数字图像处理作业Word下载.docx

1、显示图像：2代码：I2=zeros（256,256）; I2（i,j）=（-1）（i+j）.*100;f2（i,j）I3=fft2（I2）;imshow（I3）;比较f1（m,n）和f2（m,n）的幅度谱: 可见f2（m,n）是将频谱中心化，使fi（m,n）的频谱从原点移到中心，从而得到一个完整的频谱。3I3=zeros（256,256）;I3=imrotate（I2,90,bilinearI4=fft2（I3）;imshow（I4）;fft（f3）I5=fft2（I2）;imshow（I5）;显示结果：比较fft（f2）和fft（f3）: 可见f2（m,n）旋转90度，其傅里叶变换fft（f

2、3）也相应发生旋转。4.代码:I4=zeros（256,256）;I5=zeros（256,256）;191143I3=imrotate（I1,90,I4=imadd（I1,I3）;I5=fft2（I4）;图四imshow（I5）fft（f5）fft（f5）和fft（f1）,fft（f4）的关系：由显示图可见，fft（f5）的频谱是fft（f1）和fft（f4）的叠加。图像的傅里叶变换满足线性。5I4=imadd（I2,I3）;图五fft（f6）比较fft（f5）与fft（f6）的频谱图: 可见fft（f6）是fft（f5）的中心化。二 I1=zeros（64,64）;for i=1:32 f

3、or j=1: I1（i,j）=1;for i=32:64 I1（i,j）=0; for j=32:I2=I1,I1,I1,I1;I1,I1,I1,I1;I1,I1,I1,I1;原二值图像I3=Medfilt2（I2）;figure,imshow（I3）;中值滤波后的图想I4=filter2（fspecial（average,3）,I2）;figure,imshow（I4）;均值滤波后的图像 显示图像： 比较处理前后的图像：原图分别经过中值滤波和均值滤波，均值滤波过后的图黑白格边缘显得模糊；而中值滤波后的图边缘很清晰，可见中值滤波可以保护图像边界。三I1=zeros（256,28）;I2=ze

4、ros（256,24）;I3=zeros（256,11）;25628for m=1:23 for n=1:24 I2（m,n）=0;for m=234:for m=24:2337 I2（m,n）=255; for n=8:25for g=1: for k=1:11 I3（g,k）=0;I=I1,I2,I2,I2,I2,I2,I2,I2,I2,I2,I3;imshow（I）;原灰度图像J1=imnoise（I,gaussian,0,0.005）; %加入高斯噪声figure（2）subplot（1,2,1）,imshow（J1）;加高斯噪声后的图像J2=imnoise（I,salt & pepp

5、er,0.02）; %加入盐噪声subplot（1,2,2）,imshow（J2）,title（加椒盐噪声后的图像,3）,J1）;figure（3）subplot（2,2,1）,imshow（I4）,title（含高斯噪声图均值滤波后的图像I5=medfilt2（J1,3,3）;subplot（2,2,2）,imshow（I5）,title（含高斯噪声图中值滤波后的图像I6=filter2（fspecial（,3）,J2）;subplot（2,2,3）,imshow（I6）,title（含椒盐噪声图均值滤波后的图像I7=medfilt2（J2,3,3）;subplot（2,2,4）,imsho

6、w（I7）,title（含椒盐噪声图中值滤波后的图像比较四种滤波结果：可见中值滤波器和均值滤波器的作用都是抹平信号，消除噪声。而中值滤波器比较趋向于保留细节。均值滤波能有效的去除高斯噪声，而中值滤波能较好的去除椒盐噪声。四I=imread（source.bmpJ1=edge（I,robertsfigure（1）,imshow（J1）;roberts边缘检测J2=edge（I,prewittfigure（2）,imshow（J2）;prewitt边缘检测J3=edge（I,sobelfigure（3）,imshow（J3）;sobel边缘检测figure,subplot（1,3,1）,imsho

7、w（I）,title（原图subplot（1,3,2）,imshow（J3）,title（prewitt 边缘检测图H2=fspecial（I2=filter2（H2,I）;subplot（1,3,3）,imshow（I2）,title（prewitt锐化图J5=edge（I,figure（2）,subplot（1,3,1）,imshow（I）,title（subplot（1,3,2）,imshow（J5）,title（sobel边缘检测图H3=fspecial（I3=filter2（H3,I）;subplot（1,3,3）,imshow（I3）,title（sobel锐化图figure（3）

8、,subplot（1,3,1）,imshow（I）,title（subplot（1,3,2）,imshow（J1）,title（Roberts边缘检测图H1=fspecial（I1=filter2（H1,I）;subplot（1,3,3）,imshow（I1）;roberts锐化图原图，边缘检测图和锐化图三者的关系： Prewitt和Sobel边缘检测后的图像的边缘间断点较多，边缘更清晰一些；roberts边缘检测边缘间断点较少，对噪声很敏感，可见，Prewitt和Sobel边缘检测的边缘检测效果更好一些。图像锐化则是将边缘部分增强了。Prewitt和Sobel的锐化图似乎没有太大区别。五迭代

9、法是基于逼近的思想，其步骤如下：1求出图象的最大灰度值和最小灰度值，分别记为ZMAX和ZMIN，令初始阈值T0=（ZMAX+ZMIN）/2；2根据阈值TK将图象分割为前景和背景，分别求出两者的平均灰度值ZO和ZB；3求出新阈值TK+1=（ZO+ZB）/2；4若TK=TK+1，则所得即为阈值；否则转2，迭代计算。编程：/阈值初始为0intThresholdVal:=0;intThresholdVal2:/总灰度值intTotalGrayLevel:for intLoop:=0 to 255 doif intGrayLevelintLoop0 then=intTotalGrayLevel+intL

10、oop*intGrayLevelintLoop;/求出初始最大灰度值 if intGrayLevelintLoopbeginintLGrayLevel:=intLoop;break;end;/求出初始最小灰度值和初始阈值=255 downto 0 dointRGrayLevel:=（intThresholdVal+intLoop）div 2;/迭代求解while intThresholdValintThresholdVal2 do=intThresholdVal;intCount:=0 to intThresholdVal do=intCount+intGrayLevelintLoop;=intLGrayLevel+intLoop*intGrayLevelintLoop;=intTotalGrayLevel-intLGrayLevel;=intLGrayLevel div intCount;=intRGrayLevel div （intSize-intCount）;=（intLGrayLevel+intRGrayLevel）div 2;迭代所得的阈值分割的图象效果良好。基于迭代的阈值能区分出图像的前景和背景的主要区域所在，但在图像的细微处还没有很好的区分度