数字图像处理报告党浩Word文件下载.docx
- 文档编号:21001213
- 上传时间:2023-01-26
- 格式:DOCX
- 页数:10
- 大小:107.71KB
数字图像处理报告党浩Word文件下载.docx
《数字图像处理报告党浩Word文件下载.docx》由会员分享,可在线阅读,更多相关《数字图像处理报告党浩Word文件下载.docx(10页珍藏版)》请在冰豆网上搜索。
二.实验内容
1.用Matlab编写程序,读出标准图像lena.bmp,计算并画出该图像的直方图。
2.用Matlab读出一个256像素X256像素大小的bpm或jpg或tif格式的图像,写出图像矩阵中第125行的第125-174列的元素值,讲图像显示在屏幕上,最后将该图像存储为dat格式的图像中。
三.实验结果
1、读图
I=imread('cameraman.bmp');
imshow(I);
2、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。
a=imread('ce.jpg')
i=rgb2gray(a)
I=im2bw(a,0.5)
subplot(3,1,1);
imshow(a);
subplot(3,1,2);
imshow(i);
subplot(3,1,3);
原图像灰度图像二值图像
实验二图像变换
1.熟练掌握DFT和DCT变换的Matlab的实现。
2.利用Matlab完成DFT和DCT变换,求出图像的频谱。
二.实验原理
1.二维DFT的Matlab的实现
fft:
一维DFT的变换
ifft:
一维DFT的反变换
fft2:
二维DFT的变换
二维DFT的反变换
fftn:
N维DFT的变换
N维DFT的反变换
fftshift:
将经过fft、fft2和fftn变换后的频谱中心移到矩阵或向量的中心。
2.DCT的Matlab的实现
dct2:
二维DCT的变换
idct2:
二维DCT的反变换
三.实验内容
1.编程求给定图像lena.bmp的傅里叶频谱。
2.将给定图像lena.bmp旋转45度,求其傅里叶频谱。
3.编程求给定图像lena.bmp的DCT频谱。
4.利用DCT反变换求原始图像。
5.利用DCT实现对图像lena.bmp的压缩后的图像。
四.实验结果
1.说明二维余弦正反变换在Matlab中的实现
RGB=imread('
autumn.tif'
);
I=rgb2gray(RGB);
figure
(2);
J=dct2(I);
imshow(log(abs(J)));
colormap(jet(64));
colorbar;
figure(3);
J(abs(J)<
10)=0;
k=idct2(J)/255;
imshow(k);
结果图:
2.用DCT变换作图像压缩的例子
I=imread('
cameraman.tif'
I=double(I)/255;
T=dctmtx(8);
B=blkproc(I,[88],'
P1*x*P2'
T,T'
mask=[11110000
11100000
11000000
10000000
00000000
00000000];
B2=blkproc(B,[88],'
P1.*x'
mask);
I2=blkproc(B2,[88],'
T'
T);
imshow(I),figure,imshow(I2)
原始图像经压缩、解压后的图像
:
实验三图像灰度修正技术和直方图均衡化
一.实验目的
1.掌握图像灰度修正技术的原理和实现方法。
2.掌握图像直方图均衡化处理的方法。
二.实验原理
1.图像增强的目的是,对一副给定的图像,突出一些有用的信息,抑制一些无用的信息,提高图像的利用价值。
2.常用的图像增强的方法有灰度修正法,平滑,几何校正,图像锐化,频域增强,维纳滤波,卡尔曼滤波。
Matlab图像处理工具箱中的函数imadjust实现上述对比调整算法。
3.函数实现
J=imadjust(I,[lowhigh],[bottomtop],gamma)
(1)求图像的灰度直方图
Imhist(I,n)
(2)求灰度的等值图
Imcontour(I,n)
(3)直方图均衡化
J=histeq(I,hgram)
1.显示图像bacteria,tifde灰度直方图和灰度等值图。
2.对给定图像pout.tif进行灰度变换,增强对比度,显示增强前后的图像以及它们的灰度直方图。
3.对给定图像pout.tif进行直方图均衡处理,显示处理前后的图像以及它们的灰度直方图。
1.显示图像'
的直方图
subplot(1,2,1),imshow(I)
subplot(1,2,2),imhist(I)
2、显示图像'
bacteria.tif'
的等灰度值图值及直方图
subplot(1,2,1),
imshow(I)
subplot(1,2,2),
imcontour(I,8)
3.对'
tire.tif'
做直方图均衡化
J=histeq(I);
subplot(1,2,2),imshow(J)
figure,subplot(1,2,1),imhist(I,64)
subplot(1,2,2),imhist(J,64)
实验四图像的平滑
1.掌握常见的图像噪声种类。
2.理解邻域平均法和中值滤波的原理、特点、适用对象。
3.掌握边缘检测的基本思想和常见的边缘检测算子的使用方法。
1.图像平滑的目的是消除图像噪声、恢复原始图像。
实际中摄取的图像一般都含有某种噪声,引起噪声的原因很多,噪声的种类也很多。
总的来说,可以将噪声分为加性噪声和乘性噪声。
加性噪声中又包含高斯噪声、椒盐噪声等典型噪声。
2.Matlab图像处理工具箱提供了模拟噪声生成的函数imnoise,可以对图像添加一些典型的噪声。
imnoise格式:
J=imnoise(I,type,parameters);
3.常见的去除噪声的方法有领域平均法、空间域低通滤波、频率域低通滤波、中值滤波等。
二维中值滤波的Matlab函数为medfilt2。
二.实验内容
1.对图像lena.tif叠加零域值高斯噪声,噪声方差为0.02,然后分别利用邻域平均法和中值滤波法对该图进行滤波,显示滤波后的图像。
2.对图像lena.tif叠加椒盐噪声,噪声方差为0.02,选择合适的滤波器将噪声滤除。
3.对图像lena.tif叠加乘性噪声,噪声方差为0.02,设计一种处理方法,既能去噪声又能保持边缘清晰。
对图像'
autumn,tif'
分别加入高斯噪声、椒盐噪声和乘性噪声。
J1=imnoise(I,'
gaussian'
0,0.02);
J2=imnoise(I,'
salt&
pepper'
0.02);
J3=imnoise(I,'
speckle'
subplot(2,2,1),imshow(I);
subplot(2,2,2),imshow(J1);
subplot(2,2,3),imshow(J2);
subplot(2,2,4),imshow(J3);
椒盐噪声干扰领域为3*3而为中值滤波
领域为5*5而为中值滤波领域为7*7而为中值滤波
实验五图像的锐化
1.掌握图像锐化的主要原理和常用方法。
2.掌握常见的边缘提取算法。
3.利用Matlab实现图像的边缘检测。
1.图像边缘是图像中特性分布的不连续处,图像周围特性有阶跃变化或屋脊状变化的那些像素集合。
图像边缘存在于目标与背景、目标与目标、基元与基元的边界,标示出目标物体或基元的实际含量,是图像识别信息最集中的地方。
2.图像的锐化处理主要用于增强图像中的轮廓边缘、细节以及灰度跳变部分,形成完整的物体边界,达到将物体从图像中分离出来或将表示同一物体表面的区域检测出来的目的。
3.边缘增强是要突出图像边缘,抑制图像中非边缘信息,使图像轮廓更加清晰。
由于边缘占据图像的高频成分,所以边缘增强通常属于高通滤波。
常用的边缘检测方法有微分法以及高通滤波法等
1.利用Matlab提供的edge函数,选择三种边缘检测算子,分别对图像Lena.tif和baboon.tif进行边缘检测,显示检测结果。
2.对Lena.tif和baboon.tif分别添加高斯和椒盐噪声,然后对有噪声的图像进行边缘检测,显示检测出的边缘图像。
三.实验结果
1.读取原始图像'
eight.tif'
g0=imread('
figure
(1)
imshow(g0);
2.对原始图像进行sobel滤波
h2=fspecial('
sobel'
g3=filter2(h2,g0,'
same'
figure(4)
imshow(g3);
3.对原始图像进行prewitt滤波
h3=fspecial('
prewitt'
g4=filter2(h3,g0,'
figure(5)
imshow(g4);
4.对原始图像进行拉普拉斯滤波
h4=fspecial('
laplacian'
0.5);
g5=filter2(h4,g0,'
figure(6)
imshow(g5);
结果图:
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 数字图像 处理 报告