：数字图像处理实验一一、显示图像(图)

数字图像处理实验之一一、显示图像1.使用imread（）函数读取图像，假设其名称为lily.tif，并将其存储在数组中； 2。使用whos命令提取读取的图像flower.tif;的基本信息。 3。使用imshow（）函数显示此图像；实验结果如下：MATLAB数字图像处理初步源代码：>> I = imread（'lily.tif'）>> whos I >> imshow（I）二、压缩图像4.使用imfinfo函数获得图像文件的压缩，颜色和其他详细信息； 5。使用imwrite（）函数压缩该图像，将其另存为具有压缩像素的jpg文件，并设置为lily.jpg；语法：imwrite（原始图像，新图像，“质量”，q），q取0-100。 6.还可以使用imwrite（）函数将最初读取的tif图像另存为bmp图像，并将其设置为flily.bmp。 7.使用imread（）读取图像Sunset.jpg和Winter.jpg； 8。使用imfinfo（）获得图像Sunset.jpg和Winter.jpg的大小； 9。使用数字imshow（）分别显示Sunset.jpg和Winter.jpg，并观察两个图像的质量。

9的实验结果如下：源代码：4〜6（继续上面的两个）7〜9 >> I = imread（'lily.tif'）>> imfinfo'lily.tif'; >> imwrite（I，'lily.jpg'，'quality'，2 0); >> imwrite（I，'lily.bmp'）; >> I = imread（'Sunset.jpg'）; >> J = imread（'Winter.jpg'）>> imfinfo'Sunset.jpg'>> imfinfo'Winter.jpg'>>图（1)，imshow（'Sunset.jpg'）>>图（2)，imshow （'Winter .jpg'）三、二值化图像10.使用im2bw将灰度图像转换为二进制图像，并使用imshow显示所观察图像的特征，实验结果如下：源代码：>> I = imread（'lily.tif'）>> gg = im2bw（I，0. 4); F >> igure，imshow（gg）原图：四、思考问题（1)简要描述特征MatLab软件。

答案：①高效的数值计算和符号计算功能可以使用户摆脱复杂的数学计算和分析； ②完善的图形处理功能，实现计算结果和程序的可视化； ③友好的用户界面和接近数学表达式的自然语言，使学者易于学习和掌握； ④具有丰富功能的应用工具箱（如信号处理工具箱，通讯工具箱等）为用户提供了大量便捷实用的处理工具。 （2) MatLab软件可以支持哪些图像文件格式？JPEG，JPEG，PCX，TIFF，PNG，GIF，HDF，XWD等。以各种格式获得imread函数用于读取各种图像文件，其一般用法为[X，MAP] = imread（'filename'，'fmt'），其中X，MAP是读取的图像数据和色表数据分别是fmt是图像格式，filename是要读取的图像文件（可以添加文件路径）（4)为什么不能通过I = imread（'lena.bmp'）获得的图像成为Matlab用于系统的算术运算？Matlab系统的默认算术运算是用于双精度数据，并且上述命令生成的矩阵的数据类型为无符号8位，直接运算将溢出。

实验21.图像加法运算在MATLAB中的图像代数运算，如果要添加两个图像或向图像添加常量，则可以调用imadd函数来实现。 imadd函数将某个输入图像的每个像素值与另一个图像的对应像素值相加，并将对应像素值的总和作为输出图像返回。 imadd函数的调用格式如下：Z = imadd（X，Y）其中，X和Y表示需要相加的两个图像，返回值Z表示相加操作的结果。实验结果如下：源代码：I = imread（'Sunset.jpg'）; J = imread（'Bluehills.jpg'）; K = imadd（I，J）; imshow（K）; （两个图像的大小一致）原始图像：向图像的每个像素添加一个常数以增加图像的亮度。效果如下：源代码>> RGB = imread（'cameraman.tif'）; >> RGB2 = imadd（RGB，5 0); >> subplot（1,2，1); imshow（RGB）; >> subplot（1,2，2); imshow（RGB 2); 二、图像减法运算在MATLAB中，您可以使用imsubtract函数从另一幅图像中减去一幅图像，或者从一幅图像中减去一个常数。

减减函数从另一个输入图像的相应像素值中减去一个输入图像的像素值，然后将此结果用作输出图像的相应像素值。 imsubtract函数的调用格式如下：Z = imsubtract（X，Y）;其中，Z是X-Y运算的结果。实验结果如下：源代码>> ric = imread（'cameraman.tif'）>> background = imopen（rice，strel（'disk'，1 5)）>> rice2 = imsubtract（rice，background） >> subplot（1,2，1); imshow（rice）; >> subplot（1,2，2); imshow（rice 2); 三、实现一个图像的两个乘法.impliply函数对两个图像的相应像素值执行元素到元素的乘法运算（MATLAB点乘法），并将相乘的结果用作immulitply函数的调用格式如下：Z = immulitply（X，Y）其中Z = X * Y。实验结果如下：源代码I >> = imread（'zhaowei.bmp' ）>> J = immultiply（I，1. 2) >>子图（1,2，1); imshow（I）>> subplot（1,2，2); imshow（J）四、图像分割操作使用MATLAB中的imdivide函数分割两个图像。

imdivide函数对两个输入图像的所有相应像素执行逐元素除法（点除法），并将结果用作输出图像的相应像素值。 imdivide函数的调用格式如下：Z = imdivide（X，Y）其中Z = X / Y。实验结果如下：源代码>> Rice = imread（'cameraman.tif'）; >> I = double（Rice）; >> J = I * 0. 43 + 90 >> Rice2 = uint8（J）>> Ip = imdivide（大米，莱斯2) >> Imshow（Ip，[]）原始图像五、图像减法运算在什么情况下会发挥优势？答案：使用背景进行运动目标检测的减法可以提取出完整的目标图像，所获得的目标可用于进一步的图像处理工作。人体在环境中产生的动态区域，背景相减会改变并干扰其他动态场景，特别敏感的背景图像采集的理想情况是场景中没有运动因素，最简单的背景采集方法是当场景中有目标时，收集图像作为背景图像，但是这种固定背景图像的方法仅适用于外部环境条件较好的领域实验3图像增强-空间滤波一、全部内容和步骤a）导入并显示原始图像Sample2- 1. jpg。

b）使用imnoise命令将高斯噪声添加到图像Sample2- 1. jpg c）使用预定义函数fspecial命令生成平均滤波器?? 1？ 1 ?? 1 ?? 1 9？ 1个？ 1 ？？？ 1 ？？ 1 ？？ D）分别使用3×3和5×5模板，分别使用平均滤波器和中值滤波器来处理添加了噪声的图像并观察到不同的噪声水平，上述滤波处理的结果； e）选择不同大小的模板，以一定的固定噪声水平噪声处理图像，并观察上述滤波处理的结果。 f）使用imnoise命令向图像Sample2- 1. jpg添加盐和胡椒粉噪声g）重复步骤c）〜e）h）输出所有结果并进行讨论。 二、实验结果和源代码源代码>> I = imread（'cameraman.tif'）; J = imnoise（I，'gauss'，0. 0 2); J = imnoise（I，'salt＆pepper'，0. 0 2); ave1 = fspecial（'average'，3); ave2 = fspecial（'average'，5); K = filter2（ave1，J）/ 255; L = filter2（ave2，J）/ 255; M = medfilt2（J，[3 3]）; N = medfilt2（ J，[4 4]）; imshow（I）;图，imshow（J）;图，imshow（K）;图，imshow（L）;图，imshow（M）;图，imshow（N）; 三、思考问题（1)简要描述高斯噪声以及盐和胡椒噪声的特征。

高斯噪声是指一种其概率密度函数服从高斯分布（即正态分布）的噪声。如果是噪声，则其幅度分布服从高斯分布，并且其功率谱密度均匀分布，这称为高斯白噪声。高斯白噪声的二阶矩是不相关的，一阶矩是恒定的，这是指连续信号在时间上的相关性。高斯白噪声包括热噪声和散粒噪声。椒盐噪声是指椒盐噪声是由图像传感器，传输通道和解码过程产生的黑白明暗噪声。盐和胡椒粉噪声通常是由于图像切割引起的。 （2)结合实验内容，定性地评价平均滤波器/中值滤波器对高斯噪声，盐和胡椒噪声的去噪效果。通过实验可以看出，中值滤波器对盐和胡椒具有更好的去噪效果噪声，但是高斯噪声的去噪效果不是理想的（3)结合实验内容，定性评估滤波器窗口对去噪效果的影响？与实验结果相比，可以发现中位数盐和胡椒噪声的滤波效果更好；对于高斯噪声的噪声，5 * 5窗口滤波的效果优于3 * 3窗口滤波，但是图像的模糊程度加剧。实验四图像分割一、实验内容和步骤（1)使用Roberts算子进行图像分割实验以合并和合并在图像room.tif中显示图像；使用Roberts算子对图像进行边缘检测处理图像Roberts算子是一对模板：对应的矩阵为：rh = [0 1; -1 0]; rv = [1 0; 0 -1];其中rh是水平Roberts算子，rv是垂直Roberts算子。

分别显示处理后的水平和垂直边界检测结果；使用“欧几里得距离”和“块距”方法计算出梯度的斜率，并显示检测结果；二值化检测结果，并显示处理结果； （2)使用Prewitt运算符的图像分割实验将Prewitt运算符用于内容中的所有步骤（1)。（3)使用Sobel运算符的图像分割实验将Sobel运算符用于内容（所有步骤在1)中进行[4)使用LoG（Laplace-Gauss）运算符的图像分割实验。使用LoG（Laplace-Gauss）运算符执行内容（1)中的所有步骤。技巧1：处理后，可以得到提示2：注意调整噪声强度和LoG（Laplace-Gauss）运算符的参数，并观察处理结果二、实验结果源程序的实验结果如下：源程序>> f = imread（'cameraman.tif'）; [gv，t1] = edge（f，'sobel'，'vertical'）; imshow（gv） [gb，t2] = edge（f，'sobel'，'horizo​​ntal'）;图，imshow（gb）w45 = [-2 -1 0; -1 0 1; 0 1 2]; g45 = imfilter（double（ f）w45，重复'）; T = 0. 3 * max（abs（g45（:)））; g45 = g45> = T;图，imshow（g4 5); 三、思考问题/问题1、评估在嘈杂条件下边界检测中Roberts算子，Prewitt算子和Sobel算子的性能。

Roberts算子具有较高的边缘定位精度，但是很容易丢失一部分边缘。同时，因为不执行图像平滑计算，所以不能抑制噪声。该操作员对陡峭且低噪点的图像响应最佳。 Sobel算子在空间中易于实现，对噪声具有平滑效果，受噪声影响较小，并且可以提供更准确的边缘方向信息，但是同时它还会检测到许多错误边缘。检测到的边缘宽度相对较厚。位置定位精度不高。 Prewitt运算符的使用方式与Sobel运算符相同，后者用于对图像执行差分和滤波操作。唯一的区别是所使用的模板是不同的。 Prewitt运算符比Sobel运算符稍微简单一些。 2、为什么不需要将LoG梯度检测算子的处理结果与Prewitt和其他算子之类的振幅相结合？ LOG运算符根据图像的信噪比找到用于边缘检测的最佳滤波器。该方法首先使用高斯函数对图像执行低通平滑滤波，然后使用Laplacia算子进行高通滤波，然后根据二阶导数的零交叉点检测图像的边缘。因此，不需要像Prewitt和其他算子一样执行振幅组合。 3、实验中使用的四个算子在边界上的异同是什么？ Roberts算子检测到的图像轮廓边缘非常细，连续性较差，边缘信息在一定程度上会丢失，并且会有更多的噪声。

Sobel和Prewitt算子的边缘检测结果几乎相同，比Roberts算子的检测结果更好。边缘更连续且对噪声不敏感，但线条略粗一些，并且出现了一些假边缘。由二阶LOG运算符检测到的图像的边缘更连续，并且边缘更小。但是，由于二阶算子的特性，它对噪声更敏感。当σ值较小时，平滑度较小，因此会出现零星的虚假边缘。并且σ的值越大，平滑度就越大，但是部分实际边缘将丢失，从而导致边缘不连续。实验5形态学操作一、实验内容和步骤1.导入并显示图像Plane 2. jpg; 2.选择适当的阈值以获得二值图像Plane2- 2. jpg； 3.设置结构元素； 4.对获得的二值图像Plane2- 2. jpg进行腐蚀计算； 5.对所获得的二值图像Plane2- 2. jpg进行展开计算； 6.对得到的二值图像Plane2-进行展开计算。2. jpg执行打开操作； 7.对所获得的二进制图像Plane2- 2. jpg执行关闭操作； 8.比较了两种处理方法的结果； 二、实验结果和源程序实验结果如下图所示：源程序I = imread（'Sunset.jpg'）;等级= Graythresh（I）; bw = im2bw（I，level）; ％获得适当的阈值％二值化SE = strel（'square'，3); BW1 = imdilate（bw，SE）; SE1 = strel（'arbitrary'，eye（5)）; BW2 = imerode（bw，SE 1); BW3 = bwmorph（bw，'open'）; BW4 = bwmorph（bw，'close'）; imshow（I）;图，imshow（bw）;图，imshow（BW 1);图，imshow （BW 2)；图，imshow（BW 3)；图，imshow（BW 4)；％set膨胀结构元素％expansion％set腐蚀结构元素％corrosion％open operation％close operation 三、）问题1.结合实验内容，评估腐蚀计算和膨胀计算效果。

腐蚀是消除边界点的一种方法，它将边界缩小到内部，从而消除了小的无意义的物体。扩展是将与对象接触的所有背景点合并到对象中以向外扩展边界的过程。可用于填充对象中的孔。 2.结合实验内容，评估打开和关闭操作的效果。首先腐蚀然后膨胀的过程称为开放操作。在实验中，打开操作可以去除孤立的小点，毛刺和小桥（即，连接两个区域的小点），而总体位置和形状保持不变。先膨胀然后腐蚀被称为封闭操作。在实验中，封闭的操作可以填充小湖（即小孔）并桥接小裂缝，而整体位置和形状不变。 3.腐蚀，膨胀，打开和关闭操作的适用条件是什么？由于噪声的影响，阈值处理后的图像边界常常不光滑，物体区域有一些噪声孔，背景区域散布着一些小的噪声物体。持续的打开和关闭操作可以有效地改善这种情况。有时有必要在多次腐蚀后添加相同数量的膨胀，以产生更好的结果。

本文来自电脑杂谈，转载请注明本文网址：
http://www.pc-fly.com/a/shumachanpin/article-362530-1.html