【文章內(nèi)容簡(jiǎn)介】 n)^2)。h=1/(1+*(d/d0)^(2*nn))。% 計(jì)算低通濾波器傳遞函數(shù) result(i,j)=h*g(i,j)。end end subplot(3,2,4)。x=0:1:255。y=0:1:255。[x,y]=meshgrid(x,y)。z=log(abs(result))。%取幅度 mesh(z)。%以三維坐標(biāo)顯示該圖像頻譜圖 title(39。低通濾波后的頻譜39。)。result=ifftshift(result)。J2=ifft2(result)。J3=uint8(abs(J2))。subplot(3,2,3)。imshow(J3)。title(39。低通濾波后的圖像39。)。%利用二階巴特沃斯（Butterworth）高通濾波器nn=2。% 二階巴特沃斯(Butterworth)高通濾波器 d0=5。m=fix(M/2)。n=fix(N/2)。for i=1:M for j=1:N d=sqrt((im)^2+(jn)^2)。if(d==0)h=0。else h=1/(1+*(d0/d)^(2*nn))。% 計(jì)算傳遞函數(shù) end result(i,j)=h*g(i,j)。end end subplot(3,2,6)。x=0:1:255。y=0:1:255。[x,y]=meshgrid(x,y)。z=log(abs(result))。%取幅度 mesh(z)。%以三維坐標(biāo)顯示該圖像頻譜圖 title(39。高通濾波后的頻譜39。)。result=ifftshift(result)。J2=ifft2(result)。J3=uint8(abs(J2))。subplot(3,2,5)。imshow(J3)。title(39。高通濾波后的圖像39。)。實(shí)驗(yàn)三 圖像邊緣檢測(cè)與連接一、實(shí)驗(yàn)?zāi)康膱D像邊緣檢測(cè)與連接二、實(shí)驗(yàn)內(nèi)容（1）編程實(shí)現(xiàn)一階差分邊緣檢測(cè)算法，包括Robert梯度算子、Prewitt算子、Sobel算子等；（2）編程實(shí)現(xiàn)二階差分拉普拉斯邊緣檢測(cè)算法以及LoG檢測(cè)法和Canny檢測(cè)法；（3）分析與比較各種邊緣檢測(cè)算法的性能；（4）編程實(shí)現(xiàn)Hough變換提取直線（5）分析Hough變換檢測(cè)性能；三、實(shí)驗(yàn)運(yùn)行結(jié)果四、實(shí)驗(yàn)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(shí)出現(xiàn)錯(cuò)誤，最后重新修改后重新編譯，使之成功。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(gè)區(qū)域的終結(jié)和另一個(gè)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(shí)大幅度的減少了要處理的信息量，而且還保護(hù)了目標(biāo)的邊界結(jié)構(gòu)。所以考慮邊緣的方向很重要。（2）Hough變換原理是什么？答：Hough變換的基本原理在于利用點(diǎn)與線的對(duì)偶性，將原始圖像空間的給定的曲線通過曲線表達(dá)形式變?yōu)閰?shù)空間的一個(gè)點(diǎn)。這樣就把原始圖像中給定曲線的檢測(cè)問題轉(zhuǎn)化為準(zhǔn)找參數(shù)空間的峰值問題。也即把檢測(cè)整體特性轉(zhuǎn)化為檢測(cè)局部特性。比如直線、橢圓、圓、弧線等。六、實(shí)驗(yàn)心得體會(huì)對(duì)于一些圖像處理的函數(shù)不是很了解，只能夠按課本的參照函數(shù)拷貝做實(shí)驗(yàn)，對(duì)于其中的一些函數(shù)問題理解不是很透徹，有些甚至完全不懂。還得繼續(xù)努力。七、程序清單邊緣檢測(cè)由edge函數(shù)實(shí)現(xiàn)各算子對(duì)圖像的邊緣檢測(cè)clear all。I = imread(39。d:39。)。I=rgb2gray(I)。BW1 = edge(I,39。sobel39。)。%利用Sobel算子進(jìn)行邊緣檢測(cè) BW2 = edge(I,39。roberts39。)。%利用roberts算子進(jìn)行邊緣檢測(cè) BW3 = edge(I,39。prewitt39。)。%利用prewitt算子進(jìn)行邊緣檢測(cè) BW4 = edge(I,39。log39。)。%利用log算子進(jìn)行邊緣檢測(cè) BW5 = edge(I,39。canny39。)。%利用canny算子進(jìn)行邊緣檢測(cè) 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(cè)和連接clear all。RGB = imread(39。d:39。)。I=RGB。%I = rgb2gray(RGB)。BW = edge(I,39。canny39。)。% 利用Canny算子提取圖像邊緣 [H,T,R] = hough(BW,39。RhoResolution39。,39。ThetaResolution39。,)。figure(1), imshow(T,R,H,[],39。notruesize39。), axis on, axis normal xlabel(39。T39。), ylabel(39。R39。)p = houghpeaks(H,5,39。threshold39。,ceil(*max(H(:))))。%找到5個(gè)較明顯的Hough變換峰值hold on plot(T(p(:,2)),R(p(:,1)),39。s39。,39。color39。,39。white39。)。lines = houghlines(BW,T,R,p,39。FillGap39。,10,39。MinLength39。,10)。%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。lines(k).point2]。plot(xy(:,1),xy(:,2),39。LineWidth39。,2,39。Color39。,39。green39。)。end第四篇：數(shù)字圖像處理實(shí)驗(yàn)報(bào)告數(shù)字圖像處理實(shí)驗(yàn)報(bào)告目錄一、數(shù)字圖像處理簡(jiǎn)介圖像處理，是對(duì)圖像進(jìn)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(shù)。圖像處理是信號(hào)處理在圖像域上的一個(gè)應(yīng)用。目前大多數(shù)的圖像是以數(shù)字形式存儲(chǔ)，因而圖像處理很多情況下指數(shù)字圖像處理。此外，基于光學(xué)理論的處理方法依然占有重要的地位。圖像處理是信號(hào)處理的子類，另外與計(jì)算機(jī)科學(xué)、人工智能等領(lǐng)域也有密切的關(guān)系。傳統(tǒng)的一維信號(hào)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。然而，圖像屬于二維信號(hào)，和一維信號(hào)相比，它有自己特殊的一面，處理的方式和角度也有所不同。二、實(shí)驗(yàn)?zāi)康撵柟趟鶎W(xué)知識(shí)，提高所學(xué)能力三、實(shí)驗(yàn)內(nèi)容利用matlab的GUI程序設(shè)計(jì)一個(gè)簡(jiǎn)單的圖像處理程序，并含有如下基本功能： ，變換為灰度圖像和二值圖像，并在同一個(gè)窗口內(nèi)分成三個(gè)子窗口來分別顯示RGB圖像和灰度圖像，注上文字標(biāo)題 3．對(duì)給定的圖像添加噪聲（椒鹽噪聲、高斯噪聲）四、實(shí)驗(yàn)結(jié)果及代碼展示（1）讀入一幅RGB圖像，變換為灰度圖像和二值圖像，并在同一個(gè)窗口內(nèi)分成三個(gè)子窗口來分別顯示RGB圖像和灰度圖像，注上文字標(biāo)題效果展示：代碼：a = imread(39。C:Documents and 39。)。i = rgb2gray(a)。I = im2bw(a,)。subplot(3,1,1)。imshow(a)。title(39。源圖像39。)subplot(3,1,2)。imshow(i)。title(39?；叶葓D像39。)subplot(3,1,3)。imshow(I)。title(39。二值圖像39。)（2）圖像旋轉(zhuǎn) 原圖效果展示：代碼：clc。clear all。close all。Img=imread(39。D:My DocumentsMy 39。)。Img=double(Img)。[h w]=size(Img)。alpha=pi/4。wnew=w*cos(alpha)+h*sin(alpha)。hnew=w*sin(alpha)+h*cos(alpha)。wnew=ceil(wnew)。hnew=ceil(hnew)。u0=w*sin(alpha)。T=[cos(alpha),sin(alpha)。sin(alpha),cos(alpha)]。Imgnew2=zeros(hnew,wnew)。Imgnew1=zeros(hnew,wnew)。for u=1:hnewfor v=1:wnewtem=T*([u。v][u0。0])。x=tem(1)。y=tem(2)。if x=1amp。amp。x=1amp。amp。yelsex=x_up。endif(yy_low)elsey=y_up。endp1=Img(x_low,y_low)。p2=Img(x_up,y_low)。p3=Img(x_low,y_low)。p4=Img(x_up,y_up)。s=xx_low。t=yy_low。Imgnew1(u,v)=Img(x,y)。Imgnew2(u,v)=(1s)*(1t)*p1+(1s)*t*p