数字图像处理实验报告22380

数字图像处理实验报告学院：班级：学号：姓名：数字图像处理实验报告第一题：应用MATLAB语言编写显示一幅灰度图像、二值图像、索引图像及彩色图像的程序，并进行相互之间的转换。解：（1）彩色图像转换为灰度图像，索引图像，二值图像A=imread('Sev彩色.bmp');%读取彩色图像B=rgb2gray(A);%彩色图像转换为灰度图像[C,map]=rgb2ind(A,256);%彩色图像转换为索引图像D=im2bw(A);%彩色图像转换为二值图像subplot(221);imshow(A);title('彩色图像');%显示图像subplot(222);imshow(B);title('灰度图像');subplot(223);imshow(C);title('索引图像');subplot(224);imshow(D);title('二值图像');（2）灰度图像转换为索引图像，二值图像A=imread('Sev彩色.bmp');%读取彩色图像B=rgb2gray(A);%彩色图像转换为灰度图像[C,map]=gray2ind(B,150);%灰度图像转换为索引图像D=im2bw(B);%灰度图像转换为二值图像subplot(131);imshow(B);title('灰度图像');%显示图像subplot(132);imshow(C);title('索引图像');subplot(133);imshow(D);title('二值图像');（3）索引图像转换为灰度图像，二值图像，灰度图像，彩色图像A=imread('Sev彩色.bmp');%读取彩色图像[B,map]=rgb2ind(A,150);%彩色图像转换为索引图像C=ind2gray(B,map);%索引图像转换为灰度图像D=im2bw(B,map,0.5);%索引图像转换为二值图像RGB=ind2rgb(B,map);%索引图像转换为彩色图像subplot(221);imshow(B);title('索引图像');subplot(222);imshow(C);title('灰度图像');subplot(223);imshow(D);title('二值图像');subplot(224);imshow(RGB);title('彩色图像');第二题：应用MATLAB工具箱演示一幅图像的傅里叶变换、离散余弦变换，观察其频谱图。然后将它们进行逆变换，观察逆变换后的图像；解：傅里叶变换A=imread('Sev彩色.bmp');B=rgb2gray(A);%将原图像转换为灰度图像F=fftshift(fft2(B));%进行快速傅里叶变换并对结果进行转换subplot(221);imshow(A);title('原图像'); %原图像subplot(222);imshow(B);title('灰度图像'); %灰度图像subplot(223);imshow(F);title('FFT变换'); %FFT变换后subplot(224);imshow(log(abs(F)),[]);title('FFT变换频谱'); %FFT变换频谱(2)傅里叶逆变换F1=ifft2(F);%求傅里叶变换逆变换subplot(121);imshow(F);title('FFT变换');%傅里叶变换图像subplot(122);imshow(F1);title('FFT逆变换');%傅里叶逆变换图像（3）离散余弦变换

A=imread('Sev彩色.bmp');B=rgb2gray(A);%将原图像转换为灰度图像D=dct2(B);%对原图像进行离散余弦变换subplot(221);imshow(A);title('原图像');%原图像subplot(222);imshow(B);title('灰度图像');%灰度图像subplot(223);imshow(D);title('离散余弦变换');%离散余弦变换图像subplot(224);imshow(log(abs(D)),[]);%求离散余弦变换频谱并绘图title('离散余弦变换频谱');（4）离散余弦逆变换D1=idct2(D);%求离散余弦变换逆变换subplot(121);imshow(D);title('离散余弦变换');%离散余弦变换图像subplot(122);imshow(D1,[0255]);title('离散余弦逆变换');%离散余弦逆变换图像第三题：应用MATLAB语言编程来实现一幅图像的增强。（1）取一幅灰度图像，对其进行线性点运算，即取（α,β）分别为（1.5，1.2）、（0.7，1.2），对原图像进行线性处理，观察处理后的结果，并分析直方图的变化。（2）取一幅灰度图像，对其进行直方图均衡化处理，再对其进行规定化处理，并对结果进行分析。解：第一问：（1）处理前源图像及其直方图A=imread('Sev彩色.bmp');B=rgb2gray(A);%将原图像转换为灰度图像subplot(121);imshow(B);title('原图像')%绘制原图像subplot(122);imhist(B)title('源图像直方图')%绘制原图像直方图（2）（α,β）取值为（1.5，1.2）I=1.5*B+1.2;%对原图像进行线性变换subplot(121);imshow(I);%显示变换后图像subplot(122);imhist(I)%显示变换后直方图（3）（α,β）取值为（0.7，1.2）I=0.7*B+1.2;%对原图像进行线性变换subplot(121);imshow(I);%显示变换后图像subplot(122);imhist(I)%显示变换后直方图分析：a=0.7时，图像对比度减小，输出灰度值范围减小a=1.5时，图像对比度增大，输出灰度值范围增大

第二问：（1）均衡化A=imread('Sev彩色.bmp');B=rgb2gray(A);%将原图像转换为灰度图像I=histeq(B);%对图像进行均衡化处理subplot(121);imshow(I);%绘制均衡化后图像subplot(122);imhist(I)%绘制均衡化图像的直方图（2）规定化A=imread('Sev彩色.bmp');B=rgb2gray(A);%将原图像转换为灰度图像[m,n]=size(B);%取得图像大小fori=1:8:257counts(i)=i;%取得逐渐递增的灰度级endI1=histeq(B,counts);%图像均衡化后的灰度级有counts个%即为图像规定化subplot(121);imshow(I1);%规定化图像subplot(122);imhist(I1);%规定化后的直方图axis([028005500])%规定图像坐标轴范围分析：图像均衡化将一已知灰度概率密度分布的图像经过某种变换，变成一幅具有均匀灰度概率密度分布的新图像。其结果扩展了像元取值的动态范围，从而达到了增强图像整体对比度的效果。直方图规定化能自动增强整个图像的对比度，但它的具体增强效果不易控制，处理的结果总是得到全局的均衡化直方图。思考题：如果将一幅图像进行一次直方图均衡化处理后，再进行一次直方图均衡化处理，结果会发生变化吗？观察两次均衡化的直方图是否一样。解：将上一问中均衡化后的图像I在进行一次均衡化A=imread('Sev彩色.bmp');B=rgb2gray(A);I=histeq(B);%第一次均衡化I1=histeq(I);%第二次均衡化subplot(121);imshow(I1);subplot(122);imhist(I1)结论：与第二问中均衡化结果相比较，两个结果相同，两次均衡化的直方图一样。（3）取一幅灰度图像，加入噪声后对其进行平滑滤波（均值滤波、中值滤波），并观察不同滤波方式下的效果。解：（1）给原图像中添加椒盐噪声A=imread('Sev彩色.bmp');B=rgb2gray(A);J=imnoise(B,'salt&pepper',0.03);%给原图像中添加椒盐噪声subplot(121);imshow(B);title('原图像');subplot(122);imshow(J);title('添加椒盐噪声图像')（2）均值滤波A=imread('Sev彩色.bmp');B=rgb2gray(A);J=imnoise(B,'salt&pepper',0.03);%给原图像中添加椒盐噪声subplot(231),imshow(B);title('原图像');subplot(232),imshow(J);title('添加椒盐噪声图像');f1=filter2(fspecial('average',5),J); %5*5模板均值滤波f2=filter2(fspecial('average',7),J); %7*7模板均值滤波f3=filter2(fspecial('average',9),J); %9*9模板均值滤波f4=filter2(fspecial('average',11),J); %11*11模板均值滤波subplot(233),imshow(uint8(f1));title('5*5模板均值滤波');subplot(234),imshow(uint8(f2));title('7*7模板均值滤波');subplot(235),imshow(uint8(f3));title('9*9模板均值滤波');subplot(236),imshow(uint8(f4));title('11*11模板均值滤波');（3）中值滤波A=imread('Sev彩色.bmp');B=rgb2gray(A);J=imnoise(B,'salt&pepper',0.03);%给原图像中添加椒盐噪声subplot(231),imshow(B);title('原图像');subplot(232),imshow(J);title('添加椒盐噪声图像');f1=medfilt2(J,[55]);%medfilt2默认3*3，5*5模板中值滤波f2=medfilt2(J,[77]);%medfilt2默认3*3，7*7模板中值滤波f3=medfilt2(J,[99]);%medfilt2默认3*3，9*9模板中值滤波f4=medfilt2(J,[1111]);%medfilt2默认3*3，11*11模板中值滤波subplot(233),imshow(uint8(f1));title('5*5模板中值滤波');subplot(234),imshow(uint8(f2));title('7*7模板中值滤波');subplot(235),imshow(uint8(f3));title('9*9模板中值滤波');subplot(236),imshow(uint8(f4));title('11*11模板中值滤波');分析：均值滤波效果与所使用邻域半径大小有关，半径越大，像素点越多，则信噪比提高越大，平滑效果越好，但是平滑图像的模糊程度越大。中值滤波是一种非线性滤波，可以克服线型滤波器所带来的图像细节模糊，对滤波脉冲干扰及颗粒噪声最为有效。（4）取一幅灰度图像，采用不同的算子对其进行边缘锐化，并分析结果。解：A=imread('Sev彩色.bmp');B=rgb2gray(A);h1=fspecial('sobel'); %用sobel算子进行边缘锐化f1=filter2(h1,B);h2=fspecial('prewitt'); %用prewitt算子进行边缘锐化f2=filter2(h2,B);h3=fspecial('laplacian'); %用laplacian算子进行边缘锐化f3=filter2(h3,B);subplot(221);imshow(B,[]);title('原始图像');subplot(222);imshow(f1,[]);title('sobel算子');subplot(223);imshow(f2,[]);title('prewitt算子');subplot(224);imshow(f3,[]);title('laplacian算子');分析：sobel算子：对称的一阶差分，对中心加权具有一定的平滑作用Prewitt算子：一种一阶微分算子的边缘检测，利用像素点上下、左右邻点的灰度差，在边缘处达到极值检测边缘，去掉部分伪边缘，对噪声具有平滑作用。Laplacian算子：二次微分算子，满足不同走向的图像边缘锐化要求，对噪声的增强作用较弱，一半用它进行边缘增强时，有必要将图像先进性平滑处理。思考题：为了达到边缘锐化的反差增强效果，实际应用中将高频增强和直方图均衡化结合起来使用，这两个操作的次序能互换吗？效果一样吗？解：>>I=imread('Sev彩色.bmp');I=rgb2gray(I);subplot(241),imshow(I);title('原始图像');ll=[0,-1,0;-1,5,-1;0,-1,0];I3=imfilter(I,ll);subplot(242),imshow(uint8(I3));title('拉普拉斯算子锐化图像');h=ones(size(I3));[f1,f2]=freqspace(size(I3),'meshgrid');r=sqrt(f1.^2+f2.^2);h(r<0.3)=0;Y=fft2(double(I3));Y=fftshift(Y);y=Y.*h;y=ifftshift(y);I4=ifft2(y);subplot(243),imshow(uint8(I4));title('高频增强图像');I5=histeq(I4);subplot(244),imshow(I5);title('均衡化图像');P=imread('Sev彩色.bmp');P=rgb2gray(P);subplot(245),imshow(P);title('原始图像');ii=[0,-1,0;-1,5,-1;0,-1,0];P1=imfilter(P,ll);subplot(246),imshow(uint8(P1));title('拉普拉斯算子锐化图像');P2=histeq(P1);subplot(248),imshow(P2);title('均衡化图像');J=ones(size(P2));[f3,f4]=freqspace(size(P2),'meshgrid');r1=sqrt(f3.^2+f4.^2);J(r1<0.3)=0;Y=fft2(double(P2));Y=fftshift(Y);y=Y.*h;y=ifftshift(y);P3=ifft2(y);subplot(247),imshow(uint8(P3));title('高频增强图像');结论：不能互换，效果有差异第四题：对一幅灰度图像进行模糊处理，然后进行逆滤波、维纳滤波与约束最小二乘方滤波复原实验。解：（1）对原图像进行模糊处理A=imread('Sev彩色.bmp');B=rgb2gray(A);len=40; %设置运动位移为40个像素theta=45; %设置运动角度为45°FZ=fspecial('motion',len,theta); %建立二维仿真线性运动滤波器C=imfilter(B,FZ,'circular','conv'); %产生模糊图像subplot(121),imshow(B);title('原始图像');%显示图像subplot(122),imshow(C);title('模糊图像');（2）图像复原A=imread('Sev彩色.bmp');B=rgb2gray(A);len=40;%设置运动位移为40个像素theta=45;%设置运动角度为45°FZ=fspecial('motion',len,theta);C=imfilter(B,FZ,'circular','conv'); %产生模糊图像figure(1);subplot(121);imshow(B);title('原始图像');subplot(122);imshow(C);title('模糊图像');noise=imnoise(zeros(size(B)),'gaussian',0,0.001); %产生噪声noise=uint8(noise); %转换类型，便于运算CN=C+noise; %运动模糊+高斯噪声图像MINNSR=sum(noise(:).^2)/sum(CN(:).^2); %计算性噪比f1=deconvwnr(C,FZ); %用逆滤波恢复图像f2=deconvwnr(C,FZ,NSR); %用维纳滤波恢复图像CN=double(CN); f3=deconvreg(CN,FZ,4); %用最小二乘方滤波恢复图像figure(2);subplot(131);imshow(f1);title('逆滤波恢复');subplot(132);imshow(f2);title('维纳滤波恢复');subplot(133);imshow(uint8(f3));title('最小二乘方滤波恢复');第五题：应用MATLAB语言编写实现一幅图像的旋转、剪切和缩放；解：A=imread('Sev彩色.bmp');B=rgb2gray(A);I=imrotate(B,-90); %图像旋转90°I1=imcrop(B,[2020100100]); %图像剪切I2=imresize(B,0.5,'nearest'); %图像缩小0.5倍I3=imresize(B,1.5,'bilinear'); %图像放大1.5倍figure(1);imshow(B);title('原始图像');figure(2);subplot