數(shù)字圖像實踐

1、中南大學(xué) 數(shù)字圖像處理實踐學(xué)生姓名 周杰學(xué) 號 1304090620 專業(yè)班級 信科 0901數(shù)學(xué)科學(xué)與計算技術(shù)學(xué)院2012年 5月 4日中南大學(xué)實驗項目卡片 數(shù)學(xué) 學(xué)院 數(shù)學(xué) 明。2. 實驗類別是指:基礎(chǔ)、技術(shù)基礎(chǔ)、專業(yè)和其它;實驗要求是指:必修、選修和其它; 實驗類型是指:基礎(chǔ)性、綜合性、設(shè)計性和研究創(chuàng)新性。實驗過程與結(jié)果(1 用直接灰度變換方法進(jìn)行對比度增強(qiáng),設(shè)計分段線性變換函數(shù),做增強(qiáng)處理;I=imread('pout.tif'J=imadjust(I,0.3 0.7,;subplot(221,imshow(Ititle('原圖像 'subplot(22

2、2,imshow(Jtitle('灰度變換后圖像 '原 圖像 灰 度 變 換 后 圖 像 (2 統(tǒng)計原圖的灰度直方圖,并利用直方圖均衡方法進(jìn)行圖象增強(qiáng);I=imread('pout.tif'subplot(223,imhist(I,64 title('原圖像直方圖 'I=imread('pout.tif' J=histeq(I;subplot(221,imshow(I title('原圖像 'subplot(222,imshow(Jtitle('直方圖均衡化所得圖像 ' subplot(223,im

3、hist(I,64 title('原圖像直方圖 ' subplot(224,imhist(J,64 title('均衡化后的直方圖 '原 圖像 直 方 圖 均 衡 化 所 得 圖 像 10020020004000原 圖 像 直 方 圖100200100020003000均 衡 化 后 的 直 方 圖(3 利用 Matlab 函數(shù) IMNOISE ( ,在原圖上分別疊加高斯噪聲和椒鹽噪聲,對比線性平滑濾波器和非線性平滑濾波器(中值濾波的性能;I=imread('pout.tif'J=imnoise(I,'gaussian',0.02

4、; subplot(221,imshow(I title('原圖像 'subplot(222,imshow(J title('添加高斯噪聲圖像 '原 圖像 添 加 高 斯 噪 聲 圖 像 I=imread('pout.tif'J=imnoise(I,'salt & pepper',0.02; %添加椒鹽噪聲 K=medfilt2(J;%缺省 3×3的鄰域窗的中值濾波 subplot(121,imshow(J title('添加椒鹽噪聲圖像 ' subplot(122,imshow(Ktitle(&

5、#39;缺省 3×3鄰域窗的中值濾波圖像 '添 加 椒 鹽 噪 聲 圖像 缺 省 3×3鄰 域 窗 的 中 值 濾 波 圖 像 (4 利用線性銳化器和非線性銳化濾波器增強(qiáng)原圖象的邊緣信息; I=imread('pout.tif' subplot(2,2,1; imshow(I;title('original pic' J=fspecial('average',3; J1=conv2(I,J/255; %J1=filter2(J,I/255; subplot(2,2,2; imshow(J1;title('3*3

6、lowpass' K=fspecial('prewitt' K1=filter2(K,J1*5; subplot(2,2,3; imshow(K1; title('prewitt'L=fspecial('sobel' L1=filter2(L,J1*5; subplot(2,2,4; imshow(L1; title('sibel'original pic3*3lowpass prewitt sibel 中南大學(xué)實驗項目卡片實驗室 填報人: 填報日期: 注:1. 每個實驗項目須填實驗項目卡片, 擴(kuò)組更新設(shè)備的實驗項目應(yīng)在原

7、實驗項目卡片中注 明。2. 實驗類別是指:基礎(chǔ)、技術(shù)基礎(chǔ)、專業(yè)和其它;實驗要求是指:必修、選修和其它; 實驗類型是指:基礎(chǔ)性、綜合性、設(shè)計性和研究創(chuàng)新性。實驗過程與結(jié)果1, 利用二個低通鄰域平均模板(3×3和 9×9對一幅圖象進(jìn)行平滑,驗證模板尺寸對圖象 的模糊效果的影響。I=imread('eight.tif'J=imnoise(I,'salt & pepper',0.02;%添加椒鹽噪聲subplot(221,imshow(Ititle('原圖像 ' subplot(222,imshow(J title('

8、添加椒鹽噪聲圖像 'K1=filter2(fspecial('average',3,J/255; %應(yīng)用 3×3鄰域窗口法 subplot(223,imshow(K1title('3×3窗的鄰域平均濾波圖像 ' K2=filter2(fspecial('average',9,J/255; %應(yīng)用 9×9鄰域窗口法 subplot(224,imshow(K2title('9×9窗的鄰域平均濾波圖像'原 圖像添 加 椒 鹽 噪 聲 圖像 3×3窗 的 鄰 域 平 均 濾 波 圖

9、像 9×9窗 的 鄰 域 平 均 濾 波 圖 像 2、 利用一個低通模板對一幅有噪圖象 (GAUSS 白噪聲 進(jìn)行濾波, 檢驗兩種濾波模板 (分 別使用一個 5×5的線性鄰域平均模板和一個非線性模板:3×3中值濾波器 對噪聲的濾波效 果。I=imread('eight.tif'J=imnoise(I,'gaussian',0.02; subplot(221,imshow(I title('原圖像 'subplot(222,imshow(J title('添加高斯噪聲圖像 'K1=filter2(fsp

10、ecial('average',5,J/255; %應(yīng)用 5×5鄰域窗口法 subplot(223,imshow(K1title('5×5 窗的鄰域平均濾波圖像' K=medfilt2(J; %缺省 3×3 的鄰域窗的中值濾波 subplot(121,imshow(J title('添加高斯噪聲圖像' subplot(122,imshow(K title('缺省 3×3 鄰域窗的中值濾波圖像' 添加高斯噪聲圖像 缺 省 3×3鄰 域 窗 的 中 值 濾 波 圖 像 3、 選擇一個經(jīng)

11、過低通濾波器濾波的模糊圖象， 利用 sobel 和 prewitt 水平邊緣增強(qiáng)高通濾波 器（模板）對其進(jìn)行高通濾波圖象邊緣增強(qiáng)，驗證模板的濾波效果。 K=fspecial('prewitt' K1=filter2(K,J1*5; subplot(2,2,3; imshow(K1; title('prewitt' L=fspecial('sobel' L1=filter2(L,J1*5; subplot(2,2,4; imshow(L1; title('sibel' prewitt sibel 4、 選擇一幅灰度圖象分別利用一階 Sobel 算子和二階 Laplacian 算子對其進(jìn)行邊緣檢測， 驗證檢測效果。 I=imread('eight.tif' subplot(1,3,1; imshow(I; title('original pic' K=fspecial('laplacian',0.7; K1=filter2(K,I/100; subplot(1,3,2; imshow(K1; title('laplacian' L=fspecial('sob