【正文】 rgb2hsi(f)。)。replicate39。 H_filtered=imfilter(H,w,39。 I=f(:,:,3)。)。figure,imshow(f1,map)。%將 map 中的值做下面改變則 R， G， B 的值不相等，產(chǎn)生彩色 %把灰度圖像轉(zhuǎn)化成 128 位的索引圖 map(1,:)=。 %f 是 RGB圖像 f1=rgb2gray(f)。%將 f 從灰度圖像轉(zhuǎn)換為索引圖像， x 是索引圖像； %map是索引矩陣， R， G， B的值 都相等 f=imread(39。程序運(yùn)行結(jié)果： 原圖選定區(qū)域 歐氏距離彩色分割馬氏距離彩色分割 思考題 (1)請(qǐng)將圖 61所示的彩色圖像轉(zhuǎn)換到灰度圖像，并根據(jù)灰度值對(duì)此灰度圖像進(jìn)行索引化，手工指定索引表中的 RGB 值，并把此索引圖像顯示出來(lái)。 % 用馬氏距離對(duì)圖像進(jìn)行彩色分割，閾值為25M25=colorseg(39。euclidean39。 %對(duì) g 中的像素進(jìn)行重排，按列序拉成一行 idx=find(mask)。 g=cat(3,R,G,B)。%f 如圖 64 所示mask=roipoly(f)。 %計(jì)算兩種梯度方法得到的梯度之差 figure,imshow(g,[])。 figure,imshow(VG,[])。 f=imread(39。 figure,imshow(fen)。replicate39。lapmask=[111。 %轉(zhuǎn)換到 RGB彩色空間 %f 的值控制在 [0,1]之間 figure,imshow(f)。)。average39。 H=h(:,:,1)。D:\Picture\Fig0604(a)(iris).tif39。CMYK39。image39。D:\Picture\39。 G=ice(39。% 顯示飽和度信息figure,imshow(hsi_image(:,:,3))。% 顯 示 色 差 信 息figure,imshow(ntsc_image(:,:,3))。figure,imshow(f)。 %顯示灰度圖像 figure,imshow(g1)。figure,imshow(X2,map2)。figure,imshow(X1,map1)。figure,imshow(f)。%從側(cè)面觀察彩色立方 rgbcube(10,10,10)。 圖像維納復(fù)原為什么 比逆濾波復(fù)原效果好？ 維納濾波復(fù)原的原理可表示為 對(duì)于維納濾波，由上式可知，當(dāng) 時(shí)，由于存在項(xiàng)，所以數(shù)字圖象處理實(shí)驗(yàn)指導(dǎo)書 實(shí)驗(yàn)一圖象變換實(shí)驗(yàn) 不會(huì)出現(xiàn)被 0 除的情形，同時(shí)分子中含有項(xiàng)，在處。圖像復(fù)原的過(guò)程包含對(duì)圖像退化模型的分析，再對(duì)退化的圖像進(jìn)行復(fù)原。而中值濾波是一種非線性的信號(hào)處理方法。 編程實(shí)現(xiàn)步驟 下面以圖像增強(qiáng)中的中值濾波操作為例給出編程實(shí)現(xiàn)的程序流程圖，如下： 十、實(shí)驗(yàn)內(nèi)容 圖像增強(qiáng)：中值濾波、圖像模板平滑、理想低通濾波器平滑、巴特沃斯低通濾波器平滑、梯度銳化、拉普拉斯銳化、理想高通濾波器銳化、巴特沃斯高通濾波器銳化和偽彩色編碼 圖像復(fù)原：圖像的噪聲退化、卷積退化、卷積加噪聲退化、運(yùn)動(dòng)模糊退化、逆濾波復(fù)原、維納復(fù)原和運(yùn)動(dòng)模糊復(fù)原 注意： 所有實(shí)驗(yàn)項(xiàng)目均針對(duì) 8位 BMP灰度圖像進(jìn)行處理； 本次實(shí)驗(yàn)的重點(diǎn)是圖像增強(qiáng)中的中值濾波和模板平滑，圖像復(fù)原只作一般性了解。 圖像復(fù)原是針對(duì)圖像降質(zhì)的原因，設(shè)法去補(bǔ)償降質(zhì)因素，使改善后的圖像 盡可能逼近原始圖像，提高了圖像質(zhì)量的逼真度。 圖像增強(qiáng)不考慮圖像降質(zhì)的原因，只將圖像中感興趣的特征有選擇地進(jìn)行突出，并衰減圖像的次要信息，改善后的圖像不一定逼近原始圖像，只是增強(qiáng)了圖像某些方面的可讀性，如突出了目標(biāo)輪廓，衰減了各種噪聲等。 利用圖像鏡像和旋轉(zhuǎn)變換可以實(shí)現(xiàn)圖像轉(zhuǎn)置嗎？如果可以，應(yīng)該怎樣實(shí)現(xiàn)？ 可以。 灰度拉伸又叫做對(duì)比度拉伸，它與線性變換有些類似，不同之處在于灰度拉伸使用的是分段線性變換，所以它最大的優(yōu)勢(shì)是變換函數(shù)可以由用戶任意合成。 灰度的窗口變換也是一種常見的點(diǎn)運(yùn)算。 打開計(jì)算機(jī)，在系統(tǒng)桌面上雙擊“數(shù)字圖像處理實(shí)驗(yàn)教學(xué)軟件系統(tǒng)”的可執(zhí)行文件“圖象處理”的圖標(biāo)，進(jìn)入實(shí)驗(yàn)系統(tǒng)； 執(zhí)行文件→打開，在 OPEN 對(duì)話框中選擇待處理的圖像，按【 OK】后系統(tǒng)顯示出圖像； 執(zhí)行查看→圖像基本信息，將顯示圖像基本信息對(duì)話框，如圖所示； 數(shù)字圖象處理實(shí)驗(yàn)指導(dǎo)書 實(shí)驗(yàn)一圖象變換實(shí)驗(yàn) 執(zhí)行查看→灰度直方圖，查看圖像的灰度直方圖，如圖所示； 執(zhí)行圖像變換→正交變換→傅立葉變換，查看圖像的頻率域分布情況，如圖所示； 數(shù)字圖象處理實(shí)驗(yàn)指導(dǎo)書 實(shí)驗(yàn)一圖象變換實(shí)驗(yàn) 執(zhí)行圖像變換→正交變換→小波變換，查看圖像經(jīng)過(guò)小波變換的效果，如圖所示； 執(zhí)行圖像變換→點(diǎn)運(yùn)算→閾值變換，修改閾值變換對(duì)話框中的閾值參數(shù)，如 圖所示； 數(shù)字圖象處理實(shí)驗(yàn)指導(dǎo)書 實(shí)驗(yàn)一圖象變換實(shí)驗(yàn) 設(shè)置完閾值參數(shù)后按【 OK】 ,系統(tǒng)顯示閾值變換后的圖像，與原圖像進(jìn)行比較，觀察閾值變換的效果，如圖所示； 重復(fù)步驟 4，查看閾值變換后圖像的直方圖分布情況； 數(shù)字圖象處理實(shí)驗(yàn)指導(dǎo)書 實(shí)驗(yàn)一圖象變換實(shí)驗(yàn) 重復(fù)步驟 5，查看閾值變換后圖像的頻率域分布情況； 1執(zhí)行文件→保存或另存為，保存處理后的圖像； 1執(zhí)行文件→重新加載，重新加載原始圖像，但要注意先前對(duì)圖像的處理將會(huì)丟 失；注意： 1在執(zhí)行步驟 2 時(shí)可能會(huì)出現(xiàn)有些圖像文件不能打開的情況，如圖所示，此時(shí)可以先利用圖像格式轉(zhuǎn)換工具將圖像文件轉(zhuǎn)換為 8 位BMP圖像，再利用系統(tǒng)進(jìn)行處理。 正交變換實(shí)驗(yàn)的重點(diǎn)是快速傅立葉變換（ FFT），其原理過(guò)于復(fù)雜，可以參考有關(guān)書籍，這里不再贅述。 實(shí)驗(yàn)系統(tǒng)提供了圖像灰度直方圖、點(diǎn)運(yùn)算和幾何變換相關(guān)內(nèi)容的文字說(shuō)明，用戶在操作過(guò)程中可以參考。另外，點(diǎn)運(yùn)算處理將改變圖像的灰度直方圖分布。 圖像點(diǎn)運(yùn)算是一種簡(jiǎn)單而重要的處理技術(shù)，它能讓用戶改變圖像數(shù)據(jù)占據(jù)的灰度范圍。程序應(yīng)該盡可能地簡(jiǎn)單，只要能達(dá)到目的就行，程序越復(fù)雜，運(yùn)行時(shí)的錯(cuò)誤就越多。應(yīng)該注意最后的輸出部分，保證輸出條件與輸入條件相同。圖像處理是信號(hào)處理在圖像域上的一個(gè)應(yīng)用。39。fori=0:255PA(find(img==i))=S2(i+1)?；叶戎?39。b39。fori=1:256forj=1:iS1(i)=GP(j)+S1(i)。灰度值 39。g39。%灰度化后的數(shù)據(jù)存入數(shù)組 %二，繪制直方圖 [m,n]=size(img)。)imwrite(rgb2gray(img),39。jpg39。GreyHist=zeros(1,256)。imshow(img)。a=str2double(answer(1))。39。}。prompt={39。 灰度值 39。%計(jì)算每級(jí)灰度出現(xiàn)的概 率，將其存入 GreyHist中相應(yīng)位置 endfigure(2)。)。figure(1)。C:\MATLAB7\toolbox\images\imdemos\guidemo123\juj39。imshow(C)。 圖像239。)。subplot(1,3,1)。C:\MATLAB7\toolbox\images\imdemos\guidemo123\39。,39。title(39。)。subplot(2,3,2)。imshow(A)。,39。jpg39。 相加后的圖像 39。C=imadd(A,B)。imshow(B)。title(39。jpg39。)。 原始圖像： 平移圖像： 旋轉(zhuǎn)圖像： 縮放圖像： 圖像的算術(shù)處理：加、減、乘 加法 A=imread(39。figure,imshow(img4)。imwrite(img3,39。39。%%%%%%平移 se=translate(strel(1),[2020])。figure,imshow(img1)。,39?；叶葓D像 39。)。subplot(121)。png39。從而達(dá)到清晰圖像的目的。如圖，所示的變換函數(shù)的運(yùn)算結(jié)果是將原圖在 a 到 b之間的灰度拉伸到 c到 d 之間。3圖像的算術(shù)處理： 圖像代數(shù)運(yùn)算是指對(duì)兩幅或兩幅以上輸入圖像對(duì)應(yīng)的像素逐個(gè)進(jìn)行和差積商運(yùn)算以產(chǎn)生增強(qiáng)效果的圖像。 旋轉(zhuǎn)。2圖像的幾何空間變化： 圖像平移是將圖像進(jìn)行上下左右的等比例變化，不改變圖像的特征，只改變位置。 1 單獨(dú)處理每一個(gè)顏色分量。不過(guò)每一個(gè)顏色并不一定是 8位。通常是每一色都是 256個(gè)級(jí)。因?yàn)閿?shù)字圖像處理技術(shù)易于實(shí)現(xiàn)非線性處理，處理程序和處理參數(shù)可變，故是一項(xiàng)通用性強(qiáng)，精度高，處理方法靈活，信息保存、傳送可靠的圖像處理技術(shù)。圖像處理技術(shù)的主要內(nèi)容包括圖像壓縮，增強(qiáng)和復(fù)原，匹配、描述和識(shí)別 3個(gè)部分。 第二篇：圖像處理實(shí)驗(yàn)報(bào)告 摘要： 圖像處理，用計(jì)算機(jī)對(duì)圖像進(jìn)行分析，以達(dá)到所需結(jié)果的技術(shù)。 %m=round(M/2)。%實(shí)現(xiàn)低頻數(shù)據(jù)處于圖像中心 figure,imshow(g)。%顯示原圖 title(bailong2 原圖 )。 9．將圖像數(shù)據(jù)各點(diǎn)數(shù)據(jù)乘以 1的（ x+y）次方。 5．計(jì)算頻率域圖像的幅值并進(jìn)行對(duì)數(shù)變換，利用’ imshow’顯示頻率域圖像。 操作步驟： 1．打開 Matlab編程環(huán)境； 2． 獲取實(shí)驗(yàn)用圖像。 實(shí)驗(yàn)名稱頻域平滑濾波實(shí)驗(yàn)類型驗(yàn)證型實(shí)驗(yàn)時(shí)間 2021/6/9 實(shí)驗(yàn)地點(diǎn)基礎(chǔ)實(shí)驗(yàn)樓北 501實(shí)驗(yàn)?zāi)康模? ； 驟。 直方圖均衡化主要用于增強(qiáng)動(dòng)態(tài)范圍偏小的圖像的反差。Imhist(A)。 實(shí)驗(yàn)結(jié)果分析（含數(shù)據(jù)、圖表整理）： 程序源代碼： A=imread( ‘ D:\\ ’ ,‘ gif’ )。 3．獲取輸入圖像的直方圖：用’ imhist’函數(shù)處理圖像。 實(shí)驗(yàn)內(nèi)容、操作步驟： 實(shí)驗(yàn)內(nèi)容： ，并顯示讀入的圖像； 衡化處理，顯示處理前后圖像的直方圖。 實(shí)驗(yàn)要求及注意事項(xiàng)： 本次實(shí)驗(yàn)注意事項(xiàng)總結(jié)如下： 要學(xué)會(huì)利用 Matlab 中的幫助信息，因?yàn)楹芏嗪瘮?shù)的調(diào)用方法都是可以在幫助中找到的。 儀器、設(shè)備名稱： PC 微機(jī)一臺(tái)和 MATLAB軟件。 使用軟件處理圖像時(shí)，注意不要使用復(fù)雜圖像，以免處理時(shí)間過(guò)長(zhǎng)且顯示效果不理想。用’ imread’函數(shù)將圖像讀入 Matlab；用’ imshow’函數(shù)顯示讀入的圖像。