2022年matlab图像处理综合实验实验报告

1、数字图像处理试验报告学 院：专 业：班 级：姓 名：学 号：试验一试验名称： 图像增强试验目的 ：1. 熟识图像在 Matlab 下的读入,输出及显示； 2.熟识直方图均衡化；. 3.熟识图像的线性指数等； 4.熟识图像的算术运算及几何变换试验仪器： 运算机, Matlab 软件试验原理：图像增强是为了使受到噪声等污染图像在视觉感知或某种准就下尽量的复原到原始图像的水平之外,仍需要有目的性地加强图像中的某些信息而抑制另一些信息,以便更好地利用图像；图像增强分频域处理和空间域处理,这里主要用空间域的方法进行增强；空间域的增强主要有：灰度变换和图像的空间滤波；图像的直方图实际上就是图像的各像素点强

2、度概率密度分布图,是一幅图像全部像素集合的最基本统计规律,均衡化是指在每个灰度级上都有相同的像素点过程；试验内容如下：I=imreadE:cs.jpg;% 读取图像subplot2,2,1,imshowI,title 源图像 J=rgb2grayI%灰度处理subplot2,2,2,imshowJ %输出图像title 灰度图像 %在原始图像中加标题subplot2,2,3,imhistJ % 输出原图直方图title 原始图像直方图 灰 度 图 像源 图 像原 始 图 像 直 方 图300200几何运算：100I=imreadE:cs.jpg;% 读取图像 0subplot1,2,1, im

3、showI; 0 100theta = 30; 200K = imrotateI,theta; subplot1,2,2, imshowK 对数运算：I=imreadE:dog.jpg; subplot2,2,1,imshowI,title源图像 J=rgb2grayI%灰度处理灰度变换后图像subplot2,2,2,imshowJ,titleJ1=log1+doubleJ; subplot2,2,3,imshowJ1,title对数变换后 灰 度 变 换 后 图 像源 图 像对 数 变 换 后指数运算 : I=imreadE:dog.jpg; f=doubleI; g=22*f-1-1 f=

4、uint8f; g=uint8g; subplot1,2,1;subimagef,title 变换一 subplot1,2,2;subimageg,title变换二 变 换 二变 换 一100200400600100200400600200200300300400400500500加法运算：clc;clear all;close all; i = imreadE:dog.jpg; j = imnoisei,gaussian,0,0.02; subplot1,3,1,imshowi,title 图一 subplot1,3,2,imshowj,title 图二 k=zeros242,308; fo

5、r p=1:100 j = imnoisei,gaussian,0,0.02; j1 = im2doublej; k = k + j1; end k=k/100; subplot1,3,3,imshowk,title 图三 试验二试验名称：图像变换试验目的：（1）进一步对 matlab 的明白和使用；（2）学习如何在 matlab 中对数字图像的处理；试验原理：图像和其他信号一样,既能在空间域处理,也能在频率域处理；把图像信 息从空域变换到频域,可以更好的分析加工处理；由于图像信息的频域处理具有如下特点：（1）能量守恒,但能量重新安排；（2）有利于提取图像的某些特点；（3）正交变换具有能量集中

6、作用,可以实现图像的高效压缩编码；（ 4 ）频域用快速算法；试验器材：电脑 matlab 软件 试验内容：（1）明白正交变换基本概念（2）把握图像的离散傅里叶和离散余弦变换（3）熟识图像的沃尔什及哈达玛变换 试验过程如下：傅里叶变换I = imreadE:dog.jpg I = rgb2grayI J = fft2I subplot2,2,1,imshowI,title 灰度变换 J = fftshiftJ subplot2,2,2,imshowlogabsJ,title傅里叶变换 JabsJ5000=0 subplot2,2,3,imshowlogabsJ+eps,title滤波 J = i

7、fftshiftJ K = ifft2J subplot2,2,4,imshowK,0 255,title傅里叶逆变换 灰 度 变 换 傅 里 叶 变 换滤 波 傅 里 叶 逆 变 换余弦变换：clear all; RGB=imreadE:dog.jpg; I=rgb2grayRGB; figure;imshowI;title 灰度图像 ; J=dct2I; figure;imshowlogabsJ,; colormapjet64,colorbar;title 灰 度 图 像二维离散余弦变换 二 维 离 散 余 弦 变 换沃尔什哈达玛变换：I=zeros2.8; I2.7-2.4+1:2.7+

8、2.4,2.7-2.4+1:2.7+2.4=ones2*2.4; subplot1,2,1;colormapgray128,imagescI; m,n=sizeI for k=1:n wht:,k=hadamardm*I:,k/m; end for j=1:m wh:,j=hadamardn*whtj,:/n; end wh=wh; subplot1,2,2; colormapgray128,imagescwh; 50 501005010015020025010050100150200250150150200200250250Radon变换：R=radon（I ,theta ）：I 表示待处理

9、的图像, theta 表示 Radon变换的方向角度,可以是一个标量或向量值；R 的每一列对应图像 I 在 theta 某祎 角度的 Radon变换值；I=zeros120,120; I25:75,25:75=1; figure;imshowI; theta=0:180;R,xp=radonI,theta; figure;imshowR,Xdata,theta,Ydata,xp,. InitialMagnification,fit xlabeltheta degreesylabelx colormaphot,colorbar iptsetprefImshowAxesVisible,off -8

10、0 70-60 60试验三试验名称： 图像的复原 试验目的： 1. 加深图像复原的相关原理,熟识相关算法； 2. 能够产生运动模糊图像,加入高斯,椒盐噪声,并对噪 声 进 行 中 值,均值,最大值,最小值进行滤波复原；3. 对彩色图像 RGB转换到 HISI ,并显示对应重量,同时完成相关平滑 滤波；试验仪器： 运算机, Matlab 软件 试验原理：图像复原的基本思路 : 先建立退化的数学模型,然后依据该模型对退化图像 进行拟图像复原合；图像复原模型可以用连续数学和离散数学处理,处理项的实现可在空间域卷积,或在频域相乘. 图像复原的基本任务 : 排除模糊；图像的退化主要是由系统的相关特性以及

11、噪声两方面的因素所导致的,我 们可以通过设计一个合适的复原滤波器（即实现逆滤波过程）来实现图像的 复原；图 1 中 f （x,y）表示的是一幅静止、二维的图像,它在外部噪声 n（x,y）的干扰作用之下,在经过系统 h（x,y）之后,退化成为 g（x,y）,复原后的图像为 f （x,y）；针对于退化图像的复原,我们通常可以采纳这样 两种方式来进行：其一,当对于原始图像缺乏必需的先验学问时,我们可以采纳就退化过程 建立一个模型,第一对其进行一个大致的描述,然后在复原的过程依据详细 的情形进行逐步合理的修正,逐步排除误差影响；这种方法建立在对图像的 退化过程进行合理的估量的基础之上,从这个角度来看它

12、是一种估量的方法；其二,当我们对原始图像具有足够的先验学问时,我们这时候就直接针对原始图像建立一个精确的数学模型,然后再对退化图像进行复原处理,这种 成效更好 . 加入噪声：I=imreadE:dog.jpg;% 读取原图像 %考虑是否加入灰度处理 J1=imnoiseI,salt & pepper,0.02; % 加入椒盐噪声 J2=imnoiseI,gaussian,0,0.01;% 加入高斯白噪声 J3=imnoiseI,poisson;% 加入泊松噪声 J4=imnoiseI,speckle,0.04;% 加入乘法噪声 figure; subplot221,imshowJ1;title

13、 subplot222,imshowJ2;title subplot223,imshowJ3;title subplot224,imshowJ4;title加入椒盐噪声后图像 加入高斯白噪声后图像 加入泊松噪声后图像 加入乘法噪声后图像 加 入 椒 盐 噪 声 后 图 像 加 入 高 斯 白 噪 声 后 图 像加 入 泊 松 噪 声 后 图 像 加 入 乘 法 噪 声 后 图 像%对椒盐噪声和高斯白噪声进行imfilter滤波rgb=imreadE:dog.jpg; h=ones5,5/25; rgb1=imfilterrgb,h; rgb2=imfilterrgb1,h,replicate;

14、 figure; subplot1,3,1;imshowrgb;titleOriginal;% 原始subplot1,3,2;imshowrgb1;titleFiltered;% 一维滤波 subplot1,3,3;imshowrgb;titleboundary replication;% 边缘滤波%增加运动滤波,水平边缘增强,拉普拉斯滤波 rgb=imreadE:dog.jpg; h1=0,0,0.0000,0.0021,0.0042;0.1958,0.1979,0.2022,0.1979,0.1958 ;0.0042,0.0021,0.0000,0,0; h2= 1,2,1;0,0,0;-

15、1,-2,-1; h3=0.1667,0.6667,0.1667;0.6667,-3.3333,0.1667;0.1667, 0.6667, 0.1667; rgb1=imfilterrgb,h1; rgb2=imfilterrgb,h2; rgb3=imfilterrgb,h3; figure; subplot2,2,1,imshowrgb,title 原图像 subplot2,2,2,imshowrgb1,title 运动滤波 subplot2,2,3,imshowrgb2,title subplot2,2,4,imshowrgb3,title水平边缘增强 拉普拉斯滤波 原 图 像 运 动

16、 滤 波%fspecial 产生线性滤波器rgb=imreadE:dog.jpg; h1=fspecialaverage,5,3; 水 平 边 缘 增 强 h2=fspecialgaussian,5,3,1; h3=fspeciallaplacian,0; 拉 普 拉 斯 滤 波rgb1=imfilterrgb,h1; rgb2=imfilterrgb,h2; rgb3=imfilterrgb,h3; figure; subplot2,2,1,imshowrgb,title 原图像 subplot2,2,2,imshowrgb1,title 均值滤波 subplot2,2,3,imshowrg

17、b2,title 高斯滤波 subplot2,2,4,imshowrgb3 原 图 像 均 值 滤 波I=imreadE:dog.jpg;% 二值化函数的输入图像既可以是彩色图像也可以是灰度图像th=graythreshI; % 自动确定二值化的正确阈值J=im2bwI,th; %二值化阈值可以自己设定,值为0-1 之间,而不是 0-255 ,这一点要切记 subplot121,imshowI; subplot122,imshowJ; 产生运动模糊图像 clc;clear all; I = imreadE:dog.jpg; subplot121;imshowI;title 原始图像 ; H =

18、 fspecialmotion,20,45; MotionBlur = imfilterI,H,replicate; subplot122;imshowMotionBlur;titleclc;clear all; I = imreadeight.tif; J = imnoiseI,salt & pepper,0.02; K = medfilt2J; 运动模糊图像 ; subplot121;imshowJ;title 加入椒盐噪声的图像 ; subplot122;imshowK;title中值滤波的图像 ; 加 入 椒 盐 噪 声 的 图 像 中 值 滤 波 的 图 像clc;clear all

19、; I = imreadsnowflakes.png; MAX = ordfilt2I,25,ones5,5; MIN = ordfilt2I,1,ones5,5; subplot221;imshowI;title 原始图像 ; subplot222;imshowMAX;title 最大值滤波 ; subplot223;imshowMIN;title 最小值滤波 ; 原 始 图 像 最 大 值 滤 波最 小 值 滤 波试验四试验名称： 图像的检测与分割 试验目的：（1）进一步对 matlab 的明白和使用；（2）学习如何在 matlab 中对数字图像的处理；试验原理：数字图像处理主要目的：一是

20、对图像进行加工和处理,得到满意人的视觉和 心理需要的转变进行式；二是对图像中的目标物进行分析很懂得,包括：（1）把图像分割成不同目标物和背景的不同区域；（2）提取正确代表不同目标物特点的特点参数,并进行扫描；（3）对图像中目标物进行识别和分类；试验器材： 电脑 matlab 软件 试验内容：（1）明白图像分割的概念（2）把握阈值分割及边缘点检测的基本方法（3）对检测目标图像提取特点并进行分析 试验过程：图像分割：指的是将数字图像细分为多个图像子区域（像素的集合）（也 被称作超像素）的过程,就是把图像分成如干个特定的、具有特殊性质的区域并 提出感爱好目标的技术和过程；它是由图像处理到图像分析的关

21、键步骤；图像分 割的目的是简化或转变图像的表示形式,使得图像更简单懂得和分析；图像分割 通常用于定位图像中的物体和边界（线,曲线等）；更精确的,图像分割是对图 像中的每个像素加标签的一个过程,这一过程使得具有相同标签的像素具有某种 共同视觉特性；图像分割的结果是图像上子区域的集合（这些子区域的全体掩盖 了整个图像）,或是从图像中提取的轮廓线的集合（例如边缘检测）；一个子区 域中的每个像素在某种特性的度量下或是由运算得出的特性都是相像的,例如颜 色、亮度、纹理；邻接区域在某种特性的度量下有很大的不同；现有的图像分割 方法主要分以下几类：基于阈值的分割、区域生长、区域分裂合并、分水岭算法、边缘分割

22、（边缘检测）、直方图法、聚类分析、小波变换等；（1）阈值分割及边缘点检测的基本方法阈值分割：双峰法、迭代法、OTSU方法 双峰法：依据双峰法原理,观看到灰度图像直方图出现明显的双峰状,就选 取双峰之间的谷底所对应的灰度级作为阈值分割；如上图,选取 160 作为分割点；I=imreadE:dog.jpg; I=rgb2grayI; imhistI; I=imreadE:dog.jpg; I=rgb2grayI; figure subplot1,2,1 imshowI; width,height=sizeI; title 原图 for i=1:width for j=1:height ifIi,j230 RCi,j=0; else RCi,j=1; end end end subplot1,2,2 imshowRC title双峰法图像阈值分割处理成效图 直方图如下迭代法I=imreadE:dog.jpg; I=rgb2grayI; Figure,subplot1,2,1imshowI;title 原图 clc;clear all;close all; I=imreadE:dog.jpg; I=rgb2grayI; Figure,subplot1,2,1imshowI;title 原图; I=doubleI; T=m