数字图像处理实验报告.doc

数 字 图 像 处 理 实验报告实验1 离散图像的傅立叶变换1. 实验目的：1) 计算离散图像的傅立叶变换；2) 掌握图像的傅立叶频谱图及离散傅立叶变换性质。2. 实验原理： 二维傅立叶变换的Matlab实现，是利用图像处理软件对给出的图像进行傅立叶变换处理。在Matlab中，函数fft2表示二维傅立叶变换，函数ifft2则表示二维傅立叶反变换。3. 实验内容及步骤：(1)利用Matlab图像处理软件进行离散图像傅立叶变换，如给出一幅图像（w01.tif），其傅立叶变换程序如下：i=imread(w01.tif); %装入原始图像figure(1);imshow(i); %显示原始图像colorbar;j=fft2(i); %进行傅立叶变换k=fftshift(j);figure(2);l=log(abs(k);imshow( l , ); %显示傅立叶变换图像colorbar4. 实验结果：5. 分析图像的傅立叶频谱图；6. 自行设计一幅图像，验证离散傅立叶变换的性质，如：频谱图中高频分量迅速衰减，可分离性，平移，周期性与共轭对称性，旋转、线性和比例性，平均值。下图是X，Y平移后傅立叶图。a=zeros(1000); %设计一幅图像for i=400:1:600; for j=450:1:550; a(j,i)=1; endendfigure(1)subplot(3,2,1);imshow(a);b=fft2(a); %对图像进行傅里叶变换 k=fftshift(b);l=log(abs(k);subplot(3,2,2);imshow( l , ); c=zeros(1000); %对图像进行X方向平移for i=700:1:900; for j=450:1:550; c(j,i)=1; endend subplot(3,2,3);imshow(c); d=fft2(c); %对图像进行傅里叶变换m=fftshift(d);l=log(abs(m);subplot(3,2,4);imshow( l , ); e=zeros(1000); %对图像进行Y方向平移for i=400:1:600; for j=750:1:850; e(j,i)=1; endendsubplot(3,2,5);imshow(e);f=fft2(e); k=fftshift(f);l=log(abs(k);subplot(3,2,6);imshow( l , ); 7. 实验结果：8. 思考题：描述空间频率的概念： 答： 以空间频率(即波数)为自变量描述图像的特征,可以将一幅图像元值在空间上的变化分解为具有不同振幅、空间频率和相位的简振函数的线性叠加,图像中各种空间频率成分的组成和分布称为空间频谱。这种对图像的空间频率特征进行分解、处理和分析称为空间频率域处理或波数域处理。和时间域与频率域可互相转换相似,空间域与空间频率域也可互相转换。实验2 修改直方图图像增强1. 实验目的： （1）掌握图像的直方图，图像的对比度；（2）掌握图像的直方图均衡化增强。2. 实验原理： 图像增强的Matlab实现，是利用图像处理软件对给出的图像进行处理。在Matlab中，imhist( )函数计算并产生图像的直方图，imadjust( )函数可以实现图像线性变换对比度增强；histeq( )函数是计算图像的直方图均化的函数。 3. 实验内容及步骤：(1) 读入一幅图像，使用imhist( )函数产生图像的直方图，分析它的直方图分布及反映图像的特点；(2) 读入一幅图像，使用imadjust( )函数产生图像的对比度图，并使用imhist( )函数产生两个图像的直方图，分析图像对比度变化后的效果；(3) 读入一幅图像，使用histeq ( )函数均衡化图像，分析变化后图像的效果。4. 实验报告： 整理程序、数据，分析实验结果。（1） imhist()函数： 程序: clc;clear all;close all;a=imread(w01.tif);figure(1);imshow(a);colorbar;imhist(a);结果如图：w01.tif的直方图 1 分析发现直方图所反映的灰度分布在50左右处量最大，对应0.2左右点。与图像中黑色头发部分对应。（2） imajust()函数：histeq ( )函数： 程序：a=imread(w01.tif);figure(1);subplot(3,2,1);imshow(a);title(原图);subplot(3,2,2);imhist(a);title(直方图); subplot(3,2,3);b=imadjust(a);imshow(b); title(imjust后)subplot(3,2,4);imhist(b); title(直方图) c=histeq(a);subplot(3,2,5);imshow(c); title(histep后)subplot(3,2,6);imhist(c); title(直方图)结果如下：分析对比度直方图知对比度图像在灰度分布上更趋于两极。5. 思考题： 如何对图像进行对数变换。答：使用如下log变换函数可以实现 oldpic=double(oldpic);newpic=log(1+oldpic);实验3 图像的平滑处理1 实验目的： （1）掌握图像加入噪声的方法； （2）掌握图像的线性滤波；（3）掌握图像的中值滤波。2 实验原理： 图像平滑处理的Matlab实现，是利用图像处理软件对给出的图像加入给定的噪声并进行滤波处理。在Matlab中，imnoise( )函数是模拟噪声生成函数，线性滤波是产生一个滤波模板，如：h=1,1,1;1,1,1;1,1,1，并对模板归一化处理，用conv2( )二维卷积函数对图像滤波；medfilt2( ) 函数是用于中值滤波。 3 实验内容及步骤：1) 读入一幅图像，使用imnoise( )函数产生图像噪声如j=imnoise(i,gaussian,0,0.02)，产生高斯噪声；分析它的直方图分布及反映图像的特点；2) 对加入噪声的图像使用线性滤波，分析图像前后变化；3) 对加入噪声的图像使用中值滤波，分析图像前后变化。4实验报告： 整理程序、数据，分析实验结果。（1） 高斯噪声： 程序：clc;clear all;close all;I=imread(w01.tif);figure(1);A=imnoise(I,gaussian,0,0.02);subplot(2,2,1);imshow(A);title(高斯噪声图像);subplot(2,2,2);imhist(A);axis on;title(对比度直方图);实验结果如下图： 分析可知，直方图分布明显趋于平缓化，明显突出点消失，反映出加入噪声后的图像灰度值分布相对均匀的特点。（2） 线性滤波：程序：clc;clear all;close all;I=imread(w01.tif);figure(1);A=imnoise(I,gaussian,0,0.02);imshow(A);title(高斯噪声图像);j=filter2(fspecial(average,3),A)/255;figure(2);imshow(j);axis on;title(线性滤波);实验结果如下图 观察可知滤波后效果较明显，图像明显变得更加平滑。（3） 中值滤波：程序：clc;clear all;close all;I=imread(D:1w01.tif);figure(1);A=imnoise(I,gaussian,0,0.02);imshow(A);title(高斯噪声图像);j=medfilt2(A);figure（2）；imshow(j);axis on;title(中值滤波);实验现象如下图所示： 分析知中值滤波后图像也变得平滑一些，但与未加噪声的原图相比明显变模糊。5 思考题：图像自适应滤波方法。答：以最小均方误差为准则设计的自适应滤波器可实现图像自适应滤波。实验4 图像的锐化处理1 实验目的： （1）掌握梯度算子对图像的锐化方法； （2）掌握拉氏算子对图像的锐化方法。2 实验原理： 在Matlab中，利用sobel算子对图像进行滤波，filter2( ) 函数是基于卷积的图像滤波函数，其格式为：b= filter2( )fspecial( )函数是用于创建预定义的滤波算子，其格式为：h=fspecial( )；3 实验内容及步骤：(1) 读入一幅图像，产生sobel算子，利用filter2( )函数产生锐化图像，如：h=fspecial(sobel); j= filter2(h,I);imshow(j);分析锐化后图像；(2) 读入一幅图像，产生拉普拉斯算子，产生锐化图像，如： i=imread(w01.tif)I=doubole(i);h=x,x,x;x,x,x;x,x,x j= conv2(I,h,same); k=I-j;imshow(k, );分析锐化后图像。4 实验报告： 整理程序、数据，分析实验结果。（1） sobel算子、拉普拉斯算子 程序：i=imread(w01.tif);figure(1);imshow(i,);h=fspecial(sobel);j=filter2(h,i);figure(3);imshow(j,);title(sobel算子); I=double(i);%h=x,x,x;x,x,x;x,x,xh1=fspecial(laplacian)m=conv2(I,h1,same);k=I-m;figure(4); imshow(k,);title(拉普拉斯算子 );实验结果如图：原图 1分析知sobel算子锐化后产生了较好的边缘效果,但也存在一些问题:检测出了一些伪边缘,使得边缘比较粗,降低了检测定位精度已知拉普拉斯算子能对