数字图像处理实验报告基于MatlabWord文件下载.docx

1、subplot（3,3,4）;imshow（above）;gamma1subplot（3,3,5）;imshow（equal）;gamma=1subplot（3,3,6）;imshow（below）;gamma1时图像整体变暗，灰度级整体变小；1时图像整体变亮，灰度级整体变小；而gamma=1时，图像维持不变。实验2：图像的平滑滤波平滑的目的是减少噪声对图像的影响。掌握线性滤波和中值滤波两种最典型、最常用的图像平滑方法，对输出结果加以比较、加深理解。1）编写并调试窗口为33、55的平滑滤波函数；如1 1 1;1 1 1 ;1 1 1/9、1 2 1;2 4 2;1 2 1/16等）2）编写并调

2、试窗口为35的中值滤波函数。3）比较均值滤波和中值滤波的优缺点，分析窗口尺寸对滤波结果的影响。附：可供参考的Matlab函数有imnoise、imfilter、medfilt2function fliterI = imread（ %原始图像读取J = imnoise（I,salt & pepper,0.02）; %含噪图像 加椒盐噪声subplot（2,3,1）;imshow（J）;含噪图像Newbuf1=AverageFilter（J,256,256,3）; %33标准平均，调用均值滤波函数subplot（2,3,2）;imshow（Newbuf1）;33标准平均Newbuf2=Averag

3、eFilter（J,256,256,5）; %55标准平均，调用均值滤波函数subplot（2,3,3）;imshow（Newbuf2）;55标准平均W=1 2 1;1 2 1/16; %设置加权平均掩膜Newbuf3=WeighFilter（J,W,256,256,3）;3加权平均，调用加权平均函数 subplot（2,3,4）;imshow（Newbuf3）;3加权平均Newbuf4=MedianFilter（J,256,256,3）;3中值滤波，调用中值滤波函数subplot（2,3,5）;imshow（Newbuf4）;3中值滤波Newbuf5=MedianFilter（J,256,2

4、56,5）;5中值滤波，调用中值滤波函数subplot（2,3,6）;imshow（Newbuf5）;5中值滤波%标准平均滤波函数function Newbuf=AverageFilter（Oldbuf,M,N,m）%Newbuf 滤波后图像矩阵%Oldbuf 含噪图像矩阵%M、N 含噪图像像素矩阵行、列%m 均值滤波窗口大小f=zeros（M+m-1,N+m-1）;%将原图像像素复制到f矩阵上，空出（m-1）/2大小的边界f（m-1）/2+1:M+（m-1）/2,（m-1）/2+1:N+（m-1）/2）=Oldbuf（1:M,1:N）;%将与边界相邻的（m-1）/2行（或列）的像素值复制到边

5、界，以填充边界M+（m-1）/2,1:（m-1）/2）=Oldbuf（ : ,1:（m-1）/2）;M+（m-1）/2,N+（m-1）/2:N+m-1）=Oldbuf（ : ,N-（m-1）/2:f（1:（m-1）/2,（m-1）/2+1:（m-1）/2, : ）;f（M+（m-1）/2:M+m-1,（m-1）/2+1:N+（m-1）/2）=Oldbuf（M-（m-1）/2:M, :g=zeros（M+m-1,N+m-1）;Im=zeros（M,N）;%根据公式计算出处理后g（x,y）的像素值 for x=（m-1）/2+1:M+（m-1）/2 for y=（m-1）/2+1:N+（m-1）/

6、2 for s=-（m-1）/2:（m-1）/2 for t=-（m-1）/2: g（x,y）=g（x,y）+f（x+s,y+t）*1/（m*m）; endIm（1:N）=g（m-1）/2+1:N+（m-1）/2）;%将double型转换为uint8型才可以用imshow正常显示Newbuf=uint8（Im）;%加权平均滤波函数function Newbuf=WeighFilter（Oldbuf,W,M,N,m）%W 掩模%m 掩模模板窗口大小%将与边界相邻的（m-1）/2行（或列）的像素值复制到边界，以填充边界f（m-1）/2+1: g（x,y）=g（x,y）+W（s+（m+1）/2,t+

7、（m+1）/2）*f（x+s,y+t）;%中值滤波函数function Newbuf=MedianFilter（Oldbuf,M,N,m）%M、N 含噪图像矩阵像素行、列%m 中值滤波窗口大小 j=1; a（j）=f（x+s,y+t）; %将窗口里的二维元素变成一维元素 j=j+1; g（x,y）=SeekMid（a,m）;%找出中值函数function mid=SeekMid（winbuf,m）%mid 排序后的中值%winbuf 待排序窗口%m 窗口大小%采用冒泡排序方法将窗口像素值从小到大排列，返回中间像素值for i=1:m*m-1 for k=1:m*m-i if winbuf（k）

8、winbuf（k+1） temp=winbuf（k）; winbuf（k）=winbuf（k+1）; winbuf（k+1）=temp;endmid=winbuf（m*m+1）/2）;1.比较均值滤波和中值滤波的优缺点 均值滤波可以减小图像灰度级的“sharp”变化，可以降低噪声，但是降噪的同时也使边缘部分变得模糊，还可以平滑伪轮廓，去除图像中的不相关的小于掩模尺寸的细节。中值滤波器的主要功能是使具有不同灰度的点看起来更接近它的相邻点，去除那些相对于其邻域像素更亮或更暗、且区域小于n2/2的孤立像素集。中值滤波对降低某些类型的随机噪声性能优异，模糊程度低。在处理椒盐噪声时，均值滤波使图像变得模

9、糊，并且噪声去除性能很差，而中值滤波的效果却很好。显然，中值滤波比均值滤波更适合去除椒盐噪声。2. 分析窗口尺寸对滤波结果的影响窗口尺寸越大，图像越模糊，图像边缘和与掩膜大小接近的细节受到的影响也越大实验3：图像的锐化处理锐化的目的是加强图像的边界和细节，熟悉Robert、Sobel和Laplace算子进行检测，使图像特征（如边缘、轮廓等）进一步增强并突出。1）编写Robert算子滤波函数；2）编写Sobel算子滤波函数；3）编写Laplace算子滤波函数；4）编写限幅和标定函数，给出增强后的图像。function EX3I=imread（rice.bmpsubplot（2,4,1）;imsh

10、ow（I）;原始图像rob=RobertFilter（I）;subplot（2,4,2）;imshow（rob）; Robert算子滤波结果R1=I+rob;la1=LimitAmplitude（R1）;subplot（2,4,6）;imshow（la1）; Robert算子增强结果a2=-1 -2 -1;0 0 0;1 2 1;b2=-1 0 1;-2 0 2;-1 0 1;sob=SobelFilter（I,a2,b2）;subplot（2,4,3）;imshow（sob）; Sobel算子滤波结果R2=I+sob;la2=LimitAmplitude（R2）;subplot（2,4,7）

11、;imshow（la2）;Sobel算子增强结果% s=0 1 0;1 -4 1;0 1 0;s=1 1 1;1 -8 1;1 1 1;lap=LapFilter（I,s）;cal=Calibration（lap）;subplot（2,4,4）;imshow（cal）; Laplace算子滤波结果lap=uint8（lap）;lapr=I-lap;lapr3=LimitAmplitude（lapr）;subplot（2,4,8）;imshow（lapr3）; Laplace算子增强结果%Robert算子滤波function rob=RobertFilter（F）a1=-1 0;0 1;b1=0

12、 -1;1 0; %Robert算子模板M,N=size（F）;f=zeros（M+1,N+1）;N）=F（1:M,N+1:N+1）=F（ : ,N:f（M+1:M+1,1:N）=F（M: %边界填充g=zeros（M+1,N+1）;for x=1:M for y=1:N mod=f（x,y） f（x,y+1）;f（x+1,y） f（x+1,y+1）; gsx=a1.*mod; gsy=b1.*mod; g（x,y）=abs（sum（gsx（:）+abs（sum（gsy（:）;N）=g（1:rob=uint8（Im）;%Sobel算子滤波function sob=SobelFilter（F,s

13、x,sy）%sx,sy为Sobel算子模板m,n=size（sx）;f=zeros（M+m-1,N+n-1）;M+（m-1）/2,（n-1）/2+1:N+（n-1）/2）=F（1:（n-1）/2）=F（ :（n-1）/2）;M+（m-1）/2,N+（n-1）/2:N+m-1）=F（ : ,N-（n-1）/2:（m-1）/2,（n-1）/2+1:M+m-1,（n-1）/2+1:N+（n-1）/2）=F（M-（m-1）/2:g=zeros（M+m-1,N+n-1）;for x=（m-1）/2+1: for y=（n-1）/2+1:N+（n-1）/2 mod=f（x-1,y-1） f（x-1,y）

14、f（x-1,y+1）; f（x,y-1） f（x,y） f（x,y+1）;f（x+1,y-1） f（x+1,y） f（x+1,y+1）; gsx=sx.*mod; gsy=sy.*mod;N+（n-1）/2）;sob=uint8（Im）;%Laplace算子滤波function lap=LapFilter（F,S）m,n=size（S）; gs=S.*mod; g（x,y）=sum（gs（:）;lap=Im;%限幅函数function la=LimitAmplitude（F）f=uint8（F）;M,N=size（f）; if f（x,y）=255; f（x,y）=255; else if f

15、（x,y）=0 f（x,y）=0; else f（x,y）=f（x,y）; %将灰度值限定在0到255之间la=f;%标定函数function cal=Calibration（F）F=double（F）;m1=min（min（F）; fm（x,y）=F（x,y）-m1;m2=max（max（fm）;Fm=double（fm）; fs（x,y）=255*（Fm（x,y）/m2）;cal=uint8（fs）;实验4：图像的统计特性观察序列图像帧内、帧间差值信号的分布曲线，理解图像在空间域和频率域上的统计特性及其在压缩中的重要性。1）编写帧内统计函数，计算差值图像（同一行差值、同一列差值），观察统计

16、分布曲线；2）编写帧间统计函数，计算差值图像（相邻帧的差值），观察统计分布曲线（cla0/1或girl0/1）。可供参考的Matlab函数有sum、cat、plotfunction EX4oldbuf=imread（I1=imread（CLA1.bmpI2=imread（CLA2.bmpnewbuf1=Intrah（oldbuf,1）; %帧内水平差值统计特性newbuf2=Intrah（oldbuf,0）; %帧内垂直差值统计特性newbuf3=Inter（I1,I2）; 帧间统计特性imshow（oldbuf）;draw（newbuf1）;水平差值统计特性draw（newbuf2）;垂直差

17、值统计特性imshow（I1）;CLA1imshow（I2）;CLA2draw（newbuf3）;帧间统计特性function newbuf=Intrah（oldbuf,pop2） %帧内统计函数oldbuf=double（oldbuf）;M,N=size（oldbuf）; %防止溢出将数据类型从uint8型转换为double型newbuf=zeros（1,511）;if pop2=1 for i=1: for j=1:N-1 dH=oldbuf（i,j）-oldbuf（i,j+1）;% 帧内水平灰度差值 newbuf（dH+256）=newbuf（dH+256）+1;else M-1 dV=oldbuf（i,j）-oldbuf（i+1,j）; newbuf（dV+256）=newbuf（dV+256）+1;function newbuf=Inter（oldbuf,oldbuf1） %帧间统计函数oldbuf1=double（oldbuf1）; dt=oldbuf（i,j）-oldbuf1（i,j）;% 计算帧间差值 newbuf（dt+256）=newbuf（dt+256）+1;function draw（D）D=D/sum（D）;x=-255:255;plot（x,D）;axis（