欢迎下载欢迎下载院系：计算机科学学院专业：计算机科学与技术年级：2012级课程名称：数字图像处理组号：姓名（学号）：_指导教师：高志荣2015年5月25日2.运行结果欢迎下载欢迎下载(1)⑵(3)(4)(5)(6)掌握不同类型的数字图像之间转换方法实验目的和要求实验(1)：1.代码实现I=imread('2012213500.png');%imshow(I);imfinfo('2012213500.png');%ans%I=rgb2gray(I);%imwrite(I,'2012213500.bmp');%将图像2012213500.png读入数组I中显示图像I读取图像大小、数据类型信息查看图像大小、数据类型信息将图像转换为灰度图像I将转换后的图像以文件名2012213500.bmp保存年级2012级班号1学号专业计算机科学与技术姓名实验名称Matlab图像处理基础实验室204、实验目的:熟悉Matlab开发环境；掌握Matlab中数字图像的读取、显示、保存的基本方法的使用;加深空间分辨率和灰度分辨率对图像显示效果的影响;熟悉Matlab中的傅里叶变换；基于Matlab的数字图像程序
设计
领导形象设计圆作业设计ao工艺污水处理厂设计附属工程施工组织设计清扫机器人结构设计
方法；、实验内容：(1)在Matlab中运用imread函数读取一幅RGE®像(从实验素材中任意选bmp择)，查看该图像的大小、数据类型信息，并将该图像转换为灰度图像后以格式保存。(2)运用imread函数读取一幅灰度图像(从实验素材中任意选择)其进行2采样、4采样和8采样，将原图像及采样后的三幅结果图像按同一大小显示出来并比较空间分辨率对图像显示效果的影响。(3)运用imread函数读取一幅灰度图像(从实验素材中任意选择)，分别以5,10,50为间隔对其灰度重新进行均匀量化，将原图像及重新量化后的三幅结果图像按同一大小显示出来并比较灰度分辨率对图像显示效果的影响。(4)读取一幅灰度图像，对其进行快速傅里叶变换，将原空域图像和变换后的频域图像显示在同一窗口中。三、实验要求：(1)针对具体实验内容要分别展示：指令(或m文件)，输出结果，成因
分析
定性数据统计分析pdf销售业绩分析模板建筑结构震害分析销售进度分析表京东商城竞争战略分析
,经验总结。(2)所有生成白图像或m文件，必须命名，比如图n：描述图像信息；***.m文件：描述文件信息。(3)严禁抄袭，一旦发现雷同，所有涉及者均判实验报告不及格。实验原理{算法
流程
快递问题件怎么处理流程河南自建厂房流程下载关于规范招聘需求审批流程制作流程表下载邮件下载流程设计
Fli>E>9FiMhUb^iMEjPWf^aw科^^」」d*口■\,»t:9CQ«□1-1-1图查看2012213500png图片的基本信息和显示图片过程CommandWindowFilename:£:\YongboProjects\Matlab.Projects\2012213500.png-FileWodDate;324-Ma^2Ql&22;3546,FileSize:989g5Foraat:png'FoTBatVersion：Width:720Height:BitDepth：ColorP-Te：FormatSignature:ColcTBap：Histogram:Intei'l-acuT二-"pu:iTansparency；Siaplelransparenc：.i)ata:BackEroundColor:Ruud亡rin宅工ntent：540：truecolcrT：137807S7113102610：：alpha1[I：1：perceptual1-1-2图将201221350Opng图片保存为201221350Obmp图片3.实验分析先用imread()函数将2012213500.png存入I数组中，可见1-1-1图右上角的Workspace中的I。然后用imfinfo()函数和ans函数读取该图像的大小、类型等信息，具体在1-1-1图的CommandWindo他可见。至于图片格式的转换，就是用rgb2gray()函数将保存在I数组中的数据转换成灰度格式保存在原来的数组I中。最后将变换所得到的数据保存于2012213500.bmp文件中。实验(2):.代码实现I=imread(2012213500.bmp');%读取灰度图片subplot(221),imshow(I,[]),title('256*256,256')I=I(1:2:end,1:2:end);%图片采样subplot(222),imshow(I,[]),title('128*128,256')I=I(1:2:end,1:2:end);%图片采样subplot(223),imshow(I,[]),title('64*64,256')I=I(1:2:end,1:2:end);%图片采样subplot(224),imshow(I,[]),title('32*32,256').运行结果实验原理{算法流程ircniiFoWcfZf*2aua科典"hZGfaaZ^WDapnfl?INT向Comniand箝I-weuliZ-]22l?WrLlepI*：”安理乏*利用IEi22l.hjMhovt],□herd/1M2的4EM川卸：!«iNZZhifttfw.□，二LciUeHK!=■]：!=.2M1*1(12vrlL1a*i?箝*L口卜Ji*、1：*'卜I"ld2
表
关于同志近三年现实表现材料材料类招标技术评分表图表与交易pdf视力表打印pdf用图表说话 pdf
口rolvJenI22t).jbldhy1.L：Latlll允1AhJfigure1fit£妣lw*tTw,加出叩WindowTwpL1记■围**人m■p1।:■握楷近曲印组“》—El■2毋、匿才■事：LSJ3n?i3I/「I|JI。f,^il|«j|iikrJ卜J1前'T|iR'i'A'：2Gl32iaSULm.口+2iiJ_2L_：3L"3.pa<*11221),emIwfCI.二I.1M|.b£«d.l上ndl11GW)」mJHA：：I.lit]*flitlVEH.3K-irc工r-iusdi%■特ndiplvtUZ33.i工1fclvIL二I.m：“I'i&tC»IIB2U才Zl■■片看fffpE1221：',=«hrr>：I."tatlal"孙邕'W」[可聘回卬“ue时面25r2京&率1-2图图片空间分辨率对图片的影响.实验分析由1-2图可以看出，在保持灰度级数一定的条件下，随着图片空间分辨率的减半，即256*256,128*128,64*64,32*32的图像，图中的各个区域边缘处的棋盘模式越来越明显，并且全图的像素颗粒越来越粗。证明了空间分辨率是影响图片清晰度的因素之一。实验(3):1.代码实现灰度级为灰度级为灰度级为灰度级为25650105I=imread('2012213500.bmp');%读取灰度图片subplot(221),imshow(I,256),title('256*256,256')%subplot(222),imshow(I,50),title('256*256,50')%subplot(223),imshow(I,10),title('256*256,10')%subplot(224),imshow(I,5),title('256*256,5')%实验原理{算法流程1-3图图片灰度级对图片的影响3.实验分析该实验是在空间分辨率一定的前提下，改变灰度级别来观察图片的变化情况。由1-3图可以看出，灰度级从256一次到50、10、5过程中，图中的各个区域边缘处的棋盘模式也越来越明显，并且全图的像素颗粒越来越粗。证明了灰度分辨率也是影响图片清晰度的因素之一。实验(4):1.代码实现A=imread('galley.png');%读取真彩图B=rgb2gray(A);%将真彩图转换为灰度图subplot(121),imshow(B);%显示灰度图C=ffshift(fft2(B));%计算傅里叶变换并位移subplot(122),imshow(log(abs(C)),[]);%显示变换频谱2.运行结果ConYfundWn40M萨■他Z|1B71J训RE。H面nKLw'llW-h再虏।工怀^■后・用r-m小玲、才鼻IS就耳妾鼻耳齿移、l=JieU口―41工口匕%显不意»111Hli「UMI*的/।■工・ni,s一出^口用山，将国丁唉值丁丁二王EK*ht门WlIuj■生i:界毒友・朋m：<9H4甘KMHufQ骑fflHBA-&Eduor-2DI22l35O0,fnSC-1221的■>4iZDLL2LJTsFOt1.frqi'I.feBIlWrtlh智M.24的MF♦国电3y羯■^pCvi>!22S：i.inlwvlr3-i3Eli>:50'>W5^pLet(Z23)TiKh«rwl[s]|J：|tatle-C]fls>《■d^LrtMdMlL>11KlUt।>.-/>[•：!\\43nx■MJ工ri,由阳一|,料口口；)，晔51酊，近示*U同tttUH%一首H型群三展并t：学U］用11事科10>5叫)・：：j.■五7\£通叁立1-4图图片的傅里叶变换效果欢迎下载欢迎下载实验原理(算法流程)3.实验分析由1-4图可以看出，傅里叶变换对灰度图片进行频谱转换，很好的刻画了图片的变换特征。代码中运用了fftshift()函数将变换后的图像频谱中心从矩阵的原点移动到了矩阵的中心。为了够清楚的观察到转换效果，最后用abs()函数对变换结果进行求模运算，避免不能显示的复数。因此得到了由图中的变换效果。年级2012级班号1学号专业计算机科学与技术;姓名:实验名称Matlab图像处理基础实验室204.实验目的(1)掌握空域点处理图像增强方法;(2)掌握空域滤波图像增强方法；(3)掌握频域滤波图像增强方法；.实验内容(1)实验目的和要求(2)(3)(4)(5)读取一幅对比度不足的图像，对该图像进行直接灰度变换，包括图像求反、线性灰度变换、对数变化，并将原图像及变换后的图像进行对比。读取一幅直方图不均匀的图像，对该图像进行直方图均衡处理，显示处理前后的图像以及它们的灰度直方图。读取一幅灰度图像，对其添加均值为0,方差为0.02的高斯噪声，然后对添加噪声后的图像分别用3,9,18幅相同图像对其进行相加求平均结果，比较添加噪声图像与结果图像。读取一幅灰度图像，对其添加均值为0,方差为0.01的高斯噪声，然后分别对其进行中值滤波、sobel算子滤波、Prewitt算子滤波，比较添加噪声图像与滤波后的结果图像。读取一幅灰度图像，分别对其进行理想低通滤波和巴特沃斯高通滤波,显示滤波结果.报告撰写要求：(1)(2)(3)针对具体实验内容要分别展示：指令(或m文件)，输出结果，成因分析，经验总结所有生成白图像或m文件，必须命名，比如图n：描述图像信息；***m文件：描述文件信息严禁抄袭，一旦发现雷同，所有涉及者均判实验报告不及格实验原理（算法流程）实验(1):1.代码实现I=imread('kids.tif);subplot(221),imshow(I);I=double(I);I1=I;I2=I;I3=I;%图像求反11=256-1-11;I1=uint8(I1);subplot(222),imshow(I1);%线性灰度变换[M,N]=size(I2);fori=1:Mforj=1:NifI2(i,j)<=30I2(i,j)=I2(i,j);elseifI2(i,j)<=150I2(i,j)=(200-30)/(150-30)*(I2(i,j)-30)+30;elseI2(i,j)=(255-200)/(255-150)*(I2(i,j)-150)+200;endendendsubplot(223),imshow(uint8(I2));%寸数灰度变换I3=41*log(1+I3);I3=uint8(I3);subplot(224),imshow(I3);2.运行结果欢迎下载2.运行结果欢迎下载实验原理{算法流程2-1图图像求反、线性灰度变换、对数变换效果对比3.实验分析上图中的四幅图片从左到右，从上到下分别是原图、图像求反效果图、图像线性灰度变换效果图、图像对数变换效果图。从上图可看出，原图像与求反图像之间存在很大差异，而求反的操作就是1=256-1-1这条语句实现的，图像可以说是由黑变白。线性灰度变换图像的效果和原图最接近，其主要是将图像灰度级拉伸，增强对比度，将不需要的细节灰度级压缩，所以线性变换图像看起来比原图相对清楚、明亮。而对数是对原图像进行动态范围的的压缩，因此图片的细节可见程度相对明显。实验(2):1.代码实现I=imread('mandi.tif);subplot(221),imshow(I),title('原图和其直方图');subplot(222),imhist(I);%显示图像直方图I1=histeq(I);%对图像进行直方图均衡化处理subplot(223),imshow(I1),title('直方图均衡化后的图和其直方图’)；subplot(224),imhist(I1);%显示直方图均衡化后的图和其直方图MAILAER2015S际EMMtPU3LEHVEW卜Vongbo_PrqjtKt!；►Mathb_FVcjsettT户CommandWindow®subplot(22inEhoTfuintSdS));*实验原理l算法流sunpio-t+»I-isTcaJAsubplot彳二工DnJbpl*(222Il=histeq11ETikplnt(223subplot(224MEditor-E；V・1J5820122135OOh，对树为-I>41-60-]>ui!€1Eubpli铝€3€4-1-1111€5-sutabesEubplc67-U=hi:€S・rubpl*AS-:iubpld4，'门⑨灯/*□□■国原图和其百方图80直力图E阐化后的图和其苴方图2门算2-2图图片直方图均衡处理效果图和直方图3.实验分析由2-2图的直方图均衡处理效果图及其直方图的比较我们可以很容易发现。原图的直方图的灰度值相对集中靠左，所以看原图的效果显得相对较暗，而且动态范围偏小，对比度很低。通过直方图均衡化后的，图像的直方图显示相对平均，而且动态范围也变大了。其主要思想就是通过把原来不均衡的直方图变换为均衡的分布形式，来增强灰度的动态范围，从而达到增强图像整体对比度的效果。实验(3):.代码实现f=imread('onion.png');f=rgb2gray(f);%把彩色图像转换为灰度图像[M,N]=size⑴;ff1=zeros(M,N);fo门=1:18ff(:,:,i)=imnoise(f,'gaussian',0,0.02);%添加噪声欢迎下载ff1=ff1+double(ff(:,:,i));ifor(or(i==1,i==3),or(i==9,i==18));figure;imshow(uint8(ff1/i));endend.运行结果AFFS实验原理{算法流程Es*Vcngbo，『可•tt*►ProjectsFDirnf?PU3LEHVIEWFile-EdrtVie^TnsertToo片De-？kSopWindowHelpMAIL>LiR2U*bdFileFd,t5File-EditVb-wInsert1心」d•』U&Qi格|Jq0寥3*■|他□pWiniJowH•幅D-e-sIctopW?cd2-3图图像相加求平均去噪效果图.实验分析该实验目的主要是验证通过图像加法求平均能否达到减少噪声，即图像增强功能。上图分别先通过随机高斯噪声处理后，再分别进行1,3,9,18的图像相加求平均，最后得到上图结果。上图，从左至右，从上至下，分别为1,3,9,18求平均。通过图像处理后效果的比较，我们可以得出，相加并求平均的图像数越多，图像去噪增强的效果越明显实验(4):1.代码实现I=imread('eight.tif);subplot(231),imshow(I);title('原图');J=imnoise(I,'gaussian',0,0.01);subplot(232),imshow(J);title('随机噪声图像');subplot(232),imshow(J);title('随机噪严图像')；K=medfilt2(I,[9,9]);%进行9X9模板中值滤波subplot(233),imshow(K);title('9X9模板中值滤波图');S=fspecial('sobel');%应用sobel算子锐化图像I2=filter2(S,I);%sobel算子滤波锐化subplot(234),imshow(I2);title('sobel算子锐化图像');H=fspecial('prewitt');%应用prewitt算子锐化图像I3=filter2(H,I);%prewitt算子滤波锐化subplot(235),imshow(I3);title('prewitt算子锐化图像');%1示prewitt算子锐化图像2.运行结果实验原理1算法流程2-4图图像中值滤波、sobel滤波、prewitt滤波效果图.实验分析2-4图通过相对原图加上随机高斯噪声处理后在分别进行中值滤波、sobel滤波、prewitt滤波处理，得到上面相关过效果图。从上图很直观的可以看出中值滤波的效果最好。而sobel滤波、prewitt滤波处理后，边缘模糊现象很严重。对于中值滤波，其在一定的条件下可以克服线性滤波带来的图像细节模糊问题。而该实验采用的是9x9的湎嵯板。而sobel滤波和prewitt滤波，其梯度值和临近像素灰度值的差分成正比，因此图像中灰度变化较大的边缘区域的梯度值大，而灰度变化平缓的区域梯度值小。所以，才出现上图效果。实验(5):1.代码实现I=imread('office_5.jpg');subplot(221),imshow(I);title('真彩原图');I=rgb2gray(I);subplot(222),imshow(I);title('灰度原图');I=double(I);f=fft2(I);%采用傅里叶变换g=fftshift(f);%数据矩阵平衡gg=fftshift(f);%数据矩阵平衡[M,N]=size(I);n1=floor(M⑵；n2=floor(N/2);d0=65;fori=1:M%进行理想低通滤波forj=1:N实验原理(算法流程)d=sqrt((i-n1)A2+(j-n2)A2);ifd<=d0h=1;elseh=0;endg(i,j)=h*g(i,j)；endendg=ifftshift(g);g=uint8(real(ifft2(g)));subplot(223);imshow(g);title('理想低通滤波图');n=2;%进行巴特沃特高通滤波d0=8;fori=1:Mforj=1:Nd=sqrt((i-n1)A2+(j-n2)A2);ifd==0h=0;elseh=1/(1+(d0/d)A(2*n));endgg(i,j尸h*gg(i,j);endend欢迎下载欢迎下载gg=ifftshift(gg);gg=uint8(real(ifft2(gg)));subplot(224);imshow(gg);title('巴特沃特高通滤波图′);％显示巴特沃特高通滤波图2.运行结果，Ycjngbo_Prejects卜Mdlldb_PpoiejitiCommandWindov;TfQ；elseFieEditViewTousMiidawHelp实验原理{算法流程2^)122135OC.rnt-£=fsp*92-T2-fil93-sitYplo94-H=fspA95-门=理】96-sutplc9;9H四一I=¥B1K.00-sutplo◎-I=igb.20Z-sutplo-I=cojLcshiftgg^uintS《dsubploti224)纪»V}Editor-fc\V(.04-r=ift2(ir.♦会用博里叶克抵05-NTftshifHF),号款据阿眸平新4a.aaa'…♦0*e4r2-5图图像的理想低通滤波和巴特沃斯高通滤波效果图3.实验分析该实验室将理想的低通滤波与巴特沃特高通滤波效果进行对比。正如2-5图所示,上面一行的为真彩色图和其经转换的灰度图，下面为经过滤波的效果图。从效果看，理想的低通滤波要比巴特沃特高通滤波效果好。然而理想的低通滤波在处理过程中产生了比较严重的模糊现象。而经过巴特沃特高通滤波后区域边界有了明显的增强，灰度动态范围变小，但是整个图的暗度变高了很多。年级2012级班号1学号专业计算机科学与技术姓名实验名称图像复原、彩色图像处理、图像分割实验室2041.实验目的掌握逆滤波图像复原方法；掌握维纳滤波图像复原方法；掌握最小二乘方图像复原方法；掌握全彩色图像处理方法；掌握伪彩色图像处理方法；掌握基本的图像检测与分割方法2.实验内容(1)(2)(3)原理（算法流程）(4)(5)(6)(8)读取一幅灰度图像，首先对其进行运动模糊（显示模糊前后的图像），再对其添加高斯噪声；然后对其分别进行逆滤波、维纳滤波、最小二乘方滤波图像复原，比较这三种复原算法的异同。在（1）的基础上，改变高斯噪声的参数，比较三种复原算法在高、中、低三种不同程度的噪声下的复原效果。读取一幅RG形色图像，获取其三个通道RGB图像，并分别对其进行中值滤波，最后将三幅滤波结果图像合成一幅RGB吉果图像。读取RGBE原色图像，生成其在HSI空间的各个分量各自对应的灰度图。读取一幅灰度图像，利用密度分层法将其转换为索引图像。要求至少采用Matlab提供的2种着色器（参见colormap）来实现。读取一幅灰度图像（如lena.bmp）,分别采用roberts算子、sobel算子、Prewitt算子、Canny算子、LOGT子对其进行边缘检测，并比较检测结果读取一幅灰度图像，采用Otsu阈值法对其进行阈值分割，并尝试手动调整Otsu阈值的大小，观察分割结果的变化读取一幅灰度图像，采用分水岭算法对其进行分割，观察分割结果3.报告撰写要求:(1)(2)（3）实验针对具体实验内容要分别展示：指令（或m文件），输出结果，成因分析，经验总结所有生成的图像或m文件，必须命名，比如图n：描述图像信息；***.m文件：描述文件信息严禁抄袭，一旦发现雷同，所有涉及者均判实验报告不及格（1）：1.代码实现C=imread('galley.png');C=rgb2gray(C);subplot(231);imshow(C);title('%运动模糊处理灰度原图'）；LEN=30;%设置运动位移为30像素THETA=45;%设置运动角度PSF=fspecial('motion',LEN,THETA);器PSF建立二维仿真线性运动滤波MF=imfilter(C,PSF,'circular','conv');%用PSF^生退化图像subplot(232);imshow(MF);title('运动模糊图′);%显示模糊后的运动图像MFN=imnoise(MF,'gaussian',0,0.0000001);%加高斯噪声subplot(233);imshow(MFN);title('加高斯噪声图');%显示高斯噪声图像noise=imnoise(zeros(size(C)),'gaussian',0,0.8);NSR=sum(noise(:)A2)/sum(MFN(:)A2);%计算信噪比subplot(234);imshow(deconvwnr(MFN,PSF));title('逆滤波复原图');subplot(235);imshow(deconvwnr(MFN,PSF,NSR));title('维纳滤波复原图');subplot(236);imshow(deconvreg(MFN,PSF,4));title('最小二乘方滤波复原图’)；.运行结果实验原理{算法流程MATLAlBR2Dl5d3-1图图像的逆滤波、维纳滤波、最小二乘方滤波图.实验分析实验前，现将一副灰度图片进行运动模糊处理，然后加上随机高斯噪声。随后进行逆滤波、维纳滤波、最小二乘方滤波处理。由上面各个图的效果可以看出，维纳滤波和最小二乘方滤波对噪声和运动模糊有相当的好的过滤效果。而逆滤波则出现较多的杂色。实验(2):1.代码实现C=imread('2012213500.png');C=rgb2gray(C);subplot(231);imshow(C);title('灰度原图’);％运动模糊处理LEN=30;%设置运动位移为30像素THETA=45;%设置运动角度PSF=fspecial('motion',LEN,THETA);%建立二维仿真线性运动滤波器PSFMF=imfilter(C,PSF,'circular','conv');%用PSF产生退化图像subplot(232);imshow(MF);title('运动模糊图′);%显示模糊后的运动图像MFN=imnoise(MF,'gaussian',0,0.001);%加高斯噪声subplot(233);imshow(MFN);title('加高斯噪声图');%显示高斯噪声图像noise=imnoise(zeros(size(C)),'gaussian',0,0.3);实验原理{算法流程NSR=sum(noise(:).A2)/sum(MFN(:).A2);%计算信噪比subplot(234);imshow(deconvwnr(MFN,PSF));title('subplot(235);imshow(deconvwnr(MFN,PSF,NSR));title('subplot(236);imshow(deconvreg(MFN,PSF,4));title('2.运行结果MAILAbEDITORCarmiftdridWindowFSFfspecial■lu-on7LEM-.MF-iglI'xsubpLdt™bplat:NSR-sunfLubploi；s-uErLoI：adbplat(Av/Editor-13：131逆滤波复原图');维纳滤波复原图');最小二乘方滤波复原图');后一一三一茗弓国IiDacunvriCutiori、翟立二旌历冠疑唯以』E-FSPSF3-2-1图高斯参数的设置(0.001,0.3)EDITOR3UBLSHVIEWSearrhDocumentation1实验原理{算法流程ngbo_Project5kIMatlab_ProjertsimandWindow[EIA=43:%麦动用度卞'Borion5„LEN,THETA);:=;imfi1ter(C,FSP,jr>ibplot,U=i]ina])ise=itor：R=s.lid■Tibplot仁ibplat《ibplot14♦建立二批伤直线性运动遛减裳p并、月FSF产生退优图做iitcr-[0122135c=c=：EU.1，荚LE】TH1PS]HF-SillMF]Figure1nDLse=inmciseI.zeros(sizetC)),‘gaissianTa030.9.)：v-rj-i-nI'-'rt■Bn-iw-rt、1slrtj»i'I匕，。口II+3-2-1图高斯参数的设置(0.000001,0.9)3.实验分析由上面的两个高斯参数可以看出，噪声对以上三种滤波的方式影响很大。高斯噪声参数越大，逆滤波的去噪效果就越差，而维纳滤波和最小二乘方滤波去噪效果就越好。实验(3):1.代码实现rgb=imread('2012213500.jpg');subplot(231);imshow(rgb);title('RGB原图')；R=rgb(:,:,1);%提取图像的RG=rgb(:,:,2);B=rgb(:,:,3);subplot(234);imshow(R);title('subplot(235);imshow(G);title('subplot(236);imshow(B);title('图像的图像的图像的R分量图')；%显示图像的RGB分量图G分量图');B分量图')；3-4图图像的HIS空间各个分量效果图欢迎下载欢迎下载R_filt=medfilt2(R,'symmetric');%G_filt=medfilt2(G,'symmetric');B_filt=medfilt2(B,'symmetric');rgb_filtered=cat(3,R_filt,G_filt,B_filt);%subplot(233);imshow(rgb_filtered);title(2.运行结果一对R、GB分量分别进行中值滤波将图像合并进行RGEfr值滤波后的图');口♦百厚U』.日卜Ynn口bo_PrcjecU►Matlab_ProjectsurrentF,..®CommandWindowQName-XI20122135CO...GFbC>,2);B-rsb(:,■幻:subplot(234);i*sho¥(R.i;title(废像的二勺里型,J;%显不型像的X、G、E分里图实验原理{算法流程L2012213MO...■301221^0-,?0123©Figure1D12213500./Vorkspag)=2*pi-H(b>g);H=H/(2*pi);H(S==0)=0;hsi=cat(3,H,S,I);subplot(234);imshow(H);title('H分量图');subplot(235);imshow(S);title('S分量图');subplot(236);imshow(I);title('I分量图');打I.一.运行结果..实验分析由3-4图狠一很清楚的了解到该图像色调、饱和度、强度之间的信息。根据H分量图，可以看出哪个区域最接近那种光的波长；根据S分量图，可以了解颜色的深浅程度，饱和度越高，颜色越深；根据I分量图，可以了解该区域亮度。实验原理{算法流程实验(5):.代码实现I=imread('2012213500.png');subplot(221);imshow(I);title('原图');喻度分层法G2C=grayslice(I,128);subplot(222);imshow(G2C,gray(128));title('%colormap方法subplot(223);imshow(I);title('colormap-hotcolormaphot;subplot(224);imshow(I);title('colormap-graycolormapgray;密度分层法效果图'）;图'）；图'）；3-5图密度分层法转换索引图像.运行结果3-7-1图Otsu阈值法-阈值分割-最佳参数效果图欢迎下载3-7-1图Otsu阈值法-阈值分割-最佳参数效果图欢迎下载欢迎下载实验原理1算法流3.实验分析由3-5图我们可以看出密度分层法效果使得图像整个边生、硬暗淡。而使用colormaphot和colormapgray工具后，效果和原图区别不大。实验(6):.代码实现f=imread('2012213500.bmp');subplot(231);imshow(f);title('原图');[g,t]=edge(f,'roberts',[],'both');%用Roberts算子分割图像subplot(232);imshow(g);title('Roberts算子分割图');[g,t]=edge(f,'sobel',[],'both');%用Sobel算子分割图像subplot(233);imshow(g);title('Sobel算子分割图');[g,t]=edge(f,'prewitt',[],'both');%用Prewitt算子分割图像subplot(234);imshow(g);title('Prewitt算子分割图');[g,t]=edge(f,'log');%用Log算子分割图像subplot(235);imshow(g);title('Log算子分割图');[g,t]=edge(f,'canny');%用Canny算子分割图像subplot(236);imshow(g);title('Canny算子分割图');.运行结果口口dme*E►Vongbo.PF口.Matab-Projtctt®CumindndWindow®subplotjitshcwif)C更配'h*OL1.'rotsrtc1[L'Mth'用配bw/r算干句判胫I?JJJ玲二、O£0X・@□月Roberts算子分割田Sobel算寸怜川图Pr*witt即T介刖网L制津二“分“倒算子分割烟3-6图图像roberts、sobel、Prewitt、Canny、LOG算算子边缘检测.实验分析由3-6图我们可以直观的看出，canny算子对图像的边缘检测效果更好，其次是Log算子也有很好的边缘检测效果。而sobel算子、Prewitt算子边缘检测效果相当。再其次是roberts算子。roberts算子是利用拒不差分算子寻找边缘，边缘定位精度较高，但容易丢失部分边缘。sobel算子和Prewitt算子是它们先对图像做加权平滑，在作微分运算，不同的是权值有差别，因而这两种算子对噪声具有一定的抑制能力，但不能完全排除检测边缘结果出现的虚假边缘。LOG算子是先用高斯函数对函数做平滑滤波处理，再用Log算子检测边缘，因此有效地克服了Log算子抗噪能力差的问题，但是在抑制噪声的同时，也可能将原来有比较尖锐的边缘平滑掉，造成尖锐边远无法检测出来。Canny算子是基于最优化思想而指出边缘检测算子，但是实际效果不一定最优，其采用高斯函数对图像做平滑处理，故具有较强的抑制噪声的能力。实验（7）:1.代码实现实验原理{算法流程f=imread('2012213500.jpg');f=rgb2gray(f);subplot(121);imshow(f);title('原图');帽动获取最佳值%g=im2bw(f,T);游动调试：灰度值T范围为[0,L-1]g=im2bw(f,0.8888);subplot(122);imshow(g);title('Otsu方法二值化图(T=0.8888)');2.运行结果%T=graythresh(f);%取最佳值欢迎下载欢迎下载Ht»Yongi»_frajerta卜MatLb_PrajKHitFo.Ijsmeran1221j>1221：<1221：TgI"E>t.ilec.FlipFditVia?lrii.prtTkDc-xLicpWTmTowHelp0"d&|》100Id-BQ原图6钊方法:ttl化网仃=022222)实验原理{算法流程3-7-3图Otsu阈值法-阈值分割-(T=0.4444)效果图2®野动调优jk底喧他a/j：n,।)；：33-xiSXL几花器I.ZU-subplotU：21;i■>>»¥(()titltCatw^^=ttitS(^.2C-2Z9。好*tgaley.4umtle■]Figure1_□FileEditViewLrsert-oclsDtfsktuuWindowHelp口日值|口目■口ght=atis(infliter'f2,hh3-repZicat)1:8=SQltF计算正离原图kjgiJPt?rkspacme->3分水岭尊法分割法效果ea改迸的分水岭算法分割次效2国如*296-gv-abs(im:iltsr.fLrh.-nJreplieit?P)1：3-8图分水岭算法分割与改进分水岭算法分割效果图实验原理{算法流程.实验分析由3-8图我们可以看出分水岭算法分割有一定的图像边缘识别检测能力，但是在识别过程中，增加了过多的噪声。而改进的分水岭算法分割在尽量不改变原图像的情况下对边缘进行了很好的检测。实验结果
心得体会
决胜全面小康心得体会学党史心得下载党史学习心得下载军训心得免费下载党史学习心得下载
成绩评士7E教师签名：年月日
浙公网安备 33021202002483