matlab图像处理综合实验实验报告
matlab图象处理实验报告
对图像lena.bmp 添加高斯噪声，并分别进行均值滤波和中值滤波。
程序：I=imread('d:\lena.bmp');subplot(2,2,1),imshow(I)title('原始图像')I=imnoise(I,'gaussian',0,0.02); % 添加均值为0，方差为0.02的高斯噪声 subplot(2,2,2),imshow(I)title('加噪图像')h=[1 1 1;1 1 1;1 1 1];h=h/9; % 产生3×3的均值滤波模板 J1=filter2(h,I,'same'); % 用均值模板对图像I 滤波 subplot(2,2,3),imshow(J1,[])%subplot(2,2,3),imshow(J1/255)%J1=uint8(J1);subplot(2,2,3),imshow(J1)title('均值滤波结果')J2=medfilt2(I); % 用3×3的滤波窗口对图像I 进行中值滤波 subplot(2,2,4),imshow(J2)title('中值滤波结果')结果：加噪图像中值滤波结果原始图像均值滤波结果I=imread('d:\lena.bmp');subplot(2,2,1),imshow(I)title('原始图像')hx=[-1 -2 -1;0 0 0;1 2 1]; % 生成Sobel 垂直梯度模板 hy=hx'; % 生成Sobel 水平梯度模板 gradx=filter2(hx,I,'same');gradx=abs(gradx); % 计算图像的Sobel 垂直梯度 subplot(2,2,2),imshow(gradx,[])title('图像的Sobel 垂直梯度')grady=filter2(hy,I,'same');grady=abs(grady);% 计算图像的Sobel 水平梯度 subplot(2,2,3),imshow(grady,[])title('图像的Sobel 水平梯度')grad=gradx+grady;% 得到图像的Sobel 梯度subplot(2,2,4),imshow(grad,[])title('图像的Sobel 梯度')结果：图像的Sobel 垂直梯度图像的Sobel 梯度原始图像图像的Sobel 水平梯度。
matlab 数字图像处理实验报告(五份)
《数字图像处理实验报告》实验一图像的增强一.实验目的1.熟悉图像在MATLAB下的读写、输出；2.熟悉直方图；3.熟悉图像的线性指数等；4.熟悉图像的算术运算和几何变换。
二.实验仪器计算机、MATLAB软件三.实验原理图像增强是指根据特定的需要突出图像中的重要信息，同时减弱或去除不需要的信息。
从不同的途径获取的图像，通过进行适当的增强处理，可以将原本模糊不清甚至根本无法分辨的原始图像处理成清晰的富含大量有用信息的可使用图像。
其基本原理是：对一幅图像的灰度直方图，经过一定的变换之后，使其成为均匀或基本均匀的，即使得分布在每一个灰度等级上的像素个数．f=H等或基本相等。
此方法是典刑的图像空间域技术处理，但是由于灰度直方图只是近似的概率密度函数，因此，当用离散的灰度等级做变换时，很难得到完全平坦均匀的结果。
频率域增强技术频率域增强是首先将图像从空间与变换到频域，然后进行各种各样的处理，再将所得到的结果进行反变换，从而达到图像处理的目的。
常用的变换方法有傅里叶变换、DCT变换、沃尔什-哈达玛变换、小波变换等。
假定原图像为f(x，y)，经傅立叶变换为F(u，v)。
频率域增强就是选择合适的滤波器H(u,v)对F(u,v)的频谱成分进行处理，然后经逆傅立叶变换得到增强的图像。
四.实验内容及步骤1.图像在MATLAB下的读写、输出；实验过程：>> I = imread('F:\image\624baf9dbcc4910a.jpg');figure;imshow(I);title('Original Image');text(size(I,2),size(I,1)+15, ...'IMG_20170929_130307.jpg', ...'FontSize',7,'HorizontalAlignment','right');Warning: Image is too big to fit on screen; displaying at 25% > In imuitools\private\initSize at 86In imshow at 196Original Image2.给定函数的累积直方图。
matlab图像处理实验
matlab图像处理实验实验⼀ Matlab语⾔、数字图象基本操作⼀、实验⽬的1、复习MATLAB语⾔的基本⽤法；2、掌握MATLAB语⾔中图象数据与信息的读取⽅法；3、掌握在MATLAB中绘制灰度直⽅图的⽅法，了解灰度直⽅图的均衡化的⽅法。
⼆、实验原理MATLAB是集数值计算，符号运算及图形处理等强⼤功能于⼀体的科学计算语⾔。
作为强⼤的科学计算平台，它⼏乎能够满⾜所有的计算需求。
MATLAB软件具有很强的开放性和适⽤性。
在保持内核不变的情况下，MATLAB可以针对不同的应⽤学科推出相应的⼯具箱(toolbox)。
⽬前，MATLAB已经把⼯具箱延伸到了科学研究和⼯程应⽤的诸多领域，诸如数据采集、概率统计、信号处理、图像处理和物理仿真等，都在⼯具箱（Toolbox）家族中有⾃⼰的⼀席之地。
在实验中我们主要⽤到MATLAB提供图象处理⼯具箱（Image ProcessingToolbox）。
1、MATLAB与数字图像处理MATLAB全称是Matrix Laboratory（矩阵实验室），⼀开始它是⼀种专门⽤于矩阵数值计算的软件，从这⼀点上也可以看出，它在矩阵运算上有⾃⼰独特的特点。
实际上MATLAB中的绝⼤多数的运算都是通过矩阵这⼀形式进⾏的。
这⼀特点也就决定了MATLAB在处理数字图像上的独特优势。
理论上讲，图像是⼀种⼆维的连续函数，然⽽在计算机上对图像进⾏数字处理的时候，⾸先必须对其在空间和亮度上进⾏数字化，这就是图像的采样和量化的过程。
⼆维图像进⾏均匀采样，就可以得到⼀幅离散化成M×N样本的数字图像，该数字图像是⼀个整数阵列，因⽽⽤矩阵来描述该数字图像是最直观最简便的了。
⽽MATLAB的长处就是处理矩阵运算，因此⽤MATLAB处理数字图像⾮常的⽅便。
MATLAB⽀持五种图像类型，即索引图像、灰度图像、⼆值图像、RGB图像和多帧图像阵列；⽀持BMP、GIF、HDF、JPEG、PCX、PNG、TIFF、XWD、CUR、ICO等图像⽂件格式的读，写和显⽰。
matlab图像处理实验报告
matlab图像处理实验报告《Matlab图像处理实验报告》摘要：本实验报告通过使用Matlab软件进行图像处理实验，对图像进行了灰度化、二值化、边缘检测、图像增强等处理，通过实验结果分析，验证了Matlab在图像处理领域的实用性和有效性。
1. 实验目的本实验旨在通过Matlab软件进行图像处理实验，掌握图像处理的基本方法和技术，提高对图像处理算法的理解和应用能力。
2. 实验原理图像处理是对图像进行数字化处理的过程，主要包括图像获取、图像预处理、图像增强、图像分割和图像识别等步骤。
Matlab是一种功能强大的科学计算软件，具有丰富的图像处理工具箱，可用于图像的处理、分析和识别。
3. 实验内容（1）图像灰度化首先，通过Matlab读取一幅彩色图像，并将其转换为灰度图像。
利用Matlab 中的rgb2gray函数，将RGB图像转换为灰度图像，实现图像的灰度化处理。
（2）图像二值化接着，对灰度图像进行二值化处理，将图像转换为黑白二值图像。
利用Matlab 中的im2bw函数，根据设定的阈值对灰度图像进行二值化处理，实现图像的二值化处理。
（3）边缘检测然后，对二值图像进行边缘检测处理，提取图像的边缘信息。
利用Matlab中的edge函数，对二值图像进行边缘检测处理，实现图像的边缘检测处理。
（4）图像增强最后，对原始图像进行图像增强处理，改善图像的质量和清晰度。
利用Matlab 中的imadjust函数，对原始图像进行图像增强处理，实现图像的增强处理。
4. 实验结果分析通过实验结果分析，可以发现Matlab在图像处理领域具有较高的实用性和有效性。
通过Matlab软件进行图像处理实验，可以快速、方便地实现图像的处理和分析，提高图像处理的效率和精度，为图像处理技术的研究和应用提供了重要的工具和支持。
5. 结论本实验通过Matlab图像处理实验，掌握了图像处理的基本方法和技术，提高了对图像处理算法的理解和应用能力。
数字图像处理matlab版实验报告
数字图像处理实验报告（matlab版）一．实验目的：熟悉数字图像处理中各种椒盐噪声的实质，明确各种滤波算法的的原理。
进一步熟悉matlab的编程环境，熟悉各种滤波算法对应的matlab函数。
实验结果给以数字图像处理课程各种算法处理效果一个更直观的印象。
二.实验原理:1．IPT(图像处理工具箱)基本函数介绍1. imread函数该函数用于从图形文件中读出图像。
格式A=IMRAED(FILENAME,FMT)。
该函数把FILENAME 中的图像读到A中。
若文件包含一个灰度图,则为二维矩阵。
若文件包含一个真彩图(RGB),则A为一三维矩阵。
FILENAME指明文件，FMT指明文件格式。
格式[X,MAP]=IMREAD(FILENAME,FMT).把FILENAME中的索引图读入X,其相应的调色板读到MAP中.图像文件中的调色板会被自动在范围[0,1]内重新调节。
FMT的可能取值为jpg 或jpeg,tif或tiff,bmp,png,hdf,pcx,xwd。
2.imwrite函数该函数用于把图像写入图形文件中。
格式IMWRITE(A,FILENAME,FMT)把图像A写入文件FILENAME中。
FILENAME指明文件名, FMT指明文件格式。
A既可以是一个灰度图,也可以是一个真彩图像。
格式IMWRITE(X,MAP,FILENAME,FMT)把索引图及其调色板写入FILENAME中。
MAP必须为合法的MATLAB调色板,大多数图像格式不支持多于256色的调色板。
FMT的可能取值为tif或tiff,jpg或jpeg,bmp,png,hdf,pcx,xwd。
3. imshow函数显示图像。
格式IMSHOW(I,N).用N级离散灰度级显示灰度图象I。
若省略N,默认用256级灰度显示24位图像,64级灰度显示其他系统。
格式IMSHOW(I,[LOW HIGH])，把I 作为灰度图显示。
LOW值指定为黑色,HIGH指定为白色，中间为按比例分布的灰色。
matlab数字图像处理实验报告
subplot(2,1,1);imshow(j);title('噪声干扰图像')
subplot(2,1,2);imshow(M);title('改进后的图像')
3、采用三种不同算子对图像进行锐化处理
应用Sobel算子锐化图像
Z2=imsubtract(A,B)
Z3=immultiply(A,B)
Z4=imdivide(A,B)
subplot(3,2,1); imshow(A);title('原图像A') subplot(3,2,2); imshow(B);title('原图像B') subplot(3,2,3); imshow(Z1);title('加法图像') subplot(3,2,4); imshow(Z2);title('减法图像') subplot(3,2,5); imshow(Z3);title('乘法图像') subplot(3,2,6); imshow(Z2);title('除法图像')
imshow(l);
title('Original lmage 1;
THETA = 11;
PSF = fspecial('motion', LEN, THETA);
blurred = imfilter(l, PSF, 'conv', 'circular');
算子滤波锐化
应用prewitt算子锐化图像 算子滤波锐化
应用log算子锐化图像
实验一 MATLAB_图像处理实验报告
实验一 MATLAB_图像处理实验报告实验报告课程名称数字图像处理实验名称图像的几何变换姓名__吴征宇学号____ 3101110002 专业班级_ 实验日期__20XX_ 年_10 _月_18 日成绩_____ __ 指导教师___ _一、实验目的掌握图像平移、缩放、旋转与镜像变换；二、实验原理图像平移，自写平移函数function outImage=immove(inImage,Tx,Ty) [m, n] = size(inImage);%计算图象大小outImage = uint8(zeros(m+abs(Ty), n+abs(Tx))); if(Tx>0&&Ty>0) %往右下角平移的情况outImage(1+Ty:m+Ty,1+Tx:n+Tx) = inImage; else if(Tx0) %往左下角平移的情况outImage(1+Ty:m+Ty,1:n) = inImage; else % 往右上角平移的情况outImage(1:m,1+Tx:n+Tx) = inImage; end endend 主函数I=imread('C:\\Documents and Settings\\student\\桌面\\'); J=rgb2gray(I);imshow(J);title('原图像'); H=immove(J,100,-100);figure;imshow(H);title('平移后图像'); B=immove(J,80,-50);figure;imshow(B);title('平移后图像'); G=imresize(J,);figure;imshow(G);title('缩放后图像'); C=imresize(J,2);figure;imshow(C);title('缩放后图像'); D=imrotate(J,30);figure;imshow(D);title('旋转后图像'); E=imrotate(J,54);figure;imshow(E);title('旋转后图像'); F = flipdim(J,1);figure;imshow(F);title('垂直镜像图像'); G = flipdim(J,2);figure;imshow(G);title('水平镜像图像');三、实验环境Window 20XX Matlab1．利用imread( )函数读取一幅图像，假设其名为，存入一个数组中；a=imread('')2．利用whos 命令提取该读入图像的基本信息；3．利用imshow 函数来显示这幅图像；4．利用imfinfo函数来获取图像文件的压缩，颜色等等其他的详细信息；5．利用imwrite 函数来压缩这幅图象，将其保存为一幅压缩了像素的jpg文件,设为；语法：imwrite(原图像，新图像，‘quality’,q), q取0-100。
matlab简单图像处理实验报告
实验一：图像文件类型转换实验目的：理解数字图像文件的几种基本类型掌握在MATLAB中进行图象文件类型转换的方法观察图象转换前后的效果加深对图象文件类型的理解熟悉图象格式、颜色系统间的转换实验内容：1）灰度图像与索引图像的相互转换2）RGB图像与索引图像的相互转换3）将图像转换为二值化图像实验方法：利用MATLAB工具进行实验一、灰度图像到索引图像的转换clear>> info=imfinfo('rice.png')info =Filename: 'rice.png'FileModDate: '26-Jan-2003 00:03:06'FileSize: 44607Format: 'png'FormatVersion: []Width: 256Height: 256BitDepth: 8ColorType: 'grayscale'FormatSignature: [137 80 78 71 13 10 26 10]Colormap: []Histogram: []InterlaceType: 'none'Transparency: 'none'SimpleTransparencyData: []BackgroundColor: []RenderingIntent: []Chromaticities: []Gamma: []XResolution: []YResolution: []ResolutionUnit: []XOffset: []YOffset: []OffsetUnit: []SignificantBits: []ImageModTime: '27 Dec 2002 19:57:12 +0000'Title: []Author: []Description: 'Rice grains'Copyright: 'Copyright The MathWorks, Inc.'CreationTime: []Software: []Disclaimer: []Warning: []Source: []Comment: []OtherText: []RGB=imread('rice.png');>> figure(3);>> imshow(RGB);>> figure(1);>> [RGB1,map1]=gray2ind(RGB,128);>> imshow(RGB1,map1);>> figure(2);>> [RGB2,map2]=gray2ind(RGB,16);>> imshow(RGB2,map2);>> imwrite(RGB1,map1,'3.bmp');>> imwrite(RGB2,map2,'4.bmp');图3 图1图2实验结果分析：从上述实验结果，我们可以看出灰度级不同，图像的亮度也不一样。
- 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》实验报告学院：专业：班级：姓名：学号：实验一实验名称：图像增强实验目的：1.熟悉图像在Matlab下的读入，输出及显示；2.熟悉直方图均衡化；3.熟悉图像的线性指数等；4.熟悉图像的算术运算及几何变换.实验仪器：计算机，Matlab软件实验原理：图像增强是为了使受到噪声等污染图像在视觉感知或某种准则下尽量的恢复到原始图像的水平之外，还需要有目的性地加强图像中的某些信息而抑制另一些信息，以便更好地利用图像。
图像增强分频域处理和空间域处理，这里主要用空间域的方法进行增强。
空间域的增强主要有：灰度变换和图像的空间滤波。
图像的直方图实际上就是图像的各像素点强度概率密度分布图，是一幅图像所有像素集合的最基本统计规律，均衡化是指在每个灰度级上都有相同的像素点过程。
实验内容如下：I=imread('E:\cs.jpg');%读取图像subplot(2,2,1),imshow(I),title('源图像')J=rgb2gray(I)%灰度处理subplot(2,2,2),imshow(J) %输出图像title('灰度图像') %在原始图像中加标题subplot(2,2,3),imhist(J) %输出原图直方图title('原始图像直方图')0100200I=imread('E:\cs.jpg');%读取图像subplot(1,2,1),imshow(I);theta = 30;K = imrotate(I,theta);subplot(1,2,2),imshow(K)对数运算：I=imread('E:\dog.jpg');subplot(2,2,1),imshow(I),title('源图像')J=rgb2gray(I)%灰度处理subplot(2,2,2),imshow(J),title('灰度变换后图像') J1=log(1+double(J));subplot(2,2,3),imshow(J1,[]),title('对数变换后')指数运算:I=imread('E:\dog.jpg');f=double(I);g=(2^2*(f-1))-1f=uint8(f);g=uint8(g);subplot(1,2,1);subimage(f),title('变换一') subplot(1,2,2);subimage(g),title('变换二')加法运算：clc;clear all;close all; i = imread('E:\dog.jpg');j = imnoise(i,'gaussian',0,0.02); subplot(1,3,1),imshow(i),title('图一') subplot(1,3,2),imshow(j),title('图二') k=zeros(242,308); for p=1:100j = imnoise(i,'gaussian',0,0.02); j1 = im2double(j); k = k + j1; end k=k/100;subplot(1,3,3),imshow(k),title('图三')200400600100200300400500200400600100200300400500实验二实验名称：图像变换实验目的：（1）进一步对matlab的了解和使用；（2）学习如何在matlab中对数字图像的处理；实验原理：图像和其他信号一样，既能在空间域处理，也能在频率域处理。
把图像信息从空域变换到频域，可以更好的分析加工处理。
因为图像信息的频域处理具有如下特点：（1）能量守恒，但能量重新分配；（2）有利于提取图像的某些特征；（3）正交变换具有能量集中作用，可以实现图像的高效压缩编码；（4）频域用快速算法；实验器材：电脑matlab软件实验内容：（1）了解正交变换基本概念（2）掌握图像的离散傅里叶和离散余弦变换（3）熟悉图像的沃尔什及哈达玛变换实验过程如下：傅里叶变换I = imread('E:\dog.jpg')I = rgb2gray(I)J = fft2(I)subplot(2,2,1),imshow(I),title('灰度变换')J = fftshift(J)subplot(2,2,2),imshow(log(abs(J)),[]),title('傅里叶变换') J(abs(J)<5000)=0subplot(2,2,3),imshow(log(abs(J)+eps),[]),title('滤波') J = ifftshift(J)K = ifft2(J)subplot(2,2,4),imshow(K,[0 255]),title('傅里叶逆变换')余弦变换：clear all;RGB=imread('E:\dog.jpg');I=rgb2gray(RGB);figure;imshow(I);title('灰度图像');J=dct2(I);figure;imshow(log(abs(J)),[]);colormap(jet(64)),colorbar;title('二维离散余弦变换')沃尔什—哈达玛变换： I=zeros(2.^8);I(2.^7-2.^4+1:2.^7+2.^4,2.^7-2.^4+1:2.^7+2.^4)=ones(2*2.^4);subplot(1,2,1);colormap(gray(128)),imagesc(I); [m,n]=size(I) for k=1:nwht(:,k)=hadamard(m)*I(:,k)/m; end for j=1:mwh(:,j)=hadamard(n)*wht(j,:)'/n; end wh=wh';灰度图像二维离散余弦变换-10-8-6-4-20246810subplot(1,2,2);colormap(gray(128)),imagesc(wh);Radon 变换：R=radon （I ，theta ）：I 表示待处理的图像，theta 表示Radon 变换的方向角度，可以是一个标量或向量值。
R 的每一列对应图像I 在theta 某祎角度的Radon 变换值。
I=zeros(120,120); I(25:75,25:75)=1; figure;imshow(I);theta=0:180;[R,xp]=radon(I,theta);figure;imshow(R,[],'Xdata',theta,'Ydata',xp,... 'InitialMagnification','fit')xlabel('\theta (degrees)')ylabel('x''') colormap(hot),colorbariptsetpref('ImshowAxesVisible','off')5010015020025050100150200250501001502002505010015020025020406080100120(degrees)5010015010203040506070实验三实验名称：图像的复原实验目的：1.加深图像复原的相关原理，熟悉相关算法；2.能够产生运动模糊图像，加入高斯，椒盐噪声，并对噪声进行中值，均值，最大值，最小值进行滤波复原；3.对彩色图像RGB转换到HISI，并显示对应分量，同时完成相关平滑滤波。
实验仪器：计算机，Matlab软件实验原理：图像复原的基本思路:先建立退化的数学模型，然后根据该模型对退化图像进行拟图像复原合。
图像复原模型可以用连续数学和离散数学处理，处理项的实现可在空间域卷积，或在频域相乘.图像复原的基本任务:消除模糊。
图像的退化主要是由系统的相关特性以及噪声两方面的因素所导致的，我们可以通过设计一个合适的复原滤波器（即实现逆滤波过程）来实现图像的复原。
图1 中f（x，y）表示的是一幅静止、二维的图像，它在外部噪声n（x，y）的干扰作用之下，在经过系统h（x，y）之后，退化成为g（x，y），复原后的图像为f（x，y）。
针对于退化图像的复原，我们通常可以采用这样两种方式来进行：其一，当对于原始图像缺乏必需的先验知识时，我们可以采用就退化过程建立一个模型，首先对其进行一个大概的描述，然后在复原的过程根据具体的情况进行逐步合理的修正，逐步消除误差影响。
这种方法建立在对图像的退化过程进行合理的估计的基础之上，从这个角度来看它是一种估计的方法；其二，当我们对原始图像具有足够的先验知识时，我们这时候则直接针对原始图像建立一个精确的数学模型，然后再对退化图像进行复原处理，这种效果更好.加入噪声：I=imread('E:\dog.jpg');%读取原图像%考虑是否加入灰度处理J1=imnoise(I,'salt & pepper',0.02); %加入椒盐噪声J2=imnoise(I,'gaussian',0,0.01);%加入高斯白噪声J3=imnoise(I,'poisson');%加入泊松噪声J4=imnoise(I,'speckle',0.04);%加入乘法噪声figure;subplot(221),imshow(J1);title('加入椒盐噪声后图像') subplot(222),imshow(J2);title('加入高斯白噪声后图像') subplot(223),imshow(J3);title('加入泊松噪声后图像') subplot(224),imshow(J4);title('加入乘法噪声后图像')%对椒盐噪声和高斯白噪声进行imfilter 滤波rgb=imread('E:\dog.jpg');h=ones(5,5)/25;rgb1=imfilter(rgb,h);rgb2=imfilter(rgb1,h,'replicate');figure;subplot(1,3,1);imshow(rgb);title('Original');%原始subplot(1,3,2);imshow(rgb1);title('Filtered');%一维滤波subplot(1,3,3);imshow(rgb);title('boundary replication');%边缘滤波加入椒盐噪声后图像加入高斯白噪声后图像加入泊松噪声后图像加入乘法噪声后图像%增加运动滤波，水平边缘增强，拉普拉斯滤波rgb=imread('E:\dog.jpg');h1=[0,0,0.0000,0.0021,0.0042;0.1958,0.1979,0.2000,0.1979,0.1958 ;0.0042,0.0021,0.0000,0,0];h2=[ 1,2,1;0,0,0;-1,-2,-1];h3=[0.1667,0.6667,0.1667;0.6667,-3.3333,0.1667;0.1667, 0.6667, 0.1667];rgb1=imfilter(rgb,h1);rgb2=imfilter(rgb,h2);rgb3=imfilter(rgb,h3);figure;subplot(2,2,1),imshow(rgb),title('原图像')subplot(2,2,2),imshow(rgb1),title('运动滤波')subplot(2,2,3),imshow(rgb2),title('水平边缘增强')subplot(2,2,4),imshow(rgb3),title('拉普拉斯滤波')原图像运动滤波水平边缘增强拉普拉斯滤波%fspecial产生线性滤波器rgb=imread('E:\dog.jpg');h1=fspecial('average',[5,3]);h2=fspecial('gaussian',[5,3],1);h3=fspecial('laplacian',0);rgb1=imfilter(rgb,h1);rgb2=imfilter(rgb,h2);rgb3=imfilter(rgb,h3);figure;subplot(2,2,1),imshow(rgb),title('原图像') subplot(2,2,2),imshow(rgb1),title('均值滤波') subplot(2,2,3),imshow(rgb2),title('高斯滤波') subplot(2,2,4),imshow(rgb3)I=imread('E:\dog.jpg');%二值化函数的输入图像既可以是彩色图像也可以是灰度图像th=graythresh(I); %自动确定二值化的最佳阈值J=im2bw(I,th); %二值化阈值可以自己设定，值为0-1之间，而不是0-255，这一点要切记subplot(121),imshow(I);subplot(122),imshow(J);产生运动模糊图像clc;clear all;I = imread('E:\dog.jpg');subplot(121);imshow(I);title('原始图像');H = fspecial('motion',20,45);MotionBlur = imfilter(I,H,'replicate');subplot(122);imshow(MotionBlur);title('运动模糊图像');clc;clear all;I = imread('eight.tif');J = imnoise(I,'salt & pepper',0.02);K = medfilt2(J);subplot(121);imshow(J);title('加入椒盐噪声的图像'); subplot(122);imshow(K);title('中值滤波的图像');clc;clear all;I = imread('snowflakes.png');MAX = ordfilt2(I,25,ones(5,5));MIN = ordfilt2(I,1,ones(5,5));加入椒盐噪声的图像中值滤波的图像subplot(221);imshow(I);title('原始图像');subplot(222);imshow(MAX);title('最大值滤波');subplot(223);imshow(MIN);title('最小值滤波');原始图像最大值滤波最小值滤波实验四实验名称：图像的检测与分割实验目的：（1）进一步对matlab的了解和使用；（2）学习如何在matlab中对数字图像的处理；实验原理：数字图像处理主要目的：一是对图像进行加工和处理，得到满足人的视觉和心理需要的改变进行式。