數(shù)字圖像處理第二次

1、實 驗 報 告課程名稱數(shù)字圖像處理實驗項目名稱基于Matlab語言的數(shù)字圖像處理技術實驗類型綜合實驗學時2班級學號姓名指導教師實驗室名稱控制系統(tǒng)仿真實驗室實驗時間實驗成績預習部分實驗過程表現(xiàn)實驗報告部分總成績教師簽字日期哈爾濱工程大學教務處 制1實驗項目名稱：基于Matlab語言的數(shù)字圖像處理技術2實驗目的：熟悉并掌握基于Matlab語言的數(shù)字圖像增強（直方圖增強、均值濾波、中值濾波）、變換（高、低通濾波）和分割等處理技術。3實驗內容與實驗步驟：1）選做1 （1）對一幅灰度圖像tire.tif（圖1），采用histeq函數(shù)灰度直方圖均衡化，在一個窗口中顯示原始和均衡化圖，以及相應得的直方圖（函

2、數(shù)imhist）。程序如下：>> I=imread('tire.tif');J=histeq(I);subplot(2,2,1);imshow(I);title('原始圖象');subplot(2,2,2);imhist(I);title('原始圖象直方圖')axis(0 255 0 2500);subplot(2,2,3);imshow(J);title('均衡化后的圖象');subplot(2,2,4);imhist(J);axis(0 255 0 2550);title('均衡化后的直方圖');（

3、2）對一幅帶有噪聲圖像rice.png（圖2），分別選擇3×3、5×5等模板進行均值濾波（函數(shù)filter2和fspecial），以及采用medfilt2進行函數(shù)非線性模板中值濾波，同時觀察噪聲圖像、不同尺寸模板的濾波后圖像，對噪聲的濾波效果圖像進行比較。程序如下：>> I=imread('rice.png');>> K1=imfilter(I,fspecial('average',3);>> K2=imfilter(I,fspecial('average',5);>> K3=m

4、edfilt2(I,3,3);>> K4=medfilt2(I,5,5);>> subplot(2,3,1);>> imshow(I);>> title('原始圖象');>> subplot(2,3,2);imshow(K1);title('3*3模板均值濾波');>> subplot(2,3,3);imshow(K2);title('5*5模板均值濾波');>> subplot(2,3,4);imshow(K3);title('3*3模板中值濾波'

5、;);subplot(2,3,5);imshow(K4);title('5*5模板中值濾波');（3）采用函數(shù)fspecial，用sobel算子、prewitt算子、log算子對某一圖像進行銳化濾波，并觀察濾波效果。程序如下：>> I=imread('D:MATLAB7toolboximagesimdemosrice.png');BW1,T1=edge(I,'sobel');BW2,T2=edge(I,'prewitt');BW3,T3=edge(I,'log');subplot(2,2,1);imsh

6、ow(I);title('原始圖像');subplot(2,2,2);imshow(BW1);title('sobel邊緣檢測');subplot(2,2,3);imshow(BW2);title('prewitt邊緣檢測');subplot(2,2,4);imshow(BW3);title('log邊緣檢測'); （4）對一幅圖像加入椒鹽噪聲后，采用函數(shù)lpfilter實現(xiàn)低通濾波，采用函數(shù)hpfilter實現(xiàn)高通濾波，并分析濾波效果。程序如下：>> J=imread('D:MATLAB7toolboxima

7、gesimdemoseight.tif');subplot(3,3,1);imshow(J);J=double(J);f=fft2(J);g=fftshift(f);subplot(3,3,2);imshow(log(abs(g),);color(jet(64);M,N=size(f);n1=floor(M/2);n2=floor(N/2);d0=5;for i=1:Mfor j=1:Nd=sqrt(i-n1)2+(j-n2)2);if d<=d0h=1;else h=0;endg(i,j)=h*g(i,j);endend g=ifftshift(g);g=uint8(real(

8、ifft2(g);subplot(3,3,3);imshow(g) >> J=imread('D:MATLAB7toolboximagesimdemoseight.tif'); subplot(2,3,1);imshow(uint8(J);xlabel('(a)模糊圖像');J=double(J);f=fft2(J);g=fftshift(f);subplot(2,3,2);imshow(log(abs(g),);color(jet(64);M,N=size(f);n1=floor(M/2);n2=floor(N/2);d0=20;for i=1:M

9、for j=1:Nd=sqrt(i-n1)2+(j-n2)2);if d>=d0h1=1;h2=1+0.5;else h1=0;h2=0.5;end g1(i,j)=h1*g(i,j);g2(i,j)=h2*g(i,j);end endg1=ifftshift(g1);g1=uint8(real(ifft2(g1);subplot(2,3,3);imshow(g1);（5）對一幅圖像，采用函數(shù)edge分別使用Roberts 、Prewitt、Sobel和LoG (拉普拉斯-高斯)算子進行圖像分割，并比較不同算子在該圖像分割中的作用。>> I=imread('D:MAT

10、LAB7toolboximagesimdemosrice.png');subplot(2,2,1);imshow(I);xlabel('a)原始圖像');BW1,thresh1=edge(I,'roberts');disp('Roberts算子自動選擇的閾值為：')disp(thresh1)subplot(2,2,2);imshow(BW1);xlabel('b)自動閾值的Roberts算子邊緣檢測');BW2,thresh2=edge(I,'prewitt');disp('Prewitt算子自動選

11、擇的閾值為：')disp(thresh2)subplot(2,2,3);imshow(BW2);xlabel('b)自動閾值的Prewitt算子邊緣檢測');BW3,thresh3=edge(I,'log');disp('log算子自動選擇的閾值為：')disp(thresh3)subplot(2,2,4);imshow(BW3);xlabel('b)自動閾值的log算子邊緣檢測');Roberts算子自動選擇的閾值為： 0.1848Prewitt算子自動選擇的閾值為： 0.1140log算子自動選擇的閾值為： 0.0080Roberts算子、Prewitt算子和Log算子在該圖像分割中的作用。 Roberts邊緣算子是一種斜向偏差分的梯度計算方法。不具備抑制噪聲能力，但對具有陡峭邊緣且