数字图像处理实验四(噪声添加)
数字图像处理实验报告
数字图像处理实验报告实验一数字图像处理编程基础一、实验目的1. 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；6. 编程实现图像类型间的转换。
二、实验内容1. 实现对图像文件的读/写/信息查询，图像显示--显示多幅图像、4种图像类型的显示方法、图像类型间的转换。
2. 运行图像处理程序，并保存处理结果图像。
三、源代码I=imread('cameraman.tif')imshow(I);subplot(221),title('图像1');imwrite('cameraman.tif')M=imread('pout.tif')imview(M)subplot(222),imshow(M);title('图像2');imread('pout.bmp')N=imread('eight.tif')imview(N)subplot(223),imshow(N);title('图像3');V=imread('circuit.tif')imview(V)subplot(224),imshow(V);title('图像4');N=imread('C:\Users\Administrator\Desktop\1.jpg')imshow(N);I=rgb2gary(GRB)[X.map]=gary2ind(N,2)RGB=ind2 rgb(X,map)[X.map]=gary2ind(I,2)I=ind2 gary(X,map)I=imread('C:\Users\dell\Desktop\111.jpg');subplot(231),imshow(I);title('原图');M=rgb2gray(I);subplot(232),imshow(M);[X,map]=gray2ind(M,100);subplot(233),imshow(X);RGB=ind2rgb(X,map);subplot(234),imshow(X);[X,map]=rbg2ind(I);subplot(235),imshow(X);四、实验效果实验二 图像几何变换实验一、实验目的1．学习几种常见的图像几何变换，并通过实验体会几何变换的效果；2．掌握图像平移、剪切、缩放、旋转、镜像等几何变换的算法原理及编程实现；3．掌握matlab 编程环境中基本的图像处理函数。
数字图像处理实验4 冈萨雷斯
实验四图像的滤波处理与图像空间变换一、实验目的：1、了解MATLAB 工具箱中滤波器2、掌握用滤波方式去除图像噪声算法3、学会对图像的空间变换二、实验内容1、生成含有噪声的图像分别用imnoise()，imnoise2()，imnoise3()函数生成含有噪声的图像，改变相应参数，观察图像变化，理解各参数的作用。
Imnoise2()的使用：在图像‘Fig0704(Vase).tif.tif’中加入均值为0，标准差为0.1 的高斯噪声。
显示如下图。
2、噪声估计用roipoly()、histroi()、statmoments()等函数进行图像噪声参数估计。
显示图如下。
3、设计陷波滤波器（Notch filter）利用以下公式编程实现陷波滤波器。
显示图类似如下：10.80.60.40.26060404020200 010.80.60.40.26060404020200 04、图像的空间变换用测试图像（C = checkerboard()）产生一个指定形状的变形图像，学习使用函数：maketform()，imtransform()，产生类似下列各图。
i=imread('Fig0704(Vase).tif.tif');g1=imnoise(i,'gaussian',0,0.01);n2=imnoise2('gaussian',512,512,0,0.1); g2=im2double(i)+n2;figure,imshow(g2);[b,c,r]=roipoly(g2);[p,npix]=histroi(i,c,r);[v,unv]=statmoments(p,2);figure,bar(p,1);c=checkerboard(8);figure,imshow(pixeldup(c,8),[]);t1=[1 0 0;1 1 0;0 0 1];tform1=maketform('affine',t1);c1=imtransform(c,tform1,'Fillvalue',0.5); figure,imshow(pixeldup(c1,4),[]);t2=[1 1 0;0 1 0;0 0 1];tform2=maketform('affine',t2);c2=imtransform(c,tform2,'Fillvalue',0.5); figure,imshow(pixeldup(c2,4),[]);。
实验四 图像增强
信息工程学院实验报告课程名称：数字图像处理Array实验项目名称：实验四图像增强实验时间：班级：姓名：学号：一、实验目的1.了解图像增强的目的及意义，加深对图像增强的感性认识，巩固所学理论知识。
2. 掌握图像空域增强算法的基本原理。
3. 掌握图像空域增强的实际应用及MATLAB实现。
4. 掌握频域滤波的概念及方法。
5. 熟练掌握频域空间的各类滤波器。
6.掌握怎样利用傅立叶变换进行频域滤波。
7. 掌握图像频域增强增强的实际应用及MATLAB实现。
二、实验步骤及结果分析1. 基于幂次变换的图像增强程序代码：clear all;close all;I{1}=double(imread('fig534b.tif'));I{1}=I{1}/255;figure,subplot(2,4,1);imshow(I{1},[]);hold onI{2}=double(imread('room.tif'));I{2}=I{2}/255;subplot(2,4,5);imshow(I{2},[]);hold onfor m=1:2Index=0;for lemta=[0.5 5]Index=Index+1;F{m}{Index}=I{m}.^lemta;subplot(2,4,(m-1)*4+Index+1),imshow(F{m}{Index},[])endend执行结果：图1 幂次变换增强结果实验结果分析：由实验结果可知，当r<1时，黑色区域被扩展，变的清晰；当r>1时，黑色区域被压缩，变的几乎不可见。
2.直方图规定化处理程序代码：clear allclcclose all%0.读图像I=double(imread('lena.tiff'));subplot(2,4,1);imshow(I,[]);title('原图')N=32;Hist_image=hist(I(:),N);Hist_image=Hist_image/sum(Hist_image);Hist_image_cumulation=cumsum(Hist_image);%累计直方图subplot(245);stem(0:N-1,Hist_image);title('原直方图');%1.设计目标直方图Index=0:N-1;%正态分布直方图Hist{1}=exp(-(Index-N/2).^2/N);Hist{1}=Hist{1}/sum(Hist{1});Hist_cumulation{1}=cumsum(Hist{1});subplot(242);stem([0:N-1],Hist{1});title('规定化直方图1');%倒三角形状直方图Hist{2}=abs(2*N-1-2*Index);Hist{2}=Hist{2}/sum(Hist{2});Hist_cumulation{2}=cumsum(Hist{2});subplot(246);stem(0:N-1,Hist{2});title('规定化直方图2');%2. 规定化处理Project{1}=zeros(N);Project{2}=zeros(N);Hist_result{1}=zeros(N);Hist_result{2}=zeros(N);for m=1:2Image=I;%SML处理(SML,Single Mapping Law单映射规则for k=1:NTemp=abs(Hist_image_cumulation(k)-Hist_cumulation{m});[Temp1,Project{m}(k)]=min(Temp);end%2.2 变换后直方图for k=1:NTemp=find(Project{m}==k);if isempty(Temp)Hist_result{m}(k)=0;elseHist_result{m}(k)=sum(Hist_image(T emp));endendsubplot(2,4,(m-1)*4+3);stem(0:N-1,Hist_result{m}); title(['变换后的直方图',num2str(m)]);%2.3结果图Step=256/N;for K=1:NIndex=find(I>=Step*(k-1)&I<Step*k) ;Image(Index)=Project{m}(k);endsubplot(2,4,(m-1)*4+4),imshow(Imag e,[]);title(['变换后的结果图',num2str(m)]);end执行结果：原图规定化直方图2变换后的直方图1变换后的结果图1变换后的直方图2变换后的结果图2图2 直方图规定化实验结果分析：由实验结果可知，采用直方图规定化技术后，原图的直方图逼近规定化的直方图，从而有相应的变换后的结果图1和变换后的结果图2。
数字图像处理第四章作业
第四章图像增强1.简述直方图均衡化处理的原理和目的。
拍摄一幅较暗的图像，用直方图均衡化方法处理，分析结果。
原理：直方图均衡化处理的“中心思想”是把原始图像的灰度直方图从比较集中的某个灰度区间变成在全部灰度范围内的均匀分布。
也就是对图像进行非线性拉伸，重新分配图像像素值，使一定灰度范围内的像素数量大致相同。
把给定图像的直方图分布改变成“均匀”分布直方图分布目的：直方图均衡化是图像处理领域中利用图像直方图对对比度进行调整的方法。
它通常用来增加许多图像的局部对比度，尤其是当图像的有用数据的对比度相当接近的时候。
通过直方图均衡化，亮度可以更好地在直方图上分布。
这样就可以用于增强局部的对比度而不影响整体的对比度，直方图均衡化通过有效地扩展常用的亮度来实现这种功能。
Matlab程序如下：clc;RGB=imread('wxf.jpg'); %输入彩色图像，得到三维数组R=RGB(:,:,1); %分别取三维数组的一维，得到红绿蓝三个分量G=RGB(:,:,2); %为R G B。
B=RGB(:,:,3);figure(1)imshow(RGB); %绘制各分量的图像及其直方图title('原始真彩色图像');figure(2)subplot(3,2,1),imshow(R);title('真彩色图像的红色分量');subplot(3,2,2), imhist(R);title('真彩色图像的红色分量直方图');subplot(3,2,3),imshow(G);title('真彩色图像的绿色分量');subplot(3,2,4), imhist(G);title(' 的绿色分量直方图');subplot(3,2,5),imshow(B);title('真彩色图像的蓝色分量');subplot(3,2,6), imhist(B);title('真彩色图像的蓝色分量直方图');r=histeq(R); %对个分量直方图均衡化，得到个分量均衡化图像g=histeq(G);b=histeq(B);figure(3),subplot(3,2,1),imshow(r);title('红色分量均衡化后图像');subplot(3,2,2), imhist(r);title('红色分量均衡化后图像直方图');subplot(3,2,3),imshow(g);title('绿色分量均衡化后图像');subplot(3,2,4), imhist(g);title('绿色分量均衡化后图像直方图');subplot(3,2,5), imshow(b);title('蓝色分量均衡化后图像');subplot(3,2,6), imhist(b);title('蓝色分量均衡化后图像直方图');figure(4), %通过均衡化后的图像还原输出原图像newimg = cat(3,r,g,b); %imshow(newimg,[]);title('均衡化后分量图像还原输出原图');程序运行结果：原始真彩色图像均衡化后分量图像还原输出原图图1.1 原始图像与均衡化后还原输出图像对比通过matlab仿真，由图1.1比较均衡化后的还原图像与输入原始真彩色图像，输出图像轮廓更清晰，亮度明显增强。
加噪去噪的方法与引用场景
加噪去噪的方法与引用场景
加噪和去噪是数字图像处理中的重要概念。
以下是几种加噪和去噪的方法，以及它们的引用场景：
加噪的方法：
1. 添加高斯噪声：在图像中添加高斯噪声可以模拟图像在传输或记录过程中受到的随机误差。
高斯噪声是一种以正态分布形式出现的随机噪声。
2. 添加椒盐噪声：椒盐噪声是一种由图像传感器、传输信道等引起的随机误差，表现为图像中突然出现的白点或黑点。
添加椒盐噪声可以模拟这种情况。
去噪的方法：
1. 中值滤波：中值滤波器是一种非线性滤波器，可以将图像中的噪声去除。
中值滤波器对某个区域内的所有像素值进行排序，并将中值作为输出，对于去除椒盐噪声特别有效。
2. 高斯滤波：高斯滤波器是一种线性滤波器，通过将每个像素的值替换为其邻域内像素的加权平均值来去除噪声。
高斯滤波适用于去除高斯噪声。
3. 傅里叶变换：傅里叶变换可以将图像从空间域转换到频率域，通过在频率域中进行滤波操作，再反变换回空间域，可以达到去除噪声的效果。
傅里叶变换可以用于去除各种类型的噪声。
引用场景：
1. 医学图像处理：在医学领域，图像处理技术广泛应用于诊断、治疗和手术导航等方面。
去噪算法可以用于提高医学图像的清晰度和可读性，帮助医生更准确地诊断病情。
2. 遥感图像处理：遥感图像经常受到噪声的干扰，影响其质量和解译效果。
去噪算法可以提高遥感图像的信噪比，从而提高遥感数据的可利用性和可靠性。
3. 通信系统：在通信系统中，噪声是影响信号传输质量的重要因素之一。
通过去噪算法可以降低噪声对信号的影响，提高通信系统的性能和可靠性。
数字图像处理图像增强实验报告
实验报告班级：08108班姓名：王胤鑫 09号学号：08210224一、实验内容给出噪声图像Girl_noise.jpg，请选择合适的图像增强算法，给出你认为最优的增强后的图像。
可以使用Matlab - Image Processing Toolbox 中的处理函数。
原始图像如下：二、算法分析对于给出的图像中有灰色的噪声，因此首先处理灰色的线条，根据其方差的大小来判断其所在行。
对于两条白色的噪声，根据与前后两行的对比来判断其所在位置。
程序中设定灰色线条处理的均方差门限为0.1，白线处理的标准为与前后两行的差值超过0.2（转换为double型）。
滤除噪声之后再通过中值滤波、拉普拉斯图像增强等方式对图像进行处理。
三、matlab 源程序clear all;clc;f=imread('girl_noise.jpg');figure,imshow(f),title('原始图像');[m,n]=size(f);f0= im2double(f); % 整型转换为double 类f1=f0;std_i=zeros(1,m-2);%灰线处理for i=2:m-1%灰线处理std_i(i-1)=std(f0(i,:));if(std_i(i-1)<0.1)for j=1:mf0(i,j)=(f0(i-1,j)+f0(i+1,j))/2;endendfigure,imshow(f0),title('滤除灰线后的图像');fz=f0-f1;[r,c]=find(fz~=0);%寻找灰线噪声的位置f2=f0;change=0;count=0;for i=3:m-2%白线处理for j=1:mif(abs(f0(i,j)-f0(i-1,j))>0.2&&abs(f0(i,j)-f0(i+1,j))>0.2)count=count+1;endif(count>n*0.8)count=0;change=1;break;endendif(change==1)for k=1:mf0(i,k)=(f0(i-1,k)+f0(i+1,k))/2;endchange=0;count=0;endendfigure,imshow(f0),title('滤除白线后的图像');fz1=f2-f0;[r1,c1]=find(fz1~=0); %寻找白线噪声的位置fn = medfilt2(f0); %反射对称填充figure, imshow(fn),title('中值滤波后的图像');f0 = im2double(fn); % 整型转换为double 类g =2*f0- imfilter(f0,w4, 'replicate'); % 增强后的图像figure, imshow(g),title('高提升滤波图像(A=2)');四、图像处理结果五、结果分析从上面结果可以看出，带状噪声处理部分，已经基本将带状噪声去除。
图像的噪声处理
实验名称：图像的噪声处理一、实验目的1、用中值滤波法对图像进行处理2、通过对算法和代码的修改，从而用另一种方法——噪声消除法对图像进行处理二、基本原理1、中值滤波：是对一个滑动窗口（模板）内的诸像素灰度值排序，然后用中间的一个值来代替窗口中心像素的原来的灰度值。
2、噪声消除法：顺序检测每一个像素，如果一个像素的幅度大于或小于起领域平均值，且达到一定的程度，即一个像素的幅度和其领域平均值的差值的绝对值达到一定的程度，则判定该像素为噪声，继而用其领域平均值来代替该像素。
数学表达三、实验步骤1、打开Matlab，在工作区中敲入如下的代码：代码解释：>>clear；clc; 清空工作区>> A=imread('pout.tif'); 打开图片>> B=imnoise(A,'salt & pepper',0.25); 加入噪声>> C=B;>> [height,width]=size(C); 对工作区的高宽进行定义>> for j=2:height-1 因为图像的边缘不用处理，所以从第二行的第二个像素点开始进行处理for i=2:width-1 同上一样，从第二列的第二个像素点开始m=1;n=1;for yy=j-1:j+1 这几行是利用循环制造出一个for xx=i-1:i+1 3*3的矩阵出来,并利用循环对block(m,n)=B(yy,xx); 图像中的所有像素点进行处理n=n+1;endm=m+1;n=1;endOne=reshape(block,9,1); 将表格中9个像素值列出来sequece=sort(One); 对9个像素值从小到大进行排序media=sequece(5); 取中间的一个像素值赋给mediaC(j,i)=media; 在将media的值赋予表格中间的一个值endendfigure(1); 控制出现一个窗口subplot(1,3,1); 设置子图，表示有1行3列共3个子图，正在绘制第1个imshow(A); 显示A所表示的图axis('square');title('原始图像'); 标题“原始图像”subplot(1,3,2); 设置子图，表示有1行3列共3个子图，正在绘制第2个imshow(B); 显示B所表示的图axis('square');title('加入噪声后的图像'); 标题“加入噪声后的图像”subplot(1,3,3); 设置子图，表示有1行3列共3个子图，正在绘制第3个imshow(C); 显示C所表示的图axis('square');title('中值滤波后的图像'); 标题“中值滤波后的图像”2、对上述代码的第18到21行进入如下的修改：将原代码替换成如下的代码即可：avg=mean(mean(block)); 求表格中9个像素值的平均值dif=avg-C(j,i); 求某个像素值和其领域像素平均值的差值dif=abs(dif); 求差值的绝对值if dif>T 进行判断，如果差值的绝对值大于所设定的C(j,i)=avg; T值，就将领域的平均值赋予这个像素值。
数字图像处理实验报告(输入与输出颜色分量、直方图与噪声平滑实验
利用MATLAB图像处理工具箱中的函数，在MATLAB编程环境下，1）实现图像的灰度变换与直方图运算；2）实现图像的噪声平滑。
三、实验内容和数据记录
（一）实验内容
1．开启计算机，运行MATLAB集成开发环境。
2．读入一幅灰度图像，用MATLAB编程实现该灰度图像的直方图绘制，图像的灰度级调整，图像的直方图均衡化等；
B=imnoise(I, 'gaussian');
subplot(2,2,1);imshow(B);title('高斯噪声图象');
C=imnoise(I, 'salt & pepper');
subplot(2,2,2);imshow(C);title('椒盐噪声图象');
h=fspecial('average' ); K=imfilter(B, h);
学生实验报告
课程名称
《数字图像处理实验》
实验名称
基础实验一
(输入输出与颜色分量实验)
班级，姓名
10电信B，
实验时间
2013年5月23日
学号
指导教师
报告内容
一、实验目的和任务
熟悉由图像输入设备、图像处理设备及图像输出设备组成的数字图像处理系统，熟悉MATLAB软件开发环境。学习MATLAB编程环境下对图像的输入输出操作、颜色分量的理解、格式转换操作以及对图像的像素级运算操作。
subplot(2,2,3);imshow(K);title('均值滤波');
L=medfilt2(C);
subplot(2,2,4);imshow(L);title('中值滤波');
- 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)。
数字图像处理实验四
实验地点计算机学院实验室
内容一：
继续上次实验三的内容：邻域平均和中值滤波程序的编写和实验。
内容二：
如果完成实验三，并且按照模板写好实验三的实验报告。
请各位同学于12月底前将实验报告提交。
内容三（可选）：
如果完成上述实验后，时间还有剩余：请尝试给test.bmp图像增添椒盐噪声，内容如下：
给图像增加椒盐噪声
加入噪声(盐)
255
加入噪声(椒)
未加噪声的图像图像：test.bmp加噪过程结果图像
实验内容：随机的在图像上选取一定数量的像素点，将这些点的灰度值取为255 或者0。
实验的图像部分结果参考如下：
加入盐噪声的图像加入椒噪声的图像加入椒盐噪声的图像。