核辐射成像练习指导.doc

核辐射成像练习指导整理调试 张天奎审订指导 胡华四教授2010年12月22日图像处理与分析的关系框图编码数据数字图像特征数据符号压缩解压缩特征提取识别处理像素领域概念（1） 四领域44P44（2） 八领域8888P8888Matlab使用技巧（1） help命令（2） 图像处理工具箱（Image Processing）图像的读取、写入和显示例1 读取lena.jpg图像并显示，最后另存为lena.bmp（1）程序：% 读入图像I=imread(lena.jpg);% 显示图像figure,imshow(I);% 写出图像imwrite(I,lena.bmp);（2）效果：图像类型转换例2 将2.jpg真彩图像转换成灰度图像（1） 程序：% 读入图像RGB=imread(2.jpg);% 真彩图像转化成灰度图像GRAY=rgb2gray(RGB);% 显示图像figure,subplot(221),imshow(RGB);subplot(222),imshow(GRAY);（2） 效果图像傅里叶变换例3 将lena.jpg图像进行傅里叶变换，并显示其功率谱（1） 程序：% 读入原始图像I=imread(lena.jpg);imshow(I);% 求离散傅里叶频谱J=fftshift(fft2(I);%对原始图像进行二维傅里叶变换，并将其中心移到零点figure,imshow(log(abs(J),6 10);（2） 效果： Gamma校正 压缩低灰度，扩张高灰度（蓝色）； 压缩高灰度，扩张低灰度（红色）例4 gamma校正实验（1） 程序：I = imread(pout.tif);%pout.tif为matlab7自带图像J = imadjust(I);% 显示图像figure,subplot(121),imshow(I),title(I); subplot(122),imshow(J),title(J); % 灰度直方图figure,subplot(121),imhist(I); subplot(122),imhist(J);（2） 效果：对应的灰度直方图灰度直方图 灰度等级具有灰度等级的像素数目总的像素个数灰度直方图均衡化：使得变换后的灰度直方图呈均匀分布。例5 灰度直方图均衡化（1） 程序：I = imread(tire.tif);%tire.tif为matlab7自带图像J = histeq(I);% 显示图像figure,subplot(121),imshow(I),title(I); subplot(122),imshow(J),title(J); % 灰度直方图figure,subplot(121),imhist(I,64); axis square subplot(122),imhist(J,64); axis square（2） 效果：对应的灰度直方图图像增强算法（空域）滤波器目的负作用高通滤波器（锐化，Sharp）增强边缘放大噪声低通滤波器（平滑，Blur）消除噪声模糊边缘1. 均值平滑（线性平滑滤波器一种）3*3模板1/91/91/91/91/91/91/91/91/9例6 不同尺度均值滤波去除椒盐噪声（1） 程序：I=imread(eight.tif);J=imnoise(I,salt & pepper,0.02);%添加椒盐噪声figure,subplot(221),imshow(I)title(原图像);subplot(222),imshow(J)title(添加椒盐噪声图像);K1=filter2(fspecial(average,3),J);%应用3*3模板K1= mat2gray(K1);subplot(223),imshow(K1);title(3*3窗的领域均值滤波);K2=filter2(fspecial(average,7),J);%应用7*7模板K2= mat2gray(K2);subplot(224),imshow(K2);title(7*7窗的领域均值滤波);（2） 效果：2. 中值滤波器（非线性平滑滤波器的一种）先在领域里排序，然后挑中间的。可以有效的过滤椒盐噪声。例7 中值滤波去除椒盐噪声（1） 程序：I=imread(eight.tif);J=imnoise(I,salt & pepper,0.02);%添加椒盐噪声figure,subplot(121),imshow(J)title(添加椒盐噪声图像);K=medfilt2(J);%在默认3*3模板中进行中值滤波subplot(122),imshow(K);title(默认3*3模板中进行的中值滤波图像);（2） 效果：3. 线性锐化滤波器拉普拉斯算子3*3模板1414-204141例8 拉普拉斯算子锐化图像（1） 程序：I=imread(eight.tif);figure,subplot(121),imshow(I)title(原图像);%应用Laplacian 算子滤波锐化图像H=fspecial(laplacian);laplacianH=filter2(H,I);subplot(122),imshow(laplacianH)title(Laplacian 算子锐化图像);（2） 效果：图像重建成像与重建g(x,y)已知恢复系统退化系统原始图像f(x,y)未知成像环节f(x,y)的期望退化模型（线性空间不变）应用卷积定理维纳滤波图像重建 = 退化函数 = 的复共轭 = 噪声的功率谱 = 未退还图像的功率谱例9 维纳滤波应用于运动图像重建：生成一个仿真运动模糊的PSF（指定运动位移为31个像素点，运动角度为11）来模糊图像，采用维纳滤波重建。（1） 程序：I = imread(peppers.png); I = I(10+1:256,222+1:256,:); %裁剪图像figure,imshow(I)title(原图像);LEN = 31;THETA = 11;PSF = fspecial(motion,LEN,THETA);Blurred=imfilter(I,PSF,circular,conv);figure,imshow(Blurred);title(运动模糊图像);wnr1 = deconvwnr(Blurred,PSF);%维纳滤波重建figure,imshow(wnr1);title(经过维纳滤波重建图像);（2） 效果：边缘检测Sobel算子模板竖向121000-1 -2-1横向10-120-210-1例10 采用Sobel算子检测图像边缘（1） 程序：I=imread(rice.png);BW=edge(I,sobel);figure,subplot(121),imshow(I)title(原图像);%以自动阈值选择法对图像进行Sobel算子边缘检测subplot(122),imshow(BW)title(自动阈值的Sobel算子边缘检测);（2） 效果：形态学图像处理（膨胀与腐蚀）采用算子111111111例11 对二值图像进行腐蚀与膨胀运算（1） 程序：bw=imread(text.png);figure,imshow(bw)title(原图像);% 膨胀se=strel(square,3)%创建线性Strel对象bw2=imdilate(I,se);%膨胀图像figure,imshow(bw2),title(膨胀后的图像);% 腐蚀bw3=imerode(