《matlab實驗 圖像的基本運算》由會員分享，可在線閱讀，更多相關《matlab實驗 圖像的基本運算（20頁珍藏版）》請在裝配圖網上搜索。
1、實驗四、圖像的基本運算
1（1）選擇一幅圖像lena8.jpg，設置輸入/輸出變換的灰度級范圍，a=0.3，b=0.6，c=0.1，d=0.9
（2）設置非線性擴展函數的參數c=2
（3）采用灰度倒置變換函數s=255-r進行圖像變換
（4）設置二值化圖像的閾值，分別為level=0.4，level=0.7
程序如下
I=imread('C:\lena8.jpg');
figure;
subplot(2,3,1);
imshow(I);
title('原圖');
J=imadjust(I,[0.3;0.6],[0.1;0.9]); %設置灰度變換的范圍
subp
2、lot(2,3,2);
imshow(J);
title('線性擴展');
I1=double(I); %將圖像轉換為double類型
I2=I1/255; %歸一化此圖像
C=2;
K=C*log(1+I2); %求圖像的對數變換
subplot(2,3,3);
imshow(K);
title('非線性擴展');
M=im2bw(I,0.5);
M=~M;
%M=255-I; %將此圖
3、像取反
%Figure
subplot(2,3,4);
imshow(M);
title('灰度倒置');
N1=im2bw(I,0.4); %將此圖像二值化，閾值為0.4
N2=im2bw(I,0.7); %將此圖像二值化，閾值為0.7
subplot(2,3,5);
imshow(N1);
title('二值化閾值0.4');
subplot(2,3,6);
imshow(N2);
title('二值化閾值0.7');
2 選取兩幅大小一樣的灰度圖像hough.bmp和rice.bmp，將兩幅圖像進行加法
4、運算。
程序如下
I=imread('C:\hough.bmp');
%I=rgb2gray(I);
J=imread('C:\rice.bmp');
I=im2double(I); %將圖像轉換成double型
J=im2double(J);
K=I+0.3*J; %兩幅圖像相加
subplot(1,3,1);
imshow(I);
title('物圖');
subplot(1,3,2);
imshow(J);
title('背景圖');
subplot(1,3,3);
imshow(K)
5、;
title('相加后的圖');
imwrite(K,'C:\lena1.jpg');
3 選取一幅混合圖像，如相加得到的圖像lenal.jpg，將混合圖像與背景圖像做減法運算。
程序如下
A=imread('C:\lena1.jpg');
B=imread('C:\rice.bmp');
A=im2double(A); %將圖像轉換成double型
B=im2double(B);
C=A-0.3*B;
subplot(1,3,1);
imshow(A);
title('混合圖');
subplot(1,3,2);
imsh
6、ow(B);
title('背景圖');
subplot(1,3,3);
imshow(C);
title('分離后的圖');
4 選取一幅尺寸為256x256像素的灰度圖，如rice.bmp。設置掩模模板，對于需要保留下來的區(qū)域，掩模圖像的值置為1，而需要被抑制掉的區(qū)域，掩模圖像的值置為0。
程序如下
A=imread('C:\rice.bmp');
%A=rgb2gray(A);
A=im2double(A);
subplot(1,2,1);
imshow(A);
title('原圖');
B=zeros(256,256);
B(40:200,40:20
7、0)=1;
K=A.*B;
subplot(1,2,2);
imshow(K);
title('局部圖');
5 選取一幅大小為256x256像素的圖像，如lena8.jpg. 分別將圖比例放大1.5倍，比例縮小0.7倍，非比例放大到420x384像素，非比例縮小到15x180像素。
程序如下
A=imread('C:\lena8.jpg');
Bl=imresize(A,1.5); %比例放大1.5倍，默認采用的是最近鄰法進行線性插值
B2=imresize (A, [420 384]); %非比例放大至420:384 Cl=imresize (A, 0 . 7
8、) ; %比例縮小0.7 倍
C1=imresize(A, 0.7) ;
C2=imresize(A, [150 180]) ; %非比例縮小到150:180 figure;
imshow(Bl);
title('比例放大圖');
figure;
imshow(B2);
title('非比例放大圖');
figure;
imshow(C1);
title('比例縮小圖');
figure;
imshow(C2);
title('非比例縮小圖');
實驗五、圖像的變換
1 選取一幅圖像，進行離散傅里葉變換，再對其分別進行X軸與Y軸上的平移，得其
9、離散傅里葉變換，觀察結果圖。
程序如下
I=imread('C:\1.bmp');
%I=imread('C:\lena8.jpg');
%imshow(I);
imshow(real(I));
figure(1)
I=I(:,:,3);
fftI=fft2(I);
sfftI=fftshift(fftI); %求離散傅里葉頻譜
%對原始圖像進行二維離散傅里葉變換，并將其坐標原點移到頻譜圖中央位置
RRfdpl=real(sfftI);
IIfdpl=imag(sfftI);
a=sqrt(RRfdpl.^2+IIfdpl.^2);
a=(a-min(m
10、in(a)))/(max(max(a))-min(min(a)))*225;
figure(2);
imshow(real(a));
I=imread('C:\2.bmp');
figure(3);
imshow(real(I));
I=I(:,:,3);
fftI=fft2(I);
sfftI=fftshift (fftI) ; %求離散傅里葉頻譜
%對原始圖像進行二維離散傅里葉變換，并將其坐標原點移到頻譜圖中央位置
RRfdpl=real(sfftI);
IIfdpl=imag(sfftI);
a=sqrt(RRfdpl.^2+IIfdpl.^2);
11、a=(a-min(min(a)))/(max(max(a))-min(min(a)))*225;
figure(4);
imshow(real (a));
I=imread('C:\3.bmp');
figure (5);
imshow(real (I));
I=I(:,:,3);
fftI=fft2 (I);
sfftI = fftshift (fftI) ; %求離散傅里葉頻譜
%對原始圖像進行二維離散傅里葉變換，并將其坐標原點移到頻譜圖中央位置
RRfdpl=real (sfftI);
IIfdpl=imag(sfftI);
a=sqrt(RRfdpl.^2+I
12、Ifdpl.^2);
a=(a-min(min(a)))/(max(max(a))-min(min(a)))*225;
figure(6);
imshow(real(a));
2 選取一幅圖像，進行離散傅里葉變換，再對其進行一定角度的旋轉，進行離散傅里葉變化。
程序如下
%構造原始圖像
I=zeros(256,256);
I(88:168,124:132)=1; %圖像范圍是256*256，前一值是縱向比，后一值是橫向比
imshow(I);
%求原始圖像的傅里葉變換
J=fft2(I);
F=abs(J);
J1=fftshift(F);figure
i
13、mshow(J1,[5 50]);
%對原始圖像進行旋轉
J=imrotate(I,90,'bilinear','crop');
figure
imshow(J)
%求旋轉后圖像的傅里葉頻譜
J1=fft2(J);
F=abs(J1);
J2=fftshift(F);figure
Imshow(J2,[5 50])
3 選取一幅圖像，進行離散余弦變換，并對其進行離散余弦反變換，觀察其結果
程序如下
%對lena24.ipg文件計算二維DCT變換
RGB = imread('C:\lena24.jpg');
figure(1)
imshow(RGB)
I=
14、rgb2gray(RGB);
%真彩色圖像轉換成灰度圖像
J = dct2(I);
%計算二維DCT變換
figure (2)
imshow(log(abs(J)),[])
%圖像大部分能量集中在上左角處
figure (3);
J(abs(J) < 10) = 0;
%把變換矩陣中小于10的值置換為0,然后用idct2重構圖像
K = idct2(J)/255;
imshow(K)
4 選取一幅圖像，進行離散余弦變換，并對其進行壓縮解壓，觀察其結果。
程序如下
RGB = imread('C:\lena24.jpg');
I=rgb2gray(RG
15、B);
I = im2double(I); %轉換圖像矩陣為雙精度型
T = dctmtx(8); %產生二維00?變換矩陣，
%矩陣T及其轉置T‘是DCT函數P1*X*P2的參數
B = blkproc(I, [8 8],'P1*x*P2',T,T');
maskl= [ 1 1 1 1 0 0 0 0
1 1 1 0 0 0 0 0
1 1 0 0 0 0 0 0
1 0 0 0 0 0 0 0
0 0 0 0 0 0 0 0
0 0 0 0 0 0 0 0
0 0 0
16、 0 0 0 0 0
0 0 0 0 0 0 0 0];
%二值掩模，用來壓縮ＤＣＴ系數
B2=blkproc(B,[8 8],'P1.*x',maskl);
%只保留DCT變換的10個系數
I2=blkproc(B2,[8 8],'P1*x*P2',T',T);
%重構圖像
figure,imshow(I);
figure,imshow(B2);
figure,imshow(I2);
實驗六、圖像的增強
1 對一幅灰度圖像進行冪次變換。
程序如下
clear all
close all
I{1}=double(imread('
17、C:\lena8.jpg'));
I{1}=I{1}/255;
figure(1),subplot(2,4,1),imshow(I{1}, []),hold on
I{2}=double(imread('C:\lena1.jpg'));
I{2}=I{2}/255;
subplot(2,4,5),imshow(I{2}, []),hold on
for m=1:2
Index=0;
for lemta=[0.5 5]
Index=Index+1;
F{m}{Index}=I{m}.^lemta;
subplot (2,4,(m-1)*4+Index+1) ,
im
18、show(F{m}{Index},[])
end
end
2 對一幅灰度圖像采用兩種目標直方圖來規(guī)定化。
程序如下
clear all
close all
%0.讀圖像
I=double(imread('C:\lena8.jpg'));
figure,
imshow (I,[])
N=32;
Hist_image=hist (I(:),N) ; %直方圖
Hist_image=Hist_image/sum (Hist_image); Hist_image_cumulation=cumsum(Hist_image);
%累計直方圖
figure,
19、
stem([0:N-1] ,Hist_image) ;
%1.設計目標直方圖
Index=0:N-1;
Index=0:7;
%正態(tài)分布直方圖
Hist{1}=exp(-(Index-4).^2/8);
Hist{1}=Hist{1}/sum(Hist{1});
Hist_cumulation{1}=cumsum(Hist{1});
figure,
stem([0:7],Hist{1})
%倒三角形狀直方圖
Hist{2}=abs(15-2*Index);
Hist{2}=Hist{2}/sum(Hist{2});
Hist_cumulation{2}=cum
20、sum(Hist{2});
figure,
stem([0:7],Hist{2})
%2.規(guī)定化處理
for m=1:2
Image=I;
%2.1 SML處理
for k=1:N
Temp=abs(Hist_image_cumulation(k)-Hist_cumulation{m});
[Tempi,Project{m}(k)]=min(Temp);
end
%2.2變換后直方圖
for k=1:N
Temp=find(Project{m}==k);
if isempty(Temp)
Hist_result{m}(k)=0;
else
Hi
21、stresult{m}(k)=sum(Hist_image(Temp));
end
end
figure,
stem([0:31],Hist_result{m});
%2.3結果圖
Step=256/N;
for k=1:N
Index=find(I>=Step*(k-1)&I
22、C:\lena8.jpg'));
figure,imshow(I,[]);
% 1.均值低通濾波
H=fspecial('average',5);
F{1}=double(filter2(H,I));
figure,imshow(F{1},[]);
% 2 . gaussian低通濾波
H=fspecial('gaussian',7,3); F{2}=double(filter2(H,I));
figure,imshow(F{2},[]);
% 3.增強圖像-原圖-均值低通濾波
F{3}=2*I-F{1};
figure,imshow(uint8 (F{3}),
23、[]);
% 4.增強圖像=原圖-高斯低通濾波
F{4}=2*I-F{2};
figure,imshow(uint8 (F{4}),[]);
%5. ‘prewitt’邊緣算子增強
H=fspecial('prewitt');
F{ 5}=uint8(I+filter2(H,I));
figure,imshow(F{5},[]);
%6. ‘sobel’邊緣算子增強
H=fspecial('sobel');
F{6}=uint8(I + filter2(H,I));
figure,imshow(F{6},[]);
實驗7、圖像的復原
1 對一幅灰度圖像添加
24、噪聲并濾波。
程序如下
clear;
close all;
%1.生成含噪圖像
img = imread('C:\lena8.bmp');
figure; imshow(img);
img =double(imnoise(img,'salt & pepper', 0.01));
figure,imshow(img,[]);
%2.采用均值濾波
N=5; %濾波模板大小
h=fspecial('average',N);
I=filter2(h,img);
figure,imshow(I,[])
%3.中值濾波
I=medfilt2(img,[
25、N N]);
figure,imshow(I,[])
%4.最大值濾波
I=ordfilt2(img,N*N,true(N));
figure,imshow(I,[])
%5.最小值濾波
I=ordfilt2(img,1,true(N));
figure,imshow(I,[])
2 對沿X軸方向的紋波加性噪聲進行陷波濾波。
程序如下
close all
clear all
%1.生成波紋噪聲圖像
img = double(imread('C:\lena8.bmp'));
figure; imshow(img,[]);
sizec=size(img
26、);
w=0.4*2*pi; %噪聲的數字頻率
N=2*pi/w; %噪聲每一周期的采樣點數
img_noise=img+20*ones(sizec(1),1)*sin(w*[1:sizec(2)]);
figure,imshow(img_noise,[]);
%圖像頻譜
F0=fft2(img);
F0=fftshift(F0);
figure,imshow(log(abs(F0)),[]);
F=fft2(img_noise);
F=fftshift(F);
figure,imshow(log(abs(F)),[]);
%2.設計理想陷波濾波器
H=ones(sizec(1),sizec(2));
%圖像中心點
x0=sizec(1)/2+1;
y0=sizec(2)/2+1;
%噪聲所處頻率點(x,y)
x=x0;
y=y0-round(sizec(2)/N);
H (x,y-3:y+3)=0;
H(x,(y0-y)+y0-3:(y0-y)+y0+3)=0;
%3.濾波結果
I=ifftshift(F.*H);
imgl=ifft2(I);
figure; imshow(imgl,[]);
matlab實驗 圖像的基本運算
