【正文】 ead(39。end。temp=funBox(:)。uint8 Y=zeros(M,N)。a=2。)figure, imshow(K)。K = medfilt2(J)。J = imnoise(I,39。)。)。原圖像39。源程序：I=imread(39。figure,imshow(k3),title(39。)。k2=medfilt2(J,[5 5])。J = imnoise(I,39。%添加高斯噪聲三，對被噪聲污染的圖像進行中值濾波和均值濾波： 原理：自帶函數(shù)進行中值濾波和均值濾波 源程序：A=imread(39。,0,)。椒鹽噪聲39。salt amp。)。通過平滑處理，對結(jié)果圖像加以比較，得出自己的實驗結(jié)論。4．寫出本實驗的心得體會及意見。figure, hist(allgrains,20)。basic39。shuffle39。figure, imshow(bw)% Determine the Number of Objects in the Image [labeled,numObjects] = bwlabel(bw,4)。figure, imshow(I2)% Adjust the Image Contrast I3 = imadjust(I2, stretchlim(I2), [0 1])。,39。figure, imshow(background)。)。熟悉程序中所使用函數(shù)的調(diào)用方法，改變有關(guān)參數(shù)，觀察試驗結(jié)果。實驗六數(shù)字圖像處理應(yīng)用一．實驗?zāi)康募耙?．利用MATLAB提供的圖像處理函數(shù)實現(xiàn)圖像中物體屬性的測量； 2．訓(xùn)練綜合運用MATLAB圖像處理函數(shù)的能力； 3．了解數(shù)字圖像處理基本應(yīng)用。subplot(2,1,2), imshow(I2)。I2 = flipdim(I,1)。3．圖像水平鏡象clear all, close all I = imread(39。figure, imshow(J2), title(39。)。crop39。% 將圖像順時針旋轉(zhuǎn)30。J1 = imrotate(I, Theta, 39。39。figure, imshow(J2), title(39。)。crop39。% 將圖像順時針旋轉(zhuǎn)45176。J1 = imrotate(I, Theta, 39。39。Resized Imageusing the bilinear interpolation 39。figure, imshow(J1), title(39。)。nearest39。39。figure, imshow(J2), title(39。)。bilinear39。% J1 = imresize(I, Scale, 39。 clear all, close all I = imread(39。后續(xù)課程：無。課程設(shè)計報告應(yīng)包含的內(nèi)容：課程設(shè)計目的介紹；技術(shù)路線及制定依據(jù)；軟件清單；實驗結(jié)果；結(jié)果分析與改進措施等。總學(xué)分?jǐn)?shù)：1 編寫年月： 修訂年月：二、課程教學(xué)內(nèi)容及學(xué)時分配課程設(shè)計最好是一個典型的數(shù)字圖像處理任務(wù)，即包括圖像增強、圖像分割、圖像表達與描述。這畢竟是第一次做的，難免會遇到過各種各樣的問題，同時在設(shè)計的過程中發(fā)現(xiàn)了自己的不足之處，對以前所學(xué)過的知識理解得不夠深刻，掌握得不夠牢固。課程設(shè)計發(fā)端之始，思緒全無，舉步維艱，對于理論知識學(xué)習(xí)不夠扎實的我深感“書到用時方恨少”，于是想起圣人之言“溫故而知新”，便重拾教材與實驗手冊，對知識系統(tǒng)而全面進行了梳理，遇到難處先是苦思冥想再向同學(xué)請教，終于熟練掌握了基本理論知識，而且領(lǐng)悟諸多平時學(xué)習(xí)難以理解掌握的較難知識，學(xué)會了如何思考的思維方式，找到了設(shè)計的靈感。因此可以消除噪聲通過觀察第2幅圖可以看出，經(jīng)medfilt2函數(shù)處理椒鹽噪聲后的圖像幾乎復(fù)原了原始圖像，其效果比相同條件下的高斯噪聲處理要好很多。對于高斯和均勻隨機分布這類噪聲有最好的效果。中值濾波尤其對單極或雙極脈沖噪聲非常有效。這樣就可以從圖像中取一子區(qū)域（稱為鄰域），其內(nèi)含若干象素，要處理的象素位于鄰域的中心。時，作邊界補0，因此后兩幅看起來就是“空白”，幾乎丟失了圖像的全部細節(jié)。)subplot(2,2,4)imshow(K4)title(39。)subplot(2,2,2)imshow(J2)title(39。)subplot(2,2,4)imshow(K3)title(39。)subplot(2,2,2)imshow(J1)title(39。)subplot(1,3,3)imshow(J2)title(39。%對圖片J2進行均值濾波 Pause%程序執(zhí)行暫停 figure(1)subplot(1,3,1)%子圖方式顯示 imshow(I)%顯示圖片I title(39。,1),J1)。%加入椒鹽噪聲， K1 = medfilt2(J1)。%加入高斯噪聲，J2=imnoise(I,39。)。type=39。時，返回的圖像B與輸入的圖像A大小相同 shape=39。(1)filter2用于對圖像作卷積濾波，格式為： B=filter2(h,A,shape)其中：A為輸入圖像，h為濾波算子，B為輸出圖像，shape為指定濾波計算范圍： shape=39。MATLAB圖像處理工具箱中，提供了medfilt2和ordfilt2函數(shù)，用于實現(xiàn)中值濾波。； J=imnoise(I,39。M、V的缺省值為0； J=imnoise(I,39。type為噪聲類型，parameters為各噪聲相應(yīng)的參數(shù)。首先在MATLAB命令窗口中將其執(zhí)行路徑更改到要處理的灰度圖片的路徑，然后讀取圖像。Sequential39。39。39。22Jun2009 14:23:4639。39。鑒于以上理論知識，我先在網(wǎng)上下載一幅灰度圖片，然后對其依次進行如下操作： ；，分別對該圖片模擬加入高斯噪聲和椒鹽噪聲；； ，比較分析哪種方法增強效果最佳。 239。 239。假彩色增強239。 238。頻率域237。圖像增強237。238。圖像平滑239。239。239。239。239。均衡化239?；叶茸儞Q239。正是由于MATLAB的各種優(yōu)勢和特點，以及其版本的不斷更新和功能的不斷完善和強大，特別是它在圖形處理上的優(yōu)越性，本次課程設(shè)計就是利用MATLAB圖像處理工具箱函數(shù)來進行圖像增強。這些軟件被廣泛應(yīng)用于計算機科學(xué)、1 工程學(xué)、統(tǒng)計學(xué)、物理學(xué)、信息科學(xué)、化學(xué)、生物學(xué)、醫(yī)學(xué)乃至社會科學(xué)等領(lǐng)域，取得了令人矚目的成就。例如，Internet上的視頻廣播、現(xiàn)代衛(wèi)星或遙感照片的合成和處理、工業(yè)產(chǎn)品的自動檢測、各種醫(yī)學(xué)影像和圖像的處理、遠程醫(yī)療診斷及手術(shù)以及視頻會議、視頻電話等都采用了圖像處理技術(shù)實現(xiàn)實時信息交互。有關(guān)研究表明，日常生活中人們所接受的各種信息中圖像信息占總信息量的80%左右，從這一角度看，“百聞不如一見”正是圖像處理重要性的形象表達和經(jīng)驗總結(jié)。隨著科技的進步以及人類需求的多樣化發(fā)展，多學(xué)科的交叉、融合已成為現(xiàn)代科學(xué)發(fā)展的突出特色和重要途徑。在這次數(shù)字圖像處理的課程設(shè)計過程中，首先加深了我對于數(shù)字圖像處理這門課程的認(rèn)識，通過對相關(guān)知識的進一步了解和掌握，清楚的認(rèn)識到這門課程在實際應(yīng)用的廣泛性。figure,imshow(B)。y1=rc(i,2)。%用find函數(shù)查詢非零元素的行和列rc = [r c]。B=conv2(double(BW),double(msk))。0 1 1 1 0。%用edge函數(shù)獲得灰度圖像的邊緣[imx,imy]=size(BW)。%江源彩色圖像轉(zhuǎn)換成灰度色圖 im1=medfilt2(im1,[3 3])。%圖像的讀入和初步處理 im=imread(39。figure,imshow(im1)。B=conv2(double(BW),double(msk))。0 1 1 1 0。%用edge函數(shù)獲得灰度圖像的邊緣[imx,imy]=size(BW)。%江源彩色圖像轉(zhuǎn)換成灰度色圖 im1=medfilt2(im1,[3 3])。%圖像的讀入和初步處理 im=imread(39。f(x,y)209。n(x)182。對于一個3*3的區(qū)域，經(jīng)驗上推薦最多的形式是209。2f209。xG[f(x,y)]187。f209。x182。邊緣上的這種變化可以通過微分算子進行檢測：（1）一階導(dǎo)數(shù)：通過梯度來計算梯度銳化法：R=w1z1+w2z2+L+w9z9=229。尋找間斷的最一般的方法是：模板檢測。分割結(jié)果的好壞需要根據(jù)具體的場合及要求衡量。圖像分割是一種重要的圖像技術(shù)，在理論研究和實際應(yīng)用中都得到了人們的廣泛重視。是通過計算機對圖像進行去除噪聲、增強、復(fù)原、分割、提取特征等處理的方法和技術(shù)。許多不同種類的圖像或景物都可作為待分割的圖像數(shù)據(jù)，不同類型的圖像，已經(jīng)有相對應(yīng)的分割方法對其分割，同時，某些分割方法也只是適合于某些特殊類型的圖像分割。圖像分割是圖像識別和圖像理解的基本前提步驟數(shù)字圖像處理課程設(shè)計：（1）間斷檢測數(shù)字圖像中三種基本類型的灰度級間斷： 點、線、邊。例：1)R=(1 * 8 * 8 + 128 * 8)/9=106 2)可以設(shè)置閾值T = 64 3)若R=0，則說明檢測點與周圍點像素值相同4)若R T，則說明檢測點與周圍點像素值非常的不同，為孤立點（3）線檢測通過比較典型模板的計算值，確定一個點是否在某個方向的線上設(shè)計其它模板： 1)模板系數(shù)之和為0 2)感興趣的方向系數(shù)值較大數(shù)字圖像處理課程設(shè)計邊緣是位于兩個區(qū)域的邊界線上的連續(xù)像素集合，一般而言，當(dāng)人們看到有邊緣物體時，首先感覺到的便是邊緣，灰度或結(jié)構(gòu)等信息的突變處稱為邊緣。f(x,y)2G[f(x,y)]=()+()182。f209。y209。2f182。y=[f(x+1,y)+f(x1,y)+f(x,y+1)+f(x,y1)]4f(x,y)2可以用多種方式表