东北大学图像处理实验报告
图像处理实验报告
图像处理实验报告图像处理实验报告一、引言图像处理是计算机科学与工程领域的一个重要研究方向，它涉及到对数字图像进行获取、处理、分析和显示等一系列操作。
本实验旨在通过使用图像处理技术，对一幅给定的数字图像进行处理和分析，以探索图像处理的原理和应用。
二、实验目的本实验有以下几个目的：1. 理解图像处理的基本概念和原理；2. 掌握图像处理的常用技术和方法；3. 熟悉图像处理软件的使用。
三、实验步骤1. 图像获取在本实验中，我们选择了一张风景图作为实验对象。
该图像是通过数码相机拍摄得到的，保存在计算机中的文件格式为JPEG。
我们使用图像处理软件将该图像导入到程序中，以便进行后续的处理和分析。
2. 图像预处理在进行图像处理之前，我们需要对图像进行预处理。
预处理的目的是去除图像中的噪声、平滑图像的边缘等。
我们使用了均值滤波和中值滤波两种常用的图像平滑方法。
通过对比两种方法的效果，我们可以选择合适的方法来进行图像预处理。
3. 图像增强图像增强是指通过一系列的操作，使得图像在视觉上更加鲜明、清晰、易于观察。
在本实验中，我们使用了直方图均衡化和灰度拉伸两种图像增强方法。
直方图均衡化通过对图像的像素值进行变换，使得图像的直方图更加均匀，从而增强图像的对比度。
灰度拉伸则是通过对图像的像素值进行线性变换，将图像的灰度范围拉伸到更广的范围内，从而增强图像的细节。
4. 图像分割图像分割是将图像分成若干个互不重叠的区域，每个区域具有一定的意义和特征。
在本实验中，我们使用了阈值分割和边缘检测两种图像分割方法。
阈值分割是指通过设置一个合适的阈值，将图像中的像素分为两个类别。
边缘检测则是通过检测图像中的边缘信息，将图像分割为不同的区域。
5. 图像特征提取图像特征提取是指从图像中提取出具有一定意义和特征的信息。
在本实验中，我们选择了纹理特征和颜色特征两种常用的图像特征提取方法。
纹理特征提取通过对图像的纹理进行分析，提取出图像的纹理特征。
图像处理技术--实验报告封皮(4)
课程编号：B080163250图像处理技术实验报告东北大学软件学院实验一图像运算一、实验目的读入两幅大小相同的图像，并对其进行加、减、乘、除运算，在同一个窗口内显示图像，观察结果二、实验内容了解图像运算的基本原理。
学会使用matlab进行图像运算。
三、实验的步骤找到两幅大小相同的图片，放到工程路径下，执行以下代码：I=imread('1.jpg');I2=imread('2.jpg');K1=imadd(I,I2); %图像相加subplot(4,3,2),imshow(I2,[]);subplot(4,3,1),imshow(I,[]);subplot(4,3,3),imshow(K1,[]),title('图像相加');>>>> I=imread('1.jpg');I2=imread('2.jpg');K2=imsubtract(I,I2); %图像相减subplot(4,3,4),imshow(I,[]);subplot(4,3,5),imshow(I2,[]);subplot(4,3,6),imshow(K2,[]),title('图像相减');>> I=imread('1.jpg');I2=imread('2.jpg');K3=immultiply(I,I2); %图像相乘subplot(4,3,7),imshow(I,[]);subplot(4,3,8),imshow(I2,[]);subplot(4,3,9),imshow(K3,[]),title('图像相乘');>> I=imread('1.jpg');I2=imread('2.jpg');K4=imdivide(I,I2); %图像相除subplot(4,3,10),imshow(I,[]);subplot(4,3,11),imshow(I2,[]);subplot(4,3,12),imshow(K4,[]),title('图像相除');四、实验结果五、实验总结本实验对一个类似背景的星星图像和暗色恐龙图片图像进行加减乘除操作。
图片处理实训报告总结
图片处理实训报告总结
本次图片处理实训主要围绕图像采集、预处理、特征提取和图像分割等方面展开。
通过本次实训，我对图像处理的基本原理和常用技术有了更深入的了解，并且掌握了相关的工具和方法。
在图像采集方面，我们学习了如何使用相机或者手机进行图像的拍摄，以及如何处理不同光照和角度下的图像。
我们使用了不同的拍摄方式和参数设置，以获得更好的图像质量。
同时，我们还学习了如何使用图像处理软件对已有的图像进行采集和处理，包括调整亮度、对比度和色彩平衡等。
在图像预处理方面，我们学习了如何去除噪声和不必要的细节，以提高图像的质量。
我们使用了滤波器对图像进行平滑和锐化处理，同时还学习了如何使用图像算法对图像进行增强处理。
通过预处理，我们能够更好地凸显出图像的目标信息和特征。
在特征提取方面，我们学习了常用的特征提取方法，包括边缘检测、角点检测和纹理特征提取等。
我们使用了不同的算法和工具对图像进行特征提取，并利用提取到的特征进行目标检测和识别。
通过特征提取，我们能够更好地分析和理解图像中的信息内容。
最后，在图像分割方面，我们学习了如何将图像分割成不同的区域或者对象。
我们使用了不同的图像分割算法，包括阈值分割、边缘检测和聚类等方法。
通过图像分割，我们能够更好地提取出图像中的目标区域，为后续的图像处理和分析提供基础。
综上所述，本次图片处理实训使我对图像处理的原理和技术有了更深入的了解，并且通过实际操作和实验，掌握了相关的工具和方法。
这对我的专业发展和实际工作都具有重要的意义，我将更加努力地学习和实践，不断提升自己在图像处理领域的能力。
东北大学计算机图像处理实验报告
计算机图像处理实验报告学院：信息学院班级：电子信息工程姓名：学号：实验内容：数字图像处理1、应用MATLAB语言编写显示一幅灰度图像、二值图像、索引图像及彩色图像的程序，并进行相互之间的转换；（1）、显示一副真彩RGB图像代码：I=imread('cartoon.jpg'); %读取彩色图像>>imshow(I);效果：（2）、RGB转灰度图像代码：graycartoon=rgb2gray(I); %彩色图像转换为灰度图像>> subplot(1,2,1);>> subimage(I);>> subplot(1,2,2);>> subimage(graycartoon);效果：（3）、RGB转索引图像代码：[indcartoon,map]=rgb2ind(I,0.7); %彩色图像转换为索引图像>> subplot(1,2,1);>> subimage(I);>> subplot(1,2,2);>> subimage(indcartoon,map);效果：（4）、索引图像转RGB代码：I1=ind2rgb(indcartoon,map); %索引图像转换为彩色图像>>subplot(1,2,1);>>subimage(indcartoon,map);>>subplot(1,2,2);>>subimage(I1);效果：（5）、索引转灰度图像代码：i2gcartoon=ind2gray(indcartoon,map); %索引图像转换为灰度图像>>subplot(1,2,1);>>subimage(indcartoon,map);>>subplot(1,2,2);>>subimage(i2gcartoon);效果：（6）、灰度转索引图像代码：[g2icartoon,map]=gray2ind(graycartoon,64); %灰度转索引图像>>subplot(1,2,1);>>subimage(graycartoon);>>subplot(1,2,2);>>subimage(g2icartoon,map);效果：（7）、RGB转二值图像代码：r2bwcartoon=im2bw(I,0.5);>>subplot(1,2,1);>>subimage(I);>>subplot(1,2,2);>>subimage(r2bwcartoon);效果：（8）灰度转二值图像代码：g2bwcartoon=im2bw(graycartoon,0.5);subplot(1,2,1);>>subimage(graycartoon);>>subplot(1,2,2);>>subimage(g2bwcartoon);效果：（9）、索引转二值图像代码：[indcartoon,map]=rgb2ind(I,0.7);>> subplot(1,2,1);>> subimage(I);>> subplot(1,2,2);>> subimage(indcartoon,map);>> i2bwcartoon=im2bw(indcartoon,map,0.7);>>subplot(1,2,1);>>subimage(indcartoon,map);>>subplot(1,2,2);>>subimage(i2bwcartoon);效果：2、应用MATLAB工具箱演示一幅图像的傅里叶变换、离散余弦变换，观察其频谱图。
《图形图像处理》实验报告书
《图形图像处理》（2014 - 2015 学年第一学期）实验报告书学生姓名：班级：学号：院系：计算机系指导教师：2014年12月目录一、目的 (2)二、要求 (2)三、操作环境与时间 (1)四、项目名称与记录 (3)任务一（名称） (x)任务二（名称） (x)任务三（名称） (x)任务四（名称） (x)任务五（名称） (x)任务六（名称） (x)任务七（名称） (x)任务八（名称） (x)任务九（名称） (x)任务十（名称） (x)五、总结 (x)一、目的1、加深、巩固学生所学课程的基本理论知识，理论联系实际，进一步培养学生综合分析问题和解决问题的能力。
2、培养学生调查研究、查阅技术文献、资料、手册以及编写技术文献的能力。
使学生得到收集资料、整理相关素材、处理图片、制作动画等实践训练，更好地掌握基本理论知识及其实际操作能力，从而达到提高学生素质的最终目的。
3、利用所学知识，调研查阅相关信息，发挥创造力，掌握运用专业动画设计与制作软件，与其它相关设计工具的综合应用的技能及独立设计的综合能力。
二、要求1、在规定时间完成期末大作业的项目任务。
2、通过这次大作业，要求学生在指导教师的指导下，独立完成作品设计的全部内容。
3、通过调查研究，学会收集资料、整理相关素材、确定主题等。
4、用所学的知识学会处理图像，掌握课程设计的基本步骤和方法。
5、报告书要做到文字通畅、论点正确、论述有据。
6、报告书以书面打印形式的报告交给指导教师，作品刻成光盘存档。
7、在教师指导下，发挥学生的主观能动性、独立动手进行工作。
8、增强学生理论与实践的结合能力，为毕业设计打好基础。
三、操作环境与时间操作地点：计算机系软件实验室S603系统要求：Windows XP以上操作系统软件要求：使用Flash CS6、Photoshop CS6等专业软件四、项目名称与记录：任务一（一）主题内容：1、设计作品名称：梦幻海报设计2、设计思想：画面唯美，有强烈的视觉效果3、设计元素：滤镜、色彩平衡、亮度/饱和度、图层蒙板、剪贴蒙板等。
图像处理美工实验报告
图像处理美工实验报告1. 实验目的本次实验旨在通过图像处理技术，提升图片的美观度。
通过对图像进行调整、修复、美化等处理，使得图片在色彩、对比度、清晰度等方面表现出更好的效果。
2. 实验环境- 操作系统：Windows 10- 编程语言：Python- 开发环境：Anaconda Navigator- 相关软件：Adobe Photoshop3. 实验过程3.1 图片调整首先，我们使用Adobe Photoshop对原始图片进行调整。
通过调整图片的亮度、对比度、色调等参数，使得图片的整体效果更加明亮、鲜艳。
3.2 图像修复接着，我们使用图像处理库中的算法对图片进行修复。
通过去除噪点、消除瑕疵、修复缺失等操作，使得图片中的细节更加清晰、完整。
3.3 图像滤镜在调整和修复完成后，我们尝试使用不同的滤镜效果来美化图片。
通过施加不同的滤镜效果，例如模糊、锐化、马赛克等，我们可以给图片加入一些艺术效果，使得图片更加具有视觉冲击力。
3.4 图像细节增强为了使得图片更加饱满、立体，我们可以对图片中的细节部分进行增强处理。
通过增强细节的锐度、增加线条的清晰程度，我们可以使得图片中的物体更加鲜活、立体。
3.5 色彩调整最后，我们对图片的色彩进行调整。
通过调整图片的色相、饱和度、明度等参数，我们可以让图片的色彩更加丰富、鲜艳。
同时，我们可以对不同色彩通道进行调整，使得图片的整体色调更加协调、统一。
4. 实验结果经过一系列的图像处理操作，我们成功提升了图片的美观度。
原始图片与经过处理后的图片相比，色彩更加明亮饱满，细节更加清晰，整体效果更加出色。
同时，通过施加不同的滤镜效果和调整色彩，我们还加入了一些艺术效果，提升了图片的视觉冲击力。
5. 总结通过本次实验，我们了解了图像处理技术在美工方面的应用。
图像处理可以对图片进行调整、修复、美化等操作，提升其美观度和质量。
合理使用图像处理技术，可以使得图片更加生动、吸引人，为设计和美工工作提供了有力的支持。
图像处理3个实验内容
图像处理实验报告格式一、封皮的填写：（1）实验课程名称：图像处理（2）实验名称：按顺序填写图像的二维离散傅立叶变换、图象的增强、图像二值化（3）年月：二、纸张要求：统一采用A4大小纸张，左侧装订，装订顺序与实验顺序一致。
三、书写要求：（1）报告除实验图像可以打印外，其余均须手写。
（2）实验图像及结果图像可以打印，图像均位于实验结果与分析部分，图像打印于纸张上部，下部空白处手写实验分析。
（3）报告中图要有图序及名称，表要有表序及名称，每个实验的图序和表序单独标号，具体格式参照毕业设计手册。
不合格者扣除相应分数。
（4）每个实验均需另起一页书写。
四、关于雷同报告：报告上交后，如有雷同，则课程考核以不及格处理。
五、报告撰写格式及实验内容如下：实验一图像的二维离散傅立叶变换一、实验目的掌握图像的二维离散傅立叶变换以及性质二、实验要求1)建立输入图像，在64⨯64的黑色图像矩阵的中心建立16⨯16的白色矩形图像点阵，形成图像文件。
对输入图像进行二维傅立叶变换，将原始图像及变换图像（三维、中心化）都显示于屏幕上。
2)调整输入图像中白色矩形的位置，再进行变换，将原始图像及变换图像（三维、中心化）都显示于屏幕上，比较变换结果。
3)调整输入图像中白色矩形的尺寸（40⨯40，4⨯4），再进行变换，将原始图像及变换图像（三维、中心化）都显示于屏幕上，比较变换结果。
三、实验仪器设备及软件HP D538、MATLAB四、实验原理以自己的语言结合课堂笔记进行总结，要求过程推导清晰明了。
五、实验步骤及程序实验步骤、程序流程、实验源程序齐全（全部手写）六、实验结果与分析实验二图像的增强一、实验目的1)掌握在计算机上进行直方图统计，以及直方图均衡化、线性变换的图像增强的方法2)掌握在计算机上进行图象平滑、图象锐化特别是中值滤波平滑及拉普拉斯算子锐化的方法二、实验要求1)显示图像（cameraman.tif）及灰度直方图。
2)对指定图像（cameraman.tif）进行直方图均衡化和线性变换，将原始图像及增强后的图像都显示于屏幕上，比较增强的效果。
《数字图像处理》实验报告
《数字图像处理》实验报告数字图像处理是一门将图像进行数字化处理的学科，它通过计算机算法和技术手段对图像进行分析、增强、压缩和重建等操作。
在本次实验中，我们学习了数字图像处理的基本概念和常用算法，并通过实验来探索其应用和效果。
首先，我们进行了图像的读取和显示实验。
通过使用Python中的OpenCV库，我们能够轻松地读取图像文件，并将其显示在屏幕上。
这为我们后续的实验奠定了基础。
同时，我们还学习了图像的像素表示方法，了解了图像由像素点组成的原理。
这使我们能够更好地理解后续实验中的算法和操作。
接下来，我们进行了图像的灰度化实验。
灰度化是将彩色图像转换为灰度图像的过程。
在实验中，我们使用了不同的算法来实现灰度化操作，包括平均值法、最大值法和加权平均法等。
通过比较不同算法得到的灰度图像，我们发现不同算法对图像的处理效果有所差异，这使我们深入理解了灰度化的原理和应用。
随后，我们进行了图像的直方图均衡化实验。
直方图均衡化是一种用于增强图像对比度的方法。
在实验中，我们使用了直方图均衡化算法来对图像进行处理，并观察了处理前后的效果变化。
通过实验，我们发现直方图均衡化能够显著提高图像的对比度，使图像更加清晰和鲜明。
在进一步探索图像处理技术的过程中，我们进行了图像的滤波实验。
滤波是一种常用的图像处理操作，它通过对图像进行卷积操作来实现。
在实验中，我们学习了不同类型的滤波器，包括均值滤波器、高斯滤波器和中值滤波器等。
通过比较不同滤波器对图像的处理效果，我们发现每种滤波器都有其适用的场景和效果。
此外，我们还进行了图像的边缘检测实验。
边缘检测是一种用于提取图像边缘信息的方法。
在实验中，我们学习了不同的边缘检测算法，包括Sobel算子、Canny算子和Laplacian算子等。
通过比较不同算法对图像的处理效果，我们发现每种算法都有其独特的特点和应用。
最后，我们进行了图像的压缩实验。
图像压缩是一种将图像数据进行压缩以减小文件大小的方法。
关于图形图像处理实训报告总结【九篇】
关于图形图像处理实训报告总结【九篇】实训报告总结：图形图像处理实训图形图像处理实训是计算机科学与技术专业的基础课程之一。
通过本次实训课程，我深入了解了图形图像处理的基本概念、方法和技术，并通过实际操作来提升了自己的实践能力。
下面是对本次实训的九篇报告总结：1. 实验一：图像读取与显示本次实验主要是学习如何读取和显示图像，以及使用Matplotlib库进行图像展示。
通过实验，我掌握了图像读取和显示的基本方法，并学会了基本的图像处理操作。
2. 实验二：图像的灰度变换实验二主要是学习图像的灰度变换，包括线性变换和非线性变换。
我学会了如何使用不同的灰度变换函数来调整图像的亮度和对比度，进一步提升图像的质量。
3. 实验三：图像的空间域滤波本次实验主要是学习图像的空间域滤波技术，包括均值滤波、中值滤波和高斯滤波等。
通过实验，我掌握了不同滤波方法的原理和实现方式，并学会了如何选择合适的滤波方法来降噪和模糊图像。
4. 实验四：图像的频域滤波实验四主要是学习图像的频域滤波技术，包括傅里叶变换和频域滤波等。
通过实验，我了解了傅里叶变换的原理和应用，并学会了如何使用频域滤波来实现图像的锐化和平滑。
5. 实验五：图像的形态学处理本次实验主要是学习图像的形态学处理技术，包括腐蚀、膨胀、开运算和闭运算等。
通过实验，我学会了如何使用形态学操作来改变图像的形状和结构，进一步改善图像的质量。
6. 实验六：图像的边缘检测实验六主要是学习图像的边缘检测技术，包括Sobel算子、Laplacian算子和Canny算子等。
通过实验，我了解了不同边缘检测方法的原理和应用，并学会了如何使用边缘检测来提取图像的轮廓和特征。
7. 实验七：图像的分割与聚类本次实验主要是学习图像的分割与聚类技术，包括阈值分割、区域生长和K均值聚类等。
通过实验，我掌握了不同分割与聚类方法的原理和应用，并学会了如何使用分割与聚类来识别和分析图像中的目标和区域。
8. 实验八：图像的特征提取与描述子实验八主要是学习图像的特征提取和描述子技术，包括尺度不变特征变换（SIFT）和方向梯度直方图（HOG）等。
图像处理实验报告
图像处理实验报告专业：姓名：学号：1几种边缘检测算子比较简单做了几组算子的边缘检测效果对比，包括几组梯度算子和二阶倒数算子。
这里简单记录一下Roberts算子、Sobel算子、Prewitt 算子、Log算子、Canny算子的运算原理与结果。
1.1Roberts算子Roberts算子是一种利用局部差分来寻找边缘的算子，Roberts 梯度算子所采用的是对角方向相邻两像素值之差，算子形式如下：Gx = f(i,j) - f(i-1,j-1)Gy = f(i-1,j) - f(i,j-1)|G(x,y)| = sprt(Gx^2+Gy^2)Roberts梯度算子对应的卷积模版为然后选择适当的阈值τ,若G ( x,y)>τ，则(i ,j)为边缘点，否则，判断(i ,j)为非边缘点。
由此得到一个二值图像{ g (i,j)}，即边缘图像。
1.2Sobel算子Sobel算子在边缘检测算子扩大了其模版，在边缘检测的同时尽量削弱了噪声。
其模版大小为3×3，其将方向差分运算与局部加权平均相结合来提取边缘。
Sobel算子所对应的卷积模版为然后选择适当的阈值τ,若G ( x,y)>τ，则(i ,j)为边缘点，边缘定位精度不够高。
当对精度要求不是很高时，是一种较为常用的边缘检测方法。
1.3Prewitt 算子同Sobel 算子相似，Prewitt 算子也是一种将方向的差分运算和局部平均相结合的方法，也是取水平和垂直两个卷积核来分别对图像中各个像素点做卷积运算，所不同的是，Sobel 算子是先做加权平均然后再微分，Prewitt 算子是先平均后求微分，其对应的卷积模版为梯度幅值G ( x,y)，然后选取适当的阈值τ，若G ( x,y)>τ，则(i ,j)为边缘点，否则，判断(i ,j)为非边缘点。
由此得到一个二值图像{ g (i,j)}，即边缘图像。
1.4Log 算子Log算子基本思想是：先在一定的围做平滑滤波，然后再利用差分算子来检测在相应尺度上的边缘。
图像处理实验报告
图像处理实验报告实验一：图像文件读取和格式转换（BMP、JPG），FMRI_MRI 并利用Matlab编程，实现多种格式图像的读取，显示和格式转换一、实验目的学习并掌握MATLAB中有关图像读取、显示、格式转换等基本内容。
二、实验内容选取目标图片，利用MATLAB对其进行读取、显示、格式转换。
三、实验步骤及各自结果1图像的读取和显示图像来自于E:\实验，图像名称为“mri.bmp”，为bmp格式。
（1）创建脚本文件，并命名为“tx1”。
（2）图像的读取和显示用imread函数实现图像的读取，imshow函数实现图像的显示。
所读取得灰度图像如下：（3）格式转换将灰色图像转换成索引图像索引图像如下：灰度图像转二值图像二值图像如下实验二：图像的直方图调整和灰度变换一、实验目的了解并掌握MATLAB中图像直方图调整和灰度变换。
二、实验内容选取目标图片，利用MATLAB对其进行直方图调整和灰度变换。
三、实验步骤及其各自的结果1创建脚本文件并命名为“tx2”。
2图像灰度调整利用imadjust函数直接调整灰度的范围而调整灰度，本例中直接利用MATLAB R2012a工具箱中自带的图片‘pout.tif’，‘cameraman.tif’和课堂提供的图片‘fmri.bmp’。
(1)下面命令通过灰度范围调整实现了灰度调整实验结果如下图所示其中左上图为原始图像，左下图为相应的灰度数据柱状统计图，右上图为调整后的图像，右下图为相应的灰度数据统计图。
从图中可以看到，调整之后，图像的灰度得到了极大的改善。
如下图(3)可以通过调整灰度范围内的灰度子范围数据，来实现增强或减少图像对比度的效果。
此例中将灰度范围为[0,51]的值，调整到灰度范围为[128,255]的值，并将灰度范围为[128,255]的值映射为255；相应的命令如下所示如下图所示（4）图像反转反转后结果2使用直方图调整灰度读取一幅灰度图像，用histeq函数将原始图像的灰度直方图均衡化，同时观察均衡化后的图像与前面图像的差别，均衡化后的灰度直方图与前面的灰度直方图的区别。
图形图像处理实训报告总结集合9篇
图形图像处理实训报告总结集合9篇作为一个AI助手，我可以为您生成一份图形图像处理实训报告总结集合，但请注意，这些报告仅供参考。
1. 实训报告一本次实训旨在学习数字图像处理的基本知识和常用算法，主要包括图片读取、图像增强、图像分割等内容。
通过实践操作，我们掌握了常见的图像处理方法，如灰度化、二值化、中值滤波、Canny边缘检测等，并通过实验验证了这些算法的效果。
2. 实训报告二本次实训主要内容是光线追踪（Ray Tracing）方法在图形图像处理中的应用。
从基本的光线追踪原理入手，我们逐步学习了光线追踪算法、阴影算法、反射算法、折射算法等，理论和实践相结合，我们通过编写代码实现了一个小型的光线追踪引擎，并将其应用到了图像渲染中。
3. 实训报告三本次实训内容是图像识别，我们学习了图像识别的基本知识和算法，并通过实验实现了一些基本的图像识别功能，如人脸识别、手写数字识别等。
我们更深入地研究了卷积神经网络（CNN）的原理和应用，搭建了一个深度学习模型，并对其进行了训练和验证，得到了很好的识别效果。
4. 实训报告四本次实训主要内容是图像处理中的变换算法，我们学习了常见的几何变换和像素变换，如旋转、缩放、平移、镜像、色彩空间转换等。
通过实践操作，我们掌握了这些算法的原理和具体实现方法，并对其效果进行了验证。
在实践中，我们发现不同的变换算法的效果和适用范围有很大的差异，需要根据具体需求进行选择。
5. 实训报告五本次实训内容是图像处理中的形态学操作，如膨胀、腐蚀、开运算、闭运算等。
我们学习了这些算法的原理和实现方法，并通过实验验证了它们的效果。
我们还研究了基于形态学操作的图像分割方法，并编写代码实现了一个基本的图像分割引擎。
通过实践，我们更加深入地认识了形态学操作在图像处理中的应用。
6. 实训报告六本次实训的主题是图像特征提取与匹配。
我们学习了常见的图像特征提取算法，如SIFT、SURF、ORB等，并通过实验了解了它们的实现方法和效果。
图像处理实习报告
图像处理实习报告篇一：图像处理综合实验报告专业综合实验报告——图像处理学院：专业：班级：学号：姓名：指导教师：XX.12.1实验二图像变换一、实验目的学习灰度变换修正图像的颜色和灰度的方法。
学习图像直方图的生成和修正技术的原理和实现方法，理解其对于观察图像的意义。
了解图像变换的意义和手段，熟练掌握傅里叶变换等图像正交变换方法，了解二维频谱的分布特点。
二、实验要求1.掌握灰度变换函数的用法，对图像进行灰度变换，增强对比度，显示变换前后的图像以及它们的灰度直方图。
2.选择一幅直方图不均匀的图像，对其作直方图均衡化处理，显示处理前后的图像以及它们的灰度直方图。
三、实验内容1.直方图均衡化处理I1=imread('h1.bmp'); % 读入原图像I2=imread('h2.bmp'); % 读入原图像I3=imread('h3.bmp'); % 读入原图像I4=imread('h4.bmp'); % 读入原图像J=histeq(I); %对原图像进行直方图均衡化处理imshow(I); %显示原图像title('原图像'); %给原图像加标题名figure,imshow(J); %对原图像进行屏幕控制；显示直方图均衡化后的图像 title('直方图均衡化所得图像'); %给直方图均衡化后的图像加标题名figure;subplot(121); %对直方图均衡化后的图像进行屏幕控制；作一幅子图作为并排两幅图的第imhist(I,64); %将原图像直方图显示为64级灰度 title('原图像直方图'); %给原图像直方图加标题名subplot(122); %作第2幅子图imhist(J,64); %将均衡化后图像的直方图显示为64级灰度 title(‘均衡变换后的直方图’); %给均衡化后图像直方图加标题名1幅图2. 显示图像频谱I=imread('chuizhi.bmp');%读入原图像文件imshow(I); %显示原图像fftI=fft2(I); %二维离散傅立叶变换sfftI=fftshift(fftI);%直流分量移到频谱中心RR=real(sfftI); %取傅立叶变换的实部II=imag(sfftI); %取傅立叶变换的虚部A=sqrt(RR.^2+II.^2);%计算频谱幅值A=(A-min(min(A)))/(max(max(A))-min(min(A)))*225;%归一化 figure; %设定窗口imshow(A); %显示原图像的频谱四、思考题1．直方图是什么概念？它反映了图像的什么信息？答：直方图是图像亮度分布的概率密度函数，是图像最基本的统计特征，它反映的是图像的灰度值的分布情况和图像的明暗分布规律，。
图像处理 实验报告
图像处理实验报告图像处理实验报告一、引言图像处理是计算机科学与工程领域的重要研究方向之一，它涉及到对图像进行获取、处理、分析和识别等一系列操作。
本实验旨在通过对图像处理算法的实现和应用，探索图像处理的基本原理和方法。
二、实验目的1. 学习图像处理的基本概念和算法；2. 掌握常用的图像处理工具和软件；3. 实现并应用图像处理算法，提高图像质量和识别效果。
三、实验方法1. 实验环境：使用Python编程语言和OpenCV图像处理库；2. 实验工具：Jupyter Notebook；3. 实验步骤：a) 图像读取：使用OpenCV读取图像文件，并将其转换为灰度图像；b) 图像增强：对灰度图像进行直方图均衡化，增强图像的对比度；c) 图像滤波：使用高斯滤波器对图像进行平滑处理，去除噪声；d) 边缘检测：应用Canny算法进行边缘检测，并提取图像中的边缘信息；e) 图像分割：使用基于阈值的方法对图像进行分割，得到目标区域；f) 特征提取：计算图像中目标区域的形状、纹理等特征；g) 图像识别：使用机器学习算法对提取的特征进行分类和识别。
四、实验结果与分析1. 图像增强：经过直方图均衡化处理后，图像的对比度得到了明显的提升，细节更加清晰；2. 图像滤波：高斯滤波器的应用能够有效平滑图像，去除噪声，使图像更加平滑自然；3. 边缘检测：Canny算法能够准确地检测出图像中的边缘，提取出目标物体的轮廓；4. 图像分割：基于阈值的分割方法能够将图像中的目标区域与背景区域分离开来，方便后续的特征提取和识别；5. 特征提取：通过计算目标区域的形状、纹理等特征，可以对图像进行更加细致的描述和识别；6. 图像识别：应用机器学习算法对提取的特征进行分类和识别，可以实现对图像中目标物体的自动识别和分类。
五、实验总结通过本次实验，我们深入学习了图像处理的基本原理和方法，并通过实际操作实现了图像的增强、滤波、边缘检测、分割、特征提取和识别等一系列操作。
图像处理实验报告
实验报告（理工类）2011 至2012 学年度第一学期课程名称图像处理系别班级10土木建筑系建筑学班学号**********姓名陈孝飞授课教师周艳艳指导教师周艳艳实验项目一：奥运五环的制作同组者：无填写日期：2011.12.14实验日期：2011.11.20别选择黄色和绿色环向下拉形成奥运五环形状6.选择蓝色图层，点击工具箱路径选择工具，右击蓝色图层建立区域再确定，再反向（菜单栏的反向或者ctrl+shift+i），选择黄色图层，添加图层蒙版，把前后景色设置为白和黑，运用画笔工具轻轻绘一下蓝色和黄色左下角交接的地方，这时两个环已经连接套在一起了7.（两两环套在一起跟上面同理）选择黄色图层，选择反向（ctrl+shift+i）此图层，再选择黑色图层。
添加图层蒙版，运用画笔工具把黄黑色环上面交接地方轻轻绘一下，因此黄黑两环也套在了一起了。
8，运用黑色图层，选择反向（ctrl+shift+i）此图层，再选择绿色图层，添加图层蒙版。
运用画笔工具把黑绿色环下面交接地方轻轻绘一下，因此绿黑两环也套在了一起了。
9.选择绿色图层，，选择反向（ctrl+shift+i）此图层，再选择红色图层，添加图层蒙版。
运用画笔工具把绿红色环下面交接地方轻轻绘一下，因此绿红色也套在了一起了。
现在的奥运五环就这样做好了。
一、实验结果分析（可另加附页）通过这次的奥运五环制作，可以初步了解到在制作一个较为简单的图像的时候，图像中的图层和蒙版的重要性。
以及运用这些工具对我们制作出图像的必要性。
都离不开这样的过程。
对于这次的奥运五环的制作，其实还是有不同的方法来实验项目二：一寸证件照同组者：无填写日期：2011.12.14实验日期：2011.11.20工具】按住Alt 键再进行选择将该处选区减去。
6.得到人像选区。
使用【反选】命令反选选区，并使用【收缩】命令稍微收缩选区，得到人物头像的选区。
7.羽化选区。
为使交界更加自然，使用【羽化】命令稍微羽化选区。
图像处理和分析技术实验报告
图像处理实验报告学院:指导老师:专业：班级：学号：姓名:实验一：图像处理基础及图像变换(一)【实验目的】：掌握使用Matlab进行图像处理的基本知识，掌握对图像进行变换的方法，观察图像变换的效果，加深对图像变换知识的理解。
【实验内容】：Matlab的安装和基本的操作以及傅立叶变换实验步骤：1、熟悉Matlab的安装和基本的操作，包括对基本图像处理函数的掌握(imread, imshow, figure, subplot)2、傅立叶变换(fft2, ifft2, fftshift)1) 调入图像文件。
2) 对图像做傅立叶变换，观察图像的原始频谱。
3) 对傅立叶变换的进行移动，观察移位以后的频谱。
4) 对移动后的频谱进行增强，观察增强以后的频谱。
5) 对图像傅立叶变换进行逆变换，比较原图像和经过傅立叶变换和逆变换以后获得的图像。
【源程序】：close all;clear all;A=imread('Fig6.38(a).jpg');subplot(2,3,1);imshow(A);title('原图像');B=rgb2gray(A);subplot(2,3,2);imshow(B);title('原图像灰度图像');C=FFT2(B);subplot(2,3,3);imagesc(abs(C),[0 2000]);title('傅里叶变换图像');subplot(2,3,4);imshow(log(1+abs(C)),[0 10]);title('增强');% subplot(2,2,3);imshow((F.*F),[0 10]);subplot(2,3,5);imshow(fftshift(C));title('移位图像');D=ifft(double(B));subplot(2,3,6);imshow(D);title('傅里叶反变换图像');【实验结果】：傅呈叶变换因傅.100200300400500100 200 300 40& 50C移宜囲傑條里叶反驾拽團像实验二：图像处理基础及图像变换(二)【实验目的】：掌握使用Matlab 进行图像处理的基本知识，掌握对图像进行变换的方法，观察图像变换的效果，加深对图像变换知识的理解。
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。
实验一：图像滤波(东北大学图像处理课程)
问题一1.1 算法原理a. 直方图均衡化一种简单有效的图像增强技术，通过改变图像的直方图来改变图像中各像素的灰度，主要用于增强动态范围偏小的图像的对比度。
原始图像由于其灰度分布可能集中在较窄的区间，造成图像不够清晰。
因为图像由一个个像素点组成，所以图像直方图均衡化是通过离散形式的累积分布函数求解的，直方图均衡化过程中，映射方法是：S k=∑n j nkj=0k=0,1,2,...,L−1其中，S k指当前灰度级经过累积分布函数映射后的值，n是图像中像素的总和，n j是当前灰度级的像素个数，L是图像中的灰度级总数。
算法步骤：●依次扫描原始灰度图像的每一个像素，计算出图像的灰度直方图；●计算灰度直方图的累积分布函数；●根据累积分布函数和直方图均衡化原理得到输入与输出之间映射关系；●最后根据映射关系得到结果进行图像变换。
b. 线性变换令r为变换前的灰度，s为变换后的灰度，则线性变换的函数：s=a⋅r+b其中，a为直线的斜率，b为在y轴的截距。
选择不同的a，b值会有不同的效果。
a>1，增加图像的对比度；a<1，减小图像的对比度；a=1且b≠0，图像整体的灰度值上移或者下移，也就是图像整体变亮或者变暗，不会改变图像的对比度；a<0且b=0，图像的亮区域变暗，暗区域变亮；a=1且b=0，恒定变换，不变；a=−1且b=255，图像反转。
c. 对数变换对数变换，将源图像中范围较窄的低灰度值映射到范围较宽的灰度区间，同时将范围较宽的高灰度值区间映射为较窄的灰度区间，从而扩展了暗像素的值，压缩了高灰度的值，能够对图像中低灰度细节进行增强。
反对数函数的曲线和对数的曲线是对称的，在应用到图像变换其结果是相反的，反对数变换的作用是压缩灰度值较低的区间，扩展高灰度值的区间。
对数变换的通用形式为：S=c×log(1+r)其中，c（本实验中取c值为40）是一个常数，s为变换后像素值，r为变换前像素值，且假设r≥0。
图像处理实验报告实验报告
一、实验目的1、熟悉位图文件的文件格式，掌握位图数据读取并在屏幕上显示的方法。
2、掌握在计算机上进行直方图均衡化以及线性增强的方法。
3、通过实验体会一些主要的分割算子对图像处理的效果，以及各种因素对分割效果的影响。
4、熟练掌握应用MATLAB软件编程进行图像处理。
二、实验环境一台pc机，MATLAB软件编程环境。
三、实验内容1、图像的现实和读取：运用MATLAB软件编程，读取指定的256色灰度图像的数据，显示该文件的文件头和信息头数据的值，并在屏幕上显示该图象。
2、直方图的显示和均衡化：运用MATLAB软件编程，实现内容1中图像直方图的显示和均衡化。
3、图像分割：使用Prewitt 算子、Sobel 算子对图像进行边缘检测处理，完成图像分割实验。
4、图像增强：编写线性增强的程序及相应的显示程序，对指定图象进行线性增强，将原始图象及增强后的图象都显示于屏幕上，比较增强的效果。
四、实验步骤1、打开计算机，启动MATLAB程序。
2、图像读取与显示。
MATLAB中从图像文件中读取数据用函数imread()，这个函数的作用就是将图像文件的数据读入矩阵中，用imshow（）函数显示出来。
imread('C:\Users\weixiaoxu\Desktop\图像处理\图像处理.jpg','jpg');imshow('C:\Users\weixiaoxu\Desktop\图像处理\图像处理.jpg');title('原图像')3、直方图的显示A=imread('C:\Users\weixiaoxu\Desktop\图像处理\图像处理.jpg','jpg'); figure;imhist(A),title('对应直方图')4、直方图均衡化MATLAB提供了histeq函数（自动直方图均衡化）I=imread('C:\Users\weixiaoxu\Desktop\图像处理\图像处理.jpg','jpg'); K=histeq(I);figure;imshow(K),title('经直方图均衡化后的图')figure;imhist(K),title('直方图均衡化后的直方图')5、图像的边缘检测用Sobel算子做边缘检测[A,map]=imread('C:\Users\weixiaoxu\Desktop\图像处理\图像处理.jpg','jpg'); image=double(A);u=zeros(1,9);k=zeros(1,9);for i=2:255,for j=2:255,u(1)=0*image(i,j);u(2)=2*image(i,j+1);u(3)=1*image(i-1,j+1);u(4)=0*image(i-1,j);u(5)=-1*image(i-1,j-1);u(6)=-2*image(i,j-1);u(7)=-1*image(i+1,j-1);u(8)=0*image(i+1,j);u(9)=1*image(i+1,j+1);rimage1(i,j)=abs(sum(u));k(1)=0*image(i,j);k(2)=0*image(i,j+1);k(3)=1*image(i-1,j+1);k(4)=2*image(i-1,j);k(5)=1*image(i-1,j-1);k(6)=0*image(i,j-1);k(7)=-1*image(i+1,j-1);k(8)=-2*image(i+1,j);k(9)=-1*image(i+1,j+1);rimage2(i,j)=abs(sum(k));xiaoqiu(i,j)=rimage1(i,j)+rimage2(i,j);end,end,figure,imshow(xiaoqiu,map),title('Sobel锐化');用prewitt算子做边缘检测[A,map]=imread('C:\Users\weixiaoxu\Desktop\图像处理\图像处理.jpg','jpg'); image=double(A);u=zeros(1,9);k=zeros(1,9);for i=2:255,for j=2:255,u(1)=0*image(i,j);u(2)=1*image(i,j+1);u(3)=1*image(i-1,j+1);u(4)=0*image(i-1,j);u(5)=-1*image(i-1,j-1);u(6)=-1*image(i,j-1);u(7)=-1*image(i+1,j-1);u(8)=0*image(i+1,j);u(9)=1*image(i+1,j+1);rimage1(i,j)=abs(sum(u));k(1)=0*image(i,j);k(2)=0*image(i,j+1);k(3)=-1*image(i-1,j+1);k(4)=1*image(i-1,j);k(5)=1*image(i-1,j-1);k(6)=0*image(i,j-1);k(7)=-1*image(i+1,j-1);k(8)=-1*image(i+1,j);k(9)=-1*image(i+1,j+1); rimage2(i,j)=abs(sum(k));xiaoqiu(i,j)=rimage1(i,j)+rimage2(i,j);end,end,figure,imshow(xiaoqiu,map),title('prewitt边缘检测');7、图像的处理均值滤波I=imread('C:\Users\weixiaoxu\Desktop\图像处理\图像处理.jpg','jpg');h=fspecial('average',3);I2=uint8(round(filter2(h,I)));imshow(I2),title('均值滤波')中值滤波I=imread('C:\Users\weixiaoxu\Desktop\图像处理\图像处理.jpg','jpg');I3=medfilt2(I,[3,3]);imshow(I3),title('中值滤波')五、实验总结通过本次试验基本掌握了应用MATLAB软件编程进行图像处理的方法，熟悉了位图文件的文件格式，掌握了位图数据读取显示，直方图均衡化以及线性增强的方法，并学会了运用分割算子对图像进行边缘检测和图像分割处理的方法。
- 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)。
计算机图像处理实验报告哈哈哈哈哈哈实验台31 1.应用MATLAB语言编写显示一幅灰度图像、二值图像、索引图像及彩色图像的程序，并进行相互之间的转换1)彩色图像转换为灰度图像、索引图像、二值图像A=imread('F:\colorful.jpg');subplot(221);imshow(A);title('彩色图像');I1=rgb2gray(A);subplot(222);imshow(I1);title('灰度图像');[X1,map]=rgb2ind(A,256);subplot(223);imshow(X1);title('索引图像');BW=im2bw(A);subplot(224);imshow(BW);title('二值图像');彩色图像灰度图像索引图像二值图像2)灰度图像转换为索引图像、二值图像clearA=imread('F:\colorful.jpg');B=rgb2gray(A);subplot(131);imshow(B);title('灰度图像');[X2,map]=gray2ind(B,128);subplot(132);imshow(X2);title('索引图像');BW2=im2bw(B);subplot(133);imshow(BW2);title('二值图像');灰度图像索引图像二值图像3)索引图像转为灰度图像、二值图像、彩色图像clearA=imread('F:\colorful.jpg');[X,map]=rgb2ind(A,256);subplot(221);imshow(X);title('索引图像');I3=ind2gray(X,map);subplot(222);imshow(I3);title('灰度图像');BW3=im2bw(X,map,0.5);subplot(223);imshow(BW3);title('二值图像');RGB=ind2rgb(X,map);subplot(24);imshow(RGB);title('还原彩色图像');索引图像灰度图像二值图像还原彩色图像2.应用MATLAB工具箱演示一幅图像的傅里叶变换、离散余弦变换，观察其频谱图。
然后将它们进行逆变换，观察逆变换后的图像1)傅里叶及其逆变换A=imread('F:\colorful.jpg');B=rgb2gray(A);subplot(131);imshow(B);title('灰度图像');F=fft2(B);subplot(132);imshow(log(abs(F)),[]);title('傅里叶变换频谱');subplot(133);imshow(uint8(ifft2(F)));title('傅里叶逆变换');灰度图像傅里叶变换频谱傅里叶逆变换2)离散余弦变换及其逆变换A=imread('F:\colorful.jpg');B=rgb2gray(A);figure,subplot(131);imshow(B);title('灰度图像');D=dct2(B);subplot(132);imshow(D);title('离散余弦变换频谱');subplot(133);imshow(uint8(idct2(D)));title('逆离散余弦变换');灰度图像离散余弦变换频谱逆离散余弦变换3.应用MATLAB 语言编程来实现一幅图像的增强。
1）取一幅灰度图像，对其进行线性点运算，即)(βα+==A A B G G f G 取（α,β）分别为（1.5，1.2）、（0.7，1.2），对原图像进行线性处理，观察处理后的结果，并分析直方图的变化。
clearA=imread('F:\colorful.jpg');I=rgb2gray(A);B=1.5*I+1.2;B2=0.7*I+1.2;subplot(321);imshow(I);title('灰度图像');subplot(322);imhist(I);title('原直方图');subplot(323);imshow(B);title('线性变换后图像1');subplot(324);imhist(B);title('线性变换后直方图1');subplot(325);imshow(B2);title('线性变换后图像2');subplot(326);imhist(B2);title('线性变换后直方图2');灰度图像原直方图100200线性变换后图像1线性变换后直方图1100200线性变换后图像20线性变换后直方图2100200α=1.5时，图像更加明亮，对比度提高，直方图集中于灰度值较高部分； α=0.7时，图像更加暗淡，对比度降低，直方图集中于灰度值较低部分；2）取一幅灰度图像，对其进行直方图均衡化处理，再对其进行规定化处理，并对结果进行分析。
clearA=imread('F:\colorful.jpg');I=rgb2gray(A);subplot(321);imshow(I);title('灰度图像');subplot(322);imhist(I);title('原直方图');I1=histeq(I);subplot(323);imshow(I1);title('直方图均衡化后图像');subplot(324);imhist(I1);title('均衡化直方图');for i=1:4:256m(i)=i;endI2=histeq(I,m);subplot(325);imshow(I2);title('直方图规定化后图像');subplot(326);imhist(I2);title('规定化直方图');灰度图像原直方图100200直方图均衡化后图像均衡化直方图100200直方图规定化后图像0规定化直方图0100200直方图均衡化使直方图在整个灰度级动态范围内近似分布，以实现对比度的增强。
同时，变换后图像的灰度级减少，某些细节消失。
直方图规定化通过一个灰度映像函数，将原灰度直方图改造成所希望的直方图。
有选择地增强某个灰度值范围内的对比度。
思考题：如果将一幅图像进行一次直方图均衡化处理后，再进行一次直方图均衡化处理，结果会发生变化吗？观察两次均衡化的直方图是否一样。
clearA=imread('F:\colorful.jpg');I=rgb2gray(A);subplot(321);imshow(I);title('灰度图像');subplot(322);imhist(I);title('原直方图');I1=histeq(I);subplot(323);imshow(I1);title('第一次均衡化');subplot(324);imhist(I1);title('第一次均衡化');I2=histeq(I1);subplot(325);imshow(I2);title('第二次均衡化');subplot(326);imhist(I2);title('第二次均衡化');if I2-I1==0disp('两次结果相同');else disp('两次结果不同');end>>tuxiangtest两次结果相同灰度图像0原直方图100200第一次均衡化0第一次均衡化100200第二次均衡化0第二次均衡化0100200分析：直方图均衡化所用的变换函数为原始直方图的累积直方图，均衡化后得到的增强图像的累积直方图与原始图像的累积直方图相同。
如果再次均衡化，所用的变换函数即为均衡化后得到的增强图像的累积直方图。
故两次均衡化结果相同。
3）取一幅灰度图像，加入噪声后对其进行平滑滤波（均值滤波、中值滤波），并观察不同滤波方式下的效果。
clearA=imread('F:\colorful.jpg');I=rgb2gray(A);Noise=imnoise(I,'salt&pepper',0.06);subplot(221);imshow(I);title('原图像');subplot(222);imshow(Noise);title('加椒盐噪声图像');f=filter2(fspecial('average',3),Noise);%模板均值滤波subplot(223);imshow(uint8(f));title('均值滤波后图像');f2=medfilt2(Noise,[33]);subplot(224);imshow(f2);title('中值滤波后图像');原图像加椒盐噪声图像均值滤波后图像中值滤波后图像Noise2=imnoise(I,'gaussian',0,0.01);subplot(221);imshow(I);title('原图像');subplot(222);imshow(Noise2);title('加高斯噪声图像');f3=filter2(fspecial('average',4),Noise2);%模板均值滤波subplot(223);imshow(uint8(f3));title('均值滤波后图像');f4=medfilt2(Noise2,[44]);subplot(224);imshow(f4);title('中值滤波后图像');原图像加高斯噪声图像均值滤波后图像中值滤波后图像均值滤波，采用邻域平均法，选择模板的均值作为当前灰度值，对高斯噪声效果明显。
中值滤波，选择邻域中灰度值的中间值作为当前灰度值,对椒盐噪声效果显著。
4）取一幅灰度图像，采用不同的算子对其进行边缘锐化，并分析结果。
clearA=imread('F:\colorful.jpg');I=rgb2gray(A);h1=fspecial('sobel');f1=filter2(h1,I);h2=fspecial('prewitt');f2=filter2(h2,I);h3=fspecial('laplacian');f3=filter2(h3,I);subplot(221);imshow(I,[]);title('原始图像');subplot(222);imshow(f1,[]);title('sobel算子');subplot(223);imshow(f2,[]);title('prewitt算子');subplot(224);imshow(f3,[]);title('laplacian算子');原始图像sobel算子prewitt算子laplacian算子Prewitt算子利用像素点上下、左右邻点的灰度差，在边缘处达到极值检测边缘，去掉部分伪边缘。