【正文】 i=2:256 newq(1,i)=newq(1,i1)+newP(1,i)。end % 顯示信息subplot(231),imshow(tu)subplot(232),plot(P),axis([1 256 0 ])subplot(233),plot(q),axis([1 256 0 1])subplot(234),imshow(new_tu,[])subplot(235),plot(newP),axis([1 256 0 ])subplot(236),plot(newq),axis([1 256 01])clc,clear,close all in=imread(39。39。)。in=rgb2gray(in)。[m,n]=size(in)。in=double(in)。out1=ones(m,n)*255。out1(20:150,30:170)=0。chu1=zeros(m,n)。chu1(20:150,30:170)=255。for i=1:m for j=1:n out2(i,j)=bitor(in(i,j),out1(i,j))。chu2(i,j)=bitand(in(i,j),chu1(i,j))。end end in=uint8(in)。out1=uint8(out1)。out2=uint8(out2)。chu1=uint8(chu1)。chu2=uint8(chu2)。subplot(231),imshow(in)subplot(232),imshow(out1)subplot(233),imshow(out2)subplot(234),imshow(chu1)subplot(235),imshow(chu2)實(shí)驗(yàn)五 圖像濾波增強(qiáng)一、實(shí)驗(yàn)?zāi)康恼莆崭鞣N空域和頻域圖像濾波增強(qiáng)算法已經(jīng)模板運(yùn)算的基本方法。鞏固卷積定理、濾波處理等基礎(chǔ)知識(shí)。熟練掌握空域和頻域?yàn)V波增強(qiáng)的matlab 相關(guān)函數(shù)用法。二、實(shí)驗(yàn)內(nèi)容 進(jìn)行濾波除噪處理。、 進(jìn)行濾波除噪處理。用prewitt 進(jìn)行銳化濾波處理。三、實(shí)驗(yàn)原理H=fspecial(type)。H=fspecial(type,parameters)。用于創(chuàng)建一個(gè)指定的濾波器模板，type 指濾波器的類型。parameters 是與指定的濾波器有關(guān)的參數(shù)。Y=filter2(B,X)。用于進(jìn)行二維線性數(shù)字濾波，使用矩陣B 中的二維濾波器對(duì)數(shù)據(jù)X進(jìn)行濾波。結(jié)果Y 是通過二維互相關(guān)計(jì)算出來的，大小與X 一樣。Y=filter2(B,X,’shape’)。結(jié)果Y 的大小由參數(shù)shape確定，shape的取值如下： Full：返回二維戶相關(guān)的全部結(jié)果，size(Y)size(X)Same：返回二維戶相關(guān)結(jié)果的中間部分，Y 的大小與X 相同 Valid：返回二維戶相關(guān)未使用邊緣補(bǔ)0 的部分，size(Y)四、實(shí)驗(yàn)代碼與結(jié)果clc,clearin1=imread(39。39。)。f=imnoise(in1,39。salt amp。 pepper39。,)。%f=imnoise(in1,39。gaussian39。,0,)%g 是標(biāo)準(zhǔn)均值濾波器的輸出圖像 g=biaozhunjunzhi(f,3)。subplot(221),imshow(in1)%,xlabel(39。(a)原始圖像39。)subplot(222),imshow(f)%,xlabel(39。(b)加噪圖像39。)subplot(223),imshow(g)%,xlabel(39。(c)標(biāo)準(zhǔn)均值濾波圖像39。)function g=biaozhunjunzhi(f,k)[m,n]=size(f)。%f1 是對(duì)邊緣像素補(bǔ)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(duì)不能少 ga=f。%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。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 hsum=0。for h=1:(k^2)hsum=hsum+a(h)。end ga(i,j)=round(hsum/(k^2))。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 in1=imread(39。39。)。f=imnoise(in1,39。salt amp。 pepper39。,)。%f=imnoise(in1,39。gaussian39。,0,)%g 是標(biāo)準(zhǔn)中值濾波器的輸出圖像 g=biaozhunzhongzhi(f,3)。subplot(131),imshow(in1)%,xlabel(39。(a)原始圖像39。)subplot(132),imshow(f)%,xlabel(39。(b)加噪圖像39。)subplot(133),imshow(g)%,xlabel(39。(c)標(biāo)準(zhǔn)均值濾波圖像39。)function g=biaozhunzhongzhi(f,k)[m,n]=size(f)。%f1 是對(duì)邊緣像素補(bǔ)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(duì)不能少 ga=f。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 a=sort(a)。ga(i,j)=a((k^2+1)/2)。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 f=imread(39。39。)。[m,n]=size(f)。g=f。h1=[111。0 0 0。1 1 1]。h2=[1 0 1。1 0 1。1 0 1]。x1=h1。x2=h2。for i=2:1:m1 for j=2:1:n1 sum1=0。sum2=0。sum=0。for p=1:1:3 for q=1:1:3 x1(p,q)=f(i+(p2),j+(q2))。x2(p,q)=f(i+(p2),j+(q2))。sum1=sum1+x1(p,q)*h1(p,q)。sum2=sum2+x2(p,q)*h2(p,q)。sum=sum1+sum2。end end if sum實(shí)驗(yàn)六 圖像復(fù)原一、實(shí)驗(yàn)?zāi)康恼莆崭鞣N空域和頻域圖像濾波增強(qiáng)算法已經(jīng)模板運(yùn)算的基本方法。鞏固卷積定理、濾波處理等基礎(chǔ)知識(shí)。熟練掌握空域和頻域?yàn)V波增強(qiáng)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(qiáng)。二、實(shí)驗(yàn)內(nèi)容 進(jìn)行退化和復(fù)原仿真，采用逆濾波的方法復(fù)原。 進(jìn)行退化和復(fù)原仿真，采用逆濾波的方法復(fù)原。 進(jìn)行空域?yàn)V波還原處理。三、實(shí)驗(yàn)原理Psf=fspecial(type,parameters)；返回指定濾波器的單位沖擊響應(yīng) Imfilter(c,psf,’circular’,’conv’)；根據(jù)psf 對(duì)圖像進(jìn)行濾波處理 Fr=deconvwnr(g,psf,ncorr,icorr)；對(duì)圖像進(jìn)行維納濾波處理Fr=deconvreg(g,psf,noisepower,range)；對(duì)圖像進(jìn)行最小二乘方濾波處理Tform=maketform(transform_type,transform_parameters)；對(duì)圖像進(jìn)行幾何失真校正四、實(shí)驗(yàn)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(duì)輸入圖像進(jìn)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(duì)已經(jīng)退化的圖像進(jìn)行恢復(fù)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(yùn)動(dòng)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(yùn)動(dòng)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(yùn)動(dòng)還原圖39。)a=。b=0。時(shí)的運(yùn)行結(jié)果：a=0。b=。時(shí)的運(yùn)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(duì)邊緣像素補(bǔ)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(duì)不能少 ga=f。%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。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(shí)驗(yàn)七 彩色圖像處理一、實(shí)驗(yàn)?zāi)康牧私馊上窦案鞣N顏色模型。能用處理灰度圖像的算法和技術(shù)對(duì)真彩色圖像進(jìn)行增強(qiáng)、去噪、復(fù)原等處理。理解偽彩色圖像處理技術(shù)并掌握密度分層法、灰度級(jí)彩色變換法、頻域?yàn)V波等偽彩色圖像處理算法。二、實(shí)驗(yàn)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(lán)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?；叶燃?jí)彩色變換法偽彩色處理仿真。三、實(shí)驗(yàn)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(shí)驗(yàn)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(lán)色分量 bin(1:128,129:256)=1。%右上角 %將三個(gè)分量進(jìn)行組合 ou