数字图像处理实验(全完整答案)(39页).doc

-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.tif',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; 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）-第 39 页-1、读入一幅RGB图像，变换为灰度图像和二值图像，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=imresize(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);title('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、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',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，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（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 & pepper',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)%Sobel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.tif'); imshow(I); title('Original Image '); %模拟运动模糊 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'); 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N>0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N>0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 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strel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, 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(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); 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 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)<=62)&&(myI(i,j,2)>=51)&&(myI(i,j,3)<=142)&&(myI(i,j,3)>=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)&&(PY1>1) PY1=PY1-1;end PY2=MaxY;while (Blue_y(PY2,1)>=5)&&(PY2<y) 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)<=62)&&(myI(i,j,2)>=51)&&(myI(i,j,3)<=142)&&(myI(i,j,3)>=119) Blue_x(1,j)= Blue_x(1,j)+1; end end endPX1=1;while (Blue_x(1,PX1)<3)&&(PX1<x) PX1=PX1+1;end PX2=x;while (Blue_x(1,PX2)<3)&&(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,imshow(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)<=62)&&(myI(i,j,2)>=51)&&(myI(i,j,3)<=142)&&(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=max(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)&&(PY1>1)% 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)&&(PY2<y) %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 i=PY1:PY2%给定i的取值范围 if(myI(i,j,1)<=30)&&(myI(i,j,2)<=62)&&(myI(i,j,2)>=51)&&(myI(i,j,3)<=142)&&(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)&&(PX1<x) % 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)<3)&&(PX2>PX1) %确定蓝色RGB Blue_x的位置 PX2=PX2-1; %对车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); 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0.30.7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); 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('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: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(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=imread('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