2024年matlab实验报告小实验

汇报一直方图均衡化一、目的1.改善图像的视覺，提高清晰度；2.增强人們感愛好部分，到视覺效果更好的图像，以提高图像的可懂度。二、重要内容1．讀入图像数据到内存中，并显示讀入的图像；2．实現直方图均衡化处理，显示处理前後图像的直方图；3．显示并保留处理成果。三、详细环节1.打開Matlab编程环境。2.获取试验用图像：使用imread函数将图像讀入Matlab，并用inshow函数显示讀入的图像。3.获取输入图像的直方图：使用inhist函数处理图像。4.均衡化处理：使用histeq函数处理图像。5.获取均衡化後的直方图并显示图像：使用inhist和histeq函数。6.保留成果。四、试验程序及成果1、试验程序x=imread('f:\flower.jpg');%使用imread函数将图像讀入Matlabx=rgb2gray(x);%将彩色图像装换為灰度图像figure(1);subplot(2,2,1);imshow(x);%显示图像title('(a)原图像')subplot(2,2,2);imhist(x)%求图像直方图axisoff;title('(b)原图像的直方图')x1=histeq(x);%對图像進行均衡化处理subplot(2,2,3);imshow(x1);title('(c)直方图均衡化後的图像')subplot(2,2,4);imhist(x1)%均衡化处理後的图像的直方图axisoff;title('(d)均衡化後的直方图')2、试验成果五、成果分析從上面的两幅图我們可以很明显的看到，没有通過均衡化处理的原图像灰度值较為集中，背景颜色全為白色；而通過均衡化处理的图像灰度值分布近似服從均匀分布，背景颜色有了由灰到白的渐变，尤其是花朵的绿叶部分的均衡效果较為明显。汇报二图像平滑一、目的清除或衰減图像中的噪声和虚假轮廓。实現措施減少噪声的措施可以在空间域或在频率域处理，在空间域中進行時，基本措施就是求像素的平均值或中值；在频域中则运用低通滤波技术。因其算法简朴且处理速度快，在此我們使用空域法。三、操作环节1、选择一副图像，加入高斯白噪声；2、分别進行4领域和8领域处理并對两种措施進行對比分析；3、保留试验成果并予以分析。四、试验程序及成果1、试验程序>>x=imread('f:\1.jpg');%讀入图像>>x=rgb2gray(x);%将彩色图像装换為灰度图像>>subplot(1,4,1);>>imshow(x);>>xlabel('(a)原图像');>>%图像加噪并显示加噪图像，高斯白噪声m=0,σ=0.005>>x1=imnoise(x,'gaussian',0,0.05);>>subplot(1,4,2);>>imshow(x1);>>xlabel('(b)加噪图像');>>%使用4领域模板>>h1=[010;111;010]/5;>>x2=imfilter(x1,h1);>>subplot(1,4,3);>>imshow(x2);>>xlabel('(c)4领域平均滤波');>>%使用8领域模板>>h2=[111;111;111]/8;>>x3=imfilter(x1,h2);>>subplot(1,4,4);>>imshow(x3);>>xlabel('(d)8领域平均滤波');^2、试验成果五、成果分析從以上四幅图的比较當中我們可以看到，领域平均法對图像中的噪声進行了一定程度上的衰減，同步可以看到8领域平均法比4领域平均法滤除噪声效果要好，但同步也使图像中目的景物的轮廓或细节变的更模糊，這也正是领域平均法的一种弊端所在。汇报三图像锐化一、重要目的突出图像中的细节，增强图像的边缘、轮廓以及灰度突变部分。二、实現措施图像的模糊实质是由于图像受到平均或积分运算，為此對其進行逆运算如微分运算、梯度运算，就可以使图像清晰。從频谱角度来分析，图像模糊的实质是其高频分量被衰減，因而也可以通過高通滤波操作来清晰图像。锐化滤波有两种措施：一种是空间域法，此外一种是频域中的高通滤波法。下面使用的是空域锐化措施，分别進行模板系数a=1和a=2的锐化处理，并對成果進行分析。三、试验程序及成果1、试验程序x=imread('f:\4.jpg');%讀入第一幅图像x=rgb2gray(x);subplot(2,3,1);imshow(x);a=1；%a=1的锐化模板g1=[0-a0;-a1+4*a-a;0-a0];f2=imfilter(x,g1,'symmetric','conv');subplot(2,3,2);imshow(f2);a=2%a=2的锐化模板g1=[0-a0;-a1+4*a-a;0-a0];f2=imfilter(x,g1,'symmetric','conv');subplot(2,3,3);imshow(f2);x=imread('f:\3.jpg');%讀入第二幅图像x=rgb2gray(x);subplot(2,3,4);imshow(x);xlabel('(a)原图像');a=1%a=1的锐化模板g1=[0-a0;-a1+4*a-a;0-a0];f2=imfilter(x,g1,'symmetric','conv');subplot(2,3,5);imshow(f2);xlabel('(b)a=1時的锐化成果');a=2%a=2的锐化模板g1=[0-a0;-a1+4*a-a;0-a0];f2=imfilter(x,g1,'symmetric','conv');subplot(2,3,6);imshow(f2);xlabel('(c)a=2時的锐化成果');2、试验成果汇报四图像的同态增晰一、重要目的压缩图像灰度范围，提高图像清晰度，增長對比度。二、实現措施同态增晰是在频域中压缩图像的亮度分量，同步增强图像對比度的措施。其关键是可以将照明分量和反射分量分開来，從而有也許用同态滤波函数分别對它們進行压缩和提高处理，以使图像整体变清晰。三、试验程序及成果1、试验程序f1=imread('f:\5.jpg');f1=double(rgb2gray(f1));f_log=log(f1+1);%取自然對数f2=fft2(f_log);%产生Butterworth高通滤波器n=3;D0=0.05*pi;%截止频率rh=0.8;r1=0.3;[mn]=size(f2);fori=1:mforj=1:nD1(i,j)=sqrt(i^2+j^2);H(i,j)=r1+(rh/(1+(D0/D1(i,j))^(2*n)));endendf3=f2.*H;%输入图像通過滤波器f4=ifft2(f3);f5=exp(real(f4))-1;%取指数對数subplot(2,2,1);imshow(uint8(f1));subplot(2,2,2);imshow(uint8(f5));%第二幅图片,進行相似的处理f1=imread('f:\flower.jpg');f1=double(rgb2gray(f1));f_log=log(f1+1);%取自然對数f2=fft2(f_log);%产生Butterworth高通滤波器n=3;D0=0.05*pi;%截止频率rh=0.8;r1=0.3;[mn]=size(f2);fori=1:mforj=1:nD1(i,j)=sqrt(i^2+j^2);H(i,j)=r1+(rh/(1+(D0/D1(i,j))^(2*n)));endendf3=f2.*H;%输入图像通過滤波器f4=ifft2(f3);f5=exp(real(f4))-1;%取指数對数subplot(2,2,3);imshow(uint8(f1));xlabel('(a)原图像');subplot(2,2,4);imshow(uint8(f5));xlabel('(b)同态滤波後图像');2、试验成果汇报五图像恢复一、重要目的由于多种原因使原清晰图像变模糊，或原图未到达应有质量從而形成了降质，图像恢复的目的就是使退化图像恢复本来面目。二、实現措施图像恢复就是根据图像降质過程的某些先验知识，建立“退化（降质）模型”，运用和退化相反的過程，将退化图像恢复。恢复技术可分為無约束和有约束的两大类，在這裏，我們用有约束恢复中的维纳滤波措施。三、试验程序及成果1、试验程序%通過模拟水平运動模糊建立退化函数d=5;h=zeros(2*d+1,2*d+1);h(d+1,1:2*d+1)=1/(2*d);%模糊原图像并加入加入噪声fig1=imread('f:\apple.jpg');fig1=rgb2gray(fig1);[mn]=size(fig1);fe=zeros(m+2*d,n+2*d);fe(1:m,1:n)=fig1;he=zeros(m+2*d,n+2*d);he(1:2*d+1,1:2*d+1)=h;F=fft2(fe);H=fft2(he);g=imnoise(uint8(ifft2(F.*H)),'gaussian',0,0.0009);G=fft2(double(g));%使用最小均方滤波器恢复图像K=0.1;F_est=((abs(H).^2)./(abs(H).^2+K)).*G./H;fig_est=real(ifft2(F_est));%显示图像subplot(2,3,1);imshow(fig1);xlabel('(a)原图像');%显示退化图像subplot(2,3,2);imshow(uint8(g(d+1:m+d,d+1:n+d)),[min(g(:))max(g(:))]);xlabel('(b)加噪声的退化图像');%显示恢复图像subplot(2,3,3);imshow(uint8(fig_est(1:m,1:n)),[min(fig_est(:))max(fig_est(:))]);xlabel('(c)答复後的图像');%第二幅图片%通過模拟水平运動模糊建立退化函数d=5;h=zeros(2*d+1,2*d+1);h(d+1,1:2*d+1)=1/(2*d);%模糊原图像并加入加入噪声fig1=imread('f:\flower.jpg');fig1=rgb2gray(fig1);[mn]=size(fig1);fe=zeros(m+2*d,n+2*d);fe(1:m,1:n)=fig1;he=zeros(m+2*d,n+2*d);he(1:2*d+1,1:2*d+1)=h;F=fft2(fe);H=fft2(he);g=imnoise(uint8(ifft2(F.*H)),'gaussian',0,0.0009);G=fft2(double(g));%使用最小均方滤波器恢复图像K=0.1;F_est=((abs(H).^2)./(abs(H).^2+K)).*G./H;fig_est=real(ifft2(F_est));%显示图像subplot(2,3,4);imshow(fig1);xlabel('(a)原图像');%显示退化图像subplot(2,3,5);imshow(uint8(g(d+1:m+d,d+1:n+d)),[min(g(:))max(g(:))]);xlabel('(b)加噪声的退化图像');%显示恢复图像subplot(2,3,6);imshow(uint8(fig_est(1:m,1:n)),[min(fig_est(:))max(fig_est(:))]);xlabel('(c)答复後的图像');2、试验成果汇报六图像分割一、重要目的图像分割是图象分析的前期工作、关键环节。欲對图象進行分析(识别)時，首先要提取特性，而這些特性都包括在图象中的不一样部分(如目的物、背景)，因此必须先對图象進行分割，然後才能辨别并确定這些不一样部分。二、实現措施1、边缘检测法：运用区域间之灰度不持续性，确定区域的边界或边缘的位置。2、阈值分割法：目的物和背景、不一样目的物之间的灰度值有明显差异，可通過灰度门限進行辨别。3、区域分割法：运用区域内灰度的相似性，将象素（點）提成若干相似的区域。三、试验程序及成果1、边缘检测法程序及成果>>f1=imread('f:\7.jpg');>>f1=rgb2gray(f1);>>subplot(2,3,1);>>imshow(f1);>>xlabel('(a)输入图像');>>BW=edge(f1,'canny');>>BW1=edge(f1,'sobel');>>subplot(2,3,2);>>imshow(BW);>>xlabel('(b)Canny边缘检测');>>subplot(1,3,3);>>subplot(2,3,3);>>imshow(BW1);>>xlabel('(c)Sobel边缘检测');>>f1=imread('f:\4.jpg');>>f1=rgb2gray(f1);>>subplot(2,3,4);>>imshow(f1);>>xlabel('(a)输入图像');>>BW=edge(f1,'prewitt');>>BW1=edge(f1,'robert');>>subplot(2,3,5);>>imshow(BW);>>xlabel('(b)prewitt算法');>>imshow(BW1);>>subplot(2,3,5);>>imshow(BW);>>xlabel('(b)prewitt算法');>>subplot(2,3,6);>>imshow(BW1);>>xlabel('(c)robert算法');2、阈值分割法f1=imread('f:\flower.jpg');f1=rgb2gray(f1);[MN]=size(f1);subplot(2,2,1);imshow(f1);xlabel('(a)输入图像');T1=255*graythresh(f1);f1new=zeros([MN]);fori=1:Mforj=1:Niff1(i,j)>T1f1new(i,j)=255;elsef1new(i,j)=0;endendendsubplot(2,2,2);imshow(f1new);xlabel('(b)分割成果');f1=imread('f:\strewberry.jpg');f1=rgb2gray(f1);[MN]=size(f1);subplot(2,2,3);imshow(f1);xlabel('(a)输入图像');T1=255*graythresh(f1);f1new=zeros([MN]);fori=1:Mforj=1:Niff1(i,j)>T1f1new(i,j)=255;elsef1new(i,j)=0;endendendsubplot(2,2,4);imshow(f1new);xlabel('(b)分割成果');区域分割法>>I=imread('f:\cameraman.tif');>>S=qtdecomp(I,.27);>>blocks=repmat(uint8(0),size(S));>>fordim=[5122561286432168421];numblocks=length(find(S==dim));if(numblocks>0)values=repmat(uint8(1),[dimdimnumblocks]);values(2:dim,2:dim,:)=0;blocks=qtsetblk(blocks,S,dim,values);endend>>blocks(end,1:end)=1;>>blocks(1:end,end)=1;>>subplot(1,2,1);>>imshow(I);>>xlabel('(a)输入图像');>>subplot(1