实验1直方图
一．实验目的
1．熟悉matlab图像处理工具箱及直方图函数的使用；
2．理解和掌握直方图原理和方法；
二．实验设备：1.PC机一台；2.软件matlab。
三．程序设计
在matlab环境中，程序首先读取图像，然后调用直方图函数，设置相关参数，再输出处理后的图像。
I=imread('cameraman.tif');%读取图像
subplot(1,2,1),imshow(I) %输出图像
title('原始图像') %在原始图像中加标题
subplot(1,2,2),imhist(I) %输出原图直方图
title('原始图像直方图') %在原图直方图上加标题
四．实验步骤
1. 启动matlab双击桌面matlab图标启动matlab环境；
2. 在matlab命令窗口中输入相应程序。书写程序时，首先读取图像，一般调用matlab自带的图像，如:cameraman图像；再调用相应的直方图函数，设置参数；最后输出处理后的图像；
3．浏览源程序并理解含义；
4．运行，观察显示结果；
5．结束运行，退出；
五．实验结果：观察图像matlab环境下的直方图分布。
(a)原始图像 (b)原始图像直方图
六．实验报告要求
1、给出实验原理过程及实现代码：
I=imread('coins.png');%读取图像
subplot(1,2,1),imshow(I) %输出图像
title('原始图像') %在原始图像中加标题
subplot(1,2,2),imhist(I) %输出原图直方图
title('原始图像直方图') %在原图直方图上加标题
2、输入一幅灰度图像，给出其灰度直方图结果，并进行灰度直方图分布原理分析。
实验2 均值滤波
一．实验目的
1．熟悉matlab图像处理工具箱及均值滤波函数的使用；
2．理解和掌握3*3均值滤波的方法和应用；
二．实验设备：1.PC机一台；2.软件matlab
三．程序设计
在matlab环境中，程序首先读取图像，然后调用图像增强（均值滤波）函数，设置相关参数，再输出处理后的图像。
I = imread('cameraman.tif');
figure,imshow(I);
J=filter2(fspecial(‘average’,3),I)/255;
figure,imshow(J);
四．实验步骤
1. 启动matlab
双击桌面matlab图标启动matlab环境；
2. 在matlab命令窗口中输入相应程序。书写程序时，首先读取图像，一般调用matlab自带的图像，如:cameraman图像；再调用相应的图像增强（均值滤波）函数，设置参数；最后输出处理后的图像；
3．浏览源程序并理解含义；
4．运行，观察显示结果；
5．结束运行，退出；
五．实验结果：
观察matlab环境下原始图像经3*3均值滤波处理后的结果。
(a)原始图像 (b)3*3均值滤波处理后的图像
六．实验报告要求
输入一幅灰度图像，给出其图像经3*3均值滤波处理后的结果，然后对每一点的灰度值和它周围24个点，一共25个点的灰度值进行均值滤波，看看对25个点取均值与对9个点取中值进行均值滤波有什么区别？有没有其他的算法可以改进滤波效果。
(a)原始图像 (b)3*3均值滤波处理后的图像
实验3中值滤波
一．实验目的
1．熟悉matlab图像处理工具箱及中值滤波函数的使用；
2．理解和掌握中值滤波的方法和应用；
二．实验设备：1.PC机一台；2.软件matlab
三．程序设计
在matlab环境中，程序首先读取图像，然后调用图像增强（中值滤波）函数，设置相关参数，再输出处理后的图像。
I = imread('cameraman.tif');
figure,imshow(I);
J=medfilt2(I,[5,5]);
figure,imshow(J);
四．实验步骤
1. 启动matlab
双击桌面matlab图标启动matlab环境；
2. 在matlab命令窗口中输入相应程序。书写程序时，首先读取图像，一般调用matlab自带的图像，如:cameraman图像；再调用相应的图像增强（中值滤波）函数，设置参数；最后输出处理后的图像；
3．浏览源程序并理解含义；
4．运行，观察显示结果；
5．结束运行，退出；
五．实验结果
观察matlab环境下原始图像经3*3中值滤波处理后的结果。
(a)原始图像 (b)3*3中值滤波处理后的图像
六．实验报告要求
输入一幅灰度图像，给出其图像经3*3中值滤波处理后的结果，然后对每一点的灰度值和它周围24个点，一共25个点的灰度值进行排序后取中值，然后该点的灰度值取中值。看看对25个点取中值与对9个点取中值进行中值滤波有什么区别？
(a)原始图像 (b)3*3中值滤波处理后的图像
实验4 图像的缩放
一．实验目的
1．熟悉matlab图像处理工具箱及图像缩放函数的使用；
2．掌握图像缩放的方法和应用；
二．实验设备：1.PC机一台；2.软件matlab
三．程序设计
在matlab环境中，程序首先读取图像，然后调用图像缩放函数，设置相关参数，再输出处理后的图像。
I = imread('cameraman.tif');
figure,imshow(I);
scale = 0.5;
J = imresize(I,scale);
figure,imshow(J);
四．实验步骤
1. 启动matlab
双击桌面matlab图标启动matlab环境；
2. 在matlab命令窗口中输入相应程序。书写程序时，首先读取图像，一般调用matlab自带的图像，如:cameraman图像；再调用相应的图像缩放函数，设置参数；最后输出处理后的图像；
3．浏览源程序并理解含义；
4．运行，观察显示结果；
5．结束运行，退出；
五．实验结果
观察matlab环境下图像缩放后的结果。
(a)原始图像 (b)缩放后的图像
六．实验报告要求
输入一幅灰度图像，给出其图像缩放后的结果，然后改变缩放比率，观察图像缩放后结果柄进行分析。
(a)原始图像 (b)缩放后的图像
实验5 图像旋转
一．实验目的
1．熟悉matlab图像处理工具箱及图像旋转函数的使用；
2．理解和掌握图像旋转的方法和应用；
二．实验设备：1.PC机一台；2.软件matlab
三．程序设计
在matlab环境中，程序首先读取图像，然后调用图像旋转函数，设置相关参数，再输出处理后的图像。
I = imread('cameraman.tif');
figure,imshow(I);
theta = 30;
K = imrotate(I,theta); % Try varying the angle, theta.
figure, imshow(K)
四．实验步骤
1. 启动matlab
双击桌面matlab图标启动matlab环境；
2. 在matlab命令窗口中输入相应程序。书写程序时，首先读取图像，一般调用matlab自带的图像，如:cameraman图像；再调用相应的图像旋转函数，设置参数；最后输出处理后的图像；
3．浏览源程序并理解含义；
4．运行，观察显示结果；
5．结束运行，退出；
五．实验结果
观察matlab环境下图像旋转后的结果。
(a)原始图像 (b)旋转后的图像
六．实验报告要求
输入一幅灰度图像，给出其图像旋转后的结果，然后改变旋转角度，观察图像旋转后结果柄进行分析。
(a)原始图像 (b)旋转后的图像
实验6 数字图像的离散余弦变换
一．实验目的
1．验证二维傅里叶变换的平移性和旋转不变性；
2．实现图像频域滤波，加深对频域图像增强的理解；
二．实验设备
1.PC机一台；
2.软件matlab；
三．实验内容及步骤
（1）产生如图3.1所示图像
（128×128大小，暗处=0，亮处=255），用MATLAB中的fft2函数对其进行FFT：
① 同屏显示原图
和
的幅度谱图；
② 若令
，重复以上过程，比较二者幅度谱的异同，简述理由；
③ 若将
顺时针旋转45度得到
，试显示
的幅度谱，并与
的幅度谱进行比较。
1.%生成图形f1
f1=zeros(128,128);
f1((64-30):(63+30),(64-10):(63+10))=1;
%FFT变换
fft_f1=log(1+abs(fftshift(fft2(f1))));
figure;
subplot(121);imshow(f1);title('Image f1');
subplot(122);imshow(fft_f1,[]);title('FFT f1');
2.%计算f2
f2=zeros(128,128);
for i=1:128;
for j=1:128;
f2(i,j)=((-1)^(i+j))*f1(i,j);
end
end
fft_f2A=log(1+abs(fft2(f2)));
fft_f2B=log(1+abs(fftshift(fft2(f2))));
figure;
subplot(131);imshow(f2);title('Image f2');
subplot(132);imshow(fft_f2B,[]);title('FFT f2');
subplot(133);imshow(fft_f2A,[]);title('FFT f2 Without FFTShift');
分析：根据傅里叶变换对的平移性质：
；
当
且
时，有：
因此可得到：
所以，
就是
频谱中心化后的结果。
3.%计算f3
f3=imrotate(f2,-45,'nearest');
fft_f3=log(1+abs(fftshift(fft2(f3))));
figure;
subplot(121);imshow(f3);title('Image f3');
subplot(122);imshow(fft_f3,[]);title('FFT f3');
（2）对如图3.2所示的数字图像lena.img（256×256大小、256级灰度）进行频域的理想低通、高通滤波，同屏显示原图、幅度谱图和低通、高通滤波的结果图。
低通滤波：
fid=fopen('D:\matlab7\image\lena.img','r');
data=(fread(fid,[256,256],'uint8'))';
subplot(1,2,1)
imagesc(data);
colormap(gray);
title('LENA','Color','r');
fft_lena=fft2(data);
f=fftshift(fft_lena);
for i=1:256
for j=1:256
if sqrt((i-128)^2+(j-128)^2)>30
f(i,j)=0;
end
end
end
subplot(1,2,2);
[x,y]=meshgrid(1:1:256);
surf(x,y,f)
高通滤波：
fid=fopen('D:\matlab7\image\lena.img','r');
data=(fread(fid,[256,256],'uint8'))';
subplot(1,2,1)
imagesc(data);
colormap(gray);
title('LENA','Color','r');
fft_lena=fft2(data);
for i=1:256
for j=1:256
if sqrt((i-128)^2+(j-128)^2)<2
f(i,j)=0;
end
end
subplot(1,2,2);
[x,y]=meshgrid(1:1:256);
surf(x,y,f）
实验7 基于直方图均衡化的图像增强
一．实验目的
1．了解空间域图像增强的各种方法（点处理、掩模处理）；
2．掌握采用直方图均衡化进行图像增强的方法；
3. 使用邻域平均法编写程序实现图像增强，进一步掌握掩模法及其改进（加门限法）消除噪声的原理；
二．实验设备
1.PC机一台；
2.软件matlab；
三．实验内容及步骤
对如图所示的两幅128×128、256级灰度的数字图像fing_128.img和cell_128.img进行如下处理：
（1）对原图像进行直方图均衡化处理，同屏显示处理前后图像及其直方图，比较异同，并回答为什么数字图像均衡化后其直方图并非完全均匀分布。
指纹图像：
fid=fopen('fing_128.img','r');
im=(fread(fid,[128,128],'uint8'))';
im=uint8(im);
colormap(gray);
subplot(221);imshow(im);
subplot(222);
imh=histeq(im);%直方图均衡化
imshow(imh);
subplot(223);imhist(im);
subplot(224);imhist(imh);
显微医学图像:
fid=fopen('cell_128.img','r');
im=(fread(fid,[128,128],'uint8'))';
im=uint8(im);
colormap(gray);
subplot(221);imshow(im);
subplot(222);
imh=histeq(im);%直方图均衡化
imshow(imh);
subplot(223);imhist(im);
subplot(224);imhist(imh);
分析：由于数字图像中像素的灰度值取值是离散和不连续的，因而变换后的像素灰度值在计算中出现了归并现象，所以变换后的直方图并不是呈完全均匀分布的。
（2）对原图像加入点噪声，用4-邻域平均法平滑加噪声图像（图像四周边界不处理，下同），同屏显示原图像、加噪声图像和处理后的图像。
① 不加门限；
② 加门限
，（其中
）
代码：fid=fopen('fing_128.img','r');
im=(fread(fid,[128,128],'uint8'));
im=im2double(uint8(im));
J=imnoise(im,'gaussian'); %加入高斯噪声
w=[0 0.25 0;0.25 0 0.25;0 0.25 0];
im_L=filter2(w,J);%四邻域平滑
%加门限后滤波
T=2*sum(J(:))/128^2;
im_T=zeros(128,128);
for i=1:128
for j=1:128
if abs(J(i,j)-im_L(i,j))>T
im_T(i,j)=im_L(i,j);
else
im_T(i,j)=J(i,j);
end
end
end
colormap(gray);
subplot(2,2,1);imshow(im);title('Image');
subplot(2,2,2);imshow(J);title('Noise');
subplot(2,2,3);imshow(im_L);title('四邻域平滑后');
subplot(2,2,4);imshow(im_T);title('加门限后');
对高斯噪声的处理效果：
实验8 图像分割（常见的边缘检测算子——Sobel、Prewitt、Log）
一．实验目的
1．熟悉matlab图像处理工具箱及图像边缘检测函数的使用；
2．理解和掌握图像边缘检测（Sobel、Prewitt、Log边缘算子）的方法和应用；
二．实验设备
1.PC机一台；
2.软件matlab；
三．程序设计
在matlab环境中，程序首先读取图像，然后调用图像边缘检测（Sobel、Prewitt、Log边缘算子）函数，设置相关参数，再输出处理后的图像。
I = imread('cameraman.tif');
J1=edge(I,'sobel');
J2=edge(I,'prewitt');
J3=edge(I,'log');
subplot(1,4,1),imshow(I);
subplot(1,4,2),imshow(J1);
subplot(1,4,3),imshow(J2);
subplot(1,4,4),imshow(J3);
四．实验步骤
1. 启动matlab
双击桌面matlab图标启动matlab环境；
2. 在matlab命令窗口中输入相应程序。书写程序时，首先读取图像，一般调用matlab自带的图像，如:cameraman图像；再调用相应的边缘检测（Sobel边缘算子、Prewitt边缘算子、Log边缘算子）函数，设置参数；最后输出处理后的图像；
3．浏览源程序并理解含义；
4．运行，观察显示结果；
5．结束运行，退出；
五．实验结果
观察经过图像边缘检测（Sobel、Prewitt、Log边缘算子）处理后的结果。
六．实验报告要求
输入一幅灰度图像，给出其图像边缘检测（Sobel、Prewitt、Log边缘算子）后的结果并进行分析对比。
代码：
fid=fopen('lena.img','r');
im=(fread(fid,[256,256],'uint8'))';
im=im2double(uint8(im));
im_R=edge(im,'Roberts');
im_P=edge(im,'Prewitt');
im_S=edge(im,'Sobel');
im_L=edge(im,'Log');
colormap(gray);
subplot(321);imshow(im);title('源图像');
subplot(323);imshow(im_R);title('Roberts检测');
subplot(324);imshow(im_P);title('Prewitt检测');
subplot(325);imshow(im_S);title('Sobel检测');
subplot(326);imshow(im_L);title('Log检测');