实验一 图像增强Word格式文档下载.docx

实验一 图像增强Word格式文档下载.docx

《实验一 图像增强Word格式文档下载.docx》由会员分享，可在线阅读，更多相关《实验一 图像增强Word格式文档下载.docx（12页珍藏版）》请在冰点文库上搜索。

对如图1.1所示的两幅128×

128的数字图像fing_128.bmp和cell_128.bmp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。

（1）对图1.1所示的两幅128×

128、256级灰度的数字图像fing_128.bmp和cell_128.bmp加入点噪声，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、加噪声图像和处理后的图像。

①不加门限；

②加门限

，（其中

）

对256×

256大小、256级灰度的数字图像lena.bmp（如图1.2所示）进行如下处理：

（1）对原图像进行锐化处理，显示处理前、后图像：

用Laplacian算子进行锐化，分

和

两种情况，各按如下不同情况给出处理结果，并回答提出的问题：

①

②

问题：

、

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？

（2）分别利用Roberts、Prewitt和Sobel边缘检测算子，对原图像进行边缘检测，显示处理前、后图像。

1.实验目的

2.实验环境（软件条件）

3.实验方法

在MATLAB7.x中按要求编写附件中程序，分析程序功能；

输入执行各命令行，认真观察命令执行的结果。

熟悉并掌握程序中所使用函数的调用方法，改变有关参数，观察并分析试验结果。

4.实验分析

在MatLab中输入各程序代码后运行程序，得到输出结果如图所示：

A-1

A-2

B-1-1

B-1-2

B-2-1

略

B-2-2

C-1

C-2

C-3

C-4

5.实验结论

A实验处理结果知：

由A实验有关图像对比可以看出，经过均衡化的图像比原图像更富有层次感，对比度更加明显，图像效果也显得更为好一些。

从原图像的灰度直方图和变换后的灰度直方图可以看出，均衡化函数拉伸了原图像灰度值较为密集的部分（大约在75-150归一化为0.3-0.6），从而使图像的灰度范围得以扩大，灰度值更加均匀而非原图像的集中分布，所以原图像却是灰蒙蒙的，变换后的图像显得非常清亮

B实验处理结果知：

由噪声图与滤波后的图像对比可看出，邻域平均法对抑制噪声有明显的效果，但随着邻域的加大，就是随着模板的加大，图像的模糊程度也愈加严重。

C实验处理结果知：

对原图像采用不同算子对原图像进行锐化，由图可以看出，各个算子锐化滤波后的图像虽然亮度不一样，但是特征并没有多少差异，而且算子本身有滤波作用，可以增强图像的边缘轮廓，具体的边缘轮廓细节较原图像效果要好很多。

附件

A-1程序

clearall;

I=imread（'

H:

\GJ\cell_128.bmp'

）;

%读入原图像

subplot（2,2,1）

imshow（I）;

%显示原图像

title（'

原图像'

%给原图像加标题名

F=rgb2gray（I）;

%转换成灰度图

subplot（2,2,2）

imhist（F）;

%显示原图像直方图

原图像直方图'

）;

%给原图像直方图加标题名

J=histeq（F）;

%对原图像进行直方图均衡化处理

subplot（2,2,3）;

imshow（J）;

%显示直方图均衡化后的图像

均衡后的图像'

%给直方图均衡化后的图像加标题名

subplot（2,2,4）;

%作一幅子图作为并排两幅图的第1幅图

imhist（J）;

%将均衡化后图像的直方图显示为64级灰度

均衡后的直方图'

A-2程序

clearall;

\GJ\fing_128.bmp'

B-1-1（不加门限）程序

F=imread（'

%读取图像

I=rgb2gray（F）;

I1=imnoise（I,'

speckle'

%加乘性噪声

H1=ones（4,4）/16;

%4×

4领域模板

J=imfilter（I,H1）;

%领域平均

subplot（131）,imshow（I）;

%显示图像I

subplot（132）,imshow（I1）;

加噪声后图像'

subplot（133）,imshow（J）;

平滑后图像'

B-1-2（不加门限）程序

B-2-1（加门限）程序

subplot（221）,imshow（I）;

subplot（222）,imshow（I1）;

subplot（223）,imshow（J）;

%加门限后滤波

T=2*sum（I1（:

））/128^2;

im_T=zeros（128,128）;

fori=1:

128

forj=1:

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

colormap（gray）;

subplot（224）;

imshow（im_T）;

加门限后'

B-2-2（加门限）程序

C--程序

%打开一幅图像，利用Roberts梯度法、Prewitt算子、Sobel算子和拉普拉斯算子（不同条件下）进行锐化

\GJ\lena_256.bmp'

%Roberts梯度法锐化

subplot（1,2,1）;

原始图像'

J=double（I）;

[IX,IY]=gradient（J）;

%计算梯度

A=sqrt（IX.*IX+IY.*IY）;

subplot（1,2,2）;

imshow（A,[]）;

Roberts梯度法锐化图像'

%Prewitt算子锐化

figure（）;

S=imfilter（I,fspecial（'

Prewitt'

））;

imshow（S）;

Prewitt算子锐化图像'

%Sobel算子锐化

sobel'

Sobel算子锐化图像'

%laplacian算子锐化α=1

subplot（2,2,1）;

L=fspecial（'

laplacian'

L1=[0-10;

-15-1;

0-10];

L2=[0-20;

-29-2;

0-20];

LP=imfilter（I,L,'

replicate'

LP1=imfilter（I,L1,'

%α=1时的拉普拉斯算子

LP2=imfilter（I,L2,'

%α=2时的拉普拉斯算子

subplot（2,2,2）;

imshow（LP）;

锐化后的图像'

imshow（LP1）;

Laplacian算子α=1锐化图像'

subplot（2,2,4）;

imshow（LP2）;

Laplacian算子α=2锐化图像'