数字图像处理上机作业三.

合集下载

数字图像处理上机作业

数字图像处理上机作业

数字图像处理上机作业数字图像处理上机实验题⼀、产⽣右图所⽰图像f1(m,n),其中图像⼤⼩为256×256,中间亮条为128×32,暗处=0,亮处=100。

对其进⾏FFT:1、屏显⽰原图f1(m,n)和FFT(f1)的幅度谱图;2、令f2(m,n)=(-1)^(m+n)*f1(m,n),重复以上过程,⽐较⼆者幅度谱的异同,简述理由;3、若将f2(m,n)顺时针旋转90 度得到f3(m,n),试显⽰FFT(f3)的幅度谱,并与FFT(f2)的幅度谱进⾏⽐较;4、若将f1(m,n) 顺时针旋转90 度得到f4(m,n),令f5(m,n)=f1(m,n)+f4(m,n),试显⽰FFT(f5) 的幅度谱,并指出其与FFT(f1)和FFT(f4)的关系;5、若令f6(m,n)=f2(m,n)+f3(m,n),试显⽰FFT(f6)的幅度谱,并指出其与FFT(f 2)和FFT(f3) 的关系,⽐较FFT(f6)和FFT(f5)的幅度谱。

代码f1=zeros(256,256);for i =64:1:191for j = 112:1:143f1(i,j) = 100;endendf2 = fft2(f1);%f2(m,n) = f3f3 = ((-1)^(i+j))*f1;f4 = fft2(f3);%f3(m,n) = f5f5 = imrotate(f3,90,'bilinear');f6 = fft2(f5);%f4(m,n) = f7f7 = imrotate(f1,90,'bilinear');f8 = fft2(f7);%f5(m,n) = f8f9 = f1 + f7;f10 = fft2 (f9);%f6(m,n) = f2(m,n)+f3(m,n)f11 = f3 + f5;subplot(1,2,1);imshow(abs(f1));title('原图f1');subplot(1,2,2);imshow(abs(f2));title('幅度谱fft2(f1)');figure(2)subplot(2,2,1)imshow(abs(f1));title('原图f1')subplot(2,2,2)imshow(abs(f2));title('幅度谱fft2(f1)'); subplot(2,2,3); imshow(abs(f3))title('变换谱f2');subplot(2,2,4);imshow(abs(f4));title('幅度谱fft2(f2)'); figure(3) subplot(2,2,1)imshow(abs(f3))title('变换谱f2');subplot(2,2,2);imshow(abs(f4));title('幅度谱fft2(f2)'); subplot(2,2,3); imshow(abs(f5))title('变换谱f3');subplot(2,2,4);imshow(abs(f6));title('幅度谱fft2(f3)'); figure(4) subplot(3,2,1);imshow(f7);title('f1旋转图f4'); subplot(3,2,2); imshow(abs(f8));title('幅度谱fft2(f4)'); subplot(3,2,3);title('f5(m,n)=f1+f4'); subplot(3,2,4); imshow(abs(f10));title('幅度谱fft2(f5)'); subplot(3,2,5) imshow(abs(f1));title('原图f1');subplot(3,2,6);imshow(abs(f2));title('幅度谱fft2(f1)');figure(5)subplot(3,2,1)imshow(abs(f3))title('变换谱f2');subplot(3,2,2);imshow(abs(f4));title('幅度谱fft2(f2)'); subplot(3,2,3); imshow(abs(f5))title('变换谱f3');subplot(3,2,4);imshow(abs(f6));title('幅度谱fft2(f3)'); subplot(3,2,5) imshow(abs(f11))title('变换谱f6=f2+f3'); subplot(3,2,6); imshow(abs(f12));title('幅度谱fft2(f6)');figure(6)subplot(2,2,1);imshow(f9);title('f5(m,n)=f1+f4'); subplot(2,2,2); imshow(abs(f10));title('幅度谱fft2(f5)'); subplot(2,2,3) imshow(abs(f11))title('变换谱f6(m,n)=f2+f3'); subplot(2,2,4); imshow(abs(f12));title('幅度谱fft2(f6)');分析2、F2(m,n)与F1(m,n)幅度值相同,f2(m,n)=(-1)^(m+n)*f1(m,n)中,并未改变幅值。

数字图像处理作业

数字图像处理作业
通过实际的编程,发现这种方法是可行的,将所给图像缩小23倍,所求得的散焦半径为(154-136)/2=9(如图12),则整个图像的散焦半径为9*8=72,恢复的图像如图13。
图12.图像缩小时求得的自相关图
图13.恢复图像
图7.原始图像图8.散焦模糊图像
图9.恢复图像
图10.自相关曲线图
但是,当半径增大时很明显就恢复不出结果,自相关的曲线出现了一个极大的干扰项,如图11中的291处的最小值,按原理来说,此处的最小值是不应该出现的。
图11.散焦模糊半径为40时的自相关曲线图
而题中的模糊图的散焦半径是75左右,所以,进行如此恢复时,通过求自相关的最小值点是错的。也就是说半径太大是难以估计的,所以我尝试将图片缩小以求得散焦半径,而后再放大所求得的半径。
则其PSF参数为 。图像为图3,通过这两个参数恢复出的图像如图2。其PSF恢复的方法为Lucy-Richadson迭代法。代码见MotionKobe.m。
图1.运动模糊图像图2.恢复图像
图3.PSF图
实际上,上述求出的参数也不是非常准确的,所以恢复出来的结果图像也不是非常清晰。但是此种方法适用于同样大小照片的恢复。
数字图像处理作业三
一、
图1是一张因拍摄时晃动而产生模糊的图像,试估计其PSF并恢复图像。
题中已明确此图是由于运动导致的模糊,所以采取课件上标准的恢复方法。首先,对图片进行Laplace滤波,是为了凸显图像中的高频部分,而后对图像进行Radon变换以求出运动模糊的角度 ,由于角度标准和方向问题,需要将求出的角度减去90°,也即 。上图求出的角度为33°。
例如我在Kobe1.m文件中进行的恢复,首先,我对一张清晰的图片(如图4)进行运动模糊(如图5),而后通过同样的方法进行恢复图像,如图6。

数字图像处理上机报告

数字图像处理上机报告

数字图像处理上机报告时间:2020年08月02日编稿:作者四第一篇:数字图像处理上机报告练习一常用MATLAB图像处理命令一、练习目的1、熟悉并掌握MATLAB工具的使用;2、实现图像的读取、显示、代数运算和简单变换。

二、练习环境Windows操作系统Matlab 6.5或以上应用软件三、练习内容1、图像文件的读写(1)imread函数用来实现图像文件的读取。

输入以下程序: A=imread('文件名.扩展名');%用imread函数来读入图像注:设置路径 imshow(A);%用imshow函数来显示图像得到的结果如图:(2)imfinfo函数用来查询图像文件信息。

输入以下程序:info=imfinfo('文件名.扩展名');% 用imfinfo函数查询图像文件信息得到: info =Filename: '文件名.扩展名'(4)imshow函数用来显示图像。

刚才介绍imread函数时已使用此函数。

(5)colorbar函数将颜色条添加到坐标轴对象中。

输入以下程序:RGB=imread('***');%图像读入I=rgb2gray(RGB);%把RGB图像转换成灰度图像imshow(I),colorbar('vert')% 将颜色条添加到坐标轴对象中得到如图:2、图像处理的基本操作一、图像代数运算(1)imadd函数实现两幅图像的相加或者给一幅图像加上一个常数。

给图像每个像素都增加亮度的程序如下: I=imread('***'); J=imadd(I,100);%给图像增加亮度 subplot(1,2,1),imshow(I) %填充 subplot(1,2,2),imshow(J) 结果如图5。

(2)imsubtract函数实现从一幅图像中减去一个常数。

输入以下程序实现从一幅图像中减去一个常数:(3)immultiply实现两幅图像的相乘或者一幅图像的亮度缩放(图像乘以小于1或大于1的参数,比较效果)。

数字图像处理-作业题及部分答案解析

数字图像处理-作业题及部分答案解析

数字图像处理-作业题及部分答案解析1.数字图像与连续图像相比具有哪些优点?连续图像f(x,y与数字图像I(c,r中各量的含义是什么?它们有何联系和区别? (To be compared with an analog image, what are the advantages of a digital image? Let f(x,y be an analog image,I(r, c be a digital image, please give explanation and comparison for defined variables: f/I, x/r,and y/c2.图像处理可分为哪三个阶段? 它们是如何划分的?各有什么特点?(We can divide "imageprocessing"into 3 stages,what are they? how they are divided?What are their features?答:低级处理---低层操作,强调图像之间的变换,是一个从图像到图像的过程;中级处理---中层操作,主要对图像中感兴趣的目标进行检测和测量,从而建立对图像的描述,是一个从图像到数值或符号的过程;高级处理---高层操作,研究图像中各目标的性质和相互联系,得出对图像内容含义的理解以及对原来客观场景的解释;3.试从结构和功能等角度分析人类视觉中最基本的几个要素是什么?什么是马赫带效应? 什么是同时对比度?它们反映了什么共同问题? (According to the structure and function of the eyes,what are the basic elements in human vision? What is the Mach Band Effect? What is Simultaneous Contrast? What common facts can we infer from both Mach Band Effect and Simultaneous Contrast?答:人的视觉系统趋向于过高或过低估计不同亮度区域边界的现象称为“马赫带”效应;同时对比度指的是人的视觉系统对某个区域感觉到的亮度除了依赖于它本身的强度,还与背景有关.马赫带效应和同时对比度现象表明人所感觉到的亮度并不是强度的简单函数.4.比较说明像素邻域、连接、通路以及连通基本概念的联系与区别。

数字图像处理平时作业3

数字图像处理平时作业3

1 题目:实现频率域的UnSharp Masking滤波。

其中低通滤波使用频率域的高斯低通滤波器滤波器参数可调。

2 源程序clear;close all;clc;I = imread('E:\Lena.bmp');figuresubplot(321)imshow(I)title('原图像')B=fft2(I);s=fftshift(B);[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d0n1=floor(M/2); %对M/2进行取整n2=floor(N/2);for i=1:Mfor j=1:Nd=sqrt((i-n1)^2+(j-n2)^2); %点(i,j)到傅里叶变换中心的距离h=1*exp(-1/2*(d^2/d0^2)); %GLPF滤波函数a(i,j)=h*s(i,j); %GLPF滤波后的频域表示endenda=ifftshift(a); %对s进行反FFI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a=uint8(real(ifft2(a)));subplot(322)imshow(a) %显示GLPE滤波处理后的图像title('GLPF滤波(d0=30)')subplot(323)b = I -a;imshow(b)title('反锐化')c0 = I + 0.5*b;subplot(324)imshow(c0)title('反锐化图像A=0.5')c1 = I + 1*b;subplot(325)imshow(c1)title('反锐化图像A=1')c2= I + 1.5*b;subplot(326)imshow(c2)title('反锐化图像A=1.5')3 实验结果图原图像GLPF滤波(d0=30)反锐化反锐化图像A=0.5反锐化图像A=1反锐化图像A=1.5。

西交大数字图像处理第三次作业

西交大数字图像处理第三次作业

数字图像处理第三次作业姓名:班级:学号:提交日期: 2015 年 3 月 31 日1、把附件图像的直方图画出; ( 1)问题分析:强度直方图图形化显示不同的像素值在不同的强度值上的出现频率,对于灰度图像来说强度范围为 [0~255] 之间,对于 RGB 的彩色图像可以独立显示三种颜色的强度直方图。

强度 直方图是用来寻找灰度图像二值化阈值常用而且是有效的手段之一, 如果一幅灰度图像的直方图显示为两个波峰, 则二值化阈值应该是这两个波峰之间的某个灰度值。

同时强度直方图是调整图像对比度的重要依据。

直方图实现方法: 对一幅灰度图像从上到下, 从左到右扫描每个像素值, 在每个灰度值上计算像素数目,以这些数据为基础完成图像直方图的绘制。

( 2)处理结果:citywall.bmpcitywall1 直 方 图( 调 用 imhist 函 数 )citywall1 直 方 图 ( 自 己 编 写 )100000.0290000.0188000 0.016 70000.0146000度 0.012密5000率 0.01概4000的 0.008素3000像0.006200010000.0040.00250 100 150 200 2500 50 100150 200 250灰 度 值10000citywall2 直 方 图 ( 调 用 imhist 函 数 )0.1citywall2 直 方 图 ( 自 己 编 写 )90000.0980000.0870000.076000度 0.065000密率 0.05概4000的 0.043000素像20000.0310000.020.010 50 100 150 200 2500 50 100150 200 250灰 度 值elain.bmp5000 4500 4000 3500 30002500elain1 直 方 图 ( 调 用 imhist 函 数 ) elain1 直 方 图 ( 自 己编 写 )0.05 0.045 0.04 0.035度 0.03密率概0.0252000的 0.02 1500素像10000.0155000.010.00550 100 150 200 2500 50 100150 200 250灰 度 值5000elain2 直 方 图 ( 调 用 imhist 函 数 )0.05elain2 直 方 图 ( 自 己 编 写 )4500 0.045 4000 0.04 35000.0353000度 0.03密2500率2000概 0.025的 0.021500素像10000.0155000.010.00550 100 150 200 2500 50 100150 200 250灰 度 值5000elain3 直 方图 ( 调 用 imhist 函 数 )0.1elain3 直 方 图 (自 己 编 写 )45000.094000 0.08 35000.073000度 0.062500密率2000概 0.05的1500素 0.04像10000.035000.020.010 50 100 150 200 2500 50 100150 200 250灰 度 值lena.bmp5000lena1 直 方 图 ( 调 用 imhist 函 数 )0.1lena1 直 方 图 ( 自 己 编 写 )45000.09 4000 0.08 35000.073000度 0.062500密率2000概 0.05的1500 素 0.04像10000.035000.020.0150 100 150 200 2500 50 100150 200 250灰 度 值5000lena2 直 方 图 ( 调 用 imhist 函 数 )0.1lena2 直 方 图 ( 自 己 编 写 )45000.094000 0.08 35000.073000度 0.062500 密率 0.05概2000的 0.041500素像10000.035000.020.0150 100 150 200 2500 50 100150 200 250灰 度 值5000lena3 直 方 图 ( 调 用 imhist 函 数 )lena3 直 方图 ( 自 己 编 写 )0.0245000.01840000.01635000.0143000度 0.0122500密率0.012000概的1500素 0.008像10000.0065000.0040.0020 50 100 150 200 2500 50 100150 200 250灰 度 值woman.bmpx 10 5 21.81.61.41.210.80.60.40.25x 10 21.81.6woman1 直方图(调用 imhist 函数)woman1直方图(自己编写)0.020.0180.0160.014度0.012密率概 0.01的素 0.008像0.0060.0040.0025010015020025050100150200250灰度值woman2 直方图(调用 imhist 函数)woman2直方图(自己编写)0.040.0351.40.03 1.2度 0.0251密率0.02概0.8的0.6素0.015像0.40.01 0.20.005 0050100150200250050100150200250 0灰度值( 3)结果分析及总结:本文分别采用imhist 函数和自己编写的程序求取图像的直方图。

(完整版)数字图像处理大作业

(完整版)数字图像处理大作业

数字图像处理1.图像工程的三个层次是指哪三个层次?各个层次对应的输入、输出对象分别是什么?①图像处理特点:输入是图像,输出也是图像,即图像之间进行的变换。

②图像分割特点:输入是图像,输出是数据。

③图像识别特点:以客观世界为中心,借助知识、经验等来把握整个客观世界。

“输入是数据,输出是理解。

2.常用的颜色模型有哪些(列举三种以上)?并分别说明颜色模型各分量代表的意义。

①RGB(红、绿、蓝)模型②CMY(青、品红、黄)模型③HSI(色调、饱和度、亮度)模型3.什么是图像的采样?什么是图像的量化?1.采样采样的实质就是要用多少点来描述一幅图像,采样结果质量的高低就是用前面所说的图像分辨率来衡量。

简单来讲,对二维空间上连续的图像在水平和垂直方向上等间距地分割成矩形网状结构,所形成的微小方格称为像素点。

一副图像就被采样成有限个像素点构成的集合。

例如:一副640*480分辨率的图像,表示这幅图像是由640*480=307200个像素点组成。

2.量化量化是指要使用多大范围的数值来表示图像采样之后的每一个点。

量化的结果是图像能够容纳的颜色总数,它反映了采样的质量。

针对数字图像而言:采样决定了图像的空间分辨率,换句话说,空间分辨率是图像中可分辨的最小细节。

量化决定了图像的灰度级,即指在灰度级别中可分辨的最小变化。

数字图像处理(第三次课)调用图像格式转换函数实现彩色图像、灰度图像、二值图像、索引图像之间的转换。

图像的类型转换:对于索引图像进行滤波时,必须把它转换为RGB图像,否则对图像的下标进行滤波,得到的结果是毫无意义的;2.用MATLAB完成灰度图像直方图统计代码设计。

6789101112131415161718192021222324252627282930title('lady-lenna');if isrgb(a);b=rgb2gray(a);%RGB转换为灰度图像endsubplot(2,2,2);imshow(b);%显示图像title('ladygaga-lenna');[m,n]=size(a);%返回图像大小e=zeros(1,256);for k=0:255for i=1:mfor j=1:nif a(i,j)==ke(k+1)=e(k+1)+1;%灰度值相同的进行累加endendendendsubplot(2,2,4);bar(e);%画图像的灰度直方图title('灰度直方图');c=imrotate(a,20);%图像的旋转subplot(2,2,3);imshow(c);数字图像处理(第四次课)编写matlab函数,实现在医学图像中数字减影血管造影。

《数字图像处理》习题参考答案

《数字图像处理》习题参考答案

《数字图像处理》习题参考答案《数字图像处理》习题参考答案第1 章概述1.1 连续图像和数字图像如何相互转换?答:数字图像将图像看成是许多⼤⼩相同、形状⼀致的像素组成。

这样,数字图像可以⽤⼆维矩阵表⽰。

将⾃然界的图像通过光学系统成像并由电⼦器件或系统转化为模拟图像(连续图像)信号,再由模拟/数字转化器(ADC)得到原始的数字图像信号。

图像的数字化包括离散和量化两个主要步骤。

在空间将连续坐标过程称为离散化,⽽进⼀步将图像的幅度值(可能是灰度或⾊彩)整数化的过程称为量化。

1.2 采⽤数字图像处理有何优点?答:数字图像处理与光学等模拟⽅式相⽐具有以下鲜明的特点:1.具有数字信号处理技术共有的特点。

(1)处理精度⾼。

(2)重现性能好。

(3)灵活性⾼。

2.数字图像处理后的图像是供⼈观察和评价的,也可能作为机器视觉的预处理结果。

3.数字图像处理技术适⽤⾯宽。

4.数字图像处理技术综合性强。

1.3 数字图像处理主要包括哪些研究容?答:图像处理的任务是将客观世界的景象进⾏获取并转化为数字图像、进⾏增强、变换、编码、恢复、重建、编码和压缩、分割等处理,它将⼀幅图像转化为另⼀幅具有新的意义的图像。

1.4 讨论数字图像处理系统的组成。

列举你熟悉的图像处理系统并分析它们的组成和功能。

答:如图1.8,数字图像处理系统是应⽤计算机或专⽤数字设备对图像信息进⾏处理的信息系统。

图像处理系统包括图像处理硬件和图像处理软件。

图像处理硬件主要由图像输⼊设备、图像运算处理设备(微计算机)、图像存储器、图像输出设备等组成。

软件系统包括操作系统、控制软件及应⽤软件等。

图1.8 数字图像处理系统结构图11.5 常见的数字图像处理开发⼯具有哪些?各有什么特点?答.⽬前图像处理系统开发的主流⼯具为 Visual C++(⾯向对象可视化集成⼯具)和 MATLAB 的图像处理⼯具箱(Image Processing Tool box)。

两种开发⼯具各有所长且有相互间的软件接⼝。

数字图像处理上机实验三

数字图像处理上机实验三

医学图像处理实验三1、计算图像的梯度,梯度值和梯度角。

I=imread('C:\Users\Administrator\Desktop\cat.jpg'); B=rgb2gray(I);C=double(B);e=1e-6;%10^-6[dx,dy]=gradient(C);%计算梯度G=sqrt(dx.*dx+dy.*dy);%梯度幅值figure,imshow(uint8(G)),title('梯度图像');pha=atan(dy./(dx+e))figure,imshow(pha,[])图 1图 2 梯度角图2、计算图像边缘检测,用滤波器方式实现各种算子。

(1)Roberts算子clear;I=imread('C:\Users\admin\Desktop\mao.jpg');B=rgb2gray(I);[m,n]=size(B);nB=B;robertsnum=0;%经roberts算子计算得到的每一个像素的值robertsthreshold=0.6;%设定阈值for j=1:m-1;%进行边界提取for k=1:n-1robertsnum=abs(B(j,k)-B(j+1,k+1))+abs(B(j+1,k)-B(j,k+1)); if(robertsnum>robertsthreshold)nB(j,k)=255;elsenB(j,k)=0;endendendsubplot(1,2,1);imshow(B);title('原图');subplot(1,2,2);imshow(nB,[]);title('Robert算子处理后的图像');图 3(2)Sobel算子clear;I=imread('C:\Users\admin\Desktop\mao.jpg');B=rgb2gray(I);[m,n]=size(B);f=double(B);u=double(B);usobel=B;for i=2:m-1%sobel边缘检测for j=2:n-1;gx=(u(i+1,j-1)+2*u(i+1,j)+f(i+1,j+1)-(u(i-1,j-1)+2*u(i-1,j)+f(i-1,j+1)));gy=(u(i-1,j+1)+2*u(i,j+1)+f(i+1,j+1)-(u(i-1,j-1)+2*u(i,j-1)+f(i+1,j-1)));usobel(i,j)=sqrt(gx^2+gy^2);endendsubplot(1,2,1);imshow(B);title('原图');subplot(1,2,2);imshow(im2uint8(usobel));title('Sobel边缘检测后的图像');图 4(3)Prewitt算子clear;I=imread('C:\Users\admin\Desktop\mao.jpg');B=rgb2gray(I);[m,n]=size(B);nB=B;prewittnum=0;%经prewitt算子计算得到的每一个像素的值prewittthreshold=0.6;%设定阈值for j=2:m-1;%进行边界提取for k=2:n-1prewittnum=abs(B(j-1,k+1)-B(j+1,k+1))+B(j-1,k)-B(j+1,k)+B(j-1,k-1)-B(j+1,k-1)+abs(B(j-1,k +1)+B(j,k+1)+B(j+1,k+1)-B(j-1,k-1)-B(j,k-1)-B(j+1,k-1));if(prewittnum>prewittthreshold)nB(j,k)=255;elsenB(j,k)=0;endendendsubplot(1,2,1);imshow(B);title('原图');subplot(1,2,2);imshow(nB,[]);title('Prewitt算子处理后的图像');图 5(4)Laplace边缘检测function flapEdge=LaplaceEdge(pic,Moldtype,thresh)[m,n]=size(pic);flapEdge=zeros(m,n);%四邻域拉普拉斯边缘检测算子if 4==Moldtypefor i=2:m-1for j=2:n-1temp=-4*pic(i,j)+pic(i-1,j)+pic(i+1,j)+pic(i,j-1)+pic(i,j+1);if temp>threshflapEdge(i,j)=255;elseflapEdge(i,j)=0;endendendend%八邻域拉普拉斯边缘检测算子if 8==Moldtypefor i=2:m-1for j=2:n-1temp=-8*pic(i,j)+pic(i-1,j)+pic(i+1,j)+pic(i,j-1)+pic(i,j+1)+pic(i-1, j-1)+pic(i+1,j+1)+pic(i+1,j-1)+pic(i-1,j+1);if temp>threshflapEdge(i,j)=255;elseflapEdge(i,j)=0;endendendend主函数:clear;I=imread('C:\Users\admin\Desktop\mao.jpg');B=rgb2gray(I);C=double(B);t=60;Lapmodtype=8;%设置模板方式flapEdge=LaplaceEdge(C,Lapmodtype,t); fgrayLapedge=uint8(flapEdge);figure()imshow(fgrayLapedge),title('laplace边缘检测图像');图 6(4)Kirsch算子clearclcclose allI=imread('C:\Users\admin\Desktop\mao.jpg');B=rgb2gray(I);figure(1)imshow(B,[])title('原始图象')%对图象进行均值滤波bw2=filter2(fspecial('average',3),B);%对图象进行高斯滤波bw3=filter2(fspecial('gaussian'),bw2);%利用小波变换对图象进行降噪处理[thr,sorh,keepapp]=ddencmp('den','wv',bw3); %获得除噪的缺省参数bw4=wdencmp('gbl',bw3,'sym4',2,thr,sorh,keepapp);%图象进行降噪处理%---------------------------------------------------------------------%提取图象边缘t=3000; %设定阈值bw5=double(bw4);[m,n]=size(bw5);g=zeros(m,n);d=zeros(1,8);%利用Kirsch算子进行边缘提取for i=2:m-1for j=2:n-1d(1)=(5*bw5(i-1,j-1)+5*bw5(i-1,j)+5*bw5(i-1,j+1)-3*bw5(i,j-1)-3*bw5(i,j+1 )-3*bw5(i+1,j-1)-3*bw5(i+1,j)-3*bw5(i+1,j+1))^2;d(2)=((-3)*bw5(i-1,j-1)+5*bw5(i-1,j)+5*bw5(i-1,j+1)-3*bw5(i,j-1)+5*bw5(i, j+1)-3*bw5(i+1,j-1)-3*bw5(i+1,j)-3*bw5(i+1,j+1))^2;d(3)=((-3)*bw5(i-1,j-1)-3*bw5(i-1,j)+5*bw5(i-1,j+1)-3*bw5(i,j-1)+5*bw5(i, j+1)-3*bw5(i+1,j-1)-3*bw5(i+1,j)+5*bw5(i+1,j+1))^2;d(4)=((-3)*bw5(i-1,j-1)-3*bw5(i-1,j)-3*bw5(i-1,j+1)-3*bw5(i,j-1)+5*bw5(i, j+1)-3*bw5(i+1,j-1)+5*bw5(i+1,j)+5*bw5(i+1,j+1))^2;d(5)=((-3)*bw5(i-1,j-1)-3*bw5(i-1,j)-3*bw5(i-1,j+1)-3*bw5(i,j-1)-3*bw5(i, j+1)+5*bw5(i+1,j-1)+5*bw5(i+1,j)+5*bw5(i+1,j+1))^2;d(6)=((-3)*bw5(i-1,j-1)-3*bw5(i-1,j)-3*bw5(i-1,j+1)+5*bw5(i,j-1)-3*bw5(i, j+1)+5*bw5(i+1,j-1)+5*bw5(i+1,j)-3*bw5(i+1,j+1))^2;d(7)=(5*bw5(i-1,j-1)-3*bw5(i-1,j)-3*bw5(i-1,j+1)+5*bw5(i,j-1)-3*bw5(i,j+1 )+5*bw5(i+1,j-1)-3*bw5(i+1,j)-3*bw5(i+1,j+1))^2;d(8)=(5*bw5(i-1,j-1)+5*bw5(i-1,j)-3*bw5(i-1,j+1)+5*bw5(i,j-1)-3*bw5(i,j+1 )-3*bw5(i+1,j-1)-3*bw5(i+1,j)-3*bw5(i+1,j+1))^2;g(i,j) = max(d);endend%显示边缘提取后的图象for i=1:mfor j=1:nif g(i,j)>tbw5(i,j)=255;elsebw5(i,j)=0;endendendfigure(2)imshow(bw5,[])title('Kirsch ')图7(5)LoG和canny算子clear;I=imread('C:\Users\admin\Desktop\mao.jpg');B=rgb2gray(I);bw1=edge(B,'log',0.01);bw3=edge(B,'canny',0.1);figure;subplot(1,2,1);imshow(bw1,[]);title('loG边缘检测'); subplot(1,2,2);imshow(bw3,[]);title('canny边缘检测');图83、大津法实现图像分割clear;I=imread('C:\Users\admin\Desktop\cat.jpg');B=rgb2gray(I);T = graythresh(B);%求阈值BW = im2bw(B,T);%二值化imshow(BW,[])图9。

图像增强与边缘检测

图像增强与边缘检测

数字图像处理作业----第三次1、 什么是图像增强?常见算法有哪些?典型算法的程序实现,其优缺点?结果对比。

1.1图像增强的定义为了改善视觉效果或者便于人和机器对图像的理解和分析,根据图像的特点或存在的问题采取的简单改善方法或者加强特征的措施称为图像增强。

一般情况下,图像增强是按特定的需要突出一幅图像中的某些信息,同时削弱或去除某些不需要的信息的处理方法,也是提高图像质量的过程。

图像增强的目的是使图像的某些特性方面更加鲜明、突出,使处理后的图像更适合人眼视觉特性或机器分析,以便于实现对图像的更高级的处理和分析。

图像增强的过程往往也是一个矛盾的过程:图像增强希望既去除噪声又增强边缘。

但是,增强边缘的同时会同时增强噪声,而滤去噪声又会使边缘在一定程度上模糊,因此,在图像增强的时候,往往是将这两部分进行折中,找到一个好的代价函数达到需要的增强目的。

传统的图像增强算法在确定转换函数时常是基于整个图像的统计量,如:ST转换,直方图均衡,中值滤波,微分锐化,高通滤波等等。

这样对应于某些局部区域的细节在计算整幅图的变换时其影响因为其值较小而常常被忽略掉,从而局部区域的增强效果常常不够理想,噪声滤波和边缘增强这两者的矛盾较难得到解决。

1.2 图像增强的分类及方法图像增强可分成两大类:频率域法和空间域法。

前者把图像看成一种二维信号,对其进行基于二维傅里叶变换的信号增强。

采用低通滤波(即只让低频信号通过)法,可去掉图中的噪声;采用高通滤波法,则可增强边缘等高频信号,使模糊的图片变得清晰。

具有代表性的空间域算法有局部求平均值法和中值滤波(取局部邻域中的中间像素值)法等,它们可用于去除或减弱噪声。

图像增强的方法是通过一定手段对原图像附加一些信息或变换数据,有选择地突出图像中感兴趣的特征或者抑制(掩盖)图像中某些不需要的特征,使图像与视觉响应特性相匹配。

在图像增强过程中,不分析图像降质的原因,处理后的图像不一定逼近原始图像。

数字图像处理上机指导书

数字图像处理上机指导书

数字图像处理上机指导书(matlab)指导教师:桂进斌适用专业:电子科学及电子信息2010年3月实验一、图像文件的读取与显示实验目的:掌握windows BMP格式位图文件的基本格式。

学会使用matlab对图像文件进行读取与显示。

实验内容:1.使用imread函数的不同形式读取图像文件,理解函数不同形式的操作。

2.练习不同形式的imwrite函数的操作。

3.查询给定图像文件的基本信息。

4.使用图像浏览器显示图像,并学会使用浏览器中工具集对图像进行定制显示。

5.使用imshow函数对图像进行显示,并练习同时显示多幅图像的方法。

6.在已生成的应用程序中,加BMP位图读取与显示的代码,从已有文件中读取bmp格式文件并在视图中显示。

基本知识:BMP位图文件格式BMP位图文件中主要由4部分内容组成:1.文件头BITMAPFILEHEADER为一STRUCTURE:typedef struct tagBITMAPFILEHEADER {e;//文件类型,必须为“BM”或0x424dDWORD bfSize;//文件大小WORD bfReserved1;//保留WORD bfReserved2;//保留ts;//从文件头到实际位图数据的偏移字节数} BITMAPFILEHEADER, FAR *LPBITMAPFILEHEADER,*PBITMAPFILEHEADER;2.位图信息头BITMAPINFOHEADER,定义如下:typedef struct tagBITMAPINFOHEADER{DWORD biSize;//structure sizeLONG biWidth;//image widthLONG biHeight;//image heightWORD biPlanes;//value is 1WORD biBitCount;//color bitsDWORD biCompression;//compression or notmage;//Image size=width*height( 其中width必须为4的倍数。

数字图像处理第二版上机作业答案

数字图像处理第二版上机作业答案

1.创建命令文件creatmatrix.m,实现以下功能:(1)建立一个A矩阵,大小为8×10,该矩阵为符合正态分布的随机矩阵;建立一个B矩阵,大小和A矩阵一样,是一个全1矩阵。

(2)将(1)中生成的A、B矩阵存储在junzhen.mat中。

A=randn(8,10) eye 生成单位矩阵ones全1阵zeros 全零阵B=ones(8,10)rand 均匀随机阵randn 正态随机阵2.创建命令文件imagep.m,实现以下功能:(1)读入cameraman.tif图像文件,查询其文件信息;(2)将该图像数据保存在矩阵I中;(3)显示原始图像,保存为cameraman1.jpg;(4)新建图形窗口,显示16个灰度等级下的图像,保存为cameraman2.bmp;(5)新建图形窗口,显示灰度范围在20到100之间的图像,保存为cameraman3.jpg;I=imread('cameraman.tif');imshow (I);figure,imshow(I,16);figure,imshow(I,[20, 100]);3创建命令文件process.m,实现以下功能:(1)读入football.jpg彩色图像文件,将该图像转换为灰度图像I;(2)设置阈值0.6,将灰度图像I转换为二值图像J1;(3)将图形窗口划分为一行三列,第一个子窗口显示I,第二个子窗口显示J1。

将该图形保存为process.jpgRGB=imread('football.jpg');I=rgb2gray(RGB);J1=im2bw(I,0.6);subplot(1,2,1); imshow(I);subplot(1,2,2); imshow(J1);4创建命令文件process1.m,实现以下功能:读入图像fabric.png彩色图像文件,转换为灰度图像A;将A图像的灰度缩小0.6倍,存入图像矩阵B中;将A图像的灰度放大1.2倍,存入图像矩阵C中;将图形窗口划分为三行一列,第一个子窗口显示A,第二个子窗口显示B,第三个子窗口显示C。

数字图像处理(上海交通大学) 中国大学MOOC答案2023版

数字图像处理(上海交通大学) 中国大学MOOC答案2023版

数字图像处理(上海交通大学) 中国大学MOOC答案2023版第一周绪论测试与作业1、图像在计算机中是如何表示的?答案: 2D图像用f(x,y),3D图像用f(x,y,z)2、图像的数字化为什么会丢失信息?答案:采样和编码丢失数据3、8位图像的灰阶范围是多少?答案: 0 – 2554、下列哪一项不是二维图像的存储格式?答案: .dicom5、下列图像分类名称中,哪一项不是按图像传感器分类的?答案:伪彩图像6、什么是伪彩图像?答案:图像中每个像素点用RGB索引表示7、下列哪一项不属于医学图像的有哪些?答案:紫外图像8、下列有关不同模态的图像叙述正确的是?答案:临床上不同模态的结合需求很高9、下列哪一项是数字图像处理的基本流程?答案:图像预处理–图像分割–图像识别–图像建模10、什么是模式识别?答案:通过计算机用数学的方法来对不同模式进行自动处理和判读第三周图像的基础算法(2)测试与作业1、下列关于灰度直方图的描述不正确的是?答案:灰度直方图与图像具有一一对应关系2、下列哪一项不是灰度直方图的特点答案:描述了每个像素在图像中的位置3、下列关于灰度直方图和图像面积叙述正确的是?答案:灰度直方图按横轴积分得到的值就是图像的面积4、下列关于灰度直方图的双峰性叙述错误的是?答案:根据双峰可以简单地找到最优二值化的值5、下列关于图像二值化叙述正确的是?答案:二值化后的图像只有两个灰阶6、下列哪一个不是求取最优二值化值的算法?答案: Conjugate Gradient Method7、下列二值化和灰度直方图的关系叙述错误的是?答案:通过灰度直方图可以知道二值化的最佳阈值8、下列关于Otsu算法中“类间方差(between-classes variance)”的描述错误的是?答案:类间方差达到最小的情况下即为最优二值化值9、下面哪些效果无法通过卷积实现?答案:把灰度图像彩色化10、下列哪一项不属于图像卷积运算的过程答案:将卷积核的值直接与其覆盖的像素灰度值相乘并累加作为卷积核中心当前覆盖点11、卷积运算中,下列一项处理图像边缘的像素点的方法是错误的?答案:在图像边缘进行卷积运算的时候,调整卷积核的大小12、使用图像卷积操作的除噪方法不包括下列的哪一项?答案:开闭运算13、下列哪个卷积核无法提取图像边缘?答案:14、下列哪一项不是ITK的实现特点?答案:仅支持Window平台15、下列关于VTK的描述错误的是?答案: VTK是用C++实现的,所以要使用VTK只能用C++来调用。

数字图像处理实验三

数字图像处理实验三

数字图像处理—实验三一.实验内容:⑴5⨯5区域的邻域平均法⑵5⨯5中值滤波法二.实验目的:了解各种平滑处理技术的特点和用途,掌握平滑技术的仿真与实现方法。

学会用Matlab中的下列函数对输入图像进行上述2类运算。

感受不同平滑处理方法对最终图像效果的影响。

nlfilter;mean2;std2;fspecial;filter2;medfilt2;imnoise三.实验步骤:1.仔细阅读Matlab帮助文件中有关以上函数的使用说明,能充分理解其使用方法并能运用它们完成实验内容。

2.将test3_1.jpg图像文件读入Matlab,用nlfilter对其进行5⨯5邻域平均和计算邻域标准差。

显示邻域平均处理后的结果,以及邻域标准差图像。

clc;clear;figure;subplot(1,3,1);i1=imread('test3_1.jpg');i1=im2double(i1);imshow(i1);title('原图像');subplot(1,3,2);T1=nlfilter(i1,[5 5],@mean2);imshow(T1);title('邻域平均处理后结果');subplot(1,3,3);T2=nlfilter(i1,[5 5],@std2);imshow(T2);title('邻域标准差图像');3.在test3_1.jpg图像中添加均值为0,方差为0.02的高斯噪声,对噪声污染后的图像用nlfilter进行5⨯5邻域平均。

显示处理后的结果。

(使用imnoise 命令)clc;clear;figure;subplot(1,3,1);i1=imread('test3_1.jpg');i1=im2double(i1);imshow(i1);title('原图像');subplot(1,3,2);T1=imnoise(i1,'gaussian',0,0.2);imshow(T1);title('加高斯噪声');subplot(1,3,3);T2=nlfilter(i1,[5 5],@mean2);imshow(T2);title('处理后结果');4.将test3_2.jpg图像文件读入Matlab,用fspecial函数生成一5⨯5邻域平均窗函数,再用filter2函数求邻域平均,试比较与用nlfilter 函数求邻域平均的速度。

数字图像处理试题 (3)

数字图像处理试题 (3)

数字图像处理试题一、简答题(50分)1.什么是数字图像处理?数字图像处理是指利用计算机对图像进行获取、存储、传输、表达、处理和分析的技术和方法。

2.请简要描述数字图像处理算法的基本流程。

数字图像处理算法的基本流程包括图像预处理、图像增强、图像恢复、图像压缩和图像分割等几个主要步骤。

–图像预处理:对图像进行去噪、平滑、锐化等处理,以减小后续处理的难度。

–图像增强:通过灰度变换、直方图均衡化、滤波等手段,改善图像的质量和视觉效果。

–图像恢复:利用图像处理技术对受损图像进行修复和恢复,使其更接近原始图像。

–图像压缩:采用编码算法对图像进行压缩,以减小图像文件的大小。

–图像分割:将图像划分为多个子区域,从而实现对图像的分析和理解。

3.什么是图像灰度?图像灰度是指图像中某个像素点的亮度值。

通常使用一个0到255之间的数值表示图像像素的灰度,其中0代表黑色,255代表白色。

4.请简要描述直方图均衡化的原理。

直方图均衡化是一种图像增强的方法,通过调整图像像素的灰度分布,提高图像的对比度和视觉效果。

直方图均衡化的原理如下:–统计图像的直方图,得到原始图像的灰度分布情况。

–计算累积分布函数(CDF),将原始图像的累积直方图均匀化,使得像素灰度值分布更加均匀。

–通过将新的累积直方图映射回原始图像,得到增强后的图像。

5.什么是图像滤波?图像滤波是一种图像处理技术,通过在空间域或频域对图像进行卷积操作,实现图像的平滑、锐化或其他特定的滤波效果。

6.请简要解释图像压缩的概念。

图像压缩是指通过编码算法,将图像数据从原始的表示方式转换为更紧凑的表示方式,以减小图像文件的大小和存储空间。

图像压缩分为有损压缩和无损压缩两种方式。

有损压缩会丢失一定的图像细节,而无损压缩则可以完全恢复原始图像。

常用的图像压缩算法有JPEG和PNG。

7.简要论述数字图像处理在现实生活中的应用。

数字图像处理在现实生活中有很多应用,包括:–医学影像处理:用于医学诊断和治疗,如CT扫描、MRI图像处理。

  1. 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. 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. 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)。

数字图像第三讲作业
1.绘制一幅人像或风景图像的幅频图及相频图,并由幅频图及相频图重建空
间域图像.(使用fft2,ifft2,fftshift函数)
分析:fft2函数可以用来对图相求二维傅里叶变换,fft2作用后得到的只是很大的,要先对它除以图像的像素点个数m*n再进行幅频响应与相频响应的求解。

这是得到的频率响应是以(0,0)像素点为频率零点的,我们知道频率响应是关于原点对称的,因此在fft2后通过ifft2可将频率原点移至图像中心点,这样便于对频响的对称性进行观察。

abs函数得到幅频度,可经log调整为人眼敏感的范围,如:mag=log(1+50*abs(I2));相频响应可由angle函数获得。

最后通过fftshift函数可对频率响应进行空间域图像的重建。

代码及注释如下:
function fuliye(x)
I=imread(x);
[m,n]=size(I);
I1=fft2(single(I)); %fft2函数要求输入矩阵为single或double型
I2=fftshift(I1/m/n);
mag=log(1+50*abs(I2)); %abs函数得到幅度,经log调整为人眼敏感的范围phase=angle(I2); %angle函数得到相角
imshow(mag);title('幅频图')
figure
imshow(phase);title('相频图')
I3=uint8(ifft2(I1)); %ifft2进行二维傅里叶反变换
figure
imshow(I3);title('原图')
figure
I4=uint8(ifft2(abs(I1))); %仅对傅里叶变换的幅值进行反变换
imshow(I4);title('由幅频信息还原图')
figure
I5=abs(ifft2(angle(I1))); %仅对傅里叶变换的相角进行反变换
imshow(I5,[]);title('由相频信息还原图')
运行:在命令窗口中输入fuliye(‘Lenna.bmp’)输出五幅图如下:
幅频图:相频图:
由幅频信息还原图:由相频信息还原图:
由幅频和相频一起还原出原图:
结论:由幅频图可以看出自然图像的频谱能量主要集中在低频附近;由仅从幅频或相频还原出的两张图可以看出,相频同样很重要。

2. 画出以下几个特殊图像的频谱图. 1) 小圆点图像2) 矩形块; 1/2大小的矩形块; 旋转30度的矩形块(可用imrotate()函数) 3) 45度方向倾斜的正弦条纹.
分析:由于要对几个图形进行频谱分析,故可先编写一个计算并绘制频谱图的子函数fuliye0,和第一题fuliye1类似。

在主程序中只要编写相应图形的矩阵I,并调用fuliye0子程序即可。

代码及注释如下:
%主程序
function fuliye2(x)
I=uint8(zeros(256,256));
%****************x=0:画出小圆点图像的频谱图****************
if(x==0)
for i=1:256
for j=1:256
if (i-128)^2+(j-128)^2<200
I(i,j)=255;
end
end
end
%以上程序画出一个黑底白色的小圆点
fuliye0(I); %调用子函数画出频谱图
%****************x=1:画出矩形块图像的频谱图****************
elseif(x==1)
I(123:133,118:138)=255;
fuliye0(I);
%***************x=2:画出1/2矩形块图像的频谱图***************
elseif(x==2)
I(123:133,123:133)=255;
fuliye0(I);
%**************x=3:旋转30°矩形块图像的频谱图**************
elseif(x==3)
I(123:133,118:138)=255;
I=imrotate(I,30);
fuliye0(I);
%*************x=4:45度方向倾斜的正弦条纹的频谱图************* else
I=single(I);
for i=1:256
I(i,1:256)=sin(pi/16*i);
end
I=imrotate(I,45);
fuliye0(I);
end
%计算并画出频谱图的子函数fuliye0如下:
function fuliye0(x)
I=x;
[m,n]=size(I);
I1=fft2(single(I));
I2=fftshift(I1/m/n);
mag=log(1+30*abs(I2));
phase=angle(I2);
imshow(mag);title('幅频图')
figure
imshow(phase);title('相频图')
figure
imshow(I);title('原图')
运行:
1)小圆点频谱:在命令窗口中输入fuliye2(0)有:
原图:
幅频图
相频图:
2)矩形块频谱:在命令窗口中输入fuliye2(1)有:
原图:
幅频图:相频图:
原图:
幅频:
相频
原图:
幅频:
相频:
5)45度方向倾斜的正弦条纹频谱:在命令窗口中输入fuliye2(4)有:
原图:
幅频:
相频:
结论:1.由小圆点图像的幅频图可以看出该频谱看上去像是水波纹,是矩形窗
一维傅里叶变换频谱图绕远点旋转一圈所形成的图形。

2.矩形块和1/2大小的矩形块的幅频图可看出矩形块在某一方向上变窄则其频谱在该方向上变宽,这与一维傅里叶变换相对应。

3.旋转30度的矩形块的幅频图也同样旋转了30度,这说明二维傅里叶变换具有旋转不变性。

4.正弦条纹的幅频特性是两个点,正弦条纹旋转变换后,幅频特性仍是两点,也做了同样的旋转变换。

有图可以看出幅频除两点外,隐约还有其他的点,这是由于图像点是离散的,旋转变换的同时必然使正弦条纹失真,故出现了其他频率分量。

未作旋转的正弦条纹幅频如下:
恰好为两个点。

由程序中I(i,1:256)=sin(pi/16*i)可改变正弦的取样间隔,这里的取样间隔为pi/16,若增大为pi/4,则其幅频特性两点间隔变宽,如下:
这同样证明了结论3中的结论。

相关文档
最新文档