matlab-数字图像处理实验报告(五份)

《数字图像处理实验报告》实验一图像的增强一.实验目的1.熟悉图像在MATLAB下的读写、输出；2.熟悉直方图；3.熟悉图像的线性指数等；4.熟悉图像的算术运算和几何变换。二.实验仪器计算机、MATLAB软件三.实验原理图像增强是指根据特定的需要突出图像中的重要信息，同时减弱或去除不需要的信息。从不同的途径获取的图像，通过进行适当的增强处理，可以将原本模糊不清甚至根本无法分辨的原始图像处理成清晰的富含大量有用信息的可使用图像。其基本原理是：对一幅图像的灰度直方图，经过一定的变换之后，使其成为均匀或基本均匀的，即使得分布在每一个灰度等级上的像素个数．f=H等或基本相等。此方法是典刑的图像空间域技术处理，但是由于灰度直方图只是近似的概率密度函数，因此，当用离散的灰度等级做变换时，很难得到完全平坦均匀的结果。频率域增强技术频率域增强是首先将图像从空间与变换到频域，然后进行各种各样的处理，再将所得到的结果进行反变换，从而达到图像处理的目的。常用的变换方法有傅里叶变换、DCT变换、沃尔什-哈达玛变换、小波变换等。假定原图像为f(x，y)，经傅立叶变换为F(u，v)。频率域增强就是选择合适的滤波器H(u,v)对F(u,v)的频谱成分进行处理，然后经逆傅立叶变换得到增强的图像。四.实验内容及步骤1.图像在MATLAB下的读写、输出；实验过程：I=imread('F:\image\624baf9dbcc4910a.jpg');figure;imshow(I);title('OriginalImage');text(size(I,2),size(I,1)+15,...'IMG_20170929_130307.jpg',...'FontSize',7,'HorizontalAlignment','right');Warning:Imageistoobigtofitonscreen;displayingat25%Inimuitools\private\initSizeat86Inimshowat1962.给定函数的累积直方图。clearall;closeall;r=127;OriginalImageIMG20170929130307.jpgx=-r:r+1;sigma=20;y1=exp(-((x-80).^2)/(2*sigma^2));y2=exp(-((x+80).^2)/(2*sigma^2));y=y1+y2;%双峰高斯函数，任意函数都可以%im=imread('bg.bmp');%匹配一个图像的直方图%y=imhist(im);y=y/sum(y);%归一化，使函数符合概率分布的sum(y)==1这样一个规律plot(y);%待匹配的直方图G=[];%函数的累积直方图fori=1:256G=[Gsum(y(1:i))];end3.图像及直方图显示i=imread('F:\image\-4774acd1883b1d3e.jpg');05010015020025030000.0020.0040.0060.0080.010.012k=rgb2gray(i);subplot(1,2,1);imshow(i);subplot(1,2,2);imhist(k,64);五.实验分析通过以上一系列的图片可以看出，低通滤波器可以抑制图像噪声，改善图像质量，高通滤波器可以突出图像的边界。图像处理的过程是一个将多种算法综合运用的过程,任何单独算法都不是完美的,多种算法的结合才能够相互取长补短从而弥补不足,达到更好的处理效果。本软件的开发基于这一思路,将各个普通的图像处理功能集成到软件后台,并对其进行了区间优化和连接融合,部分原函数被适当改写,使其能够用于极端恶劣条件下目标的清晰显现和准确定位。0100200051015x104实验二图像变换一.实验目的1.了解正交变换的基本概念；2.掌握图像的离散傅里叶及余弦；3.熟悉图像的沃什变换和哈德曼变换。二.实验仪器计算机、MATLAB软件三.实验原理为了有效地和快速地对图像进行处理和分析，常常需要将原定义在图像空间的图像以某种形式转换到另外一些空间，并利用在这些空间是的特有的性质方便地进行一定的加工，最后在转换回图像空间以得到所需要的效果。这种使图像处理简化的方法通常是对图像进行变换。四.实验内容及步骤1.二值图像的傅里叶变换代码如下：f=zeros(30,30);f(5:24,13:17)=1;subplot(2,2,1);imshow(f,'notruesize');xlabel('(a)创建的二值图像');F=fft2(f);subplot(2,2,2);mesh(fftshift(abs(F)));xlabel('(b)频谱图');F1=fftshift(log(abs(F)));subplot(2,2,3);imshow(F1,[-1,5],'notruesize');xlabel('(c)未填充频谱图');colormap(jet);colorbar;F=fft2(f,256,256);subplot(2,2,4);imshow(fftshift(log(abs(F))),[-1,5]);xlabel('(d)填充后频谱图')colormap(jet);colorbar;（21）运行结果如下：2.离散余弦变换(a)创建的二值图像0204002040050100(b)频谱图(c)未填充频谱图024(d)填充后频谱图024代码如下：I=imread('rice.png');subplot(2,2,1);imshow(I);xlabel('(a)原始图像');J=dct2(I);subplot(2,2,2);imshow(log(abs(J)),[]);colormap(jet(64)),colorbar;xlabel('(b)余弦变换');J(abs(J)10)=0;k=idct2(J);subplot(2,2,3);imshow(k,[0255]);xlabel('(c)逆余弦变换');A=im2double(I);D=dctmtx(size(A,1));dct=D*A*D';subplot(2,2,4);imshow(dct);xlabel('(d)dctmtx变换');2）真彩图像的余弦变换RGB=imread('F:\ProgramFiles(x86)\image\2.jpg');figure(1);imshow(RGB);GRAY=rgb2gray(RGB);figure(2);imshow(GRAY);DCT=dct2(GRAY);figure(3);imshow(log(abs(DCT)),[]);运行结果如下：(a)原始图像(b)余弦变换-50510(c)逆余弦变换(d)dctmtx变换3．图象的沃尔什-哈达玛变换（1）图像变换的代码如下：I=zeros(2.^8);I(2.^7-2.^4+1:2.^7+2.^4,2.^7-2.^4+1:2.^7+2.^4)=ones(2*2.^4);figure(1)colormap(gray(128)),imagesc(I);[m,n]=size(I)fork=1:nwht(:,k)=hadamard(m)*I(:,k)/m;endforj=1:mwh(:,j)=hadamard(n)*wht(j,:)'/n;endwh=wh';figure(2)colormap(gray(128)),imagesc(wh);（2）运行结果如下：五.结果分析二维离散傅里叶变换(two-dimensionaldis-CreteFouriertransform)是一种数字变换方法对原始图像进行离散余弦变换，由结果可知，变换后DCT系数能量主要集中在左上角，其余大部分系数接近于零，这说明DCT具有适用于图像压缩的特性。将变换后的DCT系数进行门限操作，将小于一定值得系数归零，这就是图像压缩中的量化过程，然后进行逆DCT运算，得到压缩后的图像，比较变换前后的图像，肉眼很难分辨出有什么区别，可见压缩的效果比较理想。50100150200250501001502002505010015020025050100150200250实验三图像的复原一.实验目的1.加深图像复原的相关原理、熟悉相关算法；2.能够产生运动模糊图像，加入高斯和椒盐噪声，并对加深图像进行中值、均值、最大值、最小值进行滤波复原；3.对彩色图像RGB转换到HIS，并显示对应分量，同时完成相关平滑滤波。二.实验仪器计算机、MATLAB软件三.实验原理编写空域滤波对加噪图像进行复原的程序先读入图像，然后为该图像加噪实现均值滤波复原（算术均值、几何均值、谐波均值、逆谐波均值）实现顺序统计滤波复原（中值、最大值、最小值、中点、阿尔法均值）最后比较滤波和噪声类型的关系顺序统计滤波器对于脉冲（盐和胡椒）噪声有效。中值滤波器在相同尺寸下，比起均值滤波器引起的模糊少Pa=Pb=0.1的脉冲噪声3×3的中值滤波器，第二次中值滤波器处理，第三次中值滤波器处理，全部噪声消除。最大值滤波器发现图像中亮点用于消除“胡椒”最小值滤波器，发现图像中暗点用于消除“盐”最小值滤波器处理，最大值滤波器处理“胡椒”噪声干扰图像“盐”噪声干扰图像。中点滤波器结合了顺序统计和求平均的特点对高斯和均匀分布的噪声效果最好，修正后阿尔法均值滤波器（Alpha-trimmedmeanfilter）假设在Sxy邻域内去掉g(s,t)中d/2个最高灰度值和d/2个最低灰度值，用gr(s,t)表示剩余的mn-d个像素。0dmn-1d=0算术均值滤波器d=(mn-1)/2中值滤波器，处理包括多种噪声混合情况。四.实验内容及步骤1.f=imread('rice.png');figure(1);imshow(f);title('原始图像');g=imnoise(f,'salt&pepper',0.2);figure(2);imshow(g);title('椒盐噪声污染的的');g1=double(g)/225;j1=medfilt2(g1,'symmetric');figure(3);imshow(j1);title('中值滤波图像');j2=ordfilt2(g1,median(1:3*3),ones(3,3),'symmetric');原始图片figure(4);imshow(j2);title('中点滤波图像');j3=ordfilt2(g1,1,ones(3,3));figure(5);imshow(j3);title('最小值滤波图像');j4=ordfilt2(g1,9,ones(3,3));figure(6);imshow(j4);title('最大值滤波图像');中值滤波图像椒盐噪声污染的图像中点滤波图像最小值滤波图像C=imread('tissue.png');subplot(1,2,1);imshow(C);LEN=(30);THETA=45;PSF=fspecial('motion',LEN,THETA);MF=imfilter(C,PSF,'circular','conv');subplot(1,2,2),imshow(MF);imwrite(MF,tissue-MF.jpg');F=checkerboard(8);figure(1);最大值滤波图像imshow(F,[]);PSF=fspecial('motion',7,45);MF=imfilter(F,PSF,'circular');noise=imnoise(zeros(size(F)),'gaussian',0,0.001);MFN=MF+noise;figure(2);imshow(MFN,[]);NSR=sum(noise(:).^2)/sum(MFN(:).^2);imshow(deconvwnr(MFN,PSF),[]);figure(4);imshow(deconvwnr(MFN,PSF,NSR),[]);五.实验分析图像在获取过程中，由于成像系统的