数字图像处理实验讲解Word文件下载.docx
- 文档编号:15875028
- 上传时间:2022-11-16
- 格式:DOCX
- 页数:10
- 大小:19.04KB
数字图像处理实验讲解Word文件下载.docx
《数字图像处理实验讲解Word文件下载.docx》由会员分享,可在线阅读,更多相关《数字图像处理实验讲解Word文件下载.docx(10页珍藏版)》请在冰豆网上搜索。
subplot(2,2,2)
histeq(I);
(3)看其直方图的对应变化和图像对比度的变化。
原图像f(m,n)的灰度范围[a,b]线形变换为图像g(m,n),灰度范围[a’,b’]
公式:
g(m,n)=a’+(b’-a’)*f(m,n)/(b-a)
imshow(I)
J=imadjust(I,[0.3,0.7],[0,1],1);
实验一(3)用g(m,n)=a’+(b’-a’)*f(m,n)/(b-a)进行变换'
imshow(J)
subplot(2,2,3)
J=imadjust(I,[0.50.8],[0,1],1);
subplot(2,2,4)
(4)图像二值化(选取一个域值,(5)将图像变为黑白图像)
J=find(I<
150);
I(J)=0;
J=find(I>
=150);
I(J)=255;
实验一(4)图像二值化(域值为150)'
clc;
14499.jpg'
bw=im2bw(I,0.5);
%选取阈值为0.5
figure;
imshow(bw)%显示二值图象
图象处理变换
(二)
1.傅立叶变换
熟悉其概念和原理,实现对一幅灰度图像的快速傅立叶变换,并求其变换后的系数分布.
2.离散余弦变换
熟悉其概念和原理,实现对一幅灰度和彩色图像作的离散余弦变换,选择适当的DCT系数阈值对其进行DCT反变换.
%图象的FFT变换
005.bmp'
subplot(1,2,1)
原图'
subplot(1,2,2)
imhist(I);
直方图'
colorbar;
J=fft2(I);
imshow(J);
FFT变换结果'
K=fftshift(J);
imshow(K);
零点平移'
imshow(log(abs(K)),[]),colormap(jet(64)),colorbar;
系数分布图'
%图象的DCT变换
RGB=imread('
imshow(RGB);
彩色原图'
a=rgb2gray(RGB);
imshow(a);
灰度图'
b=dct2(a);
imshow(log(abs(b)),[]),colormap(jet(64)),colorbar;
DCT变换结果'
b(abs(b)<
10)=0;
%idct
c=idct2(b)/255;
imshow(c);
IDCT变换结果'
图象处理变换(三)小波变换
实验内容:
熟悉小波变换的概念和原理,熟悉matlab小波工具箱主要函数的使用.利用二维小波分析对一幅图象作2层小波分解,并在此基础上提取各层的低频信息实现图像的压缩.
程序如下:
clc
a=imread('
subplot(1,2,1);
原始图象'
I=rgb2gray(a);
subplot(1,2,2);
原始图象的灰度图'
%进行二维小波变换
[a,b]=wavedec2(I,2,'
bior3.7'
%提取各层低频信息
c=appcoef2(a,b,'
1);
imshow(c,[]);
一层小波变换结果'
d=appcoef2(a,b,'
2);
imshow(d,[]);
二层小波变换结果'
图象处理实验(四)模板运算
一、实验内容:
(1)平滑:
平滑的目的是模糊和消除噪声。
平滑是用低通滤波器来完成,在空域中全是正值。
(2)锐化:
锐化的目的是增强被模糊的细节。
锐化是用高通滤波器来完成,在空域中,接近原点处为正,在远离原点处为负。
利用模板进行图象增强就是进行模板卷积。
1、利用二个低通邻域平均模板(3×
3和9×
9)对一幅图象进行平滑,验证模板尺寸对图象的模糊效果的影响。
2、利用一个低通模板对一幅有噪图象(GAUSS白噪声)进行滤波,检验两种滤波模板(分别使用一个5×
5的线性邻域平均模板和一个非线性模板:
3×
5中值滤波器)对噪声的滤波效果。
3、选择一个经过低通滤波器滤波的模糊图象,利用sobel和prewitt水平边缘增强高通滤波器(模板)对其进行高通滤波图象边缘增强,验证模板的滤波效果。
4、选择一幅灰度图象分别利用一阶Sobel算子和二阶Laplacian算子对其进行边缘检测,验证检测效果。
二、实验步骤:
1、利用低通邻域平均模板进行平滑:
girl.bmp'
subplot(1,3,1);
J=fspecial('
average'
J1=filter2(J,I)/255;
subplot(1,3,2);
imshow(J1);
3*3滤波'
K=fspecial('
9);
K1=filter2(K,I)/255;
subplot(1,3,3);
imshow(K1);
9*9滤波'
2、中值滤波和平均滤波
J=imnoise(I,'
gaussian'
0,0.01);
subplot(2,2,1);
subplot(2,2,2);
noise'
5);
K1=filter2(K,J)/255;
subplot(2,2,3);
L=medfilt2(J,[35]);
subplot(2,2,4);
imshow(L);
medium'
3、高通滤波边缘增强
originalpic'
3);
J1=conv2(I,J)/255;
%J1=filter2(J,I)/255;
3*3lowpass'
prewitt'
K1=filter2(K,J1)*5;
L=fspecial('
sobel'
L1=filter2(L,J1)*5;
imshow(L1);
sibel'
4、边缘检测
分别用sobel和laplacian算子来进行,程序如下:
laplacian'
0.7);
K1=filter2(K,I)/100;
L1=filter2(L,I)/200;
图像处理实验(五)图像分割
实验目的:
1、学习边缘检测
2、学习灰度阀值分割
1、分别用sobel、Laplacian-Gaussian方法对一幅灰度图像进行边缘提取,2、给出对比结果
i=imread('
eight.tif'
imshow(i);
原始图像'
i1=edge(i,'
imshow(i1);
sober方法提取的边缘'
i2=edge(i,'
log'
imshow(i2);
Laplacian-Gaussian方法提取的边缘'
比较提取边缘的效果可以看出,sober算子是一种微分算子,对边缘的定位较精确,但是会漏去一些边缘细节。
而Laplacian-Gaussian算子是一种二阶边缘检测方法,它通过寻找图象灰度值中二阶过零点来检测边缘并将边缘提取出来,边缘的细节比较丰富。
通过比较可以看出Laplacian-Gaussian算子比sober算子边缘更完整,效果更好。
3、利用双峰法对一幅灰度图像进行灰度分割处理
imhist(i);
原始图像直方图'
thread=130/255;
i3=im2bw(i,thread);
imshow(i3);
分割结果'
根据原图像的直方图,发现背景和目标的分割值大约在130左右,并将灰度图像转为二值图像,分割效果比较理想。
图像处理实验(六)图像压缩与编码
学习JPEG压缩编码
一.实现基本JPEG的压缩和编码分三个步骤:
1.首先通过DCT变换去除数据冗余;
2.使用量化表对DCT系数进行量化;
3.对量化后的系数进行Huffman编码。
具体源程序由主程序及两个子程序(DCT量化、Huffman编码)组成:
1.主程序
autumn.ti
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 数字图像 处理 实验 讲解