数字图像处理实验报告全答案.docx
《数字图像处理实验报告全答案.docx》由会员分享，可在线阅读，更多相关《数字图像处理实验报告全答案.docx（25页珍藏版）》请在冰点文库上搜索。
数字图像处理实验报告全答案
实验一常用MATLAB图像处理命令
一、实验目的
1、熟悉并掌握MATLAB工具的使用；
2、实现图像的读取、显示、代数运算和简单变换。
二、实验环境
MATLAB6.5以上版本、WIN*P或WIN2000计算机
三、常用函数
●读写图像文件
1imread
imread函数用于读入各种图像文件，如：
a=imread（'e:
\w01.tif'）
2imwrite
imwrite函数用于写入图像文件，如：
imwrite（a,'e:
\w02.tif',’tif’）
3imfinfo
imfinfo函数用于读取图像文件的有关信息，如：
imfinfo（'e:
\w01.tif'）
●图像的显示
1image
image函数是MATLAB提供的最原始的图像显示函数，如：
a=[1,2,3,4;4,5,6,7;8,9,10,11,12];
image（a）;
2imshow
imshow函数用于图像文件的显示，如：
i=imread（'e:
\w01.tif'）;
imshow（i）;
title〔‘原图像’〕%加上图像标题
3colorbar
colorbar函数用显示图像的颜色条，如：
i=imread（'e:
\w01.tif'）;
imshow（i）;
colorbar;
4figure
figure函数用于设定图像显示窗口，如：
figure
（1）；/figure
（2）；
5subplot
把图形窗口分成多个矩形局部，每个局部可以分别用来进展显示。
Subplot〔m，n，p〕分成m*n个小窗口，在第p个窗口中创立坐标轴为当前坐标轴，用于显示图形。
6plot
绘制二维图形
plot〔y〕
Plot〔*，y〕*y可以是向量、矩阵。
●图像类型转换
1rgb2gray//灰色
把真彩图像转换为灰度图像
i=rgb2gray〔j〕
2im2bw//黑白
通过阈值化方法把图像转换为二值图像
I=im2bw〔j，level〕
Level表示灰度阈值，取值围0~1〔即0.n〕，表示阈值取自原图像灰度围的n%
3imresize
改变图像的大小
I=imresize〔j，[mn]〕将图像j大小调整为m行n列
●图像运算
1imadd
两幅图像相加，要求同样大小，同种数据类型
Z=imadd〔*，y〕表示图像*+y
2imsubstract
两幅图像相减，要求同样大小，同种数据类型
Z=imsubtract〔*，y〕表示图像*-y
3immultiply
Z=immultiply〔*，y〕表示图像**y
4imdivide
Z=imdivide〔*，y〕表示图像*/y
5：
m=imadjust（a,[,],[0.5;1]）;%图像变亮
n=imadjust（a,[,],[0;0.5]）;%图像变暗
g=255-a;%负片效果
四、实验容〔请将实验程序填写在下方适宜的位置，实验图像结果拷屏粘贴〕
1、读入一幅RGB图像，变换为灰度图像和二值图像，并在同一个窗口分成三个子窗口来分别显示RGB图像和灰度图像，注上文字标题。
a=imread（'f:
\1.jpg'）
i=rgb2gray（a）
I=im2bw（a,0.5）
subplot（3,1,1）;imshow（a）;title（'原图像'）
subplot（3,1,2）;imshow（i）;title（'灰度图像'）
subplot（3,1,3）;imshow（I）;title（'二值图像'）
2、对两幅不同图像执行加、减、乘、除操作，在同一个窗口分成五个子窗口来分别显示，注上文字标题。
a=imread（'f:
\1.jpg'）
A=imresize（a,[800800]）
b=imread（'f:
\2.jpg'）
B=imresize（b,[800800]）
Z1=imadd（A,B）
Z2=imsubtract（A,B）
Z3=immultiply（A,B）
Z4=imdivide（A,B）
subplot（3,2,1）;imshow（A）;title（'原图像A'）
subplot（3,2,2）;imshow（B）;title（'原图像B'）
subplot（3,2,3）;imshow（Z1）;title（'加法图像'）
subplot（3,2,4）;imshow（Z2）;title（'减法图像'）
subplot（3,2,5）;imshow（Z3）;title（'乘法图像'）
subplot（3,2,6）;imshow（Z2）;title（'除法图像'）
3、对一幅图像进展灰度变化，实现图像变亮、变暗和负片效果，在同一个窗口分成四个子窗口来分别显示，注上文字标题。
a=imread（'f:
\1.jpg'）;
m=imadjust（a,[,],[0.5;1]）;%图像变亮
n=imadjust（a,[,],[0;0.5]）;%图像变暗
g=255-a;%负片效果
subplot（2,2,1）;imshow（a）;title（'原图像'）
subplot（2,2,2）;imshow（m）;title（'图像变亮'）
subplot（2,2,3）;imshow（n）;title（'图像变暗'）
subplot（2,2,4）;imshow（g）;title（'负片效果'）
4、熟悉数字图像处理常用函数的使用，调出帮助文档查看其各种不同用法。
方法：
选择函数〔函数所在区变暗〕，点右键弹出菜单，选择“HelponSelection〞
五、实验总结
分析图像的代数运算结果，分别述图像的加、减、乘、除运算可能的应用领域。
实验四常用图像增强方法
一、实验目的
1、熟悉并掌握MATLAB图像处理工具箱的使用；
2、理解并掌握常用的图像的增强技术。
二、实验环境
MATLAB6.5以上版本、WIN*P或WIN2000计算机
三、相关知识
1imnoise
imnoise函数用于对图像生成模拟噪声，如：
i=imread（'e:
\w01.tif'）;
j=imnoise（i,'gaussian',0,0.02）;模拟均值为0方差为0.02的高斯噪声，
j=imnoise（i,'salt&pepper',0.04）模拟叠加密度为0.04的椒盐噪声
2fspecial
fspecial函数用于产生预定义滤波器，如：
h=fspecial（'sobel'）;%sobel水平边缘增强滤波器
h=fspecial（'gaussian'）;%高斯低通滤波器
h=fspecial（'laplacian'）;%拉普拉斯滤波器
h=fspecial（'log'）;%高斯拉普拉斯〔LoG〕滤波器
h=fspecial（'average'）;%均值滤波器
3基于卷积的图像滤波函数
imfilter函数，filter2函数，二维卷积conv2滤波,都可用于图像滤波，用法类似，如：
i=imread（'e:
\w01.tif'）;
h=[1,2,1;0,0,0;-1,-2,-1];%产生Sobel算子的水平方向模板
j=filter2（h,i）;
或者：
h=fspecial（‘prewitt’）
I=imread（'cameraman.tif'）;
imshow（I）;
H=fspecial（'prewitt‘）;%预定义滤波器
M=imfilter（I,H）;
imshow（M）
或者：
i=imread（'e:
\w01.tif'）;
h=[1,1,1;1,1,1;1,1,1];
h=h/9;
j=conv2（i,h）;
4其他常用滤波举例
〔1〕中值滤波
medfilt2函数用于图像的中值滤波，如：
i=imread（'e:
\w01.tif'）;
j=medfilt2（i，[MN]）;对矩阵i进展二维中值滤波，领域为M*N，缺省值为3*3
〔2〕利用拉氏算子锐化图像,如:
i=imread（'e:
\w01.tif'）;
j=double（i）;
h=[0,1,0;1,-4,0;0,1,0];%拉氏算子
k=conv2（j,h,'same'）;
三、实验步骤
1、采用二维中值滤波函数medfilt2对受椒盐噪声干扰的图像滤波，窗口分别采用3*3,5*5,7*7
I=imread（'f:
\lena.png'）;
J=imnoise（I,'salt&pepper',0.04）;
K1=medfilt2（J,[33]）;%对矩阵i进展二维中值滤波，领域为3*3
K2=medfilt2（J,[55]）;
K3=medfilt2（J,[77]）;
subplot（2,2,1）;imshow（J）;title（'椒盐噪声干扰图像'）
subplot（2,2,2）;imshow（K1）;title（'领域为3*3二维中值滤波'）
subplot（2,2,3）;imshow（K2）;title（'领域为5*5二维中值滤波'）
subplot（2,2,4）;imshow（K3）;title（'领域为7*7二维中值滤波'）
2、采用MATLAB中的函数filter2对受噪声干扰的图像进展均值滤波
I=imread（'f:
\lena.png'）;
j=imnoise（i,'gaussian',0,0.02）;%模拟均值为0方差为0.02的高斯噪声，
M=filter2（fspecial（'average',9）,J）/255;%模板尺寸为9
subplot（2,1,1）;imshow（j）;title（'噪声干扰图像'）
subplot（2,1,2）;imshow（M）;title（'改良后的图像'）
3、采用三种不同算子对图像进展锐化处理。
i=imread（'f:
\1.jpg'）
I=rgb2gray（s）
H=fspecial（'sobel'）%应用Sobel算子锐化图像
I1=filter2（H,I）%Sobel算子滤波锐化
H=fspecial（'prewitt'）%应用prewitt算子锐化图像
I2=filter2（H,I）%prewitt算子滤波锐化
H=fspecial（'log'）%应用log算子锐化图像
I3=filter2（H,I）%log算子滤波锐化
subplot（2,2,1）;imshow（i）;title（'原图像'）
subplot（2,2,2）;imshow（I1）;title（'Sobel算子锐化图像'）
subplot（2,2,3）;imshow（I2）;title（'prewitt算子锐化图像'）
subplot（2,2,4）;imshow（I3）;title（'log算子锐化图像'）
四、实验总结
1、比拟不同平滑滤波器的处理效果，分析其优缺点
2、比拟不同锐化滤波器的处理效果，分析其优缺点
实验五图像恢复和图像分割
一、实验目的
1、熟悉并掌握MATLAB图像处理工具箱的使用；
2、理解并掌握常用的图像的恢复和分割技术。
二、实验环境
MATLAB6.5以上版本、WIN*P或WIN2000计算机
三、相关知识
1deconvwnr
维纳滤波，
用法：
J=deconvwnr（I,PSF,NSR）
用维纳滤波算法对图片I进展图像恢复后返回图像J。
I是一个N维数组。
PSF是点扩展函数的卷积。
NSP是加性噪声的噪声对信号的功率比。
如：
I=im2double（imread（'cameraman.tif'））;
imshow（I）;
title（'OriginalImage'）;
%模拟运动模糊
LEN=21;
THETA=11;
PSF=fspecial（'motion',LEN,THETA）;
blurred=imfilter（I,PSF,'conv','circular'）;
figure,imshow（blurred）
%恢复图像
wnr2=deconvwnr（blurred_noisy,PSF）;
figure,imshow（wnr2）
title（'RestorationofBlurred'）
2edge
检测灰度或者二值图像的边缘，返回一个二值图像，1像素是检测到的边缘，0像素是非边缘。
用法：
BW=edge（I,'sobel',thresh,direction），
I为检测对象；边缘检测算子可用sobel，roberts，prewitt，zerocross，log，canny；
thresh指定阈值，检测时忽略所有小于阈值的边缘，默认自动选择阈值；direction方向，在所指定的方向direction上，用算子进展边缘检测horizontal（水平方向）、vertical（垂直方向）或both（两个方向）。
如：
I=imread（'circuit.tif'）;
BW1=edge（I,'prewitt'）;
imshow（BW1）;
3strel
创立形态学构造元素。
用法：
SE=STREL（'arbitrary',NHOOD,HEIGHT）创立一个指定领域的非平面构造化元素。
HEIGHT是一个矩阵，大小和NHOOD一样，他指定了NHOOD中任何非零元素的高度值。
SE=STREL（'ball',R,H,N）创立一个空间椭球状的构造元素，其*-Y平面半径为R，高度为H。
R必须为非负整数，H是一个实数。
N必须为一个非负偶数。
当N>0时此球形构造元素由一系列空间线段构造元素来近似。
SE=STREL（'diamond',R）创立一个指定大小R平面钻石形状的构造化元素。
R是从构造化元素原点到其点的距离，必须为非负整数。
SE=STREL（'disk',R,N）创立一个指定半径R的平面圆盘形的构造元素。
这里R必须是非负整数.N须是0,4,6,8.当N大于0时,圆盘形构造元素由一组N（或N+2）个周期线构造元素来近似。
当N等于0时,不使用近似，即构造元素的所有像素是由到中心像素距离小于等于R的像素组成。
N可以被忽略,此时缺省值是4。
注:
形态学操作在N>0情况下要快于N=0的情形。
如：
se1=strel（'square',11）%11乘以11的正方形
4imerode
腐蚀图像
用法：
IM2=imerode（IM,SE）
腐蚀灰度、二进制或压缩二进制图像IM，返回腐蚀图像IM2。
参数SE是函数strel返回的一个构造元素体或是构造元素体阵列。
如：
使用一个盘状构造元素腐蚀一幅二进制图像。
originalBW=imread（'circles.png'）;
se=strel（'disk',11）;
erodedBW=imerode（originalBW,se）;
imshow（originalBW）,figure,imshow（erodedBW）
5imdilate
膨胀图像
用法：
IM2=imdilate（IM,SE）
膨胀灰度图像、二值图像、或者打包的二值图像IM，返回膨胀图像M2。
变量SE是一个构造元素或者一个构造元素的数组，其是通过strel函数返回的。
如：
利用一个运行构造元素膨胀灰度图像。
I=imread（'cameraman.tif'）;
se=strel（'ball',5,5）;
I2=imdilate（I,se）;
imshow（I）,title（'Original'）
figure,imshow（I2）,title（'Dilated'）
三、实验步骤
1、产生运动模糊图像，运用维纳滤波进展图像恢复，显示结果。
i=imread（'f:
\1.jpg'）
I=rgb2gray（s）
I=im2double（I）;
%模拟运动模糊
LEN=21;
THETA=11;
PSF=fspecial（'motion',LEN,THETA）;
blurred=imfilter（I,PSF,'conv','circular'）;
%恢复图像
wnr2=deconvwnr（blurred,PSF）;
subplot（1,2,1）;imshow（blurred）;title（'运动模糊图像'）
subplot（1,2,2）;imshow（wnr2）;title（'恢复图像'）
2、采用三种不同算子检测图像边缘，显示结果。
i=imread（'f:
\1.jpg'）
BW1=edge（I,'prewitt'）;
BW2=edge（I,'zerocross'）;
BW3=edge（I,'canny'）;
subplot（2,2,1）;imshow（i）;title（'原图像'）
subplot（2,2,2）;imshow（BW1）;title（'prewitt边缘图'）
subplot（2,2,3）;imshow（BW2）;title（'zerocross边缘图'）
subplot（2,2,4）;imshow（BW3）;title（'canny边缘图'）
3、对二值图像分别进展方形模板3*3和5*5的膨胀和腐蚀操作，显示结果。
a=imread（'f:
\1.jpg'）
i=rgb2gray（a）
I=im2bw（a,0.5）
se3=strel（'disk',3）;
erodedBW1=imerode（I,se3）;
se4=strel（'disk',5）;
erodedBW2=imerode（I,se4）;
se1=strel（'ball',3,3）;
I1=imdilate（a,se1）;
se2=strel（'ball',5,5）;
I2=imdilate（a,se2）;
subplot（2,2,1）;imshow（I1）;title（'3*3膨胀图像'）
subplot（2,2,2）;imshow（I2）;title（'5*5膨胀图像'）
subplot（2,2,3）;imshow（erodedBW1）;title（'3*3腐蚀图像'）
subplot（2,2,4）;imshow（erodedBW2）;title（'5*5腐蚀图像'）
实验六图像处理实际应用
一、实验目的
1、熟悉并掌握MATLAB图像处理工具箱的使用；
2、理解并掌握常用的图像处理技术。
二、实验环境
MATLAB6.5以上版本、WIN*P或WIN2000计算机
三、实验容
调试运行以下程序,分析程序,对每条语句给出注释,并显示最终执行结果。
总结算法思想及优缺点.
I=imread（'Car.jpg'）;
[y,*,z]=size（I）;
myI=double（I）;
%%%%%%%%%%%RGBtoHSI%%%%%%%%
tic
%%%%%%%%Y方向%%%%%%%%%%
Blue_y=zeros（y,1）;
fori=1:
y
forj=1:
*
if（（myI（i,j,1）<=30）&&（（myI（i,j,2）<=62）&&（myI（i,j,2）>=51））&&（（myI（i,j,3）<=142）&&（myI（i,j,3）>=119）））%蓝色RGB的灰度围
Blue_y（i,1）=Blue_y（i,1）+1;
end
end
end
[tempMa*Y]=ma*（Blue_y）;%Y方向车牌区域确定
PY1=Ma*Y;
while（（Blue_y（PY1,1）>=5）&&（PY1>1））
PY1=PY1-1;
end
PY2=Ma*Y;
while（（Blue_y（PY2,1）>=5）&&（PY2PY2=PY2+1;
end
IY=I（PY1:
PY2,:
:
）;
%%%%%%%%*方向%%%%%%%%%%
Blue_*=zeros（1,*）;
forj=1:
*
fori=PY1:
PY2
if（（myI（i,j,1）<=30）&&（（myI（i,j,2）<=62）&&（myI（i,j,2）>=51））&&（（myI（i,j,3）<=142）&&（myI（i,j,3）>=119）））
Blue_*（1,j）=Blue_*（1,j）+1;
end
end
end
P*1=1;
while（（Blue_*（1,P*1）<3）&&（P*1<*））
P*1=P*1+1;
end
P*2=*;
while（（Blue_*（1,P*2）<3）&&（P*2>P*1））
P*2=P*2-1;
end
P*1=P*1-2;%对车牌区域的修正
P*2=P*2+2;
Plate=I（PY1:
PY2,P*1-2:
P*2,:
）;
t=toc%读取计时
%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
figure,imshow（I）;
figure,plot（Blue_y）;grid
figure,plot（Blue_*）;grid
figure,imshow（IY）;
添加注释和改正后的程序：
I=imread（'f:
\Car.jpg'）;%读取图片
[y,*,z]=size（I）;%给定图片大小
myI=double（I）;%返回双精度值
%%%%%%%%%%%RGBtoHSI%%%%%%%%
tic%计时开场
%%%%%%%%Y方向%%%%%%%%%%
Blue_y=zeros（y,1）;%一列全零矩阵
fori=1:
y%给定i的围
forj=1:
*%给定j的围
if（（myI（i,j,1）<=30）&&（（myI（i,j,2）<=62）&&（myI（i,j,2）>=51））&&（（myI（i,j,3）<=142）&&（myI（i,j,3）>=119）））%蓝色RGB的灰度围
Blue_y（i,1）=Blue_y（i,1）+1;%y矩阵加一
end
end
end
[tempMa*Y]=ma*（Blue_y）;%Y方向车牌区域确定
PY1=Ma*Y;%y矩阵的最大元素
while（（Blue_y（PY1,1）>=5）&&（PY1>1））%确定蓝色RGBBlue_y所在位置
PY1=PY1-1;%对车牌区域的修正，向上调整
end
PY2=Ma*Y;%y矩阵的最大元素
while（（Blue_y（PY2,1）>=5）&&（PY2PY2=PY2+1;%对车牌区域的修正向下调整
end
IY=I（PY1:
PY2,:
:
）;%行的围
%%%%%%%%*方向%%%%%%%%%%
Blue_*=zeros（1,*）;%一行全一矩阵
forj=1:
*%给定j的取值围
fori=PY1:
PY2%给定i的取值围
升级会员 