《matlab数字图像处理实验报告(共39页).doc》由会员分享，可在线阅读，更多相关《matlab数字图像处理实验报告(共39页).doc（39页珍藏版）》请在taowenge.com淘文阁网|工程机械CAD图纸|机械工程制图|CAD装配图下载|SolidWorks_CaTia_CAD_UG_PROE_设计图分享下载上搜索。
1、精选优质文档-倾情为你奉上作业要求：按照下面的实验提示自行完成下列图像处理实验，图像处理中的图片必须使用自己准备图片，并且大小调整为521*512或者256*256.实验一 常用MATLAB图像处理命令一、实验目的 1、熟悉并掌握MATLAB工具的使用；2、实现图像的读取、显示、代数运算和简单变换。二、实验环境MATLAB 6.5以上版本、WIN XP或WIN2000计算机三、常用函数l 读写图像文件1 imread imread函数用于读入各种图像文件，如：a=imread(e:w01.tif) 2 imwrite imwrite函数用于写入图像文件，如：imwrite(a,e:w02.ti
2、f,tif) 3 imfinfo imfinfo函数用于读取图像文件的有关信息，如：imfinfo(e:w01.tif)l 图像的显示1 image image函数是MATLAB提供的最原始的图像显示函数，如： a=1,2,3,4;4,5,6,7;8,9,10,11,12; image(a); 2 imshow imshow函数用于图像文件的显示，如： i=imread(e:w01.tif);imshow(i);title（原图像）%加上图像标题 3 colorbar colorbar函数用显示图像的颜色条，如： i=imread(e:w01.tif); imshow(i); colorbar
3、; 4 figurefigure函数用于设定图像显示窗口，如：figure(1)； /figure(2)；5 subplot 把图形窗口分成多个矩形部分，每个部分可以分别用来进行显示。Subplot（m，n，p）分成m*n个小窗口，在第p个窗口中创建坐标轴为当前坐标轴，用于显示图形。6 plot绘制二维图形plot（y）Plot（x，y）xy可以是向量、矩阵。l 图像类型转换1 rgb2gray把真彩图像转换为灰度图像i=rgb2gray（j）2 im2bw通过阈值化方法把图像转换为二值图像I=im2bw（j，level）Level表示灰度阈值，取值范围01（即0.n），表示阈值取自原图像灰度
4、范围的n%3 imresize改变图像的大小I=imresize（j，m n）将图像j大小调整为m行n列l 图像运算1 imadd两幅图像相加，要求同样大小，同种数据类型Z=imadd（x，y）表示图像x+y2 imsubstract两幅图像相减，要求同样大小，同种数据类型Z=imsubtract（x，y） 表示图像x-y3 immultiplyZ=immultiply（x，y） 表示图像x*y4 imdivideZ=imdivide（x，y） 表示图像x/y四、实验内容（请将实验程序填写在下方合适的位置，实验图像结果拷屏粘贴）专心-专注-专业1、读入一幅RGB图像，变换为灰度图像和二值图像，
5、并在同一个窗口内分成三个子窗口来分别显示RGB图像和灰度图像，注上文字标题。a=imread(f:1.jpg)i = rgb2gray(a)I = im2bw(a,0.5)subplot(3,1,1);imshow(a);title(原图像)subplot(3,1,2);imshow(i);title(灰度图像)subplot(3,1,3);imshow(I);title(二值图像) 2、对两幅不同图像执行加、减、乘、除操作，在同一个窗口内分成五个子窗口来分别显示，注上文字标题。a=imread(f:1.jpg)A=imresize(a,800 800)b=imread(f:2.jpg)B=i
6、mresize(b,800 800)Z1=imadd(A,B)Z2=imsubtract(A,B)Z3=immultiply(A,B)Z4=imdivide(A,B)subplot(3,2,1); imshow(A);title(原图像A)subplot(3,2,2); imshow(B);title(原图像B)subplot(3,2,3); imshow(Z1);title(加法图像)subplot(3,2,4); imshow(Z2);title(减法图像)subplot(3,2,5); imshow(Z3);title(乘法图像)subplot(3,2,6); imshow(Z2);ti
7、tle(除法图像)3、 对一幅图像进行灰度变化，实现图像变亮、变暗和负片效果，在同一个窗口内分成四个子窗口来分别显示，注上文字标题。a=imread(f:1.jpg);m = imadjust(a,0.5;1) ;%图像变亮n = imadjust(a,0;0.5) ;%图像变暗g=255-a;%负片效果subplot(2,2,1);imshow(a);title(原图像)subplot(2,2,2);imshow(m);title(图像变亮)subplot(2,2,3);imshow(n);title(图像变暗) subplot(2,2,4);imshow(g);title(负片效果) 4、
8、熟悉数字图像处理常用函数的使用，调出帮助文档查看其各种不同用法。方法：选择函数（函数所在区变暗），点右键弹出菜单，选择“Help on Selection”五、实验总结分析图像的代数运算结果，分别陈述图像的加、减、乘、除运算可能的应用领域。实验四 常用图像增强方法一、实验目的 1、熟悉并掌握MATLAB图像处理工具箱的使用；2、理解并掌握常用的图像的增强技术。二、实验环境MATLAB 6.5以上版本、WIN XP或WIN2000计算机三、相关知识 1 imnoise imnoise函数用于对图像生成模拟噪声，如： i=imread(e:w01.tif);j=imnoise(i,gaussian
9、,0,0.02);模拟均值为0方差为0.02的高斯噪声，j=imnoise(i,salt&pepper, 0.04) 模拟叠加密度为0.04的椒盐噪声 2 fspecial fspecial函数用于产生预定义滤波器，如： h=fspecial(sobel);%sobel水平边缘增强滤波器 h=fspecial(gaussian);%高斯低通滤波器 h=fspecial(laplacian);%拉普拉斯滤波器 h=fspecial(log);%高斯拉普拉斯（LoG）滤波器 h=fspecial(average);%均值滤波器3 基于卷积的图像滤波函数 imfilter函数， filter2函数，
10、二维卷积conv2滤波,都可用于图像滤波，用法类似，如： i=imread(e:w01.tif); h=1,2,1;0,0,0;-1,-2,-1;%产生Sobel算子的水平方向模板j=filter2(h,i);或者：h = fspecial(prewitt)I = imread(cameraman.tif);imshow(I); H = fspecial(prewitt); %预定义滤波器M = imfilter(I,H);imshow(M) 或者： i=imread(e:w01.tif); h=1,1,1;1,1,1;1,1,1; h=h/9; j=conv2(i,h);4 其他常用滤波举例
11、（1）中值滤波 medfilt2函数用于图像的中值滤波，如： i=imread(e:w01.tif); j=medfilt2(i，M N);对矩阵i进行二维中值滤波，领域为M*N，缺省值为3*3 （2）利用拉氏算子锐化图像, 如: i=imread(e:w01.tif); j=double(i); h=0,1,0;1,-4,0;0,1,0;%拉氏算子 k=conv2(j,h,same);三、实验步骤1、采用二维中值滤波函数medfilt2对受椒盐噪声干扰的图像滤波，窗口分别采用3*3,5*5,7*7I = imread(f:lena.png);J = imnoise(I,salt & pepp
12、er,0.04);K1 = medfilt2(J,3 3);%对矩阵i进行二维中值滤波，领域为3*3 K2 = medfilt2(J,5 5);K3 = medfilt2(J,7 7);subplot(2,2,1);imshow(J);title(椒盐噪声干扰图像)subplot(2,2,2);imshow(K1);title(领域为3*3二维中值滤波)subplot(2,2,3);imshow(K2);title(领域为5*5二维中值滤波) subplot(2,2,4);imshow(K3);title(领域为7*7二维中值滤波) 2、采用MATLAB中的函数filter2对受噪声干扰的图像
13、进行均值滤波I = imread(f:lena.png);j=imnoise(i,gaussian,0,0.02);%模拟均值为0方差为0.02的高斯噪声，M= filter2(fspecial(average,9),J)/255; %模板尺寸为9subplot(2,1,1);imshow(j);title(噪声干扰图像)subplot(2,1,2);imshow(M);title(改进后的图像)3、 采用三种不同算子对图像进行锐化处理。i=imread(f:1.jpg)I=rgb2gray(s)H=fspecial(sobel)%应用Sobel算子锐化图像I1=filter2(H,I)%So
14、bel算子滤波锐化H=fspecial(prewitt)%应用prewitt算子锐化图像I2=filter2(H,I)%prewitt算子滤波锐化H=fspecial(log)%应用log算子锐化图像I3=filter2(H,I)%log算子滤波锐化subplot(2,2,1);imshow(i);title(原图像)subplot(2,2,2);imshow(I1);title(Sobel算子锐化图像)subplot(2,2,3);imshow(I2);title(prewitt算子锐化图像) subplot(2,2,4);imshow(I3);title(log算子锐化图像) 四、实验总结
15、1、比较不同平滑滤波器的处理效果，分析其优缺点2、比较不同锐化滤波器的处理效果，分析其优缺点实验五 图像恢复和图像分割一、实验目的 1、熟悉并掌握MATLAB图像处理工具箱的使用；2、理解并掌握常用的图像的恢复和分割技术。二、实验环境MATLAB 6.5以上版本、WIN XP或WIN2000计算机三、相关知识1 deconvwnr维纳滤波，用法：J = deconvwnr(I,PSF,NSR) 用维纳滤波算法对图片I进行图像恢复后返回图像J。 I是一个N维数组。PSF是点扩展函数的卷积。NSP是加性噪声的噪声对信号的功率比。如：I = im2double(imread(cameraman.ti
16、f); imshow(I); title(Original Image ); %模拟运动模糊 Matlab中文论坛 LEN = 21; THETA = 11; PSF = fspecial(motion, LEN, THETA); blurred = imfilter(I, PSF, conv, circular); figure, imshow(blurred) %恢复图像www.iLoveM wnr2 = deconvwnr(blurred_noisy, PSF); figure, imshow(wnr2) title(Restoration of Blurred) 2 edge 检测灰度
17、或者二值图像的边缘，返回一个二值图像，1像素是检测到的边缘，0像素是非边缘。用法：BW = edge(I,sobel,thresh,direction)，I为检测对象；边缘检测算子可用sobel，roberts，prewitt，zerocross，log，canny；thresh指定阈值，检测时忽略所有小于阈值的边缘，默认自动选择阈值；direction方向，在所指定的方向direction上，用 算子进行边缘检测horizontal(水平方向)、vertical(垂直方向)或both(两个方向)。如：I = imread(circuit.tif); BW1 = edge(I,prewitt)
18、; imshow(BW1); 3 strel创建形态学结构元素。用法： SE = STREL(arbitrary,NHOOD,HEIGHT) 创建一个指定领域的非平面结构化元素。HEIGHT是一个矩阵，大小和NHOOD相同，他指定了NHOOD中任何非零元素的高度值。SE = STREL(ball,R,H,N) 创建一个空间椭球状的结构元素，其X-Y平面半径为R，高度为H。R必须为非负整数，H是一个实数。N必须为一个非负偶数。当N0时此球形结构元素由一系列空间线段结构元素来近似。 SE = STREL(diamond,R) 创建一个指定大小R平面钻石形状的结构化元素。R是从结构化元素原点到其点的
19、距离，必须为非负整数。SE = STREL(disk,R,N) 创建一个指定半径R的平面圆盘形的结构元素。这里R必须是非负整数. N须是0, 4, 6, 8.当N大于0时,圆盘形结构元素由一组N(或N+2)个周期线结构元素来近似。当N等于0时,不使用近似，即结构元素的所有像素是由到中心像素距离小于等于R的像素组成。N可以被忽略,此时缺省值是4。注: 形态学操作在N0情况下要快于N=0的情形。 如：se1 = strel(square,11) % 11乘以11的正方形4 imerode腐蚀图像用法：IM2 = imerode(IM,SE) 腐蚀灰度、二进制或压缩二进制图像 IM ，返回腐蚀图像
20、IM2 。参数 SE 是函数 strel 返回的一个结构元素体或是结构元素体阵列。如：使用一个盘状结构元素腐蚀一幅二进制图像。 originalBW = imread(circles.png); se = strel(disk,11); erodedBW = imerode(originalBW,se); imshow(originalBW), figure, imshow(erodedBW) 5 imdilate膨胀图像用法：IM2 = imdilate(IM, SE) 膨胀灰度图像、二值图像、或者打包的二值图像IM，返回膨胀图像M2。变量SE是一个结构元素或者一个结构元素的数组，其是通过s
21、trel函数返回的。如：利用一个运行结构元素膨胀灰度图像。 I = imread(cameraman.tif); se = strel(ball,5,5); I2 = imdilate(I,se); imshow(I), title(Original) figure, imshow(I2), title(Dilated) 三、实验步骤1、产生运动模糊图像，运用维纳滤波进行图像恢复，显示结果。i=imread(f:1.jpg)I=rgb2gray(s)I = im2double(I); %模拟运动模糊LEN = 21;THETA = 11;PSF = fspecial(motion, LEN,
22、THETA); blurred = imfilter(I, PSF, conv, circular);%恢复图像wnr2 = deconvwnr(blurred, PSF); subplot(1,2,1);imshow(blurred);title(运动模糊图像) subplot(1,2,2);imshow(wnr2);title(恢复图像)2、 采用三种不同算子检测图像边缘，显示结果。i=imread(f:1.jpg)BW1 = edge(I,prewitt); BW2 = edge(I,zerocross);BW3 = edge(I,canny);subplot(2,2,1);imshow
23、(i);title(原图像)subplot(2,2,2);imshow(BW1);title(prewitt边缘图)subplot(2,2,3);imshow(BW2);title(zerocross边缘图) subplot(2,2,4);imshow(BW3);title(canny边缘图) 3、对二值图像分别进行方形模板3*3和5*5的膨胀和腐蚀操作，显示结果。a=imread(f:1.jpg)i = rgb2gray(a)I = im2bw(a,0.5)se3 = strel(disk,3); erodedBW1 = imerode(I,se3); se4 = strel(disk,5)
24、; erodedBW2 = imerode(I,se4); se1 = strel(ball,3,3); I1 = imdilate(a,se1); se2 = strel(ball,5,5); I2 = imdilate(a,se2); subplot(2,2,1);imshow(I1);title(3*3膨胀图像)subplot(2,2,2);imshow(I2);title(5*5膨胀图像)subplot(2,2,3);imshow(erodedBW1);title(3*3腐蚀图像) subplot(2,2,4);imshow(erodedBW2);title(5*5腐蚀图像) 实验六
25、图像处理实际应用一、实验目的1、熟悉并掌握MATLAB图像处理工具箱的使用；2、理解并掌握常用的图像处理技术。二、实验环境MATLAB 6.5以上版本、WIN XP或WIN2000计算机三、实验内容调试运行下列程序,分析程序,对每条语句给出注释,并显示最终执行结果。总结算法思想及优缺点.I=imread(Car.jpg);y,x,z=size(I);myI=double(I);% RGB to HSI %tic % Y 方向 %Blue_y=zeros(y,1);for i=1:y for j=1:x if(myI(i,j,1)=30)&(myI(i,j,2)=51)&(myI(i,j,3)=
26、119) % 蓝色RGB的灰度范围 Blue_y(i,1)= Blue_y(i,1)+1; end end endtemp MaxY=max(Blue_y); % Y方向车牌区域确定PY1=MaxY;while (Blue_y(PY1,1)=5)&(PY11) PY1=PY1-1;end PY2=MaxY;while (Blue_y(PY2,1)=5)&(PY2y) PY2=PY2+1;endIY=I(PY1:PY2,:,:);% X 方向 % Blue_x=zeros(1,x); for j=1:x for i=PY1:PY2 if(myI(i,j,1)=30)&(myI(i,j,2)=51
27、)&(myI(i,j,3)=119) Blue_x(1,j)= Blue_x(1,j)+1; end end endPX1=1;while (Blue_x(1,PX1)3)&(PX1x) PX1=PX1+1;end PX2=x;while (Blue_x(1,PX2)PX1) PX2=PX2-1;endPX1=PX1-2; % 对车牌区域的修正PX2=PX2+2;Plate=I(PY1:PY2,PX1-2:PX2,:);t=toc % 读取计时%figure,imshow(I);figure,plot(Blue_y);gridfigure,plot(Blue_x);gridfigure,ims
28、how(IY);添加注释和改正后的程序：I=imread(f:Car.jpg);%读取图片y,x,z=size(I);%给定图片大小myI=double(I);%返回双精度值% RGB to HSI %tic %计时开始 % Y 方向 %Blue_y=zeros(y,1);%一列全零矩阵for i=1:y%给定i的范围 for j=1:x%给定j的范围 if(myI(i,j,1)=30)&(myI(i,j,2)=51)&(myI(i,j,3)=119) % 蓝色RGB的灰度范围 Blue_y(i,1)= Blue_y(i,1)+1; % y矩阵加一 end end endtemp MaxY=m
29、ax(Blue_y); % Y方向车牌区域确定PY1=MaxY;%y矩阵的最大元素while (Blue_y(PY1,1)=5)&(PY11)% 确定蓝色RGB Blue_y所在位置 PY1=PY1-1; %对车牌区域的修正，向上调整end PY2=MaxY; %y矩阵的最大元素while (Blue_y(PY2,1)=5)&(PY2y) %确定蓝色RGB Blue_y所在位置 PY2=PY2+1; %对车牌区域的修正向下调整endIY=I(PY1:PY2,:,:);%行的范围 % X 方向 % Blue_x=zeros(1,x); %一行全一矩阵 for j=1:x%给定j的取值范围 for
30、 i=PY1:PY2%给定i的取值范围 if(myI(i,j,1)=30)&(myI(i,j,2)=51)&(myI(i,j,3)=119)%调整I中的范围 Blue_x(1,j)= Blue_x(1,j)+1; % Blue_x 的矩阵加一 end end endPX1=1;%当PX1等于1时while (Blue_x(1,PX1)3)&(PX1x) % 确定蓝色RGB Blue_x的位置 PX1=PX1+1; %对车牌区域的修正向下调整end PX2=x; %当PX2等于x时while (Blue_x(1,PX2)PX1) %确定蓝色RGB Blue_x的位置 PX2=PX2-1; %对车
31、牌区域的修正向下调整endPX1=PX1-2; % 对车牌区域的修正PX2=PX2+2; %对车牌区域的修正Plate=I(PY1:PY2,PX1-2:PX2,:);%矩阵行列的范围 t=toc % 读取计时%figure,imshow(I);%创建图像窗口，显示图像Ifigure,plot(Blue_y);grid%创建图像窗口，绘制Blue_y图像，画出网格线figure,plot(Blue_x);grid%创建图像窗口，绘制Blue_x图像，画出网格线figure,imshow(Plate); %创建图像窗口，显示图像Platet =0.5630实验二 图像基本操作一、实验目的 1、熟悉
32、及掌握图像的采样原理，实现图像的采样过程，进行图像的灰度转换。 2、理解直方图的概念及应用，实现图像直方图的显示，及通过直方图均衡和直方图规定化方法对图像进行修正。二、实验环境MATLAB 6.5以上版本、WIN XP或WIN2000计算机三、相关函数l 图像的增强1、 直方图imhist函数用于数字图像的直方图计算或显示，imhist(I,n)计算和显示图像I的直方图，n为指定的灰度级数目，默认为256。如果I是二值图像，那么n仅有两个值。counts,x=imhist(.)返回直方图数据向量counts，相应的色彩值向量x。如： i=imread(e:w01.tif);imhist(i);
33、 2 、直方图均衡化histeq函数用于数字图像的直方图均衡化，J = histeq(I, n) 均衡化后的级数n，缺省值为64。J = histeq(I, hgram) 直方图规定化，即将原是图象 I 的直方图变换成用户指定的向量 hgram (即指定另一幅图像的直方图数据向量)。如： i=imread(e:w01.tif);j=histeq(i，N);对图像i执行均衡化，得到具有N个灰度级的灰度图像j，N缺省值为64 3、 灰度调整imadjust函数用于数字图像的灰度或颜色调整，J = imadjust(I) 将灰度图像 I 中的亮度值映射到 J 中的新值并使 1 的数据是在低高强度和饱
34、和，这增加了输出图像 J 的对比度值。 J = imadjust(I,low_in; high_in,low_out; high_out) 将图像I中的亮度值映射到J中的新值，即将low_in至high_in之间的值映射到low_out至high_out之间的值。low_in 以下与 high_in 以上的值被剪切掉了，也就是说，low_in 以下的值映射到 low_out，high_in 以上的值映射到high_out。它们都可以使用空的矩阵，默认值是0 1。 如： i=imread(e:w01.tif); j=imadjust(i,0.3,0.7,);将图像i转换为j，使灰度值从0.30.
35、7与缺省值01相匹配l 运算函数1、Zeros生成全0数组或矩阵如 B = zeros(m,n) or B = zeros(m n) 返回一个 m*n 全0矩阵2、取整函数floor最小取整函数round四舍五入取整函数ceil最大取整函数如a = -1.9, -0.2, 3.4, 5.6, 7.0, 2.4+3.6iI=round(a)I = -2 0 3 6 7 2+ 4i四、实验内容1、对一幅图像进行2倍、4倍、8倍和16倍减采样，显示结果。 a=imread(f:/1.jpg); b=rgb2gray(a); for m=1:4 figure width,height=size(b);
36、 quartimage=zeros(floor(width/(m),floor(height/(2*m); k=1; n=1; for i=1:(m):width for j=1:(2*m):height quartimage(k,n)=b(i,j); n=n+1; end k=k+1; n=1; end imshow(uint8(quartimage);End2、 显示一幅灰度图像a，改变图像亮度使其整体变暗得到图像b，显示两幅图像的直方图。a=imread(f:lena_color.png)c=rgb2gray(a)b=c-46subplot(2,1,1);imhist(c);title(
37、原图像)subplot(2,1,2);imhist(b);title(变暗后的图像)3、 对图像b进行直方图均衡化，显示结果图像和对应直方图。b=imread(f:lena_color.png)c=rgb2gray(b)j=histeq(c)subplot(2,2,1),imshow(c)subplot(2,2,2),imshow(j)subplot(2,2,3),imhist(c) %显示原始图像直方图subplot(2,2,4),imhist(j) %显示均衡化后图像的直方图4、 读入图像c，执行直方图规定化，使图像a的灰度分布与c大致相同，显示变换后图像及对应直方图。I=imread(f
38、:lena.png); J=histeq(I,64); %均衡化成32个灰度级的直方图 counts,x=imhist(J); %返回直方图图像向量countsb=imread(f:1.jpg)Q=rgb2gray(b) M=histeq(Q,counts); %将原始图像Q的直方图变成指定向量counts figure, subplot(3,2,1),imshow(I); subplot(3,2,2),imshow(Q); subplot(3,2,3),imhist(I); subplot(3,2,4),imhist(Q) subplot(3,2,5),imhist(J); subplot(
39、3,2,6),imhist(M);实验三 图像变换一、实验目的 1、熟悉及掌握图像的变换原理及性质，实现图像的傅里叶变换。二、实验环境MATLAB 6.5以上版本、WIN XP或WIN2000计算机三、相关函数l 图像的变换 1 fft2 fft2函数用于数字图像的二维傅立叶变换，如： i=imread(e:w01.tif);j=fft2(i);由于MATLAB无法显示复数图像，因此变换后的结果还需进行求模运算，即调用abs函数。之后常常还进行对数变换，即调用log函数，以减缓傅里叶谱的快速衰减，更好地显示高频信息。 2 ifft2 ifft2函数用于数字图像的二维傅立叶反变换，如： i=im
40、read(e:w01.tif); j=fft2(i);k=ifft2(j);3 fftshift用于将变换后图像频谱中心从矩阵的原点移动到矩阵的中心B=fftshift（i） 4 利用fft2计算二维卷积 利用fft2函数可以计算二维卷积,如: a=8,1,6;3,5,7;4,9,2; b=1,1,1;1,1,1;1,1,1; a(8,8)=0; b(8,8)=0; c=ifft2(fft2(a).*fft2(b); c=c(1:5,1:5); 利用conv2(二维卷积函数)校验, 如： a=8,1,6;3,5,7;4,9,2; b=1,1,1;1,1,1;1,1,1; c=conv2(a,b);四、实验内容1、对一幅图像进行平移，显示原始图像与处理后图像，分别对其进行傅里叶变换，显示变换后结果，分析原图的傅里叶谱与平移后傅里叶频谱的对应关系。s=imread(f:1.jpg);%读入原图像i=rgb2gray(s)i=double(i)j=fft2(i); %傅里叶变换 k=fftshift(j); % 直流分量移到频谱中心l=log(abs(k); %对数变换m=fftshift(j); %直流分量移到频谱中心RR=real(m);