Matlab图像处理实验指导书

⑤电占树或土学

生命科学与技术学院缈字圈像魄

ft51课程介韶e密队伍谍卅侬弧M上教学学习M地fttthfl在线弄或MMWHaM；

上教学

试验一、亶方图处理与模板运算

K试验内容

B!字图像试改

内容I：打开lenna.bmp图较:

<1>指出丈类型；

<2阑命名为lcmul.bmp;

<3>显示出直方图：

（4）显示出我以SL方图；

O试收教材

<5>显示出口方图均狗拈果：

<6>ilJ?负图.保存为knnanjpB

内容2i打开图象knnanoise】.bmp।

<I>川均值滤波其对其进行平滑处理：

◊试验条件

（2）选杼不同尺寸的卷积核，会石丸对结果的影响，

<3>对半猾E的图像执行直方图均衡.百希其对结果的影响.

<4>傲习埋3.1K

O试验内容

内容3i

孤介空间增加法是种疗效的方法,比单独采纳其中任一种方法产生的效％好.现有图侬pouLbmp.耳边缘及对比度哎很箜.请设计种算法加以堵加.留意各种方法组合的•

2、基本原理

（1）直方图与累积直方用

◊试验报告

直方图：直方图是灰度敏的函数.描述的是图像中具仃谤灰度报的象素的个数：横坐标是灰度级.级坐标是该灰度出现的痂率（靠素的个数）.用公式可表示为：，其中表示某

示图像中式有灰度级俄象索的个数；其规一化就是概率变度沿效（PDF>；.为灰度级数〃

i®累”!”方图系小于荒个我班级的少.米个出，,K块•化林是SR机分布由数-CDP）.

（直方图均衡

案念做学课件2）

直力图均循是枯修输出图愎的邮一次度级郁方相同的象索点（即输出的六方图是平的）而进打的次怎级变换,共攵换的圾就是其CDF,

均收状况的实现步骤为：

u.计算输入图愎的CDF

b.用山最大灰收他乘以CDF

c.对结果b进行fit化

囚为这是近似实现，谙钿意偷出图像的H方图的特点，

（3）领域处理

W处理是空向泄波的龙眼.是一个被称为掩模、核、模板成腐口的子图像在带处理图像中逐点移动,在俗一点处，立波器在谖点的晌应通过事先定义的关系计算，如I

格出图像在形标的位计算为：

3、相关的MntMh的数

imrcad>imwritc：图像ij”

iminfu：图像俏思

itnshow；图t8■显示

imhiM：图f«rt力图

histeq：15方图均淅

fspcvial.产生卷枳注液县

conv2：二维卷以沌波

majlgray：将矩阵找换为图像

im2doubk：将图像附倏为瓶精度类梨

试脸二、图像空间域复原

1.成验内容

内容I："开hruin.bmpfli：

（I）估计喉声（提示：曲图像中的味声收认为是Gaussian的.先选挣个步气好区域.然后估计它的均饮和力举.见Bp.182）,

（2）选界和破适力的滤波；》进行/彼.井格站禺保存为debeinjpg：井说明你送抵的理由.

内容2：打开图惨皿1©修时其滓扣喋出亮度为0.25的sail&PCPPC,用自适应中值戕波状<7*7）进行浊波

2.基本原理

u）估计嗫声

估计噪声的方法很£,这里多者他方法是教材p.182提示的方法.即।选择

一个淳爱好区域.然后的计它的均值和方若.

书中外举了很多整再空向谑波潺：均值能波器（算术均饮、几何均值、谐波均彼和逆谐波均值）和依次统计沌器（中值.Q大版小.中点和愫正后的阿尔法均值）.而对于含

声的mri图像运用谐液均值般好.

b）自适应中值益波器：参考教材P192）

3、相关的Matlab函数

fspecial：产生彼波器

imfiltcr：图像谑波

filtcrZi一维注液

mean：均值

median；中值

max：最大值

min：址小仙

imnoisc：添加噪声

medfiltl：:维中值滤波

试验三、几何变换

I、试验内容

内容：编写用双线性拓法进行几何变换的函数：

out=TranLincar（

In."输入图像

xx.〃x方F，j缩放比例

sy.//y方向％放比例

ika”疾胃带反

、,yj埠放票点

）

2、菱本原理

1）插值

插值：确定*将故他将象东俏的过理.如下图所示.处的（A用插值来求.实义Z）法采纳逆映射.

最近空域据依：用出象索的次次做等r禹它所映射到的位置最近的构入图像的矢度值.加上图.假如点离最近.则.该方法的特点是速咬快.但结果图像帝行乐的边.

广泛应用的是双或性筠n.如上图,求的的过程如F：

b）几何交换

I）、简洁平移：输出=输入

2）、冏洁解SG输出・输入

3）、简沽族将：输出=饰入

4）、酰基准总的缩放=平移（+）*邹故x平移（->,即：

输出=辎入

5）、统基准点的旋转=平移（+）x旋转x平移（->.即,

怆出，构入

3、相关的Matlab函数

1FORM：上间变换结枝体

immukcform：建立空问史换结构体

imtransform：空间变帙

imrcsi/c：变更图像大小

involute）图像旋转

imcrop：图像剪切

试的四、同值分割及形态学处理

I、试验内容

内容《整法设计》।打开head上皿图像，请你实现种算法以去睑脑的外围推银，如图也皿皿.提示；

⑴进行闽值分割3的：

（2）选抨适当大小的核对（1）的结果进行开运电.

对<2>的结果进仁依大连通成分提取.

（4）将结果（3）与臊图迂行与运修可得城姥结果.

2、基本原理

为了提取大脑，视察VRI脑图可以U出它由•个玳要的将征，如卜图，就兄大脑与它四冏的组织之向是由低亮度的剂小的站构正接起来的，似如格这些连接厮开，并构设大脑

成份.和么用设大连通成分分析就可分别出大脑.

其北小步骤可微指为：

（I）进行/值分割（p.485>,

（2）遇推动当大小的核对（I）的结果进行开运算.

（3）对（2）的结果进行地大连通成分提取.

（4）柑结果（3）b麽图进行与运罚刈都最终结果.

在达林法中所果地的主要算法有：

»）摸索法蟠位选挣算法

I.释一个T的初始估计值

2.分割图僮.这杵低仑生成两殂量意：GI由全部灰度但大TT的象点殂成.而G2由全部灰度也小于或等TT的象率沮成

3.对区域GI和G2中的全部股G计算平均灰度值ml和m2

4.计咏新的陶值：T=（ml+ni2>12

5、，R复步9?2到&直到逐次迭代所留的T伙之经小于不先定义的映龙.

b）影态学开运算

形态学开运算般是对《的轮席变得光滑.断开狭右的问斯和消退知的突出

构.本试版的II标是去馀大脑的外国坦根，米纳开运口是合理的，就是止它去:中大脑与外国组艰何的细小连接,用点的地方是核的大小选择.

O最大连通成分分析

二值图像中连通成份分析陶用是自动图像分析中的核心任务.教材P435介

绍了连通成份的提取眸法,那么什么是*4大连通成份分析我？*实上取全部连通成份中象东奴乡的连通成份作为输出状是*4大连通成冲分析，因为我们假设大嘛是其中的城大连W

于开运算的结果要采纳C大连通成分分析,潼去掉了外团拆织.

3、相关的MatlnbmJK

graythrcsh：计算阈值

im2bw：闷也分割

imcrodc：形态学.腐蚀

inxi>hte：形态学膨IK

imopcn：形态学开运算

inKlosci形点半闭运。

bwtibeh连通成份分析

CepyhRhi©电什I技秣校生命科学用技术?玩版权全〃All阳划sRzrvW

蜡拉利作，生命H学♦技术学底《；总中心PowHBy冰点火焰

《Matlab应用图像处理》课程

实验指导书

电气工程学院•生物医学工程系

2006年11月

试验一Matlab图像显示方法

一、试验目的

1.了解Matlab的基本功能及操作方法

2.练习图像读写和显示函数的运用方法

3.驾驭Matlab支持的五类图像的显示方法

二、试验内容

1.图像的读写

A)图像读

RGB=imread('ngc6543a.jpg');

B)图像写

先从一个.mat文件中载入一幅图像，然后利用图像写函数imwrite,创建一个.bmp

文件，并将图像存入其中。

loadclown

whos

imwrite(X,map,'clown,bmp')

C)图像文件格式转换

bitmap=imread('clown.bmp'/bmp');

imwrite(bitmap,'clown,png'/png');

2.图像显示

A)二进制图像的显示

BWl=zeros(20,20);%创建仅包含0/1的双精度图像

BW1(2:2:18,2:2:18)=1;

imshow(BWl/notruesize');

whos

BW2=uint8(BWl);

figurezimshow(BW2/notruesize')

BW3=BW2~=0;%逻辑标记置为on

figure,imshow(BW3,'notruesize')

whos

BW=imread('circles.tif');

imshow(BW);

figure,imshow(~BW);

figure,imshow(BWz[l00;001]);

B)灰度图像的显小

I=imread('testpatl.tif');

J=filter2([l2;-l-2],I);

imshow(I)

figure,imshow(Jz[])

C)索引图像的显示

loadclown%装载一幅图像

imwrite(X,map,'clown.bmp');%俣存为bmp文件

imshow(X)

imshow(X,map)

D)RGB图像的显示

I=imread('flowers.tif');

imshow(I)

RGB=imread('ngc6543a.jpg');

figure,imshow(RGB)

imshow(I(:,:,3)%显示第3个颜色重量

E)多帧图像的显示

mri=uint8(zeros(128,128,1,27));%27帧文件mri.tif初始化

forframe=l:27

,,

[mri(:z:z:zframe),map]=imread(mri.tifzframe);%读入每一帧

end

imshow(mri(:z:z:z3),map);%显示第3帧

figurezimshow(mri(:z:z:z6)zmap);%显示第6帧

figure,imshow(mri(:,:,:z10),map);%显示第10帧

figurezimshow(mri(:,:z:z20),map);%显示第20帧

F)显示多幅图像

[Xlzmapl]=imread('forest.tif');

,

[X2zmap2]=imread('trees.tif);

subplot(l,2,l)fimshow(Xlzmapl)

subplot(l,2,2)Jmshow(X2zmap2)

subplot(l,2zl)rsubimage(Xlzmapl)

subplot(l,2,2)rsubimage(X2,map2)

三、思索题：

1.图像显示时，若不带参数，notruesizel显示效果如何？

2.如何显示RGB图像的某一个颜色重量？

3.如何显示多帧图像的全部帧？如何依据多帧图像创建电影片段?

试验二图像运算

一、试验目的

1.熟识图像点运算和代数运算的实现方法

2.了解图像几何运算的简洁应用

3.了解图像的邻域操作

二、试验内容

1.图像点运算

读入图像Fce.lif，，通过图像点运算变更对比度。

rice=imread('rice.tif,);

subplot(131),imshow(rice)

I=double(rice);%转换为双精度类型

3=1*0.43+60;

rice2=uint8(J);%)转换为uint8

subplot(132)zimshow(rice2)

J=I*1.5-60;

rice3=uint8(J);%转换为uint8

subplot(133)zimshow(rice3)

2.图像的代数运算

A)图像加法运算

^imreadCrice.tif');

imshow(I)

J=imread('cameraman.tif');

figure,imshow(J)

K=imadd(IJ);

figure,imshow(K)

K2=imadd(IzJ/uintl6');

figure,imshow(K2,[])

RGB=imread('flowers.tif');

RGB2=imadd(RGB,50);

imshow(RGB)

figure,imshow(RGB2)

RGB3=imadd(RGB,100);

figurezimshow(RGB3)

B)图像减法运算

I=imread('rice.tif');

imshow(I)

,

background=imopen(Izstrel('disk,15));%估计背景图像

figure,imshow(background);

I2=imsubtract(Izbackground);%从原始图像中减去背景图像

figure,imshow(I2)

C)图像乘法运算

I=imread('moon.tif,);

J=immultiply(Izl-2);

K=immultiply(I,0.5);

imshow(I)

figure,imshow(J)

figure,imshow(K)

D)*图像除法运算

3.图像的几何运算

A)变更图像的大小

读入图像'ic.tif、变更图像大小，分别将原图像放大1.5倍和缩小0.5倍。

J=imresize(I,1.25);

K=imresize(I,0.8);

imshow(I)

figure,imshow(J)

figure,imshow(K)

Y=imresize(I,[100,150]);

figureJmshow(Y)

B)旋转一幅图像

将上述图像顺时针却逆时针旋转随意角度，视察显示效果。

I=imread('ic.tif');

J=imrotate(Iz30,'bilinear');

Jl=imrotate(Iz30z'bilinear7crop');

imshow(I)

figure,imshow(J)

figure,imshow(Jl)

J2=imrotate(I/-15z'bilinear');

figure,imshow(J2)

C)图像剪切

通过交互式操作，从一幅图像中剪切一个矩形区域。

I=imread('ic.tif');

imshow(I);

U=imcrop;

figure,imshow(U)

I2=imcrop(I,[3060120160]);

figure,imshow(I2)

4.*图像的邻域操作

读入图像Yire.tif',分别运用函数nlfilter和blkproc对图像进行滑动邻域操作和分

别邻域操作。

I=imread('tire.tif');

f=inline(,max(x(:))^);%构造复合函数

I2=nlfilter(Iz[33],f);%滑动邻域操作

imshow(I)

figure,imshow(I2)

f=inline('uint8(round(mean2(x)*ones(size(x))))');%构造复合函数

I2=blkproc(I,[88],f);%滑动邻域操作

imshow(I)

figure,imshow(I2)

试验三图像变换与滤波器设计

一、试验目的

1.了解傅立叶变换、离散余弦变换及Radon变换在图像处理中的应用

2.了解Matlab线性滤波器的设计方法

二、试验内容

1.傅立叶变换

A)绘制一个二值图像矩阵,并将其傅立叶函数可视化。

f=zeros(30,30);

f(5:24,13:17)=l;

,,

imshow(fznotruesize)

F=fft2(f);

F2=log(abs(F));

figure,imshow(F2,[-l5]/notruesize');colormap(jet);

F=fft2(f,256,256);%零填充为256X256矩阵

figurezimshow(log(abs(F))z[-l5],'notruesize');colormap(jet);

F2=fftshift(F);%将图像频谱中心由矩阵原点移至矩阵中心

figure,imshow(log(abs(F2)),[-l5]/notruesize');colormap(jet);

B)利用傅立叶变换分析两幅图像的相关性，定位图像特征。读入图像Mxt.tif，,

抽取其中的字母W

bw=imread('text.tif,);

a=bw(59:71,81:91);

imshow(bw);

figure,imshow(a);

C=real(ifft2(fft2(bw),*fft2(rot90(a,2),256,256)));%求相关性

figure,imshow(C,[]);

thresh=max(C(:));

figure,imshow(C>thresh-10)

figure,imshow(C>thresh-15)

2.离散余弦变换(DCT)

A)运用dct2对图像'autumn.tif'进行DCT变换。

RGB=imread('autumn.tif');

imshow(RGB)

I=rgb2gray(RGB);%转换为灰度图像

figure,imshow(I)

J=dct2(I);

figure,imshow(log(abs(J))z[])zcolormap(jet(64));colorbar;

B)将上述DCT变换结果中肯定值小于10的系数舍弃，运用idct2重构图像并

与原图像比较。

RGB=imread('autumn.tif');

I=rgb2gray(RGB);%转换为灰度图像

J=dct2(I);

figure,imshow(I)

K=idct2(J);

figure,imshow(K,[0255])

J(abs(J)<10)=0;%舍弃系数

K2=idct2(J);

figure,imshow(K2,[0255])

C）利用DCT变换进行图像压缩。

I=imread('cameraman.tif');

I=im2double(I);

T=dctmtx(8);

,*,

B=blkproc(I,[8z8]zPl*x*P2/T,T)；

mask=[l1110000

11100000

11000000

10000000

00000000

00000000

00000000

00000000];

B2=blkproc(B,[88]/Pl.*x*zmask);

,,

I2=blkproc(B2,[88],Pl*x*P2'/T,T);

imshow(I)

figure,imshow(I2)

3.Radon变换

运用Radon逆变换重建图像。

P=phantom(256);%创建256灰度级大脑图

imshow(P)

theta1=0:10:170;[Rlzxp]=radon(P,theta1);%18个投影

theta2=0:5:175;[R2,xp]=radon(P,theta2);%36个投影

theta3=0:2:178;[R3zxp]=radon(Pztheta3);%90个投影

figure,imagesc(theta3zxp,R3);colormap(hot);colorbar

%运用逆变换重构图像

Il=iradon(Rl,10);%用RI重构图像

I2=iradon(R2,5);%用R2重构图像

I3=iradon(R3,2);%用R3重构图像

figure,imshow(U)

figure,imshow(I2)

figure,imshow(I3)

4.*Matlab线形滤波器设计

采纳频率变换方式，通过一维最优水纹FIR滤波潜创建二维FIR滤波器(p96)。

b=remez(10,[00.40.6l]z[l100]);%阶次，频率向量，对应的志向

幅频响应

h=ftrans2(b);

[H,w]=freqz(b,1,64,'whole');

colormap(jet(64))

plotfw/pi-l/ftshiftfabsCH)));%使x轴取值0处对应曲线中心

figure,freqz2(h,[3232])

试验四形态学操作与空间变换

一、试验目的

1.了解膨胀和腐蚀的Matlab实现方法

2.驾驭图像膨胀、腐蚀、开启、闭合等形态学操作函数的运用方法

3.了解二进制图像的形态学应用

4.了解空间变换函数及图像匹配方法

二、试验内容

1.图像膨胀

A)对包含矩形对象的二进制图像进行膨胀操作。

BW=zeros(9,10);

BW(4:6,4:7)=1;

imshow(BW/notruesize')

se=strel('square'z3);%正方形结构元素

BW2=imdilate(BW,se);

figurezimshow(BW2/notruesize')

B)变更上述结构元素类型(如：line,diamond,disk等)，重新进行膨胀操作。

C)对图像'text.tif'进行上述操作，视察不同结构元素膨胀的效果。

BW3=imread('text.tif');

imshow(BW3)

se2=strel('line\llz90);%线型结构元素

BW4=imdilate(BW3,se2);

figure,imshow(BW4)

2.图像腐蚀

A)对图像'circbw.tif'进行腐蚀操作。

BWl=imread('circbw.tif,);

se=strel('arbitrary'zeye(5));

BW2=imerode(BWlzse);

imshow(BWl)

figure,imshow(BW2)

B)对图像'textJif'进行腐蚀操作。

BW=imread('text.tif,);

,

se=strel('linezllz90);

BW2=imerode(BW3,se);

imshow(BW)

figure,imshow(BW2)

3.膨胀与腐蚀的综合运用

A)从原始图像'circbw.tif'中删除电流线，仅保留芯片对象。

方法一：先腐蚀(imerode),再膨胀(imdilate)；

BWl=imread('circbw.tif');

imshow(BWl)

se=strel('rectangle'z[4O30]);%选择适当大小的矩形结构元素

BW2=imerode(BWlzse);%先腐蚀，删除较细的直线

figure,imshow(BW2)

BW3=imdilate(BW2zse);%再膨胀，复原矩形的大小

figure,imshow(BW3)

方法二：运用形态开启函数(imopen)。

BW1=imreadCcircbw.tif');

imshow(BWl)

,

se=strel(rectangle'/[4030]);

BW2=imopen(BWl,se);%＞开启操作

figure,imshow(BW2)

B)变更结构元素的大小，重新进行开启操作，视察处理结果。

z

se=strel('rectanglez[2010]);

,

se=strel('rectanglez[5040]);

C)置结构元素大小为[43],同时视察形态开启(imopen)与闭合(imclose)的效果,

总结形态开启与闭合在图像处理中的作用。

^imreadCcircbw.tif');

imshow(I)

,

se=strel('rectanglez[43]);

U=imopen(I,se);%开启操作

I2=imclose(I,se);%闭合操作

figure,imshow(U)

figure,imshow(I2)

4.*高帽与低帽变换

A)读入图像＜pearlite.tif,,分别显示其高帽变换与低帽变换结果，并与原图像

比较。(设se二strel('disk',5);)。

I=imread('pearlite.tif');

subplot(221),imshow(I)

se=strel('disk'/5);

J=imtophat(I,se);

subplot(222),imshow(J)

K=imbothat(I,se);

subplot(223),imshow(K)

L=imsubtract(imadd(J,I),K);

subplot(224),imshow(L)

B)要求显示在一个窗口中。

5.图像极值的处理方法

A)对于下图所示的图像矩阵A,利用函数imregionalmax找寻其局部极大值

A=[10101010101010101010;

10131313101011101110；

10131313101010111010；

10131313101011101110；

10101010101010101010；

10111010101818181010；

10101011101818181010；

10101110101818181010；

10111011101010101010；

10101010101011101010］；

B=imregionalmax(A)

B)利用函数imextendedmax找寻像素值大于其邻域像素值2个单位的局部极大

值。

C=imextendedmax(A,2)

6.*创建一幅图像，求其距离矩阵。

bw=zeros(5z5);

bw(2,2)=l;bw(4,4)=l;

D=bwdist(bw)

centerl=-10;

center2="centerl;

dist=sqrt(2*(2*centerl)A2);

radius=dist/2*1.4;

lims=[floor(centerl-1.2*radius)ceil(center2+1.2*radius)];

[xzy]=meshgrid(lims(l):lims(2));

bwl-sqrt((x-centerl).^2+(y-center2).^2)<-radius;

bw2=sqrt((x-center2),A2+(y-center2).A2)<=radius;

bwl=sqrt((x-centerl).A2+(y-centerl).A2)<=radius;

bw=bwl|bw2;

imshow(bw)

D=bwdist(bw);

figure,imshow(D,[])

Dl=bwdist(~bw);

figure,imshow(Dlz[])

7.*运用伪彩色显示标记矩阵。

BW=[00000000；

01100111;

01100011;

01100000；

00011000;

00011000;

00011000；

00000000]

X=bwlabel(BWz4)

RGB=label2rgb(Xz@jet；k');

imshow(RGB/notruesize,)

8.利用选择限制点实现图像匹配。

Mallab图像匹配的步骤：

将标准图像和待匹配图像读入Matlab；指定图像中的限制点对并保存；运用相互

关性进一步协调限制点对(可选)；制定所需变换类型并依据限制点对推断变换参数;

变换未匹配的图像。

%读入待匹配图像和标准图像

unregistered=imread('westconcordaerial.png');

imshow(unregistered)

orthophoto=imreadCwestconcordorthophoto.png');

figure,imshow(orthophoto)

%选择图像中对应的限制点

cpselect(unregistered(:,:zl),orthophoto)

%保存限制点对

input_points

base_points

%运用相关性进一步协调限制点对

input_points_corr=cpcorr(input_points,base_pointszunregistered(:z

:zl),orthophoto);

input_points_corr

%依据限制点对准断空间变换参数

mytform=cp2tform(input_pointszbase_points,'projective');

%)变换未匹配的图像

registered=imtransform(unregistered,mytform);

figure,imshow(registered)

试验五图像增加与复原

一、试验目的：

1.了解灰度变换增加和空域滤波增加的Matiab实现方法

2.驾驭直方图灰度变换方法

3.驾驭噪声模拟和图像滤波函数的运用方法

4.了解图像复原的Matlab实现方法

二、试验内容

1.灰度变换增加

A)线段上像素灰度分布

读入灰度图像"debyel.tif,采纳交互式操作，用improve绘制一条线段的灰度

值。

imshow('debyel.tif')

improfile

读入RGB图像'flowers.tif',显示所选线段上红、绿、蓝颜色重量的分布

imshow('flowers.tif')

improfile

B)直方图变换

<i>直方图显示

读入图像'rice.tif',在一个窗口中显示灰度级n=64,128和256的图像直方图。

I=im「ead('rice.tif')；

imshow(I)

figure,imhist(Ir64)

figure,imhist(Ir128)

<ii>直方图灰度调整

利用函数imadjust调解图像灰度范围，视察变换后的图像及其直方图的变更。

^imreadCrice.tif');

imshow(I)

figure,imhist(I)

J=imadjust(I,[0.150.9]z[01]);

figure,imhist(J)

figure,imshow(J)

^imreadCcameraman.tif');

imshow(I)

figure,imhist(I)

J=imadjust(Iz[O0.2],[0.51]);

figure,imhist(J)

figure,imshow(J)

<iii>直方图均衡化

分别对图像'pout.tif'和'tire.tif'进行直方图均衡化处理，比较处理前后图像及

直方图分布的变更。

^imreadCpout.tif');

imshow(I)

figure,imhist(I)

J=histeq(I);

figure,imhist(J)

figure,imshow(J)

I=imread('tire.tif');

imshow(I)

figure,imhist(I)

J=histeq(I);

figure,imshow(J)

figure,imhist(J)

2.空域滤波增加

A)噪声模拟

利用函数imnoise给图像"eight.tif,分别添加高斯(gaussian)噪声和椒盐(salt&

p叩per)噪声。

I=imread('eight.tir);

imshow(I)

U=imnoise(I/gaussian'z0,0.01);

figure,imshow(Il)

I2=imnoise(I/salt&pepper');

figure,imshow(I2)

B)空域滤波

<i>对上述噪声图像进行均值滤波和中值滤波，比较滤波效果。

^imreadCeight.tif');

J=imnoise(I,'salt&pepper',0.02);

imshow(J)

Kl=medfilt2(J.,[33]);%3*3中值滤波

figure,imshow(Kl)

K2=filter2(fspecial(,average',5),J)/255;

figure,imshow(K2)

<ii>总结均值滤波和中值滤波的特点及运用场合。

均值滤波器是一种最常用的线性低通平滑滤波器。可抑制图像中的噪声，但同时也

使图像变得模糊

中值滤波器是一种最常用的非线性平滑滤波器。可消退图像中孤立的噪声点，又可

产生较少的模糊

<iii>*对图像'saturn.tif*采纳laplaciarf高通滤波器进行锐化滤波。

^imreadCsaturn.tif');

imshow(I)

h=fspecial('laplacian');

I2=filter2(h,I);

figure,imshow(I2)

3.图像复原

A)模糊与噪声

<i>对图像'flowers.tif'分别采纳运动PSF和均值滤波PSF进行模糊。

I=imread('flowers.tif');

1=1(10+[1:256],222+[1:256],:);%剪切图像

imshow(I)

len=30;%运动位移

theta=10;%运动角度

RSF=fspecial('motion',len,theta);

blurred=imfilter(I,PSP,'circular'/conv');

figure,imshow(blurred)

I=imread('flowers.tif');

imshow(I)

,,

H=fspecial(motion/50,45);%运动PSP

motionblur=imfilter(I,H);

figure,imshow(motionblur)

H=fspecial('disk',10);%均值滤波PSP

averageblur=imfilter(I,H);

figure,imshow(averageblur)

<ii>在上述模糊图像上再添加噪声

J=imnoise(motionblui;'salt&pepper');

figure,imshow(J)

B)维纳滤波复原

<i>运用维纳滤波复原函数deconvwnr复原无噪声模糊图像。

len=30;theta=10;PSF=fspecial('motion'zlenztheta);

blurred=imfilter(IzPSF/circular7conv');

figure,imshow(blurred)

wnrl=deconvwnr(blurred,PSF);%真实PSF

figure,imshow(wnrl)

%非真实PSF

,

wnr2=deconvwnr(blurred,fspecial(motion'z2*len,theta));

figure,imshow(wnr2)

%非真实PSF

wnr3=deconvwnr(blurredzfspecial('motion'zlen,2*theta));

figure,imshow(wnr3)

<ii>*运用维纳滤波复原函数deconvwnr复原模糊噪声图像。

,

PSF=fspecial('nnotion/len/theta);

,,,

blurred=imfilter(I,PSFzcircularzconv');

noise=0.1*randn(size(I));

BlurredNoisy=imadd(blurred,im2uint8(noise));

figure,imshow(BlurredNoisy)

wnr4=deconvwnr(BlurredNoisy,PSF);

figure,imshow(wnr4)

<iii>*设置信噪比和相关函数的维纳滤波复原(pl79图9J2)o

NSR=sum(noise(:).A2)/sum(im2double(I(:)).A2);%计算信噪比

wnr5=deconvwnr(BlurredNoisy,PSF,NSR);

figure,imshow(wnr5)%设置信噪比的复原结果

NP=abs(fftn(noise)).A2;%噪声能量谱密度

NCORR=fftshift(real(ifftn(NP)));%噪声自相关函数

IP=abs(fftn(im2double(I))).A2;%图像能量谱密度

ICORR=fftshift(real(ifftn(IP)));%图像自相关函数

wnr6=deconvwnr(BlurredNoisyzPSFzNCORR,ICORR);

figure,imshow(wnr6)%设置自相关函数的复原结果

试验六图像分析与理解及图像压缩

一、试验目的

1.了解DCT变换在图像压缩中的应用

2.驾驭边缘检测的Matlab实现方法

3,了解用四叉数分解函数进行区域分割的方法

4.了解Matlab区域操作函数的运用方法

5.了解图像分析和理解的基本方法

二、试验内容

1.图像分析与理解

A)边缘检测

<i>运用edge函数对图像'rice.tif'进行边缘检测。

I=imread('rice.tif');

imshow(I)

bwl=edge(I/roberts');

bw2=edge(I/sobel');

bw3=edge(I,'prewitt');

bw4=edge(I/canny*);

bw5=edge(I/log');

figure,imshow(bwl)

figure,imshow(bw2)

figure,ims