⑤電占樹或土學(xué)

生命科學(xué)與技術(shù)學(xué)院緲字圈像魄

ft51課程介韶e密隊(duì)伍諜卅儂弧M上教學(xué)學(xué)習(xí)M地fttthfl在線弄或MMWHaM；

上教學(xué)

試驗(yàn)一、亶方圖處理與模板運(yùn)算

K試驗(yàn)內(nèi)容

B!字圖像試改

內(nèi)容I：打開lenna.bmp圖較:

<1>指出丈類型；

<2闌命名為lcmul.bmp;

<3>顯示出直方圖：

（4）顯示出我以SL方圖；

O試收教材

<5>顯示出口方圖均狗拈果：

<6>ilJ?負(fù)圖.保存為knnanjpB

內(nèi)容2i打開圖象knnanoise】.bmp?

<I>川均值濾波其對(duì)其進(jìn)行平滑處理：

?試驗(yàn)條件

（2）選杼不同尺寸的卷積核，會(huì)石丸對(duì)結(jié)果的影響，

<3>對(duì)半猾E的圖像執(zhí)行直方圖均衡.百希其對(duì)結(jié)果的影響.

<4>傲習(xí)埋3.1K

O試驗(yàn)內(nèi)容

內(nèi)容3i

孤介空間增加法是種療效的方法,比單獨(dú)采納其中任一種方法產(chǎn)生的效％好.現(xiàn)有圖儂pouLbmp.耳邊緣及對(duì)比度哎很箜.請(qǐng)?jiān)O(shè)計(jì)種算法加以堵加.留意各種方法組合的?

2、基本原理

（1）直方圖與累積直方用

?試驗(yàn)報(bào)告

直方圖：直方圖是灰度敏的函數(shù).描述的是圖像中具仃謗灰度報(bào)的象素的個(gè)數(shù)：橫坐標(biāo)是灰度級(jí).級(jí)坐標(biāo)是該灰度出現(xiàn)的痂率（靠素的個(gè)數(shù)）.用公式可表示為：，其中表示某

示圖像中式有灰度級(jí)俄象索的個(gè)數(shù)；其規(guī)一化就是概率變度沿效（PDF>；.為灰度級(jí)數(shù)〃

i?累”!”方圖系小于荒個(gè)我班級(jí)的少.米個(gè)出，,K塊?化林是SR機(jī)分布由數(shù)-CDP）.

（直方圖均衡

案念做學(xué)課件2）

直力圖均循是枯修輸出圖愎的郵一次度級(jí)郁方相同的象索點(diǎn)（即輸出的六方圖是平的）而進(jìn)打的次怎級(jí)變換,共攵換的圾就是其CDF,

均收狀況的實(shí)現(xiàn)步驟為：

u.計(jì)算輸入圖愎的CDF

b.用山最大灰收他乘以CDF

c.對(duì)結(jié)果b進(jìn)行fit化

囚為這是近似實(shí)現(xiàn)，諳鈿意偷出圖像的H方圖的特點(diǎn)，

（3）領(lǐng)域處理

W處理是空向泄波的龍眼.是一個(gè)被稱為掩模、核、模板成腐口的子圖像在帶處理圖像中逐點(diǎn)移動(dòng),在俗一點(diǎn)處，立波器在諼點(diǎn)的晌應(yīng)通過事先定義的關(guān)系計(jì)算，如I

格出圖像在形標(biāo)的位計(jì)算為：

3、相關(guān)的MntMh的數(shù)

imrcad>imwritc：圖像ij”

iminfu：圖像俏思

itnshow；圖t8■顯示

imhiM：圖f?rt力圖

histeq：15方圖均淅

fspcvial.產(chǎn)生卷枳注液縣

conv2：二維卷以沌波

majlgray：將矩陣找換為圖像

im2doubk：將圖像附倏為瓶精度類梨

試臉二、圖像空間域復(fù)原

1.成驗(yàn)內(nèi)容

內(nèi)容I："開hruin.bmpfli：

（I）估計(jì)喉聲（提示：曲圖像中的味聲收認(rèn)為是Gaussian的.先選掙個(gè)步氣好區(qū)域.然后估計(jì)它的均飲和力舉.見Bp.182）,

（2）選界和破適力的濾波；》進(jìn)行/彼.井格站禺保存為debeinjpg：井說(shuō)明你送抵的理由.

內(nèi)容2：打開圖慘皿1?修時(shí)其滓扣喋出亮度為0.25的sail&PCPPC,用自適應(yīng)中值戕波狀<7*7）進(jìn)行濁波

2.基本原理

u）估計(jì)囁聲

估計(jì)噪聲的方法很￡,這里多者他方法是教材p.182提示的方法.即?選擇

一個(gè)淳愛好區(qū)域.然后的計(jì)它的均值和方若.

書中外舉了很多整再空向謔波潺：均值能波器（算術(shù)均飲、幾何均值、諧波均彼和逆諧波均值）和依次統(tǒng)計(jì)沌器（中值.Q大版小.中點(diǎn)和愫正后的阿爾法均值）.而對(duì)于含

聲的mri圖像運(yùn)用諧液均值般好.

b）自適應(yīng)中值益波器：參考教材P192）

3、相關(guān)的Matlab函數(shù)

fspecial：產(chǎn)生彼波器

imfiltcr：圖像謔波

filtcrZi一維注液

mean：均值

median；中值

max：最大值

min：址小仙

imnoisc：添加噪聲

medfiltl：:維中值濾波

試驗(yàn)三、幾何變換

I、試驗(yàn)內(nèi)容

內(nèi)容：編寫用雙線性拓法進(jìn)行幾何變換的函數(shù)：

out=TranLincar（

In."輸入圖像

xx.〃x方F，j縮放比例

sy.//y方向％放比例

ika”疾胃帶反

、,yj埠放票點(diǎn)

）

2、菱本原理

1）插值

插值：確定*將故他將象東俏的過理.如下圖所示.處的（A用插值來(lái)求.實(shí)義Z）法采納逆映射.

最近空域據(jù)依：用出象索的次次做等r禹它所映射到的位置最近的構(gòu)入圖像的矢度值.加上圖.假如點(diǎn)離最近.則.該方法的特點(diǎn)是速咬快.但結(jié)果圖像帝行樂的邊.

廣泛應(yīng)用的是雙或性筠n.如上圖,求的的過程如F：

b）幾何交換

I）、簡(jiǎn)潔平移：輸出=輸入

2）、冏潔解SG輸出?輸入

3）、簡(jiǎn)沽族將：輸出=飾入

4）、?；鶞?zhǔn)總的縮放=平移（+）*鄒故x平移（->,即：

輸出=輜入

5）、統(tǒng)基準(zhǔn)點(diǎn)的旋轉(zhuǎn)=平移（+）x旋轉(zhuǎn)x平移（->.即,

愴出，構(gòu)入

3、相關(guān)的Matlab函數(shù)

1FORM：上間變換結(jié)枝體

immukcform：建立空問史換結(jié)構(gòu)體

imtransform：空間變帙

imrcsi/c：變更圖像大小

involute）圖像旋轉(zhuǎn)

imcrop：圖像剪切

試的四、同值分割及形態(tài)學(xué)處理

I、試驗(yàn)內(nèi)容

內(nèi)容《整法設(shè)計(jì)》?打開head上皿圖像，請(qǐng)你實(shí)現(xiàn)種算法以去瞼腦的外圍推銀，如圖也皿皿.提示；

⑴進(jìn)行閩值分割3的：

（2）選抨適當(dāng)大小的核對(duì)（1）的結(jié)果進(jìn)行開運(yùn)電.

對(duì)<2>的結(jié)果進(jìn)仁依大連通成分提取.

（4）將結(jié)果（3）與臊圖迂行與運(yùn)修可得城姥結(jié)果.

2、基本原理

為了提取大腦，視察VRI腦圖可以U出它由?個(gè)玳要的將征，如卜圖，就兄大腦與它四冏的組織之向是由低亮度的劑小的站構(gòu)正接起來(lái)的，似如格這些連接廝開，并構(gòu)設(shè)大腦

成份.和么用設(shè)大連通成分分析就可分別出大腦.

其北小步驟可微指為：

（I）進(jìn)行/值分割（p.485>,

（2）遇推動(dòng)當(dāng)大小的核對(duì)（I）的結(jié)果進(jìn)行開運(yùn)算.

（3）對(duì)（2）的結(jié)果進(jìn)行地大連通成分提取.

（4）柑結(jié)果（3）b麼圖進(jìn)行與運(yùn)罰刈都最終結(jié)果.

在達(dá)林法中所果地的主要算法有：

?）摸索法蟠位選掙算法

I.釋一個(gè)T的初始估計(jì)值

2.分割圖僮.這杵低侖生成兩殂量意：GI由全部灰度但大TT的象點(diǎn)殂成.而G2由全部灰度也小于或等TT的象率沮成

3.對(duì)區(qū)域GI和G2中的全部股G計(jì)算平均灰度值ml和m2

4.計(jì)詠新的陶值：T=（ml+ni2>12

5、，R復(fù)步9?2到&直到逐次迭代所留的T伙之經(jīng)小于不先定義的映龍.

b）影態(tài)學(xué)開運(yùn)算

形態(tài)學(xué)開運(yùn)算般是對(duì)《的輪席變得光滑.斷開狹右的問斯和消退知的突出

構(gòu).本試版的II標(biāo)是去馀大腦的外國(guó)坦根，米納開運(yùn)口是合理的，就是止它去:中大腦與外國(guó)組艱何的細(xì)小連接,用點(diǎn)的地方是核的大小選擇.

O最大連通成分分析

二值圖像中連通成份分析陶用是自動(dòng)圖像分析中的核心任務(wù).教材P435介

紹了連通成份的提取眸法,那么什么是*4大連通成份分析我？*實(shí)上取全部連通成份中象東奴鄉(xiāng)的連通成份作為輸出狀是*4大連通成沖分析，因?yàn)槲覀兗僭O(shè)大嘛是其中的城大連W

于開運(yùn)算的結(jié)果要采納C大連通成分分析,潼去掉了外團(tuán)拆織.

3、相關(guān)的MatlnbmJK

graythrcsh：計(jì)算閾值

im2bw：悶也分割

imcrodc：形態(tài)學(xué).腐蝕

inxi>hte：形態(tài)學(xué)膨IK

imopcn：形態(tài)學(xué)開運(yùn)算

inKlosci形點(diǎn)半閉運(yùn)。

bwtibeh連通成份分析

CepyhRhi?電什I技秣校生命科學(xué)用技術(shù)?玩版權(quán)全〃All陽(yáng)劃sRzrvW

蠟拉利作，生命H學(xué)?技術(shù)學(xué)底《；總中心PowHBy冰點(diǎn)火焰

《Matlab應(yīng)用圖像處理》課程

實(shí)驗(yàn)指導(dǎo)書

電氣工程學(xué)院?生物醫(yī)學(xué)工程系

2006年11月

試驗(yàn)一Matlab圖像顯示方法

一、試驗(yàn)?zāi)康?/p>

1.了解Matlab的基本功能及操作方法

2.練習(xí)圖像讀寫和顯示函數(shù)的運(yùn)用方法

3.駕馭Matlab支持的五類圖像的顯示方法

二、試驗(yàn)內(nèi)容

1.圖像的讀寫

A)圖像讀

RGB=imread('ngc6543a.jpg');

B)圖像寫

先從一個(gè).mat文件中載入一幅圖像，然后利用圖像寫函數(shù)imwrite,創(chuàng)建一個(gè).bmp

文件，并將圖像存入其中。

loadclown

whos

imwrite(X,map,'clown,bmp')

C)圖像文件格式轉(zhuǎn)換

bitmap=imread('clown.bmp'/bmp');

imwrite(bitmap,'clown,png'/png');

2.圖像顯示

A)二進(jìn)制圖像的顯示

BWl=zeros(20,20);%創(chuàng)建僅包含0/1的雙精度圖像

BW1(2:2:18,2:2:18)=1;

imshow(BWl/notruesize');

whos

BW2=uint8(BWl);

figurezimshow(BW2/notruesize')

BW3=BW2~=0;%邏輯標(biāo)記置為on

figure,imshow(BW3,'notruesize')

whos

BW=imread('circles.tif');

imshow(BW);

figure,imshow(~BW);

figure,imshow(BWz[l00;001]);

B)灰度圖像的顯小

I=imread('testpatl.tif');

J=filter2([l2;-l-2],I);

imshow(I)

figure,imshow(Jz[])

C)索引圖像的顯示

loadclown%裝載一幅圖像

imwrite(X,map,'clown.bmp');%俁存為bmp文件

imshow(X)

imshow(X,map)

D)RGB圖像的顯示

I=imread('flowers.tif');

imshow(I)

RGB=imread('ngc6543a.jpg');

figure,imshow(RGB)

imshow(I(:,:,3)%顯示第3個(gè)顏色重量

E)多幀圖像的顯示

mri=uint8(zeros(128,128,1,27));%27幀文件mri.tif初始化

forframe=l:27

,,

[mri(:z:z:zframe),map]=imread(mri.tifzframe);%讀入每一幀

end

imshow(mri(:z:z:z3),map);%顯示第3幀

figurezimshow(mri(:z:z:z6)zmap);%顯示第6幀

figure,imshow(mri(:,:,:z10),map);%顯示第10幀

figurezimshow(mri(:,:z:z20),map);%顯示第20幀

F)顯示多幅圖像

[Xlzmapl]=imread('forest.tif');

,

[X2zmap2]=imread('trees.tif);

subplot(l,2,l)fimshow(Xlzmapl)

subplot(l,2,2)Jmshow(X2zmap2)

subplot(l,2zl)rsubimage(Xlzmapl)

subplot(l,2,2)rsubimage(X2,map2)

三、思索題：

1.圖像顯示時(shí)，若不帶參數(shù)，notruesizel顯示效果如何？

2.如何顯示RGB圖像的某一個(gè)顏色重量？

3.如何顯示多幀圖像的全部幀？如何依據(jù)多幀圖像創(chuàng)建電影片段?

試驗(yàn)二圖像運(yùn)算

一、試驗(yàn)?zāi)康?/p>

1.熟識(shí)圖像點(diǎn)運(yùn)算和代數(shù)運(yùn)算的實(shí)現(xiàn)方法

2.了解圖像幾何運(yùn)算的簡(jiǎn)潔應(yīng)用

3.了解圖像的鄰域操作

二、試驗(yàn)內(nèi)容

1.圖像點(diǎn)運(yùn)算

讀入圖像Fce.lif，，通過圖像點(diǎn)運(yùn)算變更對(duì)比度。

rice=imread('rice.tif,);

subplot(131),imshow(rice)

I=double(rice);%轉(zhuǎn)換為雙精度類型

3=1*0.43+60;

rice2=uint8(J);%)轉(zhuǎn)換為uint8

subplot(132)zimshow(rice2)

J=I*1.5-60;

rice3=uint8(J);%轉(zhuǎn)換為uint8

subplot(133)zimshow(rice3)

2.圖像的代數(shù)運(yùn)算

A)圖像加法運(yùn)算

^imreadCrice.tif');

imshow(I)

J=imread('cameraman.tif');

figure,imshow(J)

K=imadd(IJ);

figure,imshow(K)

K2=imadd(IzJ/uintl6');

figure,imshow(K2,[])

RGB=imread('flowers.tif');

RGB2=imadd(RGB,50);

imshow(RGB)

figure,imshow(RGB2)

RGB3=imadd(RGB,100);

figurezimshow(RGB3)

B)圖像減法運(yùn)算

I=imread('rice.tif');

imshow(I)

,

background=imopen(Izstrel('disk,15));%估計(jì)背景圖像

figure,imshow(background);

I2=imsubtract(Izbackground);%從原始圖像中減去背景圖像

figure,imshow(I2)

C)圖像乘法運(yùn)算

I=imread('moon.tif,);

J=immultiply(Izl-2);

K=immultiply(I,0.5);

imshow(I)

figure,imshow(J)

figure,imshow(K)

D)*圖像除法運(yùn)算

3.圖像的幾何運(yùn)算

A)變更圖像的大小

讀入圖像'ic.tif、變更圖像大小，分別將原圖像放大1.5倍和縮小0.5倍。

J=imresize(I,1.25);

K=imresize(I,0.8);

imshow(I)

figure,imshow(J)

figure,imshow(K)

Y=imresize(I,[100,150]);

figureJmshow(Y)

B)旋轉(zhuǎn)一幅圖像

將上述圖像順時(shí)針卻逆時(shí)針旋轉(zhuǎn)隨意角度，視察顯示效果。

I=imread('ic.tif');

J=imrotate(Iz30,'bilinear');

Jl=imrotate(Iz30z'bilinear7crop');

imshow(I)

figure,imshow(J)

figure,imshow(Jl)

J2=imrotate(I/-15z'bilinear');

figure,imshow(J2)

C)圖像剪切

通過交互式操作，從一幅圖像中剪切一個(gè)矩形區(qū)域。

I=imread('ic.tif');

imshow(I);

U=imcrop;

figure,imshow(U)

I2=imcrop(I,[3060120160]);

figure,imshow(I2)

4.*圖像的鄰域操作

讀入圖像Yire.tif',分別運(yùn)用函數(shù)nlfilter和blkproc對(duì)圖像進(jìn)行滑動(dòng)鄰域操作和分

別鄰域操作。

I=imread('tire.tif');

f=inline(,max(x(:))^);%構(gòu)造復(fù)合函數(shù)

I2=nlfilter(Iz[33],f);%滑動(dòng)鄰域操作

imshow(I)

figure,imshow(I2)

f=inline('uint8(round(mean2(x)*ones(size(x))))');%構(gòu)造復(fù)合函數(shù)

I2=blkproc(I,[88],f);%滑動(dòng)鄰域操作

imshow(I)

figure,imshow(I2)

試驗(yàn)三圖像變換與濾波器設(shè)計(jì)

一、試驗(yàn)?zāi)康?/p>

1.了解傅立葉變換、離散余弦變換及Radon變換在圖像處理中的應(yīng)用

2.了解Matlab線性濾波器的設(shè)計(jì)方法

二、試驗(yàn)內(nèi)容

1.傅立葉變換

A)繪制一個(gè)二值圖像矩陣,并將其傅立葉函數(shù)可視化。

f=zeros(30,30);

f(5:24,13:17)=l;

,,

imshow(fznotruesize)

F=fft2(f);

F2=log(abs(F));

figure,imshow(F2,[-l5]/notruesize');colormap(jet);

F=fft2(f,256,256);%零填充為256X256矩陣

figurezimshow(log(abs(F))z[-l5],'notruesize');colormap(jet);

F2=fftshift(F);%將圖像頻譜中心由矩陣原點(diǎn)移至矩陣中心

figure,imshow(log(abs(F2)),[-l5]/notruesize');colormap(jet);

B)利用傅立葉變換分析兩幅圖像的相關(guān)性，定位圖像特征。讀入圖像Mxt.tif，,

抽取其中的字母W

bw=imread('text.tif,);

a=bw(59:71,81:91);

imshow(bw);

figure,imshow(a);

C=real(ifft2(fft2(bw),*fft2(rot90(a,2),256,256)));%求相關(guān)性

figure,imshow(C,[]);

thresh=max(C(:));

figure,imshow(C>thresh-10)

figure,imshow(C>thresh-15)

2.離散余弦變換(DCT)

A)運(yùn)用dct2對(duì)圖像'autumn.tif'進(jìn)行DCT變換。

RGB=imread('autumn.tif');

imshow(RGB)

I=rgb2gray(RGB);%轉(zhuǎn)換為灰度圖像

figure,imshow(I)

J=dct2(I);

figure,imshow(log(abs(J))z[])zcolormap(jet(64));colorbar;

B)將上述DCT變換結(jié)果中肯定值小于10的系數(shù)舍棄，運(yùn)用idct2重構(gòu)圖像并

與原圖像比較。

RGB=imread('autumn.tif');

I=rgb2gray(RGB);%轉(zhuǎn)換為灰度圖像

J=dct2(I);

figure,imshow(I)

K=idct2(J);

figure,imshow(K,[0255])

J(abs(J)<10)=0;%舍棄系數(shù)

K2=idct2(J);

figure,imshow(K2,[0255])

C）利用DCT變換進(jìn)行圖像壓縮。

I=imread('cameraman.tif');

I=im2double(I);

T=dctmtx(8);

,*,

B=blkproc(I,[8z8]zPl*x*P2/T,T)；

mask=[l1110000

11100000

11000000

10000000

00000000

00000000

00000000

00000000];

B2=blkproc(B,[88]/Pl.*x*zmask);

,,

I2=blkproc(B2,[88],Pl*x*P2'/T,T);

imshow(I)

figure,imshow(I2)

3.Radon變換

運(yùn)用Radon逆變換重建圖像。

P=phantom(256);%創(chuàng)建256灰度級(jí)大腦圖

imshow(P)

theta1=0:10:170;[Rlzxp]=radon(P,theta1);%18個(gè)投影

theta2=0:5:175;[R2,xp]=radon(P,theta2);%36個(gè)投影

theta3=0:2:178;[R3zxp]=radon(Pztheta3);%90個(gè)投影

figure,imagesc(theta3zxp,R3);colormap(hot);colorbar

%運(yùn)用逆變換重構(gòu)圖像

Il=iradon(Rl,10);%用RI重構(gòu)圖像

I2=iradon(R2,5);%用R2重構(gòu)圖像

I3=iradon(R3,2);%用R3重構(gòu)圖像

figure,imshow(U)

figure,imshow(I2)

figure,imshow(I3)

4.*Matlab線形濾波器設(shè)計(jì)

采納頻率變換方式，通過一維最優(yōu)水紋FIR濾波潛創(chuàng)建二維FIR濾波器(p96)。

b=remez(10,[00.40.6l]z[l100]);%階次，頻率向量，對(duì)應(yīng)的志向

幅頻響應(yīng)

h=ftrans2(b);

[H,w]=freqz(b,1,64,'whole');

colormap(jet(64))

plotfw/pi-l/ftshiftfabsCH)));%使x軸取值0處對(duì)應(yīng)曲線中心

figure,freqz2(h,[3232])

試驗(yàn)四形態(tài)學(xué)操作與空間變換

一、試驗(yàn)?zāi)康?/p>

1.了解膨脹和腐蝕的Matlab實(shí)現(xiàn)方法

2.駕馭圖像膨脹、腐蝕、開啟、閉合等形態(tài)學(xué)操作函數(shù)的運(yùn)用方法

3.了解二進(jìn)制圖像的形態(tài)學(xué)應(yīng)用

4.了解空間變換函數(shù)及圖像匹配方法

二、試驗(yàn)內(nèi)容

1.圖像膨脹

A)對(duì)包含矩形對(duì)象的二進(jìn)制圖像進(jìn)行膨脹操作。

BW=zeros(9,10);

BW(4:6,4:7)=1;

imshow(BW/notruesize')

se=strel('square'z3);%正方形結(jié)構(gòu)元素

BW2=imdilate(BW,se);

figurezimshow(BW2/notruesize')

B)變更上述結(jié)構(gòu)元素類型(如：line,diamond,disk等)，重新進(jìn)行膨脹操作。

C)對(duì)圖像'text.tif'進(jìn)行上述操作，視察不同結(jié)構(gòu)元素膨脹的效果。

BW3=imread('text.tif');

imshow(BW3)

se2=strel('line\llz90);%線型結(jié)構(gòu)元素

BW4=imdilate(BW3,se2);

figure,imshow(BW4)

2.圖像腐蝕

A)對(duì)圖像'circbw.tif'進(jìn)行腐蝕操作。

BWl=imread('circbw.tif,);

se=strel('arbitrary'zeye(5));

BW2=imerode(BWlzse);

imshow(BWl)

figure,imshow(BW2)

B)對(duì)圖像'textJif'進(jìn)行腐蝕操作。

BW=imread('text.tif,);

,

se=strel('linezllz90);

BW2=imerode(BW3,se);

imshow(BW)

figure,imshow(BW2)

3.膨脹與腐蝕的綜合運(yùn)用

A)從原始圖像'circbw.tif'中刪除電流線，僅保留芯片對(duì)象。

方法一：先腐蝕(imerode),再膨脹(imdilate)；

BWl=imread('circbw.tif');

imshow(BWl)

se=strel('rectangle'z[4O30]);%選擇適當(dāng)大小的矩形結(jié)構(gòu)元素

BW2=imerode(BWlzse);%先腐蝕，刪除較細(xì)的直線

figure,imshow(BW2)

BW3=imdilate(BW2zse);%再膨脹，復(fù)原矩形的大小

figure,imshow(BW3)

方法二：運(yùn)用形態(tài)開啟函數(shù)(imopen)。

BW1=imreadCcircbw.tif');

imshow(BWl)

,

se=strel(rectangle'/[4030]);

BW2=imopen(BWl,se);%＞開啟操作

figure,imshow(BW2)

B)變更結(jié)構(gòu)元素的大小，重新進(jìn)行開啟操作，視察處理結(jié)果。

z

se=strel('rectanglez[2010]);

,

se=strel('rectanglez[5040]);

C)置結(jié)構(gòu)元素大小為[43],同時(shí)視察形態(tài)開啟(imopen)與閉合(imclose)的效果,

總結(jié)形態(tài)開啟與閉合在圖像處理中的作用。

^imreadCcircbw.tif');

imshow(I)

,

se=strel('rectanglez[43]);

U=imopen(I,se);%開啟操作

I2=imclose(I,se);%閉合操作

figure,imshow(U)

figure,imshow(I2)

4.*高帽與低帽變換

A)讀入圖像＜pearlite.tif,,分別顯示其高帽變換與低帽變換結(jié)果，并與原圖像

比較。(設(shè)se二strel('disk',5);)。

I=imread('pearlite.tif');

subplot(221),imshow(I)

se=strel('disk'/5);

J=imtophat(I,se);

subplot(222),imshow(J)

K=imbothat(I,se);

subplot(223),imshow(K)

L=imsubtract(imadd(J,I),K);

subplot(224),imshow(L)

B)要求顯示在一個(gè)窗口中。

5.圖像極值的處理方法

A)對(duì)于下圖所示的圖像矩陣A,利用函數(shù)imregionalmax找尋其局部極大值

A=[10101010101010101010;

10131313101011101110；

10131313101010111010；

10131313101011101110；

10101010101010101010；

10111010101818181010；

10101011101818181010；

10101110101818181010；

10111011101010101010；

10101010101011101010］；

B=imregionalmax(A)

B)利用函數(shù)imextendedmax找尋像素值大于其鄰域像素值2個(gè)單位的局部極大

值。

C=imextendedmax(A,2)

6.*創(chuàng)建一幅圖像，求其距離矩陣。

bw=zeros(5z5);

bw(2,2)=l;bw(4,4)=l;

D=bwdist(bw)

centerl=-10;

center2="centerl;

dist=sqrt(2*(2*centerl)A2);

radius=dist/2*1.4;

lims=[floor(centerl-1.2*radius)ceil(center2+1.2*radius)];

[xzy]=meshgrid(lims(l):lims(2));

bwl-sqrt((x-centerl).^2+(y-center2).^2)<-radius;

bw2=sqrt((x-center2),A2+(y-center2).A2)<=radius;

bwl=sqrt((x-centerl).A2+(y-centerl).A2)<=radius;

bw=bwl|bw2;

imshow(bw)

D=bwdist(bw);

figure,imshow(D,[])

Dl=bwdist(~bw);

figure,imshow(Dlz[])

7.*運(yùn)用偽彩色顯示標(biāo)記矩陣。

BW=[00000000；

01100111;

01100011;

01100000；

00011000;

00011000;

00011000；

00000000]

X=bwlabel(BWz4)

RGB=label2rgb(Xz@jet；k');

imshow(RGB/notruesize,)

8.利用選擇限制點(diǎn)實(shí)現(xiàn)圖像匹配。

Mallab圖像匹配的步驟：

將標(biāo)準(zhǔn)圖像和待匹配圖像讀入Matlab；指定圖像中的限制點(diǎn)對(duì)并保存；運(yùn)用相互

關(guān)性進(jìn)一步協(xié)調(diào)限制點(diǎn)對(duì)(可選)；制定所需變換類型并依據(jù)限制點(diǎn)對(duì)推斷變換參數(shù);

變換未匹配的圖像。

%讀入待匹配圖像和標(biāo)準(zhǔn)圖像

unregistered=imread('westconcordaerial.png');

imshow(unregistered)

orthophoto=imreadCwestconcordorthophoto.png');

figure,imshow(orthophoto)

%選擇圖像中對(duì)應(yīng)的限制點(diǎn)

cpselect(unregistered(:,:zl),orthophoto)

%保存限制點(diǎn)對(duì)

input_points

base_points

%運(yùn)用相關(guān)性進(jìn)一步協(xié)調(diào)限制點(diǎn)對(duì)

input_points_corr=cpcorr(input_points,base_pointszunregistered(:z

:zl),orthophoto);

input_points_corr

%依據(jù)限制點(diǎn)對(duì)準(zhǔn)斷空間變換參數(shù)

mytform=cp2tform(input_pointszbase_points,'projective');

%)變換未匹配的圖像

registered=imtransform(unregistered,mytform);

figure,imshow(registered)

試驗(yàn)五圖像增加與復(fù)原

一、試驗(yàn)?zāi)康模?/p>

1.了解灰度變換增加和空域?yàn)V波增加的Matiab實(shí)現(xiàn)方法

2.駕馭直方圖灰度變換方法

3.駕馭噪聲模擬和圖像濾波函數(shù)的運(yùn)用方法

4.了解圖像復(fù)原的Matlab實(shí)現(xiàn)方法

二、試驗(yàn)內(nèi)容

1.灰度變換增加

A)線段上像素灰度分布

讀入灰度圖像"debyel.tif,采納交互式操作，用improve繪制一條線段的灰度

值。

imshow('debyel.tif')

improfile

讀入RGB圖像'flowers.tif',顯示所選線段上紅、綠、藍(lán)顏色重量的分布

imshow('flowers.tif')

improfile

B)直方圖變換

<i>直方圖顯示

讀入圖像'rice.tif',在一個(gè)窗口中顯示灰度級(jí)n=64,128和256的圖像直方圖。

I=im「ead('rice.tif')；

imshow(I)

figure,imhist(Ir64)

figure,imhist(Ir128)

<ii>直方圖灰度調(diào)整

利用函數(shù)imadjust調(diào)解圖像灰度范圍，視察變換后的圖像及其直方圖的變更。

^imreadCrice.tif');

imshow(I)

figure,imhist(I)

J=imadjust(I,[0.150.9]z[01]);

figure,imhist(J)

figure,imshow(J)

^imreadCcameraman.tif');

imshow(I)

figure,imhist(I)

J=imadjust(Iz[O0.2],[0.51]);

figure,imhist(J)

figure,imshow(J)

<iii>直方圖均衡化

分別對(duì)圖像'pout.tif'和'tire.tif'進(jìn)行直方圖均衡化處理，比較處理前后圖像及

直方圖分布的變更。

^imreadCpout.tif');

imshow(I)

figure,imhist(I)

J=histeq(I);

figure,imhist(J)

figure,imshow(J)

I=imread('tire.tif');

imshow(I)

figure,imhist(I)

J=histeq(I);

figure,imshow(J)

figure,imhist(J)

2.空域?yàn)V波增加

A)噪聲模擬

利用函數(shù)imnoise給圖像"eight.tif,分別添加高斯(gaussian)噪聲和椒鹽(salt&

p叩per)噪聲。

I=imread('eight.tir);

imshow(I)

U=imnoise(I/gaussian'z0,0.01);

figure,imshow(Il)

I2=imnoise(I/salt&pepper');

figure,imshow(I2)

B)空域?yàn)V波

<i>對(duì)上述噪聲圖像進(jìn)行均值濾波和中值濾波，比較濾波效果。

^imreadCeight.tif');

J=imnoise(I,'salt&pepper',0.02);

imshow(J)

Kl=medfilt2(J.,[33]);%3*3中值濾波

figure,imshow(Kl)

K2=filter2(fspecial(,average',5),J)/255;

figure,imshow(K2)

<ii>總結(jié)均值濾波和中值濾波的特點(diǎn)及運(yùn)用場(chǎng)合。

均值濾波器是一種最常用的線性低通平滑濾波器。可抑制圖像中的噪聲，但同時(shí)也

使圖像變得模糊

中值濾波器是一種最常用的非線性平滑濾波器?？上藞D像中孤立的噪聲點(diǎn)，又可

產(chǎn)生較少的模糊

<iii>*對(duì)圖像'saturn.tif*采納laplaciarf高通濾波器進(jìn)行銳化濾波。

^imreadCsaturn.tif');

imshow(I)

h=fspecial('laplacian');

I2=filter2(h,I);

figure,imshow(I2)

3.圖像復(fù)原

A)模糊與噪聲

<i>對(duì)圖像'flowers.tif'分別采納運(yùn)動(dòng)PSF和均值濾波PSF進(jìn)行模糊。

I=imread('flowers.tif');

1=1(10+[1:256],222+[1:256],:);%剪切圖像

imshow(I)

len=30;%運(yùn)動(dòng)位移

theta=10;%運(yùn)動(dòng)角度

RSF=fspecial('motion',len,theta);

blurred=imfilter(I,PSP,'circular'/conv');

figure,imshow(blurred)

I=imread('flowers.tif');

imshow(I)

,,

H=fspecial(motion/50,45);%運(yùn)動(dòng)PSP

motionblur=imfilter(I,H);

figure,imshow(motionblur)

H=fspecial('disk',10);%均值濾波PSP

averageblur=imfilter(I,H);

figure,imshow(averageblur)

<ii>在上述模糊圖像上再添加噪聲

J=imnoise(motionblui;'salt&pepper');

figure,imshow(J)

B)維納濾波復(fù)原

<i>運(yùn)用維納濾波復(fù)原函數(shù)deconvwnr復(fù)原無(wú)噪聲模糊圖像。

len=30;theta=10;PSF=fspecial('motion'zlenztheta);

blurred=imfilter(IzPSF/circular7conv');

figure,imshow(blurred)

wnrl=deconvwnr(blurred,PSF);%真實(shí)PSF

figure,imshow(wnrl)

%非真實(shí)PSF

,

wnr2=deconvwnr(blurred,fspecial(motion'z2*len,theta));

figure,imshow(wnr2)

%非真實(shí)PSF

wnr3=deconvwnr(blurredzfspecial('motion'zlen,2*theta));

figure,imshow(wnr3)

<ii>*運(yùn)用維納濾波復(fù)原函數(shù)deconvwnr復(fù)原模糊噪聲圖像。

,

PSF=fspecial('nnotion/len/theta);

,,,

blurred=imfilter(I,PSFzcircularzconv');

noise=0.1*randn(size(I));

BlurredNoisy=imadd(blurred,im2uint8(noise));

figure,imshow(BlurredNoisy)

wnr4=deconvwnr(BlurredNoisy,PSF);

figure,imshow(wnr4)

<iii>*設(shè)置信噪比和相關(guān)函數(shù)的維納濾波復(fù)原(pl79圖9J2)o

NSR=sum(noise(:).A2)/sum(im2double(I(:)).A2);%計(jì)算信噪比

wnr5=deconvwnr(BlurredNoisy,PSF,NSR);

figure,imshow(wnr5)%設(shè)置信噪比的復(fù)原結(jié)果

NP=abs(fftn(noise)).A2;%噪聲能量譜密度

NCORR=fftshift(real(ifftn(NP)));%噪聲自相關(guān)函數(shù)

IP=abs(fftn(im2double(I))).A2;%圖像能量譜密度

ICORR=fftshift(real(ifftn(IP)));%圖像自相關(guān)函數(shù)

wnr6=deconvwnr(BlurredNoisyzPSFzNCORR,ICORR);

figure,imshow(wnr6)%設(shè)置自相關(guān)函數(shù)的復(fù)原結(jié)果

試驗(yàn)六圖像分析與理解及圖像壓縮

一、試驗(yàn)?zāi)康?/p>

1.了解DCT變換在圖像壓縮中的應(yīng)用

2.駕馭邊緣檢測(cè)的Matlab實(shí)現(xiàn)方法

3,了解用四叉數(shù)分解函數(shù)進(jìn)行區(qū)域分割的方法

4.了解Matlab區(qū)域操作函數(shù)的運(yùn)用方法

5.了解圖像分析和理解的基本方法

二、試驗(yàn)內(nèi)容

1.圖像分析與理解

A)邊緣檢測(cè)

<i>運(yùn)用edge函數(shù)對(duì)圖像'rice.tif'進(jìn)行邊緣檢測(cè)。

I=imread('rice.tif');

imshow(I)

bwl=edge(I/roberts');

bw2=edge(I/sobel');

bw3=edge(I,'prewitt');

bw4=edge(I/canny*);

bw5=edge(I/log');

figure,imshow(bwl)

figure,imshow(bw2)

figure,ims