数字图像处理实验报告参考模板

数字图像处理实验报告数字图像处理实验报告数字图像处理实验报告1/15实验1离散图像的傅立叶变换实验目的：计算离散图像的傅立叶变换；掌握图像的傅立叶频谱图及离散傅立叶变换性质。实验原理：二维傅立叶变换的Matlab实现，是利用图像处理软件对给出的图像进行傅立叶变换处理。在Matlab中，函数fft2表示二维傅立叶变换，函数ifft2则表示二维傅立叶反变换。实验内容及步骤：(1)利用Matlab图像处理软件进行离散图像傅立叶变换，如给出一幅图像(w01.tif)，其傅立叶变换程序如下：i=imread('w01.tif');%装入原始图像figure(1);imshow(i); %显示原始图像colorbar;j=fft2(i); %进行傅立叶变换k=fftshift(j);figure(2);l=log(abs(k));imshow(l,[]); %显示傅立叶变换图像colorbar实验结果：分析图像的傅立叶频谱图；自行设计一幅图像，验证离散傅立叶变换的性质，如：频谱图中高频分量迅速衰减，可分离性，平移，周期性与共轴对称性，旋转、线性和比例性，平均值。下图是X,Y平移后傅立叶图。a=zeros(1000); %设计一幅图像fori=400:l:600;forj=450:1:550;a(jri)=1;endendfigure(1)subplot(3,2,1);imshow(a);b=fft2(a); %对图像进行傅里叶变换k=fftshift(b);l=log(abs(k));subplot(3,2,2);imshow(1,[]);c=zeros(1000); %对图像进行X方向平移fori=700:1:900;forj=450:1:550;c(jri)=1;endendsubplot(3,2,3);imshow(c);d=fft2(c); %对图像进行傅里叶变换m=fftshift(d);

l=log(abs(m));subplot(3,2,4);imshow(1,[]);e=zeros(1000); %对图像进行Y方向平移fori=400:l:600;forj=750:1:850;e(jri)=1;endendsubplot(3,2,5);imshow(e);f=fft2(e);k=fftshift(f);l=log(abs(k));subplot(3,2,6);imshow(1,[]);实验结果：思考题：描述空间频率的概念：答：以空间频率（即波数）为自变量描述图像的特征，可以将一幅图像元值在空间上的变化分解为具有不同振幅、空间频率和相位的简振函数的线性叠加，图像中各种空间频率成分的组成和分布称为空间频谱。这种对图像的空间频率特征进行分解、处理和分析称为空间频率域处理或波数域处理。和时间域与频率域可互相转换相似，空间域与空间频率域也可互相转换。数字图像处理实验报告数字图像处理实验报告实验2修改直方图图像增强实验目的：掌握图像的直方图，图像的对比度；掌握图像的直方图均衡化增强。实验原理：图像增强的Matlab实现，是利用图像处理软件对给出的图像进行处理。在Matlab中，imhist()函数计算并产生图像的直方图，imadjust()函数可以实现图像线性变换对比度增强；histeq()函数是计算图像的直方图均化的函数。实验内容及步骤：(1)读入一幅图像，使用imhist()函数产生图像的直方图，分析它的直方图分布及反映图像的特点；⑵读入一幅图像，使用imadjust()函数产生图像的对比度图，并使用imhist()函数产生两个图像的直方图，分析图像对比度变化后的效果；读入一幅图像，使用histeq()函数均衡化图像，分析变化后图像的效果。实验报告：整理程序、数据，分析实验结果。(1)imhist()函数:程序:clc;clearall;closeall;a=imread(,wQ1.tif,);figure(1);imshow(a);colorbar;imhist(a);结果如图:w01.tif的直方图1分析发现直方图所反映的灰度分布在50左右处量最大，对应0.2左右点。与图像中黑色头发部分对应。(2)imajust()函数：histeq()函数：程序：a=imread(,wQ1.tif,);figure(1);subplot(3,2,1);imshow(a);title('原图');subplot(3,2,2);imhist(a);title('直方图');subplot(3,2,3);b=imadjust(a);imshow(b);title('imjust后')subplot(3,2,4);imhist(b);title('直方图')c=histeq(a);subplot(3,2,5);imshow(c);title('histep后')subplot(3,2,6);imhist(c);title('直方图')

结果如下:histephistep分析对比度直方图知对比度图像在灰度分布上更趋于两极。思考题： 如何对图像进行对数变换。答：使用如下log变换函数可以实现oldpic=double(oldpic);newpic=log(1+oldpic);实验3图像的平滑处理1实验目的：掌握图像加入噪声的方法；掌握图像的线性滤波；掌握图像的中值滤波。2实验原理:图像平滑处理的Matlab实现，是利用图像处理软件对给出的图像加入给定的噪声并进行滤波处理。在Matlab中，imnoise()函数是模拟噪声生成函数，线性滤波是产生一个滤波模板，如：数字图像处理实验报告数字图像处理实验报告,并对模板归一化处理，用conv2()二维卷积函数对图像滤波；medfilt2()函数是用于中值滤波。3实验内容及步骤：读入一幅图像，使用imnoise()函数产生图像噪声如j=imnoise(i,,gaussian,,0,0.02)，产生高斯噪声；分析它的直方图分布及反映图像的特点；对加入噪声的图像使用线性滤波，分析图像前后变化；对加入噪声的图像使用中值滤波，分析图像前后变化。4实验报告： 整理程序、数据，分析实验结果。高斯噪声：程序：clc;clearall;closeall;I=imread('wO1.tif);figure(1);A=imnoise(I,'gaussian',0,0.02);subplot(2,2,1);imshow(A);title('高斯噪声图像');subplot(2,2,2);imhist(A);axison;title('对比度直方图');实验结果如下图：高断噪声图像对此度直方回250U200016001000500010U高断噪声图像对此度直方回250U200016001000500010U分析可知，直方图分布明显趋于平缓化，明显突出点消失，反映出加入噪声后的图像灰度值分布相对均匀的特点。线性滤波：程序：clc;clearall;closeall;I=imread('w01.tif');figure(1);A=imnoise(I,'gaussian',0,0.02);imshow(A);title(高斯噪声图像)；j=filter2(fspecial('average',3),A)/255;figure(2);imshow(j);axison;title(线性滤波);实验结果如下图4性泌■»观察可知滤波后效果较明显，图像明显变得更加平滑。中值滤波：程序：clc;clearall;closeall;I=imread('D:\1\w01.tif');figure(1);A=imnoise(I,'gaussian',0,0.02);imshow(A);title('高斯噪声图像');j=medfilt2(A);figure(2)；imshow(j);axison;title('中值滤波');实验现象如下图所示：

吉少曜-曲I中■做做290湖ainaisimsoawsq吉少曜-曲I中■做做290湖ainaisimsoawsq分析知中值滤波后图像也变得平滑一些，但与未加噪声的原图相比明显变模糊。5思考题：图像自适应滤波方法。数字图像处理实验报告数字图像处理实验报告答：以最小均方误差为准则设计的自适应滤波器可实现图像自适应滤波。实验4图像的锐化处理1实验目的：(1)掌握梯度算子对图像的锐化方法；(2)掌握拉氏算子对图像的锐化方法。2实验原理：在Matlab中，利用sobel算子对图像进行滤波，filter2()函数是基于卷积的图像滤波函数，其格式为：b=filter2()fspecial()函数是用于创建预定义的滤波算子，其格式为：h=fspecial()；3实验内容及步骤：(1)读入一幅图像，产生sobel算子，利用filter2()函数产生锐化图像，如：h=fspecial(‘sobel,);j=filter2(h,I);imshow(j);分析锐化后图像；(2)读入一幅图像，产生拉普拉斯算子，产生锐化图像，如:i=imread('w01.tif)I=doubole(i);h=[x,x,x;x,x,x;x,x,x]j=conv2(I,h,,same,);k=I-j;imshow(k,[]);分析锐化后图像。4实验报告： 整理程序、数据，分析实验结果。(1)sobel算子、拉普拉斯算子程序：i=imread(,wQ1.tif,);figure(1);imshow(i,[]);h=fspecial('sobel');j=filter2(h,i);figure(3);imshow(j,[]);title('sobel算子');I=double(i);%h=[x,x,x;x,x,x;x,x,x]h1=fspecial('laplacian')m=conv2(I,h1,'same');k=I-m;

figure(4);imshow(kr[]);title(*拉普拉斯算子，)；实验结果如图：原图1.土子戸生n廚由分析知sobel算子锐化后产生了较好的边缘效果，但也存在一些问题:检测出了一些伪边缘，使得边缘比较粗，降低了检测定位精度已知拉普拉斯算子能对任何走向的界线和线条进行锐化，分析实验结果刚好符合这一特性，锐化后边缘较