数字图像处理实验报告

实验报告书系部名称：学生姓名：专业名称：班级：实验时间：实验一直方图均衡一、实验目的在学习图像直方图的概念、计算方法、性质和相关应用基础上，生成、绘制图像的直方图，并应用MATLAB编程实现图像直方图均衡化程序。二、实验内容（1）计算并绘制图像直方图；（2）编程实现图像的直方图均衡化处理，显示均衡前后的直方图和图像；三、实验运行结果实验二频域图像增强一、实验目的1、频域图像增强2、掌握基于频域的图像增强方法。二、实验内容（1）编程实现图像的理想低通和高通滤波；（2）编程实现图像的巴特沃斯低通和高通滤波。三、实验运行结果四、实验中遇到的问题及解决方法显示图像无法打开，最终查出来时图像格式弄错了。五、思考题分析为什么图像通过低通滤波器后变得模糊？为什么通过高通滤波器后得到锐化结果？答：图像的精细结构及突变部分主要由高频成分起作用，故经低通滤波后图像的精细结构消失，变得模糊；经高通滤波后图像得到锐化。六、实验心得体会本实验中遇到很多问题及错误，例如图像打不开、处理后图像模糊等，都是经常容易发生的错误，最后实验几次，就能够逐一自己解决了。使自己对数字图像处理课程中的许多问题有了更实际和确切的深入了解。七、程序清单clc;clear;data4=imread('lena.gif');subplot(3,2,1);imshow(data4);title('原图');i=fft2(data4);subplot(3,2,2);i=fftshift(i);z=log(abs(i));x=0:1:255;y=0:1:255;[x,y]=meshgrid(x,y);mesh(z);%以三维坐标显示该图像频谱图title('原图频谱');[n,m]=size(i);%对该图进行低通滤波fork=1:1:nforl=1:1:mif(k^2+l^2)>=190^2%选取D=190result(k,l)=0;elseresult(k,l)=i(k,l);endendendsubplot(3,2,4);z=log(abs(result));%三维方式显示低通滤波后的频谱图x=0:1:255;y=0:1:255;[x,y]=meshgrid(x,y);mesh(z);title('理想低通滤波后的频谱');subplot(3,2,3);%新建图像显示窗口result=fftshift(result);%滤波后的数据去中心化b=ifft2(result);%逆傅里叶变换imshow(uint8(abs(b)));title('理想低通滤波后的图像');subplot(3,2,6);%新建图像显示窗口%[n,m]=size(c);%对原图进行高通滤波fork=1:1:nforl=1:1:mif(k^2+l^2)<=190^2%选取D=190result(k,l)=0;elseresult(k,l)=i(k,l);endendendz=log(abs(result));x=0:1:255;%三维方式显示高通滤波前的频谱图y=0:1:255;[x,y]=meshgrid(x,y);mesh(z);title('理想高通滤波后的频谱');subplot(3,2,5);result=fftshift(result);%滤波后的数据去中心化d=ifft2(result);%逆傅里叶变换imshow(uint8(abs(d)));title('理想高通滤波后的图像');%频域增强（巴特沃斯原型）%二阶巴特沃斯（Butterworth）低通滤波器%clc;%clear;Figure;J1=imread('lena.gif');subplot(3,2,1);imshow(J1);title('原图');f=double(J1);g=fft2(f);%傅立叶变换g=fftshift(g);%转换数据矩阵subplot(3,2,2);x=0:1:255;y=0:1:255;[x,y]=meshgrid(x,y);z=log(abs(g));%取幅度mesh(z);%以三维坐标显示该图像频谱图title('原图频谱');[M,N]=size(g);nn=2;%二阶巴特沃斯(Butterworth)低通滤波器d0=20;m=fix(M/2);n=fix(N/2);fori=1:Mforj=1:Nd=sqrt((i-m)^2+(j-n)^2);h=1/(1+0.414*(d/d0)^(2*nn));%计算低通滤波器传递函数result(i,j)=h*g(i,j);endendsubplot(3,2,4);x=0:1:255;y=0:1:255;[x,y]=meshgrid(x,y);z=log(abs(result));%取幅度mesh(z);%以三维坐标显示该图像频谱图title('低通滤波后的频谱');result=ifftshift(result);J2=ifft2(result);J3=uint8(abs(J2));subplot(3,2,3);imshow(J3);title('低通滤波后的图像');%利用二阶巴特沃斯（Butterworth）高通滤波器nn=2;%二阶巴特沃斯(Butterworth)高通滤波器d0=5;m=fix(M/2);n=fix(N/2);fori=1:Mforj=1:Nd=sqrt((i-m)^2+(j-n)^2);if(d==0)h=0;elseh=1/(1+0.414*(d0/d)^(2*nn));%计算传递函数endresult(i,j)=h*g(i,j);endendsubplot(3,2,6);x=0:1:255;y=0:1:255;[x,y]=meshgrid(x,y);z=log(abs(result));%取幅度mesh(z);%以三维坐标显示该图像频谱图title('高通滤波后的频谱');result=ifftshift(result);J2=ifft2(result);J3=uint8(abs(J2));subplot(3,2,5);imshow(J3);title('高通滤波后的图像');实验三图像边缘检测与连接一、实验目的图像边缘检测与连接二、实验内容（1）编程实现一阶差分边缘检测算法，包括Robert梯度算子、Prewitt算子、Sobel算子等； （2）编程实现二阶差分拉普拉斯边缘检测算法以及LoG检测法和Canny检测法； （3）分析与比较各种边缘检测算法的性能； （4）编程实现Hough变换提取直线（5）分析Hough变换检测性能；三、实验运行结果四、实验中遇到的问题及解决方法拷贝文件后没改文件名，直接执行时出现错误，最后重新修改后重新编译，使之成功。五、思考题（1）边缘的方向是什么意思？为什么要考虑边缘的方向？答：边缘常常意味着一个区域的终结和另一个区域的开始，图像的边缘也包含了物体的形状的重要信息，他不仅在分析图像时大幅度的减少了要处理的信息量，而且还保护了目标的边界结构。所以考虑边缘的方向很重要。（2）Hough变换原理是什么？答：Hough变换的基本原理在于利用点与线的对偶性，将原始图像空间的给定的曲线通过曲线表达形式变为参数空间的一个点。这样就把原始图像中给定曲线的检测问题转化为准找参数空间的峰值问题。也即把检测整体特性转化为检测局部特性。比如直线、椭圆、圆、弧线等。六、实验心得体会对于一些图像处理的函数不是很了解，只能够按课本的参照函数拷贝做实验，对于其中的一些函数问题理解不是很透彻，有些甚至完全不懂。还得继续努力。七、程序清单1、边缘检测由edge函数实现各算子对图像的边缘检测clearall;I=imread('d:\office.bmp');I=rgb2gray(I);BW1=edge(I,'sobel');%利用Sobel算子进行边缘检测BW2=edge(I,'roberts');%利用roberts算子进行边缘检测BW3=edge(I,'prewitt');%利用prewitt算子进行边缘检测BW4=edge(I,'log');%利用log算子进行边缘检测BW5=edge(I,'canny');%利用canny算子进行边缘检测subplot(2,3,1),imshow(I)subplot(2,3,2),imshow(BW1)subplot(2,3,3),imshow(BW2)subplot(2,3,4),imshow(BW3)subplot(2,3,5),imshow(BW4)subplot(2,3,6),imshow(BW5)2、边缘连接使用Hough变换作线检测和连接clearall;RGB=imread('d:\M_M.bmp');I=RGB;%I=rgb2gray(RGB);BW=edge(I,'canny');%利用Canny算子提取图像边缘[H,T,R]=hough(BW,'RhoResolution',0.5,'ThetaResolution',0.5);figure(1),imshow(T,R,H,[],'notruesize'),axison,axisnormalxlabel('\T'),ylabel('\R')p=houghpeaks(H,5,'threshold',ceil(0.3*max(H(:))));%找到5个较明显的Hough变换峰值holdonplot(T(p(:,2)),R(p(:,1)),'s','color','w