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。
图像分割处理实验报告
图像分割处理实验报告1. 引言图像分割是计算机视觉中的重要任务之一，其目标是将图像划分成具有相似特征的子区域。
图像分割在很多应用领域中都有着广泛的应用，比如医学影像分析、目标检测和图像编辑等。
本实验旨在探索不同的图像分割算法，并比较它们在不同场景下的效果和性能。
2. 实验方法2.1 实验数据本实验选取了一组包含不同场景的图像作为实验数据集，包括自然景观、人物肖像和城市街景等。
每张图像的分辨率为500x500像素。
2.2 实验算法本实验使用了两种经典的图像分割算法进行比较，分别是基于阈值的分割和基于边缘的分割。
2.2.1 基于阈值的分割基于阈值的分割算法是一种简单而直观的方法，其原理是根据像素值的亮度信息将图像分割成不同的区域。
在本实验中，我们将图像的灰度值与一个事先设定的阈值进行比较，如果大于阈值则设为白色，否则设为黑色，从而得到分割后的图像。
2.2.2 基于边缘的分割基于边缘的分割算法利用图像中的边缘信息进行分割，其原理是检测图像中的边缘并将其作为分割的依据。
在本实验中，我们使用了Canny边缘检测算法来提取图像中的边缘信息，然后根据边缘的位置进行分割。
2.3 实验流程本实验的流程如下：1. 加载图像数据集；2. 对每张图像分别应用基于阈值的分割算法和基于边缘的分割算法；3. 计算分割结果和原始图像之间的相似度，使用结构相似性指标（SSIM）进行评估；4. 分析并比较两种算法在不同场景下的分割效果和性能。
3. 实验结果3.1 分割效果实验结果表明，基于阈值的分割算法在处理简单场景的图像时效果较好，可以比较准确地将图像分割为目标区域和背景。
然而，当图像的复杂度增加时，基于阈值的分割算法的效果明显下降，往往会产生较多的误分割。
相比之下，基于边缘的分割算法在处理复杂场景的图像时表现良好。
通过提取图像的边缘信息，该算法能够较准确地分割出图像中的目标区域，相比于基于阈值的分割算法，其产生的误分割较少。
3.2 性能评估通过计算分割结果和原始图像之间的SSIM指标，我们可以得到两种算法在不同场景下的性能评估。
图像增强实验报告
图像增强实验报告图像增强实验报告引言：图像增强是数字图像处理中的重要技术之一，它可以通过改变图像的亮度、对比度、色彩等参数，使图像更加清晰、细节更加突出。
本实验旨在探究不同图像增强方法对图像质量的影响，并比较它们的效果。
一、实验目的通过实验比较不同的图像增强方法，包括直方图均衡化、拉普拉斯算子增强、灰度变换等，对图像质量的影响，了解各种方法的优缺点，为实际应用提供参考。
二、实验步骤1. 实验准备：准备一组包含不同场景、不同光照条件下的图像样本，以及实验所需的图像处理软件。
2. 直方图均衡化：将图像的直方图进行均衡化，使得图像的像素值分布更加均匀，从而提高图像的对比度和亮度。
3. 拉普拉斯算子增强：使用拉普拉斯算子对图像进行边缘增强，突出图像的细节和纹理。
4. 灰度变换：通过调整图像的灰度级别，改变图像的亮度和对比度，使图像更加清晰明亮。
5. 实验结果分析：对比不同图像增强方法处理后的图像，分析它们在视觉效果上的差异，并根据实验结果评估各种方法的优劣。
三、实验结果与讨论在本次实验中，我们选择了一张室内拍摄的暗淡图像作为样本进行增强处理。
首先，我们对该图像进行了直方图均衡化处理。
结果显示，通过直方图均衡化，图像的亮度和对比度得到了明显的提升，细节也更加清晰可见。
然而，由于直方图均衡化是全局处理，可能会导致图像的局部细节过于突出，从而影响整体视觉效果。
接下来，我们采用了拉普拉斯算子增强方法。
通过对图像进行边缘增强，图像的纹理和细节得到了突出展示。
然而，拉普拉斯算子增强也存在一定的局限性，对于噪声较多的图像，可能会导致边缘增强过程中出现伪影和锯齿现象。
最后，我们尝试了灰度变换方法。
通过调整图像的灰度级别，我们改变了图像的亮度和对比度，使图像的细节更加突出。
与直方图均衡化相比，灰度变换方法更加灵活，可以根据实际需求对图像进行个性化的调整。
综合对比三种图像增强方法的实验结果，我们可以得出以下结论：直方图均衡化适用于对整体亮度和对比度进行提升的场景；拉普拉斯算子增强适用于突出图像的边缘和纹理；灰度变换方法可以根据实际需求对图像进行个性化调整。
图像处理实验报告
图像处理实验报告实验⼀基于matlab 的⼈脸识别技术⼀、实验⽬的1．熟悉⼈脸识别的⼀般流程与常见识别⽅法；2．熟悉不同的特征提取⽅法在⼈脸识别的应⽤；3．了解在实际的⼈脸识别中，学习样本数等参数对识别率的影响；4．了解⾮⼈脸学习样本库的构建在⼈脸识别的重要作⽤。
使⽤MATLAB 平台编程，采⽤K-L 变换、特征提取及图像处理技术，实现⼈脸识别⼆、实验内容与实验仪器、设备1．构建⾮⼈脸学习样本库；2．观测不同的特征提取⽅法对⼈脸识别率的影响；3．观测不同的学习样本数对⼈脸识别率的影响；1． PC 机－系统最低配置 512M 内存、P4 CPU ；2． Matlab 仿真软件－ 7.0 / 7.1 / 2006a 等版本的Matlab 软件。
3． CBCL ⼈脸样本库三、实验原理1.⼈脸特征提取的算法通过判别图像中所有可能区域是否属于“⼈脸模式”的⽅法来实现⼈脸检测。
这类⽅法有：特征脸法、⼈⼯神经⽹络法、⽀持向量机法；积分图像法。
本次使⽤的是PCA(主成分分析法)其原理是：利⽤K-L 变换抽取⼈脸的主要成分，构成特征脸空间，识别时将测试图像投影到此空间，得到⼀组投影系数，通过与各个⼈脸图像⽐较进⾏识别。
对于⼀幅M*N 的⼈脸图像，将其每列相连构成⼀个⼤⼩为D=M*N 维的列向量。
D 就是⼈脸图像的维数，即是图像空间的维数。
设n 是训练样本的数⽬；X j 表⽰第j 幅⼈脸图像形成的⼈脸向量，则所需样本的协⽅差矩阵为：1()()m Ti i i S x u x u ==--∑ （1）其中U 为训练样本的平均图像向量：11mi i u x n ==∑ （2）令A=[x 1-u,x 2-u,...x n -u]，则有S r =AA T ，其维数为D ×D 。
根据K-L 变换原理，需要求得的新坐标系由矩阵AA T 的⾮零特征值所对应的特征向量组成。
直接计算的计算量⽐较⼤，所以采⽤奇异值分解(SVD)定理，通过求解A T A 的特征值和特征向量来获得AA T 的特征值和特征向量。
DSP图像处理技术-实验报告模板New1
西安**大学通信与信息工程学院《DSP数字图像处理技术》课内实验报告（2016/ 2017 学年第 2学期）学生姓名： 88888专业班级： 7777学号： 0000指导教师： 0000目录实验1：Code Composer Studio入门实验 0一、实验目的 0二、实验原理 0三、实验内容（调试好的程序，实验结果与分析） (1)四、实验小结 (1)实验2：编写一个以C语言为基础的DSP程序 (4)一、实验目的 (4)二、实验原理 (4)三、实验内容（调试好的程序，实验结果与分析） (4)四、实验小结 (6)实验3：图像灰度化实验 (7)一、实验目的 (7)二、实验原理 (7)三、实验内容（调试好的程序，实验结果与分析） (7)四、实验小结 (8)实验4：图像平滑实验 (10)一、实验目的 (10)二、实验原理 (10)三、实验内容（调试好的程序，实验结果与分析） (12)四、实验小结 (15)实验5：图像锐化实验 (16)一、实验目的 (16)二、实验原理 (16)三、实验内容（调试好的程序，实验结果与分析） (16)四、实验小结 (18)实验6：图像灰度变换实验 (21)一、实验目的 (21)二、实验原理 (21)三、实验内容（调试好的程序，实验结果与分析） (21)四、实验小结 (22)实验7：图像均衡化实验 (24)一、实验目的 (24)二、实验原理 (24)三、实验内容（调试好的程序，实验结果与分析） (24)四、实验小结 (24)实验8：图像边缘检测实验 (28)一、实验目的 (28)二、实验原理 (28)三、实验内容（调试好的程序，实验结果与分析） (28)四、实验小结 (30)实验总结与心得体会 (36)实验1：Code Composer Studio入门实验一、实验目的1、学习创建工程和管理工程的方法2、了解基本的编译和调试功能3、学习使用观察窗口4、了解图像功能的使用二、实验原理开发 TMS320C6xxx 应用系统一般需要以下几个调试工具来完成：1. 软件集成开发环境（CCS）：完成系统的软件开发，进行软件和硬件的仿真调试，它是硬件调试的辅助工具。
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。
医学图像实验报告实验心得
医学图像实验报告实验心得医学图像实验报告实验心得引言：医学图像实验是医学领域中一项重要的实验内容，通过对医学图像的观察和分析，可以帮助医生了解病情、制定诊疗方案。
本文将结合个人的实验经历，分享一些关于医学图像实验的心得和体会。
一、实验准备在进行医学图像实验之前，首先需要了解实验的目的和背景知识。
对于不同的医学图像实验，可能需要掌握不同的医学知识和图像处理技术。
因此，在实验开始前，我会仔细阅读相关的文献资料，了解实验的原理和方法。
二、实验设备医学图像实验通常需要使用一些专业的设备和软件。
例如，X光片、CT扫描、MRI等医学影像设备，以及图像处理软件等。
在实验过程中，我会熟悉这些设备的操作方法，并根据实验需求进行相应的调整和设置。
三、实验步骤医学图像实验通常包括图像采集、图像处理和图像分析等步骤。
在进行实验时，我会按照实验计划的要求，逐步完成每个步骤。
在图像采集过程中，我会注意保持图像的清晰度和准确性，避免因操作不当而导致图像质量下降。
在图像处理和分析过程中，我会运用所学的图像处理技术，对图像进行去噪、增强和分割等操作，以便更好地观察和分析图像中的信息。
四、实验结果医学图像实验的结果往往是关于疾病诊断和治疗的重要依据。
因此，对于实验结果的准确性和可靠性要求较高。
在实验过程中，我会尽量避免人为因素对结果的影响，如避免操作失误和数据记录错误等。
同时，我也会对实验结果进行反复验证和分析，以确保结果的可靠性和科学性。
五、实验心得通过参与医学图像实验，我深刻体会到医学图像在临床诊断和治疗中的重要性。
医学图像可以提供丰富的信息，帮助医生了解病情、确定诊断和制定治疗方案。
同时，医学图像实验也需要一定的专业知识和技术支持，只有掌握了这些知识和技术，才能更好地进行实验和分析。
在实验过程中，我还发现了一些需要注意的问题。
首先，医学图像实验需要耐心和细心，因为有时图像中的细微变化可能对疾病的诊断和治疗有重要意义。
其次，实验结果的可靠性和科学性对于医学图像实验来说至关重要，因此在进行实验时要严格按照实验计划和操作规程进行，避免人为因素的影响。
身份证识别图像处理实验报告
身份证识别图象处理实验报告摘要：本实验通过图象处理技术，对身份证进行识别和处理。
通过对身份证图象的预处理、特征提取和识别算法的应用，实现了对身份证信息的自动提取和识别。
实验结果表明，该方法能够有效地识别身份证信息，具有较高的准确性和鲁棒性。
1. 引言身份证是一种重要的身份证明文件，广泛应用于各个领域。
然而，传统的手工识别方式效率低下且易出错。
因此，本实验旨在通过图象处理技术，实现对身份证的自动识别和信息提取。
2. 实验方法2.1 身份证图象预处理首先，对身份证图象进行预处理，包括灰度化、二值化、去噪等步骤。
通过将彩色图象转换为灰度图象，可以简化图象处理的复杂度。
然后，通过阈值分割将图象转化为二值图象，以便更好地提取身份证信息。
最后，采用滤波器等方法去除图象中的噪声，提高识别的准确性。
2.2 身份证信息提取在身份证图象预处理完成后，需要提取身份证的关键信息，包括姓名、性别、民族、出生日期、住址和身份证号码等。
通过图象处理技术，可以实现对这些信息的自动提取。
例如，通过模板匹配或者特征点提取等方法，可以准确地提取身份证号码。
同时，结合OCR（Optical Character Recognition，光学字符识别）技术，可以提取其他文字信息。
2.3 身份证信息识别在身份证信息提取完成后，需要对提取的信息进行识别。
通过特征提取和分类算法，可以实现对身份证信息的准确识别。
例如，可以使用支持向量机（Support Vector Machine，SVM）等机器学习算法进行分类。
通过训练模型，可以将提取的身份证信息与已知的身份证信息进行匹配，从而实现识别。
3. 实验结果与分析经过实验，我们得到了一批身份证图象，并进行了图象处理和信息识别。
实验结果表明，该方法能够有效地识别身份证信息。
在识别准确率方面，我们进行了多次实验，平均准确率达到了90%以上。
同时，该方法对于不同类型的身份证图象都具有较好的鲁棒性，能够适应不同光照条件和角度的变化。
- 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)。
重庆交通大学学生实验报告实验课程名称数字图像处理开课实验室数学实验室学院理学院年级信息与计算科学专业 2 班学生姓名李伟凯学号631122020203开课时间2014 至2015 学年第 1 学期实验（一）图像处理基础➢实验目的学习Matlab软件的图像处理工具箱，掌握常用的一些图像处理命令；通过编程实现几种简单的图像增强算法，加强对图像增强的理解。
➢实验内容题目A.打开Matlab软件帮助，学习了解Matlab中图像处理工具箱的基本功能；题目B.掌握以下常见图像处理函数的使用：imread( ) imageinfo( ) imwrite( ) imopen( ) imclose( ) imshow( ) impixel( ) imresize( ) imadjust( ) imnoise( ) imrotate( ) im2bw( ) rgb2gray( )题目C.编程实现对图像的线性灰度拉伸y = ax + b，函数形式为：imstrech(I, a,b)；题目D.编程实现对图像进行直方图均衡化处理，并将实验结果与Matab中imhist 命令结果比较。
三、实验结果1）．基本图像处理函数的使用：I=imread('rice.png');se = strel('disk',1);I_opened = imopen(I,se);%对边缘进行平滑subplot(1,2,1), imshow(I), title('原始图像')subplot(1,2,2), imshow(I_opened), title('平滑图像')原始图像平滑图像I=imread('rice.png');se = strel('disk',1);I_opened = imopen(I,se); imview(I_opened,[])Imageinfo(‘rice.png’)二、实现灰度图像的拉伸（代码）I = imread('rice.png');I1 = 2*I+5;%对其进行线性拉伸 2*I+5;subplot(1,2,1), imshow(I), title('原始图像')subplot(1,2,2), imshow(I1), title('f=2x+5')原始图像f=2x+5三、图像进行直方图均衡化处理（代码）4、编程实现对图像进行直方图均衡化处理，并将实验结果与Matab中imhist命令结果比较。
clear all;I=imread('rice.png');figure;subplot(221);imshow(I);subplot(222);imhist(I);I1=histeq(I);%直方图均衡化处理subplot(223);imshow(I1);subplot(224);imhist(I1);100200100200四、实验体会通过这次实验，让我认识到了到图像处理在我们生活中的应用。
,以及相应的直方图均衡化的方式和方法，收获颇丰实验二实验目的掌握数字图像增强的基本原理和方法，通过Matlab 编程实现图像的各种增强技术；掌握Matlab 软件图像处理工具箱中相关图像增强函数及用法。
实验内容1、利用灰度线性变换和非线性变换进行图像增强处理。
2、编程实现图像的平滑增强，分别采用3×3，6×6，8×8的窗口实现，比较窗口大小对图像平滑效果的影响。
下面给出了对应3×3平滑模板：11111119111⎡⎤⎢⎥⎢⎥⎢⎥⎣⎦3、编程实现图像的锐化增强，分别采用Robert 梯度算子，prewiit 梯度算子，Laplace 算子实现，比较实现结果，说明每种算子的锐化特点；实验要求采用Matlab 自带图像或者自己找些图像，验证自己编写的图像增强图像函数的正确性，并与Matlab 工具箱中对应函数的处理结果比较，显示处理后结果，并将代码和显示结果整理在实验报告中。
实验结果用滤波器出去图像噪声： I1=imread('C:\123.png'); I=rgb2gray(I1);subplot(2,2,1),imshow(I),title('原始图像') h=ones(3,3); h=h/9; k=conv2(I,h);subplot(2,2,2),imshow(k,[]),title('3*3平滑增强')h1=ones(6,6);h1=h1/36;k1=conv2(I,h1);subplot(2,2,3),imshow(k1,[]),title('6*6平滑增强')h2=ones(8,8);h2=h2/64;k2=conv2(I,h2);subplot(2,2,4),imshow(k2,[]),title('8*8平滑增强')得到：原始图像3*3平滑增强6*6平滑增强8*8平滑增强滤波器程序为I=imread('C:\new123.png');I=rgb2gray(I);figure(1),imshow(I),title('输出原始图像');[x,y]=size(I);a=1;c=1;%算术均值滤波for i=1+a:x-afor j=1+c:y-cJ1(i,j)=sum(sum(I(i-a:i+a,j-c:j+c),1),2)/((2*a+1)*(2*c+1));endendfigure(2),imshow(J1),title('算术均值滤波后的图像')%几何均值滤波I1=double(I);for i=1+a:x-afor j=1+c:y-cJ2(i,j)=prod(prod(I1(i-a:i+a,j-c:j+c),1),2)^(1/((2*a+1)*(2*c+1)));endendfigure(3),imshow(J2),title('几何均值滤波后的图像')输出原始图像算术均值滤波后的图像几何均值滤波后的图像四、实验体会通过这次实验，让我认识到了到图像处理在我们生活中的应用。
,以及相应的图像滤波的集中方式，以及降低噪声均值滤波和中值滤波的差异以及方式和方法，收获颇丰实验（三）一、实验目的掌握Matlab中二值图像的基本逻辑运算符号；掌握膨胀和腐蚀的基本原理和作用，可以根据实际需要，熟练使用不用结构元素进行膨胀和腐蚀操作；掌握开运算和闭运算的基本原理作用，能够熟练使用开和闭运算对二值图像进行处理。
二、实验要求找Matlab自带图像或者自己找些图像，说明1中各个函数的调用格式和功能；按2中要求进行实验，显示处理后结果，并进行必要的文字说明；按3要求编写代码，并给出实验图像效果和结论。
三、实验内容题目A. 学习Matlab的图像处理工具箱中下列函数：rgb2gray( ), im2bw( ), graythresh( ), strel( ), imdilate( ), imerode( ), imopen( ), imclose( );clcclearfigure%rgb2gray（）、将彩色图像转化为灰度图A='c:/cavin.jpg';I=imread(A);II=rgb2gray(I);imshow(II)%im2bw（）、将图像转成二值图像I=imread(A);II=im2bw(I);%灰度图和彩图均可imshow(II)%graythresh()通过otsu方法得到图像二值化时的阀值I=imread(A);I=rgb2gray(I);J=edge(I,'canny',graythresh(I));subplot(1,2,1),imshow(I),title('原图')subplot(1,2,2),imshow(J),title('边界图')%strel()创建由指定形状shape对应的结构元素，其中shape的种类有'arbitrary'、'pair'、'diamond'、'periodicline'、'disk'、'rectangle'、'line'、'square'、'octagon’s1=strel('square',6)%创建6*6的正方形s2=strel('line',10,45)%创建直线长度10，角度45s3=strel('disk',15)%创建圆盘半径15s4=strel('ball',15,5)%创建椭圆体，半径15，高度5%imdilate（）、实现图像膨胀BW=zeros(9,10);BW(4:6,4:7)=1;SE=strel('square',3);BW2=imdilate(BW,SE);figure(1),imshow(BW,'notruesize')figure(2),imshow(BW2,'notruesize')%imerode（）、实现函数腐蚀BW1=imread(A);SE=sterl('arbitrary',eye(5));BW2=imerode(BW1,SE);imshow(BW1)figure,imshow(BW2)%imopen（）、打开文件se = strel('disk',5);I_opened = imopen(A,se);figure, imshow(I_opened,[])%imclose（）、关闭文件W = imclose(A,se);figure, imshow(closeBW)题目B. 运行下面一段代码，体会形态学图像处理的几个基本操作及其作用（1）A='c:/cavin.jpg';I = imread(A);I=rgb2gray(I)subplot(1,2,1),imshow(I),title('原始图片')h = [0 1 0; 1 1 1; 0 1 0];II = imdilate(I, h);subplot(1,2,2),imshow(II),title('膨胀后图片')尝试改变上面代码中结构元素的大小和形状，运行查看结果（2）A='c:/cavin.jpg';I = imread(A);I=rgb2gray(I)subplot(1,2,1),imshow(I),title('原始图片')se = strel('disk', 10);II = imerode(I, se);subplot(1,2,2),imshow(II),title('腐蚀后图片')原始图片膨胀后图片将上面的结构元素大小分别改为5和20，运行代码，并与上面的结果比较并说明差异。