matlab数字图像处理实验报告
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。
(完整word版)数字图像处理 实验报告(完整版)
数字图像处理实验一 MATLAB数字图像处理初步一、显示图像1．利用imread( )函数读取一幅图像，假设其名为lily.tif，存入一个数组中；2．利用whos 命令提取该读入图像flower.tif的基本信息；3．利用imshow()函数来显示这幅图像；实验结果如下图：源代码：>>I=imread('lily.tif')>> whos I>> imshow(I)二、压缩图像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lily.jpg；语法：imwrite(原图像，新图像，‘quality’,q), q取0-100。
6．同样利用imwrite()函数将最初读入的tif图象另存为一幅bmp图像，设为flily.bmp。
7．用imread()读入图像Sunset.jpg和Winter.jpg；8．用imfinfo()获取图像Sunset.jpg和Winter.jpg的大小；9．用figure,imshow()分别将Sunset.jpg和Winter.jpg显示出来，观察两幅图像的质量。
其中9的实验结果如下图：源代码：4~6(接上面两个) >>I=imread('lily.tif')>> imfinfo 'lily.tif'；>> imwrite(I,'lily.jpg','quality',20);>> imwrite(I,'lily.bmp');7~9 >>I=imread('Sunset.jpg');>>J=imread('Winter.jpg')>>imfinfo 'Sunset.jpg'>> imfinfo 'Winter.jpg'>>figure(1),imshow('Sunset.jpg')>>figure(2),imshow('Winter.jpg')三、二值化图像10．用im2bw将一幅灰度图像转化为二值图像，并且用imshow显示出来观察图像的特征。
matlab数字图像处理实验报告
subplot(2,1,1);imshow(j);title('噪声干扰图像')
subplot(2,1,2);imshow(M);title('改进后的图像')
3、采用三种不同算子对图像进行锐化处理
应用Sobel算子锐化图像
Z2=imsubtract(A,B)
Z3=immultiply(A,B)
Z4=imdivide(A,B)
subplot(3,2,1); imshow(A);title('原图像A') subplot(3,2,2); imshow(B);title('原图像B') subplot(3,2,3); imshow(Z1);title('加法图像') subplot(3,2,4); imshow(Z2);title('减法图像') subplot(3,2,5); imshow(Z3);title('乘法图像') subplot(3,2,6); imshow(Z2);title('除法图像')
imshow(l);
title('Original lmage 1;
THETA = 11;
PSF = fspecial('motion', LEN, THETA);
blurred = imfilter(l, PSF, 'conv', 'circular');
算子滤波锐化
应用prewitt算子锐化图像 算子滤波锐化
应用log算子锐化图像
数字图像处理课程报告(matlab)
南京理工大学实验报告课程：数字图像处理学生姓名：周一鸣学号：912106840640实验摘要：输入一个图像和一个尺度小的水印图像，对两幅图像求加运算，设置不同透明度，显示加水印的图像。
关键字：图像相加、透明度。
一、实验目的：输入一幅图像，再输入一幅水印图像，水印图像尺寸较小。
之后将两幅图像相加，添加水印到第一幅图像中，之后设置水印图像的透明度，将水印图像显示出来。
二、基本原理：首先，将较小的水印图片进行重采样，使之尺寸与第一幅图像相同，之后两图相加，相加后得到添加水印后的图像，水印可以设置多种透明度。
重采样：水印与图像相加：三、实验算法流程图及算法简介：图像的显示：Matlab显示语句 imshow（I,[low high]） %图像正常显示I为要显示的图像矩阵。
,[low high]为指定显示灰度图像的灰度范围。
高于high 的像素被显示成白色；低于low的像素被显示成黑色；介于high和low之间的像素被按比例拉伸后显示为各种等级的灰色。
subplot(m,n,p)打开一个有m行n列图像位置的窗口，并将焦点位于第p个位置上。
获取图像的尺寸：[m,n]=size(IMG1);重新设置图像的尺寸：IMG2=imresize(IMG2,[m,n]);图像相加运算：IMG3(i,j,1) = IMG1(i,j,1)*ALPHA_PARAM + IMG2(i,j,1)*(1-ALPHA_PARAM);透明度设置：ALPHA_PARAM = 0.85;四、实验结果与分析（该部分是重点，1000字）过程1：程序代码：IMG1 = imread('F:\ronghe\1.jpg'); % 读取RGB文件，小姑娘IMG2 = imread('F:\ronghe\2.jpg'); % 读取RGB文件，水印logo结果：读取了原图像和水印图像。
过程2：程序代码：[m,n]=size(IMG1);IMG2=imresize(IMG2,[m,n]);结果：对较小的水印图片重采样，使之与原图像尺寸相同，才可以相加运算。
数字图像处理实验报告(全部)
实验1直方图一．实验目的1．熟悉matlab图像处理工具箱及直方图函数的使用；2．理解和掌握直方图原理和方法；二．实验设备：1.PC机一台；2.软件matlab。
三．程序设计在matlab环境中，程序首先读取图像，然后调用直方图函数，设置相关参数，再输出处理后的图像。
I=imread('cameraman.tif');%读取图像subplot(1,2,1),imshow(I) %输出图像title('原始图像') %在原始图像中加标题subplot(1,2,2),imhist(I) %输出原图直方图title('原始图像直方图') %在原图直方图上加标题四．实验步骤1. 启动matlab双击桌面matlab图标启动matlab环境；2. 在matlab命令窗口中输入相应程序。
书写程序时，首先读取图像，一般调用matlab自带的图像，如:cameraman图像；再调用相应的直方图函数，设置参数；最后输出处理后的图像；3．浏览源程序并理解含义；4．运行，观察显示结果；5．结束运行，退出；五．实验结果：观察图像matlab环境下的直方图分布。
(a)原始图像 (b)原始图像直方图六．实验报告要求1、给出实验原理过程及实现代码：I=imread('coins.png');%读取图像subplot(1,2,1),imshow(I) %输出图像title('原始图像') %在原始图像中加标题subplot(1,2,2),imhist(I) %输出原图直方图title('原始图像直方图') %在原图直方图上加标题2、输入一幅灰度图像，给出其灰度直方图结果，并进行灰度直方图分布原理分析。
实验2 均值滤波一．实验目的1．熟悉matlab图像处理工具箱及均值滤波函数的使用；2．理解和掌握3*3均值滤波的方法和应用；二．实验设备：1.PC机一台；2.软件matlab三．程序设计在matlab环境中，程序首先读取图像，然后调用图像增强（均值滤波）函数，设置相关参数，再输出处理后的图像。
matlab数字图像处理实验报告
重庆交通大学学生实验报告实验课程名称《数字图像处理》课程上机实验开课实验室河海学院仿真实验室学院河海学院年级专业08级地理信息系统学生姓名学号********时间2011 至2012 学年第 1 学期实验一图像显示【实验内容】1）使用 MATLAB图像读取函数imread读取图像。
2）使用 MATLAB图像显示函数imshow显示图像。
3）使用 MATLAB添加色带函数colorbar为图像添加色带。
【实验目的】1）掌握MATLAB图像读取和显示函数的应用方法。
2）了解如何为图像添加色带。
【实验结果】（放置处理前图像）（放置处理后图像）2-1 2-5-3 2-10 【程序说明】a=imread('yq.jpg');a=double(a);%a=uint8(a);imshow(a);%save saturn.dat a-ascii;save yu.text a -ascii; %结果图2-1 e=imread('yq.jpg');imshow(e);iptsetpref('ImshowTruesize','manual');figure,imshow(e);iptsetpref('ImshowTruesize','auto');bw1=zeros(20,20);bw1(2:2:18,2:2:18)=1;figure,imshow(bw1,'notruesize');bw1whos%结果图2-5-3%使用一个调色板来显示一副二进制图像figure,imshow(bw,[1 00;0 0 1]);%结果图2-10本次实验得分实验二图像运算【实验内容】1）使用 MATLAB滑动邻域操作函数nlfilter对图像进行处理。
2）使用 MATLAB分离邻域操作函数blkproc对图像进行处理。
【实验目的】1）掌握滑动邻域操作函数的应用方法。
数字图象处理实验报告《matlab基本操作 》
武汉工程大学
《数字图像处理》实验报告2
专业班级
实验时间
学生学号
实验地点
学生姓名
指导教师
实验项目
数字图像基本操作
实验类别
基础性
实验学时
%读入原始图像
f=imread('pollen.tif');
%显示原始图像
subplot(3,2,1);imshow(f);
title('original image');
subplot(3,2,2);imhist(f);
title('original image histogram');
%将原始图像均衡化，目的是与后面的规定化做对比
subplot(121),imshow(a);
title('原图为：');
subplot(122),imshow(c); %显示处理后的图像
title('均衡化后的图为：');
通过以上变换后总的效果为：
%读入原始图像
f=imread('pollen.tif');
%显示原始图像
iptsetpref('ImshowAxesVisible','on')
c2=A2*(1/((2*pi)^0.5)*sig2); %设置c2=A2*(1/sqrt(2*pi)*sig)),即高斯函数的系数部分；
k2=2*(sig2^2); %设置指数部分的分母，即（1/2*sig^2），同上
matlab数字图像处理报告
昆明理工大学信息工程与自动化学院学生实验报告（2011—2012学年第1学期）课程名称：图形图像处理开课实验室：信自楼444 2012年5月30日一、实验目的1.拉普拉斯算子、马尔算子（LOG）、Canny算子图像处理；2.边缘提取和跟踪3.简单图像的区域分割（峰谷法，类间最大距离法，最佳熵法）二．实验内容即步骤：1. 马尔算子：I=imread('g:\图片\moon.tif');imshow(I);bw1=edge(I,'roberts'); %--------’roberts算子‘图像分割bw2=edge(I,'prewitt'); %--------’prewitt算子‘图像分割bw3=edge(I,'sobel'); %--------'sobel算子'图像分割bw4=edge(I,'log'); %--------'log算子'（拉普拉斯-高斯）图像分割bw5=edge(I,'canny'); %--------'canny算子'图像分割figure,subplot(2,3,1),imshow(bw1,[]);subplot(2,3,2),imshow(bw2,[]);subplot(2,3,3),imshow(bw3,[]);subplot(2,3,4),imshow(bw4,[]);subplot(2,3,5),imshow(bw5,[]);h1=[0 1;-1 0]; % --------’roberts算子‘矩阵h2=[-1 0 1;-1 0 1;-1 0 1]; %--------’prewitt算子‘矩阵h3=[-1 0 -1;-2 0 2;-1 0 1]; %--------‘sobel算子'矩阵h4=[0 -1 0;-1 4 1;0 -1 0]; %--------'log算子'矩阵J1=imfilter(I,h1); %--------采用’roberts算子‘矩阵化锐J2=imfilter(I,h2); %--------采用’prewitt算子‘矩阵化锐J3=imfilter(I,h3); %--------采用‘sobel算子'矩阵化锐J4=imfilter(I,h4); %---------采用'log算子'矩阵化锐figure,subplot(1,2,1),imshow(bw1,[]);title('roberts算子的分割');subplot(1,2,2),imshow(J1);title('roberts算子的锐化');figure,subplot(1,2,1),imshow(bw2,[]);title('prewitt算子的分割');subplot(1,2,2),imshow(J2);title('prewitt算子的锐化');figure,subplot(1,2,1),imshow(bw3,[]);title('sobel算子的分割');subplot(1,2,2),imshow(J3);title('sobel算子的锐化');figure,subplot(1,2,1),imshow(bw4,[]);title('log算子的分割');subplot(1,2,2),imshow(J4);title('log算子的锐化');figure,imshow(bw5,[]);原始图像roberts算子、prewitt算子、sobel算子、log算、canny算子最终处理图像Canny算子代码：%log算子和canny边缘检测（拉普拉斯-高斯、canny）I=imread('g:\图片\testpat1.png');subplot(1,3,1);imshow(I);title('原始图像');I1=edge(I,'log');subplot(1,3,2);imshow(I1);title('log算子分割结果');I2=edge(I,'canny');subplot(1,3,3);imshow(I2);title('canny算子分割结果');运行结果：2. 边缘提取和跟踪边缘跟踪1:%function colordrawout(pix,n) %彩色图片轮廓线提取函数A=imread('h:\图片\peppers.png'); %读取指定彩色图片n=20;B=A(:,:,1); %红色强度值矩阵C=A(:,:,2); %绿色强度值矩阵D=A(:,:,3); %蓝色强度值矩阵for i=1:3 %依次从三个矩阵中提取轮廓线if i==1 %从红色矩阵提取E=B;else if i==2 %从绿色矩阵提取E=C;else E=D; %从蓝色矩阵提取end;end;H=double(E); %将选择的矩阵变为双精度矩阵%F=40*sin(1/255*H); %进行非线性变换F=H;[k,j]=size(B); % k,j分别为矩阵D的行数和列数T=A;for p=2:k-1for q=2:j-1if(F(p,q)-F(p,q+1))>n|(F(p,q)-F(p,q-1))>n|(F(p,q)-F(p+1,q))>n|(F(p,q)-F(p-1,q))>n|(F(p,q)-F(p-1,q+ 1))>n|(F(p,q)-F(p+1,q-1))>n|(F(p,q)-F(p-1,q-1))>n|(F(p,q)-F(p+1,q+1))>nT(p,q,1)=0;T(p,q,2)=0;T(p,q,3)=0; %置边界点黑色elseT(p,q,1)=255;T(p,q,2)=255;T(p,q,3)=255;%置非边界点白色end;end;end;subplot(2,2,i+1); %将窗口分割为两行两列，下图显示于第i＋1位置image(T); %显示轮廓线title(i); %图释axis image; %保持图片显示比例end;subplot(2,2,1); %下图显示于第1位置image(A); %显示原彩色图片title('彩色图原图'); %图释axis image; %保持图片显示比例3. 简单图像的区域分割（峰谷法，类间最大距离法，最佳熵法）峰谷法：测试代码：%Matlab读取BMP,JPG图片显示直方图并以直方图谷底为阈值进行阈值分割i=imread('h:\图片\liftingbody.png');%i=imread('h:\图片\18.jpg');figure(1);imshow(i);%显示原图figure(2);imhist(i);%显示直方图u=imhist(i);for a=1:256m(a)=0;endj=0;%求出热闹所有峰值的灰度级for a=1:254for b=a+1for c=b+1if u(a)<u(b)&u(b)>u(c)j=j+1;m(j)=b;endendendend%求出峰值中的最大灰度级p=m(1);for a1=2:jif u(m(a1))>u(p)p=m(a1);endend%求出峰值中的最小灰度级w=m(1);for a4=2:jif u(m(a4))<u(w)w=m(a4);endend%求出与最大峰值相邻的峰值灰度级l=u(w);for a2=1:jif u(m(a2))>l;x=m(a2)-p;if(abs(x)>30)l=u(m(a2));q=m(a2);endendend%比较a3与b3的大小if p>qa3=q;b3=p;else a3=p;b3=q;end%求出直方图谷底灰度值l1=u(a3);for n1=(a3+1):(b3-1)if l1>u(n1)l1=u(n1);p1=n1;endendim=im2bw(i,p1/255);%二值化figure(3);imshow(im);%显示以直方图谷底为阈值分割后的图片最大熵自动阈值法a=imread('h:\图片\kids.tif');figure,imshow(a)count=imhist(a);[m,n]=size(a);N=m*n;L=256;count=count/N; %每一个像素的分布概率countfor i=1:Lif count(i)~=0st=i-1;break;endendstfor i=L:-1:1if count(i)~=0nd=i-1;break;endendndf=count(st+1:nd+1); %f是每个灰度出现的概率size(f)E=[];for Th=st:nd-1 %设定初始分割阈值为Thav1=0;av2=0;Pth=sum(count(1:Th+1));%%%第一类的平均相对熵为for i=0:Thav1=av1-count(i+1)/Pth*log(count(i+1)/Pth+0.00001);end%%%第二类的平均相对熵为for i=Th+1:L-1av2=av2-count(i+1)/(1-Pth)*log(count(i+1)/(1-Pth)+0.00001); endE(Th-st+1)=av1+av2;endposition=find(E==(max(E)));th=st+position-1for i=1:mfor j=1:nif a(i,j)>tha(i,j)=255;elsea(i,j)=0;endendendfigure,imshow(a);类间最大距离（判断分析）：I=imread('h:\图片\la.jpg');subplot(1,2,1),imshow(I);title('原始图像')axis([50,360,50,350]);grid on; %显示网格线axis on; %显示坐标系level=graythresh(I); %确定灰度阈值BW=im2bw(I,level);subplot(1,2,2),imshow(BW);title('Otsu 法阈值分割图像')axis([50,360,50,350]);grid on; %显示网格线axis on; %显示坐标系三．实验总结：本次试验对图像分割知识进行了学习和实践运用。
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。
数字图像处理实验1 MATLAB图像处理编程基础 实验报告
实验报告课程名称数字图像处理实验项目MATLAB图像处理编程基础指导教师学院光电信息与通信工程__专业电子信息工程班级/学号学生姓名______ __________实验日期______ _成绩______________________实验1 MATLAB图像处理编程基础一、实验目的1.了解MATLAB产品体系和了解MATLAB图像处理工具箱。
2.掌握MATLAB的基本应用方法。
3.掌握MATLAB图像存储/图像数据类型/图像类型。
4.掌握图像文件的读/写/信息查询。
5.掌握图像显示--显示多幅图像、4种图像类型的显示方法、特殊图像的显示技术6.编程实现图像类型间的转换和图像算术操作。
二、实验的硬件、软件平台硬件：计算机软件：操作系统：Windows XP应用软件：MATLAB 7.0.1三、MATLAB图像处理工具箱的功能图像处理工具箱是一个函数的集合，它扩展了matlab数值计算环境的能力。
这个工具箱支持了大量图像处理操作，包括：空间图像变换 Spatial image transformations形态操作 Morphological operations邻域和块操作 Neighborhood and block operations线性滤波和滤波器设计 Linear filtering and filter design格式变换 Transforms图像分析和增强 Image analysis and enhancement图像登记 Image registration清晰化处理 Deblurring兴趣区处理 Region of interest operations四、说明使用MATLAB进行图像处理所需函数调用步骤在Command Window中，以命令行单句调用某一函数只需写xxx(函数名)xxxxxxx)这样就可以调用了.五、给出MATLAB图像处理工具箱的数据类型和4种基本图像类型工具箱里的函数都是M文件，可以通过type function_name来查看代码，也可以通过写自己的matlab函数来扩展工具箱。
数字图像处理实验报告
[键入公司名称]数字图像处理实验报告班级：姓名：学号：目录实验一：matlab数字图像处理初步 (3)一.实验目的 (3)二.实验内容 (3)三.实验步骤 (3)实验二：图像的傅立叶变换 (7)一.实验目的 (7)二.实验原理 (7)三.实验内容 (8)四.实验步骤 (8)实验三：数字图像的频域滤波 (9)一.实验目的 (9)二.实验原理 (9)三.实验内容 (10)四.实验步骤 (11)实验四：图象旋转 (14)一.实验目的 (14)二.实验原理 (14)三.实验内容 (14)四.实验步骤 (14)实验五: 图象压缩 (16)一. 实验目的 (16)二.实验内容 (16)二.实验步骤 (16)实验一：matlab数字图像处理初步一.实验目的1、学习在matlab环境下对图像文件的I/O操作，为读取各种格式的图像文件和后续进行图像处理打下基础2、熟悉matlab操作环境3、熟悉matlab的一些指令语句二.实验内容利用matlab为用户提供的专门函数从图像格式的文件中读/写图像数据、显示图像，以及查询图像文件的信息三.实验步骤1、利用imshow显示MATLAB自带的图像在控制台输入>> I=imread('H:\a.bmp');>> imshow(I)弹出窗口显示图像2、用（imfinfo)功能得到图像的相关信息；>> info=imfinfo('autumn.tif');>> info结果为Filename: Filename: 'D:\MATLAB7\toolbox\images\imdemos\autumn.tif' FileModDate: '04-Dec-2000 21:57:54'FileSize: 213642Format: 'tif'FormatVersion: []Width: 345Height: 206BitDepth: 24ColorType: 'truecolor'FormatSignature: [73 73 42 0]ByteOrder: 'little-endian'NewSubfileType: 0BitsPerSample: [8 8 8]Compression: 'Uncompressed'PhotometricInterpretation: 'RGB'StripOffsets: [30x1 double]SamplesPerPixel: 3RowsPerStrip: 7StripByteCounts: [30x1 double]XResolution: 72YResolution: 72ResolutionUnit: 'Inch'Colormap: []PlanarConfiguration: 'Chunky'TileWidth: []TileLength: []TileOffsets: []TileByteCounts: []Orientation: 1FillOrder: 1GrayResponseUnit: 0.0100MaxSampleValue: [255 255 255]MinSampleValue: 0Thresholding: 13、利用显示颜色条功能（colorbar）在图像的左边画一条颜色亮度显示条>> colorbar(I)显示结果为4、读取一幅RGB彩色图像，将其转换为灰度图像，并在同一窗口显示原图>>RGB=imread('autumn.tif'); [m,n,p]=size(RGB) ; %矩阵大小>>I=rgb2gray(RGB) ; % 真彩色图像转换为灰度图像>>I1=im2bw(I) ; % 灰色图像二值画>>I2=~I1; %对二值图像取反>>subplot(1,2,1),imshow(RGB); >>subplot(1,2,2),imshow(I); >>figure % 新建个图形窗口>>subplot(1,3,1),imshow(I); >>subplot(1,3,2),imshow(I1); >>subplot(1,3,3),imshow(I2); 结果为：实验二：图像的傅立叶变换一.实验目的1、理解离散傅立叶变换的基本原理2、掌握应用MATLAB语言进行FFT及逆变换的方法二.实验原理Matlab 函数 fft、fft2 和 fftn 分别可以实现一维、二维和 N 维 DFT 算法；而函数 ifft、ifft2 和 ifftn 则用来计算反 DFT 。
数字图像处理实验报告(matlab)
学院：自动化学院班级：电081班姓名：***学号：********2011年10月实验一直方图均衡化一、实验目的：1. 熟悉图像数据在计算机中的存储方式；2. 掌握图像直方图均衡化这一基本处理过程。
二、实验条件：PC微机一台和MATLAB软件。
三、实验内容：1.读入图像数据到内存中，并显示读入的图像；2.实现直方图均衡化处理，显示处理前后图像的直方图。
3.显示并保存处理结果。
四、实验步骤：1．打开Matlab编程环境；2．获取实验用图像。
用’imread’函数将图像读入Matlab；用’imshow’函数显示读入的图像。
3．获取输入图像的直方图：用’imhist’函数处理图像。
4．均衡化处理：用’histeq’函数处理图像即可。
5．获取均衡化后的直方图并显示图像：用’imhist’和’imshow’函数。
6．保存实验结果：用’imwrite’函数处理。
五、实验程序及结果：1、实验程序subplot(6,2,1);i=imread('test1-1.jpg');imhist(i);title('test1-1 hist');subplot(6,2,2);i=im2double(i);imshow(i);title('test1-1 Ô-ͼÏñ');subplot(6,2,3);s=histeq(i);imhist(s);title('test1-1 balancedhist');subplot(6,2,4);imshow(s);title('test1-1 ¾ùºâ»¯ºóµÄͼÏñ');subplot(6,2,5);i=imread('test1-2.jpg');imhist(i);title('test1-2 hist');subplot(6,2,6);i=im2double(i);imshow(i);title('test1-2 Ô-ͼÏñ');subplot(6,2,7);s=histeq(i);imhist(s);title('test1-2 balancedhist'); subplot(6,2,8);imshow(s);title('test1-2 ¾ùºâ»¯ºóµÄͼÏñ');subplot(6,2,9);i=imread('test1-3.jpg');imhist(i);title('test1-3 hist');subplot(6,2,10);i=im2double(i);imshow(i);title('test1-3 Ô-ͼÏñ');subplot(6,2,11);s=histeq(i);imhist(s);title('test1-3 balancedhist'); subplot(6,2,12);imshow(s);title('test1-3 ¾ùºâ»¯ºóµÄͼÏñ');2、实验结果test1-1 hist050100150200250test1-1 原图像test1-1 balancedhist00.10.20.30.40.50.60.70.80.91test1-1 均衡化后的图像test1-2 hist050100150200250test1-2 原图像test1-2 balancedhist00.10.20.30.40.50.60.70.80.91test1-2 均衡化后的图像0test1-3 hist050100150200250test1-3 原图像test1-3 balancedhist00.10.20.30.40.50.60.70.80.91test1-3 均衡化后的图像六、实验思考1.数字图像直方图均衡化之后直方图为什么不是绝对平坦的？答：直方图均衡化是将一已知灰度概率密度分布的图像，经过某种变换，变成一幅具有均匀灰度概率密度分布的新图像。
MATLAB数字图像实验报告
基于MATLAB的图像处理的课程设计物理与信息工程学院一、课程设计的目的综合运用MATLAB工具箱实现图像处理的GUI程序设计。
二、课程设计的基本要求1）熟悉和掌握MA TLAB 程序设计方法2）掌握MATLAB GUI 程序设计3）学习和熟悉MA TLAB图像处理工具箱4）学会运用MATLAB工具箱对图像进行处理和分析三、程序需求和功能模块分析设计分为6个部分，分别为文件，实现图像读取、保存和退出该演示的功能；图像转换，实现RGB转为灰度图像、索引图像，二进制图像和创建轮廓等功能；工具，实现亮度改变、锐化、剪切、旋转和直方图统计与均衡等功能；缩放，实现最近邻插值法和双线性插值法的放大和缩小；噪声与滤波，实现对图像添加各种噪声和对图像进行去噪处理；帮助，是一个关于MA TLAB的显示。
四、详细设计过程，详细阐述如何实现具体操作，必要时画出流程图分析，附上关键程序代码。
学习MATLAB GUI程序设计，利用MA TLAB图像处理工具箱，设计和实现自己的Photoshop 。
要求：按照软件工程方法，根据需求进行程序的功能分析和界面设计，给出设计详细说明。
然后按照自己拟定的功能要求进行程序设计和调试。
具体操作双击打开MATLAB 7.0→File→New→GUI→修改名称→保存；单击→调整文本框的大小，输入该演示名称，修改字体大小、颜色等；单击→调整axes1大小→单击OK，调整按钮大小和颜色，再建axes2→单击OK，调整按钮大小和颜色；单击→调整噪声群文本框的大小，输入名称，修改字体大小、颜色等，单击，建立3个噪声框；单击建立滤波群框，单击，建立3个滤波框；单击，建立Menu Editor,即建目录；View→M-file Edit→编写程序；最后单击，建立几个便捷按钮，相应的View callbacks与之前同。
程序代码及实现的功能1）图像的读取和保存。
读取[name,path]=uigetfile('*.*','');file=[path,name];axes(handles.axes1);x=imread(file);handles.img=x;guidata(hObject, handles);imshow(x);title(‘打开’);保存[sFileName sFilePath]=uiputfile({'*.jpg','JPEG-Files (*.jpg)'; ...'*.*','All Files (*.*)'},'保存图像文件','untitled.jpg');if ~isequal([sFileName,sFilePath],[0,0])sFileFullName=[sFilePath sFileName];imwrite(handles.noise_img,sFileFullName,'jpg');elsemsgbox('确定取消保存？');end退出clc;close all;close(gcf);2）设计图形用户界面，让用户能够对图像进行任意的亮度和对比度变化调整，显示和对比变换前后的图像。
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 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。
数字图像处理实验报告
数字图像处理报告章鱼哥实验项目一(matlab)实验要求：Fig1.bmp是一副亮度和对比度均很低的图像，试用插值外推的图像增强方法改善图像的质量，使花朵和树叶的颜色更加鲜艳润泽。
实验代码：% 插值与外推clear allclose allI=imread('实验项目一.png');A=double(I);Igray=double(rgb2gray(I));Ig3=A;img=A;Ilow=A;Ig3(:,:,1)=Igray; % RGB灰度图Ig3(:,:,2)=Igray;Ig3(:,:,3)=Igray;W=ones(11,11)/121;Ilow=double(imfilter(Ig3,W)); % 模糊图像a=[1 1.5 2.0 2.5 3.0 3.5 ];figurefor k=1:6 % 通过模糊图进行处理img=(1-a(k)).*Ilow+a(k).*A;subplot(2,3,k);imshow(uint8(img),[]); title(['综合修正：系数=',num2str(a(k))]);end实验结果实验项目二(matlab或c/c++)实验要求：试用最邻近插值和双线性插值对Fig2.bmp进行缩小和放大操作。
先缩小12倍，再放大12倍。
描述图像的变化，分析变化的原因，并给出对两种插值方法的评价。
实验原理：1. 最邻近插值（近邻取样法）最邻近插值是一种简单的插值算法，也称为零阶插值。
它输出的像素灰度值就等于距离它映射到的位置最近的输入像素的灰度值。
对于通过反向变换得到的的一个浮点坐标，对其进行简单的取整，得到一个整数型坐标，这个整数型坐标对应的像素值就是目的像素的像素值，也就是说，取浮点坐标最邻近的左上角点（对于DIB是右上角，因为它的扫描行是逆序存储的）对应的像素值。
可见，最邻近插值简单且直观，但得到的图像质量不高；当图像中包含像素之间灰度级有变化的细微结构时，最邻近查值法会在图像中产生人为的加工痕迹。
- 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》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\');figure;imshow(I);title('Original Image');text(size(I,2),size(I,1)+15, ...'', ...'FontSize',7,'HorizontalAlignment','right');Warning: Image is too big to fit on screen; displaying at 25% > In imuitools\private\initSize at 86In imshow at 1962.给定函数的累积直方图。
>> clear all;close all;>> r=127;x=-r:r+1;sigma=20;y1=exp(-((x-80).^2)/(2*sigma^2));y2=exp(-((x+80).^2)/(2*sigma^2));y=y1+y2; %双峰高斯函数，任意函数都可以%im=imread(''); %匹配一个图像的直方图%y=imhist(im);y=y/sum(y); %归一化，使函数符合概率分布的sum(y)==1这样一个规律plot(y); %待匹配的直方图G=[]; %函数的累积直方图for i=1:256G=[G sum(y(1:i))];end3.图像及直方图显示i=imread('F:\image\');k=rgb2gray(i);subplot(1,2,1);imshow(i);subplot(1,2,2);imhist(k,64);五.实验分析通过以上一系列的图片可以看出，低通滤波器可以抑制图像噪声，改善图像质量，高通滤波器可以突出图像的边界。
图像处理的过程是一个将多种算法综合运用的过程,任何单独算法都不是完美的,多种算法的结合才能够相互取长补短从而弥补不足,达到更好的处理效果。
本软件的开发基于这一思路,将各个普通的图像处理功能集成到软件后台,并对其进行了区间优化和连接融合,部分原函数被适当改写,使其能够用于极端恶劣条件下目标的清晰显现和准确定位。
实验二图像变换一.实验目的1.了解正交变换的基本概念；2.掌握图像的离散傅里叶及余弦；3.熟悉图像的沃什变换和哈德曼变换。
二.实验仪器计算机、MATLAB软件三.实验原理为了有效地和快速地对图像进行处理和分析，常常需要将原定义在图像空间的图像以某种形式转换到另外一些空间，并利用在这些空间是的特有的性质方便地进行一定的加工，最后在转换回图像空间以得到所需要的效果。
这种使图像处理简化的方法通常是对图像进行变换。
四.实验内容及步骤1.二值图像的傅里叶变换代码如下：f=zeros(30,30);f(5:24,13:17)=1;subplot(2,2,1);imshow(f,'notruesize');xlabel('(a)创建的二值图像');F=fft2(f);subplot(2,2,2);mesh(fftshift(abs(F)));xlabel('(b)频谱图');F1=fftshift(log(abs(F)));subplot(2,2,3);imshow(F1,[-1,5],'notruesize'); xlabel('(c)未填充频谱图');colormap(jet);colorbar;F=fft2(f,256,256);subplot(2,2,4);imshow(fftshift(log(abs(F))),[-1,5]); xlabel('(d)填充后频谱图')colormap(jet);colorbar;（21）运行结果如下：2.离散余弦变换代码如下：I=imread('');subplot(2,2,1);imshow(I);xlabel('(a)原始图像');J=dct2(I);subplot(2,2,2);imshow(log(abs(J)),[]); colormap(jet(64)),colorbar;xlabel('(b)余弦变换');J(abs(J)<10)=0;k=idct2(J);subplot(2,2,3);imshow(k,[0 255]); xlabel('(c)逆余弦变换');A=im2double(I);D=dctmtx(size(A,1));dct=D*A*D';subplot(2,2,4);imshow(dct);xlabel('(d)dctmtx变换');2）真彩图像的余弦变换RGB=imread('F:\Program Files (x86)\image\');figure(1);imshow(RGB);GRAY=rgb2gray(RGB);figure(2);imshow(GRAY);DCT=dct2(GRAY);figure(3);imshow(log(abs(DCT)),[]);运行结果如下：3．图象的沃尔什-哈达玛变换（1）图像变换的代码如下：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) ;figure(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;endwh=wh';figure(2)colormap(gray(128)),imagesc(wh);（2）运行结果如下：五.结果分析二维离散傅里叶变换 (two-dimensional dis-Crete Fourier transform)是一种数字变换方法对原始图像进行离散余弦变换，由结果可知，变换后DCT系数能量主要集中在左上角，其余大部分系数接近于零，这说明DCT具有适用于图像压缩的特性。
将变换后的DCT系数进行门限操作，将小于一定值得系数归零，这就是图像压缩中的量化过程，然后进行逆DCT运算，得到压缩后的图像，比较变换前后的图像，肉眼很难分辨出有什么区别，可见压缩的效果比较理想。
实验三图像的复原一.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，加入高斯和椒盐噪声，并对加深图像进行中值、均值、最大值、最小值进行滤波复原；3.对彩色图像RGB转换到HIS，并显示对应分量，同时完成相关平滑滤波。
二.实验仪器计算机、MATLAB软件三.实验原理编写空域滤波对加噪图像进行复原的程序先读入图像，然后为该图像加噪实现均值滤波复原（算术均值、几何均值、谐波均值、逆谐波均值）实现顺序统计滤波复原（中值、最大值、最小值、中点、阿尔法均值）最后比较滤波和噪声类型的关系顺序统计滤波器对于脉冲（盐和胡椒）噪声有效。
中值滤波器在相同尺寸下，比起均值滤波器引起的模糊少 Pa =Pb =的脉冲噪声3×3的中值滤波器，第二次中值滤波器处理，第三次中值滤波器处理，全部噪声消除。
最大值滤波器发现图像中亮点用于消除“胡椒”最小值滤波器，发现图像中暗点用于消除“盐”最小值滤波器处理，最大值滤波器处理“胡椒”噪声干扰图像“盐”噪声干扰图像。
中点滤波器结合了顺序统计和求平均的特点对高斯和均匀分布的噪声效果最好，修正后阿尔法均值滤波器（Alpha-trimmed mean filter）假设在Sxy邻域内去掉 g(s,t)中 d/2个最高灰度值和d/2个最低灰度值，用gr(s,t)表示剩余的mn-d个像素。
0<d<mn-1 d=0 算术均值滤波器 d=(mn-1)/2 中值滤波器，处理包括多种噪声混合情况。
四.实验内容及步骤1.f=imread('');figure(1);imshow(f);title('原始图像');g=imnoise(f,'salt & pepper',;figure(2);imshow(g);title('椒盐噪声污染的的');g1=double(g)/225;j1=medfilt2(g1,'symmetric');figure(3);imshow(j1);title('中值滤波图像');j2=ordfilt2(g1,median(1:3*3),ones(3,3),'symmetric');figure(4);imshow(j2);title('中点滤波图像');j3=ordfilt2(g1,1,ones(3,3));figure(5);imshow(j3);title('最小值滤波图像');j4=ordfilt2(g1,9,ones(3,3));figure(6);imshow(j4);title('最大值滤波图像');C=imread('');subplot(1,2,1);imshow(C);LEN=(30);THETA=45;PSF=fspecial('motion',LEN,THETA); MF=imfilter(C,PSF,'circular','conv'); subplot(1,2,2), imshow(MF);imwrite(MF,');F=checkerboard(8);figure(1);imshow(F,[]);PSF=fspecial('motion',7,45);MF=imfilter(F,PSF,'circular');noise=imnoise(zeros(size(F)),'gaussian',0,;MFN=MF+noise;figure(2);imshow(MFN,[]);NSR=sum(noise(:).^2)/sum(MFN(:).^2);imshow(deconvwnr(MFN,PSF),[]);figure(4);imshow(deconvwnr(MFN,PSF,NSR),[]);五.实验分析图像在获取过程中，由于成像系统的非线性、飞行器的姿态变化等原因，成像后的图像与原景物图像相比，会产生比例失调，甚至扭曲。