【正文】 )。 for i=1:Size(1) for j=1:Size(2) Im_shear(i,j+round(i*tan(pi/180*angle)),:)=I(i,j,:)。 Size=size(I)。 title(39。bilinear? 39。 B = imresize(A,[rows cols],method)。 imwrite(im_shrink,39。)。 end end end im_shrink=uint8(im_shrink)。 %計算輸入圖像大小 im_shrink_W=round(Size(1)*k) %計算縮放后圖像寬度 im_shrink_H=round(Size(2)*k) %計算縮放后圖像高度 if Type_I==1 im_shrink=zeros(im_shrink_W,im_shrink_H,Size(3))。 39。 subplot(2,2,4)。 title(39。 39。 subplot(2,2,2)。 imshow(I)。nearest39。nearest39。nearest39。 I=imread(39。 title(39。原始圖像 39。 77 2022年 5月 27日星期五 %計算原圖像各像素的新坐標(biāo) for indexX=0:(X1) for indexY=0:(Y1) for i=1:n ImageNew(round(indexX*cos(Angle)indexY*sin(Angle))+round(abs(min([LeftTop(1,1),LeftBottom(1,1),RightTop(1,1),RightBottom(1,1)])))+1,1+round(indexX*sin(Angle)+indexY*cos(Angle))+round(abs(min([LeftTop(1,2),LeftBottom(1,2),RightTop(1,2),RightBottom(1,2)]))),i)=Image(indexX+1,indexY+1,i)。 RightBottom(1,2)=(X1)*sin(Angle)。 LeftBottom(1,2)=0。 76 2022年 5月 27日星期五 實驗方法、步驟 ，對其旋轉(zhuǎn)操作； 方法一 %Matlab圖像旋轉(zhuǎn)旋轉(zhuǎn) function im_rotate(Image,Angle) %Image為位圖數(shù)據(jù) [X,Y,n]=size(Image)。 subplot(2,2,4) imshow(uint8(I_flip_LR_UD))。 subplot(2,2,3) imshow(uint8(I_flip_UD))。 subplot(2,2,2) imshow(uint8(I_flip_LR))。 subplot(2,2,1) imshow(uint8(I))。 SIZE=size(I)。 75 2022年 5月 27日星期五 實驗方法、步驟 ，對其進(jìn)行水平、垂直、對角轉(zhuǎn)置； %圖像鏡像變換 clear。) subplot(1,2,2) imshow(J)。 se = translate(strel(1), [50 50])。 74 2022年 5月 27日星期五 實驗方法、步驟 ，對其進(jìn)行水平平移、垂直平移 50像素 (圖像擴(kuò)大 )； 方法二： 用 translate、 imdilate函數(shù) %圖像平移 clear。 imshow(uint8(outImage))。 title(39。 Ty=0) outImage(Tx+1:m,Ty+1:n,:)=inImage(1:mTx,1:nTy,1:l)。 Ty0) outImage(1:mabs(Tx),1:nabs(Ty),:) = inImage(abs(Tx)+1:m,abs(Ty)+1:n,:)。 Tx=fix(Tx)。)。 subplot(2,2,2)。 imshow(I)。 I_LS=double(I)。 JJ=rgb2gray(I)。 clear。 title(39。 for i=1:l for j=1:n for k=1:m MULT(k,j,i)=MULT(k,j,i).*(255/(max_multmin_mult))。 MULT=zeros(m,n,l)。圖像 239。)。)。 subplot(1,3,1)。 %摳圖 clear。 figure, imshow(L)。)。39。 L = double(I)+ double(J)。39。 I = imread(39。Blind逆濾波圖象 39。)。 subplot(2,3,5)。 imshow(J)。 title(39。原始圖象 39。 M=deconvblind(MF,INITPSF,3)。)。circular39。 %讀入原始圖像 I PSF=fspecial(39。該函數(shù)不僅返回一個修復(fù)后的圖像，還返回一個修復(fù)后的 PSF。 deconvlucy函數(shù)實現(xiàn)了一個加速衰減的 LucyRichardson算法。調(diào)用該函數(shù)時，將 PSF的初值作為一個變量進(jìn)行傳遞。使用這些函數(shù)中的任何一個，都應(yīng)提供一些與噪聲相關(guān)的信息來減少恢復(fù)過程中可能出現(xiàn)的噪聲擴(kuò)大。 59 2022年 5月 27日星期五 圖 37 60 2022年 5月 27日星期五 實驗方法、步驟 ，對其進(jìn)行模糊化，然后用“逆濾波法”對其進(jìn)行復(fù)原處理。 imshow(OUT)。 OUT(:,:,2)=Green_color。 Blue_color=real(Blue_color)/256。 Red_color=real(Red_color)/256。 Green=Green_H.*F。 Blue_D(u,v)=sqrt((uBlue_u0)^2+(vBlue_v0)^2)。 Blue_v0=。 Green_cut=205。 [M N]=size(I)。 title(39。 I=rgb2gray(I)。 %Matlab頻域偽彩色圖象的實現(xiàn) clear。 title(39。 OUT(:,:,3)=B。 B(j,i)=0。 G(j,i)=L。 elseif I(j,i)=L/2 R(j,i)=0。 L=256。原始灰度圖像 39。 %I=rgb2gray(I)。 %Matlab中灰度變換法偽彩色圖象的實現(xiàn) clear。24級灰度分層 copper(24)偽彩色圖像 39。 I=rgb2gray(I)。 imshow(I)。 50 2022年 5月 27日星期五 圖 34 實驗方法、步驟 ，分別用“灰度級分層法”、“灰度變換法”和“頻域偽彩色處理法”對其進(jìn)行偽彩色增強； ? “灰度級分層法”： Matlab下用 grayslice函數(shù)對灰度圖像進(jìn)行分層，在顯示該分層圖像時指定顏色模型，就可以對該灰度圖像進(jìn)行彩色顯示，從而達(dá)到偽彩色增強的目的； %Matlab中灰度分層法偽彩色圖象的實現(xiàn) clear。 imshow(TRAPEfiltered,map)。 else TRAPEH(u,v)=1。 D1=100。 %“梯形濾波器 ” 對圖像做銳化處理 [M N]=size(I)。 imshow(J)。 h=[0 1 0,1 4 1,0 1 0] J=conv2(I,h,39。 title(39。)?；叶葓D像 39。 I=rgb2gray(I)。 imshow(I,map)。 [I map]=imread(39。 48 2022年 5月 27日星期五 實驗方法、步驟 ，分別用“ Sobel算子”、“ Laplacian算子”、“梯形濾波器”對其做銳化處理； ? Matlab下在空間域?qū)D像做銳化處理有兩種方法，對于Matlab提供的算子，可以直接用濾波的方法，對于知道模板矩陣的，也可采取“模板 卷積”的方法。 imshow(BUTTERfiltered,map)。 title(39。“乘性噪聲”圖像 3 3模板均值濾波 39。)。 subplot(3,3,6)。 imshow(I_noise_salt_pepper_average)。 title(39。pepper)圖像 39。 subplot(3,3,3)。 imshow(I)。 title(39。 end end % 進(jìn)行巴特沃斯濾波 BUTTERG=BUTTERH.*fft_I_noise_salt_pepper。 % 設(shè)定截止頻率： Dcut=100。 % 對 I_noise_salt_pepper用 3 3模板做中值濾波 I_noise_salt_pepper_med=medfilt2(I_noise_salt_pepper,[3,3])。,3), I_noise_salt_pepper)/255。speckle39。salt amp。39。 進(jìn)行巴特沃斯濾波 BUTTERG=BUTTERH.*fft_I_noise_speckle。 ? 巴特沃斯濾波： 首先對添加噪聲的圖像進(jìn)行快速傅立葉變換 fft_I_noise_speckle=fft2(double(I_noise_speckle))。average39。 ? 對 I_noise_salt_pepper和 I_noise_speckle用 3 3模板做 均值濾波 I_noise_salt_pepper_average=filter2(fspecial(39。 ? 分別對其添加“乘性噪聲”、“椒鹽噪聲”。 title(39。)。 subplot(2,3,5)。分段灰度線性變換 39。 end end end subplot(3,3,4)。 for i=1:m。 k1=(g1g0)/(f1f0)。 plot(X,Y)。f2=255。f0=0。 title(39。原始灰度圖像 39。)。調(diào)整后圖像及其灰度直方圖見圖 32。變換后的圖像及其灰度直方圖見圖 32。 實驗三 圖像增強與復(fù)原 34 2022年 5月 27日星期五 實驗內(nèi)容 1. 讀入一幅有明顯明暗缺陷的灰度圖像，分析其直方圖特征，分別用分段灰度線性變換法、直方圖均衡法和圖像灰度調(diào)整法 (imadjust)分別進(jìn)行處理； 2. 讀入一幅灰度圖像 ，分別給其加上“乘性噪聲”、“椒鹽噪聲”，然后分別用“均值濾波”、“中值濾波”和“巴特沃斯濾波”對其做平滑處理； 35 2022年 5月 27日星期五 實驗內(nèi)容 3. 讀入一幅灰度圖像，分別用“ Sobe