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'