数字图像处理实验报告

1、word数字图像处理上机实验报告班级：代培生班姓名： 李 勃学号：08000300142022年12月28日1. 产生如下图亮块图像128×128大小，暗处=0，亮处=255，对其进行FFT：1) 同屏显示原图和的幅度谱图；代码：%生成图形f1f1=zeros(128,128);f1(64-30):(63+30),(64-10):(63+10)=1;%FFT变换fft_f1=log(1+abs(fftshift(fft2(f1);figure;subplot(121);imshow(f1);title('Image f1');subplot(122);imshow(f

2、ft_f1,);title('FFT f1');2) 假设令，重复以上过程，比拟二者幅度谱的异同，简述理由；代码：%计算f2f2=zeros(128,128);for i=1:128; for j=1:128; f2(i,j)=(-1)(i+j)*f1(i,j); endendfft_f2A=log(1+abs(fft2(f2);fft_f2B=log(1+abs(fftshift(fft2(f2);figure;subplot(131);imshow(f2);title('Image f2');subplot(132);imshow(fft_f2B,);tit

3、le('FFT f2');subplot(133);imshow(fft_f2A,);title('FFT f2 Without FFTShift');根据傅里叶变换对的平移性质：；当且时，有：因此可得到：所以，就是频谱中心化后的结果。3) 假设将顺时针旋转45度得到，试显示的幅度谱，并与的幅度谱进行比拟。代码：%计算f3f3=imrotate(f2,-45,'nearest');fft_f3=log(1+abs(fftshift(fft2(f3);figure;subplot(121);imshow(f3);title('Image f

4、3');subplot(122);imshow(fft_f3,);title('FFT f3');2. 对256×256大小、256级灰度的数字图像lena.img进行频域的理想低通、高通滤波，同屏显示原图、幅度谱图和低通、高通滤波的结果图。代码：fid=fopen('lena.img','r');im=(fread(fid,256,256,'uint8')'im=im2double(uint8(im);%FFT变换fft_im=fftshift(fft2(im);%低通滤波器lp=lpfilter(25

5、6,256,20); %生成滤波器模板lp_im=abs(ifft2(fft_im.*lp);%高通滤波器hp=1-lp;hp_im=abs(ifft2(fft_im.*hp);colormap(gray);subplot(221);imshow(im);title('原图');subplot(222);mesh(log(1+abs(fft_im);axis tight; title('FFT');subplot(223);imshow(lp_im);title('低通滤波');subplot(224);imshow(hp_im);title(&

6、#39;高通滤波');%理想低通滤波器 生成模板function bwmo=lpfilter(cph,cpl,r); % 模板大小 (行，列，截止频率)bwmo=zeros(cph,cpl);cl=cpl/2;ch=cph/2;for x=1:cpl; for y=1:cph; if (x-cl)2+(y-ch)2<=r2; bwmo(y,x)=1; else bwmo(y,x)=0; end endend3. 对给定的两种128×128、256级灰度的数字图像图像磁盘文件名分别为Fing_128.img指纹图和Cell_128.img显微医学图像进行如下处理：1) 对

7、原图像进行直方图均衡化处理，同屏显示处理前后图像及其直方图，比拟异同，并答复为什么数字图像均衡化后其直方图并非完全均匀分布。指纹图像：fid=fopen('fing_128.img','r');im=(fread(fid,128,128,'uint8')'im=uint8(im);colormap(gray);subplot(221);imshow(im); subplot(222);imh=histeq(im);%直方图均衡化imshow(imh);subplot(223);imhist(im);subplot(224);imhist(

8、imh);显微医学图像:fid=fopen('cell_128.img','r');im=(fread(fid,128,128,'uint8')'im=uint8(im);colormap(gray);subplot(221);imshow(im); subplot(222);imh=histeq(im);%直方图均衡化imshow(imh);subplot(223);imhist(im);subplot(224);imhist(imh);由于数字图像中像素的灰度值取值是离散和不连续的，因而变换后的像素灰度值在计算中出现了归并现象，所以变

9、换后的直方图并不是呈完全均匀分布的。2) 对原图像参加高斯噪声，用4-邻域平均法平滑加噪声图像图像四周边界不处理，下同，同屏显示原图像、加噪图像和处理后的图像。1 不加门限；2 加门限，其中；代码：fid=fopen('fing_128.img','r');im=(fread(fid,128,128,'uint8')'im=im2double(uint8(im);J=imnoise(im,'gaussian'); %参加高斯噪声w=0 0.25 0;0.25 0 0.25;0 0.25 0;im_L=filter2(w,J

10、);%四邻域平滑%加门限后滤波T=2*sum(J(:)/1282;im_T=zeros(128,128);for i=1:128 for j=1:128 if abs(J(i,j)-im_L(i,j)>T im_T(i,j)=im_L(i,j); else im_T(i,j)=J(i,j); end endendcolormap(gray);subplot(2,2,1);imshow(im);title('Image');subplot(2,2,2);imshow(J);title('Noise');subplot(2,2,3);imshow(im_L);

11、title('四邻域平滑后');subplot(2,2,4);imshow(im_T);title('加门限后');对高斯噪声的处理效果：对脉冲噪声的处理效果：4.1) 用Laplacian锐化算子分和两种情况对256×256大小、256级灰度的数字图像lena.img进行锐化处理，显示处理前、后图像。代码：fid=fopen('lena.img','r');im=(fread(fid,256,256,'uint8')'im=im2double(uint8(im);H1=0 -1 0;-1 5 -

12、1;0 -1 0;laplacianH1=filter2(H1,im);H2=0 -2 0;-2 9 -2;0 -2 0;laplacianH2=filter2(H2,im);colormap(gray);subplot(131);imshow(im);title('原图像');subplot(132);imshow(laplacianH1);title('a=1锐化');subplot(133);imshow(laplacianH2);title('a=2锐化');2) 假设令，那么答复如下问题：1 、和之间有何关系？=+；2 代表图像中的哪些

13、信息？代表图像的边缘信息；3 由此得出图像锐化的实质是什么？图象锐化的实质就是：锐化图像=原图像+加重的边缘。5. 分别利用Roberts、Prewitt和Sobel边缘检测算子，对256×256大小、256级灰度的数字图像lena.img进行边缘检测，显示处理前、后图像。代码：fid=fopen('lena.img','r');im=(fread(fid,256,256,'uint8')'im=im2double(uint8(im);im_R=edge(im,'Roberts');im_P=edge(im,'Prewitt');im_S=edge(im,'Sobel');im_L=edge(im,'Log');colormap(gray);subplot(321);imshow(im);title('源图像