数图各实验代码

1、精选优质文档-倾情为你奉上实验一 数字图像的基本操作与代数运算1.对各RGB图像、索引图像、灰度图像，用imread读出图像文件，并用imshow将图像显示出来，并用iminfo给出图像信息。观察一下图像数据的特点，理解数字图像在MATLAB中的处理就是处理一个矩阵，根据图像文件信息和图像数据矩阵的特点，确定图像的类型，体会各自数据的特点。x=imread('RGBimageD.tiff')imshow(x)imfinfo('RGBimageD.tiff')2.选择一幅RGB彩色图像（图像RGBimageA），分别显示出原图像和R、G、B三个分量图像（用subp

2、lot函数显示在同一窗口中），观察对比它们的特点，体会不同颜色所对应的R、G、B分量的不同之处。subplot(2,2,1),imshow (y),title ('原图像');subplot(2,2,2),imshow (y(:,:,1),title ('R分量');subplot(2,2,3),imshow (y(:,:,2),title ('G分量');subplot(2,2,4),imshow (y(:,:,3),title ('B分量');3.将图像A中心部分选取出来，显示中心部分，并保存为与图像A相同格式的图像文件。 y

3、=imread('RGBimageA.tiff')A1=imcrop(y,100,100,300,300);subplot(1,2,1),imshow (y),title ('原图像');subplot(1,2,2),imshow (A1),title ('图像A的中心部分');imwrite(A1,'A1.tiff','tiff')4.选择一幅RGB图像（图像RGBimageB），使用imread和imwrite进行图像文件格式的相互转换（TIFF与JPG相互转换）。z=imread('RGBimageB

4、.tiff','tiff')imwrite(z,'RGBimageB.jpg','jpg')5.给灰度图像加入高斯噪声，并显示。运用for循环，分别将5幅、50幅和500幅加有随机高斯噪声的图像进行相加并求其平均值。将几种求平均后的图像显示在同一图像对话框中，比较其结果。I, M = imread('eight.tif');J = imnoise(I, 'gaussian', 0, 0.02);subplot(1,2,1), imshow(I, M), title('原图像');subplo

5、t(1,2,2), imshow(J, M), title('加噪声后图像');m, n = size(I);K = zeros(m, n);for i = 1 : 100 J = imnoise(I, 'gaussian', 0, 0.02); J1 = im2double(J); K = K + J1;endK = K / 100; %求图像的平均figure; imshow(K), title('相加求平均后的图像');6.自行下载两幅的图像，进行相加、相减、相乘的代数运算（注意运算时候图像的尺寸、类型等，如果不同，应将尺寸较大的图像裁剪或

6、缩放），显示运算之前和运算之后的图像。四种图像处理代数运算的数学表达式如下：其中A(x,y)和B(x,y)为输入图像，而C(x,y)为输出图像。7.选择一幅索引图像，将图像文件读出，并将这个图像显示出来。尝试修改MAP颜色矩阵的值，再将图像显示出来，观察图像颜色的变化。（选做）X,MAP = imread ('flowers.tif','tif');MAP1 = MAP + MAP;subimage (X,MAP1);实验二 图像的灰度变换与空域滤波1.显示图像A及其灰度直方图。用imadjust函数将它的灰度值调整到0,1之间，并观察调整后的图像与原图像的差别

7、，调整后的灰度直方图与原灰度直方图的区别；改变灰度值调整范围，观察调整后的图像的变化及其与原图像的差别，调整后的灰度直方图的变化及其与原灰度直方图的区别；进一步利用改变灰度值调整范围，实现图像的反转。X = imread('A.tif');Y = imadjust(X,0.2 0.8,);Z = imadjust(X,1,0);subplot(3,2,1),imshow(X),title('图像A');subplot(3,2,2),imhist(X),title('原图像的灰度直方图');subplot(3,2,3),imshow(Y),titl

8、e('调整后的图像A');subplot(3,2,4),imhist(Y),title('调整后的灰度直方图');subplot(3,2,5),imshow(Z),title('反转后的图像A');subplot(3,2,6),imhist(Z),title('反转后的灰度直方图');2.读取灰度图像B，用histeq函数将原始图像的灰度直方图均衡化，同时观察均衡化后的图像与前面图像的差别，均衡化后的灰度直方图与前面的灰度直方图的区别。I = imread('B.tif');J = histeq(I);subplo

9、t(2,2,1),imshow(I),title('图像B');subplot(2,2,2),imhist(I,64),title('图像B的直方图');subplot(2,2,3),imshow(J),title('均衡化的图像B');subplot(2,2,4),imhist(J,64),title('均衡化图像B的直方图');3.给图像C加入高斯噪声，分别采用不同大小的模板对加有噪声的图像进行均值滤波，用一个图像处理对话框（subplot）显示原图像、加有噪声的图像及均值滤波的图像。比较结果。X = imread('

10、C.tif');Y = imnoise(X,'gaussian',0,0.005);Z1= filter2(fspecial('average',3),Y)/255;Z2= filter2(fspecial('average',5),Y)/255;Z3= filter2(fspecial('average',7),Y)/255;Z4= filter2(fspecial('average',9),Y)/255;subplot(2,3,1),imshow(X),title('图像C');subp

11、lot(2,3,2),imshow(Y),title('加入高斯噪声的图像C');subplot(2,3,3),imshow(Z1),title('均值滤波模版尺寸为3');subplot(2,3,4),imshow(Z2),title('均值滤波模版尺寸为5');subplot(2,3,5),imshow(Z3),title('均值滤波模版尺寸为7');subplot(2,3,6),imshow(Z4),title('均值滤波模版尺寸为9');4.分别采用不同大小的模板对上述加有噪声的图像进行中值滤波，用一个图像

12、处理对话框（subplot）显示原图像、加有噪声的图像及中值滤波的图像。比较结果。X = imread('C.tif');Y = imnoise(X,'gaussian',0,0.005);I1= medfilt2(Y,3,3);I2= medfilt2(Y,7,7);subplot(2,2,1),imshow(X),title('图像C');subplot(2,2,2),imshow(Y),title('加入高斯噪声的图像C');subplot(2,2,3),imshow(I1),title('3×3模版

13、9;);subplot(2,2,4),imshow(I2),title('7×7模版');实验三 图像的频域处理1.读取图像A(lena.tiff)和B(rice.tif)，显示这两幅图像，对图像作傅立叶变换，显示图像的傅里叶幅度谱和相位谱。做傅立叶逆变换，显示重建图像，看是否与原图像相同。A = imread('lena.tiff');B = imread('rice.tif');I=fftshift(fft2(A);J=fftshift(fft2(B);subplot(2,3,1),imshow(A);subplot(2,3,2),

14、imshow(log(1+abs(I),);subplot(2,3,3),imshow(angle(I);subplot(2,3,4),imshow(B);subplot(2,3,5),imshow(log(1+abs(J),);subplot(2,3,6),imshow(angle(J);X=ifft2(I);Y=ifft2(J);subplot(2,3,1),imshow(A),title('图像A');subplot(2,3,2),imshow(log(1+abs(I),),title('二维傅里叶变换');subplot(2,3,3),imshow(lo

15、g(abs(X),),title('逆变换后图像');subplot(2,3,4),imshow(B),title('图像B');subplot(2,3,5),imshow(log(1+abs(J),),title('二维傅里叶变换');subplot(2,3,6),imshow(log(abs(Y),),title('逆变换后图像');2.设计一个简单的巴特沃斯低通滤波器（截止频率自选），对图像A作频域低通滤波，再作反变换，观察两种不同的截止频率下反变换后的图像与原图像的区别。A=imread('lena.tiff

16、9;);PQ = paddedsize(size(A);D0 = 0.01*PQ(1);H = lpfilter('btw',PQ(1),PQ(2),D0);g = dftfilt(A,H);subplot(1,2,1),imshow(A),title('原图像');subplot(1,2,2),imshow(g,),title('D0较小的滤波');A=imread('lena.tiff');PQ = paddedsize(size(A);D0 = 0.08*PQ(1);H = lpfilter('btw',PQ

17、(1),PQ(2),D0);g = dftfilt(A,H);subplot(1,2,1),imshow(A),title('原图像');subplot(1,2,2),imshow(g,),title('D0较大的滤波');3.（选做内容）设计一个高斯高通滤波器（截止频率自选），对图像B作高频增强滤波，再作反变换，观察两种不同的截止频率下反变换后的图像与原图像的区别。B=imread('rice.tif');PQ=paddedsize(size(B);D0=0.01*PQ(1);HBW=hpfilter('gaussian',PQ

18、(1),PQ(2),D0,2);H=0.5+2*HBW;g=dftfilt(B,H);subplot(1,2,1),imshow(B),title('原图像');subplot(1,2,2),imshow(g,),title('D0较小的滤波');B=imread('rice.tif');PQ=paddedsize(size(B);D0=0.1*PQ(1);HBW=hpfilter('gaussian',PQ(1),PQ(2),D0,2);H=0.5+2*HBW;g=dftfilt(B,H);subplot(1,2,1),imsh

19、ow(B),title('原图像');subplot(1,2,2),imshow(g,),title('D0较大的滤波');实验四 图像复原利用imnoise3对图像I进行加入参数为C=0 32; 0 64; 16 16; 32 0; 64 0; -16 16的周期噪声，得到图像J。对含噪图像J进行陷波滤波图像复原。要求列出各个步骤的运行代码。显示I，J，差分图像I-I'。显示I、J、以及噪声的频谱。img = im2double(imread('peppers.tiff');C=0 32; 0 64; 16 16; 32 0; 64 0

20、; -16 16;A=1000 2000 3000 4000 5000 6000;r,R,S=imnoise3(512,512,C,A);img_noise = img + r;F0 = fft2(img);F0 = fftshift(F0);F = fft2(img_noise);F = fftshift(F);sizec = size(img);H = ones(sizec(1),sizec(2);x0 = sizec(1)/2 + 1;y0 = sizec(2)/2 + 1;x = x0;w = 0.4*2*pi;N = 2*pi/w;y = y0 - round(sizec(2)/N)

21、;H(x,y-3:y+3) = 0;H(x,(y0-y)+y0-3:(y0-y)+y0+3)=0;I=ifftshift(F.*H);img1=ifft2(I);subplot(4,2,1),imshow('peppers.tiff'),title('原图像');subplot(4,2,2),imshow(img),title('原图转double类型');subplot(4,2,3),imshow(S),title('规定脉冲的谱');subplot(4,2,4),imshow(r,),title('空间域中相应的正弦噪

22、声模式');subplot(4,2,5),imshow(img_noise),title('加噪图像');subplot(4,2,6),imshow(log(1+abs(F0),),title('原图像频谱');subplot(4,2,7),imshow(log(1+abs(F),),title('加噪图像频谱');subplot(4,2,8),imshow(img1,),title('陷波滤波结果');实验五 图像变化与编码1.已知符号x1,x8对应概率为0.4, 0.18, 0.1, 0.1, 0.07, 0.06,

23、0.05, 0.04。按教材图8.2 的方式将其转换为霍夫曼码(编码过程写在实验报告中)，并利用huffman.m 转换为霍夫曼码，对照结果是否相同。p = 0.4 0.18 0.1 0.1 0.07 0.06 0.05 0.04;c = huffman(p)结果如下： c = '1' '010' '0111' '000' '0011' '0010' '01101' '01100'2.对给定图像I利用mat2huff.m, huff2mat.m 进行霍夫曼编码、解码。

24、计算压缩率CR。>> I = imread('Tracy.tif');>> J = mat2huff(I);>> cr1 = imratio(I,J)cr1 = 1.2191>> save('tracy.mat','J');>> cr2 = imratio('Tracy.tif','tracy.mat')cr2 = 1.2386>> load tracy.mat>> K = huff2mat(J);>> L = imre

25、ad('Tracy.tif');>> rmse = compare(K,L)rmse = 03.对给定图像I先进行预测编码、霍夫曼编码，然后进行霍夫曼解码、预测解码。计算压缩率 CR。显示预测误差图像x-x 。预测器采用x=（A+B+C）/3，如下图所示：ACBx比较该预测器与mat2lpc 所指定的预测器性能差异（CR 与 执行速度）。(提示：可参考mat2lpc.m, lpc2mat.m，或采用循环方式设计预测器，执行速度可用tic，toc)。>> x = imread('Tracy.tif');>> tic>>

26、; e1 =mat2lpc(x);>> tocElapsed time is 20. seconds.>> tic>> e2 = mymat2lpc(x);>> tocElapsed time is 17. seconds.>> figure;imshow(e1,);>> figure;imshow(e2,);>> EN = entropy(x),entropy(e1), entropy(e2)EN = 6.5147 3.9741 3.8448>> y1 = mat2huff(e1);>>

27、; y2 = mat2huff(e2);>> z1 = huff2mat(y1);>> z2 = huff2mat(y2);>> x1 = lpc2mat(z1);>> x2 = mylpc2mat(z2);>> ComRatio = imratio(x,y1), imratio(x,y2)ComRatio = 1.9952 2.0646>> compare(x,x1)ans = 0>> compare(x,x2)ans = 0实验六 综合实验1、对给定的一幅彩色图像F进行图像增强，结果保存为BMP图像G。wi

28、n = 5,5;img = imread('F.tiff');x = img(:,:,1);y = img(:,:,2);z = img(:,:,3);X = medfilt2(x,win);Y = medfilt2(y,win);Z = medfilt2(z,win);G = cat(3,X,Y,Z);imwrite(G,'G.bmp','bmp');subplot(1,2,1),imshow(img),title('原图像');subplot(1,2,2),imshow(G),title('原图像用中值滤波去除椒盐噪声');2、将图像G以JPEG格式进行压缩，质量因子设为70，结果保存为JPG图像J。A = imread('G.bmp');imwrite(A,'J.jpg','jpg','quality',70);imshow('J.jpg'), title('图像G以JPEG格式压缩');3、（1）计算J相对于G的均方根误差RMSE。 B = imread('J.jpg');rmse = compare(A,B)rms