图像处理实验二 图像的增强.pdfVIP

  1. 1、本文档共6页,可阅读全部内容。
  2. 2、有哪些信誉好的足球投注网站(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
  3. 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载
  4. 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
  5. 5、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
  6. 6、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们
  7. 7、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
  8. 8、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多

实验二图像的增强

一、实验目的

1)掌握在计算机上进行直方图统计,以及直方图均衡化、线性变换的图像增强的方法

2)掌握在计算机上进行图象平滑、图象锐化特别是中值滤波平滑及拉普拉斯算子锐化

的方法

二、实验要求

1)显示图像(cameraman.tif)及灰度直方图。

2)对指定图像(cameraman.tif)进行直方图均衡化和线性变换,将原始图像及增强

后的图像都显示于屏幕上,比较增强的效果。

3)对指定图像(lena.bmp)加入椒盐噪声,然后进行邻域平滑、中值滤波,将原始图

像及平滑后的图像都显示于屏幕上,比较效果。

4)对指定图像(lena.bmp)进行锐化(简单梯度算法、ROBERT算子,Prewitt边缘算

子和拉普拉斯算子),将原始图像及锐化后的图像都显示于屏幕上,比较锐化的效

果。

三、实验仪器设备及软件

HPD538、MATLAB

四、实验原理

以自己的语言结合课堂笔记进行总结,要求过程推导清晰明了。

五、实验步骤及程序

实验步骤、程序流程、实验源程序和注释齐全

实验源程序:

(1).显示图像(cameraman.tif)及灰度直方图:

I=imread(cameraman.tif);

subplot(121);

imshow(I);

title(原始图象);

subplot(122);

imhist(I);

title(灰度直方图)实验结果与分析

(2)对指定图像(cameraman.tif)进行直方图均衡化和线性变换,将原始图像及增强后

的图像都显示于屏幕上,比较增强的效果。

I=imread(cameraman.tif);

subplot(221);

imshow(I);

title(原始图象);

I1=histeq(I);

subplot(222);

imshow(I1);

title(原始图象均衡化);

subplot(223);

imshow(I);

title(原始图象);

I2=imadjust(I);

subplot(224);

imshow(I1);

title(原始图象线性变化);

(3)对指定图像(lena.bmp)加入椒盐噪声,然后进行邻域平滑、中值滤波,将原始图

像及平滑后的图像都显示于屏幕上,比较效果。

I=imread(LENA.BMP);

J=imnoise(I,saltpepper,0.1);

subplot(221);

imshow(J);

title(加椒盐噪声图象);

K1=filter2(fspecial(average,3),J);

subplot(223);

imshow(uint8(K1));

title(平滑滤波后图象);

K2=medfilt2(J);

subplot(224);

imshow(uint8(K2));

title(中值滤波后图象)

(4)对指定图像(lena.bmp)进行锐化(简单梯度算法、ROBERT算子,Prewitt边缘算子

和拉普拉斯算子),将原始图像及锐化后的图像都显示于屏幕上,比较锐化的效果。

I1=imread(LENA.BMP);

I=double(I1);%转化为double型

[Gx,Gy]=gradient(I);%计算梯度

G=sqrt(Gx.*Gx+Gy.*Gy);%梯度算子

subplot(241);

imshow(I1);

Ax=[1,0;0,-1];Ay=[0,1;-1,0];

A=abs(imfilter(I1,Ax))+abs(imfilter(I1,Ay));%罗伯特算子

subplot(245);

imshow(A);title(robert锐化)

Ax=[-1,1;0,0];Ay=[1,0;-1,0];

A=abs(imfilter(I1,Ax))+abs(imfilter(I1,Ay));%梯度算子

subplot(246);

文档评论(0)

156****6092 + 关注
实名认证
文档贡献者

博士研究生

1亿VIP精品文档

相关文档