天津大学图像处理实验报告
光电图像处理实验报告
精仪学院测控四班王经纬 3010202114
实验1 离散图像的傅立叶变换
。
1. 实验内容及步骤：
(1)利用Matlab图像处理软件进行离散图像傅立叶变换，
如给出一幅图像（w01.tif），其傅立叶变换程序如下：
>>i=imread('D:\w01.tif');
>>figure(1);
>>imshow(i);
>>colorbar;
>>j=fft2(i);
>>k=fftshift(j);
>>figure(2);
>>l=log(abs(k));
>>imshow( l , [ ] );
>>colorbar
结果显示如下图所示：
（2）分析图像的傅立叶频谱图；
由上图可以看出，频谱图低频部分较多，高频也有能量，说明图像中存在明显的明亮变化。
（3）自行设计一幅图像，验证离散傅立叶变换的性质，如：频谱图中高频分量迅速衰减，可分离性，平移，周期性与共轭对称性，旋转、线性和比例性，平均值。
1）傅里叶变换：
2）平移：
X轴平移图像 X轴平移图像的傅立叶谱
Y轴平移图像 Y轴平移图像的傅立叶谱3）旋转特性：
4）尺度变换：
2. 思考题： 描述空间频率的概念。
空间频率是单位长度内亮度作周期性变化的次数，即现对/mm 。对于FT 基函数)(2sin )(2cos 2ux j ux e ux j πππ-=-。)(2cos ux π的最大值直线在坐标轴上的截距是u /1，则u /1表示空间周期。
实验2 修改直方图图像增强
1. 实验内容及步骤： (1) 读入一幅图像，
使用imhist( )函数产生图像的直方图，分析它的直方图分布及反映图像的特点；
i=imread('D:\w01.tif'); imshow(i); imhist(i);
原图的直方图，表示了不同灰度的出现频率，该图的暗色比较多一些。
(2) 读入一幅图像，使用imadjust( )函数产生图像的对比度图，并使用imhist( )函数产生两个图像的直方图，分析图像对比度变化后的效果；
>> figure(1);
>> i=imread('D:\w01.tif');
>> imshow(i)
>> imhist(i)
>> figure(2);
>>
j=imadjust(i,[0.3,0.7],[]);
>> imshow(j)
>> imhist(j)
经过对比度拉伸的图，它的直方图显示每一种灰度的像素出现的频率基本一致。
(3) 读入一幅图像，使用histeq ( )函数均衡化图像，分析变化后图像的效果。
>>
i=imread('D:\w01.tif');
>> j=histeq(i);
>> imshow(j)
经过直方图均衡后的图像，灰度更均匀，辨识度高，图像亮度适中，改善了视觉
效果。
2. 思考题：如何对图像进行对数变换。
Matlab程序如下：
>>
i=imread('D:\w01.tif');
>> i1=double(i)+1;
>> c=log(i1);
>> t=uint8(c)-1;
>>
N=im2uint8(mat2gray(t));
>> imshow(N)
输出结果如下：
实验3 图像的平滑处理
1. 实验内容及步骤：
(1) 读入一幅图像，产生直方图
使用imnoise( )函数产生图像噪声；如：
j= imnoise(i,’gaussian’,0,0.02)，产生高斯噪声；
>> i=imread('D:\w01.tif');
>>
j=imnoise(i,'gaussian',0,0.02);
>> imshow(j)
>> imhist(j)
引入高斯噪声后，图片噪点加强，不在平滑，变得很粗糙。
改变了图像的直方图分布，使得直方图呈现高斯函数的形状。(2) 对加入噪声的图像使用均值滤波，分析图像前后变化；
>>i=imread('D:\w01.tif');
>>j=imnoise(i,'gaussian',0,0.02);
>>k=filter2(fspecial('average',7),j)/255;
>>imshow(k)
>> imhist(k)
经过均值滤波的，效果不错，直方图已经很接近原图的直方图。
(3)
>> i=imread('D:\w01.tif');
>>j=imnoise(i,'gaussian',0,0.02);
>> p=medfilt2(j);
>> imshow(p)
>>imhist(p)
经过中值滤波的，噪声点还是比较明显，直方图较接近原图。
实验4 图像的锐化处理
1. 实验内容及步骤：
(1) 读入一幅图像:
产生sobel算子，利用filter2( )函数产生锐化图像：
>>
i=imread('D:\w01.tif');
>> h=fspecial('sobel');
>> j=filter2(h,i);
>> imshow(j)
分析锐化后图像；
该算子中引入了类似局部平均的运算，因此对噪声具有平滑作用能很好的消除噪声的影响。单独使用Sobel算子做边缘检测边缘定位精度不高，有时还可能对非边缘像素的响应大于某些边缘处的响应或者响应差别不是很大，造成漏检或误检
(2) 读入一幅图像，产生拉普拉斯算子，产生锐化图像：
>> i=imread('D:\w01.tif');
>>j =
im2uint8(mat2gray(log(1+double(i))));