2023年数字图像处理上机作业（精选5篇）.docx

《2023年数字图像处理上机作业（精选5篇）.docx》由会员分享，可在线阅读，更多相关《2023年数字图像处理上机作业（精选5篇）.docx（31页珍藏版）》请在淘文阁 - 分享文档赚钱的网站上搜索。

1、2023年数字图像处理上机作业（精选5篇） 第一篇：数字图像处理上机作业 数字图像处理上机试验题 一、产生右图所示图像 f1(m,n)，其中图像大小为256256，中间亮条为12832，暗处=0，亮处=100。对其进行 FFT： 1、屏显示原图 f1(m,n)和FFT(f1)的幅度谱图； 2、令f2(m,n)=-1m+n*f1(m,n)，重复以上过程，比较二者幅度谱的异同，简述理由； 3、若将f2(m,n)顺时针旋转 90 度得到f3(m,n)，试显示 FFT(f3)的幅度谱，并与 FFT(f2)的幅度谱进行比较； 4、若将f1(m,n)顺时针旋转 90 度得到f4(m,n)，令f5(m,n)

2、=f1(m,n)+f4(m,n)，试显示 FFT(f5)的幅度谱，并指出其与 FFT(f1)和FFT(f4)的关系； 5、若令f6(m,n)=f2(m,n)+f3(m,n)，试显示 FFT(f6)的幅度谱，并指出其与 FFT(f 2)和FFT(f3)的关系，比较 FFT(f6)和FFT(f5)的幅度谱。 代码 f1=zeros(256,256); for i =64:1:191 for j = 112:1:143 f1(i,j)= 100; end end f2 = fft2(f1); %f2(m,n)= f3 f3 =(-1)(i+j)*f1;f4 = fft2(f3); %f3(m,n)=

3、 f5 f5 = imrotate(f3,90,bilinear);f6 = fft2(f5); %f4(m,n)= f7 f7 = imrotate(f1,90,bilinear);f8 = fft2(f7); %f5(m,n)= f8 f9 = f1 + f7;f10 = fft2(f9); %f6(m,n)= f2(m,n)+f3(m,n)f11 = f3 + f5;f12 = fft2(f11); figure(1)subplot(1,2,1);imshow(abs(f1);title(原图f1);subplot(1,2,2);imshow(abs(f2);title(幅度谱fft2(

4、f1);figure(2)subplot(2,2,1)imshow(abs(f1);title(原图f1)subplot(2,2,2)imshow(abs(f2);title(幅度谱fft2(f1);subplot(2,2,3);imshow(abs(f3)title(变换谱f2);subplot(2,2,4);imshow(abs(f4);title(幅度谱fft2(f2);figure(3)subplot(2,2,1)imshow(abs(f3)title(变换谱f2);subplot(2,2,2);imshow(abs(f4);title(幅度谱fft2(f2);subplot(2,2,

5、3);imshow(abs(f5)title(变换谱f3);subplot(2,2,4);imshow(abs(f6);title(幅度谱fft2(f3);figure(4)subplot(3,2,1);imshow(f7); title(f1旋转图f4);subplot(3,2,2);imshow(abs(f8);title(幅度谱fft2(f4);subplot(3,2,3);imshow(f9); title(f5(m,n)=f1+f4);subplot(3,2,4);imshow(abs(f10);title(幅度谱fft2(f5);subplot(3,2,5)imshow(abs(f

6、1);title(原图f1);subplot(3,2,6);imshow(abs(f2);title(幅度谱fft2(f1);figure(5)subplot(3,2,1)imshow(abs(f3)title(变换谱f2);subplot(3,2,2);imshow(abs(f4);title(幅度谱fft2(f2);subplot(3,2,3);imshow(abs(f5)title(变换谱f3);subplot(3,2,4);imshow(abs(f6);title(幅度谱fft2(f3);subplot(3,2,5)imshow(abs(f11)title(变换谱f6=f2+f3);s

7、ubplot(3,2,6);imshow(abs(f12);title(幅度谱fft2(f6); figure(6)subplot(2,2,1);imshow(f9); title(f5(m,n)=f1+f4);subplot(2,2,2);imshow(abs(f10);title(幅度谱fft2(f5);subplot(2,2,3)imshow(abs(f11) title(变换谱f6(m,n)=f2+f3);subplot(2,2,4);imshow(abs(f12);title(幅度谱fft2(f6); 结果 分析 2、F2(m,n)与F1(m,n)幅度值相同，f2(m,n)=-1m+

8、n*f1(m,n)中，并未变更幅值。 3、FFT(f2)比FFT(f3)幅值大。 4、f5=f1+f4，即幅值相加。 5、f6=f2+f3，即幅值相加。 二、产生教材 104 页题图 4.18右图所示的二值图像白为1，黑为0，编程实现习题4.18 所要求的处理3*3 的平均滤波和中值滤波功能图像四周边界不考虑，处理结果按四舍五入仍取0或1，显示处理前后的图像，比较其异同。 代码 I=;J=imhist(I,2); K=filter2(fspecial(average,3),I);K1=round(K);J1=imhist(K1,2);K2=medfilt2(I);J2=imhist(K2,2)

9、; figure(1)subplot(2,2,1)imshow(I);title(原图像);subplot(2,2,2)imshow(J); title(原图像直方图);subplot(2,2,3)imshow(K1); title(3*3领域平均);subplot(2,2,4)imshow(J1); title(领域平均图像直方图)figure(2)subplot(2,2,1)imshow(I);title(原图像);subplot(2,2,2)imshow(J); title(原图像直方图);subplot(2,2,3)imshow(K2);title(中值滤波);subplot(2,2,

10、4)imshow(J2); title(中值滤波图像直方图) 结果 三、产生教材 104 页题图 4.16 所示的灰度图像白为255，黑为0，分别加入高斯白噪声和椒盐噪声，再分别进行 3 3 的平均滤波和中值滤波，显示原图像、加噪图像和滤波结果图像，并比较四种滤波结果。 代码 f=zeros(256,256);for i =23:1:23 3for j=28:1:35 f(i,j)=255; end for j=52:1:59 f(i,j)=255; end for j=76:1:83 f(i,j)=255; end for j=100:1:107 f(i,j)=255; end for j=

11、124:1:131 f(i,j)=255; end for j=148:1:155 f(i,j)=255; end for j=172:1:179 f(i,j)=255; end for j=196:1:203 f(i,j)=255; end for j=220:1:227 f(i,j)=255; end end g=imnoise(f,gaussian,0.2);s=imnoise(f,salt & pepper,0.2);k1=filter2(fspecial(average,3),g);G1=round(k1);G2=medfilt2(g); k2=filter2(fspecial(av

12、erage,3),s);S1=round(k2);S2=medfilt2(s); figure(1)imshow(f) title(-);figure(2)subplot(3,2,1)imshow(g) title();subplot(3,2,2)imshow(s) title();subplot(3,2,3)imshow(G1) title();subplot(3,2,5)imshow(G2) title();subplot(3,2,4)imshow(S1) title();subplot(3,2,6)imshow(S2) title(); 结果 四、对某一灰度图像，进行如下处理： 1分别利

13、用 Roberts、Prewitt和Sobel 边缘检测算子进行边缘检测； 2将Roberts、Prewitt和Sobel 边缘检测算子修改为锐化算子，对原图像进行锐化，同屏显示原图像、边缘检测结果和锐化后图像，说明三者之间的关系。 代码 f1=imread(C:UsershpPictures1.jpg);f2=rgb2gray(f1);k1=edge(f2,Roberts);k2=edge(f2,Prewitt);k3=edge(f2,Sobel); k4=filter2(fspecial(Prewitt),f2);k5=filter2(fspecial(Prewitt),f2);k6=fi

14、lter2(fspecial(Sobel),f2); figure(1)subplot(4,2,1)imshow(f1);title(yuanshi);subplot(4,2,2)imshow(f2);title(huidu);subplot(4,2,3)imshow(k1);title(Roberts);subplot(4,2,5)imshow(k2);title(Prewitt);subplot(4,2,7)imshow(k3);title(Sobel);subplot(4,2,4)imshow(k4);title(log);subplot(4,2,6)imshow(k5);title(P

15、rewitt);subplot(4,2,8)imshow(k6);title(Sobel); 结果 二值化。 五、编程实现教材 214 页所给图像门限化分割的迭代阈值算法，实现对某一灰度图像的代码 f1=imread(C:UsershpPictures11.jpg);f2=rgb2gray(f1);f3=f2; zm=max(f2(:);zi=min(f2(:);k=2; T(k)=(zm+zi)/2;while T(k)=T(k-1);r1=find(f2T(k);k=k+1; T(k)=(mean(f2(r1)+mean(f2(r2)/2;end r3=find(f3T(k);f3(r3)

16、=0;f3(r4)=255; figure(1)subplot(221)imshow(f1)title(原始图像);subplot(222)imshow(f2)title(灰度图像);subplot(223)imshow(f3) title(迭代阈值算法二值化); 结果 心得体会 通过此次作业让我明白了很多，实际操作起来往往比理论所想的要困难很多。当然，在课设的进行过程中，我还是遇到了不少问题。例如，起初由于我对句柄运用以及一些函数运用的不恰当。随着课设的进行，对matlab的的熟识度逐步加深。 总体来说，此次的课程设计，还是较为满足的。它不但鞭策着我去稳固matlab的基础理论学问，还提高了

17、我对matlab的实际操作运用，使得理论与实践相结合，为进一步学习matlab打下坚实的基础；同时，在实践的工程中，也让我体会到一种努力付出并得到回报的满意感觉。 其次篇：数字图像处理上机报告 练习一 常用MATLAB图像处理叮嘱 一、练习目的 1、熟识并驾驭MATLAB工具的运用； 2、实现图像的读取、显示、代数运算和简洁变换。 二、练习环境 Windows操作系统 Matlab 6.5或以上应用软件 三、练习内容 1、图像文件的读写 1imread函数用来实现图像文件的读取。输入以下程序： A=imread(文件名.扩展名);%用imread函数来读入图像 注：设置路径 imshow(A)

18、;%用imshow函数来显示图像 得到的结果如图： 2imfinfo函数用来查询图像文件信息。输入以下程序： info=imfinfo(文件名.扩展名);% 用imfinfo函数查询图像文件信息 得到： info = Filename: 文件名.扩展名 4imshow函数用来显示图像。 刚刚介绍imread函数时已运用此函数。 5colorbar函数将颜色条添加到坐标轴对象中。输入以下程序： RGB=imread(*);%图像读入 I=rgb2gray(RGB);%把RGB图像转换成灰度图像 imshow(I),colorbar(vert)% 将颜色条添加到坐标轴对象中 得到如图： 2、图像处

19、理的基本操作 一、图像代数运算 1imadd函数实现两幅图像的相加或者给一幅图像加上一个常数。给图像每个像素都增加亮度的程序如下： I=imread(*);J=imadd(I,100);%给图像增加亮度 subplot(1,2,1),imshow(I)%填充 subplot(1,2,2),imshow(J)结果如图5。 2imsubtract函数实现从一幅图像中减去一个常数。输入以下程序实现从一幅图像中减去一个常数： 3immultiply实现两幅图像的相乘或者一幅图像的亮度缩放图像乘以小于1或大于1的参数，比较效果。输入以下程序： 4imdivide函数实现两幅图像的除法或一幅图像的亮度缩放

20、。输入以下程序： 二、图像的空间域操作 1imrotate函数实现图像的旋转。输入以下程序： I=imread(*);J=imrotate(I,45);%对图像进行旋转 subplot(1,2,1),imshow(I);subplot(1,2,2),imshow(J);得到图： 练习二 数字图像处理的基本操作 一、练习目的 1、练习运用MATLAB工具进行数字图像处理； 2、实现图像的边缘提取、滤波、直方图修正等操作。 二、练习环境 Windows操作系统 Matlab 6.5或以上应用软件 三、练习内容 1imresize函数实现图像的缩放。输入以下程序： J=imread(文件名.扩展名)

21、;X1=imresize(J,2);%对图像进行缩放 figure,imshow(J)结果如图 2imcrop函数实现图像的剪切。输入以下程序： I=imread(*);I2=imcrop(I);%对图像进行剪切 subplot(填充),imshow(填充);subplot(填充),imshow(填充);如图： 图像变换 1fft2函数和ifft2函数分别是计算二维的FFT和反变换。输入以下程序： f=zeros(100,100);f(20:70,40:60)=1;imshow(f);F=fft2(f);% 计算二维的FFT F2=log(abs(F);%对幅值取对数 imshow(F2),c

22、olorbar 2dct2函数接受基于FFT的算法，用于实现较大输入矩阵的离散余弦变换。与之对应，idct2函数实现图像的二维逆离散余弦变换 输入以下程序： RGB=imread(*);I=rgb2gray(RGB);J=dct2(I);% 对I进行离散余弦变换 imshow(log(abs(J),colorbar J(abs(J)T im_T(i,j)= J(i,j); else im_T(i,j)= I1(i,j); end end end subplot(2,4,8);imshow(im_T);title(加门限后);4.1用Laplacian锐化算子分a=1和a=2两种状况对25625

23、6大小、256级灰度的数字图像lena进行锐化处理，显示处理前、后图像。 源代码： %laplacian算子锐化 I=imread(D:imgLENA256.bmp);% 读入原图像 figure(1);subplot(1,3,1);imshow(I);title(原始图像);L=fspecial(laplacian);L1=;L2=;LP1=imfilter(I,L1,replicate);% =1时的拉普拉斯算子 LP2=imfilter(I,L2,replicate);% =2时的拉普拉斯算子 subplot(1,3,2);imshow(LP1);title(Laplacian算子=1锐

24、化图像);subplot(1,3,3);imshow(LP2);title(Laplacian算子=2锐化图像); 2若令 g1(m,n)=f(m,n)-a2f，g2(m,n)=4af(m,n)-a 则回答如下问题： f(m,n)、g1(m,n)和g2(m,n)之间有何关系？ g2(m,n)代表图像中的哪些信息？ 由此得出图像锐化的实质是什么？ 因为g2(m,n)=-a2f(m,n)，所以f(m,n)、g1(m,n)和g2(m,n)之间有以下关系： g1(m,n)=f(m,n)+g2(m,n) g2(m,n)代表了原图像中的二阶梯度信息；g1(m,n)是边缘增加后的数字图像； 由此可以得出：图

25、像锐化的实质是将原图像与梯度信息叠加梯度信息所占的比例由，相当于对目标物的边缘进行了增加。a的大小确定，a值越大则梯度信息所占的比例越大 5.分别利用Roberts、Prewitt和Sobel边缘检测算子，对256256大小、256级灰度的数字图像lena进行边缘检测，显示处理前、后图像。图像： 源代码： I=imread(D:imgLENA256.bmp);% 读入原图像 figure(1)%Roberts梯度法锐化 subplot(2,2,1);imshow(I);title(原始图像);J=double(I);=gradient(J);%计算梯度 A=sqrt(IX.*IX+IY.*IY

26、);subplot(2,2,2);imshow(A,);title(Roberts梯度法锐化图像);%Prewitt算子锐化 S=imfilter(I,fspecial(Prewitt);subplot(2,2,3);imshow(S);title(Prewitt算子锐化图像);%Sobel算子锐化 S=imfilter(I,fspecial(sobel);subplot(2,2,4);imshow(S);title(Sobel算子锐化图像); 6、学习数字图像处理课程的心得体会，该课程在哪些方面需要改良，对该课程或者任课老师有哪些看法或建议。 通过对数字图像处理课程的认真学习，在课堂听课和课

27、余实践中了解了数字图像的基础学问，培育了确定的软件编程实力，在努力完成课堂作业的同时，觉察了对图像方面的爱好。老师认真负责，布置合理的作业。但盼望能够通过更加丰富的授课方式，提高更多人学习该门课程的爱好和主动性。也同样盼望老师能够加强点名和作业的验收，催促学生更加认真的学习学问。 第四篇：数字图像处理期中作业报告 西安科技高校 通信学院 数字图像处理试验报告 直 方 图 均 衡 化 西安科技高校 通信学院 题目：直方图均衡化 一、试验目的 1.通过试验理解直方图均衡化的原理及步骤； 2.编程实现图像灰度或彩色的直方图均衡化； 3.通过试验更深刻的理解课本学问和加强动手实践实力。 二、试验要求

28、1读入一幅图像； 2编程绘制给定图象的灰度直方图； 3编程实现给定图象的直方图均衡，得到均衡后的新图象；4比较均衡前后的两幅图象以及各自的灰度直方图，分析探讨直方图均衡提高图象对比度的效果； 三、试验原理 1.直方图均衡化概述 图像的对比度增加的方法可以分成两类:一类是干脆对比度增加方法;另一类是间接对比度增加方法。直方图拉伸和直方图均衡化是两种最常见的间接对比度增加方法。直方图拉伸是通过对比度拉伸对直方图像素分布进行调整，从而“扩大前景和背景灰度的差异，以到达增加对比度的目的，这种方法可以利用线性或非线性的方法来实现;直方图均衡化则通过运用累积函数对灰度值进行“调整以实现对比度的增加。 直方

29、图均衡化是图像处理领域中利用图像直方图对对比度进行调整的方法。这种方法通常用来增加许多图像的局部对比度，尤其是当图像的有用数据的对比度相当接近的时候。通过这种方法，亮度可以 2 西安科技高校 通信学院 更好地在直方图上分布。这样就可以用于增加局部的对比度而不影响整体的对比度，直方图均衡化通过有效地扩展常用的亮度来实现这种功能。 2.基本思想 直方图均衡化处理的“中心思想是把原始图像的灰度直方图从比较集中的某个灰度区间变成在全部灰度范围内的均匀分布。直方图均衡化就是对图像进行非线性拉伸，重新支配图像像素值，使确定灰度范围内的像素数量大致相同。直方图均衡化就是把给定图像的直方图分布变更成“均匀分布

30、直方图分布。 直方图均衡化的基本思想是把原始图的直方图变换为均匀分布的形式，这样就增加了象素灰度值的动态范围从而可到达增加图像整体对比度的效果。设原始图像在(x，y)处的灰度为f，而变更后的图像为s，则对图像增加的方法可表述为将在(x，y)处的灰度f映射为g。在灰度直方图均衡化处理中对图像的映射函数可定义为:s = EQ(f)，这个映射函数EQ(f)必需满意两个条件(其中L为图像的灰度级数):(1)EQ(f)在0fL-1范围内是一个单值单增函数。这是为了保证增加处理没有打乱原始图像的灰度排列次序，原图各灰度级在变换后仍保持从黑到白(或从白到黑)的排列。 (2)对于0fL-1有0sL-1，这个条

31、件保证了变换前后灰度值动态范围的一样性。 累积分布函数(cumulative distribution function，CDF)即可以满意上述两个条件，并且通过该函数可以完成将原图像f的分布转换 西安科技高校 通信学院 成s的均匀分布。此时的直方图均衡化映射函数为:sk = EQ(fk)=(ni/n)= Pf(fi)，(k=0，1，2，L-1)上述求和区间为0到k，根据该方程可以由源图像的各像素灰度值干脆得到直方图均衡化后各像素的灰度值。在实际处理变换时，一般先对原始图像的灰度状况进行统计分析，并计算出原始直方图分布，然后根据计算出的累计直方图分布求出fk到sk的灰度映射关系。在重复上述步骤

32、得到源图像全部灰度级到目标图像灰度级的映射关系后，依据这个映射关系对源图像各点像素进行灰度转换，即可完成对源图的直方图均衡化。 离散状况下的直方图均衡化的算法： 列出原始图像的灰度级fj,j=0,1,L,L-1 统计各灰度级的像素数目nj,j=0,1,L,L-1 计算原始图像直方图各灰度级的频数Pf(fj)=nj/n,j=0,1,L,L-1 k计算累积分布函数:C(f)=P(f),j=0,1,L,k,LL-1 fjj=0应用以下公式计算映射后的输出图像的灰度级，P为输出图像灰度级的个数，其中INT为取整符号： g=INT imaxminmin用的映射关系修改原始图像的灰度级，从而获得直方图近似

33、为均匀分布的输出图像。 四、程序代码 (调库函数) 西安科技高校 通信学院 clc;clear all;I=imread(F:数字图像处理常用图片lena1.jpg);figure(1);subplot(2,2,1);imshow(I);title(原始图像);subplot(2,2,2);imhist(I);title(原始图像灰度直方图);I1=im2double(I);I2=log(I1+1);%对数变换 I3=mat2gray(I2);%把图像的灰度范围变换为 subplot(2,2,3);imshow(I3);title(对数变换增加后的图像)subplot(2,2,4);imhis

34、t(I3);title(对数变换后灰度直方图) figure(2);B=imadjust(I,);subplot(2,2,1);imshow(B);title(灰度级线性调整);subplot(2,2,2);imhist(B);title(灰度级线性调整后直方图);J=histeq(I);subplot(2,2,3);imshow(J);title(直方图规定化);subplot(2,2,4);imhist(J);title(直方图规定化后直方图); 截图： 原始图像30002000100000对数变换增加后的图像原始图像灰度直方图100200对数变换后的图像灰度直方图*.51 西安科技高校

35、通信学院 灰度级线性调整*000直方图规定化4000100200灰度级线性调整后直方图直方图规定化后直方图200000100200 (编写算法)clc;clear all %一，图像的预处理，读入彩色图像将其灰度化 I=imread(F:数字图像处理常用图片pepper.tif);%读入JPG彩色图像文件 figure(1);subplot(1,2,1);imshow(I);%显示出来 title(输入的彩色JPG图像)imwrite(rgb2gray(I),PicSampleGray.bmp);%将彩色图片灰度化并保存 I_1=rgb2gray(I);%灰度化后的数据存入数组 %二，绘制直方

36、图 =size(I_1);%测量图像尺寸参数 GP=zeros(1,256);%预创建存放灰度出现概率的向量 for k=0:255 GP(k+1)=length(find(I_1=k)/(height*width);%计算每级灰度出现的概率，将其存入GP中相应位置 end figure(2);subplot(1,2,1);bar(0:255,GP,r)%绘制直方图 title(原图像直方图);xlabel(灰度值);ylabel(出现概率)axis()%三，直方图均衡化 S1=zeros(1,256);for i=1:256 西安科技高校 通信学院 for j=1:i S1(i)=GP(j)

37、+S1(i);%计算Sk end end S2=round(S1*256)+0.5);%将Sk归到相近级的灰度 for i=1:256 GPeq(i)=sum(GP(find(S2=i);%计算现有每个灰度级出现的概率 end figure(2);subplot(1,2,2);bar(0:255,GPeq,y)%显示均衡化后的直方图 title(均衡化后的直方图);xlabel(灰度值);ylabel(axis()%四，图像均衡化 PA=I;for i=0:255 PA(find(I=i)=S2(i+1);%给这个像素 end figure(1);subplot(1,2,2);imshow(P

38、A)%title(均衡化后图像)imwrite(PA,PicEqual.bmp); 截图： 输入的彩色JPG图像 7 出现概率)将各个像素归一化后的灰度值赋显示均衡化后的图像 均衡化后图像 西安科技高校 通信学院 原图像直方图0.0120.012均衡化后的直方图0.010.010.0080.008出现概率0.006出现概率0.0060.0040.0040.0020.0020230100灰度值*50100150灰度值202350 五、试验结果 分析：从上述试验结果可以看出，经过直方图均衡化后的图片的对比度更高，且边缘效果更高。这些图片特殊有利于人眼的观看识别。直方图均衡化可以到达增加图像的显示效

39、果的作用。通过原图像的直方图可以视察出，图像中各种亮度所占的比例大都分布不均匀，直方图增加的方法就是压缩直方图中比例少的像素所占用的灰度范围，多出来的灰度空间依据统计比例支配给直方图中比例高的像素运用。这种方法主要是针对人眼对灰度差异越大的图像更简洁区分的特点而做的增加。 直方图均衡化由于可能会丢失一些灰度级，所以造成图片信息在确定程度上的损失。变换后图像的灰度级削减也会使某些微小环节消逝。并且某些图像经均衡化处理后的对比度不自然的过分增加。 六、成员分工 七、心得体会 通过近几周的设计，我们学到了很多东西，对如何获得学问也有 西安科技高校 通信学院 了确定的感知。首先，对这个设计题目，要做好

40、充分的准备工作，经过在图书馆查找一些相关的资料，上网搜寻一些相关的学问后，我们最终对需要的流程有了确定的规划。其次，在实际设计过程中，我们充分地利用课本上和老师提过的一些学问、思路。同时与组内同学认真交谈，互相领悟对方的思路和方法，提高自己的交际实力和团队精神。再次，通过对此设计，我们对图像处理的学问有了更加深化的了解，知道了什么是图像增加，知道了怎样均衡化，知道了怎样利用图像增加的学问处理学习、生活中遇到的一些问题。 在此次程序课程设计中，收获学问的同时也收获了成熟。我们不仅培育了思索问题的实力，也提高了获得学问的实力，并且互相合作的过程中感受到一个人的力气远没有团队的力气大，遇到问题时，集

41、体的才智才会更有效解决，因此只有互相团结，互相学习沟通，这样大家都会懂得更多，进步更快。平常也要学会虚心向其他人学习，我们以后会更加珍惜和重视这样的机会。 第五篇：数字图像处理 试验五 图像的几何变换 一试验目的及要求 驾驭图像几何变换的基本原理，娴熟驾驭数字图像的缩放、旋转、平移、镜像和转置的基本原理及其MATLAB编程实现方法。 二、试验内容 一探讨以下程序，分析程序功能；输入执行各叮嘱行，认真视察叮嘱执行的结果。熟识程序中所运用函数的调用方法，变更有关参数，视察试验结果。 1.图像缩放 clear all, close all I = imread(cameraman.tif);Scal

42、e = 1.35; % 将图像放大1.35倍 J1 = imresize(I, Scale, nearest); % using the nearest neighbor interpolation J2 = imresize(I, Scale, bilinear); % using the bilinear interpolation imshow(I), title(Original Image);figure, imshow(J1), title(Resized Image-using the nearest neighbor interpolation );figure, imshow

43、(J2), title(Resized Image-using the bilinear interpolation );help imresize % 查看imresize运用关心 1.95倍 I = imread(cameraman.tif);Scale = 1.96; % 将图像放大1.96倍 J1 = imresize(I, Scale, nearest); % using the nearest neighbor interpolation J2 = imresize(I, Scale, bilinear); % using the bilinear interpolation imshow(I), title(Original Image);fi