数字图像处理上机实验0008.docx
《数字图像处理上机实验0008.docx》由会员分享，可在线阅读，更多相关《数字图像处理上机实验0008.docx（13页珍藏版）》请在冰点文库上搜索。
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）（128×128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+yf1（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）;
fori=38:
1:
90
forj=58:
1:
70
f1（i,j）=255;
end
end
figure
（1）
subplot（1,2,1）;
imshow（f1）;
subplot（1,2,2）;
imshow（fft2（f1））;
%f2（x,y）=（-1）^（x+y）*f1（x,y）
fori=1:
1:
128
forj=1:
1:
128
f2（i,j）=（-1）^（i+j）*f1（i,j）;
end
end
figure
（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256256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）;
fid=fopen（'d:
\img\lena.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d0
n1=floor（M/2）;%对M/2进行取整
n2=floor（N/2）;%对N/2进行取整
fori=1:
M
forj=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*（d^2/d0^2））;%GLPF滤波函数
s（i,j）=h*s（i,j）;%GLPF滤波后的频域表示
end
end
s=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）;%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=30
d1=30;%初始化d1
n3=floor（M/2）;%对M/2进行取整
n4=floor（N/2）;%对N/2进行取整
fori=1:
M
forj=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*（dd^2/d1^2））;%GHPF滤波函数
p（i,j）=h1*p（i,j）;%GHPF滤波后的频域表示
end
end
p=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128128、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:
\img\cell_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data1
subplot（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（4,2,4）;
imhist（b）;
title（'均衡化后图像直方图'）;
subplot（4,2,5）
fid=fopen（'d:
\img\fing_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data3
data31=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：
%CELL
figure
（2）;
fid=fopen（'D:
\img\cell_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data1
I=uint8（data1）;
I1=imnoise（I,'gaussian'）;%加乘性噪声
H1=[010;101;010]/4;%4×4领域模板
J=imfilter（I,H1）;%领域平均
subplot（2,4,1）,imshow（I）;%显示图像I
title（'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（:
））/128^2;
im_T=zeros（128,128）;
fori=1:
128
forj=1:
128
ifabs（I1（i,j）-J（i,j））>T
im_T（i,j）=J（i,j）;
else
im_T（i,j）=I1（i,j）;
end
end
end
subplot（2,4,4）;
imshow（im_T）;
title（'加门限后'）;
%FING
figure
（2）;
fid=fopen（'D:
\img\fing_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data1
I=uint8（data1）;
I1=imnoise（I,'gaussian'）;%加乘性噪声
H1=[010;101;010]/4;%4×4领域模板
J=imfilter（I,H1）;%领域平均
subplot（2,4,5）,imshow（I）;%显示图像I
title（'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（:
））/128^2;
im_T=zeros（128,128）;
fori=1:
128
forj=1:
128
ifabs（I1（i,j）-J（i,j））>T
im_T（i,j）=J（i,j）;
else
im_T（i,j）=I1（i,j）;
end
end
end
subplot（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256256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:
\img\LENA256.bmp'）;%读入原图像
figure
（1）;
subplot（1,3,1）;imshow（I）;title（'原始图像'）;
L=fspecial（'laplacian'）;
L1=[0-10;-15-1;0-10];
L2=[0-20;-29-2;0-20];
LP1=imfilter（I,L1,'replicate'）;%α=1时的拉普拉斯算子
LP2=imfilter（I,L2,'replicate'）;%α=2时的拉普拉斯算子
subplot（1,3,2）;imshow（LP1）;title（'Laplacian算子α=1锐化图像'）;
subplot（1,3,3）;imshow（LP2）;title（'Laplacian算子α=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256256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:
\img\LENA256.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.*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。
升级会员 