《数字图像处理实验考试题型》由会员分享，可在线阅读，更多相关《数字图像处理实验考试题型（25页珍藏版）》请在金锄头文库上搜索。
1、【matlab 数字图像处理实验】图像基本操作学习在 MATLAB 环境下对图像文件的基本操作，为读取各种格式的图像文件和 后续进行的图像处理打下基础。实验内容实验内容1. 读出 MATLAB 目录下图像文件并进行旋转、加亮、取反、多幅图片显示 等操作。 2. 将 MATLAB 目录下图像文件读出，显示它的图像及灰度直方图并进行直 方图衡化。实验结果实验结果1. 读取和显示 I=imread(rice.tif); imshow(I);2. 加亮 I=imread(rice.tif); K=I+80;imshow(K);3. 取反 I=imread(rice.tif); J=imcompleme
2、nt(I); imshow(J);4. 翻转 I=imread(rice.tif); K=imrotate(I,45);imshow(K);5. 图片信息 whos I6. 图片大小 I=imread(rice.tif); size(I); M,N = size(I) 7. 彩色到黑白 I=imread(lene.jpg); K=rgb2gray(I); subplot(1,2,1),imshow(I)； title(原始图像) subplot(1,2,2),imshow(K); title(黑白图像)8. 直方图均衡化 I=imread(rice.tif); subplot(2,2,1),i
3、mshow(I) title(原始图像) subplot(2,2,3),imhist(I) title(原始图像直方图) a=histeq(I,256); %直方图均衡化，灰度级为 256 subplot(2,2,2),imshow(a) %输出均衡化后图像 title(均衡化后图像) subplot(2,2,4),imhist(a)title(均衡化后图像直方图)小结小结在后续的图像处理中，size()函数在图像点运算，比如域值化以及线性 处理中有特别作 用。subplot(,),imshow()函数用于多幅图像的显示，而单独显示则使 用 figure，imshow()。直方图是灰度级数的函
4、数，反映了图像中具有该灰度级数的像素的个数。 直方图均衡化就是把原图像的灰度直方图从比较集中的某个区间变成在 全部灰度范围内的均匀分布。均衡化后图像的像素重新分配，使一定会 度范围内的像素数量大致相同。图像的亮度变得更亮 了，增强了图像的整体效果。均衡化后直方图趋于平坦化，灰度间隔（动态范围）拉大，对比度加强， 图像清晰，便 于读取、分析和处理。【matlab 数字图像处理实验】图像点运算 实验内容： 1图像代数运算,包括加、减代数运算。 2. 对图像进行域值滤波、线性变换并理解和观察对应的直方图。实验结果实验结果1. 图像代数运算 I=imread(lene.jpg);J=rgb2gray(
5、I); K=histeq(J,256); subplot(2,2,1),imshow(J); title(原始图像 J) subplot(2,2,2),imshow(K); title(直方图均衡化图像 K) G=double(J)-double(K); subplot(2,2,3),imshow(uint8(G)；title(J-K) H=double(K)+double(J); subplot(2,2,4),imshow(uint8(H); title(J-K)2. 域值滤波 I=imread(rice.tif);%读取图像 subplot(2,2,1),imshow(I) %输出图像 t
6、itle(原始图像) %在原始图像中加标题 subplot(2,2,2),imhist(I) %输出原图直方图 title(原始图像直方图) %在原图直方图上加标题 M,N=size(I); K=zeros(256); for i=1:M for j=1:N if(I(i,j)105)K(i,j)=0.2; else K(i,j)=230; end end end J=uint8(K); subplot(2,2,3),imshow(K); title(域值滤波图象); subplot(2,2,4),imhist(J); title(域值滤波直方图);3. 线性变换 I=imread(rice.
7、tif);%读取图像 subplot(2,2,1),imshow(I) %输出图像 title(原始图像) %在原始图像中加标题 subplot(2,2,2),imhist(I) %输出原图直方图 title(原始图像直方图) %在原图直方图上加标题 M,N=size(I); vMax = max(max(I); vMin = min(min(I); K=zeros(256);for i=1:256 for j=1:256 K(i,j)=double(I(i,j)*1.6-62; end end J=uint8(K); subplot(2,2,3),imshow(J); title(线性变换图
8、象); subplot(2,2,4),imhist(J); title(线性变换直方图);小结小结 若要对两幅图像进行代数运算，要求两幅图像的尺寸相同。加法：对同一场景的多幅图像求平均值或者将一幅图像的内容叠加到另 一幅图像上去，实现二次曝光。减法：可以去除一幅图像中的所不需要 的加性图像或者检测同一场景的两幅图像之 间的变化。根据图像直方图的观察发现，在 105 左右的灰度级处直方图发生明显变 化，图像类似马鞍，这时候可采用域值滤波的方法进行处理。如图，处 理后米粒非常明显，清晰可见。这种方法在面 对类似的直方图的时候可以应用。图像的线性化处理可以加大图像动态范围，扩展对比度，使图像清晰，
9、特征明显，大大改善人眼的视觉效果。在实验结果的直方图我们可以看出，线性化处理以后图像的范围明显增 大，图像中米粒的形象更加逼真，满足了我们的视觉要求。另外，在线 性化处理过程中，各个参数要根据新的直方图以及图像效果进行调整， 直到满意再最后确定。没有一个公式的参数是固定不变的。【matlab 数字图像处理实验数字图像处理实验】图像的增强图像的增强实验内容 1给图像加入高斯噪声、椒盐噪声。 2. 对加入噪声的图像进行平滑处理，并比较各种方法以及模版的异同、优缺。 3. 利用锐化模板对图像进行锐化处理。实验结果实验结果1. 加入噪声 I=imread(lene.jpg);%读取图像 K=rgb2g
10、ray(I); J=imnoise(K,gaussian,0,0.01);%给图像加高斯噪声 subplot(1,2,1);imshow(J); title(加入高斯噪声的图像); H = IMNOISE(K,salt %给图像加椒盐噪声 subplot(1,2,2);imshow(H); title(加入椒盐噪声的图像);2. 图像的平滑 邻域平均模板邻域平均模板加权平均模板加权平均模板3. 邻域平均 M1=(1/4)*0,1,0;1,0,1;0,1,0; M2=(1/8)*1,1,1;1,0,1;1,1,1; L=imfilter(J,M1); G=imfilter(J,M2); subp
11、lot(1,2,1);imshow(L); title(4 邻域平均) subplot(1,2,2);imshow(G);title(8 邻域平均)4. 加权平均 M3=(1/5)*0,1,0;1,1,1;0,1,0; M4=(1/16)*1,2,1;2,4,2;1,2,1; L=imfilter(J,M3); G=imfilter(J,M4); subplot(1,2,1);imshow(L); title(1/5 加权平均) subplot(1,2,2);imshow(G); title(1/16 加权平均)5. 图像的锐化 拉普拉斯模板拉普拉斯模板LaplacianLaplacian 锐
12、化模板锐化模板I=imread(fabric.png);%读取图像 K=rgb2gray(I); M1=0,1,0;1,-4,1;0,1,0; M2=1,1,1;1,-8,1;1,1,1; K=double(K); J=conv2(K,M1,same); %卷积 G=conv2(K,M2,same); F=K-J; E=K-G; figure,imshow(K,), figure,imshow(J), figure,imshow(G), figure,imshow(F,) figure,imshow(E,) 原图像原图像4 4邻域邻域8 8邻域邻域4 4邻域锐化图像邻域锐化图像8 8邻域锐化图
13、像邻域锐化图像小结小结平均滤波和加权滤波的效果都不怎么好，不能完全除去高斯噪声，它们 对椒盐噪声的处理效果比较理想但仍旧存在提升的空间；另外，在对 4 邻域 8 邻域的比较以及 1/5 加权以及 1/16 加权平均的比较可以看出，多 领域的处理效果比较好，但是它的缺点是会引起图像的模糊。可以肯定 的是不同的模版其效果不同，对特定的图像要使用特定的模版。图像变模糊的原因一般为成像系统聚焦不好、信道过窄以及平均过积分 运算。图像的锐化使得目标物轮廓变模糊，细节轮廓不清晰，加重目标 物轮廓，使模糊图像变清晰。拉普拉斯算子是常用的边缘增强算子，拉 普拉斯运算也是偏导数运算的线性组合运算，而且是一种各向
14、同性（旋 转不变性）的线性运算。在比较 4 邻域以及 8 邻域的锐化图像我们可以发现，4 邻域锐化在边缘 以及与原图像的相似程度上都有比较满意的效果，8 邻域锐化在灰度级 对比上比 4 邻域更加优秀，但它的一个缺点是丢失了一部分图像细节， 从而导致图片看起来变得“模糊”。【matlab 数字图像处理实验】边缘检测 实验内容： 1) 边缘检测将图像中各不同区域的边缘(边界)检测出来，以达到检测的目的。 2) 锐化图像 g(m,n)=原图像 f(m,n)+加重的边缘(*微分)。实验结果实验结果1. 常用的梯度算子2. 利用利用 edgeedge 函数实现函数实现 I=imread(fabric.p
15、ng);%读取图像 K=rgb2gray(I); BW1 = edge(K,roberts,0.08); %进行 Roberts 算子边缘检测，门限值采用默认值 BW2 = edge(K,prewitt, 0.05); %进行 Prewitt 算子边缘检测，门限值采用默认值 BW3 = edge(K,sobel, 0.04); %进行 Sobel 算子边缘检测，门限值采用默认值 figure,imshow(BW1,),title(Roberts 算子图像); figure,imshow(BW2,),title(Prewitt 算子图像); figure,imshow(BW3,),title(S
16、obel 算子图像); RobertsRoberts 算子图像算子图像PrewittPrewitt 算子图像算子图像SobelSobel 算子图像算子图像3. 利用模版处理利用模版处理 RobertsRoberts 算子算子 I=imread(fabric.png); K=rgb2gray(I); BW1=1,0;0,-1; BW2=0,1;-1,0; J1=filter2(BW1,K); J2=filter2(BW2,K); K1=double(J1); K2=double(J2); M=(abs(K1) +abs(K2); figure,imshow(uint8(M)PrewittPrewitt 算子算子 I=imread(fabric.png);
