【正文】 it=100。 figure,imshow(pixeldup(f5,8))。如圖所示，（a）原始PSF；（b）到（d）在函數(shù)deconvblind中分別使用5次、10次和20次迭代估計的PSF。 psf=fspecial(39。,7,10)。 sd=。gaussian39。 initpsf=ones(size(psf))。 [fr, psfe]=deconvblind(g,initpsf,numit,dampar,weight)。 numit=10。 figure,imshow(pixeldup(psfe,73), [ ])。 [fr, psfe]=deconvblind(g,initpsf,numit,dampar,weight)。 使用函數(shù)visformfwd的直觀仿射變換。請寫出實驗步驟。 0 2 0。 tform1=maketform(39。,t1)。 t2=[1 0 0。 0 0 1]。affine39。 figure,vistformfwd(tform2,[0 100], [0 100])。0 2 0。 trotation=[cos(pi/4) sin(pi/4) 0 sin(pi/4) cos(pi/4) 0 0 0 1]。 .2 1 0。 t3=tscale* trotation* tshear。affine39。 figure,vistformfwd(tform3, [0 100],[0 100])。利用函數(shù)checkerboard和imtransform來實現(xiàn)。請寫出實驗步驟。 s=。 t=[ s*cos(theta) s*sin(theta) 0 s*sin(theta) s*cos(theta) 0 0 0 1]。affine39。 g=imtransform(f,tform)。 figure,imshow(f)。nearest39。 figure,imshow(g2)。fillvalue39。 figure,imshow(g3)。0 1 0。 tform2=maketform(39。,t2)。 figure,imshow(g4)。xdata39。ydata39。fillvalue39。 figure,imshow(g5)。細(xì)分的程度取決于要解決的問題。 實驗原理 點檢測點檢測在MATLAB中可用函數(shù)imfilter來實現(xiàn)，當(dāng)掩模的中心位于一個孤立點時，掩模必須最強(qiáng)，而在亮度不變的區(qū)域中響應(yīng)為零。abs操作不接受整數(shù)數(shù)據(jù)，則我們可在濾波操作中使用double(f)來防止過早的截斷。 線檢測下面4個圖是對4種線性檢測的模板，分別為水平、+45176。111112121211222121121121111211121112令RRRR4代表上圖從左到右的掩模的響應(yīng)，假定這4個掩模將分別被用于圖像，若圖像上的某個點滿足，則可說該點與掩模的該方向中一條線更可能相關(guān)。一階導(dǎo)數(shù)是利用梯度的相關(guān)概念。二階導(dǎo)數(shù)利用拉普拉斯算子來計算，如下式所示：圖像的邊緣檢測就是在圖像中找到亮度快速變化的地方，其遵循以下2個準(zhǔn)則：l 找到亮度的一階導(dǎo)數(shù)在幅度上比指定閾值大的地方。IPT函數(shù)edge基于上面談?wù)摰臏?zhǔn)側(cè)，提供了記得導(dǎo)數(shù)估計器，語法為：[g, t]=edge(f, ‘method’, parameters)其中，f為輸入圖像，method是下表列出的一種方法，parameters是后面會說明的另一個參數(shù)。參數(shù)t可選，它給出edge使用的閾值，以便確定哪個梯度值足夠大到可以稱為邊緣點。Prewitt如下圖(c)所示。Laplacian of Gaussian (LoG)在使用高期濾波器對f(x,y)濾波之后，通過尋找零交叉查找邊緣。Canny通過尋找f(x,y)的梯度的最大值來查找邊緣。該方法使用兩個閾值檢測邊緣和弱邊緣，若它們連接到了強(qiáng)邊緣，則輸出中只包含弱邊緣。Sobel檢測器調(diào)用語法為：[g, t]=edge(f, ‘sobel’, T, dir)T為指定的閾值，dir指定檢測邊緣的方向：’horizontal’、’vertical’或’both’（默認(rèn)值）。零交叉檢測器調(diào)用語法為：[g, t]=edge(f, ‘zerocross’, T, H)卷積是使用指定的濾波函數(shù)H執(zhí)行的。 全局閾值處理。注意：若f是unit8類圖像，則須在使用T之前要讓T乘以255。這是一種根據(jù)預(yù)先定義的生長準(zhǔn)則來把像素或子區(qū)域集合成較大區(qū)域的處理方法。 區(qū)域分離和合并。實現(xiàn)四叉樹分解飛函數(shù)是qtdep，語法為：S = qtdep(f, split_test, parameters)其中，f是輸入圖像，S是包含四叉樹結(jié)構(gòu)的稀疏矩陣。我們使用splitmerge來說明qtdep函數(shù)的用法，其語法為：g = splitmerge(f, mindim, pedicate)其中，f是輸入圖像，g是輸出圖像，參數(shù)mindim定義分解中所允許的最小塊，該參數(shù)必須是2的正整數(shù)次冪。就是每一個像素到最近非零值像素的距離。在該圖像中間偏下的區(qū)域有二個幾乎看不見的白點。 f=imread(39。)。1 8 1。 g=abs(imfilter(double(f),w))。 g=g=t。如圖所示，圖a是源圖像，圖b是45176。 w=[2 1 1。1 1 2]。(a).jpg39。 figure,imshow(f) g=imfilter(double(f),w)。 gtop=pixeldup(gtop,4)。 gbot=pixeldup(gbot, 4)。 figure,imshow(g, []) t=max(g(:))。 figure,imshow(g) 使用sobel檢測器來提取邊緣。膨脹就是把連接成分的邊界擴(kuò)大一層的處理。 二值形態(tài)學(xué)I(x,y), T(i,j)為 0/1圖像 腐蝕：膨脹：灰度形態(tài)學(xué) T(i,j)可取以外的值 腐蝕： 膨脹： : 刪兩邊 刪右上圖51 剝?nèi)ヒ粚樱ㄆぃ?:補(bǔ)兩邊 補(bǔ)左下圖52 添上一層（漆） ：：(HitMiss Transform:擊中——擊不中變換)條件嚴(yán)格的模板匹配 模板由兩部分組成。圖53 擊不中變換示意圖性質(zhì)：（1）時，（2） (1)細(xì)化（Thin）去掉滿足匹配條件的點。180176。）共8種情況 適于細(xì)化的結(jié)構(gòu)元素 (2)粗化（Thick）用時，故要選擇合適的結(jié)構(gòu)元素，如,對偶性：（驗證一下）where when 7. Morphology小結(jié)（對象）和結(jié)構(gòu)元素的相互作用，得到更本質(zhì)的形態(tài)（shape）(1) 圖像濾波(2) 平滑區(qū)域的邊界(3) 將一定形狀施加于區(qū)域邊界(4) 描述和定義圖像的各種幾何參數(shù)和特征（區(qū)域數(shù)、面積、周長、連通度、顆粒度、骨架、邊界）區(qū)域或邊界變?yōu)?個象素的寬度，但它不破壞連通性四方向細(xì)化算法：邏輯運算（可刪除條件）形態(tài)運算是否可用于細(xì)化？(1)腐蝕：收縮（去掉邊緣的點）何時結(jié)束？能否保證連通性？(2)開：去毛刺，能否細(xì)化（去掉尺寸小于結(jié)構(gòu)元素的塊）3．實驗內(nèi)容與要求，實現(xiàn)去除圖像中的噪聲。，實現(xiàn)去除圖57中的矩形區(qū)域外的噪聲，并填充矩形區(qū)域內(nèi)部了。程序設(shè)計如下：I=imread(39。)。se = strel(39。,2)。subplot(131),imshow(I)subplot(132),imshow(J)subplot(133), imshow(K)，實現(xiàn)將圖56轉(zhuǎn)化為二值圖像，并計算圖中雞塊中骨頭的比重。39。J=im2bw(I)。a=size(J)。s=s1*s2k=total1/s計算結(jié)果為：K為比重。I=imread(39。)。diamond39。J=imerode(I,se)。diamond39。K=imdilate(J,se)。!dir 可以查看當(dāng)前工作目錄的文件。 可以在dos狀態(tài)下查看。功能鍵：功能鍵 快捷鍵 說明方向上鍵 Ctrl+P 返回前一行輸入方向下鍵 Ctrl+N 返回下一行輸入方向左鍵 Ctrl+B 光標(biāo)向后移一個字符方向右鍵 Ctrl+F 光標(biāo)向前移一個字符Ctrl+方向右鍵 Ctrl+R 光標(biāo)向右移一個字符Ctrl+方向左鍵 Ctrl+L 光標(biāo)向左移一個字符home Ctrl+A 光標(biāo)移到行首End Ctrl+E 光標(biāo)移到行尾Esc Ctrl+U 清除一行Del Ctrl+D 清除光標(biāo)所在的字符Backspace Ctrl+H 刪除光標(biāo)前一個字符 Ctrl+K 刪除到行尾 Ctrl+C 中斷正在執(zhí)行的命令clc可以命令窗口顯示的內(nèi)容，但并不清除工作空間。常用函數(shù)表：sin( ) 正弦（變量為弧度） Cot( ) 余切（變量為弧度）sind( ) 正弦（變量為度數(shù)） Cotd( ) 余切（變量為度數(shù)）asin( ) 反正弦（返回弧度） acot( ) 反余切（返回弧度） Asind( ) 反正弦（返回度數(shù)） acotd( ) 反余切（返回度數(shù)） cos( ) 余弦（變量為弧度） exp( ) 指數(shù) cosd( ) 余弦（變量為度數(shù)） log( ) 對數(shù) acos( ) 余正弦（返回弧度） log10( ) 以10為底對數(shù)acosd( ) 余正弦（返回度數(shù)） sqrt( ) 開方 tan( ) 正切（變量為弧度） realsqrt( ) 返回非負(fù)根tand( ) 正切（變量為度數(shù)） abs( ) 取絕對值 atan( ) 反正切（返回弧度） angle( ) 返回復(fù)數(shù)的相位角atand( ) 反正切（返回度數(shù)） mod(x,y) 返回x/y的余數(shù) sum( ) 向量元素求和其余函數(shù)可以用help elfun和help specfun命令獲得。構(gòu)造矩陣的方法：可以直接用[ ]來輸入數(shù)組，也可以用以下提供的函數(shù)來生成矩陣。B]，垂直聚合矩陣, 還可以用cat(2,A,B)repmat(M,v,h) 將矩陣M在垂直方向上聚合v次，在水平方向上聚合h次blkdiag（A，B） 以A，和B為塊創(chuàng)建塊對角矩陣length 返回矩陣最長維的的長度ndims 返回維數(shù)numel 返回矩陣元素個數(shù)size 返回每一維的長度，[rows,cols]=size(A)reshape 重塑矩陣，reshape(A,2,6),將A變?yōu)?6的矩陣，按列排列。XA=B的解可以用X= A/B求。如果mn，超定系統(tǒng)，至少找到一組解。（3）QR（正交）分解是將一矩陣表示為一正交矩陣和一上三角矩陣之積，A＝QR[Q,R]=chol(A), X=Q\(U\b)（4）cholesky分解類似。[V,D]=eig(A),還返回特征向量矩陣。多項式Matlab里面的多項式是以向量來表示的，其具體操作函數(shù)如下：conv 多項式的乘法deconv 多項式的除法，【a，b】＝deconv（s），返回商和余數(shù)poly 求多項式的系數(shù)（由已知根求多項式的系數(shù)）polyeig 求多項式的特征值Polyfit（x，y，n） 多項式的曲線擬合，x，y為被擬合的向量，n為擬合多項式階數(shù)。polyint 多項式的積分polyval 求多項式的值polyvalm 以矩陣為變量求多項式的值residue 部分分式展開式roots 求多項式的根（返回所有根組成的向量）注：用ploy（A）求出矩陣的特征多項式，然后再求其根，即為矩陣的特征值。mkpp 使用分段多項式spline 三次樣條插值pchip 分段hermit插值函數(shù)最值的求解fminbnd（‘f’，x1，x2，optiset（,））求f在 x1和x2之間的最小值。fmin