【正文】 圖均衡化由工具箱中的函數(shù)histeq實現(xiàn)，該函數(shù)語法為：g = histeq (f, nlev)其中，f為輸入圖像；nlev是為輸出圖像指定的灰度級數(shù)，其默認(rèn)值為64，但一般設(shè)定為256。（5）線性空間濾波是利用工具箱中的函數(shù)imfilter來實現(xiàn)，通用語法為：g = imfilter (f, w, filtering_mode, boundary_options, size_options)其中，f是輸入圖像，w為濾波掩模，g為掩模結(jié)果，其他參數(shù)參見下表。該值默認(rèn)。默認(rèn)為0?！畇ymmetric’圖像大小通過鏡像反射外邊界來擴(kuò)展。大小選項‘full’輸出圖像大小與被擴(kuò)展圖像大小相同。這可將通過濾波掩模的中心點的偏移限制到原始圖像中包含的點來實現(xiàn)。（6）線性空間濾波器可通過函數(shù)fspecial來實現(xiàn)，語法為：w = fspecial (‘type’, parameters)其中，‘type’表示濾波器類型，parameters進(jìn)一步定義了指定的濾波器，詳見下表。默認(rèn)為3*3?！甦isk’fspecial(‘disk’,r)一個圓形平均濾波器（包含在2r+1大小的正方形內(nèi)），半徑為r?！甮aussian’fspecial(‘laplacian’,[r c],sig)一個大小為r*c的高斯低通濾波器，標(biāo)準(zhǔn)偏差為sig（正）。若由一個數(shù)來代替[r c]，則表示方形濾波器?！甽og’fspecial(‘log’,[r c],sig) 一個大小為r*c的高斯拉普拉斯（LoG）濾波器，標(biāo)準(zhǔn)偏差為sig（正）。若用一個數(shù)代替[r c]，則表示一個方形濾波器。運(yùn)動方向為theta，單位為度，即從水平方向逆時針轉(zhuǎn)動的角度，默認(rèn)值為9和0，表示沿水平方向9個像素的運(yùn)動。水平梯度掩?？梢酝ㄟ^置換結(jié)果wh=wv’獲得。水平梯度掩?？梢酝ㄟ^置換結(jié)果sh=sv’獲得。參數(shù)alpha控制形狀；。 實驗內(nèi)容 如圖是數(shù)字乳房X射線原始圖像、負(fù)片圖像、亮度范圍為[ ]的圖像和令gamma=2的圖像。（提示：使用imadjust函數(shù)） f= imread(39。)。 subplot(2,2,2),imshow(g1) g2=imadjust(f,[ ], [0 1])。 subplot(2,2,4),imshow(g3) 讀取圖像39。并繪制4種類型直方圖。 f=imread(39。)。 h1=h(1:10:256)。 bar(horze,h1) axis([0 255 0 15000]) set(gca, 39。, 0:50:255) set(gca, 39。, 0:2000:15000) stem(horze, h1, 39。) axis([0 255 0 15000]) set(gca, 39。,[0:50:255]) set(gca, 39。,[0:2000:15000]) plot(h) axis([0 255 0 15000]) set(gca, 39。,[0:50:255]) set(gca, 39。,[0:2000:15000]) 如圖（(a)）是電子顯微鏡下放大700倍的花粉圖像，為得到如圖所示結(jié)果，請寫出實驗步驟。(a)39。 imshow(f) figure,imhist(f) ylim(39。) g=histeq(f,256)。auto39。 cdf=cumsum(hnorm)。xtick39。ytick39。input intensity values39。fontsize39。輸出亮度值39。fontsize39。變換函數(shù)39。fontsize39。圖像增強(qiáng)主要是主觀的處理，圖像復(fù)原主要是客觀的處理，趨向于將退化模型化，并用相反的處理來恢復(fù)原圖像。g = imnoise (f, type, parameters)其中，f是輸入圖像，該函數(shù)常見語法形式如下：l g = imnoise (f, ‘gaussian’, m, var)將均值為m，方差為var的高斯噪聲加到圖像f上。l g = imnoise (f, ‘localvar’, V)將均值為0、局部方差為V的高斯噪聲添加到圖像f上，其中V是與f大小相同的一個數(shù)組，它包含每個點的理想方差值。參量image_intensity必須包含在范圍[0,1]內(nèi)的歸一化亮度值，它與var是大小相同的向量。l g = imnoise (f, ‘salt amp。因此，大約有d*numel(f)個像素受到影響。l g = imnoise (f, ‘poission’)從數(shù)據(jù)中生成泊松噪聲，而不是將人工的噪聲添加到數(shù)據(jù)中。當(dāng)每個像素的光子數(shù)量大于65535（但必須小于1012）時，就要使用雙精度圖像。（2）使用指定的分布產(chǎn)生空間隨機(jī)噪聲。利用已有M文件“”。利用已有M文件“”完成實驗。函數(shù)statmoments計算均值和n階中心矩，并返回向量v。噪聲參數(shù)通常直接由帶噪聲的圖像或一組帶噪聲的圖像來估計。交互式指定一個多邊形的ROI，可以使用下面的語法：B = roipoly(f)該函數(shù)功能是把圖像f顯示到屏幕上，讓用戶使用鼠標(biāo)來指定多邊形。 噪聲的復(fù)原：空間濾波（1）空間噪聲濾波器。函數(shù)imlinb的用途是計算輸入的線性組合，語法為：B = imlinb (c1, A1, c2, A2,……, ck, Ak)它實現(xiàn)等式：B = c1* A1 + c2* A2,……, + ck* Ak其中，c是double類實標(biāo)量，A是有著相同類和大小的數(shù)組?？梢岳胊dpmedian的M函數(shù)來實現(xiàn)，語法為：f = adpmedian (g, Smax)其中，g是將被濾波的圖像，Smax是允許的最大自適應(yīng)濾波器窗口的大小。圖像模糊是導(dǎo)致圖像退化的重要原因，可以在圖像獲取時傳感器和場景之間的均勻線性運(yùn)動而產(chǎn)生的圖像模糊。len默認(rèn)值是9，theta默認(rèn)值是0。M函數(shù)piexldup 通過像素來放大圖像，語法為：B = piexldup (A, m, n)該函數(shù)將A上的每個像素在垂直方向上總共復(fù)制n次。 約束最小乘方（正則）濾波（1）約束最小乘方（正則）濾波使用函數(shù)deconverg來實現(xiàn)，語法為：fr = deconverg (g, PSF, NOISEPOWER, RANGE)其中，g是被污染的圖像，fr是復(fù)原圖像，NOISEPOWER與 成比例，RANGE為值的范圍。DAMPAR是一個標(biāo)量，它指定了結(jié)果圖像與原圖像g之間的偏離閾值，當(dāng)像素值偏離原值的范圍并在DAMPAR之內(nèi)時，就不用迭代。WEIGHT是一個與g相同大小的數(shù)組，它為每一個像素分配一個權(quán)重來反映其重量。 盲去卷積（1）盲去卷積通過函數(shù)deconvblind來實現(xiàn)，其語法為：[f, PSFe] = deconvblind (g, INITPSF)其中，g是退化的圖像，INITPSF是點擴(kuò)散函數(shù)的初步估計，PSFe是這個函數(shù)最終計算得到的估計值，fr是用估計的PSF復(fù)原的圖像。 幾何變換與圖像配準(zhǔn)（1）空間幾何變換。函數(shù)imtransform使用反向映射，即按照順序掃描每個輸出像素，用 計算出輸入圖像上的對應(yīng)位置，并將其插值到最近的輸入像素之中，以決定輸出像素的值。（2）圖像配準(zhǔn)。函數(shù)cp2tform支持的空間變換類型已列在下表中。直線仍然保持直線，平行線保持平移。cp2tformComposite(合成)順序應(yīng)用的空間變換集合。maketformLinear conformal(線性等角)縮放（在各個方向上都相同）、旋轉(zhuǎn)、和平移；仿射變換的子集。cp2tformPiecewise linear(分段線性)局部變化的空間變換。maketformProject(投影)如仿射變換那樣，直線保持為直線，但平行線收斂于消失點。請寫出實驗代碼。gaussian39。 p=hist(r,50)。 r2=imnoise2(39。,100000,1)。 bar(p) r2=imnoise2(39。,100000,1)。 bar(p) r2=imnoise2(39。,100000,1)。 bar(p) r2=imnoise2(39。,100000,1)。 bar(p) r2=imnoise2(39。,100000,1)。 bar(p) 使用函數(shù)imnoise3，產(chǎn)生頻譜和空間正弦噪聲模式，如圖所示。0 128。64 0。32 32]。 imshow(s, []) figure,imshow(r, []) c2=[0 32。16 16。64 0。 [r2,R2,s2] = imnoise3 (512,512,c2)。2 2]。 figure,imshow(r3,[])。 [r4,R4,s4]=imnoise3(512,512,c3,a)。 估計噪聲參數(shù)。(b).jpg39。寫出實驗步驟。(b).jpg39。 [B,c,r]=roipoly(f)。 [p, npix]=histroi(f, c, r)。 vv = unvunv = X=imnoise2(39。, npix,1,147,20)。如圖所示的8幅圖像分別是：(a)、(b)、(c)用階為Q=*3反調(diào)和濾波器對圖a濾波的結(jié)果、(d)用Q=、(e)用3*3最大濾波器對a濾波的結(jié)果、(f)用3*3最小濾波器對圖b濾波的結(jié)果。 f=imread(39。)。 r = imnoise2(39。 pepper39。 c = find(r == 0)。 gp (c) = 0。salt amp。,m,n,0,)。 gs=f。 figure, imshow(gs) fp = spfilt(gp, 39。, 3, 3, )。chmean39。 figure,imshow(fs) fmax = spfilt(gp, 39。, 3, 3)。min39。 figure,imshow(fmin) 自適應(yīng)中值濾波。請寫出實驗步驟。(a).jpg39。 g=imnoise(f,39。 pepper39。 imshow(g) f1=medfilt2(g, [7 7], 39。)。 f2=adpmedian (g, 7)。 模糊噪聲圖像的建模。請寫出實驗步驟。 figure,imshow(ff)。motion39。 gb=imfilter(ff, psf, 39。)。 psfpsf = 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 noise=imnoise(zeros(size(ff)), 39。, 0, )。 g= gb+ noise。如圖所示，（a）模糊的噪聲圖像；（b）逆濾波的結(jié)果；（c）使用常數(shù)比率的維納濾波結(jié)果；（d）使用自相關(guān)函數(shù)的維納濾波的結(jié)果。 ff=checkerboard(8)。motion39。 gb=imfilter(ff, psf, 39。)。 noise=imnoise(zeros(size(ff)), 39。, 0, )。 g= gb+ noise。 figure,imshow(fr1) sn= abs(fft2(noise)).^2。 sf=abs(fft2(ff)).^2。 r=na/fa。 figure,imshow(fr2) ncore=fftshift(real(ifft2(sn)))。 fr3=deconvwnr(g, psf, ncore, icorr)。如圖所示，（a）使用參量NOISEPOWER等于4的正則濾波器復(fù)原的圖中的圖像；（b）[1e7 1e7]的正則濾波器復(fù)原的同一副圖像。 fr=deconvreg(g,psf,4)。 frr=deconvreg(g,psf,[1e7 1e7])。 使用函數(shù)deconvlucy復(fù)原模糊噪聲圖像。請寫出實驗步驟。 psf=fspecial(39。, 7, 10)。 g=imnoise(imfilter(f, psf),39。,0 ,sd^2)。 dampar=10*sd。 weight=zeros(size(g))。 figure,imshow(weight)。 f5=deconvlucy(g,psf,numit,dampar,weight)。 numit=10。 figure,imshow(pixeldup(f5,8))。 f5=deconvlucy(g,psf,numit,dampar,weight)。 num