数字图像处理上机实验(02091008)_数字图像处理上机实验

数字图像处理上机实验(02091008)由刀豆文库小编整理，希望给你工作、学习、生活带来方便，猜你可能喜欢“数字图像处理上机实验”。

数字图像处理上机作业

数字图像处理上机作业

1.产生右图所示亮块图像 f1(x,y)（128×128大小，暗处=0，亮处=255），对其进行FFT：

（1）同屏显示原图f1和FFT(f1)的幅度谱图；

图像：

（2）若令f2(x,y)=（-1）f1(x,y)，重复以上过程，比较二者幅度谱的异同，简述理由；（3）若将f2(x,y)顺时针旋转45度得到f3(x,y)，试显示FFT(f3)的幅度谱，并与FFT(f2)的幅度谱进行比较。

x+y

结论：不同点：f2的频谱是对f1频谱的移位，它时f1的频谱从原点（0，0）移到了中心（64，64），而得到了一个完整的频谱。

相同点：频谱的实质没有改变，幅度等都没有发生变化。

（3）若将f2(x,y)顺时针旋转45度得到f3(x,y)，试显示FFT(f3)的幅度谱，并与FFT(f2)的幅度谱进行比较。

源程序：f1=zeros(128,128);for i=38:1:90 for j=58:1:70 f1(i,j)=255;end end figure(1)subplot(1,2,1);imshow(f1);subplot(1,2,2);imshow(fft2(f1));% f2(x,y)=（-1）^(x+y)* f1(x,y)for i=1:1:128 for j=1:1:128 f2(i,j)=(-1)^(i+j)*f1(i,j);end end figure(2);subplot(1,3,1);imshow(f2);f3=imrotate(f2,-45,'bilinear');%将f2顺时针旋转45度 subplot(1,3,2);imshow(fft2(f2));%显示f2的频谱 subplot(1,3,3);imshow(fft2(f3));%显示f3的频谱

结论：均衡化后的直方图并非完全均匀分布的原因：因为图像的像素个数和灰度等级均为离散值，而且均衡化后使灰度级并归。

2.对256256大小、256级灰度的数字图像lena进行频域的理想低通、高通滤波，同屏显示原图、幅度谱图和低通、高通滤波的结果图。

源代码： figure(1);fid=fopen('d:imglena.img','r');data=(fread(fid,[256,256],'uint8'))';subplot(2,2,1)imagesc(data);colormap(gray);title('LENA','Color','r');subplot(2,2,2);imshow(fft2(data));s=fftshift(fft2(data));[M,N]=size(s);%分别返回s的行数到M中，列数到N中 n=2;%对n赋初值 %GLPF滤波，d0=5，15，30（程序中以d0=30为例）d0=30;%初始化d0 n1=floor(M/2);%对M/2进行取整 n2=floor(N/2);%对N/2进行取整 for i=1:M for j=1:N d=sqrt((i-n1)^2+(j-n2)^2);%点（i,j）到傅立叶变换中心的距离 h=1*exp(-1/2*(d^2/d0^2));%GLPF滤波函数

s(i,j)=h*s(i,j);%GLPF滤波后的频域表示 end end s=ifftshift(s);%对s进行反FFT移动

%对s进行二维反离散的Fourier变换后，取复数的实部转化为无符号8位整数 s=uint8(real(ifft2(s)));subplot(2,2,3);%创建图形图像对象 imshow(s);p=fftshift(fft2(data));[M,N]=size(p);%分别返回p的行数到M中，列数到N中 n=2;%对n赋初值 %GLPF滤波d1=30 d1=30;%初始化d1 n3=floor(M/2);%对M/2进行取整 n4=floor(N/2);%对N/2进行取整 for i=1:M for j=1:N dd=sqrt((i-n3)^2+(j-n4)^2);%点（i,j）到傅立叶变换中心的距离 h1=1-exp(-1/2*(dd^2/d1^2));%GHPF滤波函数

p(i,j)=h1*p(i,j);%GHPF滤波后的频域表示 end end p=ifftshift(p);%对p进行反FFT移动

%对s进行二维反离散的Fourier变换后，取复数的实部转化为无符号8位整数 p=uint8(real(ifft2(p)));subplot(2,2,4);%创建图形图像对象 imshow(p);

3.对给定的两种128128、256级灰度的数字图像（图像磁盘文件名分别为Fing_128.img（指纹图）和Cell_128.img（显微医学图像）进行如下处理：

（1）对原图像进行直方图均衡化处理，同屏显示处理前后图像及其直方图，比较异同，并回答为什么数字图像均衡化后其直方图并非完全均匀分布。

异同：由于原图像中目标物的灰度主要集中于低亮度部分，而且象素总数比较多，经过直方图均衡后，目标物的所占的灰度等级得到扩展，对比度加强，使整个图像得到增强。

数字图像均衡化后其直方图并非完全均匀分布的原因：由于原图像中目标物的灰度主要集中于低亮度部分，而且象素总数比较少，而所占的灰度等级比较多，因此图像的对比度比较好，亮度比较大，整体图像清晰。经过直方图均衡后，目标物的所占的灰度等级被压缩，对比度减弱，反而使目标物变的难以辨认。

数字图像均衡化后，其直方图并非完全均匀分布，这是因为图像的象素个数和灰度等级均为离散值；而且均衡化使灰度级并归，因此，均衡化后，其直方图并非完全均匀分布。

源代码： figure(1);fid=fopen('D:imgcell_128.img','r');

%打开无格式文件 data1=(fread(fid,[128,128],'uint8'))';%将打开的文件读入到data1 subplot(4,2,1);

%将figure(1)分成4*2的8个子窗口, data11=uint8(data1);imshow(data11);%图象显示

title('CELL','Color','b');

%加标题 subplot(4,2,2);title('原图像直方图');imhist(data11);subplot(4,2,3);

%取第二个子窗口

data2=uint8(data1);%将灰度图象转换成uint8格式 b=histeq(data2);

%直方图均衡化

imshow(b,256);

%显示均衡化图象,256可缺省 title('均衡化','Color','b');

subplot(4,2,4);imhist(b);title('均衡化后图像直方图');subplot(4,2,5)fid=fopen('d:imgfing_128.img','r');%打开无格式文件

data3=(fread(fid,[128,128],'uint8'))';%将打开的文件读入到data3 data31=uint8(data3);

%将灰度图象转换成uint8格式 imshow(data31);

%显示灰度图象 title('FING','Color','b');subplot(4,2,6)imhist(data31);title('原图像直方图');subplot(4,2,7);

data4=uint8(data3);%将灰度图象转换成uint8格式 d=histeq(data4);

%直方图均衡化

imshow(d,256);

%显示均衡化图象,256可缺省 title('均衡化','Color','b');

subplot(4,2,8);imhist(d);title('均衡化后原图像直方图');（2）对原图像加入高斯噪声，用4-邻域平均法平滑加噪声图像（图像四周边界不处理，下同），同屏显示原图像、加噪图像和处理后的图像。

① 不加门限；

② 加门限 T2f(m,n)，（其中f(m,n)

1N2f(i,j)）

ij

源代码： % CELL figure(2);fid=fopen('D:imgcell_128.img','r');

%打开无格式文件

data1=(fread(fid,[128,128],'uint8'))';%将打开的文件读入到data1 I=uint8(data1);I1=imnoise(I,'gauian');%加乘性噪声 H1=[0 1 0;1 0 1;0 1 0]/4;%4×4领域模板 J=imfilter(I,H1);%领域平均

subplot(2,4,1),imshow(I);%显示图像I title('原图像');subplot(2,4,2),imshow(I1);title('加噪声后图像');subplot(2,4,3),imshow(J);

%不加门限平滑 title('不加门限平滑后图像');%加门限后滤波

T= 2*sum(I1(:))/128^2;im_T = zeros(128,128);for i = 1:128

for j = 1:128

if abs(I1(i,j)J(i,j))>T

im_T(i,j)= J(i,j);

else

im_T(i,j)= I1(i,j);

end

end end subplot(2,4,8);imshow(im_T);title('加门限后');4.（1）用Laplacian锐化算子（分1和2两种情况）对256256大小、256级灰度的数字图像lena进行锐化处理，显示处理前、后图像。

源代码：

%laplacian算子锐化

I=imread('D:imgLENA256.bmp');% 读入原图像 figure(1);subplot(1,3,1);imshow(I);title('原始图像');L=fspecial('laplacian');L1=[0-1 0;-1 5-1;0-1 0];L2=[0-2 0;-2 9-2;0-2 0];LP1=imfilter(I,L1,'replicate');% α=1时的拉普拉斯算子 LP2=imfilter(I,L2,'replicate');% α=2时的拉普拉斯算子

subplot(1,3,2);imshow(LP1);title('Laplacian算子α=1锐化图像');subplot(1,3,3);imshow(LP2);title('Laplacian算子α=2锐化图像');

（2）若令

g1(m,n)f(m,n)2f，g2(m,n)4f(m,n)[f(m1,n)f(m1,n)f(m,n1)f(m,n1)

f(m,n1)f(m,n1)]

则回答如下问题：

① f(m,n)、g1(m,n)和g2(m,n)之间有何关系？ ② g2(m,n)代表图像中的哪些信息？ ③ 由此得出图像锐化的实质是什么？

①因为g2(m,n)2f(m,n)，所以f(m,n)、g1(m,n)和g2(m,n)之间有以下关系：

g1(m,n)f(m,n)g2(m,n)

②g2(m,n)代表了原图像中的二阶梯度信息；g1(m,n)是边缘增强后的数字图像； ③由此可以得出：图像锐化的实质是将原图像与梯度信息叠加（梯度信息所占的比例由，相当于对目标物的边缘进行了增强。的大小决定，值越大则梯度信息所占的比例越大）

5.分别利用Roberts、Prewitt和Sobel边缘检测算子，对256256大小、256级灰度的数字图像lena进行边缘检测，显示处理前、后图像。图像：

源代码：

I=imread('D:imgLENA256.bmp');% 读入原图像 figure(1)%Roberts梯度法锐化

subplot(2,2,1);imshow(I);title('原始图像');J=double(I);[IX,IY]=gradient(J);%计算梯度 A=sqrt(IX.*IX+IY.*IY);subplot(2,2,2);imshow(A,[]);title('Roberts梯度法锐化图像');%Prewitt算子锐化

S=imfilter(I,fspecial('Prewitt'));subplot(2,2,3);imshow(S);title('Prewitt算子锐化图像');%Sobel算子锐化

S=imfilter(I,fspecial('sobel'));subplot(2,2,4);imshow(S);title('Sobel算子锐化图像');

6、学习数字图像处理课程的心得体会，该课程在哪些方面需要改进，对该课程或者任课老师有哪些意见或建议。

通过对数字图像处理课程的认真学习，在课堂听课和课余实践中了解了数字图像的基础知识，培养了一定的软件编程能力，在努力完成课堂作业的同时，发现了对图像方面的兴趣。老师认真负责，布置合理的作业。但希望能够通过更加丰富的授课方式，提高更多人学习该门课程的兴趣和主动性。也同样希望老师能够加强点名和作业的验收，督促学生更加认真的学习知识。