实验三图像增强及形态学图像处理

1、实验3 图像增强及形态学图像处理实验目的：1. 掌握均值滤波和中值滤波的原理及实现；2. 掌握锐化模板prewitt，sobel和laplacian的使用方法；3. 了解形态学的基本理论和方法；4. 掌握对图像进行膨胀/腐蚀的方法；5. 掌握开闭运算；实验内容：1、 （1）给图像headCT分别添加椒盐噪声和高斯噪声，分别采用线性的均值滤波函数imfilter和非线性的中值滤波函数medfilt2滤波进行处理，两种滤波的掩模都分别尝试定义为3*3和7*7。由得到的实验结果，分析哪种滤波对这种噪声处理的效果比较好？掩模大小对噪声处理效果有什么影响？>>f=imread('he

2、adCT.tif');>> g=imnoise(f,'gaussian');>> h=imnoise(f,'salt & pepper');>> subplot(1,3,1);imshow(f);title('原图');>> subplot(1,3,2);imshow(g);title('高斯噪音');>> subplot(1,3,3);imshow(h);title('椒盐噪音');掩模：>> w=ones(3);>&g

3、t; w1=ones(7);高斯噪声:>> g1=imfilter(g,w);>> g2=imfilter(g,w1);>> subplot(1,2,1);imshow(g1,);>> subplot(1,2,2);imshow(g2,);>> g3=medfilt2(g);>> g4=medfilt2(g,7 7);>> subplot(1,2,1);imshow(g3,);>> subplot(1,2,2);imshow(g4,);椒盐噪声：>> h1=imfilter(h,w);&

4、gt;> h2=imfilter(h,w1);>> subplot(1,2,1);imshow(h1,);>>subplot(1,2,2);imshow(h2,);>> h3=medfilt2(h);>> h4=medfilt2(h,7 7);>> subplot(1,2,1);imshow(h3,);>>subplot(1,2,2);imshow(h4,);对于椒盐噪声，中值滤波效果比均值滤波效果好。 原因：椒盐噪声是幅值近似相等但随机分布在不同位置上，图像中有干净点也有污染点。中值滤波是选择适当的点来替代污染点的

5、值，所以处理效果好。因为噪声的均值不为0，所以均值滤波不能很好地去除噪声点。对于高斯噪声，均值滤波效果比中值滤波效果好。 原因：高斯噪声是幅值近似正态分布，但分布在每点像素上。因为图像中的每点都是污染点，所以中值滤波选不到合适的干净点。因为正态分布的均值为0，所以均值滤波可以消除噪声。（注意：实际上只能减弱，不能消除。）2、 编写m文件，实现同时用sobel算子对图片的水平和垂直方向进行处理？在命令窗口中，输入“myedge”。选择一幅图，即可得到结果。3、 对图片text.tif进行膨胀操作，选择结构元素为0 1 0;1 1 1;0 1 0和1 1 1;1 1 1;1 1 1观察其处理效果的

6、异同，如果一次膨胀的效果不明显，可多次膨胀再比较；>> f=imread('text.tif');>> w=0 1 0;1 1 1 ;0 1 0;>> w1=1 1 1 ;1 1 1;1 1 1;>> f1=imdilate(f,w);>> f2=imdilate(f,w1);>> imshow(f,);>> figure,imshow(f1,);>> figure,imshow(f2,);4、 选做题：对图片shapes.tif进行开、闭运算，比较其处理的效果，采用方形结构元素（可

7、由strel（square,3）得到）。>> f=imread('shapes.tif');>> se=strel('square',3);>> f1=imopen(f,se);>> imshow(f);>> figure,imshow(f1);>> f2=imclose(f,se);>> figure,imshow(f2);(由于结构元素是3，所以图基本上没变化。主要变化，从锯齿那里可以看到。)若结构元素改为30，则开运算所得的图为闭运算得到的结果为：5、 选做题：仿照课本P2

8、72例9.7，计算和显示图像pattern.tif中最后一个字母”a”的质心>>f=imread('pattern.tif');>> L,n=bwlabel(f); %计算图像中所有连接分量>> imshow(f)>> hold on %So later plotting commands plot on top of the image. (保持图像)>> r,c=find(L=n); %返回行列索引>>rbar=mean(r); %求行平均值>>cbar=mean(c);>>plot(cbar,rbar,'Marker','*','Marke