【正文】 加法操作： c=imadd(a,b)。如截圖第一張為原圖，第二張為亮度加50，第三張為亮度減50 2．圖像的減法運算在MATLAB中，使用imsubtract函數(shù)可以將一幅圖像從另一幅圖像中減去，或者從一幅圖像中減去一個常數(shù)。imsubtract函數(shù)的調(diào)用格式如下：Z = imsubtract(X,Y)； 讀入一幅畫后通過減法 a3=imsubtract(a,50)。immultiply函數(shù)將兩幅圖像相應(yīng)的像素值進行元素對元素的乘法操作（MATLAB點乘），并將乘法的運算結(jié)果作為輸出圖形相應(yīng)的像素值。39。 b=immultiply(a,)。imdivide函數(shù)對兩幅輸入圖像的所有相應(yīng)像素執(zhí)行元素對元素的除法操作（點除），并將得到的結(jié)果作為輸出圖像的相應(yīng)像素值。實驗三 圖像增強—空域濾波一、實驗?zāi)康倪M一步了解MatLab軟件/語言，學(xué)會使用MatLab對圖像作濾波處理，使學(xué)生有機會掌握濾波算法，體會濾波效果。二、實驗設(shè)備與軟件(1)IBMPC計算機系統(tǒng)(2)MatLab軟件/語言包括圖像處理工具箱(Image Processing Toolbox)(3)實驗所需要的圖片三、實驗內(nèi)容與步驟a)調(diào)入并顯示原始圖像“”。39。b)利用imnoise命令在圖像“”上加入高斯(gaussian)噪聲J = imnoise(I,39。,)。average39。%產(chǎn)生33的均值模版 ave2=fspecial(39。,5)。%均值濾波33 L = filter2(ave2,J)/255。M = medfilt2(J,[3 3])。%中值濾波44模板f） 上加入椒鹽噪聲(salt amp。saltamp。,)。椒鹽噪聲往往由圖像切割引起，去除脈沖干擾及椒鹽噪聲最常用的算法是中值濾波。鹽=白色，椒=黑色。一般兩種噪聲同時出現(xiàn)，呈現(xiàn)在圖像上就是黑白雜點。中值濾波對于濾除圖像的椒鹽噪聲非常有效。使學(xué)生通過實驗體會一些主要的分割算子對圖像處理的效果，以及各種因素對分割效果的影響。能夠掌握分割條件(閾值等)的選擇。三、實驗內(nèi)容與步驟(1)使用Roberts 算子的圖像分割實驗，,截圖如下(2)使用Prewitt 算子的圖像分割實驗 截圖如下(3)使用Sobel 算子的圖像分割實驗(4)使用LoG(拉普拉斯高斯)算子的圖像分割實驗四、實驗結(jié)果對Roberts算子、Prewitt 算子、Sobel 算子、LoG(拉普拉斯高斯)算子的運算對圖像的結(jié)果有了基本的認識，加深學(xué)習(xí)效果。實驗要求利用MatLab工具箱中關(guān)于數(shù)學(xué)形態(tài)學(xué)運算的函數(shù)，計算本指導(dǎo)書中指定二值圖像進行處理。%二值化 ；“”進行腐蝕運算； BW2 = imerode(bw,SE1)。%膨脹 “”進行開運算；BW3 = bwmorph(bw, 39。)。close39。%閉運算 ；五、實驗總結(jié)通過本次實驗，學(xué)習(xí)了常見的數(shù)學(xué)形態(tài)學(xué)運算基本方法，了解腐蝕、膨脹、開運算、閉運算取得的效果，培養(yǎng)處理實際圖像的能力，通過自己動手的實驗，對課本上的知識有了更加深刻的理解。鞏固圖像空間分辨率和灰度級分辨率、鄰域等重要概念。二、實驗內(nèi)容讀取一幅彩色圖像，將該彩色圖像轉(zhuǎn)化為灰度圖像，再將灰度圖像轉(zhuǎn)化為索引圖像并顯示所有圖像。三、實驗原理圖像讀、寫、顯示 I=imread(‘’)Imview(I)Imshow(I)Imwrite(I,’’)圖像類型轉(zhuǎn)換I=mat2gray(A,[amin,amax])。[x,map]=gray2ind(I,n)。索引圖像轉(zhuǎn)化為灰度圖像 I=grb2gray(RGB)。真彩色圖像轉(zhuǎn)化為索引圖像 RGB=ind2rgb(x,map)。將灰度圖像轉(zhuǎn)化為二值圖像,level 取值在[0,1]之間BW=im2bw(x,map,level)。將真彩色圖像轉(zhuǎn)化為二值圖像,level 取值在[0,1]之間四、實驗代碼及結(jié)果in=imread(39。)。[x,map]=gray2ind(i,128)。39。i=imresize(i,[256,256])。[m1,n1]=size(i)i2=i1(1:2:end,1:2:end)。[m3,n3]=size(i3)subplot(221),imshow(i),xlabel(39。)subplot(222),imshow(i1),xlabel(39。)subplot(223),imshow(i2),xlabel(39。)subplot(224),imshow(i3),xlabel(39。)256 x 25664 x 64128 x 12832 x 32實驗二圖像的幾何變換一、實驗?zāi)康恼莆請D像的基本幾何變換的方法圖像的平移圖像的旋轉(zhuǎn)二、實驗內(nèi)容練習(xí)用matalb命令實現(xiàn)圖像的平移、旋轉(zhuǎn)操作.編寫實現(xiàn)圖像平移的函數(shù)用imread命令從你的硬盤讀取一幅256256灰度圖。再開辟一個窗口，分別用最近鄰插值法、雙線性插值法實現(xiàn)圖像順勢針旋轉(zhuǎn)50176。x39。233。233。 234。y01y0234。234。234。234。 236。=x+x0即：237。y39。%編寫實現(xiàn)圖像平移的函數(shù)hmove，平移量為 [r,c]=size(i)。%平移后圖像矩陣為I for x=1:r。x1=x+x0。I(x1,y1)=i(x,y)。end。imagesc(gray1),colormap(gray)。subimage(gray1),axis(39。)。顯示圖像的傅立葉頻譜 l a=0:800。l %[x,y]=meshgrid([20::20],[20::20])。l i=imread(39。)。l subplot(1,2,1),subimage([0,800],[0,600],i)。l s=fft2(I,601,801)。％圖像的傅立葉幅度頻譜以三維圖形顯示 l colormap(hsv)。鞏固灰度變換、直方圖修正、圖像算術(shù)和邏輯運算等基礎(chǔ)知識。二、實驗內(nèi)容用函數(shù)implement 取反。 的直方圖，并和imhist 函數(shù)生成的直方圖作比較?？沼蛱幚砜梢员硎緸椋篻(x, y)=T[ f(x, y)]j=implement(i)。顯示圖像的直方圖 histeq()。給圖像加噪聲 bitand()。圖像位或運算四、實驗代碼與結(jié)果i=imread(39。)。subplot(121),imshow(i)subplot(122),imshow(j)clear,close all,clc in1=imread(39。)。g0=0。g1=60。g2=220。g3=255。f39。g39。intensity transformation39。b1=g0r1*f0。b2=g1r2*f1。b3=g2r3*f2。in2=double(in1)。g(i,j)=0。(f=f1)amp。(fclc,clear,close all in=imread(39。)。num=zeros(1,256)。% p 是每個灰度級出現(xiàn)的概率 for i=1:m for j=1:n num(1,in(i,j)+1)=num(1,in(i,j)+1)+1。subplot(121),plot(x,p),axis([1 256 0 ])subplot(122),imhist(in)實驗四 圖像空域變換增強（2）一、實驗?zāi)康恼莆罩狈綀D均衡化算法。熟練掌握空域變換增強的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。 作邏輯與和邏輯或運算。對圖像取反 imhist()。直方圖均衡化函數(shù)imnoise(I,type,parameters)。圖像位與運算 bitor()。close all。tu=imread(39。)。% 轉(zhuǎn)換為灰度圖像N=zeros(1,256)。% P 為原始成圖像直方圖q=zeros(1,256)。% newN 為新生成圖像各灰度級像素個數(shù) newP=zeros(1,256)。% newq 為新生成圖像直方圖累積分布函數(shù) [h w]=size(tu)。% 計算原始圖像各灰度級像素個數(shù) for x=1:h for y=1:w N(1,tu(x,y))=N(1,tu(x,y))+1。% 計算原始直方圖 P % 計算原始累積分布直方圖 q(1,1)=P(1,1)。end % 計算原始直方圖對應(yīng)的新的灰度 t ,建立映射關(guān)系 for i=1:256 t(1,i)=floor(254*q(1,i)+1+)。end end % 統(tǒng)計新生成圖像各灰度級像素個數(shù) for x=1:h for y=1:w newN(1,new_tu(x,y))=newN(1,new_tu(x,y))+1。% 計算新的灰度直方圖 newP % 計算新生成圖像累積分布直方圖 newq(1,1)=newP(1,1)。end % 顯示信息subplot(231),imshow(tu)subplot(232),plot(P),axis([1 256 0 ])subplot(233),plot(q),axis([1 256 0 1])subplot(234),imshow(new_tu,[])subplot(235),plot(newP),axis([1 256 0 ])subplot(236),plot(newq),axis([1 256 01])clc,clear,close all in=imread(39。)。[m,n]=size(in)。out1=ones(m,n)*255。chu1=zeros(m,n)。for i=1:m for j=1:n out2(i,j)=bitor(in(i,j),out1(i,j))。end end in=uint8(in)。out2=uint8(out2)。chu2=uint8(chu2)。鞏固卷積定理、濾波處理等基礎(chǔ)知識。二、實驗內(nèi)容 進行濾波除噪處理。用prewitt 進行銳化濾波處理。H=fspecial(type,parameters)。parameters 是與指定的濾波器有關(guān)的參數(shù)。用于進行二維線性數(shù)字濾波，使用矩陣B 中的二維濾波器對數(shù)據(jù)X進行濾波。Y=filter2(B,X,’shape’)。39。f=imnoise(in1,39。 pepper39。%f=imnoise(in1,39。,0,)%g 是標準均值濾波器的輸出圖像 g=biaozhunjunzhi(f,3)。(a)原始圖像39。(b)加噪圖像39。(c)標準均值濾波圖像39。%f1 是對邊緣像素補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。%取出窗口內(nèi)的像素值并作標準均值濾波處理 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 %hsum 表示窗口內(nèi)所有像素值的和 hsum=0。end ga(i,j)=round(hsum/(k^2))。clc,clear in1=imread(39。)。salt amp。,)。gaussian39。subplot(131),imshow(in1)%,xlabel(39。)subplot(132),imshow(f)%,xlabel(39。)subplot(133),imshow(g)%,xlabel(39。)function g=biaozhunzhongzhi(f,k)[m,n]=size(f)。[m1,n1]=size(f1)。%注意這條指令絕對不能少 ga=f。x=1。x=x+1。ga(i,j)=a((k^2+1)/2)。clc,clear,close all f=imread(39。)。g=f。0 0 0。h2=[1 0 1。1 0 1]。x2=h2。sum2=0。for p=1:1:3 for q=1:1:3 x1(p,q)=f(i+(p2),j+(q2))。sum1=sum1+x1(p,q)*h1(p,q)。sum=sum1+sum2。鞏固卷積定理、濾波處理等基礎(chǔ)知識。二、實驗內(nèi)容 進行退化和復(fù)原仿真，采用逆濾波的方法復(fù)原。 進行空域濾波還原處理。close all。39。subplot(131),imshow(in),title(39。)f=fft2(in)。k1=。out(i,j)=f(i,j)*h(i,j)。outreal=uint8(real(out1))。大氣湍流退化圖39。%退化模型中的常數(shù)for i=1:N1 for j=1:N2 h(i,j)=exp((k2*(i^2+j^2))^(5/6))。end end chu1=ifft2(chu)。subplot(133),imshow(chureal),title(39。)%基于勻速直線運動造成的模糊圖像及其還原clear。clc in=imread(39。)。subplot(131),imshow(in),title(39。)f=fft2(in)。t=1。b=。for u=1:N1 for v=1:N2 fenzhi=cos(pi*(u*a+v*b))i*sin(pi*(u*a+v*b))。out(u,v)=f(u,v)*h(u,v)。outreal=uint8(real(out1))。勻速直線運動退化圖39。chu(u,v)=out(u,v)/h(u,v)。chureal=uint8(real(chu1))。勻速直線運動還原圖39。b=0。b=。39。f=imnoise(in,39。,0,)。subplot(131),imshow(in)subplot(132),imshow(f)subplot(133),imshow(g)%逆諧波函數(shù)function g=nixiebojunzhi(f,k)[m,n]=size(f)。%r 為逆諧波函數(shù)中的Q 值%f1 是對邊緣像素補0 后得到的圖像