《圖像處理與機器視覺》作業(yè)

1、精選優(yōu)質文檔-傾情為你奉上圖像處理與機器視覺作 業(yè)姓名： XX 學號： XXX 專業(yè)： XXX 時間：2014年4月4日星期五作業(yè)一：圖像增強1、 圖像灰度變換。對圖像（見圖1）進行對比度拉伸，通過直方圖獲取灰度分布的最小、最大值。圖1 灰度拉伸算法：采用直方圖均衡化進行對比度拉伸專心-專注-專業(yè)close allclear allclcI=imread(圖像增強.bmp);figure(1);subplot(221);imshow(I);title(原圖);subplot(222);imhist(I);title(原圖直方圖);I1=histeq(I); %均衡化subplot(223);i

2、mshow(I1);title(均衡化效果); subplot(224);imhist(I1);title(均衡化后直方圖);分析：均衡化后灰度分布 最大 255 最小 0；均衡化處理后圖像有更多細節(jié)顯，示出來比如白色斑點變得清晰。2、設計K近鄰均值（中值）濾波器，給出圖像（見圖）處理結果。1) 以待處理像素為中心，作一個m*m的作用模板。2） 在模板中，選擇K個與待處理像素的灰度差為最小的像素。3） 將這K個像素的灰度均值（中值）替換掉原來的像素值。圖2 圖像濾波算法：采用3x3模板進行中值濾波。close allclear allclcI=imread(圖像濾波.bmp);I1=medfi

3、lt2(I,3 3); % 3x3模板，中值濾波subplot(121);imshow(I);title(原圖);subplot(122);imshow(I1);title(中值濾波結果);分析：中值濾波對椒鹽噪聲處理效果很好，不模糊邊緣且使得圖像變得清晰。作業(yè)二：圖像變換1、 對圖像（見圖）用FFT算法從空域變換到頻域；顯示幅度頻譜，使圖像能量中心移到幾何中心。將圖像旋轉450，再顯示幅度頻譜。圖 4 圖像變換 算法：使用fft()函數實現從空域變換到頻域，fftshift()函數實現圖像能量中心移到幾何中心，imrotate()函數實現旋轉。close allclear allclcI=i

4、mread(圖像變換.bmp);figure(1);subplot(231);imshow(I);title(原圖);fftI=fft2(I);rr=real(fftI);ii=imag(fftI);A=sqrt(rr.2+ii.2);A=(A-min(min(A)/(max(max(A)-min(min(A)*255;subplot(232);imshow(A);title(原圖頻譜);sfftI=fftshift(fftI);rr=real(sfftI);ii=imag(sfftI);A=sqrt(rr.2+ii.2);A=(A-min(min(A)/(max(max(A)-min(min

5、(A)*255;subplot(233);imshow(A);title(能量中心移到幾何中心);I2=imrotate(I,45,nearest);subplot(234);imshow(I2);title(旋轉45度);fftI=fft2(I2);rr=real(fftI);ii=imag(fftI);A=sqrt(rr.2+ii.2);A=(A-min(min(A)/(max(max(A)-min(min(A)*255;subplot(235);imshow(A);title(旋轉45度后頻譜);sfftI=fftshift(fftI);rr=real(sfftI);ii=imag(sf

6、ftI);A=sqrt(rr.2+ii.2);A=(A-min(min(A)/(max(max(A)-min(min(A)*255;subplot(236);imshow(A);title(旋轉45度后能量中心移到幾何中心);分析：fft（）與fftshift（）函數實現了頻率中心與幾何中心重合，imrotate（）函數實現了圖片旋轉。作業(yè)三：圖像編碼與解碼1、將十六位圖像數據（170行130列）轉化為八位并顯示（如圖5）。圖5 十六位圖像顯示算法：使用fopen()函數打開文件，使用fread（）函數讀取數據及轉換數據類型，使用reshape()函數實現圖像（二維數組）重構。close al

7、lclear allclcfid=fopen(十六位圖像數據.dat,r);fr1=fread(fid,170*130,uint8=uint8);fclose(fid);I=reshape(fr1,170,130);figure(1);imshow(I);title(八位顯示圖);分析：使用以上函數實現了將十六位圖像數據轉化為八位并顯示。作業(yè)四：圖像分割1、采用合適方法對圖像（見圖7）進行邊緣檢測。圖7 邊緣檢測邊緣檢測的原理：由于微分算子具有突出灰度變化的作用，對圖像進行微分運算，在圖像邊緣處其灰度變化較大，故該處微分計算值較高，可將這些微分值作為相應點的邊緣強度，通過閾值判別來提取邊緣點，

8、即如果微分值大于閾值，即為邊緣。close allclear allclcI=imread(邊緣檢測.bmp);I1=edge(I,canny);I2=edge(I,sobel);I3=edge(I,roberts);I4=edge(I,prewitt);I5=edge(I,log);figure(1);subplot(231);imshow(I);title(原圖); %采用不同邊緣提取算子subplot(232);imshow(I1);title(canny);subplot(233);imshow(I2);title(sobel);subplot(234);imshow(I3);title(roberts);subplot(235);imshow(I4