数字图像处理大作业

1、数字图像处理大作业 学号： 姓名： 班级：数字图像处理作业用自己拍摄的图像，完成以下作业：1，用Matlab语言完成如下实验：1）打开一个BMP文件2）将其局部区域的灰度值进行改变3）另存为一个新的BMP文件2，Matlab编程实现图像傅立叶高通、低通滤波，给出算法原理及实验结果。3，找一幅曝光不足的灰度（或彩色）图像，用Matlab按照直方图均衡化的方法进行处理。4，用Matlab打开一幅图像，添加椒盐、高斯噪声，然后使用邻域平均法、中值滤波法进行平滑。5，用Matlab打开一幅图像，利用Roberts梯度法、Sobel算子和拉普拉斯算子进行锐化，并比较结果。以上作业，严禁抄袭。作业请注明学

2、号，姓名，班级，电话号码。将纸质版于2012-06-06晚7:00交至B529房间。1，用Matlab语言完成如下实验：1）打开一个BMP文件 2）将其局部区域的灰度值进行改变3）另存为一个新的BMP文件 %文件名为way01.bmp源程序如下： clear all;f=imread('way.bmp');f1=rgb2gray(f); %ת»»Îª»Ò¶Èͼfigure(1);imshow(f1);imwrite(f1,'way01.bmp

3、9;);f1(100:150,100:120)=256; %¾Ö²¿¸Ä±ä»Ò¶ÈÖµfigure(2);imshow(f1);运行结果为：注：源文件名为way.jpg2，Matlab编程实现图像傅立叶高通、低通滤波，给出算法原理及实验结果。1）傅里叶高通滤波：源程序为：clear all; I=imread('way01.bmp'); figure(1); imshow(I); I=double(I); f=fft2(I); g=fft

4、shift(f); M,N=size(g); n1=floor(M/2); n2=floor(N/2); d0=5; for i=1:M for j=1:N d=sqrt(i-n1)2+(j-n2)2); if d>=d0 h1=1; else h1=0; end g1(i,j)=(h1+0.5)*g(i,j); end end g2=ifftshift(g1); g3=uint8(real(ifft2(g2); figure(2);imshow(g3); title('¸ßͨÂ˲¨½&

5、#225;运行结果为：2） 傅里叶低通滤波： 源程序为： clear all; I=imread('way01.bmp'); figure(1); imshow(I); I=double(I); f=fft2(I); g=fftshift(f); M,N=size(g); n1=floor(M/2); n2=floor(N/2); d0=30; for i=1:M for j=1:N d=sqrt(i-n1)2+(j-n2)2); if d<=d0 h1=1; else h1=0; end g1(i,j)=(h1+0)*g(i,j); end end g2=ifftshi

6、ft(g1); g3=uint8(real(ifft2(g2); figure(2);imshow(g3);title('µÍͨÂ˲¨½á¹û')运行结果为：3，找一幅曝光不足的灰度（或彩色）图像，用Matlab按照直方图均衡化的方法进行处理。源程序为：clear allclose alltuu=imread('way.bmp'); %¶ÁÈëͼƬtu=rg

7、b2gray(tuu); %½«²ÊɫͼƬת»»Îª»Ò¶Èͼgraydis=zeros(1,256); %ÉèÖþØÕó´óСgraydispro=zeros(1,256);new_graydis=zeros(1,256);new_graydi

8、spro=zeros(1,256);h w=size(tu);new_tu=zeros(h,w);%¼ÆËãԭʼֱ·½Í¼¸÷»Ò¶È¼¶ÏñËظöÊýgraydisfor x=1:h for y=1:w graydis(1,tu(x,y)=graydis(1,tu(x,y)+1; ende

9、nd%¼ÆËãԭʼֱ·½Í¼graydisprograydispro=graydis./sum(graydis);subplot(1,2,1);plot(graydispro);title('»Ò¶ÈÖ±·½Í¼');xlabel('»Ò¶ÈÖµ');ylabe

10、l('ÏñËصĸÅÂÊÃܶÈ');%¼ÆËãԭʼÀÛ¼ÆÖ±·½Í¼for i=2:256 graydispro(1,i)=graydispro(1,i)+graydispro(1,i-1);end%¼ÆËã

11、86;Íԭʼ»Ò¶È¶ÔÓ¦µÄеĻҶÈt£¬½¨Á¢Ó³Éä¹Øϵfor i=1:256t(1,i)=floor(254*graydispro(1,i)+0.5);end%ͳ¼

12、98;ÐÂÖ±·½Í¼¸÷»Ò¶È¼¶ÏñËظöÊýnew_graydisfor i=1:256 new_graydis(1,t(1,i)+1)=new_graydis(1,t(1,i)+1)+graydis(1,i);end%¼ÆËãеĻҶ

13、;ÈÖ±·½Í¼new_graydispronew_graydispro=new_graydis./sum(new_graydis);subplot(1,2,2);plot(new_graydispro);title('¾ùºâ»¯ºóµÄ»Ò¶ÈÖ±·½Í¼');xlabel('»Ò

14、¶ÈÖµ');ylabel('ÏñËصĸÅÂÊÃܶÈ');%¼ÆËãÖ±·½Í¼¾ùºâºóµÄÐÂͼnew_tufor x=1:h for y=1:w new_tu(

15、x,y)=t(1,tu(x,y); endendfigure,imshow(tu,);title('ԭͼ');figure,imshow(new_tu,);title('Ö±·½Í¼¾ùºâ»¯ºóµÄͼ');运行结果为：4，用Matlab打开一幅图像，添加椒盐、高斯噪声，然后使用邻域平均法、中值滤波法进行平滑。源程序为： clear al

16、l; f=imread('way.bmp'); I=rgb2gray(f); %תΪ»Ò¶ÈͼÏñ figure(1); imshow(I); title('ԭʼͼÏñ') imwrite(I,'way01.bmp'); P2=imnoise(I,'salt & pepper',0.02) %¼Ó

17、;Èë½·ÑÎÔêÉù figure(2); imshow(P2); title('¼ÓÈë½·ÑÎÔêÉù')h1=medfilt2(P2) ; %¶Ô½·ÑÎÔêÉùÖÐÖµÂ˲¨

18、; figure(3); imshow(h1); title('¶Ô½·ÑÎÔêÉùÖÐÖµÂ˲¨ºó') %ÁÚÓòƽ¾ù·¨ w1=fspecial('average'); %²úÉúÒ»¸

19、ö3x3´óСµÄ·½ÐÎƽ¾ùÂ˲¨Ä£°åw1h2=imfilter(P2,w1,'replicate'); % g1Ϊ´¦ÀíºóµÄͼÏñ¡£'replicate

20、9;Ö¸¾í»ýÌî³ä±ßԵʱÓø´ÖƱ߽çµÄÖµÀ´À©Õ¹¡£ figure(4); imshow(h2);title('ÁÚÓòƽ

21、¾ù·¨Æ½»¬')运行结果为：5，用Matlab打开一幅图像，利用Roberts梯度法、Sobel算子和拉普拉斯算子进行锐化，并比较结果。源程序为： clear all; %RobertsÌݶȷ¨ I,map=imread('way01.bmp'); imshow(I,map); title('ԭʼͼÏñ') I=double(I); Gx,Gy=gradient(I); % ¼ÆËãÌݶÈG=sqrt(Gx.*Gx+Gy.*Gy); % ×¢ÒâÊǾØÕóµã³Ë J1=G;