中南民族大學(xué)數(shù)字圖像處理實(shí)驗(yàn)報(bào)告

1、精選優(yōu)質(zhì)文檔-傾情為你奉上院 系： 計(jì)算機(jī)科學(xué)學(xué)院 專 業(yè)：計(jì)算機(jī)科學(xué)與技術(shù) 年 級： 2011級 課 程 名 稱： 數(shù)字圖像處理 組 號： 02 姓名(學(xué)號)： 謝 楓 石小飛 黃 煜 柳衛(wèi)平 李春豪 指 導(dǎo) 教 師： 徐勝舟 2014年 4月 29日年級2011級班號5組號02學(xué)號專業(yè)計(jì)算機(jī)科學(xué)與技術(shù)姓名實(shí)驗(yàn)名稱Matlab圖像處理基礎(chǔ)實(shí)驗(yàn)室9實(shí)驗(yàn)?zāi)康暮鸵笠弧?shí)驗(yàn)?zāi)康模海?）熟悉Matlab開發(fā)環(huán)境；（2）掌握Matlab中數(shù)字圖像的讀取、顯示、保存的基本方法的使用；（3）掌握不同類型的數(shù)字圖像之間轉(zhuǎn)換方法;（4）加深空間分辨率和灰度分辨率對圖像顯示效果的影響；（5）熟悉Matlab中的

2、傅里葉變換；（6）基于Matlab的數(shù)字圖像程序設(shè)計(jì)方法;二、實(shí)驗(yàn)內(nèi)容：（1）在Matlab中運(yùn)用imread函數(shù)讀取一幅RGB圖像（從實(shí)驗(yàn)素材中任意選擇），查看該圖像的大小、數(shù)據(jù)類型信息，并將該圖像轉(zhuǎn)換為灰度圖像后以bmp格式保存。（2）運(yùn)用imread函數(shù)讀取一幅灰度圖像（從實(shí)驗(yàn)素材中任意選擇），分別對其進(jìn)行2采樣、4采樣和8采樣，將原圖像及采樣后的三幅結(jié)果圖像按同一大小顯示出來并比較空間分辨率對圖像顯示效果的影響。（3）運(yùn)用imread函數(shù)讀取一幅灰度圖像（從實(shí)驗(yàn)素材中任意選擇），分別以5,10,50為間隔對其灰度重新進(jìn)行均勻量化，將原圖像及重新量化后的三幅結(jié)果圖像按同一大小顯示出來并比

3、較灰度分辨率對圖像顯示效果的影響。（4）讀取一幅灰度圖像，對其進(jìn)行快速傅里葉變換，將原空域圖像和變換后的頻域圖像顯示在同一窗口中。三、實(shí)驗(yàn)要求：（1）針對具體實(shí)驗(yàn)內(nèi)容要分別展示：指令(或m文件)，輸出結(jié)果，成因分析，經(jīng)驗(yàn)總結(jié)。（2）所有生成的圖像或m文件，必須命名，比如圖n：描述圖像信息；*.m文件：描述文件信息。（3）嚴(yán)禁抄襲，一旦發(fā)現(xiàn)雷同，所有涉及者均判實(shí)驗(yàn)報(bào)告不及格。實(shí)驗(yàn)原理（算法流程）實(shí)驗(yàn)（1）：1.代碼實(shí)現(xiàn)I=imread('peppers.png');%將圖像peppers.png讀入數(shù)組I中imshow(I); %顯示圖像Iimfinfo('peppers

4、.png'); %讀取圖像大小、數(shù)據(jù)類型信息ans %查看圖像大小、數(shù)據(jù)類型信息I=rgb2gray(I); %將圖像轉(zhuǎn)換為灰度圖像Iimwrite(I,'peppers.bmp');%將轉(zhuǎn)換后的圖像以文件名peppers.bmp保存2.運(yùn)行結(jié)果1-1-1圖 查看Peppers.png圖片的基本信息和顯示圖片過程1-1-2圖 將Peppers.png圖片保存為peppers.bmp圖片3.實(shí)驗(yàn)分析專心-專注-專業(yè)實(shí)驗(yàn)原理（算法流程）先用imread()函數(shù)將peppers.png存入I數(shù)組中，可見1-1-1圖右上角的Workspace中的I。然后用imfinfo()函數(shù)

5、和ans函數(shù)讀取該圖像的大小、類型等信息，具體在1-1-1圖的Command Window中可見。至于圖片格式的轉(zhuǎn)換，就是用rgb2gray()函數(shù)將保存在I數(shù)組中的數(shù)據(jù)轉(zhuǎn)換成灰度格式保存在原來的數(shù)組I中。最后將變換所得到的數(shù)據(jù)保存于peppers.bmp文件中。實(shí)驗(yàn)（2）：1.代碼實(shí)現(xiàn)I=imread('lena.bmp');%讀取灰度圖片subplot(221),imshow(I,),title('256*256,256')I=I(1:2:end,1:2:end);%圖片采樣subplot(222),imshow(I,),title('128*128

6、,256')I=I(1:2:end,1:2:end);%圖片采樣subplot(223),imshow(I,),title('64*64,256')I=I(1:2:end,1:2:end);%圖片采樣subplot(224),imshow(I,),title('32*32,256')2.運(yùn)行結(jié)果1-2 圖 圖片空間分辨率對圖片的影響3.實(shí)驗(yàn)分析由1-2圖可以看出，在保持灰度級數(shù)一定的條件下，隨著圖片空間分辨率的減半，即256*256,128*128,64*64,32*32的圖像，圖中的各個(gè)區(qū)域邊緣處的棋盤模式越來越明顯，并且全圖的像素顆粒越來越粗。證明了

7、空間分辨率是影響圖片清晰度的因素之一。實(shí)驗(yàn)（3）：1.代碼實(shí)現(xiàn)I=imread('lena.bmp');%讀取灰度圖片subplot(221),imshow(I,256),title('256*256,256')%灰度級為256subplot(222),imshow(I,50),title('256*256,50') %灰度級為50實(shí)驗(yàn)原理（算法流程）subplot(223),imshow(I,10),title('256*256,10') %灰度級為10subplot(224),imshow(I,5),title('25

8、6*256,5') %灰度級為52.運(yùn)行結(jié)果1-3 圖 圖片灰度級對圖片的影響3.實(shí)驗(yàn)分析該實(shí)驗(yàn)是在空間分辨率一定的前提下，改變灰度級別來觀察圖片的變化情況。由1-3圖可以看出，灰度級從256一次到50、10、5過程中，圖中的各個(gè)區(qū)域邊緣處的棋盤模式也越來越明顯，并且全圖的像素顆粒越來越粗。證明了灰度分辨率也是影響圖片清晰度的因素之一。實(shí)驗(yàn)（4）：1.代碼實(shí)現(xiàn)A=imread('saturn.png');%讀取真彩圖B=rgb2gray(A);%將真彩圖轉(zhuǎn)換為灰度圖subplot(121),imshow(B);%顯示灰度圖C=ffshift(fft2(B);%計(jì)算傅里葉

9、變換并位移subplot(122),imshow(log(abs(C),);%顯示變換頻譜實(shí)驗(yàn)原理（算法流程）2.運(yùn)行結(jié)果1-4圖 圖片的傅里葉變換效果3.實(shí)驗(yàn)分析 由1-4圖可以看出，傅里葉變換對灰度圖片進(jìn)行頻譜轉(zhuǎn)換，很好的刻畫了圖片的變換特征。代碼中運(yùn)用了fftshift()函數(shù)將變換后的圖像頻譜中心從矩陣的原點(diǎn)移動(dòng)到了矩陣的中心。為了夠清楚的觀察到轉(zhuǎn)換效果，最后用abs()函數(shù)對變換結(jié)果進(jìn)行求模運(yùn)算，避免不能顯示的復(fù)數(shù)。因此得到了由圖中的變換效果。年級2011級班號5組號02學(xué)號專業(yè)計(jì)算機(jī)科學(xué)與技術(shù)姓名實(shí)驗(yàn)名稱Matlab圖像圖像增強(qiáng)實(shí)驗(yàn)室9實(shí)驗(yàn)?zāi)康暮鸵?.實(shí)驗(yàn)?zāi)康模?）掌握空域點(diǎn)處理

10、圖像增強(qiáng)方法；（2）掌握空域?yàn)V波圖像增強(qiáng)方法；（3）掌握頻域?yàn)V波圖像增強(qiáng)方法；2.實(shí)驗(yàn)內(nèi)容（1）讀取一幅對比度不足的圖像，對該圖像進(jìn)行直接灰度變換，包括圖像求反、線性灰度變換、對數(shù)變化，并將原圖像及變換后的圖像進(jìn)行對比。（2）讀取一幅直方圖不均勻的圖像，對該圖像進(jìn)行直方圖均衡處理，顯示處理前后的圖像以及它們的灰度直方圖。（3）讀取一幅灰度圖像，對其添加均值為0，方差為0.02的高斯噪聲，然后對添加噪聲后的圖像分別用3，9，18幅相同圖像對其進(jìn)行相加求平均結(jié)果，比較添加噪聲圖像與結(jié)果圖像。（4）讀取一幅灰度圖像，對其添加均值為0，方差為0.01的高斯噪聲，然后分別對其進(jìn)行中值濾波、sobel算子

11、濾波、Prewitt算子濾波，比較添加噪聲圖像與濾波后的結(jié)果圖像。（5）讀取一幅灰度圖像，分別對其進(jìn)行理想低通濾波和巴特沃斯高通濾波，顯示濾波結(jié)果。3.報(bào)告撰寫要求：（1）針對具體實(shí)驗(yàn)內(nèi)容要分別展示：指令(或m文件)，輸出結(jié)果，成因分析，經(jīng)驗(yàn)總結(jié)（2）所有生成的圖像或m文件，必須命名，比如圖n：描述圖像信息；*.m文件：描述文件信息（3）嚴(yán)禁抄襲，一旦發(fā)現(xiàn)雷同，所有涉及者均判實(shí)驗(yàn)報(bào)告不及格實(shí)驗(yàn)原理（算法流程）實(shí)驗(yàn)（1）：1.代碼實(shí)現(xiàn)I=imread('kids.tif');subplot(221),imshow(I);I=double(I);I1=I;I2=I;I3=I;%圖像

12、求反I1=256-1-I1;I1=uint8(I1);subplot(222),imshow(I1);%線性灰度變換M,N=size(I2);for i=1:M for j=1:N if I2(i,j) <= 30 I2(i,j)=I2(i,j); elseif I2(i,j)<=150 I2(i,j)=(200-30)/(150-30)*(I2(i,j)-30)+30; else I2(i,j)=(255-200)/(255-150)*(I2(i,j)-150)+200; end endendsubplot(223),imshow(uint8(I2);%對數(shù)灰度變換I3=41*l

13、og(1+I3);I3=uint8(I3);subplot(224),imshow(I3); 實(shí)驗(yàn)原理（算法流程）2.運(yùn)行結(jié)果2-1圖 圖像求反、線性灰度變換、對數(shù)變換效果對比3.實(shí)驗(yàn)分析上圖中的四幅圖片從左到右，從上到下分別是原圖、圖像求反效果圖、圖像線性灰度變換效果圖、圖像對數(shù)變換效果圖。從上圖可看出，原圖像與求反圖像之間存在很大差異，而求反的操作就是I=256-1-I這條語句實(shí)現(xiàn)的，圖像可以說是由黑變白。線性灰度變換圖像的效果和原圖最接近，其主要是將圖像灰度級拉伸，增強(qiáng)對比度，將不需要的細(xì)節(jié)灰度級壓縮，所以線性變換圖像看起來比原圖相對清楚、明亮。而對數(shù)是對原圖像進(jìn)行動(dòng)態(tài)范圍的的壓縮，因此

14、圖片的細(xì)節(jié)可見程度相對明顯。實(shí)驗(yàn)（2）：1.代碼實(shí)現(xiàn)I=imread('mandi.tif'); subplot(221),imshow(I),title('原圖和其直方圖');subplot(222),imhist(I); %顯示圖像直方圖I1=histeq(I); %對圖像進(jìn)行直方圖均衡化處理subplot(223),imshow(I1),title('直方圖均衡化后的圖和其直方圖');subplot(224),imhist(I1); %顯示直方圖均衡化后的圖和其直方圖實(shí)驗(yàn)原理（算法流程）2.運(yùn)行結(jié)果2-2圖 圖片直方圖均衡處理效果圖和直方圖

15、3.實(shí)驗(yàn)分析由2-2圖的直方圖均衡處理效果圖及其直方圖的比較我們可以很容易發(fā)現(xiàn)。原圖的直方圖的灰度值相對集中靠左，所以看原圖的效果顯得相對較暗，而且動(dòng)態(tài)范圍偏小，對比度很低。通過直方圖均衡化后的，圖像的直方圖顯示相對平均，而且動(dòng)態(tài)范圍也變大了。其主要思想就是通過把原來不均衡的直方圖變換為均衡的分布形式，來增強(qiáng)灰度的動(dòng)態(tài)范圍，從而達(dá)到增強(qiáng)圖像整體對比度的效果。實(shí)驗(yàn)（3）：1.代碼實(shí)現(xiàn)f=imread('onion.png');f=rgb2gray(f); %把彩色圖像轉(zhuǎn)換為灰度圖像M,N=size(f);ff1=zeros(M,N); for i=1:18 ff(:,:,i)=i

16、mnoise(f,'gaussian',0,0.02);%添加噪聲實(shí)驗(yàn)原理（算法流程） ff1=ff1+double(ff(:,:,i); if or(or(i=1,i=3),or(i=9,i=18); figure; imshow(uint8(ff1/i); endend2.運(yùn)行結(jié)果2-3圖 圖像相加求平均去噪效果圖3.實(shí)驗(yàn)分析 該實(shí)驗(yàn)?zāi)康闹饕球?yàn)證通過圖像加法求平均能否達(dá)到減少噪聲，即圖像增強(qiáng)功能。上圖分別先通過隨機(jī)高斯噪聲處理后，再分別進(jìn)行1,3,9,18的圖像相加求平均，最后得到上圖結(jié)果。上圖，從左至右，從上至下，分別為1,3,9,18求平均。通過圖像處理后效果的比較，

17、我們可以得出，相加并求平均的圖像數(shù)越多，圖像去噪增強(qiáng)的效果越明顯。實(shí)驗(yàn)（4）：1.代碼實(shí)現(xiàn)I=imread('eight.tif');subplot(231),imshow(I);title('原圖');J=imnoise(I,'gaussian',0,0.01);subplot(232),imshow(J);title('隨機(jī)噪聲圖像');實(shí)驗(yàn)原理（算法流程）subplot(232),imshow(J);title('隨機(jī)噪聲圖像');K=medfilt2(I,9,9);%進(jìn)行9X9模板中值濾波subplot(2

18、33),imshow(K);title('9X9模板中值濾波圖');S=fspecial('sobel'); %應(yīng)用sobel算子銳化圖像I2=filter2(S,I); %sobel算子濾波銳化subplot(234),imshow(I2);title('sobel算子銳化圖像');H=fspecial('prewitt'); %應(yīng)用prewitt算子銳化圖像I3=filter2(H,I); %prewitt算子濾波銳化subplot(235),imshow(I3);title('prewitt算子銳化圖像');

19、 %顯示prewitt算子銳化圖像2.運(yùn)行結(jié)果2-4圖 圖像中值濾波、sobel濾波、prewitt濾波效果圖3.實(shí)驗(yàn)分析 2-4圖通過相對原圖加上隨機(jī)高斯噪聲處理后在分別進(jìn)行中值濾波、sobel濾波、prewitt濾波處理，得到上面相關(guān)過效果圖。從上圖很直觀的可以看出中值濾波的效果最好。而sobel濾波、prewitt濾波處理后，邊緣模糊現(xiàn)象很嚴(yán)重。對于中值濾波，其在一定的條件下可以克服線性濾波帶來的圖像細(xì)節(jié)模糊問題。而該實(shí)驗(yàn)采用的是9x9的濾波模板。而sobel濾波和prewitt濾波，其梯度值和臨近像素灰度值的差分成正比，因此圖像中灰度變化較大的邊緣區(qū)域的梯度值大，而灰度變化平緩的區(qū)域梯

20、度值小。所以，才出現(xiàn)上圖效果。實(shí)驗(yàn)原理（算法流程）實(shí)驗(yàn)（5）：1.代碼實(shí)現(xiàn)I=imread('office_5.jpg');subplot(221),imshow(I);title('真彩原圖');I=rgb2gray(I);subplot(222),imshow(I);title('灰度原圖');I=double(I); f=fft2(I); %采用傅里葉變換g=fftshift(f); %數(shù)據(jù)矩陣平衡gg=fftshift(f); %數(shù)據(jù)矩陣平衡M,N=size(I);n1=floor(M/2);n2=floor(N/2);d0=65;for

21、 i=1:M %進(jìn)行理想低通濾波 for j=1:N d=sqrt(i-n1)2+(j-n2)2); if d<=d0 h=1; else h=0; end g(i,j)=h*g(i,j); endendg=ifftshift(g);g=uint8(real(ifft2(g);subplot(223);imshow(g);title('理想低通濾波圖'); n=2; %進(jìn)行巴特沃特高通濾波d0=8;for i=1:M for j=1:N d=sqrt(i-n1)2+(j-n2)2); if d=0 h=0; else h=1/(1+(d0/d)(2*n); end gg(

22、i,j)=h*gg(i,j); endend實(shí)驗(yàn)原理（算法流程）gg=ifftshift(gg);gg=uint8(real(ifft2(gg);subplot(224);imshow(gg);title('巴特沃特高通濾波圖');%顯示巴特沃特高通濾波圖2.運(yùn)行結(jié)果2-5圖 圖像的理想低通濾波和巴特沃斯高通濾波效果圖3.實(shí)驗(yàn)分析該實(shí)驗(yàn)室將理想的低通濾波與巴特沃特高通濾波效果進(jìn)行對比。正如2-5圖所示，上面一行的為真彩色圖和其經(jīng)轉(zhuǎn)換的灰度圖，下面為經(jīng)過濾波的效果圖。從效果看，理想的低通濾波要比巴特沃特高通濾波效果好。然而理想的低通濾波在處理過程中產(chǎn)生了比較嚴(yán)重的模糊現(xiàn)象。而經(jīng)過

23、巴特沃特高通濾波后區(qū)域邊界有了明顯的增強(qiáng)，灰度動(dòng)態(tài)范圍變小，但是整個(gè)圖的暗度變高了很多。實(shí)驗(yàn)原理（算法流程）1.實(shí)驗(yàn)?zāi)康模?）掌握逆濾波圖像復(fù)原方法；（2）掌握維納濾波圖像復(fù)原方法；（3）掌握最小二乘方圖像復(fù)原方法；（4）掌握全彩色圖像處理方法；（5）掌握偽彩色圖像處理方法；（6）掌握基本的圖像檢測與分割方法2.實(shí)驗(yàn)內(nèi)容（1）讀取一幅灰度圖像，首先對其進(jìn)行運(yùn)動(dòng)模糊（顯示模糊前后的圖像），再對其添加高斯噪聲；然后對其分別進(jìn)行逆濾波、維納濾波、最小二乘方濾波圖像復(fù)原，比較這三種復(fù)原算法的異同。（2）在（1）的基礎(chǔ)上，改變高斯噪聲的參數(shù)，比較三種復(fù)原算法在高、中、低三種不同程度的噪聲下的復(fù)原效果。（

24、3）讀取一幅RGB彩色圖像，獲取其三個(gè)通道R、G、B圖像，并分別對其進(jìn)行中值濾波，最后將三幅濾波結(jié)果圖像合成一幅RGB結(jié)果圖像。（4）讀取RGB三原色圖像，生成其在HSI空間的各個(gè)分量各自對應(yīng)的灰度圖。（5）讀取一幅灰度圖像，利用密度分層法將其轉(zhuǎn)換為索引圖像。要求至少采用Matlab提供的2種著色器（參見colormap）來實(shí)現(xiàn)。（6）讀取一幅灰度圖像（如lena.bmp），分別采用roberts算子、sobel算子、Prewitt算子、Canny算子、LOG算子對其進(jìn)行邊緣檢測，并比較檢測結(jié)果（7）讀取一幅灰度圖像，采用Otsu閾值法對其進(jìn)行閾值分割，并嘗試手動(dòng)調(diào)整Otsu閾值的大小，觀察分

25、割結(jié)果的變化（8）讀取一幅灰度圖像，采用分水嶺算法對其進(jìn)行分割，觀察分割結(jié)果3.報(bào)告撰寫要求：（1）針對具體實(shí)驗(yàn)內(nèi)容要分別展示：指令(或m文件)，輸出結(jié)果，成因分析，經(jīng)驗(yàn)總結(jié)（2）所有生成的圖像或m文件，必須命名，比如圖n：描述圖像信息；*.m文件：描述文件信息（3）嚴(yán)禁抄襲，一旦發(fā)現(xiàn)雷同，所有涉及者均判實(shí)驗(yàn)報(bào)告不及格實(shí)驗(yàn)原理（算法流程）實(shí)驗(yàn)（1）：1.代碼實(shí)現(xiàn)C=imread('picture.png');C=rgb2gray(C);subplot(231);imshow(C);title('灰度原圖');%運(yùn)動(dòng)模糊處理LEN=30; %設(shè)置運(yùn)動(dòng)位移為30像素

26、 THETA=45; %設(shè)置運(yùn)動(dòng)角度PSF=fspecial('motion',LEN,THETA); %建立二維仿真線性運(yùn)動(dòng)濾波器PSFMF=imfilter(C,PSF,'circular','conv'); %用PSF產(chǎn)生退化圖像subplot(232);imshow(MF);title('運(yùn)動(dòng)模糊圖');%顯示模糊后的運(yùn)動(dòng)圖像MFN=imnoise(MF,'gaussian',0,0.);%加高斯噪聲subplot(233);imshow(MFN);title('加高斯噪聲圖');%顯示高斯

27、噪聲圖像noise=imnoise(zeros(size(C),'gaussian',0,0.8);NSR=sum(noise(:).2)/sum(MFN(:).2);%計(jì)算信噪比subplot(234);imshow(deconvwnr(MFN,PSF);title('逆濾波復(fù)原圖');subplot(235);imshow(deconvwnr(MFN,PSF,NSR);title('維納濾波復(fù)原圖');subplot(236);imshow(deconvreg(MFN,PSF,4);title('最小二乘方濾波復(fù)原圖');2.

28、運(yùn)行結(jié)果實(shí)驗(yàn)原理（算法流程）3-1圖 圖像的逆濾波、維納濾波、最小二乘方濾波圖3.實(shí)驗(yàn)分析實(shí)驗(yàn)前，現(xiàn)將一副灰度圖片進(jìn)行運(yùn)動(dòng)模糊處理，然后加上隨機(jī)高斯噪聲。隨后進(jìn)行逆濾波、維納濾波、最小二乘方濾波處理。由上面各個(gè)圖的效果可以看出，維納濾波和最小二乘方濾波對噪聲和運(yùn)動(dòng)模糊有相當(dāng)?shù)暮玫倪^濾效果。而逆濾波則出現(xiàn)較多的雜色。實(shí)驗(yàn)（2）：1.代碼實(shí)現(xiàn)C=imread('picture.png');C=rgb2gray(C);subplot(231);imshow(C);title('灰度原圖');%運(yùn)動(dòng)模糊處理LEN=30; %設(shè)置運(yùn)動(dòng)位移為30像素 THETA=45; %

29、設(shè)置運(yùn)動(dòng)角度PSF=fspecial('motion',LEN,THETA); %建立二維仿真線性運(yùn)動(dòng)濾波器PSFMF=imfilter(C,PSF,'circular','conv'); %用PSF產(chǎn)生退化圖像subplot(232);imshow(MF);title('運(yùn)動(dòng)模糊圖');%顯示模糊后的運(yùn)動(dòng)圖像MFN=imnoise(MF,'gaussian',0,0.001);%加高斯噪聲subplot(233);imshow(MFN);title('加高斯噪聲圖');%顯示高斯噪聲圖像noise

30、=imnoise(zeros(size(C),'gaussian',0,0.3);NSR=sum(noise(:).2)/sum(MFN(:).2);%計(jì)算信噪比subplot(234);imshow(deconvwnr(MFN,PSF);title('逆濾波復(fù)原圖');subplot(235);imshow(deconvwnr(MFN,PSF,NSR);title('維納濾波復(fù)原圖');subplot(236);imshow(deconvreg(MFN,PSF,4);title('最小二乘方濾波復(fù)原圖');2.運(yùn)行結(jié)果實(shí)驗(yàn)原理（

31、算法流程）3-2-1圖 高斯參數(shù)的設(shè)置（0.001,0.3）3-2-1圖 高斯參數(shù)的設(shè)置（0.,0.9）實(shí)驗(yàn)原理（算法流程）3.實(shí)驗(yàn)分析由上面的兩個(gè)高斯參數(shù)可以看出，噪聲對以上三種濾波的方式影響很大。高斯噪聲參數(shù)越大，逆濾波的去噪效果就越差，而維納濾波和最小二乘方濾波去噪效果就越好。實(shí)驗(yàn)（3）：1.代碼實(shí)現(xiàn)rgb=imread('rgb.jpg');subplot(231);imshow(rgb);title('RGB原圖');R=rgb(:,:,1);%提取圖像的R、G、BG=rgb(:,:,2);B=rgb(:,:,3);subplot(234);imsho

32、w(R);title('圖像的R分量圖');%顯示圖像的R、G、B分量圖subplot(235);imshow(G);title('圖像的G分量圖');subplot(236);imshow(B);title('圖像的B分量圖');R_filt=medfilt2(R,'symmetric'); %對R、G、B分量分別進(jìn)行中值濾波G_filt=medfilt2(G,'symmetric');B_filt=medfilt2(B,'symmetric');rgb_filtered=cat(3,R_filt

33、,G_filt,B_filt);%將圖像合并subplot(233);imshow(rgb_filtered);title('進(jìn)行RGB中值濾波后的圖');2.運(yùn)行結(jié)果實(shí)驗(yàn)原理（算法流程）3-3圖 圖像RGB三通道中值濾波效果3.實(shí)驗(yàn)分析由上面3-3圖中的R、G、B分量圖可以看出針對自己的通道，分別濾去其他兩種顏色，所以結(jié)果呈黑色。至于重疊的部分，因?yàn)橛凶约旱耐ǖ李伾谄渲?，所以不為黑色。將三個(gè)通道分別做中值濾波后在進(jìn)行組合，得到中值濾波組合圖像。從圖像的整體上看，和原圖像沒有太大的區(qū)別。實(shí)驗(yàn)（）：1.代碼實(shí)現(xiàn)rgb=imread('rgb.jpg');subp

34、lot(232);imshow(rgb);title('原圖');rgb=im2double(rgb);%將圖像轉(zhuǎn)化成double型r=rgb(:,:,1); %提取圖像R、G、B分量g=rgb(:,:,2);b=rgb(:,:,3);%計(jì)算I分量I=(r+g+b)/3;%計(jì)算S分量tmp1=min(min(r,g),b);tmp2=r+g+b;tmp2(tmp2=0)=eps;S=1-3.*tmp1./tmp2;%計(jì)算H分量tmp1=0.5*(r-g)+(r-b);tmp2=sqrt(r-g.2)+(r-b).*(g-b);theta=acos(tmp1./(tmp2+eps

35、);H=theta;H(b>g)=2*pi-H(b>g);H=H/(2*pi);H(S=0)=0;hsi=cat(3,H,S,I);subplot(234);imshow(H);title('H分量圖');subplot(235);imshow(S);title('S分量圖');subplot(236);imshow(I);title('I分量圖');2.運(yùn)行結(jié)果實(shí)驗(yàn)原理（算法流程）3-4圖 圖像的HIS空間各個(gè)分量效果圖3.實(shí)驗(yàn)分析由3-4圖狠一很清楚的了解到該圖像色調(diào)、飽和度、強(qiáng)度之間的信息。根據(jù)H分量圖，可以看出哪個(gè)區(qū)域最接近那

36、種光的波長；根據(jù)S分量圖，可以了解顏色的深淺程度，飽和度越高，顏色越深；根據(jù)I分量圖，可以了解該區(qū)域亮度。實(shí)驗(yàn)（5）：1.代碼實(shí)現(xiàn)I=imread('gantrycrane.png');subplot(221);imshow(I);title('原圖');%密度分層法G2C=grayslice(I,128);subplot(222);imshow(G2C,gray(128);title('密度分層法效果圖');%colormap方法subplot(223);imshow(I); title('colormap-hot圖');col

37、ormap hot;subplot(224);imshow(I);title('colormap-gray圖');colormap gray;實(shí)驗(yàn)原理（算法流程）2.運(yùn)行結(jié)果3-5圖 密度分層法轉(zhuǎn)換索引圖像3.實(shí)驗(yàn)分析 由3-5圖我們可以看出密度分層法效果使得圖像整個(gè)邊生、硬暗淡。而使用colormap hot和colormap gray工具后，效果和原圖區(qū)別不大。實(shí)驗(yàn)（6）：1.代碼實(shí)現(xiàn)f=imread('lena.bmp');subplot(231);imshow(f);title('原圖');g,t=edge(f,'roberts&

38、#39;,'both');%用Roberts算子分割圖像subplot(232);imshow(g);title('Roberts算子分割圖');g,t=edge(f,'sobel','both');%用Sobel算子分割圖像subplot(233);imshow(g);title('Sobel算子分割圖');g,t=edge(f,'prewitt','both');%用Prewitt算子分割圖像subplot(234);imshow(g);title('Prewitt算子分

39、割圖');實(shí)驗(yàn)原理（算法流程）g,t=edge(f,'log');%用Log算子分割圖像subplot(235);imshow(g);title('Log算子分割圖');g,t=edge(f,'canny');%用Canny算子分割圖像subplot(236);imshow(g);title('Canny算子分割圖');2.運(yùn)行結(jié)果3-6圖 圖像roberts算子、sobel算子、Prewitt算子、Canny算子、LOG算子邊緣檢測3.實(shí)驗(yàn)分析由3-6圖我們可以直觀的看出，canny算子對圖像的邊緣檢測效果更好，其次是L

40、og算子也有很好的邊緣檢測效果。而sobel算子、Prewitt算子邊緣檢測效果相當(dāng)。再其次是roberts算子。roberts算子是利用拒不差分算子尋找邊緣，邊緣定位精度較高，但容易丟失部分邊緣。sobel算子和Prewitt算子是它們先對圖像做加權(quán)平滑，在作微分運(yùn)算，不同的是權(quán)值有差別，因而這兩種算子對噪聲具有一定的抑制能力，但不能完全排除檢測邊緣結(jié)果出現(xiàn)的虛假邊緣。LOG算子是先用高斯函數(shù)對函數(shù)做平滑濾波處理，再用Log算子檢測邊緣，因此有效地克服了Log算子抗噪能力差的問題，但是在抑制噪聲的同時(shí)，也可能將原來有比較尖銳的邊緣平滑掉，造成尖銳邊遠(yuǎn)無法檢測出來。實(shí)驗(yàn)原理（算法流程）Canny算子是基于最優(yōu)化思想而指出邊緣檢測算子，但是實(shí)際效果不一定最優(yōu)，其采用高斯函數(shù)對圖像做平滑處理，故具有較強(qiáng)的抑制噪聲的能力。實(shí)驗(yàn)（7）：1.代碼實(shí)現(xiàn)f=imread('tool.jpg');f=rgb2gray(f);subplot(121);imshow(f);title('原圖');%自動(dòng)獲取最佳值%T=graythresh(f);%取最佳值%g=im2bw(f,T);%手動(dòng)調(diào)試：灰度值T范圍為0，L-