【文章內(nèi)容簡介】 for l=1:1:m if(k^2+l^2)imshow(uint8(abs(d)))。title(39。理想高通濾波后的圖像39。)。%頻域增強（巴特沃斯原型）%二階巴特沃斯（Butterworth）低通濾波器 %clc。%clear。Figure。J1=imread(39。39。)。subplot(3,2,1)。imshow(J1)。title(39。原圖39。)。f=double(J1)。g=fft2(f)。% 傅立葉變換 g=fftshift(g)。% 轉(zhuǎn)換數(shù)據(jù)矩陣 subplot(3,2,2)。x=0:1:255。y=0:1:255。[x,y]=meshgrid(x,y)。z=log(abs(g))。%取幅度 mesh(z)。%以三維坐標顯示該圖像頻譜圖 title(39。原圖頻譜39。)。[M,N]=size(g)。nn=2。% 二階巴特沃斯(Butterworth)低通濾波器 d0=20。m=fix(M/2)。n=fix(N/2)。for i=1:M for j=1:N d=sqrt((im)^2+(jn)^2)。h=1/(1+*(d/d0)^(2*nn))。% 計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。)。實驗三 圖像邊緣檢測與連接一、實驗目的圖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。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區(qū)域的終結(jié)和另一個區(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大幅度的減少了要處理的信息量，而且還保護了目標的邊界結(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與線的對偶性，將原始圖像空間的給定的曲線通過曲線表達形式變?yōu)閰?shù)空間的一個點。這樣就把原始圖像中給定曲線的檢測問題轉(zhuǎn)化為準找參數(shù)空間的峰值問題。也即把檢測整體特性轉(zhuǎn)化為檢測局部特性。比如直線、橢圓、圓、弧線等。六、實驗心得體會對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)拷貝做實驗，對于其中的一些函數(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、程序清單邊緣檢測由edge函數(shù)實現(xiàn)各算子對圖像的邊緣檢測clear all。I = imread(39。d:39。)。I=rgb2gray(I)。BW1 = edge(I,39。sobel39。)。%利用Sobel算子進行邊緣檢測 BW2 = edge(I,39。roberts39。)。%利用roberts算子進行邊緣檢測 BW3 = edge(I,39。prewitt39。)。%利用prewitt算子進行邊緣檢測 BW4 = edge(I,39。log39。)。%利用log算子進行邊緣檢測 BW5 = edge(I,39。canny39。)。%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。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第三篇：數(shù)字圖像處理實驗報告數(shù)字圖像處理實驗報告目錄一、數(shù)字圖像處理簡介圖像處理，是對圖像進行分析、加工、和處理，使其滿足視覺、心理以及其他要求的技術(shù)。圖像處理是信號處理在圖像域上的一個應用。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。此外，基于光學理論的處理方法依然占有重要的地位。圖像處理是信號處理的子類，另外與計算機科學、人工智能等領域也有密切的關系。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用在圖像處理上，比如降噪、量化等。然而，圖像屬于二維信號，和一維信號相比，它有自己特殊的一面，處理的方式和角度也有所不同。二、實驗目的鞏固所學知識，提高所學能力三、實驗內(nèi)容利用matlab的GUI程序設計一個簡單的圖像處理程序，并含有如下基本功能： ，變換為灰度圖像和二值圖像，并在同一個窗口內(nèi)分成三個子窗口來分別顯示RGB圖像和灰度圖像，注上文字標題 3．對給定的圖像添加噪聲（椒鹽噪聲、高斯噪聲）四、實驗結(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，并在同一個窗口內(nèi)分成三個子窗口來分別顯示RGB圖像和灰度圖像，注上文字標題效果展示：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*p3+(1t)*s*p2+s*t*p4。endend endfigure。imshow(Imgnew2,[])。B=imrotate(Img,alpha/pi*180)。figure。imshow(B,[])。（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。D:My DocumentsMy 39。)。figure,subplot(211)。imshow(I)。title(39。原圖39。)。J1=imnoise(I,39。gaussian39。,0,)。subplot(223)。imshow(J)。title(39。添加高斯噪聲39。)。J=imnoise(I,39。speckle39。,)。subplot(224)。imshow(J)。title(39。添加斑點噪聲39。)。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。紅色、綠色、藍色三個通道的縮覽圖都是以灰度顯示的。用不同的灰度色階來表示“ 紅，綠，藍”在圖像中的比重。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。通道是整個Photoshop顯示圖像的基礎。色彩的變動，實際上就是間接在對通道灰度圖進行調(diào)整。通道是Photoshop處理圖像的核心部分，所有的色彩調(diào)整工具都是圍繞在這個核心周圍使用的。在計算機領域中，灰度數(shù)字圖像是每個像素只有一個采樣顏色的圖像。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?；叶葓D像與黑白圖像不同，在計算機圖像領域中黑白圖像只有黑色與白色兩種顏色；灰度圖像在黑色與白色之間還有許多級的顏色深度。但是，在數(shù)字圖像領域之外，“黑白圖像”也表示“灰度圖像”，例如灰度的照片通常叫做“黑白照片”。在一些關于數(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。灰度圖像經(jīng)常是在單個電磁波頻譜如可見光內(nèi)測量每個像素的亮度得到的。用于顯示的灰度圖像通常用每個采樣像素 8 位的非線性尺度來保存，這樣可以有 256 級灰度。這種精度剛剛能夠避免可見的條帶失真，并且非常易于編程。在醫(yī)學圖像與遙感圖像這些技術(shù)應用中經(jīng)常采用更多的級數(shù)以充分利用每個采樣 10 或 12 位的傳感器精度，并且避免計算時的近似誤差。在這樣的應用領域每個采樣 16 位即 65536 級得到流行。二值圖像：是指每個像素不是黑就是白，其灰度值沒有中間過渡的圖像。二值圖像一般用來描述文字或者圖形，其優(yōu)點是占用空間少，缺點是，當表示人物，風景的圖像時，二值圖像只能描述其輪廓，不能描述細節(jié)。這時候要用更高的灰度級。二值圖像是每個像素只有兩個可能值的數(shù)字圖像。人們經(jīng)常用黑白、Bamp。W、單色圖像表示二值圖像，但是也可以用來表示每個像素只有一個采樣值的任何圖像，例如灰度圖像等。二值圖像中所有的像素只能從0和1這兩個值中取，因此在MATLAB中，二值圖像用一個由0和1組成的二維矩陣表示。這兩個可取的值分別對應于關閉和打開，關閉表征該像素處于背景，而打開表征該像素處于前景。以這種方式來操作圖像可以更容易識別出圖像的結(jié)構(gòu)特征。二值圖像操作只返回與二值圖像的形式或結(jié)構(gòu)有關的信息，如果希望對其他類型的圖像進行同樣的操作，則首先要將其轉(zhuǎn)換為二進制的圖像格式，可以通過調(diào)用MATLAB提供的im2bw（）來實現(xiàn)。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)。一些輸入輸出設備，如激光打印機、傳真機、單色計算機顯示器等都可以處理二值圖像。二值圖像經(jīng)常使用位圖格式存儲。二值圖像可以解釋為二維整數(shù)格Z，圖像變形處理領域很大程度上就是受到這個觀點啟發(fā)。圖像旋轉(zhuǎn)：圖像旋轉(zhuǎn)是指圖像以某一點為中心旋轉(zhuǎn)一定的角度,形成一幅新的圖像的過程。當然這個點通常就是圖像的中心。既然是按照中心旋轉(zhuǎn),自然會有這樣一個屬性：,我們可以得到旋轉(zhuǎn)后的點的坐標與原坐標的對應關系。由于原圖像