【正文】 tic%計算tic與toc之間程序的運行時間%%%%%%%% Y 方向 %%%%%%%%%% 分割字符按行積累量Blue_y=zeros(y,1)。%產(chǎn)生y*1的全0矩陣 for i=1:y%給定i的范圍for j=1:x:x%給定j的范圍if((myI(i,j,1)=51))amp。amp。((myI(i,j,3)=119)))% 藍色RGB的灰度范圍Blue_y(i,1)= Blue_y(i,1)+1。%藍色像素點統(tǒng)計endendend [temp MaxY]=max(Blue_y)。% Y方向車牌區(qū)域確定%temp為向量white_y的元素中的最大值，MaxY為該值的索引（在向量中的位置）PY1=MaxY。%y矩陣的最大元素while((Blue_y(PY1,1)=5)amp。amp。(PY11))確定藍色RGB Blue_y所在位置PY1=PY11。%對車牌區(qū)域的修正，向上調整 endPY2=MaxY。while((Blue_y(PY2,1)=5)amp。amp。(PY2PY2=PY2+1。end IY=I(PY1:PY2,:,:)。%IY為原始圖像I中截取的縱坐標在PY1：PY2之間的部分 %end橫向掃描%begin縱向掃描%%%%%%%% X 方向 %%%%%%%%%%Blue_x=zeros(1,x)。%產(chǎn)生y*1的全0矩陣for j=1:xfor i=PY1:PY2if((myI(i,j,1)=51))amp。amp。((myI(i,j,3)=119)))Blue_x(1,j)= Blue_x(1,j)+1。% Blue_x 的矩陣加一endendendPX1=1。while((Blue_x(1,PX1)PX1=PX1+1。%對車牌區(qū)域的修正向下調整 endPX2=x。while((Blue_x(1,PX2)PX1))%確定藍色RGB Blue_x的位置PX2=PX21。%對車牌區(qū)域的修正向下調整 End %end縱向掃描PX1=PX12。% 對車牌區(qū)域的修正 PX2=PX2+2。Plate=I(PY1:PY2,PX12:PX2,:)。t=toc % 讀取計時%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%% figure,imshow(I)。% 原始圖像39。figure,plot(Blue_y)。grid %創(chuàng)建圖像窗口，繪制Blue_y圖像，畫出網(wǎng)格線39。 figure,plot(Blue_x)。grid%創(chuàng)建圖像窗口，繪制Blue_x圖像，畫出網(wǎng)格線39。figure,imshow(Plate)。% 車牌截取結果39。第二篇：數(shù)字圖像處理實驗報告數(shù)字圖像處理實驗報告目錄一、數(shù)字圖像處理簡介圖像處理，是對圖像進行分析、加工、和處理，使其滿足視覺、心理以及其他要求的技術。圖像處理是信號處理在圖像域上的一個應用。目前大多數(shù)的圖像是以數(shù)字形式存儲，因而圖像處理很多情況下指數(shù)字圖像處理。此外，基于光學理論的處理方法依然占有重要的地位。圖像處理是信號處理的子類，另外與計算機科學、人工智能等領域也有密切的關系。傳統(tǒng)的一維信號處理的方法和概念很多仍然可以直接應用在圖像處理上，比如降噪、量化等。然而，圖像屬于二維信號，和一維信號相比，它有自己特殊的一面，處理的方式和角度也有所不同。二、實驗目的鞏固所學知識，提高所學能力三、實驗內容利用matlab的GUI程序設計一個簡單的圖像處理程序，并含有如下基本功能： ，變換為灰度圖像和二值圖像，并在同一個窗口內分成三個子窗口來分別顯示RGB圖像和灰度圖像，注上文字標題 3．對給定的圖像添加噪聲（椒鹽噪聲、高斯噪聲）四、實驗結果及代碼展示（1）讀入一幅RGB圖像，變換為灰度圖像和二值圖像，并在同一個窗口內分成三個子窗口來分別顯示RGB圖像和灰度圖像，注上文字標題效果展示：代碼：a = imread(39。C:Documents and 39。)。i = rgb2gray(a)。I = im2bw(a,)。subplot(3,1,1)。imshow(a)。title(39。源圖像39。)subplot(3,1,2)。imshow(i)。title(39?；叶葓D像39。)subplot(3,1,3)。imshow(I)。title(39。二值圖像39。)（2）圖像旋轉 原圖效果展示：代碼：clc。clear all。close all。Img=imread(39。D:My DocumentsMy 39。)。Img=double(Img)。[h w]=size(Img)。alpha=pi/4。wnew=w*cos(alpha)+h*sin(alpha)。hnew=w*sin(alpha)+h*cos(alpha)。wnew=ceil(wnew)。hnew=ceil(hnew)。u0=w*sin(alpha)。T=[cos(alpha),sin(alpha)。sin(alpha),cos(alpha)]。Imgnew2=zeros(hnew,wnew)。Imgnew1=zeros(hnew,wnew)。for u=1:hnewfor v=1:wnewtem=T*([u。v][u0。0])。x=tem(1)。y=tem(2)。if x=1amp。amp。x=1amp。amp。yelsex=x_up。endif(yy_low)elsey=y_up。endp1=Img(x_low,y_low)。p2=Img(x_up,y_low)。p3=Img(x_low,y_low)。p4=Img(x_up,y_up)。s=xx_low。t=yy_low。Imgnew1(u,v)=Img(x,y)。Imgnew2(u,v)=(1s)*(1t)*p1+(1s)*t*p3+(1t)*s*p2+s*t*p4。endend endfigure。imshow(Imgnew2,[])。B=imrotate(Img,alpha/pi*180)。figure。imshow(B,[])。（3）對給定的圖像添加噪聲（斑點噪聲、高斯噪聲）效果展示：代碼：I= imread(39。D:My DocumentsMy 39。)。figure,subplot(211)。imshow(I)。title(39。原圖39。)。J1=imnoise(I,39。gaussian39。,0,)。subplot(223)。imshow(J)。title(39。添加高斯噪聲39。)。J=imnoise(I,39。speckle39。,)。subplot(224)。imshow(J)。title(39。添加斑點噪聲39。)。五、算法綜述 灰度圖像：一幅完整的圖像，是由紅色、綠色、藍色三個通道組成的。紅色、綠色、藍色三個通道的縮覽圖都是以灰度顯示的。用不同的灰度色階來表示“ 紅，綠，藍”在圖像中的比重。通道中的純白，代表了該色光在此處為最高亮度，亮度級別是255。通道是整個Photoshop顯示圖像的基礎。色彩的變動，實際上就是間接在對通道灰度圖進行調整。通道是Photoshop處理圖像的核心部分，所有的色彩調整工具都是圍繞在這個核心周圍使用的。在計算機領域中，灰度數(shù)字圖像是每個像素只有一個采樣顏色的圖像。這類圖像通常顯示為從最暗黑色到最亮的白色的灰度，盡管理論上這個采樣可以任何顏色的不同深淺，甚至可以是不同亮度上的不同顏色。灰度圖像與黑白圖像不同，在計算機圖像領域中黑白圖像只有黑色與白色兩種顏色；灰度圖像在黑色與白色之間還有許多級的顏色深度。但是，在數(shù)字圖像領域之外，“黑白圖像”也表示“灰度圖像”，例如灰度的照片通常叫做“黑白照片”。在一些關于數(shù)字圖像的文章中單色圖像等同于灰度圖像，在另外一些文章中又等同于黑白圖像?；叶葓D像經(jīng)常是在單個電磁波頻譜如可見光內測量每個像素的亮度得到的。用于顯示的灰度圖像通常用每個采樣像素 8 位的非線性尺度來保存，這樣可以有 256 級灰度。這種精度剛剛能夠避免可見的條帶失真，并且非常易于編程。在醫(yī)學圖像與遙感圖像這些技術應用中經(jīng)常采用更多的級數(shù)以充分利用每個采樣 10 或 12 位的傳感器精度，并且避免計算時的近似誤差。在這樣的應用領域每個采樣 16 位即 65536 級得到流行。二值圖像：是指每個像素不是黑就是白，其灰度值沒有中間過渡的圖像。二值圖像一般用來描述文字或者圖形，其優(yōu)點是占用空間少，缺點是，當表示人物，風景的圖像時，二值圖像只能描述其輪廓，不能描述細節(jié)。這時候要用更高的灰度級。二值圖像是每個像素只有兩個可能值的數(shù)字圖像。人們經(jīng)常用黑白、Bamp。W、單色圖像表示二值圖像，但是也可以用來表示每個像素只有一個采樣值的任何圖像，例如灰度圖像等。二值圖像中所有的像素只能從0和1這兩個值中取，因此在MATLAB中，二值圖像用一個由0和1組成的二維矩陣表示。這兩個可取的值分別對應于關閉和打開，關閉表征該像素處于背景，而打開表征該像素處于前景。以這種方式來操作圖像可以更容易識別出圖像的結構特征。二值圖像操作只返回與二值圖像的形式或結構有關的信息，如果希望對其他類型的圖像進行同樣的操作，則首先要將其轉換為二進制的圖像格式，可以通過調用MATLAB提供的im2bw（）來實現(xiàn)。二值圖像經(jīng)常出現(xiàn)在數(shù)字圖像處理中作為圖像掩碼或者在圖像分割、二值化和dithering的結果中出現(xiàn)。一些輸入輸出設備，如激光打印機、傳真機、單色計算機顯示器等都可以處理二值圖像。二值圖像經(jīng)常使用位圖格式存儲。二值圖像可以解釋為二維整數(shù)格Z，圖像變形處理領域很大程度上就是受到這個觀點啟發(fā)。圖像旋轉：圖像旋轉是指圖像以某一點為中心旋轉一定的角度,形成一幅新的圖像的過程。當然這個點通常就是圖像的中心。既然是按照中心旋轉,自然會有這樣一個屬性：,我們可以得到旋轉后的點的坐標與原坐標的對應關系。由于原圖像的坐標是以左上角為原點的,所以我們先把坐標轉換為以圖像中心為原點。假設原圖像的寬為w,高為h,（x0,y0）為原坐標內的一點,轉換坐標后的點為（x1,y1）。那么不難得到： x1 = x0w/2。y1 =y0 + h/2。在新的坐標系下,假設（x0,y0）距離原點的距離為r,點與原點之間的連線與x軸的夾角為b,旋轉的角度為a,旋轉后的點為（x1,y1）噪聲：是電路或系統(tǒng)中不含信息量的電壓或電流。在工業(yè)與自然界中，存在著各種干擾源（噪聲源），如大功率電力電子器件的接入、大功率用電設備的開啟與斷開、雷擊閃電等都會使空間電場和磁場產(chǎn)生有序或無序的變化，這些都是干擾源（或噪聲源）。這些源產(chǎn)生的電磁波或尖峰脈沖通過磁、電耦合或是通過電源線等路徑進入放大電路，各種電氣設備，形成各種形式的干擾。斑點噪聲：斑點噪聲是SAR成像系統(tǒng)的一大特色，源自基本分辨單元內地物的隨機散射，在圖像上表現(xiàn)為信號相關（如在空間上相關）的小斑點，它既降低了圖像的畫面質量，又嚴重影響圖像的自動分割、分類、目標檢測以及其它定量專題信息的提取。SAR圖像斑點噪聲的去除一方面要抑制圖像均勻區(qū)域斑點噪聲，另一方面要保持圖像邊緣和紋理細節(jié)信息。SAR斑點噪聲的抑制可通過非相干多視處理，也可使用空間域濾波實現(xiàn)。非相干多視處理會降低圖像的地面分辨率。因此，涌現(xiàn)出了一系列空間域濾波方法，如均值濾波、中值濾波、Lee濾波、Kuan濾波、Frost濾波、Sigma濾波以及Gamma Map濾波等。但這類算法存在自身無法克服的矛盾：一方面為增強斑點去噪效果需選較大的濾波窗口，另一方面為保持圖像的實際分辨率要求所選的窗口較小。高斯噪聲：所謂高斯噪聲是指它的概率密度函數(shù)服從高斯分布（即正態(tài)分布）的一類噪聲。如果一個噪聲，它的幅度分布服從高斯分布，而它的功率譜密度又是均勻分布的，則稱它為高斯白噪聲。高斯白噪聲的二階矩不相關，一階矩為常數(shù)，是指先后信號在時間上的相關性。高斯白噪聲包括熱噪聲和散粒噪聲。實驗中是通過MATLAB自帶的函數(shù)產(chǎn)生噪聲，各函數(shù)如下： J1=imnoise(I,39。salt amp。 pepper39。,)。%添加椒鹽噪聲J2=imnoise(I,39。gaussian39。,0,)。%添加均值為0。六、Matlab優(yōu)勢MATLAB是一個包含大量算法的集合。其可以快捷的實現(xiàn)用戶所需的各種計算功能。函數(shù)中所使用的算法都是科研和工程計算中的最新研究成果，而前經(jīng)過了各種優(yōu)化和差錯處理。在通常情況下，可以用它來代替底層編程語言，如C和C++。在計算要求相同的情況下，使用MATLAB的編程工作量會大大減少。MATLAB的這些函數(shù)集包括從最簡單最基本的函數(shù)到諸如矩陣，特征向量、快速傅立葉變換的復雜函數(shù)。函數(shù)所能解決的問題其大致包括矩陣運算和線性方程組的求解、微分方程及偏微分方程的組的求解、符號運算、傅立葉變換和數(shù)據(jù)的統(tǒng)計分析、工程中的優(yōu)化問題、稀疏矩陣運算、復數(shù)的各種運算、三角函數(shù)和其他初等數(shù)學運算、多維數(shù)組操作以及建模動態(tài)仿真等。圖形處理功能圖形處理功能MATLAB自產(chǎn)生之日起就具有方便的數(shù)據(jù)可視化功能，以將向量和矩陣用圖形表現(xiàn)出來，并且可以對圖形進行標注和打印。高層次的作圖包括二維和三維的可視化、圖象處理、動畫和表達式作圖?？捎糜诳茖W計算和工程繪圖。新版本的MATLAB對整個圖形處理功能作了很大的改進和完善，使它不僅在一般數(shù)據(jù)可視化軟件都具有的功能（例如二維曲線和三維曲面的繪制和處理等）方面更加完善，而且對于一些其他軟件所沒有的功能（例如圖形的光照處理、色度處理以及四維數(shù)據(jù)的表現(xiàn)等），MATLAB同樣表現(xiàn)了出色的處理能力。同時對一些特殊的可視化要求，例如圖形對話等，MATLAB也有相應的功能函數(shù)，保證了用戶不同層次的要求。另外新版本的MATLAB還著重在圖形用戶界面（GUI）的制作上作了很大的改善，對這方面有特殊要求的用戶也可以得到滿足模塊集合工具箱MATLAB對許多專門的領域都開發(fā)了功能強大的模塊集和工具箱。一般來說，它們都是由特定領域的專家開發(fā)的，用戶可以直接使用工具箱學習、應用和評估不同的方法而不需要自己編寫代碼。目前，MATLAB已經(jīng)把工具箱延伸到了科學研究和工程應用的諸多領域，諸如數(shù)據(jù)采集、數(shù)據(jù)庫接口、概率統(tǒng)計、樣條擬合、優(yōu)化算法、偏微分方程求解、神經(jīng)網(wǎng)絡、小波分析、信號處理、圖像處理、系統(tǒng)辨識、控制系統(tǒng)設計、L