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。