空域图像处理 北华.docVIP

实验一、空域图像处理 一 实验目的 1熟悉MATLAB基本图像操作； 2理解直方图均衡的原理与作用 3掌握统计图像直方图的方法 4掌握图像直方图均衡的方法 5结合实例学习如何在程序中增加图像处理算法； 6编程计算图象统计参数 7了解平滑处理的算法和用途，学习使用均值滤波、中值滤波和拉普拉斯锐化进行图像增强处理的程序设计方法； 8 了解噪声模型及对图像添加噪声的基本方法。 二 实验原理 在实际应用中，希望能够有目的地增强某个灰度区间的图像， 即能够人为地修正直方图的形状， 使之与期望的形状相匹配，这就是直方图规定化的基本思想。换句话说，希望可以人为地改变直方图形状，使之成为某个特定的形状，直方图规定化就是针对上述要求提出来的一种增强技术，它可以按照预先设定的某个形状来调整图像的直方图。直方图规定化是在运用均衡化原理的基础上，通过建立原始图像和期望图像之间的关系，选择地控制直方图，使原始图像的直方图变成规定的形状，从而弥补了直方图均衡不具备交互作用的特性。 知识点和涉及的相关知识 ： 图像的空间域增强、图像的直方图概念、性质。 1 灰度线性变换就是将图像中所有点的灰度按照线性灰度变换函数进行变换。 通过g=rgb2gray(z)将其转换成灰度图像 2 直方图均衡化通过点运算将输入图像转换为在每一级上都有相等像素点数的输出图像。按照图像概率密度函数PDF的定义： 通过转换公式获得： 三 实验仪器 1计算机； 2 MATLAB程序； 3记录用的笔、纸。 四 实验步骤 1. 对图像文件分别进行灰度线性变换、读取图像（文件名为‘Winter.jpg’） %读入原始图像 I=imread(Winter.jpg); II=rgb2gray(I); imwrite(II,Winter.tif); II=imread(Winter.tif); figure(1),subplot(2,2,1),imshow(II); 2. 计算最大值、最小值、均值 max(max(II)) mean2(II) min(min(II)) 运行结果如下 ans = 254 ans = 63.7694 ans = 2 3. 添加噪声，均值滤波、中值滤波，图像平滑主函数，调用average_median空域均值滤波法和中值滤波法对图像进行平滑处理 程序框图如下 %在图像中加入椒盐噪声 J=imnoise(II,salt pepper,0.02); subplot(2,2,2),imshow(J) title(椒盐图像) %调用图像平滑处理函数 average_median [p1 p2] = average_median(J); %显示平滑处理后结果 subplot(2,2,3),imshow(p1) title(均值滤波法) subplot(2,2,4),imshow(p2) title(中值滤波法) function [A M] = average_median(image) %输入参数：含噪声图像 %输出参数：A 空域邻域平均法结果； B 中值滤波法结果 average_median.m文件如下： a(1:3,1:3)=1; %3×3模板,元素全是1 [p q]=size(image); %输入图像是p×q的,且p3,q3 x1=double(image); x2=x1; %其中A(a:b,c:d)表示A矩阵的第a到b行,第c到d列的所有元素 for i=1:p-3+1 for j=1:q-3+1 %均值滤波 c=x1(i:i+(3-1),j:j+(3-1)).*a; %取出x1中从(i,j)开始的3行3列元素与模板相乘 as=sum(sum(c)); %求c矩阵(即模板)中各元素之和 x2(i+(3-1)/2,j+(3-1)/2)=as/(3*3); %将模板各元素的均值赋给模板中心位置的元素 %中值滤波 m=x1(i:i+(3-1),j:j+(3-1)); %取出x1中从(i,j)开始的n行n列元素,即模板(n×n的) mr=m(1,:); %是m矩阵的第一行 for k=2:3 mr=[mr,m(k,:)]; %将m矩阵变为一个行矩阵 end mm=median(mr); %mm是中值 x3(i+(3-1)/2,j+(3-1)/2)=mm; %将模板各元素的中值赋给模板中心位置的元素 end end %未被赋值的元素取原值 A=uint8(x2); %均值滤波结果 M=uint