1、原图像B=rgb2gray（A）;subplot（2,3,2）;imshow（B）;原图像灰度图像C=FFT2（B）;subplot（2,3,3）;imagesc（abs（C）,0 2000）;傅里叶变换图像 subplot（2,3,4）;imshow（log（1+abs（C）,0 10）;增强% subplot（2,2,3）;imshow（F.*F）,0 10）;subplot（2,3,5）;imshow（fftshift（C）;移位图像D=ifft（double（B）;subplot（2,3,6）;imshow（D）;傅里叶反变换图像【实验结果】：移宜囲傑條里叶反驾拽團像实验二：图像处理基
2、础及图像变换（二） 掌握使用 Matlab 进行图像处理的基本知识，掌握对图像进行变换的方法， 观察图像变换的效果，加深对图像变换知识的理解。 离散余弦变换，小波变换1、离散余弦变换 （dct2）2）对图像做离散余弦变换，观察图像的原始频谱。3）对离散余弦变换的进行移动，观察移位以后的频谱。5）对图像的离散余弦变换进行逆变换， 比较原始图像和经过离散余弦变换和逆变换以后获得 的图像。6）比较离散余弦变换和傅立叶变换的频谱。2、小波变换 （wavefast, wave2gray, waveback）2）对图像做小波变换，观察在不同小波族的图像。3）观察小波分析系数。4）观察在不同尺度小的小波变换
3、的图像。5）对图像的小波变换进行逆变换，比较原始图像和进行小波变换和逆变换以后获得的图像6）修改小波分析系数观察，再进行逆变换，并与原始图像进行对比。（1）离散余弦变换 close all;RGB=imread（Fig6.08.jpg subplot（2,3,1）;imshow（RGB）; 原图像 I=rgb2gray（RGB）; subplot（2,3,2）;imshow（I）; 灰度图像 J=dct2（I）; subplot（2,3,3）;imshow（J）; 二维离散余弦变换图像 imshow（log（1+abs（J）,0 10）; 增强图像 % subplot（2,2,4）; subp
4、lot（2,3,5）;imshow（fftshift（J）; 移位图像 K=idct2（J）/255; subplot（2,3,6）;imshow（K）; 二维离散余弦反变换图像 （2）小波变换 close all; B=rgb2gray（A）; 原图像灰度图像 a,b=wavefast（B,1,db4% 小波变换wave2gray（a,b）;小波一层变换）; 小波灰度变换 a1,b1=wavefast（B,2,subplot（2,3,4）;wave2gray（a1,b1）; 小波二层变换F=waveback（a,b,imshow（uint8（F）;小波反变换 （1）离散余弦变换（2 ）小波变
5、换小液一屋变找小帙二层变按小玄反变换实验三：图像的灰度变换和直方图的规定化【实验目的】 ：了解对图象进行增强以及对退化图像恢复的基本理论， 学会使用灰度变换和 直方图的规定化增强图像。 灰度变换，直方图规定化。1、灰度变换（ imadjust ）1）调入原始图像文件。2）采用不同的灰度映射曲线对图像进行灰度变换。3） 采用 matlab 工具箱提供的函数对图像进行灰度变换。4）比较不同方法对图像进行灰度变换的效果。2、直方图的规定化（ imhist ，bar ， stem ， histeq ）2）采用不同的方法绘制原始图象的直方图。3）采用组映射规则对图像进行直方图的规定化。4） 采用 mat
6、lab 工具箱提供的函数对图像进行灰度变换。5）观察采用不同方法对原始图像进行直方图的规定化获得的图像效果。（1）灰度变换 close all; clear all;I=imread（J=rgb2gray（I）; 原图像灰度图 像K=imadjust（J,0.3 0.7,）; 变换图 M=imadjust（J,0.2 0.4,）;imshow（M）; 原 图 像 灰 度 变换图 2N=imadjust（J,0.3 0.7,0.1 0.8）;imshow（N）; 原 图 像 灰 度 变换图 3L=imadjust（J,0.2 0.4,0.3 0.7）;imshow（L）; 原图像灰度变 换图 4
7、实验结果】图1.灰度变换图:图2.规定直方图系列图像实验四：噪声及其描述 掌握图象退化的基本理论，理解噪声的统计特性，掌握噪声的描述。 噪声及其描述，包括高斯噪声、椒噪声、盐噪声、泊松噪声。【步骤】：1） 调入原始图像文件。2） 在原始图象中加入高斯噪声，观察在不同均值和期望下的加噪图像与原始图像的效果。3） 在原始图像中加入椒盐噪声，观察在不同噪声密度下的加噪图像与原始图像的效果。4） 在原始图像中仅加入椒噪声，观察在不同噪声密度下的加噪图像与原始图像的效果。5） 在原始图像中仅加入盐噪声，观察在不同噪声密度下的加噪图像与原始图像的差效果另阮6） 在原始图像中加入泊松噪声，观察加噪图像与原始
8、图像的效果。7） 比较在不同噪声下的加噪图像和原始图像的差别。clear all泊松噪声实验内容】：均值滤波器、中值滤波器、最大 / 小值滤波器、混合滤波器、组合滤波器理解空域滤波器模板的运算过程， 以及对图像的增强能力。实验五：空域滤波器对比并掌握不同滤波器对噪声的处理能力【实验方法】：空域滤波器（2）对原始图像和加噪图像进行3）对原始图像和加噪图像进行4）改变均值滤波器的权重系数，filter2 ， medfilt2 ， adpmedian ）4 领域均值滤波，观察对原始图像和加噪图像的效果。8 领域均值滤波，观察对原始图像和加噪图像的效果。对原始图像和加噪图像进行滤波， 观察原始图像和加
9、噪图像 的效果。5）对原始图像和加噪图像进行中值滤波，观察对原始图像和加噪图像的效果。6）对原始图像和加噪图像进行最大值滤波，观察对原始图像和加噪图像的效果。7）对原始图像和加噪图像进行最小值滤波，观察对原始图像和加噪图像的效果。8）对原始图像和加噪图像进中点滤波，观察对原始图像和加噪图像的效果。9）对原始图像和加噪图像进行混合滤波，观察对原始图像和加噪图像的效果。10）对原始图像和加噪图像进行自适应滤波，观察对原始图像和加噪图像的效果。11）比较不同的空域滤波器对原始图像和不同的加噪图像处理的差别。2）二维线性滤波 （1） 4、8临域滤波自适应滤波实验六：频域滤波器实验目的： 理解频率滤波器
10、的频谱图， 学会对图像进行频域分析， 并使用滤波器对图像进行 处理，掌握不同滤波器对噪声的处理能力以及对图像的增强能力。实验内容： 低通滤波器、高通滤波器、带通滤波器、带阻滤波器 实验方法：频域滤波器（ lpfilter ， Hpfilter ， ifft2 ， dftfilt ） 步骤：2）观察理想低通滤波器、高斯低通滤波器、巴特沃斯低通滤波器的频谱。3）对原始图像和加噪图像分别采用理想低通滤波器、 高斯低通滤波器、 巴特沃斯低通滤波器 进行滤波，观察对原始图像和加噪图像的效果。4）观察理想高通滤波器、高斯高通滤波器、巴特沃斯高通滤波器的频谱。5）对原始图像和加噪图像分别采用理想高通滤波器、
11、 高斯高通滤波器、 巴特沃斯高通滤波器 进行滤波，观察对原始图像和加噪图像的效果。6）观察高斯带通滤波器、巴特沃斯带通滤波器的频谱。7）对原始图像和加噪图像分别采用高斯带通滤波器、 巴特沃斯带通滤波器进行滤波， 观察对 原始图像和加噪图像的效果。8）观察高斯带阻滤波器、巴特沃斯带阻滤波器的频谱。9）对原始图像和加噪图像分别采用高斯带阻滤波器、 巴特沃斯带阻滤波器进行滤波， 观察对 原始图像和加噪图像的效果。10）比较不同的频域滤波器对原始图像和不同的加噪图像处理的差别。【实验结果】1、低通滤波原图俊灰度图诩加期抚哽声石的图朦匣图傩理患底遐號渡訥扇图像理想低锂聽慑2、高通滤波原圈朦高斯低進減坡原
12、图熾巴特试斯低通谑泯加噪图像巴特说斯址通漑波廷:梅高迪滤潼頻谱原阳诵逗想高適懑渡抚嗥图廉理寒高通滤被高斯蛊逍涯波惡谐忑圈懐高斯蛊逋滤波加嗥图陵畫斯高進滤波巴特饭斯高過歳波疑谱怎图爛巴特歩斯高通滤波加嗥图像巴特扳斯高運虑被实验七：图像压缩技术（一）掌握图像压缩的基本理论， 理解图像压缩的系统基本结构， 加深对图像处理 中像素间冗余、 编码冗余和视觉冗余的理解， 以及会正确使用不同的压缩方法对不同冗余的 压缩处理。 图像压缩中相关概念，哈夫曼编解码。一、图像压缩中相关概念（ hist， entropy， imratio ）2）分析并获得灰度直方图。3）计算一阶熵估计。4）计算压缩比。二、哈夫曼编解
13、码（ huffman ， mat2huff ， huff2mat ）3）对灰度直方图进行哈夫曼编码。4）利用 mat2huff 直接对图像进行哈夫曼编码。5）比较采用对直方图进行哈夫曼编码和 mat2huff 编码的图像质量、压缩比、编码数值、以 及计算一阶熵估计7）对编码是数据进行解码，比较原始数据和经过编解码以后的数据【实验程序】1、灰度直方图 close all;subplot（4,2,1）; J=rgb2gray（I）;subplot（4,2,2）;F=FFT2（double（J）;% 傅里叶变换F1=fftshift（F）;% 傅里叶变换平移T=imhist（J）; subplot（
14、4,2,3）;bar（T）; 直方图 1 subplot（4,2,4）;stem（T）; 直方图 2y=0:250;K=histeq（J,y）;subplot（4,2,5）; 规定化后的图像 subplot（4,2,6）;imhist（K）; 规定化后直方图 h = entropy（sobel, 100）;% 熵函数 ;soble 为矩阵 h1=F1.*h;H1=ifftshift（h1）;ha=ifft2（H1）; subplot（4,2,7）;imshow（uint8（ha）; 熵 2、哈夫曼编解码subplot（3,2,1）;subplot（3,2,2）;subplot（3,2,3）;
15、灰度直方图 1F=FFT2（double（T）;subplot（3,2,4）;Z=0:K=histeq（J,Z）; subplot（3,2,5）;H= huffman（50）;% 哈夫曼编码 h1=F1.*H; subplot（3,2,6）;huffman 哈夫曼编码 x=1 2 3 ; 4 5 6y = mat2huff（x）;L1=F1.*y;L2=ifftshift（L1）;la=ifft2（L2）;subplot（3,2,7）;imshow（L1）; 哈夫曼编码 1、 灰度直方图自方图210000 牌程比启百施5 3002、哈弗曼编码实验八：图像压缩技术（二） 掌握图像压缩的基本理论，
16、 理解图像压缩的系统基本结构， 加深对图像处理中像 素间冗余、 编码冗余和视觉冗余的理解， 以及会正确使用不同的压缩方法对不同冗余的压缩 处理。 无损预测编解码，混和编解码。实验方法： 三、无损预测编解码（ mat2lpc， lpc2mat）2）对图像数据进行一阶线性无损预测编码。3）比较原始图像和编码后的图像质量以及压缩比。4）对编码是数据进行解码，比较原始数据和经过编解码以后的数据。5）比较采用哈夫曼编解码和无损预测编解码的异同和作用。四、 混和编解码 （ quantize， compare）2）对原始图像进行量化。3）对量化以后的数据进行无损预测编码。4）对无损预测编码数据进行哈夫曼编码。5）计算压缩比，观察图像质量以及计算一阶熵估计。6） 通过哈夫曼解码和无损预测解码获得图像。比较原始图像。7）比较原始图像和经过压缩解压缩以后的图像。原图像 Fig8.32.jpgF=FFT2（double（A）;x=2,2;y = mat2lpc（x, 1）;C=F1.*y;D=ifftshift（D）;E=ifft2（D）;imshow（uint8（E）;
