图像处理报告 正文Word文档格式.docx
- 文档编号:21371087
- 上传时间:2023-01-30
- 格式:DOCX
- 页数:15
- 大小:903.34KB
图像处理报告 正文Word文档格式.docx
《图像处理报告 正文Word文档格式.docx》由会员分享,可在线阅读,更多相关《图像处理报告 正文Word文档格式.docx(15页珍藏版)》请在冰豆网上搜索。
%对原图像进行标准化
%进行γ校正
gamma0p4=uint8(src.^0.4.*256.0);
gamma0p6=uint8(src.^0.6.*256.0);
gamma0p8=uint8(src.^0.8.*256.0);
%绘制原图及处理后的图像
subplot(2,2,1);
imshow(src);
title('
原图像'
subplot(2,2,2);
imshow(gamma0p4);
γ=0.4'
subplot(2,2,3);
Imshow(gamma0p4);
γ=0.6'
subplot(2,2,4);
γ=0.8'
实验结果如下图所示:
2)对数变换
s=clog(1+r),c为常数,r≥0
H=imread('
%读入图片
I=mat2gray(H);
%对数变换不支持uint8类型数据,将一个矩阵
%转化为灰度图像的数据格式(double)
J=log(I+1);
%进行对数变换
subplot(1,2,1);
Imshow(I);
%显示图像
title('
原图'
subplot(1,2,2);
Imshow(J);
对数变换后的图像'
)
3)均值滤波
closeall;
h=imread('
%读入图片
n=input('
请输入均值滤波器模板大小\n'
imshow(h),title('
原始图象'
%显示原始图象
g=imnoise(h,'
gaussian'
0.1,0.002);
%加入高斯噪声
imshow(g),title('
加入高斯噪声之后的图象'
%显示加入高斯噪声之后的图象
a(1:
n,1:
n)=1;
p=size(h);
x1=double(h);
x2=x1;
fori=1:
p
(1)-n+1
forj=1:
p
(2)-n+1
c=x1(i:
i+(n-1),j:
j+(n-1)).*a;
%取出x1中从(i,j)开始的n行n列元素
%与模板相乘
s=sum(sum(c));
%求c矩阵(即模板)中各元素之和
x2(i+(n-1)/2,j+(n-1)/2)=s/(n*n);
%将模板各元素的均值赋给模板中心位
%置的元素
end
end
d=uint8(x2);
%未被赋值的元素取原值
imshow(d),title('
自编程序滤波图像'
%显示滤波后的图象
4)拉普拉斯滤波
f=imread('
imshow(f),title('
%显示原始图象
[h,w]=size(f);
%求得原图像的尺寸
x1=double(f);
%依次对每个图像元素进行操作
fori=2:
h-1
forj=2:
w-1
x2(i,j)=x1(i+1,j)+x1(i-1,j)+x1(i,j-1)+x1(i,j+1)-4*x1(i,j);
拉普拉斯处理后的图像'
%显示锐化后的图象
x3=x1;
x3(i,j)=5*x1(i,j)-(x1(i+1,j)+x1(i-1,j)+x1(i,j-1)+x1(i,j+1));
%
e=uint8(x3);
imshow(e),title('
拉普拉斯增强图像'
%显示拉普拉斯滤波后的图象
5)直方图均衡化
closeall
tu=imread('
graydis=zeros(1,256);
%设置矩阵大小
graydispro=zeros(1,256);
new_graydis=zeros(1,256);
new_graydispro=zeros(1,256);
[hw]=size(tu);
new_tu=zeros(h,w);
%计算原始直方图各灰度级像素个数graydis
forx=1:
h
fory=1:
w
graydis(1,tu(x,y))=graydis(1,tu(x,y))+1;
%计算原始直方图graydispro
graydispro=graydis./sum(graydis);
plot(graydispro);
灰度直方图'
xlabel('
灰度值'
ylabel('
像素的概率密度'
%计算原始累计直方图
256
graydispro(1,i)=graydispro(1,i)+graydispro(1,i-1);
%计算和原始灰度对应的新的灰度t[],建立映射关系
t(1,i)=floor(254*graydispro(1,i)+0.5);
%统计新直方图各灰度级像素个数new_graydis
new_graydis(1,t(1,i)+1)=new_graydis(1,t(1,i)+1)+graydis(1,i);
%计算新的灰度直方图new_graydispro
new_graydispro=new_graydis./sum(new_graydis);
plot(new_graydispro);
均衡化后的灰度直方图'
%计算直方图均衡后的新图new_tu
new_tu(x,y)=t(1,tu(x,y));
imshow(tu,[]);
imshow(new_tu,[]);
直方图均衡化后的图'
%显示直方图均衡化后的图
实验二图像分割实验
1)理解图像分割的基本概念;
2)理解图像边缘提取的基本概念;
3)掌握进行边缘提取的基本方法;
4)掌握用阈值法进行图像分割的基本方法。
1)实现边缘检测算法。
2)实现用Hough变换检测直线的算法。
2)检测图像的边缘
3)实现Hough变换,检测出图像中的直线的方程
4)输出结果
4、实验具体操作及结果
1)边缘检测
a=imread('
\图像\IPT\2.jpg'
f=rgb2gray(a);
%将彩色图像转换成灰色图像
%Roberts算子处理图像
x2(i,j)=x1(i+1,j+1)+x1(i+1,j)-x1(i,j+1)-x1(i,j);
Roberts处理后的图像'
%显示Roberts处理后的图像
%Sobel算子处理图像'
x3(i,j)=2*x1(i+1,j)+x1(i+1,j+1)+x1(i+1,j-1)+x1(i-1,j+1)+2*x1(i,j+1)+x1(i+1,j+1)-(2*x1(i-1,j-1)+2*x1(i-1,j)+x1(i-1,j+1)+2*x1(i,j-1)+x1(i+1,j-1));
Sobel处理后的图像'
%显示Sobel处理后的图像
%拉普拉斯处理图像
x4=x1;
x4(i,j)=8*x1(i,j)-(x1(i+1,j)+x1(i+1,j+1)+x1(i+1,j-1)+x1(i-1,j-1)+x1(i-1,j+1)+x1(i-1,j)+x1(i,j-1)+x1(i,j+1));
c=uint8(x4);
imshow(c),title('
%显示拉普拉斯处理后的图像
2)Hough变换
sourcePic=imread('
\图像\IPT\3.jpg'
%读入图片
[height,width,l]=size(sourcePic);
grayPic=zeros(height,width);
%转换成灰度图象
height
width
grayPic(i,j)=(sourcePic(i,j,1)+sourcePic(i,j,2)+sourcePic(i,j,3))/3;
%log算子的计算值
logNum=0;
edgePic=zeros(height,width);
fori=3:
height-2%log算子提取边界
forj=3:
width-2
logNum=16*grayPic(i,j)-grayPic(i-2,j)-grayPic(i-1,j-1)-2*grayPic(i-1,j)-grayPic(i-1,j+1)-grayPic(i,j-2)-2*grayPic(i,j-1)-2*grayPic(i,j+1)-grayPic(i,j+2)-grayPic(i+1,j-1)-2*grayPic(i+1,j)-grayPic(i+1,j+1)-grayPic(i+2,j);
if(logNum>
0)
edgePic(i,j)=255;
else
edgePic(i,j)=0;
end
imshow(edgePic),title('
经过log处理后图象'
%显示log处理后图象
%Hough变换检测直线,g(x)=(a,p)为边界点对应的平面
ma=180;
%a的值为0到180度
mp=round(sqrt(height^2+width^2));
%对应P的最大值
npc=zeros(ma,2*mp);
%用于记录(a,p)对应的点的个数
npp=cell(ma,2*mp);
%用于记录(a,p)对应的点的坐标
height%计算(a,p)的值,并做相应记录
if(edgePic(i,j)==255)
fork=1:
ma
p=round(i*cos(pi*k/180)+j*sin(pi*k/180));
if(p>
npc(k,mp+p)=npc(k,mp+p)+1;
npp{k,mp+p}=[npp{k,mp+p},[i,j]'
];
else
ap=abs(p)+1;
npc(k,ap)=npc(k,ap)+1;
npp{k,ap}=[npp{k,ap},[i,j]'
end
end
ma%根据(a,p)对应的点的个数,
%用红色标出相应直线
mp*2
if(npc(i,j)>
90)%将提取直线的阈值设为90
lp=npp{i,j};
npc(i,j)
sourcePic(lp(1,k),lp(2,k),1)=255;
sourcePic(lp(1,k),lp(2,k),2)=0;
sourcePic(lp(1,k),lp(2,k),3)=0;
imshow(sourcePic),title('
经过hough变换处理后图象'
%显示检测出直线后的图像
- 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:
- 图像处理报告 正文 图像 处理 报告
![提示](https://static.bdocx.com/images/bang_tan.gif)