数字图像处理MATLAB上机作业.docx
《数字图像处理MATLAB上机作业.docx》由会员分享，可在线阅读，更多相关《数字图像处理MATLAB上机作业.docx（18页珍藏版）》请在冰点文库上搜索。
数字图像处理MATLAB上机作业
数字图像处理实验报告
指导老师:
学号
姓名
班级
1.产生右图所示图像f1（m,n），其中图像大小为256X256,中间亮条为128X32,暗处=0,亮处=100对其进行FFT:
1同屏显示原图f1（m,n）和FFT（f1）的幅度谱图；
2若令f2（m,n）=（-1）（m+n）f1（m,n），重复以上过程,
比较二者幅度谱的异同，简述理由；
3若将f2（m,n）顺时针旋转90度得到f3（m,n），试显示FFT（f3）的幅度谱，
并与FFT（f2）的幅度谱进行比较；
4若将f1（m,n）顺时针旋转90度得到f4（m,n），令f5（m,n）=f1（m,n）+f4（m,n），
试显示FFT（f5）的幅度谱，并指出其与FFT（f1）和FFT（f4）的关系；
5若令f6（m,n）=f2（m,n）+f3（m,n），试显示FFT（f6）的幅度谱，并指出其与FFT（f2）和FFT（f3）的关系,
比较FFT（f6）和FFT（f5）的幅度谱。
f1=zeros（256,256）;
fori=64:
1:
192
forj=122:
1:
144
f1（i,j）=100;
end
end
fft_f1=fft2（f1）;
fft_f1=abs（fft_f1）;
tmax=fft_f1（1,1）;
tmin=fft_f1（1,1）;
fori=1:
256
forj=1:
256
iftmaxtmax=fft_f1（i,j）;
end
iftmin>fft_f1（i,j）
tmin=fft_f1（i,j）;
end
end
end
delta=tmax-tmin;
fori=1:
256
forj=1:
256
fft_f1（i,j）=255*（fft_f1（i,j）-tmin）/delta;
end
end
subplot（1,2,1）;
imshow（f1）;
title（'原图’）；
subplot（1,2,2）;
imshow（fft_f1）;
title（'原图的幅度谱’）；
原因
原團的幅度谱
fori=1:
256
forj=1:
256f2（i,j）=（-1）F+j）*f1（i,j）;
end
endfft_f2=fft2（f2）;fft_f2=abs（fft_f2）;tmax=fft_f2（1,1）;
tmin=fft_f2（1,1）;
fori=1:
256
forj=1:
256
iftmaxend
iftmin>fft_f2（i,j）
tmin=fft_f2（i,j）;
end
end
end
delta=tmax-tmin;
fori=1:
256
forj=1:
256
fft_f2（i,j）=255*（fft_f2（i,j）-tmin）/delta;
end
endsubplot（2,2,1）;imshow（f1）;title（'原图’）;
subplot（2,2,2）;
imshow（fft_f1）;
title（'原图的幅度谱’）；subplot（2,2,3）;
imshow（f2）;
title（'原图中心化’）；
subplot（2,2,4）;
imshow（fft_f2）;
title（'原图中心化的幅度谱’）;
原團的幅度谱
原團中心化
原图中心化的幅度谱
iBv*
f3=imrotate（f2,-90,'bilinear'）;
fft_f3=fft2（f3）;
fft_f3=abs（fft_f3）;
tmax=fft_f3（1,1）;
tmin=fft_f3（1,1）;
fori=1:
256
forj=1:
256
iftmaxend
iftmin>fft_f3（i,j）
tmin=fft_f3（i,j）;
end
end
enddelta=tmax-tmin;
fori=1:
256
forj=1:
256
fft_f3（i,j）=255*（fft_f3（i,j）-tmin）/delta;
end
end
subplot（2,2,1）;
imshow（f2）;
title（'原图中心化’）；
subplot（2,2,2）;
imshow（fft_f2）;
title（'原图中心化的幅度谱’）;
subplot（2,2,3）;
imshow（f3）;
title（'旋转后的图像’）；subplot（2,2,4）;
imshow（fft_f3）;
title（'旋转后的幅度谱’）;
厲團中心化
原图中心化的幅度谱
I
旋转后的幅度谱
WWW
f4=imrotate（f1,-90,'bilinear'）;
f5=f1+f4;
fft_f5=fft2（f5）;
fft_f5=abs（fft_f5）;
tmax=fft_f5（1,1）;
tmin=fft_f5（1,1）;
fori=1:
256
forj=1:
256
iftmaxend
iftmin>fft_f5（i,j）
tmin=fft_f5（i,j）;
end
end
end
delta=tmax-tmin;
fori=1:
256
forj=1:
256fft_f5（i,j）=255*（fft_f5（i,j）-tmin）/delta;
end
end
subplot（2,2,1）;
imshow（f1）;
title（'原图’）；
subplot（2,2,2）;
imshow（fft_f1）;
title（'原图的幅度谱’）；
subplot（2,2,3）;
imshow（f5）;
title（'相加后的图像’）；
subplot（2,2,4）;
imshow（fft_f5）;
title（'相加后的幅度谱’）；
原国的幅度谱
相加后的画像
原图与旋转90度后的图像进行叠加后，相应的幅度谱也进行叠加。
f6=f2+f3;
fft_f6=fft2（f6）;
fft_f6=abs（fft_f6）;
tmax=fft_f6（1,1）;
tmin=fft_f6（1,1）;
fori=1:
256
forj=1:
256
iftmaxtmax=fft_f6（i,j）;
end
iftmin>fft_f6（i,j）
tmin=fft_f6（i,j）;
end
end
end
delta=tmax-tmin;
fori=1:
256
forj=1:
256
fft_f6（i,j）=255*（fft_f6（i,j）-tmin）/delta;
end
end
subplot（2,2,1）;
imshow（fft_f2）;title（'F2'）;
subplot（2,2,2）;imshow（fft_f3）;title（'F3'）;
subplot（2,2,3）;imshow（fft_f5）;title（'F5'）;
subplot（2,2,4）;imshow（fft_f6）;title（'F6'）;
FFT
（2）和FFT（3）相差90度。
FFT（6）是FFT（5）的中心化。
2.产生教材104页题图4.18（右图）所示的二值图像（白为1,黑为0）,编程实现习题4.18所要求的处理（3*3的平均滤波和中值滤波）功能（图像四周边界不考虑，处理结果按四舍五入仍取0或1），显示处理前后的图像，比较其异同。
a=zeros（64,64）;
f=zeros（256,256）;
fori=1:
1:
32
forj=1:
1:
32
a（i,j）=1；
end
end
fori=33:
1:
64
forj=33:
1:
64a（i,j）=1；
end
end
fori=1:
64:
256
forj=1:
64:
256f（i:
i+63,j:
j+63）=a;
end
end
imshow（f）
fori=2:
1:
255
forj=2:
1:
255
a=[f（i-1,j-1）,f（i-1,j）,f（i-1,j+1）,f（i,j-1）,f（i,j）,f（i,j+1）,f（i+1,j-1）,f（i+1,j）,f（i+1,
j+1）]；
b=[f（i-1,j）,f（i,j-1）,f（i,j）,f（i,j+1）,f（i+1,j）]；
c=sort（a）;
d=sort（b）;
zlf1（i,j）=c（5）;
zlf2（i,j）=d（5）;
endend
subplot（1,3,1）;
imshow（f）;
title（'原图像'）;
subplot（1,3,2）;
imshow（zlfl）;
title（'方形中值滤波后图像’）
subplot（1,3,3）;
imshow（zlf2）;
title（'十字形中值滤波后图像'）
方形中值滤波后图像
十字形中值滤波后图像
fori=2:
1:
255
forj=2:
1:
255jlf4（i,j）=（f（i-1,j）+f（i+1,j）+f（i,j-1）+f（i,j+1））/4;
jlf8（i,j）=（f（i-1,j-1）+f（i-1,j）+f（i-1,j+1）+f（i,j-1）+f（i,j+1）+f（i+1,j-1）+f（i+1,j）+f（i+1,j+1））/8；
jjlf4（i,j）=（f（i-1,j）+f（i+1,j）+f（i,j-1）+f（i,j+1）+f（i,j））/5;
jjlf8（i,j）=（f（i-1,j-1）+f（i-1,j）+f（i-1,j+1）+f（i,j-1）+f（i,j+1）+f（i+1,j-1）+f（i+1,j）+f（i+
1,j+1）+f（i,j））/9;
end
end
jlf4=round（jlf4）;
jlf8=round（jlf8）;
jjlf4=round（jjlf4）;
jjlf8=round（jjlf8）;
subplot（2,2,1）;
imshow（jlf4）;
title（'4邻域平均滤波后图像’）；
subplot（2,2,2）;
imshow（jlf8）;
title（'8邻域平均滤波后图像'）
subplot（2,2,3）;
imshow（jjlf4）;
title（'4邻域加权平均滤波后图像'）
subplot（2,2,4）;
imshow（jjlf8）;
title（'8邻域加权平均滤波后图像'）
4邻域平均滤波后團像
8邻域平均滤S后團像
4邻域加权平均滤波后團像
塔邻域加权平均滤波后图像
放大后可看出区别
4邻域平均滤波后图像
8邻域平均滤液后團像
4邻域加权平均滤波后團像
8邻域加权平均滤波后團像
3•产生教材104页题图4.16所示的灰度图像（白为255,黑为0）,分别加入高斯白噪声和椒盐噪声，再分别进行3*3的平均滤波和中值滤波，显示原图像、加噪图像和滤波结果图像，并比较四种滤波结果。
f=zeros（256,256）;
a=255*ones（210,7）;
fori=0:
1:
8
f（24:
233,（29+24*i）:
（29+24*i+6））=a;
end
f1=imnoise（f,'gaussian',0,0.1）;%加入均值为零方差为0.1的高斯噪声
f2=imnoise（f,'salt&pepper',0.1）;%加入噪声密度为0.1的椒盐噪声
fori=2:
1:
255
forj=2:
1:
255
a=[f1（i-1,j-1）,f1（i-1,j）,f1（i-1,j+1）,f1（i,j-1）,f1（i,j）,f1（i,j+1）,f1（i+1,j-1）,f1（i+1,j
）,f1（i+1,j+1）];
b=[f2（i-1,j-1）,f2（i-1,j）,f2（i-1,j+1）,f2（i,j-1）,f2（i,j）,f2（i,j+1）,f2（i+1,j-1）,f2（i+1,j
）,f2（i+1,j+1）];
c=sort（a）;
d=sort（b）;
zlf1（i,j）=c（5）;%中值滤波
zlf2（i,j）=d（5）;%中值滤波
jlf8（i,j）=（f1（i-1,j-1）+f1（i-1,j）+f1（i-1,j+1）+f1（i,j-1）+f1（i,j+1）+f1（i+1,j-1）+f1（i+1,j
）+f1（i+1,j+1）+f1（i,j））/9;%平均滤波
jjlf8（i,j）=（f2（i-1,j-1）+f2（i-1,j）+f2（i-1,j+1）+f2（i,j-1）+f2（i,j+1）+f2（i+1,j-1）+f2（i+1,
j）+f2（i+1,j+1）+f2（i,j））/9;%平均滤波
end
end
subplot（2,4,1）;imshow（f）;
title（'原图像'）;
subplot（2,4,2）;imshow（f1）;
title（'高斯噪声污染后的图像’）；
subplot（2,4,3）;imshow（zlf1）;
title（'中值滤波后的图像’）；
subplot（2,4,4）;imshow（jlf8）;
title（'平均滤波后的图像’）；
subplot（2,4,5）;imshow（f）;
title（'原图像'）;
subplot（2,4,6）;imshow（f2）;
title（'椒盐噪声污染后的图像’）；
subplot（2,4,7）;imshow（zlf2）;
title（'中值滤波后的图像’）;
subplot（2,4,8）;imshow（jjlf8）;
title（'平均滤波后的图像’）;
原團像根盐唾声污染石的團像中值遥渡后的團像平均遞波石的團像
5.（第4、5题选做一题）编程实现教材214页所给图像门限化分割的迭代阈值算法，实现对某一灰度图像的二值化。
Pic=imread（'C:
\Users\Administrator\Desktop\242dd42a2834349bfb0c018ccbea15ce36d3beb5.j
pg'）；%读取RGB格式的图像
a=rgb2gray（Pic）;%进行RGB到灰度图像的转换
T=0.5*（double（min（a（:
）））+double（max（a（:
））））;
do=false;
while~do
g=（a>T）;
Tnext=0.5*（mean（a（g））+mean（a（~g）））;
do=abs（T-Tnext）<0.2;
T=Tnext;
end
figure;subplot（1,2,1）;imshow（a）;
subplot（1,2,2）;imshow（g）;
'?
■■■uu■
6.
%ReadInputRetinaImageinlmg=imread（'Input.bmp'）;
if（dim==3）
dim=ndims（inlmg）;
%lnputisacolorimageinImg=rgb2gray（inlmg）;end
%ExtractBloodVessels
Threshold=10;
bloodVessels=VesselExtract（inlmg.Threshold）;
%OutputBloodVesselsimagefigure;
subplot（121）;imshow（inlmg）;title（'InputImage'）;subplot（122）;imshow（bloodVessels）;title（'ExtractedBloodVessels'）;
VesselExtract.m:
functionbloodVessels=VesselExtract（inlmg,threshold）%Kirsch'sTemplatesh1=[5-3-3;
50-3;
5-3-3]/15;
h2=[-3-35;
-305;
-3-35]/15;
h3=[-3-3-3;
50-3;
55-3]/15;
h4=[-355;
-305;
-3-3-3]/15;
h5=[-3-3-3;
-30-3;
555]/15;
h6=[555;
-30-3;
-3-3-3]/15;
h7=[-3-3-3;
-305;
-355]/15;
h8=[55-3;
50-3;
-3-3-3]/15;
%SpatialFilteringbyKirsch'sTemplates
t仁filter2（h1,inlmg）;
t2=filter2（h2,inlmg）;
t3=filter2（h3,inlmg）;
t4=filter2（h4,inlmg）;
t5=filter2（h5,inlmg）;
t6=filter2（h6,inlmg）;
t7=filter2（h7,inlmg）;
t8=filter2（h8,inlmg）;
s=size（inlmg）;
bloodVessels=zeros（s
（1）,s
（2））;
temp=zeros（1,8）;
fori=1:
s
（1）
forj=1:
s
（2）
temp
（1）=t1（i,j）;temp
（2）=t2（i,j）;temp（3）=t3（i,j）;temp（4）=t4（i,j）;temp（5）=t5（i,j）;temp（6）=t6（i,j）;temp（7）=t7（i,j）;temp（8）=t8（i,j）;if（max（temp）>threshold）
bloodVessels（i,j）=max（temp）;
endendend
升级会员 