【正文】 步使用也有了更加深刻的認(rèn)識(shí)。了解幾種不同濾波方式的使用和使用的場(chǎng)合，培養(yǎng)處理實(shí)際圖像的能力，并為課堂教學(xué)提供配套的實(shí)踐機(jī)會(huì)。I=imread(39。)。gauss39。%添加高斯噪聲 c)利用預(yù)定義函數(shù)fspecial命令產(chǎn)生平均(average)濾波器 d）分別采用3x3和5x5的模板，分別用平均濾波器以及中值濾波器，對(duì)加入噪聲的圖像進(jìn)行處理并觀察不同噪聲水平下，上述濾波器處理的結(jié)果；ave1=fspecial(39。,3)。average39。%產(chǎn)生55的均值模版 K = filter2(ave1,J)/255。%均值濾波55 e）選擇不同大小的模板，對(duì)加入某一固定噪聲水平噪聲的圖像進(jìn)行處理，觀察上述濾波器處理的結(jié)果。%中值濾波33模板 N = medfilt2(J,[4 4])。 pepper)J = imnoise(I,39。 pepper39。%添加椒鹽噪聲四、實(shí)驗(yàn)總結(jié)椒鹽噪聲是由圖像傳感器，傳輸信道，解碼處理等產(chǎn)生的黑白相間的亮暗點(diǎn)噪聲。椒鹽噪聲是指兩種噪聲，一種是鹽噪聲，另一種是胡椒噪聲。前者是高灰度噪聲，后者屬于低灰度噪聲。這點(diǎn)我們通過實(shí)驗(yàn)結(jié)果可以明顯看到。實(shí)驗(yàn)四圖像分割一、實(shí)驗(yàn)?zāi)康氖褂肕atLab 軟件進(jìn)行圖像的分割。二、實(shí)驗(yàn)要求要求學(xué)生能夠自行評(píng)價(jià)各主要算子在無噪聲條件下和噪聲條件下的分割性能。完成規(guī)定圖像的處理并要求正確評(píng)價(jià)處理結(jié)果，能夠從理論上作出合理的解釋。實(shí)驗(yàn)五 形態(tài)學(xué)運(yùn)算實(shí)驗(yàn)?zāi)康膶W(xué)習(xí)常見的數(shù)學(xué)形態(tài)學(xué)運(yùn)算基本方法，了解腐蝕、膨脹、開運(yùn)算、閉運(yùn)算取得的效果，培養(yǎng)處理實(shí)際圖像的能力，并為課堂教學(xué)提供配套的實(shí)踐機(jī)會(huì)。實(shí)驗(yàn)設(shè)備與軟件(Image Processing Toolbox)實(shí)驗(yàn)內(nèi)容與步驟“”； “”；，得到二值化圖像“”； bw = im2bw(I,level)。%腐蝕 “”進(jìn)行膨脹運(yùn)算； BW1 = imdilate(bw,SE)。open39。%開運(yùn)算 “”進(jìn)行閉運(yùn)算； BW4 = bwmorph(bw, 39。)。第五篇：數(shù)字圖像處理實(shí)驗(yàn)報(bào)告實(shí)驗(yàn)一 數(shù)字圖像的獲取一、實(shí)驗(yàn)?zāi)康牧私鈭D像的實(shí)際獲取過程。熟練掌握?qǐng)D像讀、寫、顯示、類型轉(zhuǎn)換等 matlab 函數(shù)的用法。編程實(shí)現(xiàn)空間分辨率變化的效果。按指定的取值區(qū)間[amin,amax]將數(shù)據(jù)矩陣 A 轉(zhuǎn)化為灰度圖像 I，amin 對(duì)應(yīng)灰度 0，amax 對(duì)應(yīng) 1，也可以不指定該區(qū)間。按指定的灰度級(jí) n 將灰度圖像轉(zhuǎn)化為索引圖像,n 默認(rèn)為 64 I=ind2gray(x,map)。真彩色圖像轉(zhuǎn)化為灰度圖像[x,map]=rgb2ind(RGB)。索引圖像轉(zhuǎn)化為真彩色圖像BW=im2bw(I,level)。將索引圖像轉(zhuǎn)化為二值圖像,level 取值在[0,1]之間 BW=im2bw(RGB,level)。39。i=rgb2gray(in)。subplot(131),imshow(in)subplot(132),imshow(i)subplot(133),imshow(x),colormap(map)、%空間分辨率變化的效果clc,close all,clear i=imread(39。)。i1=i(1:2:end,1:2:end)。[m2,n2]=size(i2)i3=i2(1:2:end,1:2:end)。256 x 25639。128 x 12839。64 x 6439。32 x 3239。調(diào)用平移函數(shù)，將256256灰度圖平移100行200列，在同一個(gè)窗口中顯示平移前和平移后的圖像。顯示在同一窗口中，并比較兩種效果圖（在報(bào)告中）三、實(shí)驗(yàn)原理提示：圖片平移就是實(shí)現(xiàn)運(yùn)算233。249。10x0249。x249。39。234。234。 234。=234。y10011235。235。235。x39。238。=y+y0四、實(shí)驗(yàn)代碼及結(jié)果function [I]=hmove(i,x0,y0)。%x0,y0,平移前圖像矩陣為i，I(r+x0,c+y0)=0。for y=1:c。y1=y+y0。end。參考程序 subplot(2,2,1)imshow(RGB)subplot(2,2,3)gray1=rgb2gray(RGB)。subplot(2,2,2)I1=hmove(gray1,100,20)。image39。subplot(2,2,4),imagesc(I1),colormap(gray),axis([1,700],[1,820])。b=0:600。l [x,y]=meshgrid(a,b)。39。l I=rgb2gray(i)。l subplot(1,2,2)。l mesh(x,y,log(abs(s)))。實(shí)驗(yàn)三 圖像空域變換增強(qiáng)（1）一、實(shí)驗(yàn)?zāi)康恼莆罩狈綀D均衡化算法。熟練掌握空域變換增強(qiáng)的matlab 相關(guān)函數(shù)用法，并能利用算法自己編寫matlab 程序?qū)崿F(xiàn)圖像空域變換增強(qiáng)。 做線性灰度變換。三、實(shí)驗(yàn)原理在圖像處理中，空域是指由像素組成的空間，空域增強(qiáng)方法是指直接作用于像素的增強(qiáng)方法。對(duì)圖像取反 imhist()。直方圖均衡化函數(shù)imnoise(I,type,parameters)。圖像位與運(yùn)算 bitor()。39。j=implement(i)。39。f0=0。f1=100。f2=150。f3=255。figure,plot([f0,f1,f2,f3],[g0,g1,g2,g3])axis tight,xlabel(39。),ylabel(39。)title(39。)r1=(g1g0)/(f1f0)。r2=(g2g1)/(f2f1)。r3=(g3g2)/(f3f2)。[m,n]=size(in1)。for i=1:m for j=1:n f=in2(i,j)。if(f=0)amp。(f=f2)amp。39。[m,n]=size(in)。% num 是每個(gè)灰度級(jí)對(duì)應(yīng)的像素個(gè)數(shù) p=zeros(1,256)。% 統(tǒng)計(jì)個(gè)數(shù) end end p=num./(m*n)% 求概率 x=1:256。鞏固灰度變換、直方圖修正、圖像算術(shù)和邏輯運(yùn)算等基礎(chǔ)知識(shí)。實(shí)現(xiàn)頻域線性變換，非線性變換增強(qiáng)二、實(shí)驗(yàn)內(nèi)容 進(jìn)行增強(qiáng)運(yùn)算。三、實(shí)驗(yàn)原理j=implement(i)。顯示圖像的直方圖 histeq()。給圖像加噪聲 bitand()。圖像位或運(yùn)算四、實(shí)驗(yàn)代碼與結(jié)果clear。clc。39。% 輸入圖像%tu=rgb2gray(tu)。% N 為原始圖像各灰度級(jí)像素個(gè)數(shù) P=zeros(1,256)。% q 為原始圖像直方圖累積分布函數(shù)newN=zeros(1,256)。% newP 為新生成圖像直方圖newq=zeros(1,256)。new_tu=zeros(h,w)。end end P=N./sum(N)。for i=2:256 q(1,i)=q(1,i1)+P(1,i)。end % 計(jì)算直方圖均衡化后的新圖 new_tu for x=1:h for y=1:w new_tu(x,y)=t(1,tu(x,y))。end end newP=newN./(h*w)。for i=2:256 newq(1,i)=newq(1,i1)+newP(1,i)。39。in=rgb2gray(in)。in=double(in)。out1(20:150,30:170)=0。chu1(20:150,30:170)=255。chu2(i,j)=bitand(in(i,j),chu1(i,j))。out1=uint8(out1)。chu1=uint8(chu1)。subplot(231),imshow(in)subplot(232),imshow(out1)subplot(233),imshow(out2)subplot(234),imshow(chu1)subplot(235),imshow(chu2)實(shí)驗(yàn)五 圖像濾波增強(qiáng)一、實(shí)驗(yàn)?zāi)康恼莆崭鞣N空域和頻域圖像濾波增強(qiáng)算法已經(jīng)模板運(yùn)算的基本方法。熟練掌握空域和頻域?yàn)V波增強(qiáng)的matlab 相關(guān)函數(shù)用法。、 進(jìn)行濾波除噪處理。三、實(shí)驗(yàn)原理H=fspecial(type)。用于創(chuàng)建一個(gè)指定的濾波器模板，type 指濾波器的類型。Y=filter2(B,X)。結(jié)果Y 是通過二維互相關(guān)計(jì)算出來的，大小與X 一樣。結(jié)果Y 的大小由參數(shù)shape確定，shape的取值如下： Full：返回二維戶相關(guān)的全部結(jié)果，size(Y)size(X)Same：返回二維戶相關(guān)結(jié)果的中間部分，Y 的大小與X 相同 Valid：返回二維戶相關(guān)未使用邊緣補(bǔ)0 的部分，size(Y)四、實(shí)驗(yàn)代碼與結(jié)果clc,clearin1=imread(39。)。salt amp。,)。gaussian39。subplot(221),imshow(in1)%,xlabel(39。)subplot(222),imshow(f)%,xlabel(39。)subplot(223),imshow(g)%,xlabel(39。)function g=biaozhunjunzhi(f,k)[m,n]=size(f)。[m1,n1]=size(f1)。%注意這條指令絕對(duì)不能少 ga=f。x=1。x=x+1。for h=1:(k^2)hsum=hsum+a(h)。end end %ga 的大小和f1 的大小一致所以必須取出中間部分像素值作為輸出 g=ga((1+(k1)/2):(m1(k1)/2),(1+(k1)/2):(n1(k1)/2))。39。f=imnoise(in1,39。 pepper39。%f=imnoise(in1,39。,0,)%g 是標(biāo)準(zhǔn)中值濾波器的輸出圖像 g=biaozhunzhongzhi(f,3)。(a)原始圖像39。(b)加噪圖像39。(c)標(biāo)準(zhǔn)均值濾波圖像39。%f1 是對(duì)邊緣像素補(bǔ)0 后得到的圖像f1=zeros(m+(k1),n+(k1))。%f1 的邊緣像素值為0中間的像素值依然為f f1((1+(k1)/2):(m1(k1)/2),(1+(k1)/2):(n1(k1)/2))=f。for i=(k+1)/2:(m1(k1)/2)for j=(k+1)/2:(n1(k1)/2)a=0。for p=1:k for q=1:k a(x)=f1(i+(p(k+1)/2),j+(q(k+1)/2))。end end a=sort(a)。end end %ga 的大小和f1 的大小一致所以必須取出中間部分像素值作為輸出 g=ga((1+(k1)/2):(m1(k1)/2),(1+(k1)/2):(n1(k1)/2))。39。[m,n]=size(f)。h1=[111。1 1 1]。1 0 1。x1=h1。for i=2:1:m1 for j=2:1:n1 sum1=0。sum=0。x2(p,q)=f(i+(p2),j+(q2))。sum2=sum2+x2(p,q)*h2(p,q)。end end if sum實(shí)驗(yàn)六 圖像復(fù)原一、實(shí)驗(yàn)?zāi)康恼莆崭鞣N空域和頻域圖像濾波增強(qiáng)算法已經(jīng)模板運(yùn)算的基本方法。熟練掌握空域和頻域?yàn)V波增強(qiáng)的matlab 相關(guān)函數(shù)用法并能利用算法自己編寫matlab程序?qū)崿F(xiàn)圖像空域變換增強(qiáng)。 進(jìn)行退化和復(fù)原仿真，采用逆濾波的方法復(fù)原。三、實(shí)驗(yàn)原理Psf=fspecial(type,parameters)；返回指定濾波器的單位沖擊響應(yīng) Imfilter(c,psf,’circular’,’conv’)；根據(jù)psf 對(duì)圖像進(jìn)行濾波處理 Fr=deconvwnr(g,psf,ncorr,icorr)；對(duì)圖像進(jìn)行維納濾波處理Fr=deconvreg(g,psf,noisepower,range)；對(duì)圖像進(jìn)行最小二乘方濾波處理Tform=maketform(transform_type,transform_parameters)；對(duì)圖像進(jìn)行幾何失真校正四、實(shí)驗(yàn)代碼與結(jié)果%基于大氣湍流造成的模糊圖像及其還原clear。clc in=imread(39。)。原始圖像39。[N1,N2]=size(f)。%退化模型中的常數(shù)%根據(jù)退化模型對(duì)輸入圖像進(jìn)行退化處理并輸出退化后的圖像 for i=1:N1 for j=1:N2 h(i,j)=exp((k1*(i^2+j^2))^(5/6))。end end out1=ifft2(out)。subplot(132),imshow(outreal),title(39。)%根據(jù)退化模型對(duì)已經(jīng)退化的圖像進(jìn)行恢復(fù)處理 k2=。chu(i,j)=out(i,j)/h(i,j)。chureal=uint8(real(chu1))。大氣湍流還原圖39。close all。39。%in=rgb2gray(in1)。原始圖像39。[N1,N2]=size(f)。a=。pi=。h(u,v)=t*sin(pi*(u*a+v*b))*fenzhi/(pi*(u*a+v*b))。end end out1=ifft2(out)。subplot(132),imshow(outreal),title(39。)for u=1:N1 for v=1:N2 h(u,v)=t*sin(pi*(u*a+v*b))*(cos(pi*(u*a+v*b))j*sin(pi*(u*a+v*b)))/(pi*(u*a+v*b))。end end chu1=ifft2(chu)。subplot(133),imshow(chureal),title(39。)a=。時(shí)的運(yùn)行結(jié)果：a=0。時(shí)的運(yùn)行結(jié)果：：%逆諧波均值濾波舉例clc,close all,clear in=imread(39。)。gaussian39。g=nixiebojunzhi(f,3)。r=2。[m1,n1]=size(f1)。%注意這條指令絕對(duì)不能少 ga=f。x=1。x=x+1。hsum2=0。hsum2=hsum2+a(h)^r。end end %ga 的大小和f1 的大小一致所以必須取出中間部分像素值作為輸出 g=ga((1+(k1)/2):(m1(k1)/2),(1+(k1)/2):