1、合工大图像处理 合肥工业大学数字图象处理实验（刘强）第一章 MATLAB简介及图像基本运算1编写程序add.m， subtract.m, immultiply.m文件分别实现两幅图像的加，减、乘2.从矩阵的角度编写程序实现图像的加法运算得到混合图像，然后将混合图像与背景图像做减法运算。3.编写程序实现图像的局部显示4.使用subplot函数实现多图像的显示i=imread(图片3.png);%改成你的图片 注意这两张图片的大小要一致，否则会出现X与Y不一样的错误j=imread(图片3.png);%改成你的图片k1=imadd(i,j);subplot(2,2,1),imshow(k1),ti
2、tle(加法运算);k2=imsubtract(i,j);subplot(2,2,2),imshow(k2),title(减法运算);k3=immultiply(i,j);subplot(2,2,3),imshow(k3),title(乘法运算);B=zeros(300,300); B(40:200,40:200)=1;k4=imsubtract(k1,j);subplot(2,2,4),imshow(k4),title(先加后减)B1=uint8(B);k5=immultiply(k4,B1);figure,imshow(k5),title(局部显示)生成图像 实验二 图像变换 1.选取一幅
3、图像，编程并实现图像的频率位移，移到窗口中央。选取一幅图像，进行离散傅里叶变换，再对其进行一定角度的旋转，进行离散傅里叶变换。I=zeros(256,256);I(88:168,124:132)=1; %产生图像256*256的图像J=fft2(I);F=abs(J);J1=fftshift(F);subplot(2,2,1),imshow(J1,5 50),title(将原始图形放在中央);%对原始图像进行旋转J=imrotate(I,90,bilinear,crop);subplot(2,2,2),imshow(J),title(原始图像旋转90度);%求旋转后图像的傅里叶频谱J1=fft
4、2(J);F=abs(J1);J2=fftshift(F);subplot(2,2,3),imshow(J2,5 50),title(旋转90度后的频谱图)生成图像2.对图像进行离散余弦变换，观察其余弦变换系数及余弦反变换后恢复图像。第三章 图像的灰度运算1.对一灰度图像，通过选择不同的灰度级变换函数s=T(r)实现图像的灰度范围线性扩展和非线性扩展，以及图像的灰度倒置和二值化。I=imread(图片3.png);figure;subplot(2,3,1);imshow(I);title(原图);J=imadjust(I,0.3;0.6,0.1;0.9); %设置灰度变换的范围subplot(
5、2,3,2);imshow(J);title(线性扩展);I1=double(I); %将图像转换为double类型I2=I1/255; %归一化此图像C=2;K=C*log(1+I2); %求图像的对数变换subplot(2,3,3);imshow(K);title(非线性扩展);M=im2bw(I,0.5);M=M;%M=255-I; %将此图像取反%Figuresubplot(2,3,4);imshow(M);title(灰度倒置);N1=im2bw(I,0.4); %将此图像二值化，阈值为0.4N2=im2bw(I,0.7); %将此图像二值化，阈值为0.7subplot(2,3,5)
6、;imshow(N1);title(二值化阈值0.4);subplot(2,3,6);imshow(N2);title(二值化阈值0.7);生成图像 第四章 图像增强1.选取一幅图像，加入椒盐噪声，分别用均值滤波和中值滤波进行平滑处理，比较滤波效果I=imread(图片3.png);J = imnoise(I,salt & pepper,0.02); %添加椒盐噪声 ave1=fspecial(average,3); %产生33的均值模版%ave2=fspecial(average,5); %产生55的均值模版K = filter2(ave1,J)/255; %均值滤波33%M = medfi
7、lt2(J,3 3); %中值滤波33模板N = medfilt2(J,4 4); %中值滤波44模板subplot(2,2,1),imshow(I),title(原始图像);subplot(2,2,2),imshow(J),title(加椒盐噪声);subplot(2,2,3),imshow(K),title(均值滤波图像);subplot(2,2,4),imshow(N),title(中值滤波图像);生成图像2.选取一幅含高斯噪声图像，用巴特沃斯低通，指数低通和梯形低通处理该图像。I,map= imread(图片3.png);noisy = imnoise(I,gaussian,0.01)
8、;imshow(noisy,map) ;M N= size(I);F= fft2(noisy);fftshift(F);Dcut = 100;D0 = 150;D1= 250;for u=1:Mfor v=1:ND(u,v)=sqrt(u2 + v2);BUTTERH(u,v)=1/(1+ (sqrt(2)-1) * (D(u,v)/Dcut) 2);EXPOTH(u,v) = exp(log(1/sqrt(2)*(D(u,v)/Dcut)2);if D(u,v)D0TRAPEH(u,v) = 1;elseif D(u,v)=D1TRAPEH(u,v) =(D(u,v)-D1)/(D0-D1)
9、;else TRAPEH(u,v)= 0;endendendBUTTERG=BUTTERH.*F;BUTTERfiltered = ifft2(BUTTERG) ;EXPOTG=EXPOTH.*F;EXPOTGfiltered = ifft2(EXPOTG) ;TRAPEG = TRAPEH.* F;TRAPEfiltered = ifft2(TRAPEG) ;subplot(2,2,1),imshow(noisy);title(高斯噪声);subplot(2,2,2),imshow(BUTTERfiltered,map);title(巴特沃斯低通滤波);subplot(2,2,3),imsh
10、ow(EXPOTGfiltered,map);title(指数型低通滤波);subplot(2,2,4),imshow(TRAPEfiltered,map);title(梯形低通滤波);生成图像3.选取一幅图像，采用sobel算子，prewitt算子和拉普拉斯算子对图像进行锐化处理I=imread(图片3.png); subplot(2,3,1),imshow(I);title(原图像);%显示原图像 H=fspecial(sobel); %应用sobel算子锐化图像 I2=filter2(H,I); %sobel算子滤波锐化 subplot(2,3,2);imshow(I2);%显示sobe
11、l算子锐化图像title(sobel算子锐化图像); I=double(I);h=0,1,0,1,-4,1,0,1,0;J=conv2(I,h,same);%K=I-J;subplot(2,3,3),imshow(J);title(laplace算子锐化图像); I=double(I);h1=1,0,-1,1,0,-1,1,0,-1;J1=conv2(I,h1,same);%K=I-J;subplot(2,3,4),imshow(J1);title(prewitt算子锐化图像); 生成图像 第五章 图像分割1.选取一幅图像，用Sobel,Roberts,Prewitt,LOG,Canny算子进
12、行边缘检测，观察效果f=imread(图片3.png);%gv,t1=edge(f,sobel);%使用edge函数对图像f提取垂直的边缘gv=edge(f,sobel);subplot(2,3,1),imshow(gv);title(sobel算子提取边缘); f=imread(图片3.png);%gv,t1=edge(f,roberts);%使用edge函数对图像f提取垂直的边缘gv=edge(f,roberts);subplot(2,3,2),imshow(gv);title(roberts算子提取边缘); f=imread(图片3.png);%gv,t1=edge(f,prewitt)
13、;%使用edge函数对图像f提取垂直的边缘gv=edge(f,prewitt);subplot(2,3,3),imshow(gv);title(prewitt算子提取边缘); f=imread(图片3.png);%gv,t1=edge(f,log);%使用edge函数对图像f提取垂直的边缘gv=edge(f,log);subplot(2,3,4),imshow(gv);title(log算子提取边缘); f=imread(图片3.png);%gv,t1=edge(f,canny);%使用edge函数对图像f提取垂直的边缘gv=edge(f,canny);subplot(2,3,5),imshow(gv);title(cannny算子提取边缘); 生成图像
