图像处理报告matlab代码报告

计算机图像处理报告软件版本：MATLAB2012a 64-bit

班级：电子1002班

学号：20102606

姓名：钱振林

目录

实验一数字图像处理平台 (3)

一、实验目的 (3)

二、实验内容 (3)

三、实验仪器设备 (3)

四、实验报告要求 (3)

五、注意 (3)

六、实验代码和截图 (4)

实验二图像处理 (5)

一、实验目的 (5)

二、实验仪器设备 (5)

三、实验报告要求 (5)

四、实验内容（代码和截图） (5)

第1题 (5)

第2题 (7)

第3-1题 (8)

第3.2题 (9)

第3.3题 (11)

第3.4题 (12)

第4题 (16)

第5题 (17)

第6题 (18)

第7题 (20)

附录 (21)

实验一数字图像处理平台

一、实验目的

（1）学会使用扫描仪；

（2）熟悉MATLAB软件。

二、实验内容

（1）用扫描仪扫一幅彩色图片；一幅灰度图片。

（2）熟悉MATLAB的主界面窗口中各个窗口的功能，利用不同的矩阵输入方式给矩阵赋值，了解MATLAB的简单编程及矩阵基本知识；

（3）掌握使用MATLAB的帮助来获得更多的信息。

三、实验仪器设备

扫描仪、计算机和MATLAB应用软件。

四、实验报告要求

写出所做实验的具体内容，上交编写的程序代码。

五、注意

1 、扫描的照片不要过大，可以选择照片的一部分进行扫描，否则图片运算时计算量过大，运行时间过长。

2、在输入MATLAB命令时，符号（逗号、括号等）应为英文格式。

六、实验代码和截图

>> im=imread('C:\Users\QIAN\Desktop\1.jpg');

>> subplot(2,2,1); imshow(im); title('读取显示图像'); >> g=rgb2gray(im);

>> subplot(2,2,2); imshow(g); title('转换成灰度图像'); >> j=255-g;

>> subplot(2,2,3); imshow(j); title('灰度图像取反');

[M,N]=size(g);

for i=1:M

for j=1:N

if g(i,j)<=30

ng(i,j)=g(i,j);

elseif g(i,j)<=150

ng(i,j)=(200-30)/(150-30)*(g(i,j)-30)+30;

else

ng(i,j)=(255-200)/(255-150)*(g(i,j)-150)+200;

end

end

end

subplot(1,2,1);imshow(g); title('原始灰度图像'); subplot(1,2,2);imshow(ng); title('拉伸后的图像');

实验二图像处理

一、实验目的

（1）通过应用MATLAB语言编程实现对图像的处理，进一步熟悉MATLAB软件编程及应用；

（2）通过实验进一步掌握图像处理的基本技术和方法。

二、实验仪器设备

扫描仪、计算机和MATLAB应用软件。

三、实验报告要求

写出所做实验的具体内容，上交编写的程序代码。

四、实验内容（代码和截图）

第1题

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；

RGB=imread('C:\Users\QIAN\Desktop\0002.bmp');

rgbgray=rgb2gray(RGB); %RGB转换灰度

rgbbw=im2bw(RGB,0.5); %RGB转换二值

[RGBX,RGBmap]=rgb2ind(RGB,0.5); %RGB转换索引

[GRAYX,GRAYmap]=gray2ind(rgbgray,255); %灰度转换索引

graybw=im2bw(rgbgray,0.5); %灰度转换二值

indgray=ind2gray(GRAYX,GRAYmap); %索引转换成灰度

indrgb=ind2rgb(RGBX,RGBmap); %索引转换成RGB

indbw=im2bw(GRAYX,GRAYmap,0.5); %索引转换成二值

%-------------------------------------显示图像---------------------------------------

subplot(3,3,1); imshow(RGB); title('原始彩色RGB');

subplot(3,3,2); imshow(rgbgray); title('RGB转换灰度');

subplot(3,3,3); imshow(rgbbw); title('RGB转换二值');

subplot(3,3,5); image(GRAYX); colormap(GRAYmap); axis image; title('灰度转换索引'); subplot(3,3,6); imshow(graybw); title('灰度转换二值');

subplot(3,3,7); imshow(indrgb); title('索引转换成RGB');

subplot(3,3,8); imshow(indgray); title('索引转换成灰度');

subplot(3,3,9); imshow(indbw); title('索引转换成二值');

subplot(3,3,4); imshow(RGBX,RGBmap);title('RGB转换索引');

截图：

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；

代码：

im=imread('C:\Users\QIAN\Desktop\0002.bmp'); %读取文件

im=rgb2gray(im); %RGB转换灰度

F=fft2(im); %快速傅立叶变换

J=fftshift(F);

fr=real(ifft2(F)); %频域的图反变换

ret=im2uint8(mat2gray(fr));

D=dct2(im);

ds=fftshift(log(abs(D)));

dr=real(idct2(D));

dret=im2uint8(mat2gray(dr));

subplot(3,3,2); imshow(im); title('原始灰度图像');

subplot(3,3,4); imshow(F) ; title('快速傅立叶变换后图像');

subplot(3,3,5); imshow(log(abs(J)),[8,10]);title('FFT变换的频谱图');

subplot(3,3,6); imshow(ret) ; title('傅立叶逆变换图像');

subplot(3,3,7); imshow(D) ; title('离散余弦变换后图像');

subplot(3,3,8); imshow(ds); title('DCT变换的频谱图');

subplot(3,3,9); imshow(dret) ; title('DCT逆变换图像');

截图：

取一幅灰度图像，对其进行线性点运算，即

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。

代码：

im=imread('C:\Users\QIAN\Desktop\0002.bmp');

im=rgb2gray(im); %RGB 转换灰度

GB1=1.5*im+1.2;

GB2=0.7*im+1.2;

subplot(2,3,1); imshow(im); title('原始灰度图像');

subplot(2,3,2); imshow(GB1); title('（α,β）为（1.5，1.2）图像');

subplot(2,3,3); imshow(GB2); title('（α,β）为（0.7，1.2）图像');

subplot(2,3,4); imhist(GB1); title('（1.5，1.2）图像直方图');

subplot(2,3,5); imhist(GB2); title('（0.7，1.2）图像直方图');

截图：

)(βα+==A A B G G f G

第3.2题

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。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？观察两次均衡化直方图是否一样。

代码：

im=imread('C:\Users\QIAN\Desktop\0002.bmp');

I=rgb2gray(im); %RGB转换灰度

I2=histeq(I); %将图像的灰度值扩展到整个灰度范围，从而提高图像数组I的对比度。subplot(2,2,1); imshow(I); title('原始灰度图像');

subplot(2,2,2); imhist(I); title('图像I灰度分布的直方图');

subplot(2,2,3); imshow(I2); title('修改过的图像I2');

subplot(2,2,4); imhist(I2); title('拓展后的灰度值的分布');

代码：（思考题）

经过图像比对分析，第二次均衡化与第一次相比没有变化。

im=imread('C:\Users\QIAN\Desktop\0002.bmp');

I=rgb2gray(im); %RGB转换灰度

I2=histeq(I); %将图像的灰度值扩展到整个灰度范围，从而提高图像数组I的对比度。I3=histeq(I2);

subplot(2,2,1); imshow(I2); title('一次均衡化图像');

subplot(2,2,2); imhist(I2); title('一次均衡化直方图');

subplot(2,2,3); imshow(I3); title('二次均衡化图像');

subplot(2,2,4); imhist(I3); title('二次均衡化直方图');

截图：

截图：（思考题）

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。

代码：

im=imread('C:\Users\QIAN\Desktop\0002.bmp');

I=rgb2gray(im); %RGB转换灰度

In=imnoise(I,'gaussian',0,0.05); %加入高斯噪声

h=fspecial('average'); %均值滤波器

Y=filter2(h,In);

J=medfilt2(In);

subplot(2,2,1); imshow(I); title('原始图像');

subplot(2,2,2); imshow(In); title('加入噪声图像');

subplot(2,2,3); imshow(Y,[]); title('均值滤波');

subplot(2,2,4); imshow(J); title('中值滤波');

截图：

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。代码：

im=imread('C:\Users\QIAN\Desktop\0002.bmp');

I=rgb2gray(im); %RGB转换灰度

h1=fspecial('prewitt'); %'prewitt'算子

I1=filter2(h1,I);

h2=fspecial('laplacian'); %'laplacian'算子

I2=filter2(h2,I);

h3=fspecial('sobel'); %'sobel'算子

I3=filter2(h3,I);

subplot(2,2,1); imshow(I); title('原始图像');

subplot(2,2,2); imshow(I1); title('Prewitt算子');

subplot(2,2,3); imshow(I2); title('laplacian算子');

subplot(2,2,4); imshow(I3); title('Sobel算子');

截图：

代码：（思考题）

思考题：为了达到边缘锐化的反差增强效果，实际应用中将高频增强和直方图均衡化结合起来使用，这两个操作的次序能互换吗？效果一样吗？

次序不能互换，从最后的对比图可以看出效果不一样。

先高频增强后均衡化处理：

img =rgb2gray(imread('C:\Users\QIAN\Desktop\0002.bmp'));

[m,n] = size(img); figure;imshow(img); title('原始图像')

fou = fft2(img); %傅里叶变换

fou_1 = fftshift(fou); %归一化

fou_2 = 255*fou_1/max(fou_1(:));

figure;imshow(fou_2); title('频谱');

a=2; b=2;

for i = 1:m%高频增强

for j =1:n

if((i - m/2).^2 +(j - n/2).^2) < 200.^2

fou_2(i,j) = a*fou_1(i,j);

else fou_2(i,j) =(a+b)*fou_1(i,j);

end

end

end

img_final =uint8(real(ifft2(ifftshift(fou_2))));

figure;imshow(img_final); title('高频增强a=2,b=2,R=200');

histim=histeq(img_final); %将图像的灰度值扩展到整个灰度范围。

figure;imshow(histim); title('先高频增强后均衡化后的图像');

先均衡化后频增强处理：

img =rgb2gray(imread('C:\Users\QIAN\Desktop\0002.bmp'));

[m,n] = size(img); figure;imshow(img); title('原始图像');

histim=histeq(img);

figure;imshow(histim); title('均衡化后的图像');

fou = fft2(histim); %傅里叶变换

fou_1 = fftshift(fou); %归一化

fou_2 = 255*fou_1/max(fou_1(:));

figure;imshow(fou_2); title('频谱');

a=2; b=2;

for i = 1:m %高频增强

for j =1:n

if((i - m/2).^2 +(j - n/2).^2) < 200.^2

fou_2(i,j) = a*fou_1(i,j);

else fou_2(i,j) =(a+b)*fou_1(i,j);

end

end

end

img_final =uint8(real(ifft2(ifftshift(fou_2))));

figure;imshow(img_final); title('先均衡化后高频增强的图像'); 截图：（思考题）

第4题

对一幅灰度图像进行模糊处理，然后进行逆滤波、维纳滤波与约束最小二乘方滤波复原实验。

代码：

>> I=im2double(imread('C:\Users\QIAN\Desktop\0002.bmp'));

>> Len=50; %平移长度

>> THEIA=45; %角度

>> noise_mean = 0; %噪声均值

>> noise_var = 0.0001; %噪声方差

>> PSF=fspecial('motion',Len,THEIA);

>> MF=imfilter(I,PSF,'circular','conv'); %运动模糊处理

>> blurred_noisy = imnoise(MF, 'gaussian',noise_mean, noise_var); %运动模糊后加入高斯噪声>> NSR = noise_var /var(I(:)); %估计的噪声信号比

>> fr1=deconvwnr(blurred_noisy,PSF); %NSR=0时为逆滤波

>> fr2=deconvwnr(blurred_noisy,PSF,NSR); %维纳滤波

>> fr3=deconvreg(blurred_noisy,PSF); %约束最小二乘方滤?

subplot(3,2,1); imshow(I); title('原始图像');

subplot(3,2,2); imshow(MF); title('运动模糊后的图象');

subplot(3,2,3); imshow(blurred_noisy); title('运动模糊+高斯噪声的图像'); subplot(3,2,4); imshow(fr1); title('逆滤波后的图像');

subplot(3,2,5); imshow(fr2); title('维纳滤波后的图像');

subplot(3,2,6); imshow(fr3); title('约束最小二乘方滤波后的图象'); 截图：

第5题

应用MATLAB语言编写实现一幅图像的旋转、剪切和缩放；

代码：

>> I=imread('C:\Users\QIAN\Desktop\0002.bmp');

>> I1=imrotate(I,30,'bilinear'); %图像旋转30°

>> I2=imcrop(I,[100 100 200 200]); %图像剪切

>> I3=imresize(I,0.5,'nearest'); %图像缩小0.5倍

>> subplot(1,3,1); imshow(I); title('原始图像');

>> subplot(1,3,2); imshow(I1); title('旋转图像');

>> subplot(1,3,3); imshow(I2); title('剪切图像');

>> figure; imshow(I3); title('缩小0.5图像');

截图：

第6题

对一幅图像进行几何失真处理后利用连接点实施图像配准复原。

代码：

>> I=rgb2gray(imread('C:\Users\QIAN\Desktop\0002.bmp'));

>> I1=imrotate(I,45,'bilinear'); %旋转变换

>> cpselect(I1,I); %选择控制点位置

%Variables have been created in the current workspace.

>> TFORM = cp2tform(input_points,base_points,'similarity'); %从控制点对推断出空间变换>> imshow(imtransform(I1,TFORM));

截图：

输入控制点数据

复原后的图像

第7题

应用MATLAB语言编程来实现一幅图像的边缘检测。代码：

>> I=rgb2gray(imread('C:\Users\QIAN\Desktop\0002.bmp')); >> BW1=edge(I,'roberts'); % robets算子进行检测边缘>> BW2=edge(I,'sobel'); % sobel算子进行检测边缘>> BW3=edge(I,'prewitt'); % prewitt算子进行检测边缘>> BW4=edge(I,'log'); % log算子进行检测边缘

>> BW5=edge(I,'canny'); % canny算子进行检测边缘>> subplot(2,3,1);imshow(I);title('原始图像');

>> subplot(2,3,2);imshow(BW1);title('robets算子');

>> subplot(2,3,3);imshow(BW2);title('sobel算子');

>> subplot(2,3,4);imshow(BW3);title('prewitt算子');

>> subplot(2,3,5);imshow(BW4);title('log算子');

>> subplot(2,3,6);imshow(BW5);title('canny算子');