【正文】 =imnoise(d,39。 pepper39。被椒鹽噪聲污染的圖像39。用中值濾波器進(jìn)行濾波 subplot(1,2,2)imshow(d2),title(39。)運(yùn)行結(jié)果四、實(shí)驗(yàn)總結(jié)（心得體會(huì)）通過這次實(shí)驗(yàn)，首先我熟悉了Matlab的基本操作，掌握了圖像處理的基本操作，比如如何讀一張圖片進(jìn)來、如何顯示一張圖片等等。其次我知道了灰度變換的函數(shù)imadjust的使用，它是將選定的灰度級(jí)別范圍變換為規(guī)定的范圍，可以自由變換圖像的灰度級(jí)別；還有掌握了如何畫圖像的直方圖、將直方圖均衡化等等。常用的平滑濾波器有average,disk，gaussian、銳化濾波器有prewitt, sobel,laplacian。這些都是一些比較初級(jí)的函數(shù)，后面還有很多圖像處理方法需要學(xué)習(xí)。本課程側(cè)重于數(shù)字圖像的基本處理，并對(duì)圖像分析的基本理論和實(shí)際應(yīng)用進(jìn)行系統(tǒng)介紹；目的是使學(xué)生系統(tǒng)掌握數(shù)字圖像處理的基本概念、原理和實(shí)現(xiàn)方法，學(xué)習(xí)圖像分析的基本理論、典型方法和實(shí)用技術(shù)，具備解決通信領(lǐng)域的圖像相關(guān)問題的初步能力，為今后的研究與開發(fā)打下扎實(shí)的基礎(chǔ)。特別是索引圖像與1，4，8，16比特圖像的存儲(chǔ)與轉(zhuǎn)換。2．實(shí)驗(yàn)內(nèi)容用Fourier變換算法對(duì)圖像進(jìn)行Fourier變換； 評(píng)價(jià)人眼對(duì)圖像幅頻特性和相頻特性的敏感度。簡(jiǎn)述實(shí)驗(yàn)?zāi)康募霸?；給出實(shí)驗(yàn)代碼，并加以注釋； 對(duì)實(shí)驗(yàn)現(xiàn)象加以說明和討論。2． 實(shí)驗(yàn)內(nèi)容使用Photoshop觀察數(shù)字圖像增強(qiáng)的效果； 練習(xí)和掌握?qǐng)D像增強(qiáng)的Matlab編程。2)在圖像菜單中選直方圖項(xiàng)，觀察原始圖像的直方圖。4)在圖像菜單中選直方圖項(xiàng)，觀察處理后圖像的直方圖，并同（2）中的直方圖比較。2)在圖像菜單中選直方圖項(xiàng)，觀察原始圖像的直方圖。4)在圖像菜單中選直方圖項(xiàng)，觀察處理后圖像的直方圖，并同（2）中的直方圖比較。6)在編輯菜單中選返回項(xiàng)，恢復(fù)原始圖像。8)在圖像菜單中選直方圖項(xiàng)，觀察處理后圖像的直方圖，并同（2）中的直方圖比較。1)在Photoshop中打開一黑白灰度圖像文件。3)在圖像菜單調(diào)整子菜單中選色調(diào)均化項(xiàng)，觀察圖像變化。1)在Photoshop中打開一黑白灰度圖像文件。3)在濾鏡菜單模糊子菜單中選進(jìn)一步模糊項(xiàng)，觀察圖像變化。5)在編輯菜單中選返回項(xiàng)，恢復(fù)原始圖像。7)在圖像菜單中選直方圖項(xiàng)，觀察處理后圖像的直方圖，并同（2）中的直方圖比較。9)打開ToolboxesImage Processing項(xiàng)，選Noise Reduction Filtering，并運(yùn)行。 Pepper、濾波器類型Median、鄰域3x3，比較原始圖像、受噪聲污染圖像、濾波后圖像。12)選其他圖像，重做（10）（11）。圖像增強(qiáng)的Matlab編程 image from your hard disk(using function imread). the image in a figure the histogram of the image(using function imhist). the contrast of the image using histogram the histogram of the image after the qualities of two images and makes a discussion about noises, such as gaussian, saltamp。x+y結(jié)論：不同點(diǎn)：f2的頻譜是對(duì)f1頻譜的移位，它時(shí)f1的頻譜從原點(diǎn)（0，0）移到了中心（64，64），而得到了一個(gè)完整的頻譜。（3）若將f2(x,y)順時(shí)針旋轉(zhuǎn)45度得到f3(x,y)，試顯示FFT(f3)的幅度譜，并與FFT(f2)的幅度譜進(jìn)行比較。for i=38:1:90 for j=58:1:70 f1(i,j)=255。imshow(f1)。imshow(fft2(f1))。end end figure(2)。imshow(f2)。bilinear39。%將f2順時(shí)針旋轉(zhuǎn)45度 subplot(1,3,2)。%顯示f2的頻譜 subplot(1,3,3)。%顯示f3的頻譜結(jié)論：均衡化后的直方圖并非完全均勻分布的原因：因?yàn)閳D像的像素個(gè)數(shù)和灰度等級(jí)均為離散值，而且均衡化后使灰度級(jí)并歸。256大小、256級(jí)灰度的數(shù)字圖像lena進(jìn)行頻域的理想低通、高通濾波，同屏顯示原圖、幅度譜圖和低通、高通濾波的結(jié)果圖。fid=fopen(39。,39。)。uint839。subplot(2,2,1)imagesc(data)。title(39。,39。,39。)。imshow(fft2(data))。[M,N]=size(s)。%對(duì)n賦初值 %GLPF濾波，d0=5，15，30（程序中以d0=30為例）d0=30。%對(duì)M/2進(jìn)行取整 n2=floor(N/2)。%點(diǎn)（i,j）到傅立葉變換中心的距離 h=1*exp(1/2*(d^2/d0^2))。%GLPF濾波后的頻域表示 end end s=ifftshift(s)。subplot(2,2,3)。p=fftshift(fft2(data))。%分別返回p的行數(shù)到M中，列數(shù)到N中 n=2。%初始化d1 n3=floor(M/2)。%對(duì)N/2進(jìn)行取整 for i=1:M for j=1:N dd=sqrt((in3)^2+(jn4)^2)。%GHPF濾波函數(shù)p(i,j)=h1*p(i,j)。%對(duì)p進(jìn)行反FFT移動(dòng)%對(duì)s進(jìn)行二維反離散的Fourier變換后，取復(fù)數(shù)的實(shí)部轉(zhuǎn)化為無符號(hào)8位整數(shù) p=uint8(real(ifft2(p)))。%創(chuàng)建圖形圖像對(duì)象 imshow(p)。12256級(jí)灰度的數(shù)字圖像（（指紋圖）（顯微醫(yī)學(xué)圖像）進(jìn)行如下處理：（1）對(duì)原圖像進(jìn)行直方圖均衡化處理，同屏顯示處理前后圖像及其直方圖，比較異同，并回答為什么數(shù)字圖像均衡化后其直方圖并非完全均勻分布。數(shù)字圖像均衡化后其直方圖并非完全均勻分布的原因：由于原圖像中目標(biāo)物的灰度主要集中于低亮度部分，而且象素總數(shù)比較少，而所占的灰度等級(jí)比較多，因此圖像的對(duì)比度比較好，亮度比較大，整體圖像清晰。數(shù)字圖像均衡化后，其直方圖并非完全均勻分布，這是因?yàn)閳D像的象素個(gè)數(shù)和灰度等級(jí)均為離散值；而且均衡化使灰度級(jí)并歸，因此，均衡化后，其直方圖并非完全均勻分布。fid=fopen(39。,39。)。uint839。%將打開的文件讀入到data1 subplot(4,2,1)。imshow(data11)。CELL39。Color39。b39。%加標(biāo)題 subplot(4,2,2)。原圖像直方圖39。imhist(data11)。%取第二個(gè)子窗口data2=uint8(data1)。%直方圖均衡化imshow(b,256)。均衡化39。Color39。b39。subplot(4,2,4)。title(39。)。d:39。r39。%打開無格式文件data3=(fread(fid,[128,128],39。))39。%將灰度圖象轉(zhuǎn)換成uint8格式 imshow(data31)。FING39。Color39。b39。subplot(4,2,6)imhist(data31)。原圖像直方圖39。subplot(4,2,7)。%將灰度圖象轉(zhuǎn)換成uint8格式 d=histeq(data4)。%顯示均衡化圖象,256可缺省 title(39。,39。,39。)。imhist(d)。均衡化后原圖像直方圖39。（2）對(duì)原圖像加入高斯噪聲，用4鄰域平均法平滑加噪聲圖像（圖像四周邊界不處理，下同），同屏顯示原圖像、加噪圖像和處理后的圖像。229。fid=fopen(39。,39。)。uint839。%將打開的文件讀入到data1 I=uint8(data1)。gaussian39。%加乘性噪聲 H1=[0 1 0。0 1 0]/4。%領(lǐng)域平均subplot(2,4,1),imshow(I)。原圖像39。subplot(2,4,2),imshow(I1)。加噪聲后圖像39。subplot(2,4,3),imshow(J)。不加門限平滑后圖像39。%加門限后濾波T= 2*sum(I1(:))/128^2。for i = 1:128for j = 1:128if abs(I1(i,j)J(i,j))Tim_T(i,j)= J(i,j)。endend end subplot(2,4,8)。title(39。)。256大小、256級(jí)灰度的數(shù)字圖像lena進(jìn)行銳化處理，顯示處理前、后圖像。D:39。% 讀入原圖像 figure(1)。imshow(I)。原始圖像39。L=fspecial(39。)。1 51。L2=[02 0。02 0]。replicate39。% α=1時(shí)的拉普拉斯算子 LP2=imfilter(I,L2,39。)。imshow(LP1)。Laplacian算子α=1銳化圖像39。subplot(1,3,3)。title(39。)。2f，g2(m,n)=4af(m,n)a[f(m1,n)+f(m+1,n)+f(m,n1)+f(m,n+1)+f(m,n1)+f(m,n+1)]則回答如下問題：① f(m,n)、g1(m,n)和g2(m,n)之間有何關(guān)系？ ② g2(m,n)代表圖像中的哪些信息？ ③ 由此得出圖像銳化的實(shí)質(zhì)是什么？①因?yàn)間2(m,n)=a209。a的大小決定，a值越大則梯度信息所占的比例越大）、Prewitt和Sobel邊緣檢測(cè)算子，對(duì)256180。圖像：源代碼：I=imread(39。)。imshow(I)。原始圖像39。J=double(I)。%計(jì)算梯度 A=sqrt(IX.*IX+IY.*IY)。imshow(A,[])。Roberts梯度法銳化圖像39。%Prewitt算子銳化S=imfilter(I,fspecial(39。))。imshow(S)。Prewitt算子銳化圖像39。%Sobel算子銳化S=imfilter(I,fspecial(39。))。imshow(S)。Sobel算子銳化圖像39。