计算机图像处理实验--张旭.docx

计算机图像处理实验学院：班级：姓名：学号：实验内容：1.应用MATLAB语言编写显示一幅灰度图像、二值图像、索引图像及彩色图像的程序，并进行相互之间的转换； 代码清单：X=imread(ps.bmp);I=rgb2gray(X);S,map=rgb2ind(X);B=im2bw(X);subplot(141);imshow(X);title(原始图像);subplot(142);imshow(I);title(灰度图像);subplot(143);imshow(S);title(索引图像);subplot(144);imshow(B);title(二值图像);实验结果截图：2.应用MATLAB工具箱演示一幅图像的傅里叶变换、离散余弦变换，观察其频谱图。然后将它们进行逆变换，观察逆变换后的图像；代码清单：X=imread(ps.bmp);X=rgb2gray(X);F=fftshift(fft2(X);subplot(131);imshow(X);title(原始图像);subplot(132);imshow(F);title(FFT变换);subplot(133);imshow(log(abs(F),);title(FFT变换频谱);实验结果截图：X=imread(ps.bmp);I=rgb2gray(X);D=dct2(I);subplot(141);imshow(X);title(原始图像);subplot(142);imshow(I);title(灰度图像);subplot(143);imshow(D);title(DCT变换图像);subplot(144);imshow(log(abs(D),);title(DCT变换频谱);实验结果截图：F1=ifft2(F);subplot(121);imshow(F);title(FFT变换图像);subplot(122);imshow(F1);title(FFT逆变换图像);实验结果截图：D1=idct2(D);subplot(121);imshow(D);title(DCT变换图像);subplot(122);imshow(D1,0 255);title(DCT逆变换图像);实验结果截图：3.应用MATLAB语言编程来实现一幅图像的增强。（1）取一幅灰度图像，对其进行线性点运算，即取（,）分别为（1.5，1.2）、（0.7，1.2），对原图像进行线性处理，观察处理后的结果，并分析直方图的变化。代码清单：subplot(121);imshow(I);title(原灰度图像);subplot(122);imhist(I);title(直方图);实验结果截图：当a=1.5 b=1.2时I1=1.5*I+1.2;subplot(121);imshow(I1);title(线性运算后图像);subplot(122);imhist(I1);title(直方图);实验结果截图：当a=0.7 b=1.2时I2=0.7*I+1.2;subplot(121);imshow(I2);title(线性运算后图像2);subplot(122);imhist(I2);title(直方图2);实验结果截图：（2）取一幅灰度图像，对其进行直方图均衡化处理，再对其进行规定化处理，并对结果进行分析。代码清单：I3=histeq(I);subplot(121);imshow(I3);title(直方图均衡化图像);subplot(122);imhist(I3);title(直方图);实验结果截图：m,n=size(I); for i=1:8:257 counts(i)=i; end I4=histeq(I,counts);subplot(121);imshow(I4);title(直方图规定化图像);subplot(122);imhist(I4);title(直方图);axis(0 260 0 1600)实验结果截图：思考题：如果将一幅图像进行一次直方图均衡化处理后，再进行一次直方图均衡化处理，结果会发生变化吗？观察两次均衡化的直方图是否一样。代码清单：I31=histeq(I3);subplot(121);imshow(I31);title(两次直方图均衡化图像);subplot(122);imhist(I31);title(直方图);实验结果截图：（3）取一幅灰度图像，加入噪声后对其进行平滑滤波（均值滤波、中值滤波），并观察不同滤波方式下的效果。代码清单：J=imnoise(I,salt & pepper,0.02);subplot(121);imshow(I);title(原灰度图像);subplot(122);imshow(J);title(添加椒盐噪声图像);实验结果截图：J=imnoise(I,salt & pepper,0.02);subplot(231);imshow(I);title(原灰度图像);subplot(232);imshow(J);title(添加椒盐噪声图像);k1=filter2(fspecial(average,3),J);subplot(233),imshow(uint8(k1);title(3*3模板均值滤波);k2=filter2(fspecial(average,5),J);subplot(234),imshow(uint8(k2);title(5*5模板均值滤波);k3=filter2(fspecial(average,7),J);subplot(235),imshow(uint8(k3);title(7*7模板均值滤波);k4=filter2(fspecial(average,9),J);subplot(236),imshow(uint8(k4);title(9*9模板均值滤波);实验结果截图：J=imnoise(I,salt & pepper,0.02);subplot(231);imshow(I);title(原灰度图像);subplot(232);imshow(J);title(添加椒盐噪声图像);k1=medfilt2(J);subplot(233),imshow(uint8(k1);title(3*3模板中值滤波);k2=medfilt2(J,5 5);subplot(234),imshow(uint8(k2);title(5*5模板中值滤波);k3=medfilt2(J,7 7);subplot(235),imshow(uint8(k3);title(7*7模板中值滤波);k4=medfilt2(J,9 9);subplot(236),imshow(uint8(k4);title(9*9模板中值滤波);实验结果截图：（4）取一幅灰度图像，采用不同的算子对其进行边缘锐化，并分析结果。代码清单：subplot(141);imshow(I,);title(原灰度图像);h1=fspecial(sobel); I1=filter2(h1,I);subplot(142);imshow(I1,);title(sobel算子);h2=fspecial(prewitt);I2=filter2(h2,I);subplot(143);imshow(I2,);title(prewitt算子);h3=fspecial(laplacian);I3=filter2(h3,I); subplot(144);imshow(I3,);title(laplacian算子);实验结果截图：思考题：为了达到边缘锐化的反差增强效果，实际应用中将高频增强和直方图均衡化结合起来使用，这两个操作的次序能互换吗？效果一样吗？答：不能次序互换。因为直方图均衡化是把原始图像的灰度直方图从某个灰度区间变成在全部灰度范围内的均匀分布，而将高频增强明显的意思是对图像进行高通滤波，所以如过两个处理次序互换的话会对不同频率成分产生影响，而使效果不一样，但都可增强反差4.对一幅灰度图像进行模糊处理，然后进行逆滤波、维纳滤波与约束最小二乘方滤波复原实验。代码清单：X=imread(ps.bmp);I=rgb2gray(X);len=30;theta=45;PSF=fspecial(motion,len,theta);MI=imfilter(I,PSF,circular,conv);subplot(121),imshow(I);title(原灰度图像);subplot(122),imshow(MI);title(模糊图像);实验结果截图：X=imread(ps.bmp);I=rgb2gray(X);len=30;theta=45;PSF=fspecial(motion,len,theta);MI=imfilter(I,PSF,circular,conv);subplot(231),imshow(I);title(原灰度图像);subplot(232),imshow(MI);title(模糊图像);noise=imnoise(zeros(size(I),gaussian,0,0.001);noise=uint8(noise);MIN=MI+noise;NSR=sum(noise(:).2)/sum(MIN(:).2);k1=deconvwnr(MI,PSF);k2=deconvwnr(MI,PSF,NSR);MIN=double(MIN);k3=deconvreg(MIN,PSF,4);subplot(234); imshow(k1);title(逆滤波恢复);subplot(235); imshow(k2);title(维纳滤波恢复);subplot(236); imshow(uint8(k3);title(最小二乘方滤波恢复);实验结果截图：5.应用MATLAB语言编写实现一幅图像的旋转、剪切和缩放；代码清单：I1=imrotate(I,-90);I2=imcrop(I,20 20 100 100);I3=imresize(I,0.7,nearest);I4=imresize(I,1.3,bilinear);subplot(231); imshow(I);title(原灰度图像);subplot(232); imshow(I1);title(旋转图像);subplot(233); subimage(I2);title(剪切图像);subplot(234); imshow(I3);title(缩小0.7图像);subplot(235); imshow(I4);title(放大1.3倍图像);实验结果截图：6.应用MATLAB语言编程来实现一幅图像的边缘检测。 代码清单：G1,t=e