數(shù)字圖像處理上機(jī)實(shí)驗(yàn)報(bào)告(基于Matlab)

1、華北水利水電大學(xué)數(shù)字圖像處理上機(jī)實(shí)驗(yàn)報(bào)告學(xué)曉：數(shù)學(xué)與信息科學(xué)專業(yè)：信息與計(jì)算科學(xué)姓名：孫志攀學(xué)號(hào)：201216511滯導(dǎo)老師：黃賽艷2015年5月4日第一次實(shí)驗(yàn)1.圖像的運(yùn)算實(shí)驗(yàn)?zāi)康模簣D像的算術(shù)運(yùn)算在圖像處理中有著廣泛的應(yīng)用，它除了町以實(shí)現(xiàn)自身所需的算術(shù)操作,還能為許多復(fù)雜的圖像處理提供準(zhǔn)備。例如，圖像減法就町以用來檢測(cè)同一場(chǎng)景或物體生成的兩幅或多幅圖像的誤差。我們可以使用MATLAB基本算術(shù)符（+、一、X、令等）來執(zhí)行圖像的算術(shù)操作，但是在此之前必須將圖像轉(zhuǎn)換為適合進(jìn)行基本操作的雙精度類型。圖像處理工具箱包含了一個(gè)能實(shí)現(xiàn)所有數(shù)值數(shù)據(jù)的算術(shù)操作的函數(shù)集合。列舉如卜：函數(shù)名功能描述Imabsdn

2、f兩幅圖像的絕對(duì)差值Imadd兩個(gè)圖像的加法lmcomplment補(bǔ)足一幅圖像lmdivide兩個(gè)圖像的除法lmlincomb計(jì)算兩幅圖像的線形組合lmmultiply兩個(gè)圖像的乘法Imsubtract兩個(gè)圖像的減法使用圖像工具箱中的圖像代數(shù)運(yùn)算函數(shù)無需再進(jìn)行數(shù)據(jù)類型間的轉(zhuǎn)換，這些函數(shù)能夠接受uintS和uintl6數(shù)據(jù)，并返回相同格式的圖像結(jié)果。圖像的算術(shù)運(yùn)算函數(shù)使用以卜截取規(guī)則使運(yùn)算結(jié)果符合數(shù)據(jù)范由的要求:超出數(shù)據(jù)范闈的整型數(shù)據(jù)將被截取為數(shù)據(jù)范闈的極值，分?jǐn)?shù)結(jié)果將被四舍五入。例如，如果數(shù)據(jù)類型是uintS,那么人于255的結(jié)果（包括無窮人inf）將被設(shè)置為255。無論進(jìn)行哪一種代數(shù)運(yùn)算都要

3、保證兩幅輸入圖像的人小相等，且類型相同。實(shí)驗(yàn)內(nèi)容：圖像的加法MATLAB中調(diào)用unadd函數(shù)實(shí)現(xiàn)圖像相加，格式如卜：Z=imadd（X,Y）：其中Z=X+Y。圖像的減法圖像減法也稱為差分方法，MATLAB中調(diào)用imsubtract函數(shù)實(shí)現(xiàn)圖像相減。調(diào)用格式如下:Z=imsubtract(XY)：其中Z=X-Yo圖像的乘法兩幅圖像進(jìn)行乘法運(yùn)算町以實(shí)現(xiàn)掩模操作，即屏蔽掉圖像的某些部分。一幅圖像乘以一個(gè)常數(shù)通常被稱為縮放。如果使用的縮放因數(shù)人于1,那么將增強(qiáng)圖像的亮度，如果因數(shù)小于1則會(huì)使圖像變暗。MATLAB中調(diào)用nnmultiply函數(shù)實(shí)現(xiàn)兩幅圖像相乘。調(diào)用格式如卜：Z=immultiply(X

4、,Y)；其中Z=XxY圖像的除法除法運(yùn)算可用于校正成像設(shè)備的非線性影響。MATLAB中調(diào)用undivide函數(shù)進(jìn)行兩幅圖像相除。調(diào)用格式如下：Z=imdivide(X,Y),其中Z=XmY。圖像四則運(yùn)算因?qū)int8、uintl6數(shù)據(jù)，每步運(yùn)算都要進(jìn)行數(shù)據(jù)截取，將會(huì)減少輸出圖像的信息量。圖像四則運(yùn)算較好的辦法是使用函數(shù)imlincomb.該函數(shù)按雙精度執(zhí)行所有代數(shù)運(yùn)算操作，僅對(duì)最后的輸出結(jié)果進(jìn)行截取，該函數(shù)的調(diào)用格式如卞：Z=imlincomb(AXBY,C),其中，Z=AxX+BxY+CZ=imlincomb(AXC),其中：Z=AxX+CZ=imlincomb(AXB,Y)其中：Z=AxX

5、+BxY1.圖像的加法基于Matlab的代碼如下：clear,I=imread(CUsersAdmmistratorDesktop人海jpg)J=imread(CUsersAdmmistratorDesktop戀人png1)K=imaddQQsubplot(2乙1),imshow，subp101(2,2,2),imshow(J),subplot(2,23)inishow(K),圖片素材：運(yùn)行結(jié)果窗口截圖:CommandWindow000000000000000000000000000000000000000000000000fx2.圖像的減法基于Matlab的代碼如下：sea=imread(C

6、:UsersAdnnnistiatorDesktoprA.png1)backgioundmopenCseaelCdiskZO),sea2=u*nsubtiact(sea,background),subplot(l乙l),imshow(sea)subplot(l,2,2),unshovz(sea2),素材圖片運(yùn)行結(jié)果窗口截圖:CommandWindow0EjTigurel*3圖像的乘法基于Matlab的代碼如下：I=imread(CUsersAdmimstratorDesktop戀人png)J=immultiply(I,l.2),K=immultiplyQ,06),subplot(l,3,l),

7、imshov7(I),subplot(l,3-)uTishovz(J)subplot(l,33),UTishovz(K),運(yùn)行結(jié)果窗口截圖:rQFigure1EditViewInsertToolsDesktopWindowHelpu&Jd4%、脅退謠1氓1口匡11口4.圖像的除法基于Matlab的代碼如下：Love=imiead(lC:UseisAdministiatorDesktop戀人png1)I=double(Love),J=073*1+100,Ip=imdivideQQsubplot(2乙1)jmshow(uint8(I),subplot(2乙3),imshow(uint8(J),su

8、bplot(2,2,4),imshow(uint8Qp)J)，運(yùn)行結(jié)果窗口截圖：CommandWindow000000000000000000000000fx5圖像的邏輯運(yùn)算(與、或.非、異或等運(yùn)算)基于Matlab的代碼如下：clearallA=zeros(128),A(4070,60:100)=1,%生成128*128的零矩陣A,將寬40-70,高60-100的值設(shè)為1B=zeros(l28),B(50:80,40:70)=1,%生成128*128的零矩陣B,將寬50-80,高40-70的值設(shè)為1C=A(:,:1)%取單色D=B(:,:,1),figureCName,1圖像邏輯運(yùn)算)res

9、l=C&D,%C&D%res2=C|D,%C|D%resSorCC),%xorCD%res3_2=xor(D,C)%xorDC%res4=not(C)¬(D),%C%res4_2=iot(C)|not(D),%D%subplotO)subplot(2,3l)nnshowCresOitleCC&D1),%&運(yùn)算subplotCS?)nnshow(res2),title(,C|D,),%|運(yùn)算subplot(2,33)imshowaesBJtitleCxorCD1),%or運(yùn)算subplot(2,34)nnshowCresSitleCorDC1),subplot(2,35)imshow(re

10、s4),title(-C&-D*),%運(yùn)算subplot(2,36)imshow(res4_2)titleCCHD1),運(yùn)行結(jié)果窗口截圖:CommandWindowJDFigure2:圏像邏筠運(yùn)箕|()2.圖像的濾波(空間、頻域)實(shí)驗(yàn)?zāi)康奶梦誱atlab程序設(shè)計(jì)語言，掌握matlab基本數(shù)據(jù)類型、核心函數(shù)及輔助函數(shù)的使用。掌握理想和線性平滑濾波器的設(shè)計(jì)方法。實(shí)驗(yàn)內(nèi)容利用理想和線性平滑濾波器實(shí)現(xiàn)圖像的濾波；三、實(shí)驗(yàn)原理二維理想低通濾波器的傳遞函數(shù)為：DO是指定非負(fù)數(shù)值，D(u,V)是(u,v)點(diǎn)距頻率中心的距離。如果要研究的圖像尺寸為MXN,則它的變換也有相同的尺寸。在半徑為DO的圓內(nèi)，所有頻率

11、無衰減地通過濾波器，而在此半徑之外的所有頻率完全被衰減掉。高斯高通濾波器傳遞函數(shù)為：H(u,v)二朋D(u,v)是距傅立葉變換中心原點(diǎn)的距離。DO是截止頻率。高斯低通濾波器的傅立葉變換也是高斯的。二維理想高通濾波器的傳遞函數(shù)為：DO是從頻率矩形中點(diǎn)測(cè)得的截止頻率長(zhǎng)度，它將以DO為半徑的圓周內(nèi)的所有頻率置零，而毫不衰減地通過圓周外的任何頻率。但其物理上是不可實(shí)現(xiàn)的。高斯高通濾波器傳遞函數(shù)為：H(U,V)=l-尹畑”瑚高通濾波器能夠用高斯型低通濾波器的差構(gòu)成。這些不同的濾波器有更多的參數(shù)，因此能夠?qū)V波器的形狀進(jìn)行更多的控制。四.實(shí)驗(yàn)設(shè)備和儀器1計(jì)算機(jī)2.matlab開發(fā)平臺(tái)空間域?yàn)V波(舉例：線性

12、平滑濾波器)基于Matlab的代碼如下：I=imread(CUsersAdministratorDesktop撐著油紙傘的姑娘jpg1)，subplot(231)imshowQ)title(原始圖像I=rgb2gray，Il=imnoiseQ,salt&pepperO02),subplot(232)imshowQ)%進(jìn)行3*3模板平滑濾波%進(jìn)行5*5模板平滑濾波%進(jìn)行7*7模板平滑濾波%進(jìn)行9*9模板平滑濾波titleC添加椒鹽噪聲的圖像)kl=filtei2(fspecial(laveiagel,3)Il)/255,k2=filter2(fspecial(laverage,5),11)/25

13、5;k3=filter2(fspecial(laverage,7),11)/255;k4=filtei2(fspecial(laveiagel,9)Il)/255,subplot(233),imshow(k1),titl*3模板平滑濾波欣subplot(234),imshow(k2),title(l5*5模板平滑濾波欣subplot(235),imshow(k3),title(*7*7模板平滑濾波,subplot(236),imshow(k4),title(!9*9模板平滑濾波乞運(yùn)行結(jié)果窗口截圖:頻域?yàn)V波（舉例：理想低通濾波器）基于Matlab的代碼如下：RGB=unreadCCUsersAd

14、mmistratoiADesktoplovepng1),=rgb2giay(RGB),subplot(2,31),imshow(JO);titlef原圖*),=unnoiseCIO/gaussian1),%對(duì)原圖像加噪聲subplot(2,3,2),imshowQl),title(加入噪聲后)%將灰度圖像的二維不連續(xù)Founer變換的零頻率成分移到頻譜的中心subplot(233)inishow(log(l+abs(s)title(lfftshiftl)；M,N=size(s),%分別返回s的行數(shù)到M中，列數(shù)到N中nl=floor(M/2),%對(duì)M/2進(jìn)行取整n2=floor(N/2),%對(duì)“

15、/2進(jìn)行取整%ILPF濾波（程序中以dO=l5為例）d0=50,%初始化dOfori=lMforj=lNd=sqrt(i-n1產(chǎn)2+0-n2)A2),%點(diǎn)（1,J）到傅立葉變換中心的距離ifdJ=0,%阻帶變換函數(shù)ends（】j）=haj）*saj）,%ILPF濾波后的頻域表示endends=ifftshift(s)%對(duì)$進(jìn)行反FFT移動(dòng)%對(duì)s進(jìn)行二維反離散的Founer變換后，取復(fù)數(shù)的實(shí)部轉(zhuǎn)化為無符號(hào)8位整數(shù)s=uint8（real（ifft2（s）,%顯示GHPF濾波器的傳遞函數(shù)subplot(2,3,4),imshov7(h),title(,傳遞函數(shù)為subplot(2,35)imsho

16、v/(s),titleCILPF濾波(d0=50)吹顯示ILPF濾波后的圖像運(yùn)行結(jié)果窗口截圖:CommandWindcsubplot3%將灰度圖傢s=fftshift(subplot(2,3jM,N=sizenl=floor(M/n2=floor(N/%ILPF濾波(；*d0=50；fori=l:Mforj=ld=selsencs(i,j)=h(i,ends=ifftshift%對(duì)$進(jìn)行二纟*s=uint8(rcaQFigure1I口回Ifad第二次實(shí)驗(yàn)1圖像復(fù)原算法圖像在形成、傳輸和記錄過程中，由于受到多種原因的影響，圖像的質(zhì)量就會(huì)有所下降，典型的表現(xiàn)為圖像模糊、失真、有噪聲等，這一過程稱為

17、圖像的退化。圖像復(fù)原是試圖利用退化過程的先驗(yàn)知識(shí)使已退化的圖像恢復(fù)本來面目，即根據(jù)退化的原因,分析引起退化的壞境因素，建立相應(yīng)的數(shù)學(xué)模型，并沿著使圖像降質(zhì)的逆過程恢復(fù)圖像。目的在于消除或減輕在圖像獲取以及傳輸?shù)倪^程中造成的圖像品質(zhì)卜降，恢復(fù)圖像的本來面目。因此，復(fù)原技術(shù)就是把退化模型化，并采用相反的過程進(jìn)行處理，以便盡可能復(fù)原被退化圖像的本來面目。廣義上講，圖像復(fù)原是一個(gè)求逆問題，逆問題經(jīng)常存在非唯一解，甚至無解。要想恢復(fù)全真的景物圖像比較困難。為了得到逆問題的有用解，圖像復(fù)原本身往往需要一個(gè)質(zhì)量標(biāo)準(zhǔn)，即衡量接近全真景物圖像的程度，或者說，對(duì)圖像的估計(jì)是否達(dá)到最佳的程度。需要有先驗(yàn)知識(shí)以及對(duì)解

18、的附加約束條件。典型的圖像復(fù)原是根據(jù)圖像退化的先驗(yàn)知識(shí)建立一個(gè)退化模型，以此模型為基礎(chǔ)，采用各種逆退化處理的方法進(jìn)行恢復(fù)，使圖像質(zhì)量得到改善。圖像退化的數(shù)學(xué)模型一般來說，圖像的生成可以簡(jiǎn)單地被描述為如下數(shù)學(xué)模型：g(x,y)=Hf(x,y)f(x,y)是成像景物，H是綜合退化因子，g(x,y)是退化圖像。圖像f(x,y)可以表示為：COCOf(x,y)=JJf(a,0)5(x-cz,y-coco用卷枳符號(hào)*表示為：f(x,y)=f(x,y)*5(x,y)因此還有：f(x-Q,y-/0=f(x,y)7(xa,y-0)式中，f(a,0)是像素點(diǎn)的特性函數(shù)，力(x-a,y-0)為沖擊響應(yīng)。假定成像系

19、統(tǒng)是線性移不變系統(tǒng):退化模型如圖所示f(x,y)g(x,y)不考慮加性噪聲：g(x,y)=f(x,y)*h(x,y)考慮加性噪聲：g(x,y)=f(x,y)*h(x,y)+n(x,y)卷枳等同于頻域內(nèi)乘積：G(u,v)=F(u,v)H(u,v)+N(u,v)逆濾波復(fù)原逆濾波復(fù)原法也叫做反向?yàn)V波法，其主要過程是首先將要處理的數(shù)字圖像從空間域轉(zhuǎn)換到傅里葉頻域中，進(jìn)行反向?yàn)V波后再由頻率域轉(zhuǎn)回到空間域，從而得到復(fù)原的圖像信號(hào)。在不考慮噪聲的情況下：Ko-Kog(x,y)=JJf(a,0)h(x-a,y-0)dad0-co-co上式兩邊進(jìn)行傅里葉變換得G(u,v)=F(u,v)H(u,v)則原始圖像F(

20、u,v)=G(u,v)H(u,v)然后進(jìn)行傅里葉逆變換，就町以得到原始圖像。由此町看出，如杲已知退化圖像的傅里葉變換和“濾波”傳遞函數(shù)，則可以求得原始圖像的傅里葉變換，經(jīng)反傅里葉變換就可以求得原始圖像f(x,y),這就是逆濾波法的基本原理。但在實(shí)際中用逆濾波法存在病態(tài)的情況：當(dāng)H(u,v)=O時(shí)，或非常小的數(shù)值點(diǎn)上，F(xiàn)(u,v)將變成無窮大或非常大的數(shù)。在有噪聲的情況下：逆濾波原理可以寫成:G(u,v)=F(u,v)H(u,v)+N(u,v)寫成逆濾波的方式：F(u,v)=F(u,v)+N(u,v)H(u,v)但實(shí)際用逆濾波存在病態(tài)的情況：噪聲存在，當(dāng)H(u,v)很小或?yàn)榱銜r(shí)，則噪聲被放人。這

21、意味著退化圖像中小噪聲的干擾在H(u,v)較小時(shí)，會(huì)對(duì)逆濾波恢復(fù)的圖像產(chǎn)生很大的影響，有可能使恢復(fù)的圖像和f(x,y)相差很大，甚至面目全非。實(shí)驗(yàn)證明，當(dāng)退化圖像的噪聲較小，即輕度降質(zhì)時(shí)，采用逆濾波復(fù)原的方法可以獲得較好的結(jié)呆。通常，在離頻率平面原點(diǎn)較遠(yuǎn)的地方數(shù)值較小或?yàn)榱悖虼藞D像復(fù)原在原點(diǎn)周圉的有限區(qū)域內(nèi)進(jìn)行，即將退化圖像的傅里葉頻譜限制在沒出零點(diǎn)而且數(shù)值又不是太小的有限范闈內(nèi)。維納濾波復(fù)原逆濾波比較簡(jiǎn)單，但沒有清楚地說明如何處理噪聲，而維納濾波綜合了退化函數(shù)和噪聲統(tǒng)計(jì)特性兩個(gè)方面進(jìn)行復(fù)原處理。維納濾波是維納在1949年提岀的，并應(yīng)用于一維平穩(wěn)時(shí)間序列，獲得了滿意的結(jié)果。這是最早也是最著名

22、的線性濾波技術(shù)。采用維納濾波是假設(shè)圖像信號(hào)可以近似看成平穩(wěn)隨機(jī)過程的前提下，按照使f(x.y)和(x,y)之間的均方誤差達(dá)到最小的準(zhǔn)則函數(shù)來實(shí)現(xiàn)圖像復(fù)原的，即e2=niinEf(x,y)-f(x,y)2式中，E()代表求期望值。因此維納濾波又稱為最小均方誤差濾波器。維納濾波需要假定下述條件成立：1、系統(tǒng)為線性空間移不變系統(tǒng)。2、退化圖像、原始圖像、噪聲都是均勻隨機(jī)場(chǎng)，噪聲的均值為零，且與圖像不相關(guān)。維納濾波的復(fù)原濾波函數(shù)，即濾波器的傳遞函數(shù)為：F(u,v)=P(u,v)G(u,v)=G(u,v)H(u,v)|H(u,v)+S”(u,v)/Sf(u,v)沒有噪聲時(shí)，維納濾波退化為逆濾波。有噪聲時(shí)

23、，維納濾波利用信噪功率比對(duì)恢復(fù)過程進(jìn)行修正，在信噪功率比很小的區(qū)域內(nèi)，P(u,v)的值也很小，這使恢復(fù)圖像較小地依賴于退化圖像。在H(u,v)很小或等于零時(shí)，P(u,v)的分母不為零，維納濾波沒有病態(tài)問題。在實(shí)際系統(tǒng)中，維納濾波經(jīng)常用卞式近似:F(u,v)=1|H(u,v)|2H(u,v)|H(u,v)|2+KG(u,v),K為特殊常數(shù)。的維納濾波要求未退化圖像和噪聲的功率必須是已知的。雖然用近似的方法能得到好的結(jié)果，但功率譜比常數(shù)K的估計(jì)一般沒有合適的解?；贛atlab的代碼如下：clear;l=imread(C:UsersAdministratorDesktop明曉妹妹原始圖jpg)im

24、show(l);I=rgb2gray(l);%將原圖像轉(zhuǎn)化為黑白圖figure;subplot(2,2zl);imshow(l);titled轉(zhuǎn)成黑白圖像)；m,n=size(l);F=fftshift(fft2(l);k=0.0025;foru=l:mforv=l:nH(uzv)=exp(-k)*(u-m/2)A2+(v-n/2)A2)A(5/6);endendG=F.*H;IO=real(ifft2(fftshift(G);I2=imnoise(uint8(l0),gaussian00001)subplot(2,2z2);imshow(uint8(11);title。模糊退化且添加高斯噪聲

25、的圖像J;F0=fftshift(fft2(ll);F1=FO./H;l2=ifft2(fftshift(Fl);subplot(2,2z3)；imshow(uint8(l2);titled全逆濾波復(fù)原圖*K=0.1;foru=l:mforv=l:nH(u,v)=exp(-k*(u-m/2)A2+(v-n/2)A2)A(5/6);H0(u/v)=(abs(H(u,v)A2;Hl(u/v)=HO(u/v)/(H(uzv)*(HO(u,v)+K);endendF2=H1.*FO;B=ifft2(fftshift(F2);subplot(2,2,4);imshow(uint8(13);窗口截圖如下：

26、經(jīng)過仿真，如上圖所示，可以看出逆濾波復(fù)原與維納濾波復(fù)原的區(qū)別和聯(lián)系。維納濾波后雖然仍有一些噪聲存在，但已經(jīng)和原圖很接近了。因?yàn)樵瓐D像和噪聲函數(shù)都是已知的，可以正確的估算參量。使用Lucy-Richardson算法的迭代非線性復(fù)原L-R算法是一種迭代非線性復(fù)原算法，它是從最人似然公式印出來的，圖像用泊松分布加以模型化的。當(dāng)下面這個(gè)迭代收斂時(shí)模型的最人似然函數(shù)就可以得到一個(gè)令人滿意的方程：(x，Y)=fk(x,y)h(-x,-y)*里孚h(x,y)*fk(x,y)*代表卷積，?代表未退化圖像的估計(jì)，g和h和以前定義一樣。這個(gè)算法的本質(zhì)是顯而易見的。它的非線性本質(zhì)是在方程右邊用?來除產(chǎn)生的。在IPT

27、中，L-R算法是由名為deconvlucy的函數(shù)完成的，此函數(shù)的語法為fr二deconvlucy(g,PSF,NUMIT,DAMPAR,V/EIGHT)其中，fr代表復(fù)原的圖像，g代表退化的圖像，PSF是點(diǎn)擴(kuò)散函數(shù)，NUMIT為迭代次數(shù)（默認(rèn)為10次）,DAMPAR是一個(gè)標(biāo)量,它指定了結(jié)果圖像與原圖像g之間的偏離閾值。WEIGHT是一個(gè)與g同樣大小的數(shù)組，它為每一個(gè)像素分配一個(gè)權(quán)重來反映其重量?；贛atlab的代碼如下：clear;I=imreadCC:UsersAdministratorDesktop孫志攀帥比原始圖.jpg)PSF=fspecial(gaussian,5,5);Blurr

28、ed二imfilter(I,PSF,symmetrie,conv，);V二.003;BN=iinnoise(Blurred,*gaussian,0,V);luc=deconvlucy(BN,PSF,5);figuresubplot(2,2,1);imshow(I);titleC原始圖像);subplot(2,2,2);imshow(Blurred);titleC模糊后的圖像)；subplot(2,2,3);imshow(BN);titleC加噪后的圖像)；subplot(2,2,4);imshow(luc);titleC恢復(fù)后的圖像);窗口截圖如下：CommandWind135terEditV

29、iewInsertToolsDesktopWindowHelp$曰日R|凰|目回模糊后的圈像原繪圖像加疇后的團(tuán)像恢箕后的團(tuán)像133142136136138U2139135135139132129139135130135125125132135131129136U22讀入一幅彩色圖像，顯示各層圖像。(方法一)基于Matlab的代碼如下：l=imread(C:DocumentsandSettingsAdministrator桌面l.jpg1)；%如果是win7系統(tǒng)則讀取路徑為l=imread(,C:UsersAdministratorDesktopl.jpg,);Ir=I；IG=|；IB=I;IR

30、(：,：7)=0;IR(：,：3)=0;IG(:z:,l)=0;IG(:,:,3)=0;IB(:,:,l)=0;IB(:,：7)=0;figure;subplot(2,2,l);imshow(l/);title(T);subplot(2,2/2);imshow(IR,);title(,IR,)；subplot(2,2/3)；imshow(IG/);title(,IG,)；subplot(2,2,4);imshow(IB/);title(,IB,);CommandWindowI=imreadCC:UsersAdministratorDesktopx1.jpg):IR=I:IG=I:IB=I:IR

31、C宀2)=0:IR(:,:,3)=0:IG(:,:,l)=0：IG(:,:,3)=0;IB(:,:,l)=0:figure;subplot(2,2,1);msho(I,)ititleCI*):subplot2,2);inshovUR,);titleCIRZ):subplot2,3):inshovdG,):title(IG5):subplot2,4);inshow(IB,);titleCIB7);AIRFileEditViewInsertToolsDesktopWindowHelp恰丨皺q裁溟x凰s0IGIB(方法二)基于Matlab的代碼如下：l=imread(C:DocumentsandSe

32、ttingsAdministrator桌面l.jpg1)；R=l(：/4);G=l(:,:,2);B=l(:,；figure;subplot(2,2/l);imshow(l,);title(T);subplot(2,2/2);imshow(R/);title(,R,);subplot(2,2/3)；imshow(G/);title(,G,)；subplot(2,2,4);imshow(B,);title(,B,)；3圖像的變換(小波或FT變換)clearallcloseallA=imread(,C:DocumentsandSettingsAdministrator桌面l.jpgf)56讀入并且

33、顯示出一個(gè)圖像文件subplot(l,2zl);imshow(A);titleC原始的圖像顯示原始圖像作為對(duì)照iflength(size(A)=3A=rgb2gray(A);endsubplot(l,2z2);imshow(A);title?；叶葓D像);對(duì)灰度圖像進(jìn)行傅里葉變換并輸出頻譜A2=fft2(A);A2=fftshift(A2),%將圖像進(jìn)行二維傅里葉變換figure,imshow(log(abs(A2)+l)40,12);%顯示傅里葉變換后的圖像mieC傅里葉變換后的圖像);VARIABLECommandWindowB=1(:,:,3):figuresubplot(2,2,1);insubplot(2,2,2):ijsubplot(2,2,3);msubplot(2,2、4);inclearallcloseallA=imreadCC：Jseisubplot(1,21);inshow(A):titleC原始的飜iflength(size(A)A=rgb2gray(A):endsubplot(1,2、