTfiltered=ifft2(EXPOTG);THPFG=THPFH.*F;THPFfiltered=ifft2(THPFG);subplot(221)imshow(I);title('原图像')subplot(222)imshow(BUTTERfiltered,map)title('巴特沃斯低通滤波后的图像')subplot(223)imshow(EXPOTfiltered,map)title('指数低通滤波后的图像')subplot(224)imshow(THPFfiltered,map)title('梯形低通滤波后的图像')实验报告课程名称数字图像处理实验工程图像的边缘检测实验仪器装有matlab的pc机系别光电信息与通信工程学院专业光信息科学与技术专业班级/学号光信0801/2008010750学生姓名靖鑫实验日期2011.4.成绩指导教师实验三图像的边缘检测一、实验目的1．进一步理解边沿检测的根本原理。2．掌握对图像边沿检测的根本方法。3．学习利用Matlab图像工具箱对图像进行边沿检测。二、实验原理边缘检测在图像处理中可分为空域下的操作和频域下的操作。本实验以空域