数字图像处理上机.docx
数字图像处理上机班级：学号：姓名：1.产生右图所示亮块图像fi(x,y) (128X128大小，暗处=0,亮处=255)，对其进行FFT：(1)同屏显示原图f，和FFT (fi)的幅度谱图；(2)若令f2 (x,y)= ( -1) x+y fi(x,y)，重复以上过程,比较二者幅度谱的异同，简述理由；(3)若将f2 (x,y)顺时针旋转45度得到f3 (x.y)，试显示FFT (f3)的幅度谱，并与FFT (f 2)的幅度谱进行比较。解答：(1)图像：(2)图像:相同点：频谱的实质没有改变，幅度等都没有发生变化。0)移到了中心(64, 64),而得到了一不同点：f2的频谱是对fl频谱的移位，它时fl的频谱从原点(0, 个完整的频谱。图像:R(x y)原厨13(x.y)幅庭谱程序：f 仁 zeros。28,128);for i=38:1:90forj=58:1:70f1(i,j)=255;endendfigure(1)subplot(1,2,1);imshow (f1);subplot(1,2,2);imshow (fft2(f1);% f2(x,y)=( -1)A(x+y)*f1(x,y)for i=1:1:128forj=1:1:128 f2(i,j)=(-1)A(i+j)*f1 (ij);end end figure(2);subplot(1,3,1);imshow (f2);f3=imrotate(f2,-45/bilinea o ；%将f2顺时针旋转45度subplot(1,3,2);imshow(fft2(f2);% 显示 f2 的频谱subplot(1,3,3);imshow(fft2(f3);% 显示 f3 的频谱2.对256 256大小、256级灰度的数字图像lena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。50100150200LENA25050100 150 200550程序：figure(1);fid=fope n('d:imgle na.img'Jr');data=(fread(fid,256,256,'ui nt8'),;subplot(2,2,1)imagesc(data);colormap(gray);titlefLENA','Color',V);subplot(2,2,2);imshow(fft2(data);s=fftshift(fft2(data);M,N=size；%分别返回s的行数到M中，列数到N中n=2;%对n赋初值%GLP 滤波，d0=5. 15 > 30 (程序中d0=30;%n1=floor(M ；n2=floor(N/2);%for i=1 :Md0=30为例）初始化d0对M/2进行取整对N/2进行取整d=sqrt(i-n1 )A2+(j-n2)A2);%h=1*exp(-1/2*(dA2/dOA2); %GLPF点（i,j ）到傅立叶变换中心的距离 滤波函数s(ij)=h*s(ij);endend%GLPF滤波后的频域表示s=ifftshift(s);%对s进行二维反离散s=uint8(real(ifft2(s);subplot(2,2,3);imshow(s);p=fftshift(fft2(data);M,N=size(p);n=2;%GLP滤波d仁30%Fourier变换后,对s进行反FFT移动取复数的实部 转化为无符号8位整数创建图形图像对象d1=30;n3=floor(M/2); n4=floor(N/2); for i=1 :Mforj=1:N分别返回P的行数到M中，列数到N中 对n赋初值初始化d1对M/2进行取整对N/2进行取整dd=sqrt(i-n3)A2+(j-n4)A2);点（i,j ）到傅立叶变换中心的距离forj=1:Np(i,j)=h1*p(ij);endendp=ifftshift(p);%对s进行二维反离散的p=uint8(real(ifft2(p);subplot(2,2,4)；滤波函数hi =1 -exp(-1/2*(ddA2/d1A2); %GHPF%GHPF滤波后的频域表示%对P进行反FFT移动Fourier变换后，取复数的实部转化为无符号8位整数% imshow（p）;创建图形图像对象3. 对给定的两种128128、256级灰度的数字图像（图像磁盘文件名分别为Fing_128,img （指纹图）和Cell_128.img （显微医学图像）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。（2）对原图像加入高斯噪声，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、加噪图像和处理后的图像。不加门限；加门限T 2f(m,n),(其中f (m, n)解答：(1)0100200物诵化唱疔/信宣上图0100210异同：由于原图像中目标物的灰度主要集中于低亮度部分，而且象素总数比较多，经过直方图均 衡后，目标物的所占的灰度等级得到扩展，对比度加强，使整个图像得到增强。数字图像均衡化后其直方图并非完全均匀分布的原因：由于原图像中目标物的灰度主要集中于低亮度部分，而且象素总数比较少，而所占的灰度等级比较多，因此图像的对比度比较好，亮度比较大，整体图像清晰。经过直方图均衡后，目标物的所占的灰度等级被压缩，对比度 减弱，反而使目标物变的难以辨认。数字图像均衡化后，其直方图并非完全均匀分布，这是因为图像的象素个数和灰度等级均为 离散值；而且均衡化使灰度级并归，因此，均衡化后，其直方图并非完全均匀分布。程序：figure(1);fid=fope n('D:imgcell_128.img',T);% 打开无格式文件data 仁(fread(fid,128,128,'uint8'); % 将打开的文件读入到 datalsubplot(4,2,1);%将 figure。)分成 4*2 的 8 个子窗口datal 1=uin t8(data1); imshow(datall);% 图象显示 title('CELL','Color','b');subplot(4,2,2);titleC原图像直方图)；加标题imhist(data11);subplot(4,2,3); % 取第二个子窗口data2=uint8(data1);% 将灰度图象转换成 uint8 格式 b=histeq(data2); %直方图均衡化imshow(b,256); %显示均衡化图象,256可缺省讥世均衡化丁Color");subplot(4,2,4);imhist(b);title。均衡化后图像直方图,)；subplot(4,2,5)fid=fopenfd:imgfing_128.img'；r'); % 打开无格式文件data3=(fread(fid,128,128/uint8f),;% 将打开的文件读入到 data3data31=uint8(data3);%将灰度图象转换成uint8格式imshow(data31); %显示灰度图象 titlefFINGVColor'/b');subplot(4,2,6) imhist(data31); titlef 原图像直方图)；subplot(4,2,7);data4=uint8(data3);%将灰度图象转换成uint8格式d=histeq(data4); %直方图均衡化imshow(d,256); %显示均衡化图象,256可缺省titl% 均衡化？Colo+b);subplot(4,2,8);imhist(d);讥1%均衡化后原图像直方图1);kl加门垠后刁匚哼声言剧 彳桀亚噪声百圄借加门雨厅程序：% CELLfigure(2);fid=fope n( 'D:imgcell_128.img'；r');% 打开无格式文件datal =(fread(fid,128,128；uint8t),： % 将打开的文件读入到datall=ui nt8(data1);11 =imnoise(l,'gaussian'); % 加乘性噪声H1=0 1 0;1 0 1;0 1 0/4; %4 x 4 领域模板J=imfilter(l,H1); % 领域平均 subplot(2,4,1),imshow(l); % 显示图像 I Mtle(原图像);subplot(2,4,2),imshow(l1);title,加噪声后图像力subplot(2,4,3),imshow(J);% 不加门限平滑title。不加门限平滑后图像')；%加门限后滤波T=2*sum(l1 (:)/128a2;im_T = zeros(128,128);fori = 1:128forj = 1:128if abs(l1(i,j)-J(i,j)>Tim_T(i,j) = J(i,j)；elseendend endsubplot(2,4,4)； imshow(im_T); title(,加门限后');% FINGfigure(2);fid=fopen('D:imgfing_128.img'；r')； %打开无格式文件datal =(fread(fid,128,128,uint8,)t; % 将打开的文件读入到 datal I=uint8(data1);11 =imnoise(l,'gaussian'); % 加乘性噪声H1=0 1 0;1 0 1;0 1 0/4; %4 X4 领域模板J=imfilter(l,H1); % 领域平均 subplot(2,4,5),imshow(l); % 显示图像 I Mtle(原图像);subplot(2,4,6),imshow(l1);title(,加噪声后图像');subplot(2,4,7),imshow(J);% 不加门限平滑title,不加门限平滑后图像*);%加门限后滤波T=2*sum(l1 (:)/128 人 2;im_T = zeros(128,128);fori = 1:128for j = 1:128if abs(l1(i,j)-J(i,j)>T im_T(i,j)=J(i,j);elseendend endsubplot(2,4,8); imshow(im_T); title(,加门限后');4. (1)用Laplacian锐化算子(分1和2两种情况)对256 256大小、256级灰度的数字图像lena进行锐化处 (2)若令显示处理前、后图像。g2(m,n)4f(m,n)f (m,n 则回答如下问题：f(m, n)、gi(m, n)和 g2(m.gi(m,n) f (m,n) 2fjf (m 1 ,n) f(m 1 ,n) f(m,n 1) f (m,n 1)1) t (m,n 1)a之间有何关系？g2(m, n)代表图像中的哪些信息？由此得出图像锐化的实质是什么？解答: 摩始图獴Laflaci nn算子尸1锐化图f Laplaoar算子R =2铁化图源代码：%laplacian 算子锐化 l=imread(,D:imgLENA256.bmp,)； %读入原图像 figure(1);subplot(1,3,1 )；imshow(l);title，原始图像);L=fspecial('laplacia n');L1=0-1 0;-1 5-1;0-1 0;L2=0 -2 0；-2 9 -2;0 -2 0；LP 仁 imfilter(l ,L 1/replicate*);% a =1 时的拉普拉斯算子LP2=imfilter(l,L2,'replicate');% a =2 时的拉普拉斯算子subplot(1,3,2);imshow(LP1 );title(*Laplacian 算子 a =1 锐化图像')；subplot(1,3,3);imshow(LP2);title(,Laplacian 算子 a =2 锐化图像')；(2)因为g? (m, n) 2f(m, n)，所以f (m, n)、gi (m, n)和g2(m, n)之间有以下关系： gi (m, n) f (m, n) 92 (m, n)g2(m, n)代表了原图像中的二阶梯度信息；gi(m, n)是边缘增强后的数字图像；由此可以得出：图像锐化的实质是将原图像与梯度信息叠加(梯度信息所占的比例由的大小决定，值越大则梯度信息所占的比例越大)，相当于对目标物的边缘进行了增强。5.分别利用Roberts、Prewitt和Sobel边缘检测算子，对256 256大小、256级灰度的数字图像 lena进行边缘检测,显示处理前、后图像。解答:像:原始震I蟒PRoberts梯度法锐化H像日Witt算子锐化BI像比词算子锐化廛I像程序：l=imread('D:imgLENA256.bmp'); %读入原图像figure(1)%Roberts 梯度法锐化 subplot(2,2,1 );imshow(l);Mtle(原始图像)J=double(l);IX,IY=gradient(J);% 计算梯度A=sqrt(IX.*IX+IY.*IY); subplot(2,2,2);imshow(A,);title('Roberts 梯度法 锐化图像')；%Prewitt算子锐化S=imfilter(l,fspecial('Prewitt'); subplot(2,2,3);imshow(S);title('Prewitt 算 子锐化图像')；%Sobel算子锐化S=imfilter(l,fspecial('sober); subplot(2,2,4);imshow(S);title('Sobel 算子 锐化图像')；
