【正文】 igure。)。 I =imread(39。 close all。 以下圖所示模板為例，在 Matlab 中，建立 M 文件 ，參照上述編程風(fēng)格， 18 自己編寫程序?qū)崿F(xiàn) “拉普拉斯圖像銳化 ”功能，且分析對比實(shí)驗(yàn)結(jié)果。)。 %數(shù)據(jù)類型由 double 變成 uint8 subplot(1,3,3),imshow(I),title(39。 I(j,i)=media。 sequece=sort(block(:))。 %鄰域?qū)挾鹊囊话? Pos=floor(K*K/2)+1。 I=M。加噪圖像 39。,)。salt amp。)。 %若打開的為彩色圖像，則先轉(zhuǎn)化成灰度圖像 end figure subplot(1,3,1),imshow(Img),title(39。) function I=MyMedfilt2(Img,K) %直方圖均衡化 [height,width,dim] = size(Img)。 %調(diào)用自編直方均衡化 disp(39。 %打開圖像 K=5。e:/39。clear all。 function Lab4_Test3_Main() 17 clc。 圖 42（ 1） 圖 42（ 2） 中 值濾波實(shí)驗(yàn)。加噪圖像 39。 end end I=uint8(I)。 %求和 t=t/(K*K)。 %鄰域?qū)挾鹊囊话? for j=R+1:heightR for i=R+1:widthR block=Img(jR:j+R,iR:i+R)。 I=M。加噪圖像 39。,0,)。 %顯示原始圖像 M=imnoise(Img,39。原圖像 39。 if (dim1) Img =rgb2gray(Img)。Run OK39。 %鄰域半徑，自己改此值，對比濾波效果 II=MyMeanFilter(Img,K)。)。 Img = imread(39。close all。 在 Matlab 中，建立 M 文件 ，編寫如下代碼，對噪聲圖像進(jìn)行均值濾波處理，且分析對比實(shí)驗(yàn)結(jié)果。)。title(39。 subplot(2,2,4)。3*3 均值濾波的圖像 39。imshow(G1,[])。)。title(39。 subplot(2,2,2)。原圖像 39。imshow(I)。 figure。same39。)。 G1=conv2(M,H1,39。 H2 =ones(7)/49。,0,)。 M =imnoise(I,39。)。 I =imread(39。close all。)。title(39。 subplot(1,3,3)。average39。)。title(39。 subplot(1,3,2)。gaussian39。)。title(39。subplot(1,3,1)。 I =rgb2gray(I)。E:\imdata\39。clear all。 程序 41（ 1） function Lab4_Test1_Main() clc。 備注： 方法一： 用 filter2 函數(shù)進(jìn)行濾波處理 。將原圖像和拉普拉斯圖像疊加在一起，可以復(fù)原背景特性并保持拉普拉斯銳化處理的效果，如果使用的定義是具有負(fù)的中心系數(shù)的拉普拉斯濾波模 三、實(shí)驗(yàn)內(nèi)容（調(diào)試好的程序，實(shí)驗(yàn)結(jié)果及分析） 均值濾波實(shí)驗(yàn)。 中值濾波器：所謂中值濾波就是圖像中每個(gè)像素為中心，把它一個(gè)鄰域中所有像素取出來，由大到小進(jìn)行排序，中間位置那個(gè)值為中值，用它代替圖像中的每個(gè)像素的灰度值。如果賦予中心點(diǎn)最高權(quán)重，然后隨著距中心點(diǎn)距離的增加而減小系數(shù)的加權(quán)權(quán)重，其目的是在平滑處理中試圖降低模糊。但是由于圖像邊緣也是由圖像灰度尖銳變化帶來的特性，所以均值濾波處理還是存在著不希望有的邊緣模糊的負(fù)面效應(yīng) 。 均值濾波器：使用濾波器模板確定的平均灰度值代替圖像中的每個(gè)像素的灰度值，這種處理的結(jié)果降低了圖像灰度的 “ 尖銳 ” 變化。在每一點(diǎn) (x,y)處，濾波器在該點(diǎn)的響應(yīng)通過事先定義的關(guān)系來計(jì)算。 圖 33 14 實(shí)驗(yàn) 4： 空域?yàn)V波圖像增強(qiáng)實(shí)驗(yàn) 一、實(shí)驗(yàn)?zāi)康? 1. 掌握 Matlab 圖像文件的打開與顯示等基本方法； 2. 掌握圖像數(shù)據(jù)類型轉(zhuǎn)換及圖像類型轉(zhuǎn)換； 3. 熟悉圖像矩陣的基本操作。新圖像的直方圖 39。imhist(I)。)。title(39。 end 13 end subplot(2,2,3)。 end c =uint8(255.*c+)。 c(1) =p(1)。 for i =1:256 p(i) =Hist(i)/(height*width*)。)。title(39。 end end subplot(2,2,2)。 Hist =zeros(1,256)。原圖像 39。imshow(Img)。 end figure。 [height,width,dim] =size(Img)。)。 disp(39。)。 Img =imread(39。close all。 在 Matlab 中，建立 M 文件 ，編寫如下代碼，實(shí)現(xiàn)直方圖均衡 12 化子程序 function I=MyHistEq(Img)，且對它進(jìn)行調(diào)試 ，得出圖像結(jié)果。)。title(39。)。title(39。 a =histeq(I,256)。原圖像直方圖 39。 subplot(2,2,3),imhist(I)。原圖像 39。 subplot(2,2,1),imshow(I)。E:\imdata\39。clear all。 clc。 [new,T]=histeq(X,…)。 [J,T] = histeq(I,…)。 MATLAB 圖像處理工具箱提供了直方圖均衡函數(shù) histeq()。)。title(39。)。title(39。)。title(39。 J =imhist(I)./N。 [W,H] =size(I)。E:/39。 clear all。 （ 2） 使用表達(dá)式 p= imhist(I,b)/N 就可簡單地獲得歸一化直方圖，這里 N為圖像中的像素總數(shù)。 方法：利用 MATLAB 圖像處理工具箱提供的 imhist()函數(shù)來計(jì)算和顯示圖像的方圖，其調(diào)用格式為： 語法一： imhist(I,b) 說明：其中 I 為輸入圖像 ， b 為指定的灰度級數(shù)目，默認(rèn)值為 256。 直方圖均衡化編程步驟 : Step 1：列出原始圖像的灰度級 kn Step 2：統(tǒng)計(jì)各灰度級的像素?cái)?shù)目 Step 3：計(jì)算原始圖像直方圖各灰度級的頻數(shù) Step 4：計(jì)算累計(jì)分布函數(shù) Step 5：依據(jù)累計(jì)分布函數(shù)計(jì)算灰度映射表 Step 6：用計(jì)算的映射關(guān)系修改原始圖像的灰度級，從而獲得直方圖近似為均勻分布的輸出圖像 ,程序結(jié)束。 增強(qiáng)函數(shù) ? ?fTg? 需要滿足 2 個(gè)條件： (1) ??fT 在范圍 1L0 ??? f 內(nèi)是一個(gè)單值單增函數(shù)； (2) 對 1L0 ??? f 有 ? ? 1LT0 ??? f ； 增強(qiáng)函數(shù)可用圖像 ? ?yxf , 的累積直方圖來構(gòu)造： 00 ( ) 0 , 1 , , 1fffiiing p i f LN??? ? ? ??? 10 這里， N 表示圖像像素的總個(gè)數(shù)。 均衡化處理之后的圖像，因各灰度值出現(xiàn)的概率是相同的，則此時(shí)圖像的熵最大（等概率下則熵最大），圖像所包含的信息量最大，且擴(kuò)展了像元取值的動態(tài)范圍，從而達(dá)到增強(qiáng)圖像整體對比度的效果。 歸一化的 直方圖 通常，會用到歸一化直方圖，即用所有元素 ??krh 除以圖像中的像素總數(shù) N所得到的圖形： ? ? ? ? NnNrhrp kkk ?? ??krp 表示灰度級 kr 出現(xiàn)的概率?；叶戎狈綀D是將數(shù)字圖像中的所有像素，按照灰度值的大小，統(tǒng)計(jì)其出現(xiàn)的頻率。 圖 23 9 實(shí)驗(yàn) 3：直方圖均衡化圖像增強(qiáng) 實(shí)驗(yàn) 一、實(shí)驗(yàn)?zāi)康? 1. 掌握 Matlab 圖像文件的打開與顯示等基本方法； 2. 掌握圖像數(shù)據(jù)類型轉(zhuǎn)換及圖像類型轉(zhuǎn)換； 3. 熟悉圖像矩陣的基本操作。剪切后的圖像 39。imshow(Im1)。)。title(39。%按指定參數(shù)剪切圖像 8 subplot(1,2,1)。)。 f=imread(39。四元向量 [xmin ymin width height]： [xmin ymin]為剪切矩形左上角在圖像中的坐標(biāo)，它限定了剪切矩形在原圖像中的位置； [width height]為該剪切矩 形的寬和高，它限定了剪切矩形的大小。 imcrop 函數(shù)常用的語法格式如下： (1) 通過參數(shù)指定剪切矩形的位置和大?。?Im=imcrop(I,[xmin ymin width height])。)。title(39。 subplot(1,3,3)。改變原圖大小的旋轉(zhuǎn) 39。imshow(Im1)。)。title(39。 %不改變原圖大小，超出畫布的部分被剪切掉 subplot(1,3,1)。crop39。bilinear39。)。 Im1=imrotate(Im,30,39。e:/imdata/39。用該方法實(shí)現(xiàn)圖像旋轉(zhuǎn)時(shí)，為了保持圖像底版大小不變，圖像本身進(jìn)行了縮小。 參數(shù) angle：圖像逆時(shí)針旋轉(zhuǎn)的角度。 圖 21 試用 Matab 自帶的 imrotate（）函數(shù)，實(shí)現(xiàn)圖像旋轉(zhuǎn)，常用的語法格式如下： (1) 用不同的插值方法實(shí)現(xiàn)圖像旋轉(zhuǎn)： Im=imrotate (I,angle,method)。200*20039。 imshow(Im4)。 Im4=imresize(Im,[200 200])。雙立方插值法 39。imshow(Im3)。)。title(39。 subplot(2,2,3)。最近鄰插值法 39。 subplot(2,2,2),imshow(Im1)。原圖像 39。 figure(1)。bicubic39。)。%第二個(gè)參數(shù)小于 1 為縮小 Im2=imresize(Im,39。nearest39。)。 Im=imread(39。 (2) 指定圖像大小的圖像縮放 Im=imresize (I,[mrows ncols],method)。參數(shù) m：圖像放大倍數(shù)， m1時(shí)，為圖像收縮。 三、 實(shí)驗(yàn)內(nèi)容（調(diào)試好的程序，實(shí)驗(yàn)結(jié)果及分析） 試用 Matab 自帶的 imresize（）函數(shù)，實(shí)現(xiàn)圖像縮放， imresize 函數(shù)常用的語法格式如下： (1) 用不同的插值方法實(shí)現(xiàn)圖像縮放 Im=imresize (I,m,method)。39。 圖像旋轉(zhuǎn)：定義為以圖像中某一點(diǎn)為原點(diǎn)以逆時(shí)針或順時(shí)針方向旋轉(zhuǎn)一定角度。39。39。39。39。39。,39。設(shè)原圖像的 (x,y)點(diǎn)變換后移動到新圖像的 (x1,y1)點(diǎn)， (x,y)和 (x1,y1)的空間變換關(guān)系可由下式描述： ? ? ? ?1,1,1,1 yxTyx ?? 其中， T 為 3*3 的變換矩陣。 二、實(shí)驗(yàn)原理 圖像的幾何變換由兩個(gè)算法來實(shí)現(xiàn)：空間變換算法和圖像插值算法。在 matlab 用如下語句構(gòu)造二幅“二值圖像”，自己打開文本編輯器，編寫 文件，實(shí)現(xiàn)：（ 1）統(tǒng)計(jì)圖像 A 與 B中非 0 像素的數(shù)量；（ 2）將圖像 A 與 B“相或”“相與”，得到新的一幅圖像 C；觀察比較運(yùn)算結(jié)果 。 4 圖 14 圖像數(shù)值算術(shù)運(yùn)算編程實(shí)驗(yàn)?；叶葓D像 39。 g=rgb2gray(f)。原圖 39。)。 clc f=imread(39。在 matlab 打開文本編輯器，編寫 文件： 程序代碼： clear all。) 3 圖 12 圖像的存儲。在 matlab 命令窗口執(zhí)行： info = imfinfo(39。)。 f=imread(39。 三、實(shí)驗(yàn)內(nèi)容（調(diào)試好的程序，實(shí)驗(yàn)結(jié)果及分析） 圖像的打開與顯示。 ii． else if 表達(dá)式 2 與 else 為可選項(xiàng)，這兩條語句可依據(jù)具體情況取舍。 2. 程序流程控制語句： for循環(huán)結(jié)構(gòu)、 while 循環(huán)結(jié)構(gòu)、 ifelseend分支結(jié)構(gòu) (1)for循環(huán)結(jié)構(gòu) 語法： for i＝初值：增量：終值 語句 1 ?? 語句 n end 說明： i＝初值：終值，則增量為 1。 (4)imshow： imshow函數(shù)是最常用的顯示各種圖像的函數(shù)， 語法： imshow(X,map) 其中 X是圖像數(shù)據(jù)矩陣 ,map是其對應(yīng)的顏色矩陣，若進(jìn)行圖像處理后不知道圖像數(shù)據(jù)的值域可以用 []代替 map。 (2） imwrite: imwrite函數(shù)用于輸出圖像，其語法格式為： 語法： imwrite(X,map,filename,fmt) 其中， fmt指定的格式將圖像數(shù)據(jù)矩陣 X和調(diào)色板 map寫入文件 filename。 1 西安郵電大學(xué) 通信與信息工程學(xué)院 《圖像處理技術(shù)》課內(nèi)實(shí)驗(yàn) 報(bào)告 （ 2021/ 2021 學(xué)年 第 1 學(xué)期）