《数字图像处理及MATLAB实现》图像增强与平滑实验
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。
数字图像处理实验报告 实验一 图像增强实验
实验一图像增强实验一、实验目标：掌握图像增强的算法。
二、实验目的：1. 了解灰度变换增强和空域滤波增强的Matlab实现方法2. 掌握直方图灰度变换方法3. 掌握噪声模拟和图像滤波函数的使用方法三、实验内容：（1）图像的点操作、邻域操作算法。
（2）图像的直方图处理算法。
四、实验设备：1．PIII以上微机； 2．MATLAB6.5；五、实验步骤：（1）读入图像：用matlab函数实现图像读入（可读入Matlab中的标准测试图像）(原始图像)（2）实现图像点操作运算（如gamma校正，对数校正等）（3）实现图像的邻域处理（实现均值滤波，拉普拉斯滤波）（4）实现直方图均衡处理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;endendendfigure,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)');图像处理结果六、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。
图像处理与matlab实例之图像平滑（一）
图像处理与matlab实例之图像平滑（⼀） ⼀、何为图像噪声？噪声是妨碍⼈的感觉器官所接受信源信息理解的因素，是不可预测只能⽤概率统计⽅法认识的随机误差。
举个例⼦： 从这个图中，我们可以观察到噪声的特点：1>位置随机 2>⼤⼩不规则。
我们将这种噪声称为随机噪声（random noise），这是⼀种⾮常常见的噪声类型。
⼆、噪声的类型 噪声可以借⽤随机过程以及概率密度函数（Probability Density Function，PDF）来描述，通常可采⽤其数组特征，即均值，⽅差，相关函数等。
按照概率密度函数分为⾼斯噪声、瑞利噪声、伽马噪声、指数分布噪声、均匀分布噪声、脉冲噪声、泊松噪声等。
有的噪声与图像信号的强度不相关，如图像传输过程引⼊的信道噪声、摄像机扫描噪声等，这种噪声称为加性噪声（additive noise）。
常见的加性噪声按照概率密度函数特征分为短拖尾加性噪声（如均匀分布噪声）、中拖尾加性噪声（⾼斯分布噪声）、长拖尾加性噪声（如指数分布噪声）、脉冲噪声（如椒盐噪声、随机数脉冲噪声等）。
有的噪声与图像信号有关，往往随着图像信号的变化⽽变化，如光照变化引起的噪声、飞机扫描图像中的噪声、电视扫描光栅中的相⼲噪声、斑点噪声等。
这种噪声称为乘性噪声（multiplicative noise）。
matlab向图中添加噪声的指令： I1=imnoise(I,type,parameters); 其中，当type为gaussian，所加⼊噪声是parameters为m（均值）、v（⽅差）的⾼斯噪声，这是最普通的噪声。
当type为localvar时，所加⼊噪声是parameters为0（均衡）、v（⽅差）的⾼斯噪声。
当type为poission时，所加⼊的是⽆参数的泊松噪声，在照度⾮常⼩时出现，或在⾼倍电⼦放⼤线路中出现。
当type为salt&pepper时，所加⼊的噪声是parameters为d（密度）的椒盐噪声。
数字图像处理 第四章 图像增强与平滑
有850个像素取s2=5/7这个灰度值。
r3和r4均映射到s3=6/7，有656+329=985个像素取这个值。 有245+122+81=448个像素取s4=1这个新灰度值。 用n = 4096来除上述这些nk值，便可得到新的直方图。
第四章 图像增强与平滑
（a） 经直方图均衡化后的Lena图像； （b） 均衡化后的Lena图像的直方图
0
输入灰度
255
第四章 图像增强与平滑 4.3.1 概述
4.3 图 像 噪 声
噪声为“妨碍人们感觉器官对所接收的信源信息理解的因
素”。
第四章 图像增强与平滑 4.3.2 图像噪声分类 可分为外部噪声和内部噪声。
从统计特性可分为平稳噪声和非平稳噪声两种。
按噪声和信号之间的关系可分为加性噪声和乘性噪声。 为了分析处理方便，往往将乘性噪声近似认为加性噪声， 而且总是假定信号和噪声是互相独立的。
（2） 对于0≤r≤1， 有 0≤T(r)≤1。
第四章 图像增强与平滑
1
s
sk
T( r
k
)
O
rk
1
r
灰度拉伸变换函数
第四章 图像增强与平滑 4.1.5 直方图均衡
像素个数
120
0
255
第四章 图像增强与平滑 直方图均衡化处理是以累积分布函数变换法为基础的直方 图修正法。变换函数为
s T (r) pr ( )d
0 rk 1 k 0,1,, l 1
式中：l是灰度级的总数目，pr(rk)是取第k级灰度值的概率，nk 是图像中出现第k级灰度的次数，n是图像中像素总数。
sk T ( rk )
j 0
数字图像处理实验二：图像增强与平滑(精)
实验二图像增强与平滑一、实验类型：验证性实验二、实验目的1. 掌握图像增强的基本原理。
2. 掌握常用的图像增强技术。
三、实验设备：安装有MATLAB 软件的计算机四、实验原理图像增强技术的目的是对图像进行加工，以得到对具体应用来说视觉效果更好、更有用的图像。
常用的图像增强技术有图像间运算、直接灰度映射、直方图修改技术、线性滤波和非线性滤波等。
下面介绍三种图像增强技术：直方图均衡化、邻域平均平滑滤波和中值滤波。
3. 直方图均衡化直方图均衡化是一种使输出图像直方图近似为均匀分布的变换算法，是一种直方图修改技术。
在MATLAB 中，可以调用函数histeq 自动完成图像的直方图均衡化。
下面的例子演示如何用histeq 函数来调整一幅灰度图像。
原图像的灰度对比度较低，大部分值位于灰度范围的中间。
histeq 函数生成一幅灰度值在整个范围内均匀分布的输出图像。
I=imread(‘pout.tif’;J=histeq(I;imshow(Jfigure,imhist(J,644. 邻域平均平滑滤波邻域平均平滑滤波也称为均值滤波，是一种线性滤波方法。
该方法用一个像素的平均值作为滤波结果，。
下面的例子演示如何在MATLAB 中对一幅灰度图像进行邻域平均平滑滤波。
I=imread(‘eight.tif’;J=imnoise(I,’salt & pepper’,0.02;figure,imshow(J;h=ones(3,3/9;K=imfilter(J,h;figure,imshow(K;5. 中值滤波中值滤波是最常用的非线性滤波算法，该算法的输出像素值是对应像素邻域内的中值。
下面的例子演示如何在 MATLAB中对一幅灰度图像进行中值滤波。
I=imread(‘eight.tif’;J=imnoise(I,’salt & pepper’,0.02;figure,imshow(J;K=medfilt2(J,[3 3];figure,imshow(K;五、实验内容1. 选择一幅直方图不均匀的图像，对该图像做直方图均衡化处理，比较处理前后的图像以及它们的灰度直方图。
图像处理的MATLAB实现实验一 空域图像增强
图像处理的MATLAB 实现实验一 空域图像增强一、实验目的（1）掌握基本的空域图像增强方法，观察图像增强的效果，加深理解；（2）了解空域平滑模板的特性及其对不同噪声的影响；（3）了解空域锐化模板的特性及其对边缘的影响。
二、实验内容（1）直方图处理：直方图均衡（2）空域平滑：均值滤波、中值滤波；三、实验要求（1）用matlab 语言进行仿真实验；（2）递交实验报告，要求给出实验原理、源程序、实验结果及分析。
四、具体实验内容及要求4.1 实验内容4.1.1 直方图均衡（1）读入原图像pollen.png 并显示原图像以及直方图（2）对原图像进行直方图均衡处理（3）显示均衡后图像以及直方图。
4..1.2 图像空域平滑（1）读入原图像lena.bmp 并显示；（2）对原图像分别添加高斯噪声和椒盐噪声，并显示加噪图像；（3）采用均值滤波进行去噪处理，并显示去噪图像；（4）采用中值滤波进行去噪处理，并显示去噪图像。
4.1.3 空域锐化（1）读入原图像bridge.gif 并显示；（2）采用sobel 算子对图像进行处理，并显示结果；（3）尝试采用其他锐化模板进行处理。
4.2 实验原理4.2.1 直方图均衡实验原理对图像像素个数多的灰度级进行展宽，而对图像中像素个数少的灰度级进行压缩。
而且，输入灰度级r 与输出灰度级s 的概率密度函数()r p r 和()s p s 有如下关系()()ds dr r p s p r s = 积分形式如下()()()dw w p L r T s rr ⎰-==01 4.2.2 图像滤波 （1）、椒盐噪声的中值滤波由于椒盐噪声的出现使该点的像素比周围的亮或暗许多，如果在某个模板中，对像素由小到大重新排列，那么最暗或最亮的点一定被排在两侧，取模板中间位置的灰度值像素代替待处理图像像素的灰度值，从而达到滤除噪声的目的。
（2）、高斯噪声的均值滤波均值滤波是一种空域线性的滤波方法，用像素邻域内各像素的灰度平均值代替该像素原来的灰度值；均值滤波采用的是模板操作，将模板在图像中从左到右，从上到下的顺序移动将模板中心与每个像素重合；将模板中个系数与其对应的像素一并相乘，然后再经所有的结果一并相加；将上面相加的结果重新付给模板中心对应的像素点，那么该灰度值，就是经均值滤波后平滑后的灰度值。
数字图像处理实验报告
数字图像处理实验报告光信13-2班2013210191韩照夏数字图像处理实验报告实验一数字图像空间域平滑一、实验目的掌握图像空间域平滑的原理和程序设计；观察对图像进行平滑增强的效果。
二、实验设备计算机，Matlab程序平台。
三、实验原理图像平滑处理的目的是改善图像质量和抽出对象特征。
任何一幅未经处理的原始图像，都存在着一定程度的噪声干扰。
噪声恶化了图像质量，使图像模糊，甚至淹没特征，给分析带来困难。
消除图像噪声的工作称为图像平滑或滤波。
针对不同噪声源（如光栅扫描、底片颗粒、机械元件、信道传输等）引起的不同种类噪声（如加性噪声、乘性噪声、量化噪声等），平滑方法也不同。
平滑可以在空间域进行，也可以在频率域进行。
1.局部平均法局部平滑法是一种直接在空间域上进行平滑处理的技术。
假设图像由许多灰度恒定的小块组成，相邻象素间存在很高的空间相关性，而噪声则是统计独立的。
因此，可用邻域内各象素的灰度平均值代替该象素原来的灰度值，实现图像的平滑。
对图像采用3×3的邻域平均法，其作用相当于用以下模板与图像进行卷积运算。
2. 超限象素平滑法 对邻域平均法稍加改进，可导出超限象素平滑法。
其原理是将f(x,y)和邻域平均g(x,y)差的绝对值与选定的阈值进行比较，根据比较结果决定点（x,y ）的最后灰度g ´(x,y)。
其表达式为3. 二维中值滤波中值滤波就是用一个奇数点的移动窗口， 将窗口中心点的值用窗口内各点的中值代替。
二维中值滤波可由下式表示常用的窗口有：四、实验步骤1.实验准备：打开计算机，进入Matlab 程序界面。
2.输入图像空间域平滑处理程序，程序如下：⎩⎨⎧>-= ),(),(),( ),,(),('其他，当y x f T y x g y x f y x g y x g )},({),(y x f Med y x g A=程序1.1 图像平滑处理clear;clc;I=imread('lena.jpg');subplot(3,2,1);imshow(I);title('原图像');I1=imnoise(I,'salt & pepper',0.02);subplot(3,2,2);imshow(I1);title('对I加椒盐噪声的图像');h2=fspecial('average',[3 3]);I2=imfilter(I1,h2,'replicate');subplot(3,2,3);imshow(I2);title('3×3邻域平滑');h3=fspecial('average',[5 5]);I3=imfilter(I1,h3,'replicate');subplot(3,2,4);imshow(I3);title('5×5邻域平滑');I4=I1;I4((abs(I1-I2))>64)=I2((abs(I1-I2))>64);subplot(3,2,5);imshow(I4);title('3×3超限象素平滑(T=64)'); I5=I1;I5((abs(I1-I3))>48)=I3((abs(I1-I3))>48);subplot(3,2,6);imshow(I5);title('5×5超限象素平滑(T=48)');程序1.2 图像平均平滑与中值滤波clear;clc;I=imread('lena.jpg');subplot(3,3,1);imshow(I);title('原图像');I1=imnoise(I,'gaussian',0.02);subplot(3,3,2);imshow(I1);title('高斯噪声');I2=imnoise(I,'salt & pepper',0.02);subplot(3,3,3);imshow(I1);title('椒盐噪声');h1=fspecial('average',[3 3]);I3=imfilter(I1,h1,'replicate');subplot(3,3,4);imshow(I3);title('对I1 3×3邻域平滑');h2=fspecial('average',[3 3]);I4=imfilter(I2,h2,'replicate');subplot(3,3,5);imshow(I4);title('对I2 3×3邻域平滑');I5=medfilt2(I1,[5 5]);subplot(3,3,6);imshow(I5);title('对I1 5×5中值滤波');I6=medfilt2(I2,[5 5]);subplot(3,3,7);imshow(I6);title('对I2 5×5中值滤波');3.运行图像处理程序，并保存处理结果图像。
MATLAB图像增强与变换处理实验报告
实验一 MATLAB图像增强与变换处理实验一、实验目的1、熟悉掌握数字图像处理的基本概念。
2、了解MATLAB的的编程环境，图像处理工具箱的使用方法。
3、掌握数字图像处理图像增强的基本方法。
4、掌握图像变换的基本方法。
5、学会使用MATLAB完成图像处理的主要功能。
二、实验任务（1）各种格式的数字图像的读取、显示、存储。
1.1 程序a=imread('liusuo.tif');%tiffigureimshow(a)imwrite(a,'liusuostore.tif','compression','none','resolution',[200 200])a=imread('liuyifei.jpg');%jpgfigureimshow(a)imwrite(a,'liuyifeistore.jpg')a=imread('iloveyou.gif');%giffigureimshow(a)imwrite(a,'iloveyoustore.gif')a=imread('blue.png');%pngfigureimshow(a)imwrite(a,'bluestore.png')1.2效果（2）图像的空域增强方法。
2.1亮度变换2.1.1程序a = imread('liuyifei.jpg');%jpgimshow(a)g1 = imadjust(a,[0 0.5],[0 1]);figureimshow(g1)g2 = imadjust(a,[0.5 1],[0 1]);figureimshow(g2)2.1.2效果图2.2直方图均衡化2.2.1程序a = imread('menghui.jpg');%jpgb = rgb2gray(a);imshow(b)figureimhist(b)ylim('auto')g=histeq(b,256);figureimshow(g)figureimhist(g)ylim('auto')g2 = imadjust(b,[0.2 0.9],[0 1]);figureimhist(g2)figureimshow(g2)2.2.2效果2.3 直方图规定化2.3.1程序a = imread('yueqiu1.jpg');%jpgb = rgb2gray(a);imshow(b)figureimhist(b)p= modegauss(0.01, 0.1, 0.55, 0.06,0.8 ,0.04 ,1,0.1,0.1, 0.002); figureplot(p)g = histeq( b , p );figureimshow(g)figureimhist(g)2.3.2 效果2.4 线性空间滤波2.4.1 程序a = imread('heibai.jpg');%jpgb = rgb2gray(a);subplot(121)imshow(b)n = 7;w =1/n*ones(n);gd = imfilter( b ,w );subplot(122)imshow(gd, [])2.4.2 效果2.4.2.1均值滤波a = imread('meinv.jpg');%jpgb = rgb2gray(a);figureimshow(b)g=imnoise(b,'salt & pepper',0.01);figureimshow(g)gd3 = imfilter(g,fspecial('average',3) );figureimshow(gd3)gd5 = imfilter(g,fspecial('average',5) );figureimshow(gd5)gd7 = imfilter(g,fspecial('average',7) );figureimshow(gd7)gd9 = imfilter(g,fspecial('average',9) );figureimshow(gd9)2.4.2.2 效果2.4.3拉普拉斯增强2.4.3.1程序a = imread('yueqiu.jpg');%jpgb = rgb2gray(a); figure imshow(b) b2 = im2double(b);gb1 = imfilter(b2,fspecial('laplacian',0),'replicate' );figure imshow(gb1,[])gb2 = imfilter(b2,[1 1 1; 1 -8 1; 1 1 1],'replicate' ); figure imshow(gb2,[]) g1 = b2-gb1; figure imshow(g1) g2 = b2-gb2; figure imshow(g2)2.4.3.2 效果2.5非线性中值滤波2.5.1 程序a = imread('yangguang.jpg');%jpgb = rgb2gray(a);figureimshow(b)g=imnoise(b,'salt & pepper',0.01); figureimshow(g)gm = medfilt2(g);figureimshow(gm)（3）图像的频率域增强方法。
- 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)。
《数字图像处理及MATLAB实现》图像增强与平滑实验一．实验目的及要求1、熟悉并掌握MA TLAB 图像处理工具箱的使用；2、理解并掌握常用的图像的增强技术。
二、实验设备MATLAB 6.5 以上版本、WIN XP 或WIN2000 计算机三、实验内容（一）研究以下程序，分析程序功能；输入执行各命令行，认真观察命令执行的结果。
熟悉程序中所使用函数的调用方法，改变有关参数，观察试验结果。
（可将每段程序保存为一个.m文件）1．直方图均衡化clear all; close all % Clear the MATLAB workspace of any variables% and close open figure windows.I = imread('pout.tif'); % Reads the sample images ‘pout.tif’, and stores it inimshow(I) % an array named I.display the imagetext(60,20,'李荣桉1909290239','horiz','center','color','r')figure, imhist(I) % Create a histogram of the image and display it in% a new figure window.[I2,T] = histeq(I); % Histogram equalization.figure, imshow(I2) % Display the new equalized image, I2, in a new figure window.text(60,20,'李荣桉1909290239','horiz','center','color','r')figure, imhist(I2) % Create a histogram of the equalized image I2.figure,plot((0:255)/255,T); % plot the transformation curve.imwrite (I2, 'pout2.png'); % Write the newly adjusted image I2 to a disk file named% ‘pout2.png’.imfinfo('pout2.png') % Check the contents of the newly written file2．直接灰度变换clear all; close allI = imread('cameraman.tif'); 注意：imadjust()功能：调整图像灰度值或颜色映像表，也可实现伽马校正。
语法：J = imadjust(I,[low_in high_in],[low_out high_out],gamma) newmap = imadjust(map,[low_in high_in],[low_out high_out],gamma) RGB2 = imadjust(RGB1,...)J = imadjust(I,[0 0.2],[0.5 1]);imshow(I)text(60,20,'李荣桉1909290239','horiz','center','color','r') figure, imshow(J)text(60,20,'李荣桉1909290239','horiz','center','color','r') [X,map] = imread('forest.tif');figure,imshow(X,map)text(60,20,'李荣桉1909290239','horiz','center','color','r') I2 = ind2gray(X,map);J2 = imadjust(I2,[],[],0.5);figure,imshow(I2)text(60,20,'李荣桉1909290239','horiz','center','color','r') figure, imshow(J2)text(60,20,'李荣桉1909290239','horiz','center','color','r') J3 = imadjust(I2,[],[],1.5);figure, imshow(J3)text(60,20,'李荣桉1909290239','horiz','center','color','r') help imadjust.3．空域平滑滤波（模糊、去噪）clear all; close allI = imread('eight.tif');h1 = ones(3,3) / 9;h2 = ones(5,5) / 25;I1 = imfilter(I,h1);I2 = imfilter(I,h2);figure(1), imshow(I), title('Original Image');text(60,20,'李荣桉1909290239','horiz','center','color','r') figure(2), imshow(I1), title('Filtered Image With 3*3 ') text(60,20,'李荣桉1909290239','horiz','center','color','r') figure(3), imshow(I2), title('Filtered Image With 5*5 ') text(60,20,'李荣桉1909290239','horiz','center','color','r') % 加入Gaussian 噪声J1 = imnoise(I,'gaussian',0,0.005);% 加入椒盐噪声J2 = imnoise(I,'salt & pepper',0.02);% 对J1、J2进行平均值平滑滤波K1 = imfilter(J1,fspecial('average',3));K2 = imfilter(J2,fspecial('average',3));figure(4);subplot(2,2,1), imshow(J1) , title('gaussian');text(60,20,'李荣桉1909290239','horiz','center','color','r') subplot(2,2,2), imshow(J2), title('salt & pepper ');text(60,20,'李荣桉1909290239','horiz','center','color','r') subplot(2,2,3), imshow(K1), title('average ');text(60,20,'李荣桉1909290239','horiz','center','color','r') subplot(2,2,4), imshow(K2);text(60,20,'李荣桉1909290239','horiz','center','color','r') K3 = medfilt2(J1,[3 3]);K4 = medfilt2(J2,[3 3]);figure(5);subplot(2,2,1), imshow(J1) , title('gaussian');text(60,20,'李荣桉1909290239','horiz','center','color','r') subplot(2,2,2), imshow(J2), title('salt & pepper ');text(60,20,'李荣桉1909290239','horiz','center','color','r') subplot(2,2,3), imshow(K3), title(' Median filtering '); text(60,20,'李荣桉1909290239','horiz','center','color','r') subplot(2,2,4), imshow(K4)text(60,20,'李荣桉1909290239','horiz','center','color','r')4．空域锐化滤波clear all; close allI = imread('moon.tif');w=fspecial('laplacian',0)w8=[1,1,1;1,-8,1;1,1,1]I1= imfilter(I,w, 'replicate');figure(1); imshow(I), title('Original Image');text(60,20,'李荣桉1909290239','horiz','center','color','r') figure(2), imshow(I1), title('Laplacian Image');text(60,20,'李荣桉1909290239','horiz','center','color','r') f = im2double(I);f1= imfilter(f,w, 'replicate');figure(3), imshow(f1,[]), title('Laplacian Image');text(60,20,'李荣桉1909290239','horiz','center','color','r') f2= imfilter(f,w8, 'replicate');f4 = f-f1;f8 = f-f2;figure(4), imshow(f4);text(60,20,'李荣桉1909290239','horiz','center','color','r') figure(5), imshow(f8);text(60,20,'李荣桉1909290239','horiz','center','color','r')四、总结增强图像中的有用信息，它可以是一个失真的过程，其目的是要改善图像的视觉效果，针对给定图像的应用场合。