四点平滑、八点平滑、中值滤波、直方图均匀化、线变换.doc

数字图像上机报告一、 实验内容：四点平滑、八点平滑、中值滤波、直方图均匀化、线性变换二、 实验目的：1、四点平滑、八点平滑：去除高斯噪声，使图像平滑，缺点是会使图像模糊，模糊程度与领域半径成正比丢失边沿。2、中值滤波：去除图像中的椒盐噪声，平滑图像，同样会使图像模糊，丢失边缘。三、 编程思想：1、四点平滑：f(i, j) 表示(i, j)点的实际灰度值g(i, j) 变换后输出图象(i, j)点的实际灰度值以(i, j)点为中心取其上下左右四个像素点的灰度值和点（i, j）取平均，将均值赋给g(i, j)作为输出灰度值。2、八点平滑：f(i, j) 表示(i, j)点的实际灰度值g(i, j) 变换后输出图象(i, j)点的实际灰度值 以(i, j)点为中心取一个NN的窗口(N = 3,5,7,八点滤波时N=3)，窗口内象素组成的点集以A来表示，经邻域平均法滤波后，平滑后g(i, j)的值为九个像素点的灰度值值和。3、中值滤波：取以(i, j)点为中心取一个NN的窗口(N = 3,5,7,)，对窗口内的所有像素点的像素值进行排序，去中值作为该点的输出灰度值。取合理的邻近像素值来替代噪声点，所以只适合于椒盐噪声的去除（去椒盐噪声比超限像素平均分更有效），不适合高斯噪声的去除。在滤除随机噪声时，中值滤波要比均值滤波效果弱。四、 代码及实现效果1、 四点平滑：代码：clearclose allh=imread(che.jpg); %读入彩色图片c=rgb2gray(h); %把彩色图片转化成灰度图片，256级figure,imshow(c),title(原始图象); %显示原始图象g=imnoise(c,gaussian,0.01,0.002); %加入高斯噪声figure,imshow(g),title(加入高斯噪声之后的图象); p=size(g); %输入图像是pq的,且pn,qnx1=double(g);x2=x1;for i=2:p(1)-2 for j=2:p(2)-2 %c=x1(i:i+(n-1),j:j+(n-1).*a; %取出x1中从(i,j)开始的n行n列元素与模板相乘 s=x1(i,j)+x1(i-1,j)+x1(i+1,j)+x1(i,j+1)+x1(i,j-1); %求c矩阵(即模板)中各元素之和 x2(i,j)=s/5; %将模板各元素的均值赋给模板中心位置的元素 endend%未被赋值的元素取原值d=uint8(x2);figure,imshow(d),title(滤波后); 2、 八点平滑：代码：clearclose allh=imread(che.jpg); %读入彩色图片c=rgb2gray(h); %把彩色图片转化成灰度图片，256级figure,imshow(c),title(原始图象); %显示原始图象g=imnoise(c,gaussian,0.01,0.002); %加入高斯噪声figure,imshow(g),title(加入高斯噪声之后的图象); n=input(请输入均值滤波器模板大小n);a(1:n,1:n)=1; %a即nn模板,元素全是1p=size(g); %输入图像是pq的,且pn,qnx1=double(g);x2=x1;for i=1:p(1)-n+1 for j=1:p(2)-n+1 c=x1(i:i+(n-1),j:j+(n-1).*a; %取出x1中从(i,j)开始的n行n列元素与模板相乘 s=sum(sum(c); %求c矩阵(即模板)中各元素之和 x2(i+(n-1)/2,j+(n-1)/2)=s/(n*n); %将模板各元素的均值赋给模板中心位置的元素 endendd=uint8(x2);figure,imshow(d),title(滤波后); 3、 中值滤波代码：clearclose allh=imread(che.jpg); %读入彩色图片c=rgb2gray(h); %把彩色图片转化成灰度图片，256级figure,imshow(c),title(原始图象); %显示原始图象g=imnoise(c,salt & pepper,0.04);%加椒盐噪声figure,imshow(g),title(加入高斯噪声之后的图象); n=input(请输入均值滤波器模板大小n);a(1:n,1:n)=1; %a即nn模板,元素全是1p=size(g); %输入图像是pq的,且pn,qnx1=double(g);x2=x1;for i=1:p(1)-n+1 for j=1:p(2)-n+1 c=x1(i:i+(n-1),j:j+(n-1); %取出x1中从(i,j)开始的n行n列元素,即模板(nn的) e=c(1,:); %是c矩阵的第一行 for u=2:n e=e,c(u,:); %将c矩阵变为一个行矩阵 end mm=median(e); %mm是中值 x2(i+(n-1)/2,j+(n-1)/2)=mm; %将模板各元素的中值赋给模板中心位置的元素 endend d=uint8(x2);figure,imshow(d),title(滤波后); 4、直方图均匀化代码：clear all;a=imread(D:/lina.jpg);m,n=size(a); b=zeros(1,256); for i=1:m for j=1:n k=a(i,j)+1; %k可能为0，矩阵从一开始，故此处加一，0255变1256 b(k)=b(k)+1; %循环计算每级灰度出现次数 end endb=b/(m*n); %概率 figure,bar(0:255,b,y) % 直方图title(原图像直方图)xlabel(灰度值)ylabel(出现概率)c=zeros(1,256);for i=1:256 for j=1:i c(i)=b(j)+c(i); endendd=round(c*256)+0.5); % 归到相近级的灰度for i=1:256e(i)=sum(b(find(d=i); % 计算现有每个灰度级出现的概率end，find函数返回d中所有为i的横坐标索引值figure,bar(0:255,e,b)title(均衡化后的直方图)xlabel(灰度值)ylabel(出现概率)将图像界面放大竟出现了颜色黄色和蓝色。为了增加我组竞争力，提高分数，本人又做了迭代法clear allI=imread(D:/lina.jpg);s=size(I);a=I(1,1);for i=1:s(1) for j=1:s(2) if(a=th;%将图像分为两部分 g2=I=1; th=thnew;endth=floor(th);J=im2bw(I,th/255);subplot(1,2,1);imshow(I);title(原始图像);str=迭代算法 TH=,num2str(th);subplot(1,2,2);imshow(J);title(str);自认为这个还是挺成功的。5、线性变换代码：clear all;a=imread(D:/lina.jpg);m,n=size(a); b=zeros(1,256); for i=1:m for j=1:n k=a(i,j)+1; %k可能为0，矩阵从一开始，故此处加一，0255变1256 b(k)=b(k)+1; %循环计算每级灰度出现次数 end endx=b;for i=1:100 x(i)=20; endfor i=101:208 x(i)=20+10/107*(x(i)-20);