数字图像处理上机作业.docx

数字图像处理上机实验题一、产生右图所示图像 f1(m,n)，其中图像大小为256256，中间亮条为12832，暗处=0，亮处=100。对其进行 FFT：1、 屏显示原图 f1(m,n)和FFT(f1)的幅度谱图； 2、令f2(m,n)=（-1）（m+n）*f1(m,n)，重复以上过程，比较二者幅度谱的异同，简述理由；3、若将f2(m,n)顺时针旋转 90 度得到f3(m,n)，试显示 FFT(f3)的幅度谱，并与 FFT(f2)的幅度谱进行比较；4、若将f1(m,n) 顺时针旋转 90 度得到f4(m,n)，令f5(m,n)=f1(m,n)+f4(m,n)，试显示 FFT(f5)的幅度谱，并指出其与 FFT(f1)和FFT(f4)的关系；5、若令f6(m,n)=f2(m,n)+f3(m,n)，试显示 FFT(f6)的幅度谱，并指出其与 FFT(f 2)和FFT(f3)的关系，比较 FFT(f6)和FFT(f5)的幅度谱。代码f1=zeros(256,256); for i =64:1:191 for j = 112:1:143 f1(i,j) = 100; end end f2 = fft2(f1); %f2(m,n) = f3 f3 = (-1)(i+j)*f1; f4 = fft2(f3); %f3(m,n) = f5 f5 = imrotate(f3,90,bilinear); f6 = fft2(f5); %f4(m,n) = f7 f7 = imrotate(f1,90,bilinear); f8 = fft2(f7); %f5(m,n) = f8 f9 = f1 + f7; f10 = fft2 (f9); %f6(m,n) = f2(m,n)+f3(m,n) f11 = f3 + f5; f12 = fft2(f11); figure(1)subplot(1,2,1);imshow(abs(f1);title(原图f1);subplot(1,2,2);imshow(abs(f2);title(幅度谱fft2(f1);figure(2)subplot(2,2,1)imshow(abs(f1);title(原图f1)subplot(2,2,2)imshow(abs(f2);title(幅度谱fft2(f1);subplot(2,2,3);imshow(abs(f3)title(变换谱f2);subplot(2,2,4);imshow(abs(f4);title(幅度谱fft2(f2);figure(3)subplot(2,2,1)imshow(abs(f3)title(变换谱f2);subplot(2,2,2);imshow(abs(f4);title(幅度谱fft2(f2);subplot(2,2,3);imshow(abs(f5)title(变换谱f3);subplot(2,2,4);imshow(abs(f6);title(幅度谱fft2(f3);figure(4)subplot(3,2,1);imshow(f7);title(f1旋转图f4);subplot(3,2,2);imshow(abs(f8);title(幅度谱fft2(f4); subplot(3,2,3);imshow(f9);title(f5(m,n)=f1+f4);subplot(3,2,4);imshow(abs(f10);title(幅度谱fft2(f5);subplot(3,2,5)imshow(abs(f1);title(原图f1);subplot(3,2,6);imshow(abs(f2);title(幅度谱fft2(f1);figure(5)subplot(3,2,1)imshow(abs(f3)title(变换谱f2);subplot(3,2,2);imshow(abs(f4);title(幅度谱fft2(f2);subplot(3,2,3);imshow(abs(f5)title(变换谱f3);subplot(3,2,4);imshow(abs(f6);title(幅度谱fft2(f3);subplot(3,2,5)imshow(abs(f11)title(变换谱f6=f2+f3);subplot(3,2,6);imshow(abs(f12);title(幅度谱fft2(f6); figure(6)subplot(2,2,1);imshow(f9);title(f5(m,n)=f1+f4);subplot(2,2,2);imshow(abs(f10);title(幅度谱fft2(f5);subplot(2,2,3)imshow(abs(f11)title(变换谱f6(m,n)=f2+f3);subplot(2,2,4);imshow(abs(f12);title(幅度谱fft2(f6);结果分析2、 F2(m,n)与F1(m,n)幅度值相同，f2(m,n)=（-1）（m+n）*f1(m,n)中，并未改变幅值。3、 FFT(f2) 比FFT(f3)幅值大。4、 f5=f1+f4，即幅值相加。5、 f6=f2+f3，即幅值相加。二、产生教材 104 页题图 4.18 （右图）所示的二值图像（白为1，黑为0），编程实现习题4.18 所要求的处理（3*3 的平均滤波和中值滤波）功能（图像四周边界不考虑，处理结果按四舍五入仍取（0或1），显示处理前后的图像，比较其异同。代码I= 1,0,1,0,1,0,1,0; 0,1,0,1,0,1,0,1; 1,0,1,0,1,0,1,0; 0,1,0,1,0,1,0,1; 1,0,1,0,1,0,1,0; 0,1,0,1,0,1,0,1; 1,0,1,0,1,0,1,0; 0,1,0,1,0,1,0,1;J=imhist(I,2);K=filter2(fspecial(average,3),I);K1=round(K);J1=imhist(K1,2);K2=medfilt2(I);J2=imhist(K2,2); figure(1)subplot(2,2,1)imshow(I);title(原图像);subplot(2,2,2)imshow(J);title(原图像直方图);subplot(2,2,3)imshow(K1);title(3*3领域平均);subplot(2,2,4)imshow(J1);title(领域平均图像直方图)figure(2)subplot(2,2,1)imshow(I);title(原图像);subplot(2,2,2)imshow(J);title(原图像直方图);subplot(2,2,3)imshow(K2);title(中值滤波);subplot(2,2,4)imshow(J2);title(中值滤波图像直方图)结果三、产生教材 104 页题图 4.16 所示的灰度图像（白为255 ，黑为0），分别加入高斯白噪声和椒盐噪声，再分别进行 3 3 的平均滤波和中值滤波，显示原图像、加噪图像和滤波结果图像，并比较四种滤波结果。代码f=zeros(256,256); for i =23:1:233 for j=28:1:35 f(i,j)=255; end for j=52:1:59 f(i,j)=255; end for j=76:1:83 f(i,j)=255; end for j=100:1:107 f(i,j)=255; end for j=124:1:131 f(i,j)=255; end for j=148:1:155 f(i,j)=255; end for j=172:1:179 f(i,j)=255; end for j=196:1:203 f(i,j)=255; end for j=220:1:227 f(i,j)=255; end endg=imnoise(f,gaussian,0.2);s=imnoise(f,salt & pepper,0.2);k1=filter2(fspecial(average,3),g);G1=round(k1);G2=medfilt2(g);k2=filter2(fspecial(average,3),s);S1=round(k2);S2=medfilt2(s); figure(1)imshow(f)title();figure(2)subplot(3,2,1)imshow(g)title();subplot(3,2,2)imshow(s)title();subplot(3,2,3)imshow(G1)title();subplot(3,2,5)imshow(G2)title();subplot(3,2,4)imshow(S1)title();subplot(3,2,6)imshow(S2)title();结果四、对某一灰度图像，进行如下处理： （1）分别利用 Roberts、Prewitt和Sobel 边缘检测算子进行边缘检测； （2）将Roberts、Prewitt和Sobel 边缘检测算子修改为锐化算子，对原图像进行锐化，同屏显示原图像、边缘检测结果和锐化后图像，说明三者之间的关系。代码f1=imread(C:UsershpPictures1.jpg);f2=rgb2gray(f1);k1=edge(f2,Roberts);k2=edge(f2,Prewitt);k3=edge(f2,Sobel);k4=filter2(fspecial(Prewitt),f2);k5=filter2(fspecial(Prewitt),f2);k6=filter2(fspecial(Sobel),f2); figure(1)subplot(4,2,1)imshow(f1);title(yuanshi);subplot(4,2,2)imshow(f2);title(huidu);subplot(4,2,3)imshow(k1);title(Roberts);subplot(4,2,5)imshow(k2);title(Prewitt);subplot(4,2,7)imshow(k3);title(Sobel);subplot(4,2,4)imshow(k4);title(log);subplot(4,2,6)imshow(k5);title(Prewitt);subplot(4,2,8)imshow(k6);title(Sobel); 结果 五、编程实现教材 214 页所给图像门限化分割的迭代阈值算法，实现对某一灰度图像的二值化。代码f1=imread(C:UsershpPictures11.jpg);f2=rgb2gray(f1);f3=f2;zm=max(f2(:);zi=min(f2(:);k=2;T(k)=(zm+zi)/2;while T(k)=T(k-1); r1=find(f2T(k); k=k+1; T(k)=(mean(f2(r1)+mean(f2(r2)/2; endr3=find(f3T(k);f3(r3)=0;f3(r4)=255; figure(1) subplot(221)imshow(f1)title(原始图像);subplot(222)imshow(f2)title(灰度图像);subplot(223)imshow(f3)title(迭代阈值算法二值化);