【正文】 圖像的大小、顏色、高度、寬度等等相關信息，掌握在MATLAB中如何通過imshow()語句來讀取圖像等等。（）（）10．用im2bw將一幅灰度圖像轉化為二值圖像，并且用imshow顯示出來觀察圖像的特征。)。39。c=imread(39。)。quality39。5．利用imwrite()函數(shù)來壓縮這幅圖象，將其保存為一幅壓縮了像素的jpg文件,；語法：imwrite(原圖像，新圖像，‘quality’,q), q取0100。2．利用whos命令提取該讀入圖像””的基本信息； whos I 3．利用imshow()函數(shù)來顯示這幅圖像； imshow(I)。5．圖像間如何轉化。七、總結運用matlab軟件對圖像進行處理，讓我鞏固了之前所學的知識，同時也在這次作業(yè)中更加了解到matlab語言在生活中的運用環(huán)境和掌握這門語言的重要性八、存在問題？ ，為何添加椒鹽噪聲時無法顯示第四篇：數(shù)字圖像處理實驗報告數(shù)字圖像處理實驗報告班級:通信103 學號:201027201 姓名:計富威 指導教師:孫潔實驗一 MATLAB數(shù)字圖像處理初步一、實驗目的與要求1．熟悉及掌握在MATLAB中能夠處理哪些格式圖像。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。圖形處理功能圖形處理功能MATLAB自產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。在通常情況下，可以用它來代替底層編程語言，如C和C++。%添加均值為0。,)。高斯白噪聲包括熱噪聲和散粒噪聲。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。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。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。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。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)。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)。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)。這種精度剛剛能夠避免可見的條帶失真，并且非常易于編程。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”。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。用不同的灰度色階來表示“ 紅，綠，藍”在圖像中的比重。添加斑點噪聲39。,)。添加高斯噪聲39。,0,)。原圖39。)。figure。Imgnew2(u,v)=(1s)*(1t)*p1+(1s)*t*p3+(1t)*s*p2+s*t*p4。p4=Img(x_up,y_up)。endif(yy_low)elsey=y_up。amp。0])。Imgnew2=zeros(hnew,wnew)。hnew=ceil(hnew)。alpha=pi/4。D:My DocumentsMy 39。)（2）圖像旋轉 原圖效果展示：代碼：clc。)subplot(3,1,3)。)subplot(3,1,2)。subplot(3,1,1)。C:Documents and 39。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。end第三篇：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。Color39。lines(k).point2]。,10,39。white39。s39。)p = houghpeaks(H,5,39。), axis on, axis normal xlabel(39。ThetaResolution39。)。I=RGB。%利用canny算子進行邊緣檢測 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)邊緣連接使用Hough變換作線檢測和連接clear all。)。prewitt39。%利用Sobel算子進行邊緣檢測 BW2 = edge(I,39。I=rgb2gray(I)。七、程序清單邊緣檢測由edge函數(shù)實現(xiàn)各算子對圖像的邊緣檢測clear all。也即把檢測整體特性轉化為檢測局部特性。五、思考題（1）邊緣的方向是什么意思？為什么要考慮邊緣的方向？答：邊緣常常意味著一個區(qū)域的終結和另一個區(qū)域的開始，圖像的邊緣也包含了物體的形狀的重要信息，他不僅在分析圖像時大幅度的減少了要處理的信息量，而且還保護了目標的邊界結構。title(39。J2=ifft2(result)。%以三維坐標顯示該圖像頻譜圖 title(39。y=0:1:255。else h=1/(1+*(d0/d)^(2*nn))。m=fix(M/2)。低通濾波后的圖像39。J3=uint8(abs(J2))。低通濾波后的頻譜39。[x,y]=meshgrid(x,y)。% 計算低通濾波器傳遞函數(shù) result(i,j)=h*g(i,j)。m=fix(M/2)。)。z=log(abs(g))。% 轉換數(shù)據(jù)矩陣 subplot(3,2,2)。)。subplot(3,2,1)。Figure。理想高通濾波后的圖像39。subplot(3,2,6)。%逆傅里葉變換 imshow(uint8(abs(b)))。)。[x,y]=meshgrid(x,y)。end end end subplot(3,2,4)。)。[x,y]=meshgrid(x,y)。i=fftshift(i)。原圖39。)。七、程序清單clc。三、實驗運行結果四、實驗中遇到的問題及解決方法顯示圖像無法打開，最終查出來時圖像格式弄錯了。均衡化結果的直方圖39。)。%顯示原圖的直方圖 subplot(2,2,3)。imhist(Im)。title(39。)。J=imhist(I)./p。39。處理的結果使圖像更適合與人的視覺特征或機器的識別系統(tǒng)。一幅圖像唯一確定出與之對應的直方圖，但不同圖像可能有相同的直方圖。編程完成后運行時輸入文件名與保存時文件名相同，區(qū)分大小寫。連續(xù)的開和閉運算可以有效地改善這種情況。實驗中，開運算能夠去除孤立的小點，毛刺和小橋(即連通兩塊區(qū)域的小點)，而總的位置和形狀不變。膨脹是將與物體接觸的所有背景點合并到該物體中，使邊界向外部擴張的過程。figure,imshow(BW3)。%閉運算 imshow(I)。)。,eye(5))。,3)。level = graythresh(I)。但是由于二階算子的特性，對噪聲比較敏感。因而不需要象Prewitt 等算子那樣進行幅度組合。Sobel算子很容易在空間上實現(xiàn)，對噪聲具有平滑作用，受噪聲影響較小，可提供較為精確的邊緣方向信息，但同時也會檢測出許多偽邊緣，檢測到的邊緣寬度較粗，邊緣位置定位精度不高。figure,imshow(g45)。replicate39。figure,imshow(gb)w45=[21 0。sobel39。,39。39。(4)使用LoG(拉普拉斯高斯)算子的圖像分割實驗使用LoG(拉普拉斯高斯)算子進行內容(1)中的全部步驟。對于高斯噪聲，選用5*5窗口濾波效果好于3*3窗口濾波，但圖像模糊程度加重了。高斯白噪聲包括熱噪聲和散粒噪聲。三、思考題/問答題(1)簡述高斯噪聲和椒鹽噪聲的特點。figure,imshow(K)。M = medfilt2(J,[3 3])。average39。ave1=fspecial(39。J = imnoise(I,39。)。f）利用imnoise 上加入椒鹽噪聲(salt amp。1234。實驗三 圖像增強—空域濾波一、實驗內容與步驟a)。)。imdivide函數(shù)對兩幅輸入圖像的所有相應像素執(zhí)行元素對元素的除法操作（點除），并將得到的結果作為輸出圖像的相應像素值。39。三、圖像的乘法運算在MATLAB中，使用immultiply函數(shù)實現(xiàn)兩幅圖像的乘法。,15))rice2 = imsubtract(rice, background)subplot(1,2,1)。實驗結果如下圖：源代碼rice = imread(39。實驗結果如下圖：源代碼：I = imread(‘’)； J = imread(‘’)； K = imadd(I,J)；imshow(K)；(兩幅圖尺寸大小一致)原始圖像：給圖像的每一個像素加上一個常數(shù)可以使圖像的亮度增加。(4)為什么用I = imread(‘’)命令得到的圖像I 不可以進行算術運算？Matlab系統(tǒng)默認的算術運算時針對雙精度類型（double）的數(shù)據(jù)，而上述命令產生的矩陣的數(shù)據(jù)類型是無符號8位，直接 進行運算會溢出。③友好的用戶界面及接近數(shù)學表達式的自然化語言，使學者易于學習和掌握；④功能豐富的應用工具箱(如信號處理工具箱、通信工具箱等),為用戶提供了大量方便實用的處理工具。39。)figure(2),imshow(39。 imfinfo 39。J=imread(39。)。quality39。39。7．用imread()； 8．用imfinfo()；9．用figure,imshow()，觀察兩幅圖像的質量。第一篇：數(shù)字圖像處理 實驗報告(完整版)數(shù)字圖像處理實驗一 MATLAB數(shù)字圖像處理初步一、顯示圖像1．利用imread()函數(shù)讀取一幅圖像，存入一個數(shù)組中； 2．利用whos ； 3．利用imshow()函數(shù)來顯示這幅圖像； 實驗結果如下圖：源代碼：I=imread(39。6．同樣利用imwrite()函數(shù)將最初讀入的tif圖象另存為一幅bmp圖像。) imfinfo 39。,39。39。)。39。39。實驗結果如下圖：源代碼： I=imread(39。答：①高效的數(shù)值計算及符號計算功能，能使用戶從繁雜的數(shù)學運算分析中解脫出來；②具有完備的圖形處理功能,實現(xiàn)計算結果和編程的可視化。imread函數(shù)用于讀入各種圖像文件，其一般的用法為[X，MAP]=imread(‘filename’,‘fmt’)其中，X，MAP分別為讀出的圖像數(shù)據(jù)和顏色表數(shù)據(jù)，fmt為圖像的格式，filename為讀取的圖像文件（可以加上文件的路徑）。imadd函數(shù)的調用格式如下：Z = imadd（X，Y）其中，X和Y表示需要相加的兩幅圖像，返回值Z表示得到的加法操作結果。imsubtract函數(shù)的調用格式如下：Z = imsubtract(X,Y)；其中，Z是XY操作的結果。disk39。imshow(rice2)。實驗結果如下圖：源代碼I = imread(39。imshow(J)四、圖像的除法運算在MATLAB中使用imdivide函數(shù)進行兩幅圖像的除法。39。除去人身體在環(huán)境中運動產生的動態(tài)區(qū)域外．背景減法對其它的動態(tài)場景的變化、干擾等特別敏感背景圖像獲取的理想情況是在場景沒有運動因素，最簡單背景獲取方法是當場景中任何目標時采集一幅圖像作為背景圖像，但這種固定背景圖像的方法．只適合應于外界條件較好的場。1234。d）分別采用3x3和5x5的模板，分別用平均濾波器以及中值濾波器，對加入噪聲的圖像進行處理并觀察不同噪聲水平下，上述濾波器處理的結果；e）選擇不同大小的模板，對加入某一固定噪聲水平噪聲的圖像進行處理，觀察上述濾波器處理的結果。39。,)。,)。ave2=fspecial(39。L = filter2(ave2,J)/255。figure,imshow(J)。figure,imshow(N)。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。（2)結合實驗內容，定性評價平均濾波器/中值濾波器對高斯噪聲和椒鹽噪聲的去噪效果？通過實驗可以看出，中值濾波對椒鹽噪聲的消噪處理效果比較好，但是對高斯噪聲的消噪處理效果不是很理想(3)結合實驗內容，定性評價濾波窗口對去噪效果的影響？對比實驗結果可以發(fā)現(xiàn)：發(fā)現(xiàn)對于椒鹽噪聲，中值濾波效果更好。(3)使用Sobel 算子的圖像分割實驗使用Sobel 算子進行內容(1)中的全部步驟。二、實驗結果與源程序實驗結果如下圖：源程序f=imread(39。sobel39。imshow(gv)[gb,t2]=edge(f,39。)。g45=imfilter(double(f),w45,39。g45=g45=T。該算子對具有陡峭的低噪聲圖像響應最好。該方法首先采用高斯函數(shù)對圖像進行低通平滑濾波，然后采用Laplacia 算子進行高通濾波，根據(jù)二階導數(shù)的過零點來檢測圖像的邊緣。二階LOG 算子檢測出來的圖像邊緣更加連續(xù)，邊緣也比較細小。)。square39。arbitrary39。open39。)。figure,imshow(BW2)。腐蝕是一種消除邊界點，它使邊界向內部收縮，消除小且無意義的物體。先腐蝕后膨脹的過程稱為開運算。、膨脹、開、閉運算的適用條件是什么？由于噪聲的影響，圖象在閾值化后所得到邊界往往是很不平滑的，物體區(qū)域具有一些噪聲孔，背景區(qū)域上散布著一些小的噪聲物體。二、實驗內容（1）計算并繪制圖像直方圖；（2）編程實現(xiàn)圖像的直方圖均衡