【正文】 se all。C:39。r39。fg=fread(fid,[128,128],39。)。imshow(fg,[0,255])。f=a.*20+fg。imshow(f,[0,255])。for x=2:127 for y=2:127f0(x,y)=(f((x1),y)+f((x+1),y)+f(x,(y1))+f(x,(y+1)))./4。imshow(f0,[0,255])。T=t(1,1)/128。for x=2:127 for y=2:127h=(f((x1),y)+f((x+1),y)+f(x,(y1))+f(x,(y+1)))./4。elsef1(x,y)=f(x,y)。imshow(f1,[0,255])。（2）去噪的同時(shí)圖像的某些細(xì)節(jié)變得模糊。學(xué)會(huì)并掌握了編寫采用直方圖均衡化進(jìn)行圖像增強(qiáng)的方法。二、實(shí)驗(yàn)環(huán)境操作系統(tǒng)：Windws2000/XP所用軟件： MATLABVisual C++、Visual Basic或其它三、實(shí)驗(yàn)內(nèi)容及步驟對(duì)256256大小、（）進(jìn)行如下處理：（1）對(duì)原圖像進(jìn)行銳化處理，顯示處理前、后圖像：用Laplacian算子進(jìn)行銳化，分a=1和a=2兩種情況，各按如下不同情況給出處理結(jié)果，并回答提出的問題：2g(m,n)=f(m,n)a209。四、實(shí)驗(yàn)結(jié)果與分析 程序代碼：clear all。fid=fopen(39。,39。)。uchar39。subplot(2,2,1)。g1=f。a=1。g2(x,y)=f(x,y).*4*a(f((x1),y)+f((x+1),y)+f(x,(y1))+f(x,(y+1))).*a。imshow(g1,[0,255])。imshow(g2,[0,255])。close all。C:39。r39。f=fread(fid,[256,256],39。)。GP=f。for x=2:255 for y=2:255 GRx(x,y)=f(x,y)f(x+1,y+1)。GR(x,y)=sqrt((GRx(x,y)).^2+(GRy(x,y)).^2)。GPy(x,y)=(f(x1,y1)+f(x1,y)+f(x1,y+1))/3(f(x+1,y1)+f(x+1,y)+f(x+1,y+1))/3。GSx(x,y)=(f(x1,y+1)+2*f(x,y+1)+f(x+1,y+1))/3(f(x1,y1)+2*f(x,y1)+f(x+1,y1))/3。GS(x,y)=sqrt((GSx(x,y)).^2+(GSy(x,y)).^2)。imshow(f,[0,255])。212。205。207。39。subplot(2,2,2)。title(39。)。imshow(GP,[0,255])。Prewitt39。subplot(2,2,4)。title(39。)。五、實(shí)驗(yàn)結(jié)論通過本實(shí)驗(yàn)了解了并掌握了使用微分算子進(jìn)行圖像邊緣檢測(cè)的基本原理；學(xué)會(huì)使用Laplacian算子（二階導(dǎo)數(shù)算子）實(shí)現(xiàn)圖像銳化的程序編寫。六、參考文獻(xiàn)[1] amp。二、實(shí)驗(yàn)內(nèi)容（1）計(jì)算并繪制圖像直方圖；（2）編程實(shí)現(xiàn)圖像的直方圖均衡化處理，顯示均衡前后的直方圖和圖像；三、實(shí)驗(yàn)運(yùn)行結(jié)果四、實(shí)驗(yàn)中遇到的問題及解決方法顯示無法找到圖像文件，；編程過程中應(yīng)注意標(biāo)點(diǎn)的輸入法，應(yīng)該用英文輸入，否則會(huì)報(bào)錯(cuò)。五、思考題（1）、灰度直方圖可以反映一幅圖像的哪些特征？ 答：表征了圖像的一維信息。與圖像之間的關(guān)系是多對(duì)一的映射關(guān)系。子圖直方圖之和為整圖的直方圖。這幅圖像的灰度層次將不再是呈黑暗色調(diào)的圖像，而是一副灰度層次較為適中的、比原始圖像清晰、明快得多的圖像。六、實(shí)驗(yàn)心得體會(huì)本次實(shí)驗(yàn)中，因?yàn)槌鯇W(xué)這個(gè)軟件，我學(xué)習(xí)到了在程序中關(guān)于圖像的運(yùn)用，以及也復(fù)習(xí)了課本上的許多知識(shí)，加深了對(duì)直方圖均衡化的理解。I=imread(39。)。p=m*n。%計(jì)算圖像的歸一化直方圖 subplot(1,3,1),imshow(I)； subplot(1,3,2),imhist(I,64)； subplot(1,3,3),plot(J)；（2）直方圖均衡化clear all。39。J=histeq(Im)。imshow(Im)。原圖39。%顯示原圖 subplot(2,2,2)。title(39。)。imshow(J)。均衡化結(jié)果39。%顯示均衡化后的圖像 subplot(2,2,4)。title(39。)。二、實(shí)驗(yàn)內(nèi)容（1）編程實(shí)現(xiàn)圖像的理想低通和高通濾波；（2）編程實(shí)現(xiàn)圖像的巴特沃斯低通和高通濾波。五、思考題分析為什么圖像通過低通濾波器后變得模糊？為什么通過高通濾波器后得到銳化結(jié)果？答：圖像的精細(xì)結(jié)構(gòu)及突變部分主要由高頻成分起作用，故經(jīng)低通濾波后圖像的精細(xì)結(jié)構(gòu)消失，變得模糊；經(jīng)高通濾波后圖像得到銳化。使自己對(duì)數(shù)字圖像處理課程中的許多問題有了更實(shí)際和確切的深入了解。clear。39。subplot(3,2,1)。title(39。)。subplot(3,2,2)。z=log(abs(i))。y=0:1:255。mesh(z)。原圖頻譜39。[n,m]=size(i)。else result(k,l)=i(k,l)。對(duì)該圖進(jìn)行低通濾波 選取D=190z=log(abs(result))。y=0:1:255。mesh(z)。理想低通濾波后的頻譜39。subplot(3,2,3)。%濾波后的數(shù)據(jù)去中心化 b=ifft2(result)。title(39。)。%新建圖像顯示窗口 % [n,m]=size(c)。title(39。)。%clear。J1=imread(39。)。imshow(J1)。原圖39。f=double(J1)。% 傅立葉變換 g=fftshift(g)。x=0:1:255。[x,y]=meshgrid(x,y)。%取幅度 mesh(z)。原圖頻譜39。[M,N]=size(g)。% 二階巴特沃斯(Butterworth)低通濾波器 d0=20。n=fix(N/2)。h=1/(1+*(d/d0)^(2*nn))。end end subplot(3,2,4)。y=0:1:255。z=log(abs(result))。%以三維坐標(biāo)顯示該圖像頻譜圖 title(39。)。J2=ifft2(result)。subplot(3,2,3)。title(39。)。% 二階巴特沃斯(Butterworth)高通濾波器 d0=5。n=fix(N/2)。if(d==0)h=0。% 計(jì)算傳遞函數(shù) end result(i,j)=h*g(i,j)。x=0:1:255。[x,y]=meshgrid(x,y)。%取幅度 mesh(z)。高通濾波后的頻譜39。result=ifftshift(result)。J3=uint8(abs(J2))。imshow(J3)。高通濾波后的圖像39。實(shí)驗(yàn)三 圖像邊緣檢測(cè)與連接一、實(shí)驗(yàn)?zāi)康膱D像邊緣檢測(cè)與連接二、實(shí)驗(yàn)內(nèi)容（1）編程實(shí)現(xiàn)一階差分邊緣檢測(cè)算法，包括Robert梯度算子、Prewitt算子、Sobel算子等；（2）編程實(shí)現(xiàn)二階差分拉普拉斯邊緣檢測(cè)算法以及LoG檢測(cè)法和Canny檢測(cè)法；（3）分析與比較各種邊緣檢測(cè)算法的性能；（4）編程實(shí)現(xiàn)Hough變換提取直線（5）分析Hough變換檢測(cè)性能；三、實(shí)驗(yàn)運(yùn)行結(jié)果四、實(shí)驗(yàn)中遇到的問題及解決方法拷貝文件后沒改文件名，直接執(zhí)行時(shí)出現(xiàn)錯(cuò)誤，最后重新修改后重新編譯，使之成功。所以考慮邊緣的方向很重要。這樣就把原始圖像中給定曲線的檢測(cè)問題轉(zhuǎn)化為準(zhǔn)找參數(shù)空間的峰值問題。比如直線、橢圓、圓、弧線等。還得繼續(xù)努力。I = imread(39。)。BW1 = edge(I,39。)。roberts39。%利用roberts算子進(jìn)行邊緣檢測(cè) BW3 = edge(I,39。)。log39。%利用log算子進(jìn)行邊緣檢測(cè) BW5 = edge(I,39。)。RGB = imread(39。)。%I = rgb2gray(RGB)。canny39。% 利用Canny算子提取圖像邊緣 [H,T,R] = hough(BW,39。,39。,)。notruesize39。T39。R39。threshold39。%找到5個(gè)較明顯的Hough變換峰值hold on plot(T(p(:,2)),R(p(:,1)),39。,39。,39。)。FillGap39。MinLength39。%查找并鏈接線段figure, imshow(BW), hold on %在二值圖中疊加顯示這些線段 for k = 1:length(lines)xy = [lines(k).point1。plot(xy(:,1),xy(:,2),39。,2,39。,39。)。圖像處理是信號(hào)處理在圖像域上的一個(gè)應(yīng)用。此外，基于光學(xué)理論的處理方法依然占有重要的地位。傳統(tǒng)的一維信號(hào)處理的方法和概念很多仍然可以直接應(yīng)用在圖像處理上，比如降噪、量化等。二、實(shí)驗(yàn)?zāi)康撵柟趟鶎W(xué)知識(shí)，提高所學(xué)能力三、實(shí)驗(yàn)內(nèi)容利用matlab的GUI程序設(shè)計(jì)一個(gè)簡(jiǎn)單的圖像處理程序，并含有如下基本功能： ，變換為灰度圖像和二值圖像，并在同一個(gè)窗口內(nèi)分成三個(gè)子窗口來分別顯示RGB圖像和灰度圖像，注上文字標(biāo)題 3．對(duì)給定的圖像添加噪聲（椒鹽噪聲、高斯噪聲）四、實(shí)驗(yàn)結(jié)果及代碼展示（1）讀入一幅RGB圖像，變換為灰度圖像和二值圖像，并在同一個(gè)窗口內(nèi)分成三個(gè)子窗口來分別顯示RGB圖像和灰度圖像，注上文字標(biāo)題效果展示：代碼：a = imread(39。)。I = im2bw(a,)。imshow(a)。源圖像39。imshow(i)?；叶葓D像39。imshow(I)。二值圖像39。clear all。Img=imread(39。)。[h w]=size(Img)。wnew=w*cos(alpha)+h*sin(alpha)。wnew=ceil(wnew)。u0=w*sin(alpha)。sin(alpha),cos(alpha)]。Imgnew1=zeros(hnew,wnew)。v][u0。x=tem(1)。if x=1amp。x=1amp。yelsex=x_up。endp1=Img(x_low,y_low)。p3=Img(x_low,y_low)。s=xx_low。Imgnew1(u,v)=Img(x,y)。endend endfigure。B=imrotate(Img,alpha/pi*180)。imshow(B,[])。D:My DocumentsMy 39。figure,subplot(211)。title(39。)。gaussian39。subplot(223)。title(39。)。speckle39。subplot(224)。title(39。)。紅色、綠色、藍(lán)色三個(gè)通道的縮覽圖都是以灰度顯示的。通道中的純白，代表了該色光在此處為最高亮度，亮度級(jí)別是255。色彩的變動(dòng)，實(shí)際上就是間接在對(duì)通道灰度圖進(jìn)行調(diào)整。在計(jì)算機(jī)領(lǐng)域中，灰度數(shù)字圖像是每個(gè)像素只有一個(gè)采樣顏色的圖像?；叶葓D像與黑白圖像不同，在計(jì)算機(jī)圖像領(lǐng)域中黑白圖像只有黑色與白色兩種顏色；灰度圖像在黑色與白色之間還有許多級(jí)的顏色深度。在一些關(guān)于數(shù)字圖像的文章中單色圖像等同于灰度圖像，在另外一些文章中又等同于黑白圖像。用于顯示的灰度圖像通常用每個(gè)采樣像素 8 位的非線性尺度來保存，這樣可以有 256 級(jí)灰度。在醫(yī)學(xué)圖像與遙感圖像這些技術(shù)應(yīng)用中經(jīng)常采用更多的級(jí)數(shù)以充分利用每個(gè)采樣 10 或 12 位的傳感器精度，并且避免計(jì)算時(shí)的近似誤差。二值圖像：是指每個(gè)像素不是黑就是白，其灰度值沒有中間過渡的圖像。這時(shí)候要用更高的灰度級(jí)。人們經(jīng)常用黑白、Bamp。二值圖像中所有的像素只能從0和1這兩個(gè)值中取，因此在MATLAB中，二值圖像用一個(gè)由0和1組成的二維矩陣表示。以這種方式來操作圖像可以更容易識(shí)別出圖像的結(jié)構(gòu)特征。二值圖像經(jīng)常出現(xiàn)在數(shù)字圖像處理中作為圖像掩碼或者在圖像分割、二值化和dithering的結(jié)果中出現(xiàn)。二值圖像經(jīng)常使用位圖格式存儲(chǔ)。圖像旋轉(zhuǎn)：圖像旋轉(zhuǎn)是指圖像以某一點(diǎn)為中心旋轉(zhuǎn)一定的角度,形成一幅新的圖像的過程。既然是按照中心旋轉(zhuǎn),自然會(huì)有這樣一個(gè)屬性：,我們可以得到旋轉(zhuǎn)后的點(diǎn)的坐標(biāo)與原坐標(biāo)的對(duì)應(yīng)關(guān)系。假設(shè)原圖像的寬為w,高為h,（x0,y0）為原坐標(biāo)內(nèi)的一點(diǎn),轉(zhuǎn)換坐標(biāo)后的點(diǎn)為（x1,y1）。y1 =y0 + h/2。在工業(yè)與自然界中，存在著各種干擾源（噪聲源），如大功率電力電子器件的接入、大功率用電設(shè)備的開啟與斷開、雷擊閃電等都會(huì)使空間電場(chǎng)和磁場(chǎng)產(chǎn)生有序或無序的變化，這些都是干擾源（或噪聲源）。斑點(diǎn)噪聲：斑點(diǎn)噪聲是SAR成像系統(tǒng)的一大特色，源自基本分辨單元內(nèi)地物的隨機(jī)散射，在圖像上表現(xiàn)為信號(hào)相關(guān)（如在空間上相關(guān)）的小斑點(diǎn)，它既降低了圖像的畫面質(zhì)量，又嚴(yán)重影響圖像的自動(dòng)分割、分類、目標(biāo)檢測(cè)以及其它定量專題信息的提取。SAR斑點(diǎn)噪聲的抑制可通過非相干多視處理，也可使用空間域?yàn)V波實(shí)現(xiàn)。因此，涌現(xiàn)出了一系列空間域?yàn)V波方法，如均值濾波、中值濾波、Lee濾波、Kuan濾波、Frost濾波、Sigma濾波以及Gamma Map濾波等。高斯噪聲：所謂高斯噪聲是指它的概率密度函數(shù)服從高斯分布（即正態(tài)分布）的一類噪聲。高斯白噪聲的二階矩不相關(guān)，一階矩為常數(shù)，是指先后信號(hào)在時(shí)間上的相關(guān)性。實(shí)驗(yàn)中是通過MATLAB自帶的函數(shù)產(chǎn)生噪聲，各函數(shù)如下： J1=imnoise(I,39。 pepper39。%添加椒鹽噪聲J2=imnoise(I,39。,0,)。六、Matlab優(yōu)勢(shì)MATLAB是一個(gè)包含大量算法的集合。函數(shù)中所使用的算法都是科研和工程計(jì)算中的最新研究成果，而前經(jīng)過了各種優(yōu)化和差錯(cuò)處理。在計(jì)算要求相同的情況下，使用MATLAB的編程工作量會(huì)大大減少。函數(shù)所能解決的問題其大致包括矩陣運(yùn)算和線性方程組的求解、微分方程及偏微分方程的組的求解、符號(hào)運(yùn)算、傅立葉變換和數(shù)據(jù)的統(tǒng)計(jì)分析、工程中的優(yōu)化問題、稀疏矩陣運(yùn)算、復(fù)數(shù)的各種運(yùn)算、三角函數(shù)和其他初等數(shù)學(xué)運(yùn)算、多維數(shù)組操作以及建模動(dòng)態(tài)仿真等。高層次的作圖包括二維和三維的可視化、圖象處理、動(dòng)畫和表達(dá)式作圖。新版本的MATLAB對(duì)整個(gè)圖形處理功能作了很大的改