matlab图像处理综合实验实验报告
matlab图像处理实验
matlab图像处理实验实验⼀ Matlab语⾔、数字图象基本操作⼀、实验⽬的1、复习MATLAB语⾔的基本⽤法；2、掌握MATLAB语⾔中图象数据与信息的读取⽅法；3、掌握在MATLAB中绘制灰度直⽅图的⽅法，了解灰度直⽅图的均衡化的⽅法。
⼆、实验原理MATLAB是集数值计算，符号运算及图形处理等强⼤功能于⼀体的科学计算语⾔。
作为强⼤的科学计算平台，它⼏乎能够满⾜所有的计算需求。
MATLAB软件具有很强的开放性和适⽤性。
在保持内核不变的情况下，MATLAB可以针对不同的应⽤学科推出相应的⼯具箱(toolbox)。
⽬前，MATLAB已经把⼯具箱延伸到了科学研究和⼯程应⽤的诸多领域，诸如数据采集、概率统计、信号处理、图像处理和物理仿真等，都在⼯具箱（Toolbox）家族中有⾃⼰的⼀席之地。
在实验中我们主要⽤到MATLAB提供图象处理⼯具箱（Image ProcessingToolbox）。
1、MATLAB与数字图像处理MATLAB全称是Matrix Laboratory（矩阵实验室），⼀开始它是⼀种专门⽤于矩阵数值计算的软件，从这⼀点上也可以看出，它在矩阵运算上有⾃⼰独特的特点。
实际上MATLAB中的绝⼤多数的运算都是通过矩阵这⼀形式进⾏的。
这⼀特点也就决定了MATLAB在处理数字图像上的独特优势。
理论上讲，图像是⼀种⼆维的连续函数，然⽽在计算机上对图像进⾏数字处理的时候，⾸先必须对其在空间和亮度上进⾏数字化，这就是图像的采样和量化的过程。
⼆维图像进⾏均匀采样，就可以得到⼀幅离散化成M×N样本的数字图像，该数字图像是⼀个整数阵列，因⽽⽤矩阵来描述该数字图像是最直观最简便的了。
⽽MATLAB的长处就是处理矩阵运算，因此⽤MATLAB处理数字图像⾮常的⽅便。
MATLAB⽀持五种图像类型，即索引图像、灰度图像、⼆值图像、RGB图像和多帧图像阵列；⽀持BMP、GIF、HDF、JPEG、PCX、PNG、TIFF、XWD、CUR、ICO等图像⽂件格式的读，写和显⽰。
matlab图像处理实验报告
matlab图像处理实验报告《Matlab图像处理实验报告》摘要：本实验报告通过使用Matlab软件进行图像处理实验，对图像进行了灰度化、二值化、边缘检测、图像增强等处理，通过实验结果分析，验证了Matlab在图像处理领域的实用性和有效性。
1. 实验目的本实验旨在通过Matlab软件进行图像处理实验，掌握图像处理的基本方法和技术，提高对图像处理算法的理解和应用能力。
2. 实验原理图像处理是对图像进行数字化处理的过程，主要包括图像获取、图像预处理、图像增强、图像分割和图像识别等步骤。
Matlab是一种功能强大的科学计算软件，具有丰富的图像处理工具箱，可用于图像的处理、分析和识别。
3. 实验内容（1）图像灰度化首先，通过Matlab读取一幅彩色图像，并将其转换为灰度图像。
利用Matlab 中的rgb2gray函数，将RGB图像转换为灰度图像，实现图像的灰度化处理。
（2）图像二值化接着，对灰度图像进行二值化处理，将图像转换为黑白二值图像。
利用Matlab 中的im2bw函数，根据设定的阈值对灰度图像进行二值化处理，实现图像的二值化处理。
（3）边缘检测然后，对二值图像进行边缘检测处理，提取图像的边缘信息。
利用Matlab中的edge函数，对二值图像进行边缘检测处理，实现图像的边缘检测处理。
（4）图像增强最后，对原始图像进行图像增强处理，改善图像的质量和清晰度。
利用Matlab 中的imadjust函数，对原始图像进行图像增强处理，实现图像的增强处理。
4. 实验结果分析通过实验结果分析，可以发现Matlab在图像处理领域具有较高的实用性和有效性。
通过Matlab软件进行图像处理实验，可以快速、方便地实现图像的处理和分析，提高图像处理的效率和精度，为图像处理技术的研究和应用提供了重要的工具和支持。
5. 结论本实验通过Matlab图像处理实验，掌握了图像处理的基本方法和技术，提高了对图像处理算法的理解和应用能力。
数字图像处理matlab版实验报告
数字图像处理实验报告（matlab版）一．实验目的：熟悉数字图像处理中各种椒盐噪声的实质，明确各种滤波算法的的原理。
进一步熟悉matlab的编程环境，熟悉各种滤波算法对应的matlab函数。
实验结果给以数字图像处理课程各种算法处理效果一个更直观的印象。
二.实验原理:1．IPT(图像处理工具箱)基本函数介绍1. imread函数该函数用于从图形文件中读出图像。
格式A=IMRAED(FILENAME,FMT)。
该函数把FILENAME 中的图像读到A中。
若文件包含一个灰度图,则为二维矩阵。
若文件包含一个真彩图(RGB),则A为一三维矩阵。
FILENAME指明文件，FMT指明文件格式。
格式[X,MAP]=IMREAD(FILENAME,FMT).把FILENAME中的索引图读入X,其相应的调色板读到MAP中.图像文件中的调色板会被自动在范围[0,1]内重新调节。
FMT的可能取值为jpg 或jpeg,tif或tiff,bmp,png,hdf,pcx,xwd。
2.imwrite函数该函数用于把图像写入图形文件中。
格式IMWRITE(A,FILENAME,FMT)把图像A写入文件FILENAME中。
FILENAME指明文件名, FMT指明文件格式。
A既可以是一个灰度图,也可以是一个真彩图像。
格式IMWRITE(X,MAP,FILENAME,FMT)把索引图及其调色板写入FILENAME中。
MAP必须为合法的MATLAB调色板,大多数图像格式不支持多于256色的调色板。
FMT的可能取值为tif或tiff,jpg或jpeg,bmp,png,hdf,pcx,xwd。
3. imshow函数显示图像。
格式IMSHOW(I,N).用N级离散灰度级显示灰度图象I。
若省略N,默认用256级灰度显示24位图像,64级灰度显示其他系统。
格式IMSHOW(I,[LOW HIGH])，把I 作为灰度图显示。
LOW值指定为黑色,HIGH指定为白色，中间为按比例分布的灰色。
实验一 MATLAB_图像处理实验报告
实验一 MATLAB_图像处理实验报告实验报告课程名称数字图像处理实验名称图像的几何变换姓名__吴征宇学号____ 3101110002 专业班级_ 实验日期__20XX_ 年_10 _月_18 日成绩_____ __ 指导教师___ _一、实验目的掌握图像平移、缩放、旋转与镜像变换；二、实验原理图像平移，自写平移函数function outImage=immove(inImage,Tx,Ty) [m, n] = size(inImage);%计算图象大小outImage = uint8(zeros(m+abs(Ty), n+abs(Tx))); if(Tx>0&&Ty>0) %往右下角平移的情况outImage(1+Ty:m+Ty,1+Tx:n+Tx) = inImage; else if(Tx0) %往左下角平移的情况outImage(1+Ty:m+Ty,1:n) = inImage; else % 往右上角平移的情况outImage(1:m,1+Tx:n+Tx) = inImage; end endend 主函数I=imread('C:\\Documents and Settings\\student\\桌面\\'); J=rgb2gray(I);imshow(J);title('原图像'); H=immove(J,100,-100);figure;imshow(H);title('平移后图像'); B=immove(J,80,-50);figure;imshow(B);title('平移后图像'); G=imresize(J,);figure;imshow(G);title('缩放后图像'); C=imresize(J,2);figure;imshow(C);title('缩放后图像'); D=imrotate(J,30);figure;imshow(D);title('旋转后图像'); E=imrotate(J,54);figure;imshow(E);title('旋转后图像'); F = flipdim(J,1);figure;imshow(F);title('垂直镜像图像'); G = flipdim(J,2);figure;imshow(G);title('水平镜像图像');三、实验环境Window 20XX Matlab1．利用imread( )函数读取一幅图像，假设其名为，存入一个数组中；a=imread('')2．利用whos 命令提取该读入图像的基本信息；3．利用imshow 函数来显示这幅图像；4．利用imfinfo函数来获取图像文件的压缩，颜色等等其他的详细信息；5．利用imwrite 函数来压缩这幅图象，将其保存为一幅压缩了像素的jpg文件,设为；语法：imwrite(原图像，新图像，‘quality’,q), q取0-100。
matlab简单图像处理实验报告
实验一：图像文件类型转换实验目的：理解数字图像文件的几种基本类型掌握在MATLAB中进行图象文件类型转换的方法观察图象转换前后的效果加深对图象文件类型的理解熟悉图象格式、颜色系统间的转换实验内容：1）灰度图像与索引图像的相互转换2）RGB图像与索引图像的相互转换3）将图像转换为二值化图像实验方法：利用MATLAB工具进行实验一、灰度图像到索引图像的转换clear>> info=imfinfo('rice.png')info =Filename: 'rice.png'FileModDate: '26-Jan-2003 00:03:06'FileSize: 44607Format: 'png'FormatVersion: []Width: 256Height: 256BitDepth: 8ColorType: 'grayscale'FormatSignature: [137 80 78 71 13 10 26 10]Colormap: []Histogram: []InterlaceType: 'none'Transparency: 'none'SimpleTransparencyData: []BackgroundColor: []RenderingIntent: []Chromaticities: []Gamma: []XResolution: []YResolution: []ResolutionUnit: []XOffset: []YOffset: []OffsetUnit: []SignificantBits: []ImageModTime: '27 Dec 2002 19:57:12 +0000'Title: []Author: []Description: 'Rice grains'Copyright: 'Copyright The MathWorks, Inc.'CreationTime: []Software: []Disclaimer: []Warning: []Source: []Comment: []OtherText: []RGB=imread('rice.png');>> figure(3);>> imshow(RGB);>> figure(1);>> [RGB1,map1]=gray2ind(RGB,128);>> imshow(RGB1,map1);>> figure(2);>> [RGB2,map2]=gray2ind(RGB,16);>> imshow(RGB2,map2);>> imwrite(RGB1,map1,'3.bmp');>> imwrite(RGB2,map2,'4.bmp');图3 图1图2实验结果分析：从上述实验结果，我们可以看出灰度级不同，图像的亮度也不一样。
综合实验报告Matlab
综合实验报告Matlab综合实验报告：Matlab引言：Matlab是一种强大的数学计算软件，广泛应用于科学计算、数据分析和工程设计等领域。
本文将通过综合实验报告的形式，探讨Matlab在数据处理、图像处理和模拟仿真等方面的应用。
一、数据处理1.1 数据读取与处理在Matlab中，可以通过readtable函数读取各种格式的数据文件，如Excel表格、CSV文件等。
读取数据后，可以使用各种函数对数据进行处理，如排序、筛选、统计等。
此外，Matlab还提供了强大的绘图功能，可以直观地展示数据的分布和趋势。
1.2 数据拟合与回归分析Matlab提供了多种拟合和回归分析的函数，如polyfit、lsqcurvefit等。
通过这些函数，可以根据给定的数据点，拟合出最佳的曲线或曲面，从而预测未知数据的值。
这对于数据预测和趋势分析非常有用。
二、图像处理2.1 图像读取与显示Matlab支持多种图像格式的读取和显示，如JPEG、PNG、BMP等。
可以使用imread函数读取图像文件，并使用imshow函数显示图像。
同时，Matlab还提供了丰富的图像处理函数，如灰度化、二值化、平滑滤波等，可以对图像进行各种处理操作。
2.2 图像增强与特征提取通过Matlab的图像增强函数，如对比度调整、直方图均衡化等，可以改善图像的质量和清晰度。
此外，Matlab还提供了多种特征提取函数，如边缘检测、角点检测等，可以提取图像中的重要特征，用于目标识别和分析。
三、模拟仿真3.1 数学建模与仿真Matlab是一种优秀的数学建模工具，可以通过编写脚本文件，实现各种数学模型的建立和仿真。
例如，可以利用Matlab解决微分方程、优化问题等。
此外，Matlab还支持符号计算，可以进行符号运算和代数求解，方便进行复杂数学推导。
3.2 电路仿真与系统建模对于电子工程师来说，Matlab是一种不可或缺的工具。
Matlab提供了Simulink 工具箱，可以进行电路仿真和系统建模。
matlab图像处理综合实验实验报告
《数字图像处理》实验报告学院：专业：班级：姓名：学号：实验一实验名称：图像增强实验目的：1.熟悉图像在Matlab下的读入，输出及显示；2.熟悉直方图均衡化；3.熟悉图像的线性指数等；4.熟悉图像的算术运算及几何变换.实验仪器：计算机，Matlab软件实验原理：图像增强是为了使受到噪声等污染图像在视觉感知或某种准则下尽量的恢复到原始图像的水平之外，还需要有目的性地加强图像中的某些信息而抑制另一些信息，以便更好地利用图像。
图像增强分频域处理和空间域处理，这里主要用空间域的方法进行增强。
空间域的增强主要有：灰度变换和图像的空间滤波。
图像的直方图实际上就是图像的各像素点强度概率密度分布图，是一幅图像所有像素集合的最基本统计规律，均衡化是指在每个灰度级上都有相同的像素点过程。
实验容如下：I=imread('E:\cs.jpg');%读取图像subplot(2,2,1),imshow(I),title('源图像')J=rgb2gray(I)%灰度处理subplot(2,2,2),imshow(J) %输出图像title('灰度图像') %在原始图像中加标题subplot(2,2,3),imhist(J) %输出原图直方图title('原始图像直方图')I=imread('E:\cs.jpg');%读取图像subplot(1,2,1),imshow(I);theta = 30;K = imrotate(I,theta);subplot(1,2,2),imshow(K)对数运算：I=imread('E:\dog.jpg');subplot(2,2,1),imshow(I),title('源图像')J=rgb2gray(I)%灰度处理subplot(2,2,2),imshow(J),title('灰度变换后图像') J1=log(1+double(J));subplot(2,2,3),imshow(J1,[]),title('对数变换后')指数运算:I=imread('E:\dog.jpg');f=double(I);g=(2^2*(f-1))-1f=uint8(f); g=uint8(g);subplot(1,2,1);subimage(f),title('变换一') subplot(1,2,2);subimage(g),title('变换二')加法运算：clc;clear all;close all; i = imread('E:\dog.jpg');j = imnoise(i,'gaussian',0,0.02);subplot(1,3,1),imshow(i),title('图一') subplot(1,3,2),imshow(j),title('图二') k=zeros(242,308); for p=1:100j = imnoise(i,'gaussian',0,0.02); j1 = im2double(j); k = k + j1; end k=k/100;subplot(1,3,3),imshow(k),title('图三')变换一200400600100200300400500变换二200400600100200300400500实验二实验名称：图像变换实验目的：（1）进一步对matlab的了解和使用；（2）学习如何在matlab中对数字图像的处理；实验原理：图像和其他信号一样，既能在空间域处理，也能在频率域处理。
matlab 数字图像处理实验报告(五份)
《数字图像处理实验报告》实验一图像的增强一.实验目的1.熟悉图像在MATLAB下的读写、输出；2.熟悉直方图；3.熟悉图像的线性指数等；4.熟悉图像的算术运算和几何变换。
二.实验仪器计算机、MATLAB软件三.实验原理图像增强是指根据特定的需要突出图像中的重要信息，同时减弱或去除不需要的信息。
从不同的途径获取的图像，通过进行适当的增强处理，可以将原本模糊不清甚至根本无法分辨的原始图像处理成清晰的富含大量有用信息的可使用图像。
其基本原理是：对一幅图像的灰度直方图，经过一定的变换之后，使其成为均匀或基本均匀的，即使得分布在每一个灰度等级上的像素个数．f=H等或基本相等。
此方法是典刑的图像空间域技术处理，但是由于灰度直方图只是近似的概率密度函数，因此，当用离散的灰度等级做变换时，很难得到完全平坦均匀的结果。
频率域增强技术频率域增强是首先将图像从空间与变换到频域，然后进行各种各样的处理，再将所得到的结果进行反变换，从而达到图像处理的目的。
常用的变换方法有傅里叶变换、DCT变换、沃尔什-哈达玛变换、小波变换等。
假定原图像为f(x，y)，经傅立叶变换为F(u，v)。
频率域增强就是选择合适的滤波器H(u,v)对F(u,v)的频谱成分进行处理，然后经逆傅立叶变换得到增强的图像。
四.实验内容及步骤1.图像在MATLAB下的读写、输出；实验过程：>> I = imread('F:\image\624baf9dbcc4910a.jpg');figure;imshow(I);title('Original Image');text(size(I,2),size(I,1)+15, ...'IMG_20170929_130307.jpg', ...'FontSize',7,'HorizontalAlignment','right');Warning: Image is too big to fit on screen; displaying at 25% > In imuitools\private\initSize at 86In imshow at 196Original Image2.给定函数的累积直方图。
matlab图像处理基础实验,数字图像处理实验报告Matlab图像处理基础
matlab图像处理基础实验,数字图像处理实验报告Matlab图像处理基础《数字图像处理实验报告 Matlab图像处理基础》由会员分享，可在线阅读，更多相关《数字图像处理实验报告 Matlab图像处理基础(27页珍藏版)》请在⼈⼈⽂库⽹上搜索。
1、院系：计算机科学学院专业：计算机科学和技术年级： 2012级课程名称：数字图像处理组号：姓名(学号):指导教师：⾼志荣2015年5⽉25⽇学年2012年度班号1学号专业计算机科学和技术姓名实验名称Matlab图像处理的基础实验室204果实检查眼睛的和要拜托了⼀、实验⽬的：(熟悉Matlab开发环境(掌握Matlab中数字图像读取、显⽰、保存的基本⽅法的使⽤(3)把握不同种类的数字图像间的变换⽅法(4)加深空间分辨率和灰度分辨率对图像显⽰效果的影响(熟悉Matlab中的傅⽴叶变换(基于Matlab的数字图像程序设计⽅法⼆、实验内容：(在Matlab中使⽤imread函数读取1张RGB图像(从实验。
2、素材中任意选择)，调查该图像的尺⼨、数据类型信息，将该图像转换为灰度图像并以bmp形式保存。
(使⽤imread函数读取1张灰度图像(从实验素材中任意选择)，分别进⾏2个采样、4个采样和8个采样，以相同⼤⼩显⽰原图像和采样后的3张结果图像，⽐较空间分辨率对图像显⽰效果的影响。
(使⽤imread函数读取1张灰度图像(从实验素材中任意选择)，分别以5、10、50的间隔将该灰度再次均匀量化，以相同⼤⼩显⽰原图像和再量化后的3张结果图像，⽐较灰度分辨率对图像显⽰效果的影响。
(4)读取⼀张灰度图像，对其进⾏快速傅⽴叶变换，在同⼀窗⼝中显⽰原始的空间区域图像和变换后的频域图像。
三、实验要求：(1)关于具体的。
3、实验内容，分别给出命令(或m⽂书)、输出结果、成因分析、经验总结。
(2)所有⽣成的图像或m⽂件，均须命名。
例如，图n :描述图像信息的*.m⽂件：描述⽂件信息。
数字图像处理实验——实验四
报告内容：（目的和要求、原理、步骤、数据、计算、小结等）图像处理综合性实验报告实验四综合实验一、实验目的1、掌握matlab编程语言进行编程。
2、用matlab及运用各种数字图像处理方法实现对图像的变换。
二、实验设备计算机、Matlab软件三、实验原理图像预处理是相对于图像识别、图像理解而言的一种前期处理。
不论采用何种装置，输入的图像往往不能令人满意。
例如，从美学的角度会感到图像中物体的轮廓过于鲜明而显得不协调；按检测对象物大小和形状的要求看，图像的边缘过于模糊；在相当满意的一幅图像上会发现多了一些不知来源的黑点或白点；图像的失真、变形等等。
总之，输入的图像在视觉效果和识别方便性等方面可能存在诸多问题，这类问题不妨统称为“质量”问题。
尽管由于目的、观点、爱好等的不同，图像质量很难有同意的定义和标准，但是，根据应用要改善图像质量却是一个共同的愿望。
改善图像质量的处理称为图像预处理，主要是指按需要对图像进行适当的变换突出某些游泳的信息，去除或削弱无用的信息，如改变图像对比度，去除噪声或强调边缘的处理等。
四、实验步骤1.对图像灰度非线性变换2.对某个图像进行直方图均衡化3.对图像进行直方图规定化4.对图像进行空间域低通滤波5.对图片进行低通滤波处理6.对图像进行空域高通滤波法7.通过各种频域低通滤波器方法对图像进行处理五、源程序清单、测试数据、结果1、灰度非线性变换图像灰度变换是图像增强的一种手段。
其中灰度非线性变换能使图像灰度的分布均匀，与人的视觉特性相匹配。
MATLAB语言编写的例程和图像运行结果如下：%GRAY TRANSFORMclc;I=imread('21.jpg');imshow(I);J=imadjust(I,[0.3 0.7],[0 1],1);%transfroms the values in the intensity image I to%values in J by linealy mapping values between %0.3 and 0.7 to values between 0 and 1figure;imshow(J);J=imadjust(I,[0.3 0.7],[0 1],1);%If GAMMA is less than 1,the mapping%is weighted toward higher (brighter)output values.figure;imshow(J);J=imadjust(I,[0.3 0.7],[0 1],1.5);% If GAMMA is greater than 1,the % mapping is weighted toward lower (darker)output values.figure;imshow(J);J=imadjust(I,[0.3 0.7],[0 1],1);% If TOP < BOTTOM,the output image % is reversed,as in a photogrphic negative.figure;imshow(J);2、对tire图像进行直方图均衡化图示：直方图均衡化是通过变换函数将原图的直方图调整为平坦的直方图。
实验二 Matlab图像处理
实验二Matlab图像处理一、实验目的利用Matlab图像处理工具箱中的函数实现各种图像常规处理，深化课程理论知识认识。
二、实验内容和要求实习内容：利用matlab读取BMP图像，实现图像点变换、空间域局部处理、几何变换、彩色合成和彩色变换。
三、实习步骤1 图像的灰度变换I= imread('cameraman-8.bmp','bmp');figure; subplot(2,2,1), imshow(I);subplot(2,2,2),imhist(I);[counts1,x1] = imhist(I);%观察Counts,x的值subplot(2,2,3),stem(x1,counts1);J=imadjust(I,[0.1 0.7],[0.0 0.9]);subplot(2,2,4), imshow (J);figure;subplot(2,3,1),imshow(I);subplot(2,3,2),imshow(J);subplot(2,3,4),imhist(I);subplot(2,3,5),imhist(J);[counts2,x2] = imhist(J);subplot(2,3,6), stem(x2,counts2);2 图像直方图处理2.1直方图均衡化I=imread('cameraman-8.bmp','bmp') ;J=histeq(I) ;figure(1),subplot(2,2,1),imshow(I),subplot(2,2,2),imshow(J);figure(1),subplot(2,2,3),imhist(I),subplot(2,2,4),imhist(J);2.2直方图规定化I1=imread('TM5.bmp','bmp');I2=imread('TM3.bmp','bmp');K1=histeq(I1,imhist(I2));figure;subplot(3,2,1),imshow(I1);subplot(3,2,2), imhist(I1);subplot(3,2,3),imshow(I2);subplot(3,2,4), imhist(I2);subplot(3,2,5),imshow(K1);subplot(3,2,6), imhist(K1);3 图像空间域平滑3.1 用均值滤波器实现图像空间域的平滑I=imread('cameraman-8.bmp','bmp');J=imnoise(I,'gaussian'); %添加高斯噪声K=imnoise(I,'salt & pepper'); %添加椒盐噪声M=imnoise(I,'speckle'); %添加乘性噪声H=ones(3,3)/9; %3*3的均值去噪模板I1=imfilter(I,H);J1=imfilter(J,H);K1=imfilter(K,H);M1=imfilter(M,H) ; %去噪figure;subplot(2,4,1),imshow(I);title('原图');subplot(2,4,2),imshow(J); title('高斯噪声图像');subplot(2,4,3),imshow(K); title('椒盐噪声图像');subplot(2,4,4),imshow(M); title('乘性噪声图像');subplot(2,4,6),imshow(J1); title('高斯噪声滤波图像'); subplot(2,4,7),imshow(K1); title('椒盐噪声滤波图像'); subplot(2,4,8),imshow(M1) ; title('乘性噪声滤波图像') ;3.2 用中值滤波器实现图像空间域的平滑I=imread('cameraman-8.bmp');I1=imnoise(I,'gaussian');I2=imnoise(I,'salt & pepper',0.02);I3=imnoise(I,'speckle');J=medfilt2(I,[3,3]); %3×3中值滤波模板J1=medfilt2(I1,[3,3]);J2=medfilt2(I2,[3,3]);J3=medfilt2(I3,[3,3]);figure,subplot(2,4,1),imshow(I) ; title('原图') ;subplot(2,4,2),imshow(I1) ; title('添加高斯噪声') ; subplot(2,4,3),imshow(I2) ; title('添加椒盐噪声') ; subplot(2,4,4),imshow(I3) ; title('添加乘性噪声') ; subplot(2,4,6),imshow(J1) ;title('高斯噪声3*3中值滤波') ;subplot(2,4,7),imshow(J2) ;title('椒盐噪声3*3中值滤波') ;subplot(2,4,8),imshow(J3) ;title('乘性噪声3*3中值滤波') ;K=medfilt2(I, [5,5]); %5×5中值滤波模板K1=medfilt2(I1,[5,5]);K2=medfilt2(I2,[5,5]);K3=medfilt2(I3,[5,5]);figure;subplot(2,2,1),imshow(K); title('原图5*5中值滤波');subplot(2,2,2),imshow(K1) ; title('高斯噪声5*5中值滤波') ;subplot(2,2,3),imshow(K2); title('椒盐噪声5*5中值滤波');subplot(2,2,4),imshow(K3) ; title('乘性噪声5*5中值滤波');4 图像空间域锐化I=imread('cameraman.bmp','bmp')H=fspecial('sobel')%用sobel算子做模板J=imfilter(I,H)figure,subplot(1,2,1),imshow(I),subplot(1,2,2),imshow(J);5 图像几何变换5.1 缩放I=imread('cameraman.bmp', 'bmp') ;J=imresize(I,2) ;K=imresize(I,0.5) ;figure(1),subplot(),imshow(I),title('原图'),figure(2),subplot(),imshow(J),title('放大两倍的图'),figure(3),subplot(),imshow(K),title('缩小0.5倍的图') ;5.2旋转I=imread('cameraman.bmp', 'bmp') ;M=imrotate(I,45) ;figure;subplot(1,2,1),imshow(I),subplot(1,2,2),imshow(M) ;6、彩色图像处理6.1 彩色变换I=imread('autumn.bmp','bmp');HSV=rgb2hsv(I) ;RGB=hsv2rgb(HSV) ;figure;subplot(1,3,1),imshow(I),title('原图'),subplot(1,3,2),imshow(HSV),title('HSV图像');subplot(1,3,3),imshow(RGB),title('RGB图像') ;6.2彩色合成I=imread('autumn.bmp','bmp');J1=I;J2=I;J3=I;J4=I;J5=I;J1(:,:,1)=I(:,:,2), J1(:,:,2)=I(:,:,3), J1(:,:,3)=I(:,:,1) ;J2(:,:,1)=I(:,:,1), J2(:,:,2)=I(:,:,3), J2(:,:,3)=I(:,:,2) ;J3(:,:,1)=I(:,:,2), J3(:,:,2)=I(:,:,1), J3(:,:,3)=I(:,:,3) ;J4(:,:,1)=I(:,:,3), J4(:,:,2)=I(:,:,2), J4(:,:,3)=I(:,:,1) ;J5(:,:,1)=I(:,:,3), J5(:,:,2)=I(:,:,1), J5(:,:,3)=I(:,:,2) ; figure,subplot(2,3,1),imshow(I),title('原图');subplot(2,3,2),imshow(J1),title('变换一') ;subplot(2,3,3),imshow(J2),title('变换二') ;subplot(2,3,4),imshow(J3),title('变换三') ;subplot(2,3,5),imshow(J4),title('变换四') ;subplot(2,3,6),imshow(J5),title('变换五');附录：函数说明Imread():读取图像Imadjust():Adjust image intensity values or colormap Imhist():Display histogram of image datastem():Plot discrete sequence datasubplot():Create axes in tiled positionshisteq():Enhance contrast using histogram equalization imshow():Display imageimnoise():Add noise to imageones():Create array of all onesmedfilt2():2-D median filteringrgb2hsv():Convert RGB colormap to HSV colormap hsv2rgb():Convert HSV colormap to RGB colormap。
matlab图像处理综合实验实验报告
《数字图像处理》实验报告学院：专业：班级：姓名：学号：实验一实验名称：图像增强实验目的：1.熟悉图像在Matlab下的读入，输出及显示；2.熟悉直方图均衡化；3.熟悉图像的线性指数等；4.熟悉图像的算术运算及几何变换.实验仪器：计算机，Matlab软件实验原理：图像增强是为了使受到噪声等污染图像在视觉感知或某种准则下尽量的恢复到原始图像的水平之外，还需要有目的性地加强图像中的某些信息而抑制另一些信息，以便更好地利用图像。
图像增强分频域处理和空间域处理，这里主要用空间域的方法进行增强。
空间域的增强主要有：灰度变换和图像的空间滤波。
图像的直方图实际上就是图像的各像素点强度概率密度分布图，是一幅图像所有像素集合的最基本统计规律，均衡化是指在每个灰度级上都有相同的像素点过程。
实验内容如下：I=imread('E:\cs.jpg');%读取图像subplot(2,2,1),imshow(I),title('源图像')J=rgb2gray(I)%灰度处理subplot(2,2,2),imshow(J) %输出图像title('灰度图像') %在原始图像中加标题subplot(2,2,3),imhist(J) %输出原图直方图title('原始图像直方图')0100200subplot(1,2,2),imshow(K)对数运算：I=imread('E:\dog.jpg');subplot(2,2,1),imshow(I),title('源图像')J=rgb2gray(I)%灰度处理subplot(2,2,2),imshow(J),title('灰度变换后图像') J1=log(1+double(J));subplot(2,2,3),imshow(J1,[]),title('对数变换后')指数运算:I=imread('E:\dog.jpg');f=double(I);g=(2^2*(f-1))-1f=uint8(f);g=uint8(g);subplot(1,2,1);subimage(f),title('变换一') subplot(1,2,2);subimage(g),title('变换二')100 200 300100 200 300加法运算：clc;clear all;close all;i = imread('E:\dog.jpg');j = imnoise(i,'gaussian',0,0.02); subplot(1,3,1),imshow(i),title('图一') subplot(1,3,2),imshow(j),title('图二') k=zeros(242,308);for p=1:100j = imnoise(i,'gaussian',0,0.02);j1 = im2double(j);k = k + j1;endk=k/100;subplot(1,3,3),imshow(k),title('图三')实验二实验名称：图像变换实验目的：（1）进一步对matlab的了解和使用；（2）学习如何在matlab中对数字图像的处理；实验原理：图像和其他信号一样，既能在空间域处理，也能在频率域处理。
matlab图像处理实验报告
matlab图像处理实验报告Matlab图像处理实验报告引言：图像处理是一门研究如何对图像进行获取、存储、传输、处理和显示的学科。
而Matlab作为一种强大的科学计算软件，被广泛应用于图像处理领域。
本实验报告旨在介绍Matlab在图像处理中的应用。
一、图像获取与显示在图像处理的第一步，我们需要获取图像并进行显示。
Matlab提供了丰富的函数和工具箱来实现这一目标。
我们可以使用imread函数来读取图像文件，imwrite函数来保存图像文件。
而imshow函数则可以用于图像的显示。
通过使用这些函数，我们可以轻松地加载图像文件，并在Matlab中显示出来。
二、图像的基本操作在图像处理中，我们经常需要对图像进行一些基本的操作，如图像的缩放、旋转、裁剪等。
Matlab提供了一系列的函数来实现这些操作。
通过imresize函数，我们可以实现图像的缩放操作。
而imrotate函数则可以用于图像的旋转。
此外，imcrop函数可以用于图像的裁剪。
三、图像的滤波处理图像的滤波处理是图像处理中的重要内容之一。
Matlab提供了多种滤波函数，如均值滤波、中值滤波、高斯滤波等。
这些滤波函数可以用于图像的平滑处理和噪声的去除。
通过调用这些函数，我们可以有效地改善图像的质量。
四、图像的边缘检测边缘检测是图像处理中的一项重要任务，它可以用于提取图像中的边缘信息。
在Matlab中，我们可以使用多种边缘检测算法来实现这一目标，如Sobel算子、Prewitt算子、Canny算子等。
这些算子可以有效地提取图像中的边缘，并将其显示出来。
五、图像的特征提取图像的特征提取是图像处理中的关键步骤之一，它可以用于提取图像中的重要特征。
在Matlab中，我们可以使用各种特征提取算法来实现这一目标，如颜色直方图、纹理特征、形状特征等。
通过提取这些特征，我们可以对图像进行分类、识别等任务。
六、图像的分割与识别图像的分割与识别是图像处理中的热门研究方向之一。
图像处理综合实验报告
图像处理综合实验报告一、引言图像处理是计算机科学中的重要研究领域，其应用范围广泛，涵盖了图像增强、图像分割、图像识别等多个方面。
本实验旨在通过综合实验的方式，探索图像处理的基本方法和技术，并对实验结果进行分析和总结。
二、实验目的1. 了解图像处理的基本概念和原理；2. 熟悉常用的图像处理工具和算法；3. 掌握图像处理中常见的操作和技术；4. 分析实验结果并提出改进意见。
三、实验步骤1. 实验准备在实验开始之前，我们需要准备一台计算机和图像处理软件，例如MATLAB、Python等。
同时，需要收集一些图像数据作为实验样本。
2. 图像增强图像增强是图像处理中常用的操作，旨在改善图像的质量和视觉效果。
我们可以通过调整图像的亮度、对比度、色彩等参数来实现图像增强。
在实验中，我们可以选择一些常见的图像增强算法，如直方图均衡化、灰度拉伸等。
3. 图像滤波图像滤波是图像处理中常用的技术，用于去除图像中的噪声和平滑图像。
常见的图像滤波算法包括均值滤波、中值滤波、高斯滤波等。
在实验中，我们可以选择适合实验样本的滤波算法，并对比不同滤波算法的效果。
4. 图像分割图像分割是将图像划分为不同的区域或对象的过程。
常见的图像分割算法包括阈值分割、边缘检测、区域生长等。
在实验中，我们可以选择一种或多种图像分割算法，并对比它们的分割效果和计算复杂度。
5. 图像识别图像识别是图像处理的重要应用之一，它可以用于识别和分类图像中的对象或特征。
在实验中，我们可以选择一些常用的图像识别算法，如模板匹配、神经网络等，并通过实验样本进行图像识别的实验。
四、实验结果与分析1. 图像增强实验结果我们选取了一张低对比度的图像作为实验样本，经过直方图均衡化和灰度拉伸处理后，图像的对比度得到了明显的改善，细节部分更加清晰。
2. 图像滤波实验结果我们选取了一张带有高斯噪声的图像作为实验样本，经过均值滤波、中值滤波和高斯滤波处理后，图像的噪声得到了有效的去除，图像更加平滑。
MATLAB图像处理命令及图形基本操作实验报告
实验（一）常用MATLAB图像处理命令及图形基本操作
end
end
end
for i=1:m
for j=1:n
out(i,j,1)=R(i,j);
% imshow(out)
out(i,j,2)=G(i,j);
out(i,j,3)=B(i,j);
end
end
out=out/256;
figure(1),imshow(out)
%imshow(out)
size(out)
imwrite(out,'PseudoColor.tiff');
end
4、读入一幅RGB图像，变换为灰度图像和二值图像，并在同一个窗口内分成三个子窗口来分别显示RGB图像和灰度图像，注上文字标题。
RGB=imread('f:\1.jpg')
gray = rgb2gray(RGB)
I = im2bw(RGB,0.5)
subplot(3,1,1);imshow(a);title('原图像')；
subplot(3,1,2);imshow(i);title('灰度图像')；colormap(gray)；
subplot(3,1,3);imshow(I);title('二值图像')；
实验结果如图所示：
四、实验总结：
Imread 是读入文件的操作代码，subplot是将多个图画到一个平面上的工具本次实验在老师的带领下熟悉了matlab软件的具体操作
通过书写代码，操作程序实现了灰度图像转换为伪彩色图像；
通过书写代码实现了读入一幅RGB图像，并将其变换为灰度图像和二值图像，然后在同一个窗口中显示RGB图像和灰度图像。
matlab图像处理综合实验实验报告
《数字图像处理》实验报告学院：专业：班级：姓名：学号：实验一实验名称：图像增强实验目的：1.熟悉图像在Matlab下的读入，输出及显示；2.熟悉直方图均衡化；3.熟悉图像的线性指数等；4.熟悉图像的算术运算及几何变换.实验仪器：计算机，Matlab软件实验原理：图像增强是为了使受到噪声等污染图像在视觉感知或某种准则下尽量的恢复到原始图像的水平之外，还需要有目的性地加强图像中的某些信息而抑制另一些信息，以便更好地利用图像。
图像增强分频域处理和空间域处理，这里主要用空间域的方法进行增强。
空间域的增强主要有：灰度变换和图像的空间滤波。
图像的直方图实际上就是图像的各像素点强度概率密度分布图，是一幅图像所有像素集合的最基本统计规律，均衡化是指在每个灰度级上都有相同的像素点过程。
实验内容如下：I=imread('E:\cs.jpg');%读取图像subplot(2,2,1),imshow(I),title('源图像')J=rgb2gray(I)%灰度处理subplot(2,2,2),imshow(J) %输出图像title('灰度图像') %在原始图像中加标题subplot(2,2,3),imhist(J) %输出原图直方图title('原始图像直方图')0100200几何运算：I=imread('E:\cs.jpg');%subplot(1,2,1),imshow(I); theta = 30;K = imrotate(I,theta); subplot(1,2,2),imshow(K)对数运算：I=imread('E:\dog.jpg');subplot(2,2,1),imshow(I),title('源图像') J=rgb2gray(I)%灰度处理subplot(2,2,2),imshow(J),title('灰度变换后图像') J1=log(1+double(J));subplot(2,2,3),imshow(J1,[]),title('对数变换后') 指数运算:I=imread('E:\dog.jpg'); f=double(I); g=(2^2*(f-1))-1 f=uint8(f); g=uint8(g);subplot(1,2,1);subimage(f),title('变换一') subplot(1,2,2);subimage(g),title('变换二')加法运算：clc;clear all;close all; i = imread('E:\dog.jpg');j = imnoise(i,'gaussian',0,0.02);subplot(1,3,1),imshow(i),title('图一') subplot(1,3,2),imshow(j),title('图二') k=zeros(242,308); for p=1:100j = imnoise(i,'gaussian',0,0.02); j1 = im2double(j); k = k + j1; end k=k/100;subplot(1,3,3),imshow(k),title('图三')变换一200400600100200300400500变换二200400600100200300400500实验二实验名称：图像变换实验目的：（1）进一步对matlab的了解和使用；（2）学习如何在matlab中对数字图像的处理；实验原理：图像和其他信号一样，既能在空间域处理，也能在频率域处理。
matlab 图像 实验报告
matlab 图像实验报告Matlab图像实验报告引言：Matlab是一种强大的计算机编程语言和开发环境，广泛应用于科学计算、数据分析和图像处理等领域。
本实验报告旨在介绍基于Matlab的图像处理实验，包括图像读取、图像处理和图像显示等方面的内容。
一、图像读取图像读取是图像处理的第一步，通过读取图像可以获取图像的像素信息。
在Matlab中，可以使用imread函数来读取图像文件。
例如，通过以下代码可以读取一张名为"image.jpg"的图像：```matlabimage = imread('image.jpg');```二、图像处理1. 灰度化处理灰度化处理是将彩色图像转换为灰度图像的过程。
在Matlab中，可以使用rgb2gray函数来实现灰度化处理。
以下是一个简单的示例：```matlabgray_image = rgb2gray(image);```2. 图像增强图像增强是通过一系列的处理方法来改善图像的质量和视觉效果。
在Matlab中，有多种图像增强方法可供选择，如直方图均衡化、滤波和边缘检测等。
以下是一个直方图均衡化的示例：```matlabenhanced_image = histeq(gray_image);```3. 图像分割图像分割是将图像划分为若干个区域的过程，每个区域具有相似的特征。
在Matlab中，可以使用各种图像分割算法，如阈值分割和基于区域的分割。
以下是一个简单的阈值分割示例：```matlabthreshold = graythresh(enhanced_image);binary_image = imbinarize(enhanced_image, threshold);```三、图像显示图像显示是将处理后的图像展示给用户的过程。
在Matlab中，可以使用imshow函数来显示图像。
以下是一个简单的示例：```matlabimshow(binary_image);```四、实验结果与讨论本次实验中，我们选择了一张名为"image.jpg"的彩色图像进行处理。
matlab应用图像处理综合实验二
matlab应⽤图像处理综合实验⼆MATLAB应⽤图像处理综合实验⼆⼀、实验⽬的：1.熟悉MATLAB数字图像处理软件包的功能及使⽤⽅法；2.掌握MATLAB软件中的图像邻域操作；3.掌握MATLAB软件中的图像滤波及边缘检测操作；4.掌握MATLAB软件中图像的⼆值化及基本的形态学操作。
⼆、实验内容：1.对⼀幅灰度图像应⽤滑动邻域操作，使得输出图像中各点的灰度值为滑动邻域中的最⼤值，选择滑动邻域的⼤⼩为3×4.提⽰：使⽤max、nlfilter或colfilt等函数。
2.对⼀幅灰度图像分别进⾏中值滤波、均值滤波和锐化滤波，邻域⼤⼩⾃选。
提⽰：使⽤medfilt2、imfilter、fspecial等函数。
3.对⼀幅灰度图像分别⽤sobel、canny、Laplacian of Gaussian算⼦进⾏边缘提取，适当改变阈值，并观察结果。
提⽰：使⽤edge等函数。
4.对⼀幅灰度图像应⽤⼤津法分割成⼆值图像，对得到的⼆值图像分别进⾏膨胀、腐蚀、开启、闭合操作，结构元素⾃定。
提⽰：使⽤graythresh、im2bw、strel、imdilate、imerode、imopen、imclose等函数。
三、实验设备1.配有MATLAB软件的计算机⼀台；2.⽹络摄像头⼀个。
四、实验步骤1.打开MATLAB软件熟悉其⼯作环境和使⽤界⾯。
2.按照实验内容要求应⽤MATLAB图像处理⼯具箱对图像进⾏处理。
五、实验报告要求:1.叙述实验过程；2.提交实验中⽤到的命令、原始图像和结果图像。
六、问题与讨论1.评价⼀下sobel算⼦、canny 算⼦、Laplacian of Gaussian算⼦的边缘检测性能。
2.3.对实验中遇到的问题进⾏讨论。
matlab图像处理综合实验
运行结果： 原图片：
处理后图片：
第二章
2-1 图像的预处理是将每个像素灰度值减去 128 ，这个步骤是否可以在变换域进行？请在 测试图像中截取一块验证你的结论。 可以。可通过取两种域处理结果进行比较来验证。 验证： （2-1.m） clear all,close all,clc; load('JpegCoeff.mat'); load('hall.mat'); a=double(hall_gray(1:8,1:8)); T=ones(8,8)*128; b=a-T; c=dct2(a); d=c-dct2(T); e=idct2(d); f=b-e; 运行结果：
（b）将测试图像涂成国际象棋状的“黑白格”的样子，其中“黑”即黑色， “白”则意味着 保留原图 算法概括： 国际象棋格子为 8×8，因此先求得 8×8 的格子的长宽，然后循环即可。奇数行的奇数 个块涂黑，偶数行的偶数个块涂黑。 代码实现： （1-2-2.m） clear all,close all,clc; load('hall.mat'); b=hall_color; [x,y,z]=size(b);
转置：
旋转 90 度：
旋转 180：
结果分析： 转置后，只是图像翻转了 90°，不影响效果。而旋转 90°和 180°后，图像在亮度和 变化度上都有了变化。 旋转 90°的图中可以清楚的看出一些条纹，且图像两边变暗。 旋转 180°的图中有小方块出现，图像四周明显变暗。 2-5 如果认为差分编码是一个系统，请绘出这个系统的频率响应，说明它是一个_____（低通、 高通、带通、带阻）滤波器。DC 系数先进行差分编码再进行熵编码，说明 DC 系数的_____ 频率分量更多。 算法概括： 系统差分方程：C(n)=C(n)-C(n-1) 系统矩阵：a=[1] , b=[-1,1] 代码实现： clear all,close all,clc; a=[1]; b=[-1,1]; figure; freqz(b,a); 运行结果：
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
《数字图像处理》实验报告学院：专业：班级：姓名：学号：实验一实验名称：图像增强实验目的：1.熟悉图像在Matlab下的读入，输出及显示；2.熟悉直方图均衡化；3.熟悉图像的线性指数等；4.熟悉图像的算术运算及几何变换.实验仪器：计算机，Matlab软件实验原理：图像增强是为了使受到噪声等污染图像在视觉感知或某种准则下尽量的恢复到原始图像的水平之外，还需要有目的性地加强图像中的某些信息而抑制另一些信息，以便更好地利用图像。
图像增强分频域处理和空间域处理，这里主要用空间域的方法进行增强。
空间域的增强主要有：灰度变换和图像的空间滤波。
图像的直方图实际上就是图像的各像素点强度概率密度分布图，是一幅图像所有像素集合的最基本统计规律，均衡化是指在每个灰度级上都有相同的像素点过程。
实验内容如下：I=imread('E:\cs.jpg');%读取图像subplot(2,2,1),imshow(I),title('源图像')J=rgb2gray(I)%灰度处理subplot(2,2,2),imshow(J) %输出图像title('灰度图像') %在原始图像中加标题subplot(2,2,3),imhist(J) %输出原图直方图title('原始图像直方图')I=imread('E:\cs.jpg');%读取图像 subplot(1,2,1),imshow(I);subplot(2,2,1),imshow(I),title('源图像')J=rgb2gray(I)%灰度处理subplot(2,2,2),imshow(J),title('灰度变换后图像') J1=log(1+double(J));subplot(2,2,3),imshow(J1,[]),title('对数变换后')指数运算:I=imread('E:\dog.jpg'); f=double(I); g=(2^2*(f-1))-1 f=uint8(f); g=uint8(g);subplot(1,2,1);subimage(f),title('变换一')00100200源图像灰度变换后图像对数变换后subplot(1,2,2);subimage(g),title('变换二') j = imnoise(i,'gaussian',0,0.02);subplot(1,3,1),imshow(i),title('图一') subplot(1,3,2),imshow(j),title('图二') k=zeros(242,308); for p=1:100j = imnoise(i,'gaussian',0,0.02); j1 = im2double(j); k = k + j1; end k=k/100;subplot(1,3,3),imshow(k),title('图三')实验二实验名称：图像变换实验目的： （1）进一步对matlab 的了解和使用； （2）学习如何在matlab 中对数字图像的处理； 实验原理： 图像和其他信号一样，既能在空间域处理，也能在频率域处理。
把图像信息从空域变换到频域，可以更好的分析加工处理。
因为图像信息的频域处理具有如下特点： （1）能量守恒，但能量重新分配； （2）有利于提取图像的某些特征； （3）正交变换具有能量集中作用，可以实现图像的高效压缩编码； （4）100200300400500200400600100200300400500频域用快速算法；实验器材：电脑 matlab 软件 实验内容： （1）了解正交变换基本概念 （2）掌握图像的离散傅里叶和离散余弦变换 （3）熟悉图像的沃尔什及哈达玛变换 实验过程如下： 傅里叶变换I = imread('E:\dog.jpg') I = rgb2gray(I) J = fft2(I)subplot(2,2,1),imshow(I),title('灰度变换') J = fftshift(J)subplot(2,2,2),imshow(log(abs(J)),[]),title('傅里叶变换') J(abs(J)<5000)=0subplot(2,2,3),imshow(log(abs(J)+eps),[]),title('滤波') J = ifftshift(J) K = ifft2(J)subplot(2,2,4),imshow(K,[0 255]),title('傅里叶逆变换')余弦变换： clear all;RGB=imread('E:\dog.jpg'); I=rgb2gray(RGB);figure;imshow(I);title('灰度图像'); J=dct2(I);figure;imshow(log(abs(J)),[]);colormap(jet(64)),colorbar;title('二维离散余弦变换')灰度变换傅里叶变换滤波傅里叶逆变换灰度图像246810沃尔什—哈达玛变换： I=zeros(2.^8);I(2.^7-2.^4+1:2.^7+2.^4,2.^7-2.^4+1:2.^7+2.^4)=ones(2*2.^4); subplot(1,2,1);colormap(gray(128)),imagesc(I); [m,n]=size(I) for k=1:nwht(:,k)=hadamard(m)*I(:,k)/m; endfor j=1:mwh(:,j)=hadamard(n)*wht(j,:)'/n; end wh=wh';subplot(1,2,2);colormap(gray(128)),imagesc(wh);Radon 变换：R=radon （I ，theta ）：I 表示待处理的图像，theta 表示Radon 变换的方向角度，可以是一个标量或向量值。
R 的每一列对应图像I 在theta 某祎角度的Radon 变换值。
I=zeros(120,120); I(25:75,25:75)=1; figure;imshow(I);theta=0:180;[R,xp]=radon(I,theta);figure;imshow(R,[],'Xdata',theta,'Ydata',xp,... 'InitialMagnification','fit')xlabel('\theta (degrees)')ylabel('x''') colormap(hot),colorbariptsetpref('ImshowAxesVisible','off')501001502002505010015020025050100150200250501001502002506070实验三实验名称：图像的复原实验目的：1.加深图像复原的相关原理，熟悉相关算法；2.能够产生运动模糊图像，加入高斯，椒盐噪声，并对噪声进行中值，均值，最大值，最小值进行滤波复原；3.对彩色图像RGB转换到HISI，并显示对应分量，同时完成相关平滑滤波。
实验仪器：计算机，Matlab软件实验原理：图像复原的基本思路:先建立退化的数学模型，然后根据该模型对退化图像进行拟图像复原合。
图像复原模型可以用连续数学和离散数学处理，处理项的实现可在空间域卷积，或在频域相乘.图像复原的基本任务:消除模糊。
图像的退化主要是由系统的相关特性以及噪声两方面的因素所导致的，我们可以通过设计一个合适的复原滤波器（即实现逆滤波过程）来实现图像的复原。
图 1 中f（x，y）表示的是一幅静止、二维的图像，它在外部噪声n （x，y）的干扰作用之下，在经过系统h（x，y）之后，退化成为g（x，y），复原后的图像为f（x，y）。
针对于退化图像的复原，我们通常可以采用这样两种方式来进行：其一，当对于原始图像缺乏必需的先验知识时，我们可以采用就退化过程建立一个模型，首先对其进行一个大概的描述，然后在复原的过程根据具体的情况进行逐步合理的修正，逐步消除误差影响。
这种方法建立在对图像的退化过程进行合理的估计的基础之上，从这个角度来看它是一种估计的方法；其二，当我们对原始图像具有足够的先验知识时，我们这时候则直接针对原始图像建立一个精确的数学模型，然后再对退化图像进行复原处理，这种效果更好. 加入噪声：I=imread('E:\dog.jpg');%读取原图像 %考虑是否加入灰度处理J1=imnoise(I,'salt & pepper',0.02); %加入椒盐噪声 J2=imnoise(I,'gaussian',0,0.01);%加入高斯白噪声 J3=imnoise(I,'poisson');%加入泊松噪声 J4=imnoise(I,'speckle',0.04);%加入乘法噪声 figure;subplot(221),imshow(J1);title('加入椒盐噪声后图像') subplot(222),imshow(J2);title('加入高斯白噪声后图像') subplot(223),imshow(J3);title('加入泊松噪声后图像') subplot(224),imshow(J4);title('加入乘法噪声后图像')%对椒盐噪声和高斯白噪声进行imfilter 滤波 rgb=imread('E:\dog.jpg'); h=ones(5,5)/25;rgb1=imfilter(rgb,h);rgb2=imfilter(rgb1,h,'replicate'); figure;subplot(1,3,1);imshow(rgb);title('Original');%原始subplot(1,3,2);imshow(rgb1);title('Filtered');%一维滤波subplot(1,3,3);imshow(rgb);title('boundary replication');%边缘滤波%增加运动滤波，水平边缘增强，拉普拉斯滤波 rgb=imread('E:\dog.jpg');h1=[0,0,0.0000,0.0021,0.0042;0.1958,0.1979,0.2000,0.1979,0.1958 ;0.004加入椒盐噪声后图像加入高斯白噪声后图像加入泊松噪声后图像加入乘法噪声后图像2,0.0021,0.0000,0,0];h2=[ 1,2,1;0,0,0;-1,-2,-1];h3=[0.1667,0.6667,0.1667;0.6667,-3.3333,0.1667;0.1667, 0.6667, 0.1667]; rgb1=imfilter(rgb,h1); rgb2=imfilter(rgb,h2); rgb3=imfilter(rgb,h3); figure;subplot(2,2,1),imshow(rgb),title('原图像') subplot(2,2,2),imshow(rgb1),title('运动滤波') subplot(2,2,3),imshow(rgb2),title('水平边缘增强') subplot(2,2,4),imshow(rgb3),title('拉普拉斯滤波')%fspecial 产生线性滤波器 rgb=imread('E:\dog.jpg'); h1=fspecial('average',[5,3]); h2=fspecial('gaussian',[5,3],1); h3=fspecial('laplacian',0); rgb1=imfilter(rgb,h1); rgb2=imfilter(rgb,h2); rgb3=imfilter(rgb,h3); figure;subplot(2,2,1),imshow(rgb),title('原图像') subplot(2,2,2),imshow(rgb1),title('均值滤波') subplot(2,2,3),imshow(rgb2),title('高斯滤波') subplot(2,2,4),imshow(rgb3)I=imread('E:\dog.jpg');%二值化函数的输入图像既可以是彩色图像也可以是灰度图像th=graythresh(I); %自动确定二值化的最佳阈值原图像运动滤波水平边缘增强拉普拉斯滤波原图像均值滤波高斯滤波J=im2bw(I,th); %二值化阈值可以自己设定，值为0-1之间，而不是0-255，这一点要切记subplot(121),imshow(I);subplot(122),imshow(J);产生运动模糊图像clc;clear all;I = imread('E:\dog.jpg');subplot(121);imshow(I);title('原始图像');H = fspecial('motion',20,45);MotionBlur = imfilter(I,H,'replicate');subplot(122);imshow(MotionBlur);title('运动模糊图像');clc;clear all;I = imread('eight.tif');J = imnoise(I,'salt & pepper',0.02);K = medfilt2(J);subplot(121);imshow(J);title('加入椒盐噪声的图像');subplot(122);imshow(K);title('中值滤波的图像');clc;clear all;I = imread('snowflakes.png'); MAX = ordfilt2(I,25,ones(5,5)); MIN = ordfilt2(I,1,ones(5,5));subplot(221);imshow(I);title('原始图像'); subplot(222);imshow(MAX);title('最大值滤波'); subplot(223);imshow(MIN);title('最小值滤波');实验四加入椒盐噪声的图像中值滤波的图像原始图像最大值滤波最小值滤波实验名称：图像的检测与分割实验目的：（1）进一步对matlab的了解和使用；（2）学习如何在matlab中对数字图像的处理；实验原理：数字图像处理主要目的：一是对图像进行加工和处理，得到满足人的视觉和心理需要的改变进行式。