图像处理电子科大作业Word格式文档下载.docx
《图像处理电子科大作业Word格式文档下载.docx》由会员分享，可在线阅读，更多相关《图像处理电子科大作业Word格式文档下载.docx（36页珍藏版）》请在冰点文库上搜索。
forj=1:
width
NumPixel（I（i,j）+1）=NumPixel（I（i,j）+1）+1;
%对应灰度值像素点数量增加一
end
end
%计算灰度分布密度
ProbPixel=zeros（1,256）;
256
ProbPixel（i）=NumPixel（i）/（height*width*1.0）;
%计算累计直方图分布
CumuPixel=zeros（1,256）;
ifi==1
CumuPixel（i）=ProbPixel（i）;
else
CumuPixel（i）=CumuPixel（i-1）+ProbPixel（i）;
%累计分布取整
CumuPixel=uint8（255.*CumuPixel+0.5）;
%对灰度值进行映射（均衡化）
I（i,j）=CumuPixel（I（i,j））;
subplot（223）
subplot（224）
截图：
2分别在2幅灰度图像中加入一定量的高斯噪声和椒盐噪声，噪声强
度自定。
然后采用3×
3的均值滤波器和3×
3中值滤波器分别对噪声图像
进行处理，给出两种处理方法的峰值信噪比（PSNR）。
functionz=PSNR（x,y）%calculatePSNRofimage
[M,N]=size（x）;
dx=im2double（x）;
dy=im2double（y）;
err=dx-dy;
MSE=sum（sum（err.^2））/（M*N）;
%meansquareerror
z=10*log10（255^2/MSE）;
clc,clf,clearall;
pic=imread（'
\image5.jpg'
data=rgb2gray（pic）;
P1=imnoise（data,'
gaussian'
0.02）;
P2=imnoise（data,'
salt&
pepper'
figure;
subplot（3,1,1）;
imshow（data）;
title（'
原图'
subplot（3,1,2）;
imshow（P1）;
高斯加噪'
subplot（3,1,3）;
imshow（P2）;
椒盐加噪'
figure;
k1=medfilt2（data,[33]）;
k2=medfilt2（P1,[33]）;
k3=medfilt2（P2,[33]）;
r1=PSNR（data,k1）;
r2=PSNR（data,k2）;
r3=PSNR（data,k3）;
imshow（k1）;
title（['
原图中值滤波'
'
psnr:
'
num2str（r1）]）;
imshow（k2）;
高斯加噪中值滤波'
num2str（r2）]）;
imshow（k3）;
椒盐加噪中值滤波'
num2str（r3）]）;
d1=filter2（fspecial（'
average'
3）,data）/255;
d2=filter2（fspecial（'
3）,P1）/255;
d3=filter2（fspecial（'
3）,P2）/255;
r1=PSNR（data,d1）;
r2=PSNR（data,d2）;
r3=PSNR（data,d3）;
imshow（d1）;
原图均值滤波'
imshow（d2）;
高斯加噪均值滤波'
imshow（d3）;
椒盐加噪均值滤波'
clear;
clc;
Data=imread（'
\Users\Administrator\Desktop\ex.JPG'
DataGray=rgb2gray（Data）;
figure
（1）,imshow（Data）;
原始图像
%**************
计算并画出此图像的中心化频率谱
*************
Data1=double（DataGray）;
FFT2=fft2（Data1）;
FFTcenter=fftshift（FFT2）;
%
频谱中心化
FFT2abs=abs（FFT2）;
FFTresult=256*log2（FFT2abs/max（max（FFT2abs））+1）;
figure
（2）,subplot（1,2,1）;
imshow（FFTresult）,title（'
原图频谱
FFTc_abs=abs（FFTcenter）;
FFTc_result=256*log2（FFTc_abs/max（max（FFTc_abs））+1）;
subplot（1,2,2）;
imshow（FFTc_result）,title（'
中心化频谱
%*******
分别用低通滤波和高通滤波对此图像进行频域处理
****
[m,n]=size（FFTcenter）;
x_center=round（m/2）;
y_center=round（n/2）;
d=10;
半径取
10
LF=FFTcenter;
HF=FFTcenter;
低通滤波器
fori=1:
m;
for
j=1:
n
distance=sqrt（（i-x_center）^2+（j-y_center）^2）;
if
distance<
=d
flag=1;
else
flag=0;
end
LF（i,j）=flag*FFTcenter（i,j）;
逆变换转换成对应图像
LF=uint8（real（ifft2（ifftshift（LF））））;
figure（3）,subplot（1,2,1）;
imshow（LF）;
低通滤波后图像
高通滤波器
distance>
d
HF（i,j）=flag*FFTcenter（i,j）;
HF=uint8（real（ifft2（ifftshift（HF））））;
subplot（1,2,2）,imshow（HF）;
高通滤波后图像
%*****************
用拉普拉斯算子对此图像锐化
Laplace=[0
-1
0;
4
-1;
0
];
LaplaceImage=conv2（Data1,Laplace,'
same'
figure（4）,subplot（1,2,1）;
imshow（uint8（LaplaceImage））;
Laplace
图像
DataLap=imadd（Data1,immultiply（LaplaceImage,1））;
原图像与拉普拉斯图像叠加
subplot（1,2,2）,imshow（uint8（DataLap））;
锐化增强后的图像
第二次作业
对一幅灰度图像：
（1）计算并画出此图像的中心化频率谱。
（2）分别用高斯低通和高斯高通滤波器对图像进行频域处理。
（3）用频域拉普拉斯算子对此图像进行锐化处理。
\Pdog.JPG'
原始图像'
%**************计算并画出此图像的中心化频率谱*************
%频谱中心化
原图频谱'
中心化频谱'
%*******分别用低通滤波和高通滤波对此图像进行频域处理****
%半径取
10
%**************低通滤波器*************
fori=1:
forj=1:
n
ifdistance<
=d
else
end
%逆变换转换成对应图像
低通滤波后图像'
%**************高通滤波器*************
ifdistance>
d
高通滤波后图像'
%*****************用拉普拉斯算子对此图像锐化*************
Laplace=[0-10;
-14-1;
0-10];
Laplace图像'
%原图像与拉普拉斯图像叠加
锐化增强后的图像'
第三次作业
课后MATLAB编程练习
对一幅灰度图像f（x,y）：
（1）对f（x,y）加高斯白噪声和椒盐噪声；
（2）分别画出原图和加噪后的图像及其各自对应的直方图；
（3）用几何均值滤波分别对加高斯噪声和椒盐噪声图进行滤波处
理，并进行比较；
（4）用自适应中值滤波分别对加高斯噪声和椒盐噪声图进行滤波
处理；
并进行比较。
注：
滤波窗口可根据需要自行设定。
1．gmean函数（几何均值滤波）：
functionf=gmean（g,m,n）
%Implementsageometricmeanfilter.
inclass=class（g）;
g=im2double（g）;
%Disablelog（0）warning
warningoff;
f=exp（imfilter（log（g）,ones（m,n）,'
replicate'
））.^（1/m/n）;
warningon;
f=changeclass（inclass,f）;
2.RAMF函数（自适应中值滤波函数）：
functionf=RAMF（img）
[Im,In]=size（img）;
nmin=3;
nmax=9;
Imf=img;
I_ex=[zeros（（nmax-1）/2,In+（nmax-1））;
zeros（Im,（nmax-1）/2）,img,zeros（Im,（nmax-1）/2）;
zeros（（nmax-1）/2,In+（nmax-1））];
forx=1:
Im
fory=1:
In
forn=nmin:
2:
nmax
%图像Inoise中的某点（x,y）的领域Sxy，对应在I_ex中为（x+[（nmax-1）/2-（n-1）/2]:
x+[（nmax-1）/2-（n-1）/2]+（n-1）,y+（nmax-1）/2-（n-1）/2:
y+[（nmax-1）/2-（n-1）/2]+（n-1））
Sxy=I_ex（x+（nmax-1）/2-（n-1）/2:
x+（nmax-1）/2+（n-1）/2,y+（nmax-1）/2-（n-1）/2:
y+（nmax-1）/2+（n-1）/2）;
Smax=max（max（Sxy））;
%求出窗口内像素的最大值
Smin=min（min（Sxy））;
%求出窗口内像素的最小值
Smed=median（median（Sxy））;
%求出窗口内像素的中值
%判断中值是否是噪声点
ifSmed>
Smin&
&
Smed<
Smax
%若中值既大于最小值又小于最大值，则不是
%是，则退出该if语句，增大窗口尺寸，再次判断
%不是，则判断该点的原值是不是噪声点
ifImf（x,y）<
=Smin||Imf（x,y）>
=Smax
%若该点的原值既大于最小值又小于最大值，则不是
%不是，则输出原值，即不作处理
%是，则输出中值
Imf（x,y）=Smed;
break
%有输出则不再进行循环判断
%当n=max时，输出中值
f=Imf
3.其他代码：
I=imread（'
\lena.jpg'
subplot（2,3,1）;
imshow（I）,title（'
subplot（2,3,4）
imhist（I）,title（'
原图直方图'
）%显示原始图像直方图
%椒盐噪声
J=imnoise（I,'
0.02）;
subplot（2,3,2）;
imshow（J）,title（'
椒盐噪声'
subplot（2,3,5）
imhist（J）,title（'
椒盐直方图'
）%显示椒盐图像直方图
%高斯噪声
G=imnoise（I,'
0.02,0.02）;
subplot（2,3,3）;
imshow（G）;
高斯噪声'
subplot（2,3,6）
imhist（G）,title（'
高斯直方图'
）%显示高斯图像直方图
I_1=gmean（I,3,3）;
subplot（3,1,1）
imshow（I_1）;
原图几何滤波'
J_1=gmean（J,3,3）;
subplot（3,1,2）
imshow（J_1）;
椒盐几何滤波'
G_1=gmean（G,3,3）;
subplot（3,1,3）
imshow（G_1）;
高斯几何滤波'
I_2=RAMF（I）;
imshow（I_2）;
原图自适应中值滤波'
J_2=RAMF（J）;
imshow（J_2）;
椒盐自适应中值滤波'
G_2=RAMF（G）;
imshow（G_2）;
高斯自适应中值滤波'
第六章作业
（1）任意选择一幅RGB彩色图像，分别提取R、G、B分量，
并分别显示各分量的灰度图像。
（2）将上述图像转化为HSI模型，分别显示H、S、I分量的
灰度图像。
（3）任意读取一幅8bit红外灰度图像，对其进行伪彩色处
理，结果应突出感兴趣区域。
（1）
（2）代码：
\Mountain.jpg'
I=im2double（I）;
r=I（:
:
1）;
g=I（:
2）;
b=I（:
3）;
figure
（1）;
subplot（221）;
imshow（I）;
subplot（222）;
imshow（r）;
红色分量图像'
subplot（223）;
imshow（g）;
绿色分量图像'
subplot（224）;
imshow（b）;
蓝色分量图像'
num=0.5*（（r-g）+（r-b））;
den=sqrt（（r-g）.^2+（r-b）.*（g-b））;
theta=acos（num./（den+eps））;
H=theta;
H（b>
g）=2*pi-H（b>
g）;
H=H/（2*pi）;
num=min（min（r,g）,b）;
den=r+g+b;
den（den==0）=eps;
S=1-3.*num./den;
H（S==0）=0;
I=（r+g+b）/3;
%Combineallthreeresultsintoanhsiimage.
hsi=cat（3,H,S,I）;
imshow（hsi）;
HSI图像'
imshow（H）;
H分量图像'
imshow（S）;
S分量图像'
im
升级会员 