数字图像处理上机优选.docx
- 文档编号:29216605
- 上传时间:2023-07-21
- 格式:DOCX
- 页数:16
- 大小:592.73KB
数字图像处理上机优选.docx
《数字图像处理上机优选.docx》由会员分享,可在线阅读,更多相关《数字图像处理上机优选.docx(16页珍藏版)》请在冰豆网上搜索。
数字图像处理上机优选
数字图像处理上机
班级:
学号:
姓名:
1.产生右图所示亮块图像f1(x,y)(128×128大小,暗处=0,亮处=255),对其进行FFT:
(1)同屏显示原图f1和FFT(f1)的幅度谱图;
(2)若令f2(x,y)=(-1)x+yf1(x,y),重复以上过程,比较二者幅度谱的异同,简述理由;
(3)若将f2(x,y)顺时针旋转45度得到f3(x,y),试显示FFT(f3)的幅度谱,并与FFT(f2)的幅度谱进行比较。
解答:
(1)图像:
(2)图像:
相同点:
频谱的实质没有改变,幅度等都没有发生变化。
不同点:
f2的频谱是对f1频谱的移位,它时f1的频谱从原点(0,0)移到了中心(64,64),而得到了一个完整的频谱。
(3)图像:
程序:
f1=zeros(128,128);
fori=38:
1:
90
forj=58:
1:
70
f1(i,j)=255;
end
end
figure
(1)
subplot(1,2,1);
imshow(f1);
subplot(1,2,2);
imshow(fft2(f1));
%f2(x,y)=(-1)^(x+y)*f1(x,y)
fori=1:
1:
128
forj=1:
1:
128
f2(i,j)=(-1)^(i+j)*f1(i,j);
end
end
figure
(2);
subplot(1,3,1);
imshow(f2);
f3=imrotate(f2,-45,'bilinear');%将f2顺时针旋转45度
subplot(1,3,2);
imshow(fft2(f2));%显示f2的频谱
subplot(1,3,3);
imshow(fft2(f3));%显示f3的频谱
2.对256⨯256大小、256级灰度的数字图像lena进行频域的理想低通、高通滤波,同屏显示原图、幅度谱图和低通、高通滤波的结果图。
程序:
figure
(1);
fid=fopen('d:
\img\lena.img','r');
data=(fread(fid,[256,256],'uint8'))';
subplot(2,2,1)
imagesc(data);
colormap(gray);
title('LENA','Color','r');
subplot(2,2,2);
imshow(fft2(data));
s=fftshift(fft2(data));
[M,N]=size(s);%分别返回s的行数到M中,列数到N中
n=2;%对n赋初值
%GLPF滤波,d0=5,15,30(程序中以d0=30为例)
d0=30;%初始化d0
n1=floor(M/2);%对M/2进行取整
n2=floor(N/2);%对N/2进行取整
fori=1:
M
forj=1:
N
d=sqrt((i-n1)^2+(j-n2)^2);%点(i,j)到傅立叶变换中心的距离
h=1*exp(-1/2*(d^2/d0^2));%GLPF滤波函数
s(i,j)=h*s(i,j);%GLPF滤波后的频域表示
end
end
s=ifftshift(s);%对s进行反FFT移动
%对s进行二维反离散的Fourier变换后,取复数的实部转化为无符号8位整数
s=uint8(real(ifft2(s)));
subplot(2,2,3);%创建图形图像对象
imshow(s);
p=fftshift(fft2(data));
[M,N]=size(p);%分别返回p的行数到M中,列数到N中
n=2;%对n赋初值
%GLPF滤波d1=30
d1=30;%初始化d1
n3=floor(M/2);%对M/2进行取整
n4=floor(N/2);%对N/2进行取整
fori=1:
M
forj=1:
N
dd=sqrt((i-n3)^2+(j-n4)^2);%点(i,j)到傅立叶变换中心的距离
h1=1-exp(-1/2*(dd^2/d1^2));%GHPF滤波函数
p(i,j)=h1*p(i,j);%GHPF滤波后的频域表示
end
end
p=ifftshift(p);%对p进行反FFT移动
%对s进行二维反离散的Fourier变换后,取复数的实部转化为无符号8位整数
p=uint8(real(ifft2(p)));
subplot(2,2,4);%创建图形图像对象
imshow(p);
3.对给定的两种128⨯128、256级灰度的数字图像(图像磁盘文件名分别为Fing_128.img(指纹图)和Cell_128.img(显微医学图像)进行如下处理:
(1)对原图像进行直方图均衡化处理,同屏显示处理前后图像及其直方图,比较异同,并回答为什么数字图像均衡化后其直方图并非完全均匀分布。
(2)对原图像加入高斯噪声,用4-邻域平均法平滑加噪声图像(图像四周边界不处理,下同),同屏显示原图像、加噪图像和处理后的图像。
不加门限;
加门限
,(其中
)
解答:
(1)
异同:
由于原图像中目标物的灰度主要集中于低亮度部分,而且象素总数比较多,经过直方图均衡后,目标物的所占的灰度等级得到扩展,对比度加强,使整个图像得到增强。
数字图像均衡化后其直方图并非完全均匀分布的原因:
由于原图像中目标物的灰度主要集中于低亮度部分,而且象素总数比较少,而所占的灰度等级比较多,因此图像的对比度比较好,亮度比较大,整体图像清晰。
经过直方图均衡后,目标物的所占的灰度等级被压缩,对比度减弱,反而使目标物变的难以辨认。
数字图像均衡化后,其直方图并非完全均匀分布,这是因为图像的象素个数和灰度等级均为离散值;而且均衡化使灰度级并归,因此,均衡化后,其直方图并非完全均匀分布。
程序:
figure
(1);
fid=fopen('D:
\img\cell_128.img','r');%打开无格式文件
data1=(fread(fid,[128,128],'uint8'))';%将打开的文件读入到data1
subplot(4,2,1);%将figure
(1)分成4*2的8个子窗口,
data11=uint8(data1);
imshow(data11);%图象显示
title('CELL','Color','b');%加标题
subplot(4,2,2);
title('原图像直方图');
imhist(data11);
subplot(4,2,3);%取第二个子窗口
data2=uint8(data1);%将灰度图象转换成uint8格式
b=histeq(data2);%直方图均衡化
imshow(b,256);%显示均衡化图象,256可缺省
title('均衡化','Color','b');
subplot(4,2,4);
imhist(b);
title('均衡化后图像直方图');
subplot(4,2,5)
fid=fopen('d:
\img\fing_128.img','r');%打开无格式文件
data3=(fread(fid,[128,128],'uint8'))';%将打开的文件读入到data3
data31=uint8(data3);%将灰度图象转换成uint8格式
imshow(data31);%显示灰度图象
title('FING','Color','b');
subplot(4,2,6)
imhist(data31);
title('原图像直方图');
subplot(4,2,7);
data4=uint8(data3);%将灰度图象转换成uint8格式
d=histeq(data4);%直方图均衡化
imshow(d,256);%显示均衡化图象,256可缺省
title('均衡化','Color','b');
subplot(4,2,8);
imhist(d);
title('均衡化后原图像直方图');
(2)
程序:
%CELL
figure
(2);
fid=fopen('D:
\img\cell_128.img','r');%打开无格式文件
data1=(fread(fid,[128,128],'uint8'))';%将打开的文件读入到data1
I=uint8(data1);
I1=imnoise(I,'gaussian');%加乘性噪声
H1=[010;101;010]/4;%4×4领域模板
J=imfilter(I,H1);%领域平均
subplot(2,4,1),imshow(I);%显示图像I
title('原图像');
subplot(2,4,2),imshow(I1);
title('加噪声后图像');
subplot(2,4,3),imshow(J);%不加门限平滑
title('不加门限平滑后图像');
%加门限后滤波
T=2*sum(I1(:
))/128^2;
im_T=zeros(128,128);
fori=1:
128
forj=1:
128
ifabs(I1(i,j)-J(i,j))>T
im_T(i,j)=J(i,j);
else
im_T(i,j)=I1(i,j);
end
end
end
subplot(2,4,4);
imshow(im_T);
title('加门限后');
%FING
figure
(2);
fid=fopen('D:
\img\fing_128.img','r');%打开无格式文件
data1=(fread(fid,[128,128],'uint8'))';%将打开的文件读入到data1
I=uint8(data1);
I1=imnoise(I,'gaussian');%加乘性噪声
H1=[010;101;010]/4;%4×4领域模板
J=imfilter(I,H1);%领域平均
subplot(2,4,5),imshow(I);%显示图像I
title('原图像');
subplot(2,4,6),imshow(I1);
title('加噪声后图像');
subplot(2,4,7),imshow(J);%不加门限平滑
title('不加门限平滑后图像');
%加门限后滤波
T=2*sum(I1(:
))/128^2;
im_T=zeros(128,128);
fori=1:
128
forj=1:
128
ifabs(I1(i,j)-J(i,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
和
两种情况)对256⨯256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。
(2)若令
,
则回答如下问题:
、
和
之间有何关系?
代表图像中的哪些信息?
由此得出图像锐化的实质是什么?
解答:
(1)
源代码:
%laplacian算子锐化
I=imread('D:
\img\LENA256.bmp');%读入原图像
figure
(1);
subplot(1,3,1);imshow(I);title('原始图像');
L=fspecial('laplacian');
L1=[0-10;-15-1;0-10];
L2=[0-20;-29-2;0-20];
LP1=imfilter(I,L1,'replicate');%α=1时的拉普拉斯算子
LP2=imfilter(I,L2,'replicate');%α=2时的拉普拉斯算子
subplot(1,3,2);imshow(LP1);title('Laplacian算子α=1锐化图像');
subplot(1,3,3);imshow(LP2);title('Laplacian算子α=2锐化图像');
(2)
因为
,所以
、
和
之间有以下关系:
代表了原图像中的二阶梯度信息;
是边缘增强后的数字图像;
由此可以得出:
图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
的大小决定,
值越大则梯度信息所占的比例越大),相当于对目标物的边缘进行了增强。
5.分别利用Roberts、Prewitt和Sobel边缘检测算子,对256⨯256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。
解答:
图像:
程序:
I=imread('D:
\img\LENA256.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);
[IX,IY]=gradient(J);%计算梯度
A=sqrt(IX.*IX+IY.*IY);
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');
最新文件----------------仅供参考--------------------已改成-----------word文本---------------------方便更改
- 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 上机 优选
![提示](https://static.bdocx.com/images/bang_tan.gif)