数字图像处理实验报告345.docVIP

实验三 用不同算子做边缘检测 1、原理分析 边缘检测在图像处理中可分为空域下的操作和频域下的操作。本实验以空域下的操作为主要实验内容，其他方法同学们可以在课后自行实验。空域下的图像边缘检测主要应用的是领域运算。梯度是图像处理中最常用的一次微分方法，它是函数变化的一种度量，而一幅图像可以看作是图像强度连续函数的采样阵列。图像函数f (x, y) 在(x, y) 点的梯度幅值为 I1=rgb2gray(I1); %subplot(3,3,1),imshow(I1),title(原始图象1); I2=edge(I1,sobel); %Sobel subplot(3,2,1),imshow(I2),title(Sobel边缘检测方法); I3=edge(I1,prewitt); %prewitt subplot(3,2,2),imshow(I3),title(prewitt边缘检测方法); I4=edge(I1,roberts); %roberts subplot(3,2,3),imshow(I3),title(roberts边缘检测方法); I5=edge(I1,log); %Laplacian-Gaussian subplot(3,2,4),imshow(I3),title(Laplacian-Gaussian边缘检测方法); I6=edge(I1,zerocross); %roberts subplot(3,2,5),imshow(I3),title(过零点边缘检测方法); I7=edge(I1,canny); %Laplacian-Gaussian subplot(3,2,6),imshow(I3),title(canny边缘检测方法); 3、实验结果及分析 图1 原灰度图像 图2 不同算子边缘检测比较 实验四 图像增强算法的实现 图像均衡化 原理：直方图均衡化就是把一已知灰度概率分布的图像经过一种变换,使之演变成一幅具有均匀灰度概率分布的新图像。它是以累积分布函数变换法为基础的直方图修正法。分析和总结灰度直方图的均衡化算法并通过MATLAB实验验证该方法能有效达到图像增强的目的。I=imread(d:\a.bmp); subplot(3,2,1),imshow(I);colorbar; % subplot(3,2,2),imhist(I);%直方图 title(图1 未经处理的BMP图像) I1=rgb2gray(I);%将图像转为灰度图像 subplot(3,2,3),imshow(I1);colorbar; title(图2 灰度转换后的图像) subplot(3,2,4),imhist(I1);%直方图 I2=histeq(I1);%均衡化 subplot(3,2,5),imshow(I2);colorbar; title(图3 均衡化的图像) subplot(3,2,6),imhist(I2);%直方图 分析：对比图像处理前后的直方图可知。源图像的灰度范围较小，图像均衡化处理后。灰度级取值的动态范围扩大了，但灰度级减少了。直方图变得更稀疏。并且灰度级值整体增大了。体现在直方图整体向右平移了一段距离。 中值滤波 原理：中值滤波是一种最常用的非线性滤波技术，它是一种基于邻域的运算方法，但计算的不是加权求和，而是把邻域中的所有像素按灰度级进行排序，然后选择该 组中的中间值作为输出像素值。由此可知，中值滤波的基本原理是把数字图像或数字序列中一点的值用该点的一个邻域中所有点值的中值代替。中值的定义 如下： ? subplot(2,2,1) imshow(M) %显示原始图像 title(图1 原图像) P1=imnoise(M,gaussian,0.02); %加入高斯躁声 subplot(2,2,2) imshow(P1) %加入高斯躁声后显示图像 title(图2 加入高斯噪声后的图像); g1=medfilt2(P1(:,:,1));%%红 g2=medfilt2(P1(:,:,2));%%绿 g3=medfilt2(P1(:,:,3));%%蓝 g(:,:,1)=g1; g(:,:,2)=g2; g(:,:,3)=g3; subplot(2,2,3) imshow(g) title(图3 中值滤波后的图像); 伪彩色增强 原理：伪彩色处理是一种将二维图像像素逐点映射到由三基色确定的三维色度空间中的技术，其目的在于利用人眼对色彩的敏感性，应用伪彩色技术使图像中的不同物体具有一定的色差，从而提高人对图像的分辩能力。伪彩色处理可以分为空域增强和频域增强两种。空域伪彩色处理实际上是将图像的灰度范围划分为若干等级区间，每一个区间映射为某一种颜色。频域伪彩色处理是基于频域运算基础上的伪彩色处理方法。输入图像经过