数字图像处理实验报告2011.docVIP

实验一 直方图均衡化 实验目的： 1. 熟悉图像数据在计算机中的存储方式； 2. 实验条件PC微机一台和MATLAB软件。 实验Matlab编程环境； 2. 获取实验用图像：使用imread函数将图像读入Matlab；并用inshow函数显示读入的图像。 3. 获取输入图像的直方图：使用inhist函数处理图像。 4. 均衡化处理：使用histeq函数处理图像即可。 5. 获取均衡化后的直方图并显示图像：使用imhist和imshow函数。 实验程序及结果： clear subplot(6,2,1); i=imread(test1-1.jpg);imhist(i); title(test1-1hist); subplot(6,2,2); i=im2double(i); imshow(i);title(test1-1原图像); subplot(6,2,3); s=histeq(i); imhist(s); title(test1-1balancedhist); subplot(6,2,4); imshow(s);title(test1-1均衡化后的图像); subplot(6,2,5); i=imread(test1-2.jpg); imhist(i); title(test1-2hist); subplot(6,2,6); i=im2double(i); imshow(i); title(test1-2原图像); subplot(6,2,7); s=histeq(i); imhist(s); title(test1-2balancedhist); subplot(6,2,8); imshow(s); title(test1-2均衡化后的图像); i=imread(test1-3.jpg); imhist(i);title(test1-3hist); subplot(6,2,10); i=im2double(i); imshow(i); title(test1-3原图像); subplot(6,2,11); s=histeq(i); imhist(s); title(test1-3balancedhist); subplot(6,2,12); imshow(s); title(test1-3均衡化后的图像); 实验思考 数字图像直方图均衡化之后直方图为什么不是绝对平坦的？ 直方图均衡化是将一已知灰度概率密度分布的图像，经过某种变换，变成一幅具有均匀灰度概率密度分布的新图像，对图像进行均衡化处理时，只是将直方图上灰度分布较密的部分被拉伸；灰度分布稀疏的部分被压缩，从而使一幅图像的对比度在总体上得到很大的增强。因此均衡化之后直方图不是绝对平坦的。对图像中每个像素点所在的邻域范围求出灰度转换函数，然后仅仅应用在该中心点处。先在定义的邻域内计算灰度直方图，然后利用这一直方图来获得关于直方图均衡化的灰度变换函数。利用这一变换函数，就可以实现该邻域内中心像素点的增强。接下来将邻域的中心移到相邻的像素并重复以上过程。 如何实现图像局部直方图均衡化？ 对图像中每个像素点所在的邻域范围求出灰度转换函数，然后仅仅应用在该中心点处。先在定义的邻域内计算灰度直方图，然后利用这一直方图来获得关于直方图均衡化的灰度变换函数。利用这一变换函数，就可以实现该邻域内中心像素点的增强。接下来将邻域的中心移到相邻的像素并重复以上过程。 实验二 频域平滑滤波 实验目的： 1. 熟悉图像数据在频率域的表示； 2. 掌握频域图像增强的基本步骤。 实验条件PC微机一台和MATLAB软件。 实验 实验程序及结果： Function idlvbo(r) I=imread(test2.jpg); subplot(1,2,1),imshow(I); title(test2原图像); f=double(I); g=fft2(f); g=fftshift(g); [M,N]=size(g); m=fix(M/2); n=fix(N/2); clc for i=1:M forj=1:N d=sqrt((i-m)^2+(j-n)^2); if dr h=0; else h=1; end result(i,j)=h*g(i,j); end end result=ifftshift(result); J1=ifft2(result); J2=uint8(real(J1)); subplot(1,2,2),imshow(J2); title(理想低通滤波处理后的图象); imwrite(J2,J2.jpg)数字图像处理 r=5的图形 r=15的图形 r=30的图形 r=80的图形 r=160的图形 r=230的图形 实验思考 1. 在FFT变换前后，为什么要将各点