數(shù)字圖像處理實驗matlab(存儲版)
【正文】 ,2)。 subplot(2,2,1)。 imhist(uint8(graytu1))效果：總結：當a=，圖像對比度減小，輸出灰度值范圍減?。? 當a=，圖像對比度增大，輸出灰度值范圍增大。 subimage(eqtu)。 subplot(2,2,3)。 J=histeq(graytu)。 imshow(JJ)效果：(3) 取一幅灰度圖像，加入噪聲后對其進行平滑濾波（均值濾波、中值濾波），并觀察不同濾波方式下的效果代碼： noisetu=imnoise(graytu,39。 metu=medfilt2(noisetu,[3,3])。title(39。 subplot(2,2,3)。均值平滑圖39。title(39。prewitt39。原圖39。subimage(prewitttu)。)效果：總結： Sobel算子：對稱的一階差分，對中心加權具有一定的平滑作用 Prewitt算子：一種一階微分算子的邊緣檢測，利用像素點上下，左右鄰點的灰度差，在邊緣出到達到極值檢測邊緣，去掉部分偽邊緣，對噪聲具有邊緣作用。 J=histeq(graytu)。motion39。subimage(graytu)。)。title(39。 subplot(1,3,2)。真實信噪比恢復圖39。 rotattu3=imrotate(graytu,45,39。原圖39。subimage(rotate1)。)。title(39。imshow(croptu)。)。conformal39。imshow(imtransform(C,Tpolynomial2))效果：7. 應用MATLAB語言編程來實現(xiàn)一幅圖像的邊緣檢測代碼： BW1=edge(graytu,39。subimage(BW1)效果：。imshow(B) subplot(132)。 Tlinear=cp2tform(input_points,base_points,39。 magnifytu=imresize(minimizetu,3,39。剪切圖39。 subplot(1,2,1)。title(39。)。subimage(graytu)。bilinear39。subimage(wnr3tu)。維納濾波圖39。 subplot(1,3,1)。title(39。)。 J=histeq(I3)。sobel39。title(39。)。subimage(graytu)。),graytu)。) subplot(2,2,4)。subimage(avetu)。加椒鹽噪聲圖39。 subploy(2,2,2)。,3),noisetu)/255。 imshow(J)。思考題：如果將一幅圖像進行一次直方圖均衡化處理后，再進行一次直方圖均衡化處理，結果會發(fā)生變化嗎？觀察兩次均衡化的直方圖是否一樣。 subplot(2,2,2)。 imhist(graytu)。 subimage(uint8(graytu1))。 imhist(uint8(graytu1))效果：代碼2： graytu=double(graytu)。 subimage(unit8(graytu))。變化后，能量集中的范圍可以精細的量化，其他的范圍可以粗糙量化，這樣處理，不會引起太大的精度問題，符合人體的聽覺，視覺需要。 subplot(1,2,2)。 subplot(1,2,2)。 subplot(1,2,2)。 subplot(1,2,2)。 sub
環(huán)評公示相關推薦
鄂ICP備17016276號-1