【正文】 the Image [labeled,numObjects] = bwlabel(bw,4)。c39。shuffle39。figure, imshow(RGB_label)。basic39。% Compute Statistical Properties of Objects in the Image max(allgrains)。figure, hist(allgrains,20)。3．利用課余時(shí)間，采用MATLAB函數(shù)編程實(shí)現(xiàn)實(shí)驗(yàn)內(nèi)容（二）。4．寫出本實(shí)驗(yàn)的心得體會(huì)及意見(jiàn)。噪聲有很多種類，不同的噪聲有不同的抑制措施。通過(guò)平滑處理，對(duì)結(jié)果圖像加以比較，得出自己的實(shí)驗(yàn)結(jié)論。本實(shí)驗(yàn)銳化處理主要在空間域中進(jìn)行 2，頻域?yàn)V波：掌握傅里葉變換的基本性質(zhì)； 掌握傅里葉正變換和反變換； 通過(guò)實(shí)驗(yàn)了解二維頻譜的分布特點(diǎn)； 掌握怎樣利用傅立葉變換進(jìn)行頻域?yàn)V波利用MATLAB程序數(shù)字圖像的傅立葉變換并且進(jìn)行頻域?yàn)V波二，給圖像添加椒鹽噪聲或者高斯噪聲： 原理：利用MATLAB自帶函數(shù)添加噪聲 程序代碼：A=imread(39。)。imshow(I)。salt amp。,)。椒鹽噪聲39。%添加椒鹽噪聲 K = imnoise(I,39。,0,)。高斯噪聲39。%添加高斯噪聲三，對(duì)被噪聲污染的圖像進(jìn)行中值濾波和均值濾波： 原理：自帶函數(shù)進(jìn)行中值濾波和均值濾波 源程序：A=imread(39。)。J = imnoise(I,39。 pepper39。k2=medfilt2(J,[5 5])。imshow(J),title(39。)。中值濾波5*5模板39。figure,imshow(k3),title(39。)。源程序：I=imread(39。)。原圖像39。H=fspecial(39。)。subplot(122),imshow(I2),title(39。)。39。J = imnoise(I,39。 pepper39。K = medfilt2(J)。title(39。)figure, imshow(K)。medfilt2濾波圖像39。a=2。k=floor(a*b/2)+1。uint8 Y=zeros(M,N)。temp=zeros(a*b)。temp=funBox(:)。Y(i,j)=tempSort(k)。end。title(39。)六，利用Matlab的圖像處理工具箱中提供的函數(shù)實(shí)現(xiàn)圖像的傅立葉變換和反變換： 源程序：A=imread(39。)。subplot(131),imshow(f),title(39。)。% 快速傅立葉變換subplot(132),imshow(F),title(39。)Fabs=abs(F)。% 中心移位 SFc=log(1+Fc)。% 中心移位的逆變換，絕對(duì)值 iF2=ifft2(iFc1)。快速傅立葉變換的逆變換39。39。subplot(221),imshow(I)。原始圖像39。gaussian39。% 疊加高斯白噪聲subplot(222),imshow(J1)。添加高斯白噪聲的圖像39。% 數(shù)據(jù)類型轉(zhuǎn)換 g=fft2(f)。[M,N]=size(g)。% 二階巴特沃斯(Butterworth)低通濾波器 d0=50。n=fix(N/2)。h=1/(1+*(d/d0)^(2*nn))。end end result=ifftshift(result)。J3=uint8(real(J2))。title(39。)心得體會(huì)1，進(jìn)一步熟悉了Matlab軟件、編程以及圖像處理工具箱 2，學(xué)會(huì)利用自帶函數(shù)對(duì)圖像做簡(jiǎn)單的處理，例如：均值化等。4，加深了對(duì)MATLAB編程的理解。6，通過(guò)實(shí)際操作，增強(qiáng)了自己的動(dòng)手能力，把理論用于實(shí)踐。數(shù)字圖像處理又稱為計(jì)算機(jī)圖像處理，它是指將圖像信號(hào)轉(zhuǎn)換成數(shù)字信號(hào)并利用計(jì)算機(jī)對(duì)其進(jìn)行處理的過(guò)程。數(shù)字圖像處理最早出現(xiàn)于20世紀(jì)50年代，當(dāng)時(shí)的電子計(jì)算機(jī)已經(jīng)發(fā)展到一定水平，人們開始利用計(jì)算機(jī)來(lái)處理圖形和圖像信息。早期的圖像處理的目的是改善圖像的質(zhì)量，它以人為對(duì)象，以改善人的視覺(jué)效果為目的。數(shù)字圖像處理是通過(guò)計(jì)算機(jī)對(duì)圖像進(jìn)行去除噪聲、增強(qiáng)、復(fù)原、分割、提取特征等處理的方法和技術(shù)。三是廣泛的農(nóng)牧業(yè)、林業(yè)、環(huán)境、軍事、工業(yè)和醫(yī)學(xué)等方面的應(yīng)用需求的增長(zhǎng)。（2）提取圖像中所包含的某些特征或特殊信息，這些被提取的特征或信息往往為計(jì)算機(jī)分析圖像提供便利。提取的特征可以包括很多方面，如頻域特征、灰度或顏色特征、邊界特征、區(qū)域特征、紋理特征、形狀特征、拓?fù)涮卣骱完P(guān)系結(jié)構(gòu)等。不管是何種目的的圖像處理，都需要由計(jì)算機(jī)和圖像專用設(shè)備組成的圖像處理系統(tǒng)對(duì)圖像數(shù)據(jù)進(jìn)行輸入、加工和輸出。如一幅256256低分辨率黑白圖像，要求約64kbit的數(shù)據(jù)量；對(duì)高分辨率彩色512512圖像，則要求768kbit數(shù)據(jù)量；如果要處理30幀/秒的電視圖像序列，則每秒要求500kbit～。（2）數(shù)字圖像處理占用的頻帶較寬。而語(yǔ)音帶寬僅為4kHz左右。（3）數(shù)字圖像中各個(gè)像素是不獨(dú)立的，其相關(guān)性大。就電視畫面而言，同一行中相鄰兩個(gè)像素或相鄰兩行間的像素，而相鄰兩幀之間的相關(guān)性比幀內(nèi)相關(guān)性一般說(shuō)還要大些。（4）由于圖像是三維景物的二維投影，一幅圖象本身不具備復(fù)現(xiàn)三維景物的全部幾何信息的能力，很顯然三維景物背后部分信息在二維圖像畫面上是反映不出來(lái)的。在理解三維景物時(shí)需要知識(shí)導(dǎo)引，這也是人工智能中正在致力解決的知識(shí)工程問(wèn)題。由于人的視覺(jué)系統(tǒng)很復(fù)雜，受環(huán)境條件、視覺(jué)性能、人的情緒愛(ài)好以及知識(shí)狀況影響很大，作為圖像質(zhì)量的評(píng)價(jià)還有待進(jìn)一步深入的研究。例如，什么是感知的初始基元，基元是如何組成的，局部與全局感知的關(guān)系，優(yōu)先敏感的結(jié)構(gòu)、屬性和時(shí)間特征等，這些都是心理學(xué)和神經(jīng)心理學(xué)正在著力研究的課題。將模擬圖像轉(zhuǎn)化成數(shù)字圖像的過(guò)程就是圖形、圖像的數(shù)字化過(guò)程。1．采樣 采樣的實(shí)質(zhì)就是要用多少點(diǎn)來(lái)描述一幅圖像，采樣結(jié)果質(zhì)量的高低就是用前面所說(shuō)的圖像分辨率來(lái)衡量。一副圖像就被采樣成有限個(gè)像素點(diǎn)構(gòu)成的集合。采樣頻率越高，得到的圖像樣本越逼真，圖像的質(zhì)量越高，但要求的存儲(chǔ)量也越大。一般來(lái)說(shuō)，原圖像中的畫面越復(fù)雜，色彩越豐富，則采樣間隔應(yīng)越小。2．量化 量化是指要使用多大范圍的數(shù)值來(lái)表示圖像采樣之后的每一個(gè)點(diǎn)。例如：如果以4位存儲(chǔ)一個(gè)點(diǎn)，就表示圖像只能有16種顏色；若采用16位存儲(chǔ)一個(gè)點(diǎn)，則有216=65536種顏色。但是，也會(huì)占用更大的存儲(chǔ)空間。假設(shè)有一幅黑白灰度的照片，因?yàn)樗谒接诖怪狈较蛏系幕叶茸兓际沁B續(xù)的，都可認(rèn)為有無(wú)數(shù)個(gè)像素，而且任一點(diǎn)上灰度的取值都是從黑到白可以有無(wú)限個(gè)可能值。對(duì)灰度進(jìn)行量化，使其取值變?yōu)橛邢迋€(gè)可能值。只要水平和垂直方向采樣點(diǎn)數(shù)足夠多，量化比特?cái)?shù)足夠大，數(shù)字圖像的質(zhì)量就比原始模擬圖像毫不遜色。為表示量化的色彩值（或亮度值）所需的二進(jìn)制位數(shù)稱為量化字長(zhǎng)，一般可用8位、16位、24位或更高的量化字長(zhǎng)來(lái)表示圖像的顏色；量化字長(zhǎng)越大，則越能真實(shí)第反映原有的圖像的顏色，但得到的數(shù)字圖像的容量也越大。在一定意義上講，編碼壓縮技術(shù)是實(shí)現(xiàn)圖像傳輸與儲(chǔ)存的關(guān)鍵。圖象變換是函數(shù)的一種作圖方法。在圖像變換中傅立葉變換就是應(yīng)用最廣泛的一種變換。二位離散余弦變換其去相關(guān)性近似于KL(KarhunenLoeve)最佳變換,算法復(fù)雜度適中,易于硬件實(shí)現(xiàn),且具有抗干擾能力強(qiáng)等優(yōu)點(diǎn),因此,、JPEG、MPEG等視頻壓縮標(biāo)準(zhǔn)中。小波變換是一種信號(hào)的時(shí)間——尺度分析方法，他具有多分辨率分析的特點(diǎn)，而且在時(shí)頻兩域都具有表征信號(hào)局部特征的能力，是一種窗口大小固定不變但其形狀可變，時(shí)間窗和頻率窗都可變的時(shí)頻局部化分析方法。小波變換是一種新的變換分析方法，它繼承和發(fā)展了短時(shí)傅立葉變換局部化的思想，同時(shí)又克服了窗口大小不隨頻率變化等缺點(diǎn)，能夠提供一個(gè)隨頻率改變的時(shí)間一頻率窗口，是進(jìn)行信號(hào)時(shí)頻分析和處理的理想工具。從此，小波變換越來(lái)越引起人們的重視，其應(yīng)用領(lǐng)域來(lái)越來(lái)越廣泛。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(wèn)題及解決方法顯示無(wú)法找到圖像文件，；編程過(guò)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(guò)低通濾波器后變得模糊？為什么通過(guò)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(wèn)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