数字图像处理上机实验0008.docx

1、数字图像处理上机实验0008数字图像处理上机作业数字图像处理上机作业1. 产生右图所示亮块图像 f1(x,y)（128128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；图像：（2）若令f2(x,y)=（-1）x+y f1(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。结论：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。相同点：频谱的实质

2、没有改变，幅度等都没有发生变化。（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。源程序：f1=zeros(128,128);for i=38:1:90 for j=58:1:70 f1(i,j)=255; endendfigure(1)subplot(1,2,1);imshow (f1);subplot(1,2,2);imshow (fft2(f1);% f2(x,y)=（-1）(x+y)* f1(x,y) for i=1:1:128 for j=1:1:128 f2(i,j)=(-1)(i+j)*f1(i,j);

3、endendfigure(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的频谱结论：均衡化后的直方图并非完全均匀分布的原因：因为图像的像素个数和灰度等级均为离散值，而且均衡化后使灰度级并归。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。源代码：figure(1);

4、fid=fopen(d:imglena.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d0n1=floor(M/2); %对M/2进行取整n2=floor(N/2)

5、; %对N/2进行取整for i=1:M for j=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*(d2/d02); %GLPF滤波函数 s(i,j)=h*s(i,j); %GLPF滤波后的频域表示 endends=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

6、); %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=30d1=30; %初始化d1n3=floor(M/2); %对M/2进行取整n4=floor(N/2); %对N/2进行取整for i=1:M for j=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*(dd2/d12); %GHPF滤波函数 p(i,j)=h1*p(i,j); %GHPF滤波后的频域表示 endendp=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

7、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。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

8、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。源代码：figure(1);fid=fopen(D:imgcell_128.img,r); %打开无格式文件data1=(fread(fid,128,128,uint8); %将打开的文件

9、读入到data1subplot(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,

10、2,4);imhist(b);title(均衡化后图像直方图);subplot(4,2,5)fid=fopen(d:imgfing_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data3data31=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

11、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）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）源代码：% CELLfigure(2);fid=fopen(D:imgcell_128.img,r); %打开无格式文件data1=(fread(fid,128,128,uint8); %将打开的

12、文件读入到data1I=uint8(data1);I1=imnoise(I,gaussian); %加乘性噪声H1=0 1 0;1 0 1;0 1 0/4; %44领域模板J=imfilter(I,H1); %领域平均subplot(2,4,1),imshow(I); %显示图像Ititle(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 (:)/1282;im_T = zeros(128,128);for i =

13、1:128 for j = 1:128 if abs(I1(i,j) - J(i,j)T im_T(i,j) = J(i,j); else im_T(i,j) = I1(i,j); end endendsubplot(2,4,4);imshow(im_T);title(加门限后);% FINGfigure(2);fid=fopen(D:imgfing_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data1I=uint8(data1);I1=imnoise(I,gaussian); %加乘性噪声H1=0 1 0;1

14、 0 1;0 1 0/4; %44领域模板J=imfilter(I,H1); %领域平均subplot(2,4,5),imshow(I); %显示图像Ititle(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 (:)/1282;im_T = zeros(128,128);for i = 1:128 for j = 1:128 if abs(I1(i,j) - J(i,j)T im_T(i,j) = J(i,j);

15、else im_T(i,j) = I1(i,j); end endendsubplot(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。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=0 -1 0;-1 5 -1;0 -1 0;L2=0

16、-2 0;-2 9 -2;0 -2 0;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锐化图像);subplot(1,3,3);imshow(LP2);title(Laplacian算子=2锐化图像);（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？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

17、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。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);IX,IY=gradient(J); %计算梯度A=sqrt(IX.

18、*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);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进，对该课程或者任课老师有哪些意见或建议。 通过对数字图像处理课程的认真学习，在课堂听课和课余实践中了解了数字图像的基础知识，培养了一定的软件编程能力，在努力完成课堂作业的同时，发现了对图像方面的兴趣。老师认真负责，布置合理的作业。但希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兴趣和主动性。也同样希望老师能够加强点名和作业的验收，督促学生更加认真的学习知识。