多媒体+第二次实验报告西南交大版Word文档下载推荐.docx
《多媒体+第二次实验报告西南交大版Word文档下载推荐.docx》由会员分享，可在线阅读，更多相关《多媒体+第二次实验报告西南交大版Word文档下载推荐.docx（13页珍藏版）》请在冰点文库上搜索。
）
Improfile
图1improfile显示不出来
图2improfile显示不出来
2.直方图变换
A）直方图显示
在matlab环境中，程序首先读取图像'
cameraman.tif'
，然后调用直方图函数，设置相关参数，再输出处理后的图像。
I=imread（'
）;
%读取图像
subplot（1,2,1）,imshow（I）%输出图像
title（'
原始图像'
）%在原始图像中加标题
subplot（1,2,2）,imhist（I）%输出原图直方图
原始图像直方图'
）%在原图直方图上加标
图3输出结果
读入图像‘rice.png’，在一个窗口中显示灰度级n=64，128和256的图像直方图。
rice.png'
imshow（I）
figure
subplot（1,3,1）,imhist（I,64）;
subplot（1,3,2）,imhist（I,128）;
subplot（1,3,3）,imhist（I,256）;
图4输出结果
图5输出结果
B）直方图灰度调节
利用函数imadjust调解图像灰度范围，观察变换后的图像及其直方图的变化。
figure,imhist（I）
J=imadjust（I,[0.150.9],[01]）;
figure,imhist（J）
figure,imshow（J）
J=imadjust（I,[00.2],[0.51]）;
图6输出结果
图7输出结果
C）直方图均衡化
在matlab环境中，程序首先读取图像，然后调用灰度均衡函数，设置相关参数，再输出处理后的图像。
subplot（2,2,1）,imshow（I）%输出图像
subplot（2,2,2）,imhist（I）_%输出原图直方图
）%在原图直方图上加标题
a=histeq（I,256）;
%直方图均衡化，灰度级为256
subplot（2,2,3）,imshow（a）%输出均衡化后图像
均衡化后图像'
）%在均衡化后图像中加标题
subplot（2,2,4）,imhist（a）%输出均衡化后直方图
均衡化后图像直方图'
）%在均衡化后直方图上加标题
图8输出结果
分别对图像‘pout.tif’和‘tire.tif’进行直方图均衡化处理，比较处理前后图像及直方图分布的变化。
pout.tif'
J=histeq（I）;
tire.tif'
图9输出结果
图10输出结果
图11输出结果
三、思考题（试回答以下问题）
1.MATLAB程序的IPT中有哪些图像亮（灰）度变换函数?
写出函数的语法。
答;
rgb2gray（）；
changeclass（class,varargin）、intrans（f,'
log'
c,class）
2.直方图的物理含义是什么？
答：
直方图是图像的最基本的统计特征，它反映的是图像的灰度值的分布情况.直方图是以图形化参数来显示图片曝光精确度的手段，其描述的是图片显示范围内影像的灰度分布曲线。
它可以帮助分析图片的曝光水平等一些信息。
3.结合实验内容，定性评价直方图均衡增强效果？
直方图均衡化则通过使用累积函数对灰度值进行“调整”以实现对比度的增强。
直方图均衡化就是对图像进行非线性拉伸，重新分配图像像素值，使一定灰度范围内的像素数量大致相同。
直方图均衡化就是把给定图像的直方图分布改变成“均匀”分布直方图分布。
实验四空域滤波增强
1.了解空域滤波增强的Matlab实现方法；
2.掌握噪声模拟和图像滤波函数的使用方法；
3.能够将给定图像+噪声，使用均值滤波器、中值滤波器对不同强度的高斯噪声和椒盐噪声，进行滤波处理；
4.能够正确地评价处理的结果；
并从理论上作出合理的解释。
1.噪声模拟
利用函数imnoise给图像‘eight.tif’分别添加高斯（gaussian）噪声和椒盐（salt&
pepper）噪声。
eight.tif'
I1=imnoise（I,'
gaussian'
0,0.01）;
添加高斯噪声
figure,imshow（I1）
I2=imnoise（I,'
salt&
pepper'
添加椒盐噪声
figure,imshow（I2）
图12输出结果
2.均值滤波和中值滤波
A）均值滤波
在matlab环境中，程序首先读取图像，然后调用图像增强（）函数，设置相关参数，再输出处理后的图像。
I=imread（'
figure,imshow（I）;
J=filter2（fspecial（‘average’,3）,I）/255;
figure,imshow（J）;
图13输出结果
B）中值滤波
在matlab环境中，程序首先读取图像，然后调用图像增强（中值滤波）函数，设置相关参数，再输出处理后的图像。
J=medfilt2（I,[33]）;
%3*3中值滤波
图14输出结果
3.空域滤波
A）对上述噪声图像进行均值滤波和中值滤波，比较滤波效果。
I=imread（rgb2gray（'
sample1.jpg'
））;
J=imnoise（I,'
gauss'
0.02）;
%添加高斯噪声
%J=imnoise（I,'
%添加椒盐噪声
K
=
filter2（fspecial（'
average'
3）,J）/255;
%均值滤波
3
×
L
5）,J）/255;
%均值滤波5×
5
M=medfilt2（I,[33]）;
%中值滤波3×
3模板
N=medfilt2（I,[44]）;
%中值滤波4×
4模板
%显示以上滤波后的图片
imshow（I）;
figure,imshow（K）;
figure,imshow（L）;
figure,imshow（M）;
figure,imshow（N）;
图15输出结果
B）总结均值滤波和中值滤波的特点及使用场合。
均值滤波器是一种最常用的线性低通平滑滤波器。
可抑制图像中的噪声,但同时也使图像变得模糊；
中值滤波器是一种最常用的非线性平滑滤波器。
可消除图像中孤立的噪声点,又可产生较少的模糊。
C）*对图像'
saturn.tif'
采用'
laplacian'
高通滤波器进行锐化滤波。
（提示：
可使用fspecial函数）
I=double（rgb2gray（imread（'
saturn.png'
）））;
h=fspecial（'
I2=filter2（h,I）;
%用laplacian'
高通滤波器对I进行滤波
figure,imshow（I2）%显示滤波后的结果
图16输出结果
三、思考题（试回答以下问题）
1.简述高斯噪声和椒盐噪声的特点。
椒盐噪声是由图像传感器，传输信道，解码处理等产生的黑白相间的亮暗点噪声。
检验噪声往往由图像切割引起。
椒盐噪声是指两种噪声，一种是盐噪声（saltnoise），另一种是胡椒噪声（peppernoise）。
盐=白色，椒=黑色。
前者是高灰度噪声，后者属于低灰度噪声。
一般两种噪声同时出现，呈现在图像上就是黑白杂点。
高斯噪声是一种随机噪声。
在任选瞬时中任取n个，其值按n个变数的高斯概率定律分布。
高斯噪声是指它的概率密度函数服从高斯分布（即正态分布）的一类噪声。
如果一个噪声，它的幅度分布服从高斯分布，而它的功率谱密度又是均匀分布的，则称它为高斯白噪声。
2.结合实验内容，定性评价平均滤波器/中值滤波器对高斯噪声和椒盐噪声的去噪效果？
两种滤波对高斯噪声效果都不是很好，5*5的中值滤波效果好于3*3。
中值滤波对椒盐噪声效果好于均值滤波。
3.结合实验内容，定性评价滤波窗口对去噪效果的影响？
窗口越大，去噪效果越好，但是窗口越大所用的时间越多。
4.图像亮（灰）度变换与空间滤波有什么不同?
滤波可以实现很多功能，提取轮廓，消除噪点等，亮度变化可以通过设计一个模板滤波来实现。
升级会员 