【正文】 像空域變換增強。二、實驗內(nèi)容 進行退化和復原仿真，采用逆濾波的方法復原。 進行退化和復原仿真，采用逆濾波的方法復原。 進行空域濾波還原處理。三、實驗原理Psf=fspecial(type,parameters)；返回指定濾波器的單位沖擊響應 Imfilter(c,psf,’circular’,’conv’)；根據(jù)psf 對圖像進行濾波處理 Fr=deconvwnr(g,psf,ncorr,icorr)；對圖像進行維納濾波處理Fr=deconvreg(g,psf,noisepower,range)；對圖像進行最小二乘方濾波處理Tform=maketform(transform_type,transform_parameters)；對圖像進行幾何失真校正四、實驗代碼與結(jié)果%基于大氣湍流造成的模糊圖像及其還原clear。close all。clc in=imread(39。39。)。subplot(131),imshow(in),title(39。原始圖像39。)f=fft2(in)。[N1,N2]=size(f)。k1=。%退化模型中的常數(shù)%根據(jù)退化模型對輸入圖像進行退化處理并輸出退化后的圖像 for i=1:N1 for j=1:N2 h(i,j)=exp((k1*(i^2+j^2))^(5/6))。out(i,j)=f(i,j)*h(i,j)。end end out1=ifft2(out)。outreal=uint8(real(out1))。subplot(132),imshow(outreal),title(39。大氣湍流退化圖39。)%根據(jù)退化模型對已經(jīng)退化的圖像進行恢復處理 k2=。%退化模型中的常數(shù)for i=1:N1 for j=1:N2 h(i,j)=exp((k2*(i^2+j^2))^(5/6))。chu(i,j)=out(i,j)/h(i,j)。end end chu1=ifft2(chu)。chureal=uint8(real(chu1))。subplot(133),imshow(chureal),title(39。大氣湍流還原圖39。)%基于勻速直線運動造成的模糊圖像及其還原clear。close all。clc in=imread(39。39。)。%in=rgb2gray(in1)。subplot(131),imshow(in),title(39。原始圖像39。)f=fft2(in)。[N1,N2]=size(f)。t=1。a=。b=。pi=。for u=1:N1 for v=1:N2 fenzhi=cos(pi*(u*a+v*b))i*sin(pi*(u*a+v*b))。h(u,v)=t*sin(pi*(u*a+v*b))*fenzhi/(pi*(u*a+v*b))。out(u,v)=f(u,v)*h(u,v)。end end out1=ifft2(out)。outreal=uint8(real(out1))。subplot(132),imshow(outreal),title(39。勻速直線運動退化圖39。)for u=1:N1 for v=1:N2 h(u,v)=t*sin(pi*(u*a+v*b))*(cos(pi*(u*a+v*b))j*sin(pi*(u*a+v*b)))/(pi*(u*a+v*b))。chu(u,v)=out(u,v)/h(u,v)。end end chu1=ifft2(chu)。chureal=uint8(real(chu1))。subplot(133),imshow(chureal),title(39。勻速直線運動還原圖39。)a=。b=0。時的運行結(jié)果：a=0。b=。時的運行結(jié)果：：%逆諧波均值濾波舉例clc,close all,clear in=imread(39。39。)。f=imnoise(in,39。gaussian39。,0,)。g=nixiebojunzhi(f,3)。subplot(131),imshow(in)subplot(132),imshow(f)subplot(133),imshow(g)%逆諧波函數(shù)function g=nixiebojunzhi(f,k)[m,n]=size(f)。r=2。%r 為逆諧波函數(shù)中的Q 值%f1 是對邊緣像素補0 后得到的圖像f1=zeros(m+(k1),n+(k1))。[m1,n1]=size(f1)。%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。%注意這條指令絕對不能少 ga=f。%取出窗口內(nèi)的像素值并作標準均值濾波處理 for i=(k+1)/2:(m1(k1)/2)for j=(k+1)/2:(n1(k1)/2)a=0。x=1。for p=1:k for q=1:k a(x)=f1(i+(p(k+1)/2),j+(q(k+1)/2))。x=x+1。end end %hsum 表示窗口內(nèi)所有像素值的和 hsum1=0。hsum2=0。for h=1:(k^2)hsum1=hsum1+a(h)^(r+1)。hsum2=hsum2+a(h)^r。end ga(i,j)=round(hsum1/hsum2)。end end %ga 的大小和f1 的大小一致所以必須取出中間部分像素值作為輸出 g=ga((1+(k1)/2):(m1(k1)/2),(1+(k1)/2):(n1(k1)/2))。實驗七 彩色圖像處理一、實驗目的了解三色成像及各種顏色模型。能用處理灰度圖像的算法和技術對真彩色圖像進行增強、去噪、復原等處理。理解偽彩色圖像處理技術并掌握密度分層法、灰度級彩色變換法、頻域濾波等偽彩色圖像處理算法。二、實驗內(nèi)容生成一幅256x256 的RGB 圖像，該圖像左上角為紅色，右上角為藍色，左下角為綠色，右下角為黑色。給彩色圖像加噪并去噪，可以采用灰度圖像去噪處理的任何方法。密度分層偽彩色處理仿真。灰度級彩色變換法偽彩色處理仿真。三、實驗原理B=cat(dim,A1,A2,A3,...)，dim 為維數(shù)，cat 函數(shù)將A1,A2,A3 等矩陣連接成維數(shù)為dim的矩陣。四、實驗代碼與結(jié)果clc,clear,close all rin=zeros(256,256)。%紅色分量 rin(1:128,1:128)=1。%左上角 gin=zeros(256,256)。%綠色分量 gin(129:256,1:128)=1。%左下角 bin=zeros(256,256)。%藍色分量 bin(1:128,129:256)=1。%右上角 %將三個分量進行組合 out1=cat(3,rin,gin,bin)。%也可以不用matlab 函數(shù)out2(:,:,1)=rin。out2(:,:,2)=gin。out2(:,:,3)=bin。subplot(121),imshow(out1)subplot(122),imshow(out2)%給彩色圖像加噪并去噪clc,clear,close all in1=imread(39。39。)。in=imnoise(in1,39。salt amp。 pepper39。,)。out(:,:,1)=gaijinjunzhi(in(:,:,1),5)。out(:,:,2)=gaijinjunzhi(in(:,:,2),5)。out(:,:,3)=gaijinjunzhi(in(:,:,3),5)。subplot(221),imshow(in1)subplot(222),imshow(in)subplot(223),imshow(out)%采用改進均值濾波算法，函數(shù)如下 function g=gaijinjunzhi(f,k)[m,n]=size(f)。%f1 是對邊緣像素補0 后得到的圖像f1=zeros(m+(k1),n+(k1))。[m1,n1]=size(f1)。%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。%注意這條指令絕對不能少 ga=f。%取出窗口內(nèi)的像素值并作改進均值濾波處理 for i=(k+1)/2:(m1(k1)/2)for j=(k+1)/2:(n1(k1)/2)a=0。x=1。for p=1:k for q=1:k a(x)=f1(i+(p(k+1)/2),j+(q(k+1)/2))。x=x+1。end end mina=min(a)。maxa=max(a)。%tan 表示窗口內(nèi)既不是最大也不是最小像素值的個數(shù) %he 表示窗口內(nèi)所有既不是最大也不是最小像素值的和 tan=0。he=0。%hsum 表示窗口內(nèi)所有像素值的和 hsum=0。%取出不是最大也不是最小的像素值并求和以及個數(shù) for h=1:(k^2)hsum=hsum+a(h)。if a(h)~=mina amp。 a(h)~=maxa tan=tan+1。he=he+a(h)。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前要求的像素點的值 if tan~=0 ga(i,j)=round(he/tan)。else ga(i,j)=round(hsum/(k^2))。end end end %ga 的大小和f1 的大小一致，所以必須取出中間部分像素值作為輸出 g=ga((1+(k1)/2):(m1(k1)/2),(1+(k1)/2):(n1(k1)/2))。clc,clear,close all %[i0,map]=imread(39。39。)。d=[,。,。,。...,。,。,。...,。,。,。,]。in=imread(39。39。)。[m,n]=size(in)。for i=1:m for j=1:n % out(i,j,1)=map(in(i,j),1)。% out(i,j,2)=map(in(i,j),2)。% out(i,j,3)=map(in(i,j),3)。ind=fix(in(i,j)/26)。out(i,j,1)=d(ind,1)。out(i,j,2)=d(ind,2)。out(i,j,3)=d(ind,3)。end end subplot(121),imshow(in)subplot(122),imshow(out)clear,close all,clc in1=imread(39。39。)。%in1=rgb2gray(in1)。%第一個獨立的變換 f10=0。g10=0。f11=127。g11=0。f12=191。g12=255。f13=255。g13=255。figure(11),plot([f10,f11,f12,f13],[g10,g11,g12,g13],39。r39。)axis tight,xlabel(39。f39。),ylabel(39。g39。)title(39。intensity transformation39。)r11=(g11g10)/(f11f10)。b11=g10r11*f10。r12=(g12g11)/(f12f11)。b12=g11r12*f11。r13=(g13g12)/(f13f12)。b13=g12r13*f12。[m,n]=size(in1)。in2=double(in1)。for i=1:m for j=1:n f=in2(i,j)。g1(i,j)=0。if(f=0)amp。(f=f11)amp。(f=f12)amp。(ff20=0。g20=0。f21=63。g21=255。f22=191。g22=255。f23=255。g23=0。figure(21),plot([f20,f21,f22,f23],[g20,g21,g22,g23],39。r39。)axis tight,xlabel(39。f39。),ylabel(39。g39。)title(39。intensity transformation39。)r21=(g21g20)/(f21f20)。b21=g20r21*f20。r22=(g22g21)/(f22f21)。b22=g21r22*f21。r23=(g23g22)/(f23f22)。b23=g22r23*f22。[m,n]=size(in1)。in2=double(in1)。for i=1:m for j=1:n f=in2(i,j)。g2(i,j)=0。if(f=0)amp。(f=f21)amp。(f=f22)amp。(fg2=uint8(g2)。figure(22),subplot(121),imshow(in1)subplot(122),imshow(g2)%imshow(mat2gray(g2))%第三個獨立的變換f30=0。g30=255。f31=63。g31=255。f32=127。g32=0。f33=255。g33=0。figure(31),plot([f30,f31,f32,f33],[g30,g31,g32,g33],39。r39。)axis tight,xlabel(39。f39。),ylabel(39。g39。)title(39。intensity transformation39。)r31=(g31g30)/(f31f30)。b31=g30r31*f30。r32=(g32g31)/(f32f31)。b32=g31r32*f31。r33=(g33g32)/(f33f32)。b33=g32r33*f32。[m,n]=size(in1)。in2=double(in1)。for i=1:m for j=1:n f=in2(i,j)。g3(i,j)=0。if(f=0)amp。(f=f31)amp。(f=f32)amp。(f實驗八 圖像檢測與分割一、實驗目的了解圖像的實際獲取過程。鞏固圖像空間分辨率和灰度級分辨率、鄰域等重要概念。熟練掌握圖像讀、寫、顯示、類型轉(zhuǎn)換等matlab 函數(shù)的用法。二、實驗內(nèi)容應用一階算子roberts 檢測邊緣。用一階算子sobel 檢測邊緣并對邊界處的像素進行處理。用上面描述的Otsu 算法編寫matlab 程序?qū)崿F(xiàn)圖