《数字图象处理实验题解析》由会员分享，可在线阅读，更多相关《数字图象处理实验题解析（22页珍藏版）》请在金锄头文库上搜索。
1、数字图象处理,张晓与 地图学与地理信息系统 20120711,A1 编程实现图象同时对比度,d=zeros(32,32); %背景灰度值为0，图像尺寸为32x32 d(13:20,13:20)=2; %中心方块为8x8，灰度值为2 figure; %建立图形窗口 subplot(221); imshow(d,0,5); %显示图像d d=zeros(32,32)+1; %背景灰度值为1，图像尺寸为32x32 d(13:20,13:20)=2; subplot(222); imshow(d,0,5); d=zeros(32,32)+3; %背景灰度值为3，图像尺寸为32x32 d(13:20,1
2、3:20)=2; subplot(223); imshow(d,0,5); d=zeros(32,32)+5; %背景灰度值为5，图像尺寸为32x32， d(13:20,13:20)=2; subplot(224); imshow(d,0,5);,A1 结果,A2 编程实现马赫带效应,clear d=zeros(6,40); %背景灰度值为0，图像尺寸为6x40 d(1:6,1:2)=0; d(1:6,3:4)=1;d(1:6,5:6)=2 d(1:6,7:8)=3;d(1:6,9:10)=4;d(1:6,11:12)=5; d(1:6,13:14)=6;d(1:6,15:16)=7;d(1:
3、6,17:18)=8; d(1:6,19:20)=9;d(1:6,21:22)=10;d(1:6,23:24)=11; d(1:6,25:26)=12;d(1:6,27:28)=13;d(1:6,29:30)=14; d(1:6,31:32)=15;d(1:6,33:34)=16;d(1:6,35:36)=17; d(1:6,37:38)=18;d(1:6,39:40)=19; figure; %显示图形窗口 imshow(d,0,20,notruesize);%显示图形d,B1 编程实现图象读入,计算并显示图象的复利叶功率谱; 进一步实现巴特沃斯高通滤波巴特沃斯低通滤波,A=imread(s
4、hilong.jpg);%图像读入 B=rgb2gray(A);%RGB图像转换灰度图像 subplot(231),imshow(B);title(灰度图像) C=fftshift(fft2(double(B); %显示图像傅立叶频谱 subplot(232),imshow(log(abs(C),);title(傅立叶频谱) %显示图像傅立叶功率谱 subplot(233),imshow(log(abs(C)2),);title(傅立叶功率谱),N1,N2=size(C);%Butterworth高通滤波器 n=2; d0=5; n1=fix(N1/2); n2=fix(N2/2); for
5、i=1:N1for j=1:N2d=sqrt(i-n1)2+(j-n2)2);if d=0h=0;elseh=1/(1+(d0/d)(2*n);endD(i,j)=h*C(i,j);end end E=ifft2(ifftshift(D); F=uint8(real(E); subplot(234),imshow(F);title(Butterworth高通滤波结果,G=imnoise(B,salt title(Butterworth低通滤波结果),B1 结果,B2 编程实现图象的同态滤波,%滤波参数通过键盘输入(Rl=0.5、Rh=2.0) I=imread(shilong.jpg); %装
6、入真彩图 J=rgb2gray(I); %将真彩图转换为灰度图 subplot(121),imshow(J);title(灰度图像); J=double(J); f=fft2(J); %采用傅里叶变换 g=fftshift(f); %数据矩阵平衡M,N=size(f); %进行同态滤波处理 d0=10; Rl=input(请输入Rl=);%低频分量 Rh=input(请输入Rh=);%高频分量 c=4; n1=floor(M/2); n2=floor(N/2);,for i=1:Mfor j=1:Nd=sqrt(i-n1)2+(j-n2)2);h=(Rh-Rl)*(1-exp(-c*(d.2/
7、d0.2)+Rl;g(i,j)=h*g(i,j);end end g=ifftshift(g); g=uint8(real(ifft2(g); subplot(122),imshow(g);title(同态滤波效果);,B2 结 果,C1 编程实现：3x3 平均值滤波及中值滤波 并比较两者的不同,A=imread(shilong.jpg); B=rgb2gray(A); C=imnoise(B,salt title(3*3的中值滤波结果),C1 结果,C1 均值滤波与中值滤波不同：,均值滤波是一种线性平滑滤波；中值滤波是一种非线性平滑滤波。均值滤波对“椒盐”噪声的影响不大,因为在削弱噪声的同时
8、整幅图像内容总体也变得模糊，其噪声仍然存在。中值滤波特点是保边缘，频谱基本不变。对去除“椒盐”噪声可以起到很好的效果,因为椒盐噪声只在画面中的部分点上随机出现,所以根据中值滤波原理可知,通过数据排序的方法,将图像中未被噪声污染的点代替噪声点的值的概率比较大,因此噪声的抑制效果很好,同时画面的轮廓依然比较清晰。均值滤波对高斯噪声的抑制是比较好的,处理后的图像边缘模糊较少。中值滤波对高斯噪声的抑制效果不明显，因为高斯噪声使用随机大小的幅值污染所有的点,所以无论怎样进行数据选择,得到的始终还是被污染的值。总之，均值滤波对高斯噪声有较好的抑制作用，而对于椒盐噪声的处理中值滤波要略微有优势。对于椒盐噪声
9、密度较小时,尤其是孤立噪声点,用中值滤波的效果非常好的。,C2 编程实现RGB与HSI的转换，在此基础上 实现对彩色图像的饱和度、色调的改变,F=imread(shilong.jpg); F=im2double(F); r=F(:,:,1); g=F(:,:,2); b=F(:,:,3);tmp1=0.5*(r-g)+(r-b); tmp2=sqrt(r-g).2+(r-b).*(g-b); theta=acos(tmp1./(tmp2+eps); H=theta; H(bg)=2*pi-H(bg); H=H/(2*pi); S=1-3.*(min(min(r,g),b)./(r+g+b+ep
10、s); I=(r+g+b)/3;hsi=cat(3,H,S,I);,figure,subplot(1,3,1),imshow(H,),title(色度图H); set(gcf,outerposition,get(0,screensize); set(gcf,NumberTitle,off,Name,HSI通道图像); subplot(1,3,2),imshow(S),title(饱和度图S); subplot(1,3,3),imshow(I),title(强度图I);%hsi2rgb HV=hsi(:,:,1)*2*pi; SV=hsi(:,:,2); IV=hsi(:,:,3); R=zer
11、os(size(HV); G=zeros(size(HV); B=zeros(size(HV);%RG Sector id=find(0=HV),%BG Sector id=find(2*pi/3RGB HV=hsi1(:,:,1)*2*pi; SV=hsi1(:,:,2); IV=hsi1(:,:,3); R=zeros(size(HV); G=zeros(size(HV); B=zeros(size(HV);,%RG Sector id=find(0=HV),figure,subplot(1,3,1),imshow(F),title(原图像); set(gcf,outerposition,get(0,screensize); set(gcf,NumberTitle,off,Name,原图、改变色度后HSI颜色模型图像与HSI转RGB通道图像对比); subplot(1,3,2),imshow(hsi1),title(改变色度后的HSI图像); subplot(1,3,3),imshow(C1),title(改变色度后HSI转RGB通道图像);,C2 结果,C2 结果,Thank you,
