【正文】 (b)3*3中值濾波處理后的圖像圖(4)六．實驗報告要求輸入一幅灰度圖像，給出其圖像經(jīng)3*3中值濾波處理后的結(jié)果，然后對每一點的灰度值和它周圍24個點，一共25個點的灰度值進行排序后取中值，然后該點的灰度值取中值。I = imread(39。)。scale = 。figure,imshow(J)。書寫程序時，首先讀取圖像，一般調(diào)用matlab自帶的圖像，如:cameraman圖像；再調(diào)用相應的圖像縮放函數(shù)，設置參數(shù)；最后輸出處理后的圖像；3．瀏覽源程序并理解含義；4．運行，觀察顯示結(jié)果；5．結(jié)束運行，退出；五．實驗結(jié)果觀察matlab環(huán)境下圖像縮放后的結(jié)果。 圖像旋轉(zhuǎn)一．實驗目的1．熟悉matlab圖像處理工具箱及圖像旋轉(zhuǎn)函數(shù)的使用；2．理解和掌握圖像旋轉(zhuǎn)的方法和應用；二．實驗設備；；三．程序設計在matlab環(huán)境中，程序首先讀取圖像，然后調(diào)用圖像旋轉(zhuǎn)函數(shù)，設置相關參數(shù)，再輸出處理后的圖像。39。figure,imshow(I)。K = imrotate(I,theta)。書寫程序時，首先讀取圖像，一般調(diào)用matlab自帶的圖像，如:cameraman圖像；再調(diào)用相應的圖像旋轉(zhuǎn)函數(shù)，設置參數(shù)；最后輸出處理后的圖像；3．瀏覽源程序并理解含義；4．運行，觀察顯示結(jié)果；5．結(jié)束運行，退出；五．實驗結(jié)果觀察matlab環(huán)境下圖像旋轉(zhuǎn)后的結(jié)果。 邊緣檢測（Sobel、Prewitt、Log邊緣算子）一．實驗目的1．熟悉matlab圖像處理工具箱及圖像邊緣檢測函數(shù)的使用；2．理解和掌握圖像邊緣檢測（Sobel、Prewitt、Log邊緣算子）的方法和應用；二．實驗設備；；三．程序設計在matlab環(huán)境中，程序首先讀取圖像，然后調(diào)用圖像邊緣檢測（Sobel、Prewitt、Log邊緣算子）函數(shù)，設置相關參數(shù)，再輸出處理后的圖像。39。J1=edge(I,39。)。prewitt39。J3=edge(I,39。)。subplot(1,4,2),imshow(J1)。subplot(1,4,4),imshow(J3)。書寫程序時，首先讀取圖像，一般調(diào)用matlab自帶的圖像，如:cameraman圖像；再調(diào)用相應的邊緣檢測（Sobel邊緣算子、Prewitt邊緣算子、Log邊緣算子）函數(shù)，設置參數(shù)；最后輸出處理后的圖像；3．瀏覽源程序并理解含義；4．運行，觀察顯示結(jié)果；5．結(jié)束運行，退出；五．實驗結(jié)果觀察經(jīng)過圖像邊緣檢測（Sobel、Prewitt、Log邊緣算子）處理后的結(jié)果。%對圖像進行一些簡單的幾何處理clc。39。invI=implement(I)。gaussian39。%對圖像進行高斯濾波[m,n]=size(I)。j=1:n。M(i,j)=I(i,j)+20。%求出經(jīng)過高斯濾波和源圖像的差值I1=I*。%做源圖像和其不圖像相除J1=imresize(I,)。%figure(1)。imshow(I,[0 255])。原始圖像39。imshow(invI,[0 255])。圖像求逆39。imshow(K,[0 255])。圖像濾波39。imshow(M,[0 255])。圖像加法39。imshow(Z,[0 255])。圖像減法39。imshow(I1,[0 255])。圖像乘法39。imshow(I2,[0 255])。圖像除法39。imshow(J1,[0 255])。圖像縮小39。imshow(J2,[0 255])。圖像放大39。39。B1=histeq(B)。subplot(2,2,1)。title(39。)subplot(2,2,2)。title(39。)subplot(2,2,3)。title(39。)subplot(2,2,4)。title(39。)%圖像濾波，平滑，邊緣提取，增強C=imread(39。)。1 1 1。%3*3均值濾波F2= [1 2 1。 1 2 1]。1 9 1。%高通濾波C1=filter2(F1,C)。C3=filter2(F3,C)。subplot(2,2,1)。title(39。)subplot(2,2,2)。title(39。)subplot(2,2,3)。title(39。)subplot(2,2,4)。title(39。)%圖像添加噪聲并且濾除D=imread(39。)。gaussian39。%給圖像添加噪聲D2=medfilt2(D1)。subplot(1,3,1)。title(39。)。imshow(D1,[0 255])。加入椒鹽噪聲39。imshow(D2,[0 255])。中值濾波后39。M=zeros(8,8)。%讓其（0,0）點的系數(shù)為1N1=idct2(M)。%轉(zhuǎn)換為0255的整數(shù)M(1,1)=0。N2=idct2(M)。M(1,2)=0。N3=idct2(M)。M(2,1)=0。N4=idct2(M)。figure(1)。title(39。)subplot(2,2,2),imshow(N2)。1,2點的值為1做dct反變換39。title(39。)subplot(2,2,4),imshow(N4)。5,5點的值為1做dct反變換39。N(1,1)=1000,N(1,2)=300,N(2,1)=10,N(2,2)=20。N(1,1)=2000,N(1,2)=1000,N(2,1)=100,N(2,2)=100K2=idct2(N)。N(1,5)=1。K3=idct(N)。N(1,5)=19。K4=idct2(N)figure(2)。title(39。)subplot(2,2,2),imshow(K2,[0 255])。K239。title(39。)subplot(2,2,4),imshow(K4,[0 255])。K439。39。%讀入原始圖像J=dct2(I)。%獲取圖像大小i=1:m。K1=zeros(m,n)。K3=K2。J2=J1。J1(i,j)=K1(i,j)*8。%反量化J3(i,j)=K3(i,j)*16。I2=I1。I1=idct2(J1)。%反dct變換