2024年matlab實(shí)驗(yàn)報(bào)告小實(shí)驗(yàn)

匯報(bào)一直方圖均衡化一、目的1.改善圖像的視覺，提高清晰度；2.增強(qiáng)人們感愛好部分，到視覺效果更好的圖像，以提高圖像的可懂度。二、重要內(nèi)容1．讀入圖像數(shù)據(jù)到內(nèi)存中，并顯示讀入的圖像；2．實(shí)現(xiàn)直方圖均衡化處理，顯示處理前後圖像的直方圖；3．顯示并保留處理成果。三、詳細(xì)環(huán)節(jié)1.打開Matlab編程環(huán)境。2.獲取試驗(yàn)用圖像：使用imread函數(shù)將圖像讀入Matlab，并用inshow函數(shù)顯示讀入的圖像。3.獲取輸入圖像的直方圖：使用inhist函數(shù)處理圖像。4.均衡化處理：使用histeq函數(shù)處理圖像。5.獲取均衡化後的直方圖并顯示圖像：使用inhist和histeq函數(shù)。6.保留成果。四、試驗(yàn)程序及成果1、試驗(yàn)程序x=imread('f:\flower.jpg');%使用imread函數(shù)將圖像讀入Matlabx=rgb2gray(x);%將彩色圖像裝換為灰度圖像figure(1);subplot(2,2,1);imshow(x);%顯示圖像title('(a)原圖像')subplot(2,2,2);imhist(x)%求圖像直方圖axisoff;title('(b)原圖像的直方圖')x1=histeq(x);%對圖像進(jìn)行均衡化處理subplot(2,2,3);imshow(x1);title('(c)直方圖均衡化後的圖像')subplot(2,2,4);imhist(x1)%均衡化處理後的圖像的直方圖axisoff;title('(d)均衡化後的直方圖')2、試驗(yàn)成果五、成果分析從上面的兩幅圖我們可以很明顯的看到，沒有通過均衡化處理的原圖像灰度值較為集中，背景顏色全為白色；而通過均衡化處理的圖像灰度值分布近似服從均勻分布，背景顏色有了由灰到白的漸變，尤其是花朵的綠葉部分的均衡效果較為明顯。匯報(bào)二圖像平滑一、目的清除或衰減圖像中的噪聲和虛假輪廓。實(shí)現(xiàn)措施減少噪聲的措施可以在空間域或在頻率域處理，在空間域中進(jìn)行時(shí)，基本措施就是求像素的平均值或中值；在頻域中則運(yùn)用低通濾波技術(shù)。因其算法簡樸且處理速度快，在此我們使用空域法。三、操作環(huán)節(jié)1、選擇一副圖像，加入高斯白噪聲；2、分別進(jìn)行4領(lǐng)域和8領(lǐng)域處理并對兩種措施進(jìn)行對比分析；3、保留試驗(yàn)成果并予以分析。四、試驗(yàn)程序及成果1、試驗(yàn)程序>>x=imread('f:\1.jpg');%讀入圖像>>x=rgb2gray(x);%將彩色圖像裝換為灰度圖像>>subplot(1,4,1);>>imshow(x);>>xlabel('(a)原圖像');>>%圖像加噪并顯示加噪圖像，高斯白噪聲m=0,σ=0.005>>x1=imnoise(x,'gaussian',0,0.05);>>subplot(1,4,2);>>imshow(x1);>>xlabel('(b)加噪圖像');>>%使用4領(lǐng)域模板>>h1=[010;111;010]/5;>>x2=imfilter(x1,h1);>>subplot(1,4,3);>>imshow(x2);>>xlabel('(c)4領(lǐng)域平均濾波');>>%使用8領(lǐng)域模板>>h2=[111;111;111]/8;>>x3=imfilter(x1,h2);>>subplot(1,4,4);>>imshow(x3);>>xlabel('(d)8領(lǐng)域平均濾波');^2、試驗(yàn)成果五、成果分析從以上四幅圖的比較當(dāng)中我們可以看到，領(lǐng)域平均法對圖像中的噪聲進(jìn)行了一定程度上的衰減，同步可以看到8領(lǐng)域平均法比4領(lǐng)域平均法濾除噪聲效果要好，但同步也使圖像中目的景物的輪廓或細(xì)節(jié)變的更模糊，這也正是領(lǐng)域平均法的一種弊端所在。匯報(bào)三圖像銳化一、重要目的突出圖像中的細(xì)節(jié)，增強(qiáng)圖像的邊緣、輪廓以及灰度突變部分。二、實(shí)現(xiàn)措施圖像的模糊實(shí)質(zhì)是由于圖像受到平均或積分運(yùn)算，為此對其進(jìn)行逆運(yùn)算如微分運(yùn)算、梯度運(yùn)算，就可以使圖像清晰。從頻譜角度來分析，圖像模糊的實(shí)質(zhì)是其高頻分量被衰減，因而也可以通過高通濾波操作來清晰圖像。銳化濾波有兩種措施：一種是空間域法，此外一種是頻域中的高通濾波法。下面使用的是空域銳化措施，分別進(jìn)行模板系數(shù)a=1和a=2的銳化處理，并對成果進(jìn)行分析。三、試驗(yàn)程序及成果1、試驗(yàn)程序x=imread('f:\4.jpg');%讀入第一幅圖像x=rgb2gray(x);subplot(2,3,1);imshow(x);a=1；%a=1的銳化模板g1=[0-a0;-a1+4*a-a;0-a0];f2=imfilter(x,g1,'symmetric','conv');subplot(2,3,2);imshow(f2);a=2%a=2的銳化模板g1=[0-a0;-a1+4*a-a;0-a0];f2=imfilter(x,g1,'symmetric','conv');subplot(2,3,3);imshow(f2);x=imread('f:\3.jpg');%讀入第二幅圖像x=rgb2gray(x);subplot(2,3,4);imshow(x);xlabel('(a)原圖像');a=1%a=1的銳化模板g1=[0-a0;-a1+4*a-a;0-a0];f2=imfilter(x,g1,'symmetric','conv');subplot(2,3,5);imshow(f2);xlabel('(b)a=1時(shí)的銳化成果');a=2%a=2的銳化模板g1=[0-a0;-a1+4*a-a;0-a0];f2=imfilter(x,g1,'symmetric','conv');subplot(2,3,6);imshow(f2);xlabel('(c)a=2時(shí)的銳化成果');2、試驗(yàn)成果匯報(bào)四圖像的同態(tài)增晰一、重要目的壓縮圖像灰度范圍，提高圖像清晰度，增長對比度。二、實(shí)現(xiàn)措施同態(tài)增晰是在頻域中壓縮圖像的亮度分量，同步增強(qiáng)圖像對比度的措施。其關(guān)鍵是可以將照明分量和反射分量分開來，從而有也許用同態(tài)濾波函數(shù)分別對它們進(jìn)行壓縮和提高處理，以使圖像整體變清晰。三、試驗(yàn)程序及成果1、試驗(yàn)程序f1=imread('f:\5.jpg');f1=double(rgb2gray(f1));f_log=log(f1+1);%取自然對數(shù)f2=fft2(f_log);%產(chǎn)生Butterworth高通濾波器n=3;D0=0.05*pi;%截止頻率rh=0.8;r1=0.3;[mn]=size(f2);fori=1:mforj=1:nD1(i,j)=sqrt(i^2+j^2);H(i,j)=r1+(rh/(1+(D0/D1(i,j))^(2*n)));endendf3=f2.*H;%輸入圖像通過濾波器f4=ifft2(f3);f5=exp(real(f4))-1;%取指數(shù)對數(shù)subplot(2,2,1);imshow(uint8(f1));subplot(2,2,2);imshow(uint8(f5));%第二幅圖片,進(jìn)行相似的處理f1=imread('f:\flower.jpg');f1=double(rgb2gray(f1));f_log=log(f1+1);%取自然對數(shù)f2=fft2(f_log);%產(chǎn)生Butterworth高通濾波器n=3;D0=0.05*pi;%截止頻率rh=0.8;r1=0.3;[mn]=size(f2);fori=1:mforj=1:nD1(i,j)=sqrt(i^2+j^2);H(i,j)=r1+(rh/(1+(D0/D1(i,j))^(2*n)));endendf3=f2.*H;%輸入圖像通過濾波器f4=ifft2(f3);f5=exp(real(f4))-1;%取指數(shù)對數(shù)subplot(2,2,3);imshow(uint8(f1));xlabel('(a)原圖像');subplot(2,2,4);imshow(uint8(f5));xlabel('(b)同態(tài)濾波後圖像');2、試驗(yàn)成果匯報(bào)五圖像恢復(fù)一、重要目的由于多種原因使原清晰圖像變模糊，或原圖未到達(dá)應(yīng)有質(zhì)量從而形成了降質(zhì)，圖像恢復(fù)的目的就是使退化圖像恢復(fù)本來面目。二、實(shí)現(xiàn)措施圖像恢復(fù)就是根據(jù)圖像降質(zhì)過程的某些先驗(yàn)知識，建立“退化（降質(zhì)）模型”，運(yùn)用和退化相反的過程，將退化圖像恢復(fù)。恢復(fù)技術(shù)可分為無約束和有約束的兩大類，在這裏，我們用有約束恢復(fù)中的維納濾波措施。三、試驗(yàn)程序及成果1、試驗(yàn)程序%通過模擬水平運(yùn)動模糊建立退化函數(shù)d=5;h=zeros(2*d+1,2*d+1);h(d+1,1:2*d+1)=1/(2*d);%模糊原圖像并加入加入噪聲fig1=imread('f:\apple.jpg');fig1=rgb2gray(fig1);[mn]=size(fig1);fe=zeros(m+2*d,n+2*d);fe(1:m,1:n)=fig1;he=zeros(m+2*d,n+2*d);he(1:2*d+1,1:2*d+1)=h;F=fft2(fe);H=fft2(he);g=imnoise(uint8(ifft2(F.*H)),'gaussian',0,0.0009);G=fft2(double(g));%使用最小均方濾波器恢復(fù)圖像K=0.1;F_est=((abs(H).^2)./(abs(H).^2+K)).*G./H;fig_est=real(ifft2(F_est));%顯示圖像subplot(2,3,1);imshow(fig1);xlabel('(a)原圖像');%顯示退化圖像subplot(2,3,2);imshow(uint8(g(d+1:m+d,d+1:n+d)),[min(g(:))max(g(:))]);xlabel('(b)加噪聲的退化圖像');%顯示恢復(fù)圖像subplot(2,3,3);imshow(uint8(fig_est(1:m,1:n)),[min(fig_est(:))max(fig_est(:))]);xlabel('(c)答復(fù)後的圖像');%第二幅圖片%通過模擬水平運(yùn)動模糊建立退化函數(shù)d=5;h=zeros(2*d+1,2*d+1);h(d+1,1:2*d+1)=1/(2*d);%模糊原圖像并加入加入噪聲fig1=imread('f:\flower.jpg');fig1=rgb2gray(fig1);[mn]=size(fig1);fe=zeros(m+2*d,n+2*d);fe(1:m,1:n)=fig1;he=zeros(m+2*d,n+2*d);he(1:2*d+1,1:2*d+1)=h;F=fft2(fe);H=fft2(he);g=imnoise(uint8(ifft2(F.*H)),'gaussian',0,0.0009);G=fft2(double(g));%使用最小均方濾波器恢復(fù)圖像K=0.1;F_est=((abs(H).^2)./(abs(H).^2+K)).*G./H;fig_est=real(ifft2(F_est));%顯示圖像subplot(2,3,4);imshow(fig1);xlabel('(a)原圖像');%顯示退化圖像subplot(2,3,5);imshow(uint8(g(d+1:m+d,d+1:n+d)),[min(g(:))max(g(:))]);xlabel('(b)加噪聲的退化圖像');%顯示恢復(fù)圖像subplot(2,3,6);imshow(uint8(fig_est(1:m,1:n)),[min(fig_est(:))max(fig_est(:))]);xlabel('(c)答復(fù)後的圖像');2、試驗(yàn)成果匯報(bào)六圖像分割一、重要目的圖像分割是圖象分析的前期工作、關(guān)鍵環(huán)節(jié)。欲對圖象進(jìn)行分析(識別)時(shí)，首先要提取特性，而這些特性都包括在圖象中的不一樣部分(如目的物、背景)，因此必須先對圖象進(jìn)行分割，然後才能辨別并確定這些不一樣部分。二、實(shí)現(xiàn)措施1、邊緣檢測法：運(yùn)用區(qū)域間之灰度不持續(xù)性，確定區(qū)域的邊界或邊緣的位置。2、閾值分割法：目的物和背景、不一樣目的物之間的灰度值有明顯差異，可通過灰度門限進(jìn)行辨別。3、區(qū)域分割法：運(yùn)用區(qū)域內(nèi)灰度的相似性，將象素（點(diǎn)）提成若干相似的區(qū)域。三、試驗(yàn)程序及成果1、邊緣檢測法程序及成果>>f1=imread('f:\7.jpg');>>f1=rgb2gray(f1);>>subplot(2,3,1);>>imshow(f1);>>xlabel('(a)輸入圖像');>>BW=edge(f1,'canny');>>BW1=edge(f1,'sobel');>>subplot(2,3,2);>>imshow(BW);>>xlabel('(b)Canny邊緣檢測');>>subplot(1,3,3);>>subplot(2,3,3);>>imshow(BW1);>>xlabel('(c)Sobel邊緣檢測');>>f1=imread('f:\4.jpg');>>f1=rgb2gray(f1);>>subplot(2,3,4);>>imshow(f1);>>xlabel('(a)輸入圖像');>>BW=edge(f1,'prewitt');>>BW1=edge(f1,'robert');>>subplot(2,3,5);>>imshow(BW);>>xlabel('(b)prewitt算法');>>imshow(BW1);>>subplot(2,3,5);>>imshow(BW);>>xlabel('(b)prewitt算法');>>subplot(2,3,6);>>imshow(BW1);>>xlabel('(c)robert算法');2、閾值分割法f1=imread('f:\flower.jpg');f1=rgb2gray(f1);[MN]=size(f1);subplot(2,2,1);imshow(f1);xlabel('(a)輸入圖像');T1=255*graythresh(f1);f1new=zeros([MN]);fori=1:Mforj=1:Niff1(i,j)>T1f1new(i,j)=255;elsef1new(i,j)=0;endendendsubplot(2,2,2);imshow(f1new);xlabel('(b)分割成果');f1=imread('f:\strewberry.jpg');f1=rgb2gray(f1);[MN]=size(f1);subplot(2,2,3);imshow(f1);xlabel('(a)輸入圖像');T1=255*graythresh(f1);f1new=zeros([MN]);fori=1:Mforj=1:Niff1(i,j)>T1f1new(i,j)=255;elsef1new(i,j)=0;endendendsubplot(2,2,4);imshow(f1new);xlabel('(b)分割成果');區(qū)域分割法>>I=imread('f:\cameraman.tif');>>S=qtdecomp(I,.27);>>blocks=repmat(uint8(0),size(S));>>fordim=[5122561286432168421];numblocks=length(find(S==dim));if(numblocks>0)values=repmat(uint8(1),[dimdimnumblocks]);values(2:dim,2:dim,:)=0;blocks=qtsetblk(blocks,S,dim,values);endend>>blocks(end,1:end)=1;>>blocks(1:end,end)=1;>>subplot(1,2,1);>>imshow(I);>>xlabel('(a)輸入圖像');>>subplot(1