数字图象处理实验

数字图像处理实验报告(Digital Image Procession)

指导老师：杨述斌

作者：杨岸（27）一：图像的二维傅立叶变换

一、实验目的

熟悉傅立叶变换的原理。

二、实验设备

(1)微型机计算机。

(2)MATLAB软件。

三、实验内容

熟悉其概念和原理,实现对一幅灰度图像的快速傅立叶变换,并求其变换后的系数分布。

四、实验步骤

(1)读入图像并显示。

(2)将彩色图像二值化。

(3)对二值化了的图像进行傅立叶变换，并显示其频谱。

五、MATLAB程序及结果图

1：图像的二值化：

i=imread('D:\My Documents\My Pictures\tree.jpg');

i1=rgb2gray(i);

imshow(i1);

2：图像的傅里叶变换：

i=imread('D:\My Documents\My Pictures\tree.jpg');

i2=rgb2gray(i);

imshow(i2)

j=fftshift(fftn(double(i2)));

figure;

imshow(log(abs(j)+1),[6,10]);

六、傅立叶变换频谱分析：

傅立叶变换的物理意义是将图像的灰度分布函数变换为图像的频率分布函数。傅立叶频谱图上我们看到的明暗不一的亮点，如果频谱图中暗的点数更多，那么实际图像是比较柔和的；反之，如果频谱图中亮的点数多，那么实际图像一定是尖锐的，边界分明且边界两边像素差异较大的。此图中，中心部分比较亮，则频率较高的为近中心部分。

二：图像增强

一、实验目的：

（1）熟悉并学会使用MATLAB中图像增强的相关函数。

（2）了解图像增强的方法、噪声去除的方法和去噪的效果。

二、实验设备：

微型计算机，MATLAB软件（含图像处理工具箱），典型的灰度、彩色图像文件。

三、实验原理：

（1）将一幅图看成一个二维矩阵，因此用MATLAB进行图像增强是十分方便的。

（2）利用MATLAB图像处理工具箱读函数，显示函数、加噪函数、滤波函数进行图像去噪处理。采用imread读图像、imshow函数显示图像、 imnoise函数进行加噪处理。

四、实验内容：

（1）对图像增加不同种类的噪声。

（2）采用不同的方法去除噪声。

五、实验步骤：

（1）读入一幅图像。

（2）对图像加入噪声。

（3）选择不同的去噪方法，如邻域平均、中值滤波等方法，对图像进行增强处理。

（4）改变噪声的种类，重新按步骤（2）、（3）的要求进行处理。

（5）分析各种去噪方法对不同噪声图像处理的结果。

六、程序代码及结果图：

选图一：

1》加椒盐噪声

i=imread('D:\My Documents\My Pictures\tree.jpg');

i1=rgb2gray(i);

a=imnoise(i1,'salt & pepper',0.05);

imshow(a)

！）领域平均法图像增强

h1=1/8.*[1 1 1;1 0 1;1 1 1];

I1=filter2(h1,a);

figure,imshow(I1,[]);

！！）中值滤波法：k=medfilt2(a);

figure,imshow(k);

2.》加入高斯噪声：

i=imread('D:\My Documents\My Pictures\tree.jpg'); i1=rgb2gray(i);

b=imnoise(i1,'gaussian',0.3,0.3);

imshow(b);

！）领域平均法图像增强h1=1/8.*[1 1 1;1 0 1;1 1 1]; I1=filter2(h1,a);

figure,imshow(I1,[]);

！！）中值滤波法：k=medfilt2(b);

figure,imshow(k);

七、思考与分析：

（1）椒盐噪声用中值滤波法去噪效果比较好，用邻域平均法效果差些；高斯噪声用邻阈平均法和中值滤波法的效果差不多。

（2）邻域平均法对高斯噪声比较有效，在去噪的同时，还能保留一部分的边界信息，去噪后图像比较清晰，而中值滤波法去除椒盐噪声的效果好，但对高斯噪声的影

响效果不佳。

三：图像的边缘检测

一、实验原理

（1）将一幅图看成一个二维矩阵，因此用MATLAB处理图像是十分方便的。

（2）图像的边缘检测的原理：采用差分、梯度、拉普拉斯算子及各种高通滤波处理方法可以对图像边缘进行检测。检测的方法有：梯度算子、拉普拉斯算子、方向算子、Canny算子。

二、实验内容

（1）利用MA TLAB图像处理工具箱进行边缘检测。

（2）理解边缘检测在图像分割中的应用，比较各种边缘检测方法。

三、实验步骤

（1）输入图像，用不同的算子进行检测。

（2）选择不同图像，不同的检测方法，不同的阈值，观察结果。

四、程序代码及结果图

图一：用sobel算子

i=imread('D:\My Documents\My Pictures\tree.jpg');

i1=rgb2gray(i);

>> imshow(i1)

>> bw1=edge(i1,'sobel');

>> figure,imshow(bw1,[]);

拉普拉斯算子：

i=imread('D:\My Documents\My Pictures\tree.jpg'); i1=rgb2gray(i);

imshow(i1)

bw1=edge(i1,'log');

imshow(bw1,[]);