《图像处理实例(含matlab代码)》由会员分享，可在线阅读，更多相关《图像处理实例(含matlab代码)（13页珍藏版）》请在金锄头文库上搜索。
1、信号与系统实验报告图像处理学 院： 信息科学与工程学院专 业： 2014级通信工程组 长： * 组 员： *2017.01.02目 录目 录2实验一 图像一的细胞计数3一、实验内容及步骤3二、 Matlab程序代码3三、数据及结果4实验二 图像二的图形结构提取5一、实验内容及步骤5二、Matlab程序代码5三、数据及结果6实验三 图像三的图形结构提取7一、实验内容及步骤7二、Matlab程序代码7三、数据及结果8实验四 图像四的傅里叶变化及巴特沃斯低通滤波9一、实验内容及步骤9二、Matlab程序代码9三、数据及结果10实验五 图像五的空间域滤波与频域滤波11一、实验内容及步骤11二、Matl
2、ab程序代码11三、数据及结果12实验一 图像一的细胞计数一、实验内容及步骤 将该图形进行一系列处理，计算得到途中清晰可见细胞的个数。 首先，由于原图为RGB三色图像处理起来较为麻烦，所以转为灰度图，再进行二值化化为黑白图像，得到二值化图像之后进行中值滤波得到细胞分布的初步图像，为了方便计数对图像取反，这时进行一次计数，发现得到的个数远远多于实际个数，这时在进行一次中值滤波，去掉一些不清晰的像素点，剩下的应该为较为清晰的细胞个数，再次计数得到大致结果。2、 Matlab程序代码clear;close all;Image = imread(1.jpg);figure,imshow(Image),
3、title(原图); Image=rgb2gray(Image);figure,imshow(Image),title(灰度图);Theshold = graythresh(Image);Image_BW = im2bw(Image,Theshold);Reverse_Image_BW22=Image_BW;figure,imshow(Image_BW),title(二值化图像);Image_BW_medfilt= medfilt2(Image_BW,3 3);figure,imshow(Image_BW_medfilt),title(中值滤波后的二值化图像);Reverse_Image_BW
4、 = Image_BW_medfilt;figure,imshow(Reverse_Image_BW),title(图象取反);Image_BW_medfilt2= medfilt2(Reverse_Image_BW,20 20);figure,imshow(Image_BW_medfilt2),title(第二次中值滤波的二值化图像);Label, Number=bwlabel(Image_BW_medfilt,8);NumberLabel, Number=bwlabel(Image_BW_medfilt2,8);Number三、数据及结果 原图 灰度图 二值化图像 中值滤波后的二值化图像
5、图像取反 第二次中值滤波的二值化图像结果： 经过一次中值滤波得到的细胞个数为：1498个。 经过第二次中值滤波去掉不清晰的细胞得到的细胞个数为211个。实验二 图像二的图形结构提取一、实验内容及步骤 将该图形进行一系列处理，得到该生物模糊部分的大致结构。 首先，将原图转为灰度图，再进行图像锐化，突出图像的各个边界部分，然后进行二值化得到二值化图像，之后进行图像边界的提取，提取之后由于边界像素点不够连续，所以再进行一次闭运算用以连接边界，得到结果图像。二、Matlab程序代码clear;close all;Image = imread(2.jpg);figure,imshow(Image),ti
6、tle(原图);Image=rgb2gray(Image);figure,imshow(Image),title(灰度图);w4 = 1 1 1;1 -8 1;1 1 1 ;Image = im2double(Image);K=imfilter(Image,w4,replicate);KN = Image - K;figure,imshow(KN),title(ruihua);KN=imclose(KN,strel(rectangle,2,2);KN=imopen(KN,strel(rectangle,2,2);Theshold = graythresh(KN);Image_BW = im2b
7、w(Image,Theshold);Reverse_Image_BW22=Image_BW;figure,imshow(Image_BW),title(初次二值化图像);BW2 = bwmorph(Image_BW,remove);figure,imshow(BW2),title(边界图像);BW3 = imclose(BW2,strel(rectangle,10,10);figure,imshow(BW3),title(闭运算);三、数据及结果 原图 灰度图 锐化图像 二值化图像 边界图像 闭运算后得到结果实验三 图像三的图形结构提取一、实验内容及步骤 操作方法及目的同实验二，将该图形进行一
8、系列处理，得到该生物模糊部分的大致结构。 首先，将原图转为灰度图，再进行图像锐化，突出图像的各个边界部分，然后进行二值化得到二值化图像，之后进行图像边界的提取，提取之后由于边界像素点不够连续，所以再进行一次闭运算用以连接边界，得到结果图像。二、Matlab程序代码clear;close all;Image = imread(3.jpg);figure,imshow(Image),title(原图);Image=rgb2gray(Image);figure,imshow(Image),title(灰度图);w4 = 1 1 1;1 -8 1;1 1 1 ;Image = im2double(Im
9、age);K=imfilter(Image,w4,replicate);KN = Image - K;figure,imshow(KN),title(ruihua);KN=imclose(KN,strel(rectangle,2,2);KN=imopen(KN,strel(rectangle,2,2);Theshold = graythresh(KN);Image_BW = im2bw(Image,Theshold);Reverse_Image_BW22=Image_BW;figure,imshow(Image_BW),title(初次二值化图像);BW2 = bwmorph(Image_BW
10、,remove);figure,imshow(BW2),title(边界图像);BW3 = imclose(BW2,strel(rectangle,10,10);figure,imshow(BW3),title(闭运算);三、数据及结果 原图 灰度图 锐化图像 二值化图像 边界图像 闭运算后得到结果实验四 图像四的傅里叶变化及巴特沃斯低通滤波一、实验内容及步骤 首先，为方便处理将原图转为灰度图，然后进行图像的傅里叶变换，得到傅里叶变换后的图像，之后进行巴特沃斯低通滤波，得到滤波后的图像以及滤波后的傅里叶变换图像。二、Matlab程序代码I1=imread(4.jpg);I1=rgb2gray(
11、I1); subplot(221),imshow(I1);xlabel(a)原始图像);f=double(I1);g=fft2(f);g=fftshift(g);%F2=log(abs(g);subplot(222),imshow(F2,InitialMagnification,fit);colormap(jet);colorbar xlabel(b)原始图像的傅里叶变换图像);N1,N2=size(g);n=2;d0=5;n1=fix(N1/2);n2=fix(N2/2);for i=1:N1 for j=1:N2 d=sqrt(i-n1)2+(j-n2)2);if d=0h=0;elseh
12、=1/(1+(d/d0)(2*n);endresult(i,j)=h*g(i,j);endendF3=log(abs(result); subplot(223),imshow(F3,InitialMagnification,fit);colormap(jet);colorbar xlabel(c)滤波后的傅里叶变换图像)result=ifftshift(result);X2=ifft2(result);X3=uint8(real(X2);subplot(224),imshow(X3)xlabel(d)Butterworth低通滤波图像);三、数据及结果结论： 通过图b我们可以看出图像的能量主要
13、集中在低频部分，高频中存在少量的能量，经过了低通滤波之后，图像变得模糊，这时通过图c我们可以发现高频部分已经被滤去，图像上只剩下了低频成分。实验五 图像五的空间域滤波与频域滤波一、实验内容及步骤 该实验分别对此图形进行空间域的滤波以及频域上的滤波，观察实验结果。首先，进行空间域上的滤波，为了能更好的观察滤波效果，先对图像添加较为密集的高斯噪声，然后分别进行均值滤波，高斯滤波以及拉普拉斯滤波，并观察实验结果。其次，进行频域的滤波，同样为了能更好的观察滤波效果，先对图像添加较为密集的高斯噪声，然后分别进行理想低通滤波以及高斯低通滤波，并观察实验结果。二、Matlab程序代码%空间域滤波 clc;close all; I1=imread(4.jpg); I=im
