【正文】 掌握空域和頻域濾波增強的matlab 相關(guān)函數(shù)用法。chu2(i,j)=bitand(in(i,j),chu1(i,j))。in=rgb2gray(in)。end % 計算直方圖均衡化后的新圖 new_tu for x=1:h for y=1:w new_tu(x,y)=t(1,tu(x,y))。% newP 為新生成圖像直方圖newq=zeros(1,256)。39。顯示圖像的直方圖 histeq()。% 統(tǒng)計個數(shù) end end p=num./(m*n)% 求概率 x=1:256。(f=f2)amp。r3=(g3g2)/(f3f2)。),ylabel(39。f1=100。39。三、實驗原理在圖像處理中，空域是指由像素組成的空間，空域增強方法是指直接作用于像素的增強方法。l mesh(x,y,log(abs(s)))。l [x,y]=meshgrid(a,b)。subplot(2,2,2)I1=hmove(gray1,100,20)。for y=1:c。x39。1234。249。64 x 6439。i1=i(1:2:end,1:2:end)。39。按指定的灰度級 n 將灰度圖像轉(zhuǎn)化為索引圖像,n 默認為 64 I=ind2gray(x,map)。第四篇：數(shù)字圖像處理實驗報告實驗一 數(shù)字圖像的獲取一、實驗?zāi)康牧私鈭D像的實際獲取過程。%腐蝕 “”進行膨脹運算； BW1 = imdilate(bw,SE)。二、實驗要求要求學(xué)生能夠自行評價各主要算子在無噪聲條件下和噪聲條件下的分割性能。椒鹽噪聲是指兩種噪聲，一種是鹽噪聲，另一種是胡椒噪聲。%中值濾波33模板 N = medfilt2(J,[4 4])。,3)。I=imread(39。)。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。如果輸入圖像為A(x,y)和B(x,y)，輸出圖像為C(x,y)，則圖像的代數(shù)運算有如下四種形式：C(x,y)= A(x,y)+ B(x,y)C(x,y)= A(x,y)B(x,y)C(x,y)= A(x,y)* B(x,y)C(x,y)= A(x,y)/ B(x,y)三、實驗步驟 1．圖像的加法運算在MATLAB中，如果要進行兩幅圖像的加法，或者給一幅圖像加上一個常數(shù)，可以調(diào)用imadd函數(shù)來實現(xiàn)。（）（）10．用im2bw將一幅灰度圖像轉(zhuǎn)化為二值圖像，并且用imshow顯示出來觀察圖像的特征。39。)。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。5．圖像間如何轉(zhuǎn)化。Color39。,10,39。s39。), axis on, axis normal xlabel(39。)。%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。I=rgb2gray(I)。也即把檢測整體特性轉(zhuǎn)化為檢測局部特性。title(39。%以三維坐標(biāo)顯示該圖像頻譜圖 title(39。else h=1/(1+*(d0/d)^(2*nn))。低通濾波后的圖像39。低通濾波后的頻譜39。% 計算低通濾波器傳遞函數(shù) result(i,j)=h*g(i,j)。)。% 轉(zhuǎn)換數(shù)據(jù)矩陣 subplot(3,2,2)。subplot(3,2,1)。理想高通濾波后的圖像39。%逆傅里葉變換 imshow(uint8(abs(b)))。[x,y]=meshgrid(x,y)。)。i=fftshift(i)。)。三、實驗運行結(jié)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。)。imhist(Im)。)。39。一幅圖像唯一確定出與之對應(yīng)的直方圖，但不同圖像可能有相同的直方圖。一般來說，它們都是由特定領(lǐng)域的專家開發(fā)的，用戶可以直接使用工具箱學(xué)習(xí)、應(yīng)用和評估不同的方法而不需要自己編寫代碼。MATLAB的這些函數(shù)集包括從最簡單最基本的函數(shù)到諸如矩陣，特征向量、快速傅立葉變換的復(fù)雜函數(shù)。gaussian39。如果一個噪聲，它的幅度分布服從高斯分布，而它的功率譜密度又是均勻分布的，則稱它為高斯白噪聲。這些源產(chǎn)生的電磁波或尖峰脈沖通過磁、電耦合或是通過電源線等路徑進入放大電路，各種電氣設(shè)備，形成各種形式的干擾。當(dāng)然這個點通常就是圖像的中心。這兩個可取的值分別對應(yīng)于關(guān)閉和打開，關(guān)閉表征該像素處于背景，而打開表征該像素處于前景。在這樣的應(yīng)用領(lǐng)域每個采樣 16 位即 65536 級得到流行。這類圖像通常顯示為從最暗黑色到最亮的白色的灰度，盡管理論上這個采樣可以任何顏色的不同深淺，甚至可以是不同亮度上的不同顏色。五、算法綜述 灰度圖像：一幅完整的圖像，是由紅色、綠色、藍色三個通道組成的。J=imnoise(I,39。J1=imnoise(I,39。（3）對給定的圖像添加噪聲（斑點噪聲、高斯噪聲）效果展示：代碼：I= imread(39。t=yy_low。amp。for u=1:hnewfor v=1:wnewtem=T*([u。hnew=w*sin(alpha)+h*cos(alpha)。close all。title(39。i = rgb2gray(a)。目前大多數(shù)的圖像是以數(shù)字形式存儲，因而圖像處理很多情況下指數(shù)字圖像處理。傳統(tǒng)的一維信號處理的方法和概念很多仍然可以直接應(yīng)用在圖像處理上，比如降噪、量化等。imshow(a)。imshow(I)。)。u0=w*sin(alpha)。x=tem(1)。endp1=Img(x_low,y_low)。endend endfigure。figure,subplot(211)。subplot(223)。subplot(224)。通道中的純白，代表了該色光在此處為最高亮度，亮度級別是255。在一些關(guān)于數(shù)字圖像的文章中單色圖像等同于灰度圖像，在另外一些文章中又等同于黑白圖像。這時候要用更高的灰度級。二值圖像經(jīng)常出現(xiàn)在數(shù)字圖像處理中作為圖像掩碼或者在圖像分割、二值化和dithering的結(jié)果中出現(xiàn)。假設(shè)原圖像的寬為w,高為h,（x0,y0）為原坐標(biāo)內(nèi)的一點,轉(zhuǎn)換坐標(biāo)后的點為（x1,y1）。SAR斑點噪聲的抑制可通過非相干多視處理，也可使用空間域濾波實現(xiàn)。實驗中是通過MATLAB自帶的函數(shù)產(chǎn)生噪聲，各函數(shù)如下： J1=imnoise(I,39。六、Matlab優(yōu)勢MATLAB是一個包含大量算法的集合。高層次的作圖包括二維和三維的可視化、圖象處理、動畫和表達式作圖。二、實驗內(nèi)容（1）計算并繪制圖像直方圖；（2）編程實現(xiàn)圖像的直方圖均衡化處理，顯示均衡前后的直方圖和圖像；三、實驗運行結(jié)果四、實驗中遇到的問題及解決方法顯示無法找到圖像文件，；編程過程中應(yīng)注意標(biāo)點的輸入法，應(yīng)該用英文輸入，否則會報錯。這幅圖像的灰度層次將不再是呈黑暗色調(diào)的圖像，而是一副灰度層次較為適中的、比原始圖像清晰、明快得多的圖像。p=m*n。imshow(Im)。)。title(39。使自己對數(shù)字圖像處理課程中的許多問題有了更實際和確切的深入了解。title(39。y=0:1:255。else result(k,l)=i(k,l)。理想低通濾波后的頻譜39。)。%clear。原圖39。[x,y]=meshgrid(x,y)。% 二階巴特沃斯(Butterworth)低通濾波器 d0=20。y=0:1:255。J2=ifft2(result)。% 二階巴特沃斯(Butterworth)高通濾波器 d0=5。x=0:1:255。result=ifftshift(result)。實驗三 圖像邊緣檢測與連接一、實驗?zāi)康膱D像邊緣檢測與連接二、實驗內(nèi)容（1）編程實現(xiàn)一階差分邊緣檢測算法，包括Robert梯度算子、Prewitt算子、Sobel算子等；（2）編程實現(xiàn)二階差分拉普拉斯邊緣檢測算法以及LoG檢測法和Canny檢測法；（3）分析與比較各種邊緣檢測算法的性能；（4）編程實現(xiàn)Hough變換提取直線（5）分析Hough變換檢測性能；三、實驗運行結(jié)果四、實驗中遇到的問題及解決方法拷貝文件后沒改文件名，直接執(zhí)行時出現(xiàn)錯誤，最后重新修改后重新編譯，使之成功。還得繼續(xù)努力。)。log39。)。,39。R39。,39。%查找并鏈接線段figure, imshow(BW), hold on %在二值圖中疊加顯示這些線段 for k = 1:length(lines)xy = [lines(k).point1。)。)。,39。)。39。figure imshow(d)。39。imsubtract函數(shù)的調(diào)用格式如下：Z = imsubtract(X,Y)； 讀入一幅畫后通過減法 a3=imsubtract(a,50)。imdivide函數(shù)對兩幅輸入圖像的所有相應(yīng)像素執(zhí)行元素對元素的除法操作（點除），并將得到的結(jié)果作為輸出圖像的相應(yīng)像素值。b)利用imnoise命令在圖像“”上加入高斯(gaussian)噪聲J = imnoise(I,39。,5)。saltamp。一般兩種噪聲同時出現(xiàn)，呈現(xiàn)在圖像上就是黑白雜點。三、實驗內(nèi)容與步驟(1)使用Roberts 算子的圖像分割實驗，,截圖如下(2)使用Prewitt 算子的圖像分割實驗 截圖如下(3)使用Sobel 算子的圖像分割實驗(4)使用LoG(拉普拉斯高斯)算子的圖像分割實驗四、實驗結(jié)果對Roberts算子、Prewitt 算子、Sobel 算子、LoG(拉普拉斯高斯)算子的運算對圖像的結(jié)果有了基本的認識，加深學(xué)習(xí)效果。)。二、實驗內(nèi)容讀取一幅彩色圖像，將該彩色圖像轉(zhuǎn)化為灰度圖像，再將灰度圖像轉(zhuǎn)化為索引圖像并顯示所有圖像。真彩色圖像轉(zhuǎn)化為索引圖像 RGB=ind2rgb(x,map)。[x,map]=gray2ind(i,128)。[m3,n3]=size(i3)subplot(221),imshow(i),xlabel(39。)256 x 25664 x 64128 x 12832 x 32實驗二圖像的幾何變換一、實驗?zāi)康恼莆請D像的基本幾何變換的方法圖像的平移圖像的旋轉(zhuǎn)二、實驗內(nèi)容練習(xí)用matalb命令實現(xiàn)圖像的平移、旋轉(zhuǎn)操作.編寫實現(xiàn)圖像平移的函數(shù)用imread命令從你的硬盤讀取一幅256256灰度圖。233。234。y39。I(x1,y1)=i(x,y)。)。)。鞏固灰度變換、直方圖修正、圖像算術(shù)和邏輯運算等基礎(chǔ)知識。顯示圖像的直方圖 histeq()。subplot(121),imshow(i)subplot(122),imshow(j)clear,close all,clc in1=imread(39。g2=220。intensity transformation39。in2=double(in1)。)。熟練掌握空域變換增強的matlab 相關(guān)函數(shù)用法，并能利用算法自己編寫matlab 程序?qū)崿F(xiàn)圖像空域變換增強。圖像位與運算 bitor()。% 轉(zhuǎn)換為灰度圖像N=zeros(1,256)。% 計算原始圖像各灰度級像素個數(shù) for x=1:h for y=1:w N(1,tu(x,y))=N(1,tu(x,y))+1。% 計算新的灰度直方圖 newP % 計算新生成圖像累積分布直方圖 newq(1,1)=newP(1,1)。out1=ones(m,n)*255。out2=uint8(out2)。用prewitt 進行銳化濾波處理。Y=filter2(B,X,’shape’)。%f=imnoise(in1,39。(c)標(biāo)準(zhǔn)均值濾波圖像39。for p=1:k for q=1:k a(x)=f1(i+(p(k+1)/2),j+(q(k+1)/2))。)。subplot(131),imshow(in1)%,xlabel(39。[m1,n1]=size(f1)。ga(i,j)=a((k^2+1)/2)。0 0 0。sum2=0。鞏固卷積定理、濾波處理等基礎(chǔ)知識。39。out(i,j)=f(i,j)*h(i,j)。end end chu1=ifft2(chu)。)。b=。勻速直線運動退化圖39。b=0。,0,)。%取出窗口內(nèi)的像素值并作標(biāo)準(zhǔn)均值濾波處理 for i=(k+1)/2:(m1(k1)/2)for j=(k+1)/2:(n1(k1)/2)a=0。end ga(i,j)=round(hsum1/hsum2)?；叶燃壊噬儞Q法偽彩色處理仿真。%右上角 %將三個分量進行組合 out1=cat(3,rin,gin,bin)。salt amp。[m1,n1]=size(f1)。maxa=max(a)。else end end %在噪聲密度較大的情況下有可能窗口內(nèi)所有的值都是最大值或最小值 %對其進行判斷，如果是這種情況，就采用普通的均值濾波算法求當(dāng)前要求的像素點的值 if tan~=0 ga(i,j)=round(he/tan)。,。in=imread(39。out(i,j,1)=d(ind,1)。g10=0。r39。b11=g10r11*f10。g1(i,j)=0。f22=191。),ylabel(39。r23=(g23g22)/(f23f22)。(f=f22)amp。f33=255。)title(39。[m,n]=size(in1)。鞏固圖像空間分辨率和灰度級分辨率、鄰域等重要概念。)。g=f。sum2=0。)。%f1 的邊緣像素值為0中間的像素值依然為f f1((1+(k1)/2):(m1(k1)/2),(1+(k1)/2):(n1(k1)/2))=f。for w=1:k^2 sum1=sum1+a(w)*b1(w)。[m,n]=size(in)。end for t=0:L1 w0=0。for i=(t+1):L if w10 u1=u1+i*p(i