圖像上機實驗

1、實驗一 圖像處理的基本操作一，實驗目的1熟悉有關數(shù)字圖像處理的MATLAB基本操作和編寫；2掌握數(shù)字圖像的基本讀寫、顯示與保存；3能夠利用MATLAB工具箱完成圖像處理的基本運算；二，實驗內容1（1）讀取圖像并顯示真彩色圖像house.tiff；（2）讀取圖像并顯示索引色圖像canoe.tif，并轉換為灰度圖像；（3）讀取圖像并顯示灰度圖像rice.png，并轉換為二進制圖像；（4）檢測內存中的圖像和保存圖像；2查看不同分辨率下圖像lena.tiff的顯示結果；3對彩色圖像Peppers.png觀看GRB通道各單通道圖像；4實現(xiàn)馬赫帶效應并畫出灰度直方圖。三，代碼I=imread('h

2、ouse.tiff');figure(1)imshow(I)A,map=imread('canoe.tif');figure(2)subplot(121)imshow(A,map)D=ind2gray(A,map);subplot(122)imshow(D)G=imread('rice.png');figure(3)subplot(121)imshow(G)th=graythresh(G);H=im2bw(G,th);subplot(122)imshow(H)whos;imwriteB=imread('lena.tiff');figure

3、(4),subplot(121)imshow(B)C = imresize(B, 0.2)subplot(122)imshow(C)D=imread('Peppers.png');r=D,r(:,:,2 3)=0; g=D,g(:,:,1 3)=0; b=D,b(:,:,1 2)=0; figure(5), subplot(1,3,1),imshow(r); subplot(1,3,2),imshow(g); subplot(1,3,3),imshow(b);a=zeros(256,256);for i=1:32:256 a(:,i:i+32)=i;endfigure(6);s

4、ubplot(121)imshow(uint8(a);subplot(122)imhist(uint8(a);四，實驗結果五，結果分析 從運行結果可以看出，實驗還是比較成功的。但是在做索引色那個圖像的時候，如果索引色和灰度圖像放在同一個figure里，索引色圖像顯示的也是灰色，因此我只能把索引色圖像和灰度圖像分開放到兩個figure里。在查看不同分辨率下圖像lena.tiff的顯示結果時，必須要對兩個圖像進行放大查看才能看出不同。實驗二 圖像變換1一，實驗目的1熟悉有關MATLAB工具箱中提供的圖像變換函數(shù)；2掌握傅立葉變換和小波變換等常用的正交變換函數(shù)；二，實驗內容1對圖像lena.png進

5、行傅立葉變換和離散余弦變換，并分別求出其逆變換后重構圖像的均方誤差；2實現(xiàn)圖像lena.png的兩層小波分解，觀察分解系數(shù)并重構，求重構圖像誤差值；3觀察圖像IM1.BMP經小波分解系數(shù)的方向性，實現(xiàn)三層小波分解，分別把HL,LH,HH子帶置零和重構，觀察重構圖像跟原始圖像的差異。三，代碼%1對圖像lena.png進行傅立葉變換和離散余弦變換，% 并分別求出其逆變換后重構圖像的均方誤差；clear;clc;I=imread('lena.png');%傅里葉變換figure(1);I1=fft2(I);I1=fftshift(I1);If=ifftshift(I1);If=uin

6、t8(real(ifft2(If);subplot(231);imshow(I);subplot(232);imshow(log(abs(I1),);subplot(233);imshow(If);m,n=size(I); %計算均方誤差for i=1:m for j=1:n temp(i,j)=(If(i,j)-I(i,j)2; endendwucha1=sum(sum(temp)%離散余弦變換I2=dct2(I);I3=fftshift(I2);Id=idct2(I2);Id=uint8(real(Id);subplot(234);imshow(I);subplot(235);imshow

7、(log(abs(I3),);subplot(236);imshow(Id);m,n=size(I); %計算均方誤差for i=1:m for j=1:n temp(i,j)=(If(i,j)-I(i,j)2; endendwucha2=sum(sum(temp) % 2實現(xiàn)圖像lena.png的兩層小波分解，觀察分解系數(shù)并重構，求重構圖像誤差值；X=imread('lena.png');c,s=wavedec2(X,2,'bior3.7');a1=wrcoef2('a',c,s,'bior3.7',1);h1=wrcoef2(

8、'h',c,s,'bior3.7',1);v1=wrcoef2('v',c,s,'bior3.7',1);d1=wrcoef2('d',c,s,'bior3.7',1);c1=a1,h1;v1,d1;c1=uint8(c1);Xr=waverec2(c,s,'bior3.7');figure(2);subplot(131);imshow(X);subplot(132);imshow(c1);subplot(133);imshow(uint8(Xr);m,n=size(X); %計算均

9、方誤差for i=1:m for j=1:n temp(i,j)=(Xr(i,j)-I(i,j)2; endendwucha3=sum(sum(temp) % 3觀察圖像IM1.BMP經小波分解系數(shù)的方向性，實現(xiàn)三層小波分解，% 分別把HL,LH,HH子帶置零和重構，觀察重構圖像跟原始圖像的差異。P=imread('C:shiyan2IM1.BMP');c,s=wavedec2(P,3,'bior3.7');a1=wrcoef2('a',c,s,'bior3.7',1);h1=wrcoef2('h',c,s,

10、9;bior3.7',1);v1=wrcoef2('v',c,s,'bior3.7',1);d1=wrcoef2('d',c,s,'bior3.7',1);c1=a1,h1;v1,d1;c1=uint8(c1);figure(3);subplot(131);imshow(P);subplot(132);imshow(c1);subplot(133);imshow(uint8(a1);四，實驗結果五，實驗結果 從運行結果可以看出，實驗還是比較成功的。上圖分別是1.對圖像lena.png進行傅立葉變換和離散余弦變換，并分別求出

11、其逆變換后重構圖像的均方誤差；2實現(xiàn)圖像lena.png的兩層小波分解，觀察分解系數(shù)并重構，求重構圖像誤差值；3觀察圖像IM1.BMP經小波分解系數(shù)的方向性，實現(xiàn)三層小波分解，分別把HL,LH,HH子帶置零和重構，觀察重構圖像跟原始圖像的差異。最后求得誤差均為零，我認為這可能是重構方法均是使用matlab自帶函數(shù)的原因，使得重構圖像與原圖幾乎一樣。實驗三 圖像變換2一，實驗目的1熟悉有關圖像增強的直方圖方法；2掌握傅立葉變換和離散余弦變換等常用的正交變換函數(shù)；二，實驗內容1實現(xiàn)對圖像IM2.BMP進行直方圖均衡化，從而達到增強圖像的目的，觀察圖像直方圖的前后變化；2實現(xiàn)對圖像IM3.BMP加入

12、某種噪聲（如椒鹽噪聲等），運用低通濾波和中值濾波分別進行圖像平滑；3實現(xiàn)對圖像IM4.BMP的同態(tài)增強：對照明分量和反射分量進行同態(tài)濾波。三，代碼clear; clc;% 實現(xiàn)對圖像IM2.BMP進行直方圖均衡化，從而達到增強圖像的目的，% 觀察圖像直方圖的前后變化i=imread('IM2.BMP');j=histeq(i);figure(1);subplot(221);imshow(i);title('原始圖像');subplot(222);imshow(j);title('均衡化圖像');subplot(223);imhist(i,64);

13、title('原始直方圖');subplot(224);imhist(j,64);title('均衡化直方圖');% 實現(xiàn)對圖像IM3.BMP加入某種噪聲（如椒鹽噪聲等），% 運用低通濾波和中值濾波分別進行圖像平滑k=imread('IM3.BMP');l=imnoise(k,'salt & pepper',0.02);figure(2);subplot(221);imshow(k);title('原始圖像');subplot(222);imshow(l);title('噪聲圖像');p=m

14、edfilt2(l);subplot(223);imshow(p);title('中值濾波圖像');f=double(l);g=fftshift(fft2(f);N1,N2=size(g);n=2; %butterworth濾波器的參數(shù)n=2d0=50; %d0為截止頻率（與原點的距離）n1=fix(N1/2);n2=fix(N2/2);for i=1:N1 for j=2:N2 d=sqrt(i-n1)2+(j-n2)2); h=1/(1+0.414*(d/d0)2*n); result(i,j)=h*g(i,j); endendresult=ifftshift(result

15、);x2=ifft2(result);x3=uint8(real(x2);subplot(224);imshow(x3);title('butterworth低通濾波圖像'); %實現(xiàn)對圖像IM4.BMP的同態(tài)增強：對照明分量和反射分量進行同態(tài)濾波%圖像的動態(tài)范圍壓縮，圖像的對比度增強，類似于高通濾波clear;figure;I=imread('IM4.BMP');I1=log(double(I)+1);I2=fft2(I1);n=3;d0=5;rh=0.1;rl=0.05;row,col=size(I2);for i=1:row for j=1:col d1(

16、i,j)=sqrt(i2+j2); h(i,j)=rl+(rh/(1+(d0/d1(i,j)(2*n); endendI3=I2.*h;I4=ifft2(I3);I5=exp(I4)-1;subplot(121);imshow(I);title('原始圖像');subplot(122);imshow(I5);title('同態(tài)濾波');四，實驗結果五，結果分析 從運行結果可以看出，實驗還是比較成功的。但在加入椒鹽噪聲后進行高斯低通濾波的實驗中，高斯低通濾波并不能完美的把噪聲濾掉，圖像中依然存在噪聲，雖然變得不明顯了。我想可能是算子取得不好，導致了高斯低通濾波的失

17、敗。實驗四 圖像處理一、實驗目的1掌握圖像分割中的四叉樹區(qū)域分割與合并法；2掌握圖像分割中的閾值分割法；3了解圖像紋理分析和特征提取方法；4了解圖像目標識別方法及其應用；二、實驗內容1使用四叉樹(quadtree)的方法，找出圖像IM5.BMP中物體的輪廓；2選擇一個合適的初始閾值，將圖像IM5.BMP分為兩個區(qū)域；3選作題目：選擇合適的位置算子，計算出圖像的共生矩陣，然后計算熵和能量來描述紋理特征；4選作實驗五 特征提取一、實驗目的1了解圖像紋理分析和特征提取方法；二、實驗內容1選擇合適的位置算子，計算出圖像的共生矩陣，然后計算熵和能量來描述紋理特征；題目：汽車牌照定位與字符識別。 三，代碼

18、%使用四叉樹(quadtree)的方法，找出圖像IM5.BMP中物體的輪廓h=imread('L8_2.BMP');s = qtdecomp(h, 0.2);figure(1);subplot(221);imshow(full(s);title('參數(shù)為0.2');s = qtdecomp(h, 0.4);subplot(222);imshow(full(s);title('參數(shù)為0.4');s = qtdecomp(h, 0.6);subplot(223);imshow(full(s);title('參數(shù)為0.6');s = q

19、tdecomp(h, 0.8);subplot(224);imshow(full(s);title('參數(shù)為0.8'); % 選擇一個合適的初始閾值，將圖像IM5.BMP分為兩個區(qū)域h=imread('L8_2.BMP');h1=im2bw(h,40/255);h2=im2bw(h,100/255);h3=im2bw(h,150/255);h4=im2bw(h,180/255);figure(2);subplot(221);imshow(h);title('原圖像'); subplot(222);imshow(h2);title('t=100'); subplot(2