數(shù)字圖像處理在案件中的應用報告-文庫吧在線文庫
【正文】 灰度圖像 figure,subplot(121)。原圖直方圖 39。)。 subplot(221)。直方圖均衡化圖像 39。 imhist(I)。 imshow(A)。 title(39。 subplot(221)。 subplot(223)。 subplot(222)。 subplot(224)。 h2=1/16.*[1 2 1。0 1/4 0]。 title(39。 subplot(223)。鄰域平均濾波 h439。 圖 410椒鹽中值濾波后的圖像 g1=filter2(h1,g)。)。 title(39。 圖 411平均濾波圖像 g4=medfilt2(g)。 p4=filter2(h4,p)。 title(39。 subplot(224)。 title(39。 subplot(221)。鄰域平均濾波 s239。 imshow(s4,[])。speckle_noise 中值濾波 39。原始圖像 39。)。)。Laplacian 算子銳化 39。 %prewitt 算子邊緣檢測 AW3=edge(A,39。 22 圖 55 羅伯茨算子邊緣檢測圖像 figure, imshow(AW2,[])。)。)。)。)。gaussian39。 圖 62 運動模糊圖像 26 NSR=sum(noise(:).^2)/sum(MFN(:).^2)。 title(39。最小二乘濾波復原 39。 [reg1 LAGRA]=deconvreg(MFN,PSF,NP/)。逆濾波復原 39。 imshow(MFN,[])。 MF=imfilter(I,PSF,39。 figure(1)。 figur。 figure。 圖 56 prewitt 算子邊緣檢測圖像 23 figure。 imshow(AW1,[])。)。 %Laplacian 算子銳化 I2=imfilter(A,h)。 %羅伯茨梯度銳化 figure。 figure。)。 圖 415領域平均濾波后的圖像 s4=medfilt2(s)。 title(39。)。 s2=filter2(h2,s)。)。 imshow(p3,[])。鄰域平均濾波 p139。)。 imshow(g4,[])。鄰域平均濾波 g239。 subplot(221)。 imshow(I4)。)。 imshow(I2,[])。 I4=filter2(h4,j)。1 0 1。)。)。)。)。salt amp。 圖 46 原圖像 11 if length(size(A))==3 A=rgb2gray(A)。 10 圖 45 均衡前后的直方圖 A=imread(39。 title(39。)。輸出圖像的直方圖 39。 subplot(121)。)。 figure,imshow(a)。)。 在有噪聲的情況下，逆濾波原理可寫成如下形式 ? ? ? ?? ? ? ?? ?, G u v N u vF u v H u v H u v?? (1228) 式中， ? ?,Nuv 是噪聲 ? ?,nxy 的傅立葉變換。有許多方法用于邊緣檢測，它們的絕大部分可以劃分為兩類：基于查 找一類和基于零穿越的一類。方法是用某種結構的二維滑動模板，將板內 像素 按照像素值的大小進行排序，生成單調上升（或下降）的為二維數(shù) 據(jù)序列。則： P(rk)= nk /N （歸一化后 k 級灰度像素數(shù)） 定義：反映各灰度級出現(xiàn)頻數(shù)的分布情況，進而反映圖像對（清晰）度，但不反映各灰度級的空間位置分布。 關鍵字 中值濾波 均值濾波 算子 圖形復原 低通濾波 2 目 錄 一 .圖 像 增強 在刑事案件中的應用 ......................3 直方圖處理圖像 ..............................3 用鄰域平均方法對圖像進行增強處理 ............3 用中值濾波方法對圖像進行增強處理 ............3 二 .邊緣檢測 在刑事案件中的應用 ......................4 算子銳化 ....................................4 邊緣檢測 ....................................4 三 .圖 像 復原在刑事案件中的 應用 ......................4 圖像退化 ....................................4 逆濾波圖像復原 ..............................4 維納濾波圖像復原 ..................... ......5 四 .圖像增強的實
黨政相關相關推薦
鄂ICP備17016276號-1