《遥感图像处理实验报告_图像的空间域滤波处理》由会员分享，可在线阅读，更多相关《遥感图像处理实验报告_图像的空间域滤波处理（6页珍藏版）》请在金锄头文库上搜索。
1、遥感图像处理实验报告（2013 2014 学年第1学期）实验名称： 图像的空间域滤波处理 实验时间： 实验地点： 指导教师： 专业班级： 姓 名： 学 号： 一：实验目的掌握Matlab编程语言的基本语法掌握Matlab中imread()、imfilter()、imshow()、mat2gray()、等相关函数的用法及意义通过Matlab程序语言完成图像的空间域滤波处理，以达成边缘检测的目的二：实验内容在Matlab中，分别运用经典一阶梯度、Robert算子、Sobel算子、Prewitt算子及Laplacian算子进行目标图像的边缘检测，互相对比实验结果，分析差异三：实验平台Windows
2、7 Ultimate SP1Matlab 2012b四：实验代码及Matlab使用心得（注释中）%清空工作空间clc;%清屏clear all;%关闭所有绘图窗口close all;%定义一个矩阵 I 用来存储待处理图像,用imread()函数读取的数据格式为unit8I = imread(C:UsersAdministratorDesktopMatlabdatabarbara.png);%创建一个绘图窗口，并显示原图像figure(1);imshow(I);title(原图);%把unit8格式数据转换为doulbe格式，以便滤波计算I = double(I);%经典一阶梯度%yjtdx =
3、 0 0 0; -1 1 0; 0 0 0;yjtdy = 0 -1 0; 0 1 0; 0 0 0;%imfilter()函数为一个滤波函数%其中有两个参数，外加一系列附加指令%如下中的 I 代表被处理图像%yjtdx 代表滤波器%replicate是一个附加指令，因为处理过的数据，可能会超出原图像数据大小的上下限%这个附加指令 令超出上下限的数据为最接近上下限的数据ImageYjtdx = imfilter(I, yjtdx, replicate);ImageYjtdy = imfilter(I, yjtdy, replicate);%将x与y方向上的处理结果进行几何平均，作为处理结果Im
4、ageYjtd= sqrt(ImageYjtdx.2 + ImageYjtdy.2);%figure()函数创建一个绘图窗口figure(2);%绘制处理后的图像%在用imshow()函数显示图像时要注意，因为现在的处理结果是double类型的，而不是unit8类型%而imshow()在显示图像时，只有unit8类型的矩阵图像数据可以直接输入直接显示%而对于double类型的矩阵，imshow()认为其灰度空间是从0到1，而不是从0-256或其它%也就是说，对于double类型的矩阵，imshow()函数不知道矩阵所代表的图像的灰度级数是多少%这时就需要用mat2gray()函数对double
5、型矩阵做归一化，所谓归一化，就是把原矩阵中的数据%映射至0-1的数据空间中，这时，经mat2gray()函数处理过的矩阵，其中所有元素都在0-1范围内%再用imshow()函数进行显示，才可得到正常的显示结果imshow(mat2gray(ImageYjtd);title(经典一阶梯度处理结果);%Robert算子%Robert1 = -1 0 0; 0 1 0 0 0 0;Robert2 = 0 -1 0; 1 0 0 0 0 0;ImageRobert1 = imfilter(I, Robert1, replicate);ImageRobert2 = imfilter(I, Robert2
6、, replicate);ImageRobert = sqrt(ImageRobert1.2 + ImageRobert2.2);figure(3);imshow(mat2gray(ImageRobert);title(Robert算子处理结果);%Sobel算子%Sobel1 = 1 2 1; 0 0 0; -1 -2 -1;Sobel2 = -1 0 1; -2 0 2; -1 0 1;ImageSobel1 = imfilter(I, Sobel1, replicate);ImageSobel2 = imfilter(I, Sobel2, replicate);ImageSobel =
7、sqrt(ImageSobel1.2 + ImageSobel2.2);figure(4);imshow(mat2gray(ImageSobel);title(Sobel算子处理结果);%Prewitt算子%Prewitt1 = -1 -1 -1; 0 0 0; 1 1 1;Prewitt2 = -1 0 1; -1 0 1; -1 0 1;ImagePrewitt1 = imfilter(I, Prewitt1, replicate);ImagePrewitt2 = imfilter(I, Prewitt2, replicate);ImagePrewitt = sqrt(ImagePrewi
8、tt1.2 + ImagePrewitt2.2);figure(5);imshow(mat2gray(ImagePrewitt);title(Prewitt算子处理结果);%Laplacian算子%Laplacian = 0 -1 0; -1 4 -1; 0 -1 0;ImageLaplacian = imfilter(I, Laplacian, replicate);%滤波结果中可能出现负数，因此需要用abs()函数取绝对值ImageLaplacian = abs(ImageLaplacian);figure(6);imshow(mat2gray(ImageLaplacian);title(
9、Laplacian算子处理结果);%五：实验结果（仅列一例）六：实验心得1：Matlab部分Matlab是一个命令行式的、解释式的程序语言，学习难度低，在矩阵和数字处理上处速度也很快，有时间我会继续学习2：滤波算子部分1）：Laplacian算子对噪声比较敏感，图像颗粒感较强时得到的处理结果很差，在几乎没有噪声的图像中，Laplacian算子的处理结果却出奇的好。或许在用Laplacian算子处理之前，进行一次平滑处理会更好一些。2）：相较Prewitt算子来说，Sobel算子对像素位置的影响做了加权，因此在处理结果上，Sobel显得比Prewitt稍好一些3）：Robert算子处理出的图像，相较其它算子来说，边缘不够平滑，直观上感觉比较粗糙4）：没有设置阈值的Prewitt算子的处理结果中，包含了更多的非边缘信息，说明Prewitt算子对灰度变化比较敏感，这在边缘检测中会导致过多的误判。
