數(shù)字圖像實(shí)驗(yàn)報(bào)告-資料下載頁(yè)
2025-07-21 10:48本頁(yè)面
【正文】 )。title(39。疊加圖像39。)。subplot(4,2,8)。imshow(I4)。title(39。灰度變換圖像39。)。 =genlaplacian(n)，自動(dòng)產(chǎn)生一奇數(shù)尺寸n的拉普拉斯算子，如5*5的拉普拉斯算子。function w =genlaplacian(n) %UNTITLED Summary of this function goes here% Detailed explanation goes herew = ones(n)。 x = ceil(n/2)。w(x, x) = 1 * (n * n 1)。 end *5,9*9,15*15,和25*，并利用g(x,y)=f(x,y)^2f(x,y)完成圖像的銳化增強(qiáng)，觀察其有什么不同i=imread(39。D:\39。)。i=rgb2gray(i)。h1=genLaplacian(5)。 %5*5拉普拉斯算子I1=iimfilter(i,h1,39。replicate39。)。 h2=genLaplacian(9)。 %9*9拉普拉斯算子I2=iimfilter(i,h2,39。replicate39。)。 h3=genLaplacian(15)。 %15*15拉普拉斯算子I3=iimfilter(i,h3,39。replicate39。)。 h4=genLaplacian(25)。 %25*25拉普拉斯算子I4=iimfilter(i,h4,39。replicate39。)。 subplot(3,2,1)。imshow(i)。title(39。原圖像39。)。subplot(3,2,2)。imshow(I1)。title(39。5*5拉普拉斯算子39。)。subplot(3,2,3)。imshow(I2)。title(39。9*9拉普拉斯算子39。)。subplot(3,2,4)。imshow(I3)。title(39。15*15拉普拉斯算子39。)。subplot(3,2,5)。imshow(I4)。title(39。25*25拉普拉斯算子39。)。通過(guò)本次實(shí)驗(yàn)，我明白了各種濾波器的作用及特點(diǎn)，其中中值濾波算法的實(shí)現(xiàn)是將模板區(qū)域內(nèi)的像素排序，求出中值。特點(diǎn)是強(qiáng)迫突出的亮點(diǎn)（暗點(diǎn)）更像它周圍的值，以消除孤立的亮點(diǎn)（暗點(diǎn)）；在去除噪聲的同時(shí)，可以比較好地保留邊緣的銳度和圖像的細(xì)節(jié)。中值濾波器比均值濾波器效果好。最大值濾波器：主要用途：尋找最亮點(diǎn)最小值濾波器：主要用途：尋找最暗點(diǎn)空域平滑濾波器模板的所有系數(shù)都是正數(shù)，具有平滑的效果，在去除噪聲的同時(shí)模糊了圖像邊緣、細(xì)節(jié)。本質(zhì)上是一種低通濾波器。在設(shè)計(jì)濾波器時(shí)通常還要求行列數(shù)為奇數(shù)，保障中心定位性能?？沼蚱交瑸V波的去噪能力與它的模板大小有關(guān)，模板越大，去噪聲能力越強(qiáng)；實(shí)驗(yàn)六 圖像的邊緣檢測(cè)和分割1. 熟悉并掌握MATLAB圖像處理工具箱的使用2. 理解并掌握常用的圖像的邊緣檢測(cè)與分割技術(shù)1 edge檢測(cè)灰度或者二值圖像的邊緣，返回一個(gè)二值圖像，1像素是檢測(cè)到的邊緣，0像素是非邊緣。用法：BW=edge(I,’sobel’,thresh,direction)Thresh指定閾值，檢測(cè)時(shí)忽略所有小于閾值的邊緣，默認(rèn)自動(dòng)選擇閾值；direction方向，在所指定的方向用算子進(jìn)行邊緣檢測(cè)：horizontal、vertical、both。2 圖像分割圖像分割是將圖像劃分成若干個(gè)互不相干的小區(qū)域，小區(qū)域是魔偶中意義下具有共同屬性的像素的連通集合。如不同目標(biāo)物體所占的圖像區(qū)域、前景所占的圖像區(qū)域。連通是指某集合中任意兩個(gè)點(diǎn)之間都存在著完全屬于該集合的聯(lián)通路徑。 雙峰法先給出原圖的直方圖，在定出閾值T，一般取兩個(gè)峰值間的谷值。自適應(yīng)全局閾值算法步驟：1. 初始化閾值T（一般為原圖像所有像素平均值）2. 用T分割圖像成兩個(gè)集合：G1和G2，其中G1包涵所有灰度值小于T的像素，G2包涵所有灰度值大于T的像素。3. 計(jì)算G1總像素的平均值m1及G2中像素的平均值m2.4. 計(jì)算新的閾值：T=（m1+m2）/2。5. 如果新閾值跟原閾值之間的差值小于一個(gè)預(yù)先設(shè)定的范圍，停止循環(huán)。、步驟、結(jié)果采用三種不同算子檢測(cè)圖像邊緣，顯示結(jié)果實(shí)驗(yàn)代碼I=imread(39。D:/39。)。I=rgb2gray(I)。BW1=edge(I,39。sobel39。)。 BW2=edge(I,39。roberts39。)。BW3=edge(I,39。prewitt39。)。 BW4=edge(I,39。log39。)。 BW5=edge(I,39。canny39。)。subplot(2,3,1), imshow(BW1)。title(39。sobel39。)。subplot(2,3,2), imshow(BW2)。title(39。roberts39。)。subplot(2,3,3), imshow(BW3)。title(39。prewitt39。)。subplot(2,3,4), imshow(BW4)。title(39。log39。)。subplot(2,3,5), imshow(BW5)。title(39。canny39。)。 分別使用roberts、prewitt、sobel算子和雙峰閾值法、最佳閾值法進(jìn)行圖像分割： i = imread(39。D:\39。)。I = rgb2gray(i)。subplot(2,1,1)。 imhist(I)。title(39。原圖像直方圖39。) %畫出灰度直方圖p1 = {39。Input Num:39。}。 p2 = {39。18039。}。p3 = inputdlg(p1,39。Input Num:1~25639。,1,p2)。p = str2num(p3{1})。 p = p/255。bw = im2bw(I, p)。 %小于閾值的為黑，大于閾值的為白subplot(2,1,2)。 imshow(bw, 39。border39。, 39。tight39。)。title(39。分割圖像39。)。 i=imread(39。D:\39。)。I=rgb2gray(i)。thresh = graythresh(I)。 %自動(dòng)確定二值化閾值I2 = im2bw(I,thresh)。 %對(duì)圖像二值化subplot(2,2,1)。imshow(I)。title(39。原圖像39。)。subplot(2,2,2)。imhist(I,256)。title(39。原圖像直方圖39。)。subplot(2,2,3)。imshow(I2)。title(39。自動(dòng)閾值分割圖像39。)。通過(guò)本次實(shí)驗(yàn)，我學(xué)會(huì)了如何進(jìn)行邊緣檢測(cè)和分割圖像以及如何自定義函數(shù)來(lái)自主編輯圖片，各種算子的使用以及兩種方法。
黨政相關(guān)相關(guān)推薦
鄂ICP備17016276號(hào)-1