matlab 数字图像处理部分实例及代码

实验一 图像增强技术

一． 实验目的

1. 掌握基本的图象增强方法，观察图象增强的效果。

2. 加深对灰度直方图的理解。

3. 掌握图像线性变换及二值化方法。

二． 实验内容

1. 选择一幅对比度不足的图像，对该图像进行灰度变换，增强对比度，显示增强前、后的图像以及它们的灰度直方图

2．给出一幅图像概貌的描述，通过修改灰度直方图来得到图像增强。

三. 实验步骤

1 计算出一幅灰度图像的直方图

clear

close all

I=imread('004.bmp');

imhist(I)

title(' 直方图');

2 对灰度图像进行简单的灰度线形变换

figure

subplot(2,2,1)

imshow(I);

title('灰度线性变换');

subplot(2,2,2)

histeq(I);

3 看其直方图的对应变化和图像对比度的变化

原图像 f(m,n) 的灰度范围 [a,b] 线形变换为图像 g(m,n),灰度范围[a’,b’] 公式： g(m,n)=a’+(b’-a’)* f(m,n) /(b-a)

figure

subplot(2,2,1)

imshow(I)

J=imadjust(I,[0.3,0.7],[0,1],1);

title('用 g(m,n)=a’+(b’-a’)* f(m,n) /(b-a)进行变换 ');

subplot(2,2,2)

imshow(J)

subplot(2,2,3)

imshow(I)

J=imadjust(I,[0.5 0.8],[0,1],1);

subplot(2,2,4)

imshow(J)

4 图像二值化

figure

subplot(2,2,1)

imshow(I)

J=find(I<150);

I(J)=0;

J=find(I>=150);

I(J)=255;

title('图像二值化 ( 域值为150 ) ');

subplot(2,2,2)

imshow(I)

clc;

I=imread('14499.jpg');

bw=im2bw(I,0.5);%选取阈值为0.5

figure;

imshow(bw) %显示二值图象

实验二 图像平滑与锐化

一、 实验目的

1. 掌握图像平滑的方法及应用，用低通滤波器消除噪声。

2. 掌握图像锐化的几种方法，用高通滤波器来完成，增强被模糊的细节。

3. 学会应用模板运算消除噪声。

二、实验内容

1. 利用二个低通邻域平均模板（3×3和9×9）对一幅图象进行平滑，验证模板尺寸对图象的模糊效果的影响。

2. 利用一个低通模板对一幅有噪图象（GAUSS白噪声）进行滤波，检验两种滤波模板（分别使用一个5×5的线性邻域平均模板和一个非线性模板：3×5中值滤波器）对噪声的滤波效果。

3. 选择一个经过低通滤波器滤波的模糊图象，利用sobel和prewitt水平边缘增强高通滤波器（模板）对其进行高通滤波图象边缘增强，验证模板的滤波效果。

4.选择一幅灰度图象分别利用 一阶Sobel算子和二阶Laplacian算子对其进行边缘检测，验证检测效果。

三、实验步骤

1.利用低通邻域平均模板进行平滑

I=imread('girl.bmp');

subplot(1,3,1);

imshow(I);

title('原图');

J=fspecial('average');

J1=filter2(J,I)/255;

subplot(1,3,2);

imshow(J1);

title('3*3滤波');

K=fspecial('average',9);

K1=filter2(K,I)/255;

subplot(1,3,3);

imshow(K1);

title('9*9滤波');

2.中值滤波和平均滤波

I=imread('girl.bmp');

J=imnoise(I,'gaussian',0,0.01);

subplot(2,2,1);

imshow(I);

title('原图');

subplot(2,2,2);

imshow(J);

title('noise');

K=fspecial('average',5);

K1=filter2(K,J)/255;

subplot(2,2,3);

imshow(K1);

title('average');

L=medfilt2(J,[3 5]);

subplot(2,2,4);

imshow(L);

title('medium');

3.高通滤波边缘增强

I=imread('girl.bmp');

subplot(2,2,1);

imshow(I);

title('original pic');

J=fspecial('average',3);

J1=conv2(I,J)/255;

%J1=filter2(J,I)/255;

subplot(2,2,2);

imshow(J1);

title('3*3lowpass');

K=fspecial('prewitt');

K1=filter2(K,J1)*5;

subplot(2,2,3);

imshow(K1);

title('prewitt');

L=fspecial('sobel');

L1=filter2(L,J1)*5;

subplot(2,2,4);

imshow(L1);

title('sibel');

4.边缘检测

分别用sobel和laplacian算子来进行，程序如下：

I=imread('girl.bmp');

subplot(1,3,1);

imshow(I);

title('original pic');

K=fspecial('laplacian',0.7);

K1=filter2(K,I)/100;

subplot(1,3,2);

imshow(K1);

title('laplacian');

L=fspecial('sobel');

L1=filter2(L,I)/200;

subplot(1,3,3);

imshow(L1);

title('sibel');

实验三 图像分割

一、实验目的

1. 学习边缘检测

2. 学习灰度阀值分割

二、实验内容

1. 分别用sobel、Laplacian-Gaussian方法对一幅灰度图像进行边缘提取。

2. 给出对比结果

3. 对一幅灰度图像进行灰度分割处理

三、实验步骤

1.对灰度图像进行边缘提取

i=imread('eight.tif');

figure;

subplot(2,2,1);

imshow(i);

title('原始图像');

subplot(2,2,3);

imshow(i);

title('原始图像');

i1=edge(i,'sobel');

subplot(2,2,2);

imshow(i1);

title('sober方法提取的边缘');

i2=edge(i,'log');

subplot(2,2,4);

imshow(i2);

title('Laplacian-Gaussian方法提取的边缘');

比较提取边缘的效果可以看出，sober算子是一种微分算子，对边缘的定位较精确，但是会漏去一些边缘细节。而Laplacian-Gaussian算子是一种二阶边缘检测方法，它通过寻找图象灰度值中二阶过零点来检测边缘并将边缘提取出来，边缘的细节比较丰富。通过比较可以看出Laplacian-Gaussian算子比sober算子边缘更完整，效果更好。

2.对灰度图像进行灰度分割处理

i=imread('eight.tif');

subplot(1,2,1);

imhist(i);

title('原始图像直方图');

thread=130/255;

subplot(1,2,2);

i3=im2bw(i,thread);

imshow(i3);

title('分割结果');

根据原图像的直方图，发现背景和目标的分割值大约在130左右，并将灰度图像转为二值图像，分割效果比较理想。

实验四 图象处理变换

一、实验目的

1. 掌握傅立叶变换的原理，实现对一幅灰度图像的快速傅立叶变换,并求其变换后的系数分布.

2. 熟悉离散余弦变换概念和原理，实现对一幅灰度和彩色图像作的离散余弦变换,选择适当的DCT系数阈值对其进行DCT反变换。

3. 熟悉小波变换的概念和原理,熟悉matlab小波工具箱主要函数的使用.

二、实验内容

1. 实现对一幅灰度图像的快速傅立叶变换,并求其变换后的系数分布。

2. 实现对一幅灰度和彩色图像作的离散余弦变换,选择适当的DCT系数阈值对其进行DCT反变换.

3. 利用二维小波分析对一幅图象作2层小波分解,并在此基础上提取各层的低频信息实现图像的压缩.

三、实验步骤

1. 图象的FFT变换

clc;

I=imread('005.bmp');

subplot(1,2,1)

imshow(I);

title('原图');

subplot(1,2,2)

imhist(I);

title('直方图');

colorbar;

J=fft2(I);

figure;

subplot(1,2,1)

imshow(J);

title('FFT变换结果');

subplot(1,2,2)

K=fftshift(J);

imshow(K);

title('零点平移');

figure;

imshow(log(abs(K)),[]),colormap(jet(64)),colorbar;

title('系数分布图');

2. 图象的DCT变换

RGB=imread('005.bmp');

figure;

subplot(1,2,1)

imshow(RGB);

title('彩色原图');

a=rgb2gray(RGB);

subplot(1,2,2)

imshow(a);

title('灰度图');

figure;

b=dct2(a);

imshow(log(abs(b)),[]),colormap(jet(64)),colorbar;

title('DCT变换结果');

figure;

b(abs(b)<10)=0;

% idct

c=idct2(b)/255;

imshow(c);

title('IDCT变换结果');

3. 小波变换

clc

close all

clear

a=imread('005.bmp');

subplot(1,2,1);

imshow(a);

title('原始图象');

I=rgb2gray(a);

subplot(1,2,2);

imshow(I);

title('原始图象的灰度图');

% 进行二维小波变换

[a,b] = wavedec2(I, 2, 'bior3.7');

% 提取各层低频信息

figure;

c = appcoef2( a, b, 'bior3.7', 1 );

subplot(1,2,1);

imshow(c, []);

title('一层小波变换结果');

d = appcoef2( a, b, 'bior3.7', 2 );

subplot(1,2,2);

imshow(d, []);

title('二层小波变换结果');

实验五 图像压缩与编码（不作要求，可以选作）

一、实验目的

学习JPEG压缩编码

二、 实验内容

1. 实现基本JPEG的压缩和编码。

2. JPEG2000采用小波变换编码。

三、实验步骤

1. 实现基本JPEG的压缩和编码。

首先通过DCT变换去除数据冗余；然后，使用量化表对DCT系数进行量化；最后，对量化后的系数进行Huffman编码。

主程序

I=imread('autumn.tif');

yiq=rgb2ntsc(I);

my=[16 11 10 16 24 40 51 61;12 12 14 19 26 58 60 55;

14 13 16 24 40 57 69 56;14 17 22 29 51 87 80 62;

18 22 37 56 68 109 103 77;24 35 55 64 81 104 113 92;

49 64 78 87 103 121 120 101;72 92 95 98 112 100 103 99];

miq=[17 18 24 47 99 99 99 99;18 21 26 66 99 99 99 99;

24 26 56 99 99 99 99 99;47 66 99 99 99 99 99 99;

99 99 99 99 99 99 99 99;99 99 99 99 99 99 99 99;

99 99 99 99 99 99 99 99;99 99 99 99 99 99 99 99];

I1=yiq(:,:,1);I2=(:,:,2);

[m n]=size(I1);

t1=8;ti1=1;

while(t1

t1=t1+8;ti1=ti1+1;

end

t2=8;ti2=1;

while(t2

t2=t2+8;ti2=ti2+1;

end

times=0;

for k=0:ti1-2

for j=0:ti2-2

dct8x8(I1(k*8+1:k*8+8,j*8+1:j*8+8),my,times*64+1);

dct8x8(I2(k*8+1:k*8+8,j*8+1:j*8+8),miq,times*64+1);

times=times+1;

end

block(I2(k*8+1:k*8+8,j*8+1:t2),[8 8], 'dctmtx(8)');

end

for j=0:ti2-2

dct8x8(I1(k*8+1:t1,j*8+1:j*8+8),times*64+1); times=times+1;

end

dct8x8(I1(k*8+1:t1,j*8+1:t2),times*64+1);

function dct8x8(I,m,s) %定义DCT量化子程序 T=inline('dctmtx(8)');

y=blkproc(I,[8 8],T);

y=round(y./m);

p=1;te=1;

while(p<=64)

for q=1:te

y1(s+p)=y(te-q+1,q);p=p+1;

end

for q=te:-1:1

y1(s+p)=y(te-q+1,q);p=p+1;

end

end

f=haffman(y1);

c(s:s+64,1)=f(:,1);c(s:s+64,2)=f(:,2);c(s:s+64,3)=f(:,3)

3．function c=haffman(I) %定义Huffman编码子程序

[m,n]=size(I);

p1=1;s=m*n;

for k=1:m

for h=1:n

f=0;

for b=1:p1-1

if(c(b,1)==I(k,h)) f=1;break;end

end

if(f==0) c(p1,1)=I(k,h);p1=p1+1;end

end

end

for g=1:p1-1

p(g)=0;c(g,2)=0;

for k=1:m

for h=1:n

if(c(g,1)==I(k,h)) p(g)=p(g)+1;end

end

end

p(g)=p(g)/s;

end

pn=0;po=1;

while(1)

if(pn>=1.0) break;

else

[pm p2]=min(p(1:p1-1));p(p2)=1.1;

[pm2,p3]=min(p(1:p1-1));p(p3)=1.1;

pn=pm+pm2;p(p1)=pn;

tree(po,1)=p2;tree(po,2)=p3;

po=po+1;p1=p1+1;

end

end

for k=1:po-1

tt=k;m1=1;

if(or(tree(k,1)<9,tree(k,2)<9)) if(tree(k,1)<9)

c(tree(k,1),2)=c(tree(k,1),2)+m1; m2=1;

while(tt

m1=m1*2;

for h=tt:po-1

if(tree(h,1)==tt+g)

c(tree(k,1),2)=c(tree(k,1),2)+m1; m2=m2+1;tt=h;break;

elseif(tree(h,2)==tt+g)

m2=m2+1;tt=h;break;

end

end

end

c(tree(k,1),3)=m2;

end

tt=k;m1=1;

if(tree(k,2)<9)

m2=1;

while(tt

m1=m1*2;

for h=tt:po-1

if(tree(h,1)==tt+g)

c(tree(k,2),2)=c(tree(k,2),2)+m1; m2=m2+1;tt=h;break;

elseif(tree(l,2)==tt+g)

m2=m2+1,tt=h;break;

end

end

end

c(tree(k,2),3)=m2;

end

end

end

2. JPEG2000采用小波变换编码 load wbarb;

subplot(2,2,1),image(X);colormap(map) title('原始图象');

[c,s]=wavedec2(X,2, 'bior3.7'); thr=20;

ca1=appcoed2(c,s, 'bior3.7',1); ch1=detcoef2('h',c,s,1);

cv1=detcoef2('v',c,s,1); cd1=detcoef2('d',c,s,1);

a1=wrcoef2('a',c,s, 'bior3.7',1); h1=wrcoef2('h',c,s, 'bior3.7',1); v1=wrcoef2('v',c,s, 'bior3.7',1); d1=wrcoef2('d',c,s, 'bior3.7',1); c1=[a1,h1,v1,d1];

ca1=appcoed2(c,s, 'bior3.7',1); ca1=wcodemat(ca1,440, 'mat',0); ca1=0.5*ca1

subplot(2,2,2),image(ca1) title('压缩图象一')

ca2=appcoed2(c,s, 'bior3.7',2); ca2=wcodemat(ca2,440, 'mat',0); ca2=0.5*ca2;

subplot(2,2,3),image(ca2) title('压缩图象二')

本文来源：https://www.bwwdw.com/article/h7i4.html