數(shù)字圖像處理實(shí)驗(yàn)講義

1、PAGE 數(shù)字圖像處理實(shí)驗(yàn)講義目 錄 TOC o 1-3 h z u HYPERLINK l _Toc283668575 實(shí)驗(yàn)一 數(shù)字圖像的基本操作 實(shí)驗(yàn)四 圖像的空域?yàn)V波 PAGEREF _Toc283668578 h 15 HYPERLINK l _Toc283668579 實(shí)驗(yàn)五 圖像的邊緣檢測(cè) PAGEREF _Toc283668579 h 20 HYPERLINK l _Toc283668580 實(shí)驗(yàn)六 圖像變換及其頻域處理 PAGEREF _Toc283668580 h 24PAGE 34實(shí)驗(yàn)一 數(shù)字圖像的基本操作一、實(shí)驗(yàn)?zāi)康某醪搅私釳ATLAB語(yǔ)言的基本用法，掌握MATLAB語(yǔ)言

2、中圖像數(shù)據(jù)與信息的讀寫方法；掌握在MATLAB中繪制灰度直方圖的方法；熟悉在MATLAB中對(duì)圖像的類型、圖像文件的格式進(jìn)行轉(zhuǎn)換的方法.二、實(shí)驗(yàn)原理MATLAB是集數(shù)值計(jì)算，符號(hào)運(yùn)算及圖形處理等強(qiáng)大功能于一體的科學(xué)計(jì)算語(yǔ)言。作為強(qiáng)大的科學(xué)計(jì)算平臺(tái)，它幾乎能夠滿足所有的計(jì)算需求。MATLAB軟件具有很強(qiáng)的開(kāi)放性和適用性。在保持內(nèi)核不便的情況下，MATLAB可以針對(duì)不同的應(yīng)用學(xué)科推出相應(yīng)的工具箱（toolbox）。目前，MATLAB已經(jīng)把工具箱延伸到了科學(xué)研究和工程應(yīng)用的諸多領(lǐng)域，諸如數(shù)據(jù)采集、概率統(tǒng)計(jì)、信號(hào)處理、圖像處理和物理仿真等，都在工具箱（Toolbox）家族中有自己的一席之地。在實(shí)驗(yàn)中我們

3、主要用到MATLAB提供圖像處理工具箱（Image Processing Toolbox）。1、MATLAB與數(shù)字圖像處理MATLAB全稱是Matrix Laboratory（矩陣實(shí)驗(yàn)室），一開(kāi)始它是一種專門用于矩陣數(shù)值計(jì)算的軟件，從這一點(diǎn)上也可以看出，它在矩陣運(yùn)算上有自己獨(dú)特的特點(diǎn)。實(shí)際上MATLAB中的絕大多數(shù)的運(yùn)算都是通過(guò)矩陣這一形式進(jìn)行的。這一特點(diǎn)也就決定了MATLAB在處理數(shù)字圖像上的獨(dú)特優(yōu)勢(shì)。理論上講，圖像是一種二維的連續(xù)函數(shù)，然而在計(jì)算機(jī)上對(duì)圖像進(jìn)行數(shù)字處理的時(shí)候，首先必須對(duì)其在空間和亮度上進(jìn)行數(shù)字化，這就是圖像的采樣和量化的過(guò)程。二維圖像進(jìn)行均勻采樣，就可以得到一幅離散化成MN

4、樣本的數(shù)字圖像，該數(shù)字圖像是一個(gè)整數(shù)陣列，因而用矩陣來(lái)描述該數(shù)字圖像是最直觀最簡(jiǎn)便的了。而MATLAB的長(zhǎng)處就是處理矩陣運(yùn)算，因此用MATLAB處理數(shù)字圖像非常的方便。MATLAB支持五種圖像類型，即索引圖像、灰度圖像、二值圖像、RGB圖像和多幀圖像陣列；支持BMP、GIF、HDF、JPEG、PCX、PNG、TIFF、XWD、CUR、ICO等圖像文件格式的讀、寫和顯示。MATLAB對(duì)圖像的處理功能主要集中在它的圖像處理工具箱（Image Processing Toolbox）中。圖像處理工具箱是由一系列支持圖像處理操作的函數(shù)組成，可以進(jìn)行諸如幾何操作、線性濾波和濾波器設(shè)計(jì)、圖像變換、圖像分析與

5、圖像增強(qiáng)、二值圖像操作以及形態(tài)學(xué)處理等圖像處理操作。2、MATLAB語(yǔ)言的基本操作MATLAB語(yǔ)言是一種運(yùn)算紙型的運(yùn)算語(yǔ)言，其特點(diǎn)就是與平時(shí)在運(yùn)算紙上書寫運(yùn)算的形式相同，這使得它成為一種比較容易掌握的語(yǔ)言；其變量均以矩陣向量形式表示（單獨(dú)一個(gè)數(shù)據(jù)可以認(rèn)為是一維向量）；其程序語(yǔ)法類似于C語(yǔ)言，只要有一點(diǎn)C語(yǔ)言基礎(chǔ)的人可以很快掌握。針對(duì)數(shù)字圖像處理的需要，可以重點(diǎn)掌握以下幾個(gè)內(nèi)容：矩陣、向量的輸入和操作（包括如何輸入一個(gè)矩陣，如何產(chǎn)生一個(gè)全零全一的矩陣，如何對(duì)一個(gè)矩陣的行列元素進(jìn)行讀取、寫入）；矩陣與向量的基本運(yùn)算（包括加、減、點(diǎn)乘等）主要介紹一下如何讀取矩陣的指定行或指定列，舉例說(shuō)明：x=4:6

6、 %產(chǎn)生一個(gè)一維數(shù)組，范圍從4到6，步長(zhǎng)為1x = 4 5 6插入：通過(guò)對(duì)x進(jìn)行插入運(yùn)算創(chuàng)建矩陣A A=x-3; x; x+3 %當(dāng)然也可以用別的方法產(chǎn)生A矩陣此處只作為示例A = 1 2 3 4 5 6 7 8 9提取：提取A的前兩行和后兩列形成矩陣C。 C=A(1:2, 2:3)C = 2 3 5 6置零：將矩陣A 的第二行第二列的元素置零 A(2,2)=0A = 1 2 3 4 0 6 7 8 9將矩陣A的第一列全置1A(:,1)=1A = 1 2 3 1 0 6 1 8 9強(qiáng)調(diào)一下矩陣的乘法與矩陣的點(diǎn)乘的不同，舉例說(shuō)明：A=eye(2) %產(chǎn)生二維單位矩陣A = 1 0 0 1 B=1

7、,2;3,4 %直接法輸入矩陣B = 1 2 3 4 A.*B %求A與B的點(diǎn)積（即兩矩陣中對(duì)應(yīng)元素分別相乘ans = 1 0 0 4 A*B %求A與B的乘積（符合矩陣乘積原則A的列數(shù)與B的行數(shù)相等）ans = 1 2 3 4其他的一些用法請(qǐng)參考教科書。3、MATLAB中圖像文件的讀/寫（a）imreadimread函數(shù)用于讀入各種圖像文件，其一般的用法為X，MAP=imread( filename, fmt)其中，X為讀出的圖像數(shù)據(jù)，MAP為顏色表數(shù)據(jù)（或稱調(diào)色板，亦即顏色索引矩陣，對(duì)灰度圖像和RGB彩色圖像，該MAP為空矩陣），fmt為圖像的格式（可以缺省），filename為讀取的圖像

8、文件（可以加上文件的路徑）。例：X，MAP=imread(flowers.tif, tif)（b）imwriteimwrite函數(shù)用于輸出圖像，其語(yǔ)法格式為：imwrite(X, MAP, filename, fmt)imwrite(X, MAP, filename, fmt) 按照f(shuō)mt指定的格式將圖像數(shù)據(jù)矩陣X和調(diào)色板MAP寫入文件filename。（c）imfinfoimfinfo函數(shù)用于讀取圖像文件的有關(guān)信息，其語(yǔ)法格式為imfinfo(filename, fmt)imfinfo函數(shù)返回一個(gè)結(jié)構(gòu)info，它反映了該圖像的各方面信息，其主要數(shù)據(jù)包括：文件名（路徑）、文件格式、文件格式版本

9、號(hào)、文件的修改時(shí)間、文件的大小、文件的長(zhǎng)度、每個(gè)像素的位數(shù)（BitDepth）、圖像的類型（ColorType）、顏色表矩陣（Colormap）等等。例：imfinfo(rice.tif)ans = Filename: D:MATLAB6p1toolboximagesimdemosrice.tif FileModDate: 26-Oct-1996 06:11:58 FileSize: 65966 Format: tif FormatVersion: Width: 256 Height: 256 BitDepth: 8 ColorType: grayscale FormatSignature:

10、73 73 42 0 ByteOrder: little-endian NewSubfileType: 0 BitsPerSample: 8 Compression: Uncompressed PhotometricInterpretation: BlackIsZero StripOffsets: 8x1 double SamplesPerPixel: 1 RowsPerStrip: 32 StripByteCounts: 8x1 double XResolution: 72 YResolution: 72 ResolutionUnit: Inch Colormap: PlanarConfig

11、uration: Chunky TileWidth: TileLength: TileOffsets: TileByteCounts: Orientation: 1 FillOrder: 1 GrayResponseUnit: 0.0100 MaxSampleValue: 255 MinSampleValue: 0 Thresholding: 1ImageDescription: 1x166 char4、MATLAB中圖像文件的顯示MATLAB圖像處理工具箱提供了imshow函數(shù)來(lái)顯示各種圖像，其語(yǔ)法如下：imshow(I, n)或imshow(I_BW)；imshow(X, MAP)；ims

12、how(I_RGB)其中imshow(I, n)用于顯示灰度圖像，I是圖像數(shù)據(jù)矩陣，n為灰度級(jí)數(shù)目（n可缺省，缺省值為256）。其它的分別用于顯示二值圖像、索引色圖像和RGB真彩色圖像。另外，對(duì)RGB彩色圖像，還可以用imshow( RGB(:, :, 1) )、imshow( RGB(:, :, 2) )、imshow( RGB(:, :, 3) )分別顯示RGB圖像的R、G、B三個(gè)分量（注意：這樣顯示出的圖像是以各分量值為對(duì)應(yīng)的灰度值所顯示的灰度圖像）。需要顯示多幅圖像時(shí)，可以使用figure語(yǔ)句，它的功能就是打開(kāi)一個(gè)新的圖像顯示窗口。也可以使用subplot函數(shù)將多幅圖像顯示在同一個(gè)圖像

13、顯示窗口的不同區(qū)域位置。例：I=imread(rice.tif);imshow(I);J=imread(flowers.tif);figure, imshow(J);或 I=imread(rice.tif);subplot(1,2,1), Imshow(I);J=imread(flowers.tif);subplot(1,2,2), imshow(J);5、MATLAB中灰度直方圖的顯示MATLAB圖像處理工具箱提供了imhist函數(shù)來(lái)計(jì)算和顯示圖像的直方圖，imhist函數(shù)的語(yǔ)法格式為：imhist(I, n)imhist(X, MAP)其中imhist(I,n)計(jì)算和顯示灰度圖像I的直方圖

14、，n為指定的灰度級(jí)數(shù)目，默認(rèn)值為256。imhist(X, MAP)計(jì)算和顯示索引色圖像X的直方圖，map為調(diào)色板。例：I = imread(rice.tif);imshow(I)figure, imhist(I)6、圖像類型的轉(zhuǎn)換圖像的類型主要有二值圖像、灰度圖像、索引圖像和RGB彩色圖像。一幅圖像的類型可以根據(jù)讀入的圖像數(shù)據(jù)的特點(diǎn)加以判斷。假設(shè)圖像“flowers.tif”的大小為NM，讀取圖像X，MAP=imread（flowers.tif, tif）。對(duì)灰度圖像來(lái)說(shuō)：X為NM矩陣、MAP為空矩陣；對(duì)索引圖像：X為NM矩陣，而MAP不是空矩陣，一般為2563矩陣；對(duì)RGB圖像：X為NM3

15、三維矩陣，MAP為空矩陣。另外根據(jù)用imfinfo函數(shù)讀取的圖像文件的有關(guān)信息也可以確定圖像的類型。圖像類型之間的轉(zhuǎn)換有時(shí)非常有用。下表是MATLAB提供的圖像類型轉(zhuǎn)換函數(shù)函 數(shù)功 能dither使用抖動(dòng)方法，將灰度圖像變成二值圖像或由RGB圖像創(chuàng)建索引圖像gray2ind根據(jù)一幅灰度圖像創(chuàng)建索引圖像grayslice使用閾值截取方法，根據(jù)一幅灰度圖像創(chuàng)建索引圖像im2bw使用閾值截取法，將灰度圖像、索引圖像或RGB圖像轉(zhuǎn)換為二值圖像ind2gray根據(jù)一幅索引圖像創(chuàng)建一幅灰度圖像ind2rgb根據(jù)一幅索引圖像創(chuàng)建一幅RGB圖像mat2gray通過(guò)數(shù)據(jù)縮放，在根據(jù)矩陣數(shù)據(jù)創(chuàng)建一幅灰度圖像rgb

16、2gray根據(jù)一幅RGB圖像創(chuàng)建一幅灰度圖像rgb2ind根據(jù)一幅RGB圖像創(chuàng)建一幅索引圖像上表中函數(shù)有類似的調(diào)用格式：函數(shù)的輸入?yún)?shù)是圖像數(shù)據(jù)矩陣（如果是索引圖像，那么輸入?yún)?shù)還包括調(diào)色板），返回值是轉(zhuǎn)換后的圖像（包括索引圖像的調(diào)色板），只有函數(shù)im2bw的調(diào)用格式不同，其輸入?yún)?shù)中還包括一個(gè)截取閾值，超過(guò)此閾值的像素被截取為1否則為0。如：“I_RGB, MAP=imread(flowers.tif); I_GRAY=rgb2gray(I_RGB);”將RGB圖像轉(zhuǎn)換為灰度圖像。7、圖像文件格式的轉(zhuǎn)換圖像文件格式之間的轉(zhuǎn)換，可以間接利用圖像讀寫函數(shù)來(lái)完成；首先使用imread函數(shù)按照原有的

17、圖像格式進(jìn)行圖像讀取，然后調(diào)用imwrite函數(shù)對(duì)圖像進(jìn)行保存，并指定圖像的保存格式。如將BMP格式轉(zhuǎn)換為PNG格式： bitmap=imread(mybitmap.bmp, bmp) imwrite(bitmap, mybitmap.png, png)三、實(shí)驗(yàn)內(nèi)容及要求1、自建一個(gè)文件夾，將給定的實(shí)驗(yàn)用樣本圖像復(fù)制到文件夾。用MATLAB在自建的文件夾中建立example1.m程序文件。在這個(gè)文件的程序中，將girl.bmp圖像文件讀出，用到imread，imfinfo等文件，將這個(gè)圖像顯示出來(lái)（用imshow）。觀察數(shù)字圖像數(shù)據(jù)的特點(diǎn)，了解一下數(shù)字圖像在MATLAB中的處理就是處理一個(gè)矩陣

18、；根據(jù)圖像文件信息和圖像數(shù)據(jù)矩陣的特點(diǎn)，確定圖像的類型，體會(huì)彩色圖像、索引圖像、灰度圖像各自數(shù)據(jù)的特點(diǎn)。選擇其它圖像，重復(fù)上述內(nèi)容，比較不同類型圖像的數(shù)據(jù)特點(diǎn)。2、選擇一幅RGB彩色圖像，分別顯示出原圖像和R、G、B三個(gè)分量圖像（用subplot函數(shù)顯示在同一窗口中），觀察對(duì)比它們的特點(diǎn)，體會(huì)不同顏色所對(duì)應(yīng)的R、G、B分量的不同之處。3、選擇一幅索引彩色圖像，將圖像文件讀出，并將這個(gè)圖像顯示出來(lái)。嘗試修改MAP顏色矩陣的值（即改變MAP矩陣的某些矩陣元素的值），再將圖像顯示出來(lái)，觀察圖像顏色的變化。4、選擇一幅灰度圖像，顯示圖像及其該圖像的灰度直方圖。選擇其它圖像進(jìn)行顯示，觀察比較圖像的對(duì)比度

19、與其灰度直方圖之間的關(guān)系。5、選擇一幅RGB彩色圖像，進(jìn)行圖像各類型之間的相互轉(zhuǎn)換，顯示并比較各圖像。實(shí)驗(yàn)二 圖像的灰度變換增強(qiáng)實(shí)驗(yàn)?zāi)康睦斫鈹?shù)字圖像處理中點(diǎn)運(yùn)算的基本作用；2、掌握對(duì)比度調(diào)整與灰度直方圖均衡化的方法。二、實(shí)驗(yàn)原理1、對(duì)比度調(diào)整如果原圖像f(x, y)的灰度范圍是m, M，我們希望對(duì)圖像的灰度范圍進(jìn)行線性調(diào)整，調(diào)整后的圖像g(x, y)的灰度范圍是n, N，那么下述變換：就可以實(shí)現(xiàn)這一要求。MATLAB圖像處理工具箱中提供的imadjust函數(shù)，可以實(shí)現(xiàn)上述的線性變換對(duì)比度調(diào)整。imadjust函數(shù)的語(yǔ)法格式為：J = imadjust(I,low_in high_in, low

20、_out high_out)J = imadjust(I, low_in high_in, low_out high_out)返回原圖像I經(jīng)過(guò)對(duì)比度調(diào)整后的新圖像J。其中l(wèi)ow_in high_in為原圖像中要變換的灰度范圍，low_out high_out指定了變換后的灰度范圍，灰度范圍可以用 空矩陣表示默認(rèn)范圍，默認(rèn)值為0, 1（注意：灰度范圍只能在01之間）。例：I = imread(pout.tif);J = imadjust(I, 0.3 0.7, ); %輸出灰度范圍為默認(rèn)范圍，即為0, 1imshow(I), figure, imshow(J) 不使用imadjust函數(shù)，利用m

21、atlab語(yǔ)言直接編程也很容易實(shí)現(xiàn)灰度圖像的對(duì)比度調(diào)整。但運(yùn)算的過(guò)程中應(yīng)當(dāng)注意以下問(wèn)題，由于我們讀出的圖像數(shù)據(jù)一般是uint8型，而在MATLAB的矩陣運(yùn)算中要求運(yùn)算變量為double型（雙精度型）。因此讀出的圖像數(shù)據(jù)不能直接進(jìn)行運(yùn)算，必須將圖像數(shù)據(jù)轉(zhuǎn)換成雙精度型數(shù)據(jù)。MATLAB中提供了這樣的圖像數(shù)據(jù)類型轉(zhuǎn)換函數(shù)：im2double函數(shù)，其語(yǔ)法格式為：I2 = im2double(I1)該函數(shù)將I1的各元素除以255后轉(zhuǎn)換為01內(nèi)的雙精度型數(shù)據(jù)。運(yùn)算之后的圖像數(shù)據(jù)再顯示時(shí)可以再轉(zhuǎn)化成uint8型，格式為：I3 = im2uint8 (I2)該函數(shù)將I2的各元素乘以255后轉(zhuǎn)換為0255內(nèi)的u

22、int8型數(shù)據(jù)，其中小于0的元素均設(shè)置為0，大于255的元素均設(shè)置為255。線性運(yùn)算示例：K1=imread(pout.tif);I=im2double(K1);J=I*0.43;K2=im2uint8(J);subplot(1,2,1), imshow(K1)subplot(1,2,2), imshow(K2)非線性運(yùn)算示例：K1=imread(pout.tif);I=double(K1);Dm=double(max(max(K1)；J=( Dm/2)*(1+(1/sin(pi/4)*sin(pi/2)*(I/Dm)-0.5);K2=uint8(J);subplot(1,2,1), imsh

23、ow(K1)subplot(1,2,2), imshow(K2)注意：函數(shù)double、uint8與im2double、im2uint8不同，它們僅僅對(duì)數(shù)據(jù)作類型轉(zhuǎn)換，而不對(duì)數(shù)據(jù)作范圍限定。2、直方圖均衡化直方圖均衡化的目的是將原始圖像的直方圖變?yōu)榫夥植嫉男问?，即將一已知灰度概率密度分布的圖像，經(jīng)過(guò)某種變換變成一幅具有均勻灰度概率密度分布的新圖像，從而改善圖像的灰度層次。MATLAB圖像處理工具箱中提供的histeq函數(shù)，可以實(shí)現(xiàn)直方圖的均衡化。對(duì)于灰度圖像，histeq函數(shù)的基本調(diào)用格式為J=histeq(I, n)該函數(shù)返回原圖像I經(jīng)過(guò)直方圖均衡化處理后的新圖像J。n為指定的均衡化后的灰

24、度級(jí)數(shù)，缺省值為64。例：I = imread(pout.tif);J = histeq(I);subplot(2,2,1), imshow(I);subplot(2,2,2), imhist(I, 64);subplot(2,2,3), imshow(J);subplot(2,2,4), imhist(J, 64); 對(duì)于索引圖像，調(diào)用格式為:Newmap=histeq(X, map)返回值Newmap將是輸出圖像的新的調(diào)色板。利用matlab語(yǔ)言直接編程也很容易實(shí)現(xiàn)直方圖均衡化處理。三、實(shí)驗(yàn)內(nèi)容及要求1、用MATLAB在自建的文件夾中建立example2.m程序文件。在這個(gè)文件程序中，將g

25、irl2.bmp（或pout.tif、lenna2.bmp等）一幅灰度圖像文件讀出，顯示它的圖像及灰度直方圖（可以發(fā)現(xiàn)其灰度值集中在一段區(qū)域）。用imadjust函數(shù)將它的灰度值調(diào)整到0，1之間，并觀察調(diào)整后的圖像與原圖像的差別，調(diào)整后的灰度直方圖與原灰度直方圖的區(qū)別；改變灰度值調(diào)整范圍，觀察調(diào)整后的圖像的變化及其與原圖像的差別，調(diào)整后的灰度直方圖的變化及其與原灰度直方圖的區(qū)別。進(jìn)一步利用改變圖像灰度值調(diào)整范圍，實(shí)現(xiàn)圖像的明暗反轉(zhuǎn)，觀察比較原圖與反轉(zhuǎn)后的圖像。2、讀取一幅灰度圖像，不調(diào)用imadjust函數(shù)，利用MATLAB語(yǔ)言直接自編程序?qū)崿F(xiàn)圖像的對(duì)比度調(diào)整和圖像的反轉(zhuǎn)。3、讀取一幅灰度圖像

26、，用histeq函數(shù)將原始圖像的灰度直方圖均衡化，同時(shí)觀察均衡化后的圖像與前面圖像的差別，均衡化后的灰度直方圖與前面的灰度直方圖的區(qū)別。實(shí)驗(yàn)三 圖像的幾何變換與代數(shù)運(yùn)算一、實(shí)驗(yàn)?zāi)康睦斫鈭D像幾何變換的基本概念與定義；掌握在MATLAB中進(jìn)行插值運(yùn)算的方法；理解數(shù)字圖像處理中代數(shù)運(yùn)算的基本作用；掌握在MTLAB中對(duì)圖像進(jìn)行代數(shù)運(yùn)算的方法。運(yùn)用MATLAB語(yǔ)言進(jìn)行圖像的插值縮放和插值旋轉(zhuǎn)。二、實(shí)驗(yàn)原理幾何運(yùn)算可改變圖像中各物體之間的空間關(guān)系。這種運(yùn)算可以被看成是將（各）物體在圖像內(nèi)移動(dòng)。一個(gè)幾何運(yùn)算需要兩個(gè)獨(dú)立的算法。首先，需要一個(gè)算法來(lái)定義空間變換本身，用它來(lái)描述每個(gè)像素如何從其初始位置“移動(dòng)”到

27、終止位置，即每個(gè)像素的“運(yùn)動(dòng)”。同時(shí)，還需要一個(gè)用于灰度插值的算法，這是因?yàn)?，在一般情況下，輸入圖像的位置坐標(biāo)(x,y)為整數(shù)，而輸出圖像的位置坐標(biāo)為非整數(shù)，反過(guò)來(lái)也如此。因此插值就是對(duì)變換之后的整數(shù)坐標(biāo)位置的像素值進(jìn)行估計(jì)。MATLAB提供了一些函數(shù)實(shí)現(xiàn)這些功能。插值是常用的數(shù)學(xué)運(yùn)算，通常是利用曲線擬合的方法，通過(guò)離散的采樣點(diǎn)建立一個(gè)連續(xù)函數(shù)來(lái)逼近真實(shí)的曲線，用這個(gè)重建的函數(shù)便可以求出任意位置的函數(shù)值。最近鄰插值是最簡(jiǎn)便的插值，在這種算法中，每一個(gè)插值輸出像素的值就是在輸入圖像中與其最臨近的采樣點(diǎn)的值。該算法的數(shù)學(xué)表示為： 如果最近鄰插值是工具箱函數(shù)默認(rèn)使用的插值方法，而且這種插值方法的運(yùn)算

28、量非常小。不過(guò)，當(dāng)圖像中包含像素之間灰度級(jí)變化的細(xì)微結(jié)構(gòu)時(shí)，最近鄰插值法會(huì)在圖像中產(chǎn)生人工的痕跡。雙線性插值法的輸出像素值是它在輸入圖像中22領(lǐng)域采樣點(diǎn)的平均值，它根據(jù)某像素周圍4個(gè)像素的灰度值在水平和垂直兩個(gè)方向上對(duì)其插值。設(shè)，和是要插值點(diǎn)的坐標(biāo)，則雙線性插值的公式為：把按照上式計(jì)算出來(lái)的值賦予圖像幾何變換對(duì)應(yīng)于處的像素，即可實(shí)現(xiàn)雙線性插值。雙三次插值的插值核為三次函數(shù)，其插值鄰域的大小為44。它的插值效果比較好，但相應(yīng)的計(jì)算量也比較大，在這里不做討論。1、圖像的縮放MATLAB圖像處理工具箱中的函數(shù)imresize可以用上述的三種方法對(duì)圖像進(jìn)行插值縮放，如果不指定插值方法，則默認(rèn)為最鄰近插

29、值法。imresize函數(shù)的語(yǔ)法格式為：B = imresize(A, m, method)上式返回原圖像A的m倍放大的圖像（m小于1時(shí)效果是縮?。?。這里參數(shù)method用于指定插值的方法，可選用的值為nearest（最鄰近法），bilinear（雙線性插值），bicubic（雙三次插值），默認(rèn)為nearest。例：I = imread(ic.tif);J = imresize(I, 1.25);imshow(I), title(原圖像)figure,imshow(J), title(放大后的圖像) 2、圖像的旋轉(zhuǎn)在工具箱中的函數(shù)imrotate可用上述三種方法對(duì)圖像進(jìn)行插值旋轉(zhuǎn)，默認(rèn)的插值方

30、法也是最鄰近插值法。imrotate的語(yǔ)法格式為：B = imrotate(A, angle, method)函數(shù)imrotate對(duì)圖像進(jìn)行旋轉(zhuǎn)，參數(shù)method用于指定插值的方法，可選用的值為nearest（最鄰近法），bilinear（雙線性插值），bicubic（雙三次插值），默認(rèn)為nearest。一般說(shuō)來(lái)旋轉(zhuǎn)后的圖像會(huì)比原圖大，超出原圖部分值為0。例：I = imread(rice.tif);J = imrotate(I, 30, bilinear);imshow(I); title(原圖像)figure, imshow(J); title(旋轉(zhuǎn)后的圖像) 代數(shù)運(yùn)算是指對(duì)兩幅輸入圖像進(jìn)

31、行點(diǎn)對(duì)點(diǎn)的加、減、乘或除運(yùn)算而得到輸出圖像的運(yùn)算。對(duì)于相加和相乘的情形，可能不止有兩幅圖像參加運(yùn)算。在一般情況下，輸入情況之一可能為常數(shù)。四種圖像處理代數(shù)運(yùn)算的數(shù)學(xué)表達(dá)式如下：其中A(x,y)和B(x,y)為輸入圖像，而C(x,y)為輸出圖像。還可以通過(guò)適當(dāng)?shù)慕M合形成涉及幾幅圖像的復(fù)合代數(shù)運(yùn)算方程。在MATLAB中，我們可以用函數(shù)imread很容易的得到數(shù)字圖像的圖像數(shù)據(jù)矩陣（即A(x,y)和B(x,y)），有了這些矩陣后我們只要適當(dāng)?shù)卦O(shè)計(jì)代數(shù)運(yùn)算的形式并寫出方程，就可以得到一個(gè)輸出圖像的矩陣（即C(x,y)）。圖像相加的一個(gè)重要應(yīng)用是對(duì)同一場(chǎng)景的多幅圖像求平均值。這點(diǎn)被經(jīng)常用來(lái)有效的降低加性

32、隨機(jī)噪聲的影響。在求平均值的過(guò)程中，圖像的靜止部分不會(huì)改變，而對(duì)每一幅圖像，各不相同的噪聲圖案則累積很慢。對(duì)M幅圖像進(jìn)行平均，使圖像中每一點(diǎn)的平方信噪比提高了M倍，幅度信噪比是功率信噪比的平方根，因此達(dá)到了提高信噪比降低噪聲的作用。本次實(shí)驗(yàn)要求完成人為的往一幅圖像中加入隨機(jī)噪聲，并通過(guò)多次相加求平均的方法降低所加入的噪聲對(duì)圖像的影響。在MATLAB中提供了給圖像加入噪聲的函數(shù)imnoise，imnoise的語(yǔ)法格式為J = imnoise(I, type)J = imnoise(I, type, parameters)其中J = imnoise(I, type)返回對(duì)原始圖像I添加典型噪聲的有

33、噪圖像J。參數(shù)type和parameters用于確定噪聲的類型和相應(yīng)的參數(shù)。下面的命令是對(duì)圖像eight.tif分別加入高斯噪聲、椒鹽噪聲和乘性噪聲，其結(jié)果如圖所示：例：I = imread(eight.tif);J1 = imnoise(I, gaussian, 0, 0.02);J2 = imnoise(I, salt & pepper, 0.02);J3 = imnoise(I, speckle, 0.02);subplot(2,2,1), imshow(I), title(原圖像);subplot(2,2,2), imshow(J1), title(加高斯噪聲);subplot(2,2

34、,3), imshow(J2), title(加椒鹽噪聲);subplot(2,2,4), imshow(J3), title(加乘性噪聲);在MATLAB程序語(yǔ)言中，分號(hào)的用處為不顯示程序運(yùn)算中的中間結(jié)果，這在一定程度上使系統(tǒng)運(yùn)算的效率增高，因此在不需知道中間結(jié)果的情況下，可以用分號(hào)作為一個(gè)句子的結(jié)尾，而不顯示該句運(yùn)算的中間結(jié)果。代數(shù)運(yùn)算中需要有若干幅帶有隨機(jī)噪聲的圖像數(shù)據(jù)，在這里我們運(yùn)用MATLAB中的FOR循環(huán)語(yǔ)句來(lái)完成產(chǎn)生多幅帶有噪聲的圖像數(shù)據(jù)及將這些圖像數(shù)據(jù)進(jìn)行相加運(yùn)算。MATLAB中FOR END循環(huán)的用法如下：for end循環(huán)這種循環(huán)允許一組命令以固定的和預(yù)定的次數(shù)重復(fù)，循環(huán)的

35、一般形式為：for variable = expression statementsend舉例如下：例：%一個(gè)簡(jiǎn)單的for循環(huán)的例子。for i=1:10; y(i)=i;end;y %顯示y的結(jié)果y = 1 2 3 4 5 6 7 8 9 10為了得到最大的速度，在for循環(huán)被執(zhí)行之前，應(yīng)預(yù)先分配數(shù)組。例如前面所考慮的這一種情況，在for循環(huán)內(nèi)每執(zhí)行一次命令，向量y的維數(shù)增加1。這樣就使得MATLAB每通過(guò)一次循環(huán)對(duì)y分配更多的內(nèi)存，這當(dāng)然要花費(fèi)一定的時(shí)間。為了可以不執(zhí)行這個(gè)步驟，for循環(huán)的例子應(yīng)重寫為：y=zeros(1,10);for i=1:10; y(i)=i;end;y另外，再次

36、強(qiáng)調(diào)一下，在實(shí)際的對(duì)圖像處理過(guò)程中，由于我們讀出的圖像數(shù)據(jù)一般是unit8型，而在MATLAB的矩陣運(yùn)算中要求所有的運(yùn)算變量為double型（雙精度型）。因此讀出的圖像數(shù)據(jù)不能直接進(jìn)行相加求平均，因此必須先使用一個(gè)函數(shù)將圖像數(shù)據(jù)轉(zhuǎn)換成雙精度型數(shù)據(jù)，然后再進(jìn)行相加運(yùn)算。運(yùn)算完成后，在圖像顯示前再將圖像數(shù)據(jù)轉(zhuǎn)換為uint8型。MATLAB中提供了這樣的函數(shù)：im2double，uint8，double等函數(shù)。作為一個(gè)示例，現(xiàn)將剛剛顯示的加有噪聲的圖像進(jìn)行相加求平均以消除圖像的噪聲。在圖像中我們給圖像加的是均值為0，方差為0.02的高斯噪聲，將圖像相加了一百遍，再求其平均值。程序如下：%例圖像加噪聲

37、再通過(guò)多次相加求平均的方法祛除噪聲I, M = imread(eight.tif);J = imnoise(I, gaussian, 0, 0.02);subplot(1,2,1), imshow(I, M), title(原圖像);subplot(1,2,2), imshow(J, M), title(加噪聲后圖像);m, n = size(I);K = zeros(m, n);for i = 1 : 100 J = imnoise(I, gaussian, 0, 0.02); J1 = im2double(J); K = K + J1;endK = K / 100; %求圖像的平均figu

38、re; imshow(K), title(相加求平均后的圖像);三、實(shí)驗(yàn)內(nèi)容及要求讀出girl.bmp等一幅灰度圖像并顯示。將圖像放大1.5倍，插值方法使用三種不同方法，顯示放大后的圖像，比較不同插值方法的結(jié)果有什么不同。將圖像放大到其它倍數(shù)，重復(fù)實(shí)驗(yàn)。圖像縮小0.8、0.5倍，插值方法使用三種不同方法，顯示并比較結(jié)果有什么差異。圖像分別順時(shí)針旋轉(zhuǎn)30度、45度，插值方法使用三種不同方法，顯示旋轉(zhuǎn)后的圖像并比較結(jié)果有什么不同。給原圖像加入高斯噪聲、椒鹽噪聲、乘性噪聲后并與原圖顯示在同一圖像對(duì)話框中，觀察比較幾幅圖像的特點(diǎn)結(jié)果。改變?cè)肼晠?shù)，再比較結(jié)果。運(yùn)用for循環(huán)，分別將20幅、100幅和5

39、00幅加有隨機(jī)高斯噪聲的圖像進(jìn)行相加并求其平均值，將幾種求平均后的圖像顯示在同一圖像對(duì)話框中，比較其結(jié)果。運(yùn)用for循環(huán)，分別將100幅加有不同類型噪聲的圖像進(jìn)行相加再求平均值，在同一圖像對(duì)話框中顯示求平均后的圖像，比較其結(jié)果。 MACROBUTTON MTEditEquationSection2 Equation Chapter 1 Section 1 SEQ MTEqn r h * MERGEFORMAT SEQ MTSec r 1 h * MERGEFORMAT SEQ MTChap r 1 h * MERGEFORMAT 實(shí)驗(yàn)四 圖像的空域?yàn)V波一、實(shí)驗(yàn)?zāi)康?、理解圖像空域?yàn)V波的基本定義

40、及目的；2、掌握?qǐng)D像空域?yàn)V波的基本原理及方法；3、掌握用MATLAB語(yǔ)言實(shí)現(xiàn)圖像的空域?yàn)V波的方法。二、實(shí)驗(yàn)原理1、均值濾波均值濾波是在空間域?qū)D像進(jìn)行平滑處理的一種方法，易于實(shí)現(xiàn)，效果也挺好。設(shè)噪聲(m,n)是加性噪聲，其均值為0，方差（噪聲功率）為2，而且噪聲與圖像f(m,n)不相關(guān)。其有噪聲的圖像f(m, n)為： (4.1)經(jīng)均值濾波處理后的圖像g(m, n)為： (4.2)其中s是（m, n）點(diǎn)的領(lǐng)域內(nèi)的點(diǎn)集。除了對(duì)噪聲有上述假定之外，該算法還基于這樣一種假設(shè)：圖像是由許多灰度值相近的小塊組成。這個(gè)假設(shè)大體上反映了許多圖像的結(jié)構(gòu)特征。（4.2）式表達(dá)的算法是由某像素領(lǐng)域內(nèi)各點(diǎn)灰度值的平

41、均值來(lái)代替該像素原來(lái)的灰度值?？捎媚K反映領(lǐng)域平均算法的特征。對(duì)于四點(diǎn)領(lǐng)域和八點(diǎn)領(lǐng)域，可分別由下述摸板表征：(4.3)(4.4)模版沿水平和垂直兩個(gè)方向逐點(diǎn)移動(dòng)，相當(dāng)于用這樣一個(gè)模塊與圖像進(jìn)行卷積運(yùn)算，從而平滑了整幅圖像。模版內(nèi)各系數(shù)和為1，用這樣的模版處理常數(shù)圖像時(shí)，圖像沒(méi)有變化；對(duì)一般圖像處理后，整幅圖像灰度的平均值可不變。2、中值濾波中值濾波是一種非線性處理技術(shù)，能抑制圖像中的噪聲。它是基于圖像的這樣一種特性：噪聲往往以孤立的點(diǎn)的形式出現(xiàn)，這些點(diǎn)對(duì)應(yīng)的象素很少，而圖像則是由像素?cái)?shù)較多、面積較大的小塊構(gòu)成。在一維的情況下，中值濾波器是一個(gè)含有奇數(shù)個(gè)像素的窗口。在處理之后，位于窗口正中的像素

42、的灰度值，用窗口內(nèi)各像素灰度值的中值代替。例如若窗口長(zhǎng)度為5，窗口中像素的灰度值為80、90、200、110、120，則中值為110，因?yàn)榘葱〉酱螅ɑ虼蟮叫。┡判蚝?，第三位的值?10。于是原理的窗口正中的灰度值200就由110取代。如果200是一個(gè)噪聲的尖峰，則將被濾除。然而，如果它是一個(gè)信號(hào)，則濾波后就被消除，降低了分辨率。因此中值濾波在某些情況下抑制噪聲，而在另一些情況下卻會(huì)抑制信號(hào)。中值濾波很容易推廣到二維的情況。二維窗口的形式可以是正方形、近似圓形的或十字形的。在圖像增強(qiáng)的具體應(yīng)用中，中值濾波只能是一種抑制噪聲的特殊工具，在處理中應(yīng)監(jiān)視其效果，以決定最終是否采用這種方案。實(shí)施過(guò)程中的

43、關(guān)鍵問(wèn)題是探討一些快速算法。MATLAB中提供了卷積運(yùn)算的函數(shù)命令conv2，其語(yǔ)法格式為：C = conv2(A, B)C = conv2(A, B)返回矩陣A和B的二維卷積C。若A為mana的矩陣，B為mbnb的矩陣，則C的大小為(ma+mb+1)(na+nb+1)。例：A=magic(5)A = 17 24 1 8 15 23 5 7 14 16 4 6 13 20 22 10 12 19 21 3 11 18 25 2 9 B=1 2 1 ; 0 2 0; 3 1 3B = 1 2 1 0 2 0 3 1 3 C=conv2(A, B)C = 17 58 66 34 32 38 15

44、23 85 88 35 67 76 16 55 149 117 163 159 135 67 79 78 160 161 187 129 51 23 82 153 199 205 108 75 30 68 135 168 91 84 9 33 65 126 85 104 15 27MATLAB圖像處理工具箱提供了基于卷積的圖像濾波函數(shù)filter2。filter2的語(yǔ)法格式為：Y = filter2(h, X)其中Y = filter2(h,X)返回圖像X經(jīng)算子h濾波后的結(jié)果，默認(rèn)返回圖像Y與輸入圖像X大小相同。其實(shí)filter2和conv2是等價(jià)的。MATLAB在計(jì)算filter2時(shí)先將卷積

45、核旋轉(zhuǎn)180度，再調(diào)用conv2函數(shù)進(jìn)行計(jì)算。fspecial函數(shù)用于創(chuàng)建預(yù)定義的濾波算子，其語(yǔ)法格式為：h = fspecial(type)h = fspecial(type, parameters)參數(shù)type指定算子類型，parameters指定相應(yīng)的參數(shù)，具體格式為：type=average，為均值濾波，參數(shù)parameters為n，代表模版尺寸，用向量表示，默認(rèn)值為3,3。type= gaussian，為高斯低通濾波器，參數(shù)parameters有兩個(gè)，n表示模版尺寸，默認(rèn)值為3,3，sigma表示濾波器的標(biāo)準(zhǔn)差，單位為像素，默認(rèn)值為0.5。type= laplacian，為拉普拉斯算

46、子，參數(shù)parameters為alpha，用于控制拉普拉斯算子的形狀，取值范圍為0,1，默認(rèn)值為0.2。type= log，為拉普拉斯高斯算子，參數(shù)parameters有兩個(gè)，n表示模版尺寸，默認(rèn)值為3,3，sigma為濾波器的標(biāo)準(zhǔn)差，單位為像素，默認(rèn)值為0.5type= prewitt，為prewitt算子，用于邊緣增強(qiáng)，無(wú)參數(shù)。type= sobel，為著名的sobel算子，用于邊緣提取，無(wú)參數(shù)。type= unsharp，為對(duì)比度增強(qiáng)濾波器，參數(shù)alpha用于控制濾波器的形狀，范圍為0,1，默認(rèn)值為0.2。下面舉一個(gè)均值濾波的例子：I=imread(rice.tif);J=imnoise

47、(I, salt & pepper, 0.02);h=fspecial(average, 3);I2=filter2(h, J); % 本句也可改寫為：I2 = imfilter(J, h)，注意二者的不同。subplot(1,3,1), imshow(I), title(原圖像);subplot(1,3,2), imshow(J), title(加噪聲圖像);subplot(1,3,3), imshow(I2, ), title(均值濾波后圖像);（注意“imshow(I2, )”中的參數(shù)“ ”！它表示由程序自動(dòng)調(diào)整圖像數(shù)據(jù)的類型與范圍，以便正確顯示圖像）程序執(zhí)行的結(jié)果如圖：在MATLAB圖

48、像處理工具箱中，提供了medfilt2函數(shù)用于實(shí)現(xiàn)二維中值濾波。Medfilt2函數(shù)的語(yǔ)法格式為：B = medfilt2(A) %用33的濾波窗口對(duì)圖像A進(jìn)行中值濾波。B = medfilt2(A,m n) %用指定大小為mn的窗口對(duì)圖像A進(jìn)行中值濾波。以下舉例說(shuō)明：I=imread(rice.tif);J=imnoise(I, gaussian, 0.02);I2=medfilt2(J, 3, 3);subplot(1,3,1), imshow(I), title(原圖像);subplot(1,3,2), imshow(J), title(加噪聲圖像);subplot(1,3,3), im

49、show(I2), title(中值濾波后圖像);運(yùn)行的結(jié)果如圖；三、實(shí)驗(yàn)要求1、讀出“girl.bmp”等一幅灰度圖像。給讀出的圖像加入高斯噪聲。2、分別采用不同大小的模板對(duì)加有噪聲的圖像進(jìn)行均值濾波，在一個(gè)圖形顯示窗口中顯示原圖像、加有噪聲的圖像及均值濾波的圖像。比較結(jié)果。3、分別采用不同大小的模板對(duì)加有噪聲的圖像進(jìn)行中值濾波，在一個(gè)圖形顯示窗口中顯示原圖像、加有噪聲的圖像及中值濾波的圖像。比較結(jié)果。4、采用相同大小的模板對(duì)加有噪聲的圖像分別進(jìn)行均值濾波和中值濾波，在一個(gè)圖形顯示窗口中顯示原圖像、加有噪聲的圖像、均值濾波的圖像及中值濾波的圖像。比較結(jié)果。改變加入噪聲類型，再重復(fù)之。實(shí)驗(yàn)五

50、圖像的邊緣檢測(cè)一、實(shí)驗(yàn)?zāi)康?、理解圖像邊緣提取的基本概念；2、熟悉進(jìn)行邊緣提取的基本方法；3、掌握用MATLAB語(yǔ)言進(jìn)行圖像邊緣提取的方法。二、實(shí)驗(yàn)原理圖像理解是圖像處理的一個(gè)重要分支，他研究為完成某一任務(wù)需要從圖像中提取哪些有用的信息，以及如何利用這些信息解釋圖像。邊緣檢測(cè)技術(shù)對(duì)于處理數(shù)字圖像非常重要，因?yàn)檫吘壥撬崛∧繕?biāo)和背景的分界線，提取出邊緣才能將目標(biāo)和背景區(qū)分開(kāi)來(lái)。在圖像中，邊界表明一個(gè)特征區(qū)域的終結(jié)和另一個(gè)特征區(qū)域的開(kāi)始，邊界所分開(kāi)區(qū)域的內(nèi)部特征或?qū)傩允且恢碌模煌膮^(qū)域內(nèi)部的特征或?qū)傩允遣煌?，邊緣檢測(cè)正是利用物體和背景在某種圖像特性上的差異來(lái)實(shí)現(xiàn)的，這些差異包括灰度，顏色或

51、者紋理特征。邊緣檢測(cè)實(shí)際上就是檢測(cè)圖像特征發(fā)生變化的位置。由于噪聲和模糊的存在，檢測(cè)到的邊界可能會(huì)變寬或在某些點(diǎn)處發(fā)生間斷，因此，邊界檢測(cè)包括兩個(gè)基本內(nèi)容：首先抽取出反映灰度變化的邊緣點(diǎn)，然后剔除某些邊界點(diǎn)或填補(bǔ)邊界間斷點(diǎn)，并將這些邊緣連接成完整的線。邊緣檢測(cè)的方法大多數(shù)是基于方向?qū)?shù)掩模求卷積的方法。導(dǎo)數(shù)算子具有突出灰度變化的作用，對(duì)圖像運(yùn)用導(dǎo)數(shù)算子，灰度變化較大的點(diǎn)處算得的值比較高，因此可將這些導(dǎo)數(shù)值作為相應(yīng)點(diǎn)的邊界強(qiáng)度，通過(guò)設(shè)置門限的方法，提取邊界點(diǎn)集。一階導(dǎo)數(shù)與是最簡(jiǎn)單的導(dǎo)數(shù)算子，它們分別求出了灰度在x和y方向上的變化率，而方向上的灰度變化率可以用下面式子計(jì)算：對(duì)于數(shù)字圖像，應(yīng)該采用差

52、分運(yùn)算代替求導(dǎo)，相對(duì)應(yīng)的一階差分為：方向差分為：函數(shù)f在某點(diǎn)的方向?qū)?shù)取得最大值的方向是，方向?qū)?shù)的最大值是稱為梯度模。利用梯度模算子來(lái)檢測(cè)邊緣是一種很好的方法，它不僅具有位移不變性，還具有各向同性。為了運(yùn)算簡(jiǎn)便，實(shí)際中采用梯度模的近似形式，如：、及等。另外，還有一些常用的算子，如Roberts算子和Sobel算子。Roberts算子的表達(dá)式為：Sobel算子的表達(dá)式為：X方向算子： y方向算子：其中，由于Sobel算子是濾波算子的形式，用于提取邊緣。我們可以利用快速卷積函數(shù)，簡(jiǎn)單有效，因此應(yīng)用很廣泛。拉普拉斯高斯（LoG）算法是一種二階邊緣檢測(cè)方法。它通過(guò)尋找圖像灰度值中二階微分中的過(guò)零點(diǎn)（

53、Zero Crossing）來(lái)檢測(cè)邊緣點(diǎn)。其原理為，灰度級(jí)變形成的邊緣經(jīng)過(guò)微分算子形成一個(gè)單峰函數(shù)，峰值位置對(duì)應(yīng)邊緣點(diǎn)；對(duì)單峰函數(shù)進(jìn)行微分，則峰值處的微分值為0，峰值兩側(cè)符號(hào)相反，而原先的極值點(diǎn)對(duì)應(yīng)于二階微分中的過(guò)零點(diǎn)，通過(guò)檢測(cè)過(guò)零點(diǎn)即可將圖像的邊緣提取出來(lái)。MATLAB的圖像處理工具箱中提供的edge函數(shù)可以實(shí)現(xiàn)檢測(cè)邊緣的功能，其語(yǔ)法格式如下：BW = edge(I, sobel)BW = edge(I, sobel, direction)BW = edge(I, roberts)BW = edge(I, log)這里BW = edge(I, sobel)采用Sobel算子進(jìn)行邊緣檢測(cè)。BW

54、 = edge(I, sobel, direction)可以指定算子方向，即：direction = horizontal，為水平方向；direction = vertical，為垂直方向；direction = both，為水平和垂直兩個(gè)方向。BW = edge(I, roberts)和BW = edge(I, log)分別為用Roberts算子和拉普拉斯高斯算子進(jìn)行邊緣檢測(cè)。例：用三種算子進(jìn)行邊緣檢測(cè)。I=imread(eight.tif);imshow(I)BW1=edge(I, roberts);figure, imshow(BW1), title(用Roberts算子)BW2=edg

55、e(I, sobel);figure, imshow(BW2), title(用Sobel算子)BW3=edge(I, log);figure, imshow(BW3), title(用拉普拉斯高斯算子)三、實(shí)驗(yàn)要求讀取一幅灰度圖像顯示。分別用Roberts、Sobel和拉普拉斯高斯算子對(duì)圖像進(jìn)行邊緣檢測(cè)。比較三種算子處理的結(jié)果。用不同方向（水平、垂直、水平和垂直）的Sobel算子對(duì)圖像進(jìn)行邊緣檢測(cè)。比較三種情況的結(jié)果。讀取其它圖像，重復(fù)邊緣檢測(cè)實(shí)驗(yàn)。實(shí)驗(yàn)六 圖像變換及其頻域處理一、實(shí)驗(yàn)?zāi)康?、理解離散傅立葉變換的基本原理；2、掌握應(yīng)用MATLAB語(yǔ)言進(jìn)行FFT及逆變換的方法；3、熟悉圖像在頻域中的濾波處理方法，應(yīng)用MATLAB語(yǔ)言實(shí)現(xiàn)簡(jiǎn)單的濾波處理。二、實(shí)驗(yàn)原理1、傅立葉變換的基本知識(shí)在圖像