4、上机编程题思考题
4.1 读入图像‘rice.tif’，通过图像点运算改变对比度。 rice=imread('rice.tif');
subplot(131),imshow(rice)
I=double(rice); %转换为双精度类型数据波
J=I*0.43+60;
rice2=uint8(J); %转换为uint8
subplot(132),imshow(rice2)
J=I*1.5-60;
rice3=uint8(J); %转换为uint8
subplot(133),imshow(rice3)
4.2 读入图像‘ic.tif’，改变图像大小，分别将原图像放大1.5倍和缩小0.5倍。
I=imread('ic.tif');
J=imresize(I,1.25);
K=imresize(I,0.8);
imshow(I)
figure,imshow(J)
figure,imshow(K)
Y=imresize(I,[100,150]);
figure,imshow(Y)
4.3 将上述图像顺时针和逆时针旋转任意角度，观察显示效果。
I=imread('ic.tif');
J=imrotate(I,30,'bilinear');
J1=imrotate(I,30,'bilinear','crop');
imshow(I)
figure,imshow(J)
figure,imshow(J1)
J2=imrotate(I,-15,'bilinear');
figure,imshow(J2)
4.4 通过交互式操作，从一幅图像中剪切一个矩形区域。
I=imread('ic.tif');
imshow(I);
I1=imcrop;
figure,imshow(I1)
I2=imcrop(I,[30 60 120 160]);
figure,imshow(I2)
4.5 读入图像‘tire.tif’，分别使用函数nlfilter和blkproc对图像进行滑动邻域操作和分离邻域操作。 I=imread('tire.tif');
f=inline('max(x(:))'); %构造复合函数
I2=nlfilter(I,[3 3],f); %滑动邻域操作
imshow(I)
figure,imshow(I2)
I=imread('tire.tif');
f=inline('uint8(round(mean2(x)*ones(size(x))))'); %构造复合函数
I2=blkproc(I,[8 8],f); %滑动邻域操作
imshow(I)
多肽药物figure,imshow(I2)
4.6 对图像rice.tif和cameraman.tif进行图像叠加、旋转运算。
I=imread('rice.tif'); %读取图像
J=imread('cameraman.tif');
K=imadd(I,J,'uint16');％图像的叠加
subplot(1,2,1),imshow(K,[])
J=imrotate(K,-90,'bilinear');％图像顺时针旋转９０度
subplot(1,2,2),imshow(J,[])
4.7 分别显示彩图像flowers.tif的R、G、B三基图像。
I=imread('flowers.tif');
R=I(:,:,1);％图像的红分量
G=I(:,:,2);％图像的绿分量
B=I(:,:,3); ％图像的蓝分量
subplot(2,2,1),imshow(I);
subplot(2,2,2),imshow(R);
subplot(2,2,3),imshow(G);
subplot(2,2,4),imshow(B);
备注：例如，在红分量图像中，白代表红数值浓度最高的区域．图像中的黑区域说明该区域不包含任何红数值，即R=0.
（2学时）
【实验目的】
1、了解图像直方图的基本数学原理，会编写相应的m函数文件；
2、掌握matlab图像直方图均衡化、规定化函数.理解图像直方图处理的意义；
3、掌握噪声模拟和图像滤波函数的使用方法；
4、理解图像均值滤波、中值滤波的基本原理，掌握Matlab图像滤波基本函数的使用方法。
数字音响【实验内容】
1、直方图变换
1.1 直方图显示
读入图像‘rice.tif’，在一个窗口中显示灰度级n=64，128和256的图像直方图。
I=imread('rice.tif');
imshow(I)
figure,imhist(I,64)
figure,imhist(I,128)
1.2直方图灰度调节
利用函数imadjust调解图像灰度范围，观察变换后的图像及其直方图的变化。
I=imread('rice.tif');
imshow(I)
figure,imhist(I)
J=imadjust(I,[0.15 0.9],[0 1]);
figure,imhist(J)
figure,imshow(J)
I=imread('cameraman.tif');
智能气功
imshow(I)
figure,imhist(I)
J=imadjust(I,[0 0.2],[0.5 1]);
figure,imhist(J)
西安民生集团股份有限公司figure,imshow(J)
1.3直方图均衡化
分别对图像‘pout.tif’和‘tire.tif’进行直方图均衡化处理，比较处理前后图像及直方图分布的变化。
I=imread('pout.tif');
imshow(I)
figure,imhist(I)
J=histeq(I);
figure,imhist(J)
figure,imshow(J)
I=imread('tire.tif');
imshow(I)
figure,imhist(I)
J=histeq(I);
figure,imshow(J)
figure,imhist(J)
2、空域滤波增强
2.1噪声模拟
利用函数imnoise给图像‘eight.tif’分别添加高斯(gaussian)噪声和椒盐(salt & pepper)噪声。
I=imread('eight.tif');
imshow(I)
I1=imnoise(I,'gaussian',0,0.01);
figure,imshow(I1)
I2=imnoise(I,'salt & pepper');
figure,imshow(I2)
2.2空域滤波
对上述噪声图像进行均值滤波和中值滤波，比较滤波效果。
I=imread('eight.tif');
J=imnoise(I,'salt & pepper',0.02);
imshow(J)
K1=medfilt2(J,[3 3]); % 3*3中值滤波
figure,imshow(K1)
K2=filter2(fspecial('average',5),J)/255;
figure,imshow(K2)
均值滤波和中值滤波的特点及使用场合
均值滤波器是一种最常用的线性低通平滑滤波器。可抑制图像中的噪声，但同时也使图像变得模糊；中值滤波器是一种最常用的非线性平滑滤波器。可消除图像中孤立的噪声点，又可产生较少的模糊。
3、自己编写m文件代码，实现求灰度图像的灰度直方图，并与imhist函数的结果比较。
4、先对图像rice.tif进行直方图均衡化处理，并绘制直方图均衡化的转移函数的变换曲线.然后对图像rice.tif均衡化成32个灰度级的直方图作为原始图像得期望直方图.并说明图像处理的效果差别。
I=imread('rice.tif');
J=histeq(I);
subplot(2,2,1),imshow(I),title('原是图像')
subplot(2,2,2),imshow(J),title('直方图均衡化图像')
subplot(2,2,3),imhist(I),title('原是图像直方图')
subplot(2,2,4),imhist(J),title('直方图均衡化图像直方图')
I=imread('rice.tif');
[J,T]=histeq(I);%进行直方图均衡化
figure,plot((0:1/255:1),T) %绘制转移函数的变换曲线
由处理效果图可见图像经过直方图均衡化图像的细节更加清楚了，均衡化图像的动态范围扩大了。但是由于直方图的均衡化没有考虑图像的内容，只是简单地将图像进行直方图均衡，使图像看起来亮度过高，也就是说直方图的方法不够灵活，于是又提出了其他的图像增强的方法。
下面是用将图像rice.tif均衡化成32个灰度级的直方图作为原始图像的期望直方图，对图像rice.tif进行直方图规定化的程序清单：
I=imread('rice.tif');
J=histeq(I,32);
[counts x]=imhist(J);
figure(2)
subplot(2,2,1),imshow(I)
subplot(2,2,2),imhist(I)
M=histeq(I,counts);
subplot(2,2,3),imshow(M)
subplot(2,2,4),imhist(M)
5、对一个图像进行不同大小模板的均值滤波，并比较结果。
I=imread('eight.tif');
J=imnoise(I,'salt & pepper',0.02); %对指定的图像加入椒盐噪声
subplot(2,2,1),imshow(J);title('含噪声的图像');
K1=filter2(fspecial('average',3),J)/255; %进行3*3模板的均值滤波
K2=filter2(fspecial('average',5),J)/255; %进行5*5模板的均值滤波
秸秆成型机K3=filter2(fspecial('average',7),J)/255; %进行7*7模板的均值滤波
subplot(2,2,2),imshow(K1);title('3*3模板的均值滤波后的图像');
subplot(2,2,3),imshow(K2);title('5*5模板的均值滤波后的图像');
subplot(2,2,4),imshow(K3);title('7*7模板的均值滤波后的图像');
结果分析：
对以上用不同尺寸的滤波器模板进行滤波操作的图像进行比较，可以看到：
随着所使用的滤波器尺寸的增大，消除噪声的效果得到了增强；但是，图像的细节锐化程度相应降低，图像变得模糊起来。
6、对一个图像进行不同大小模板的中值滤波，并比较结果。
I=imread('eight.tif');
J=imnoise(I,'salt & pepper',0.02); %对指定的图像加入椒盐噪声
subplot(2,2,1),imshow(J);title('含噪声的图像');
K1=medfilt2(J,[3 3]) %进行3*3模板的中值滤波
K2=medfilt2(J,[5 5]) %进行5*5模板的中值滤波
K3=medfilt2(J,[7 7]) %进行7*7模板的中值滤波
subplot(2,2,2),imshow(K1);title('3*3模板的中值滤波后的图像');
subplot(2,2,3),imshow(K2);title('5*5模板的中值滤波后的图像');
豫公网安备41160202000603
站长QQ:729038198
关于我们
投诉建议