五、实验过程原始记录(数据、图表、计算等)原始图像camera.jpg lenna.jpgrose.jpg在Matlab中输入以下语句。

I=imread('E:\tupian\rose.tif');whos(I)imshow(I)imwrite(I,'Rose.jpg','quality',10)imfinfo('Rose.jpg')imwrite(I,'Rose.bmp')A=imread('E:\tupian\lenna.jpg');B=imread('E:\tupian\camera.jpg');imfinfo('lenna.jpg')imfinfo('camera.jpg')figure;imshow(A)figure;imshow(B)C=imread('E:\tupian\camera.jpg');C1=im2bw(C);imshow(C1)六、实验结果及分析通过whos I查看图像信息。

二值化后图片转化成黑白图片，即灰度值小于等于127时赋值为0，灰度值大于127时赋值为1。

五、实验过程原始记录(数据、图表、计算等)原始图像在Matlab中输入以下语句。

A=imread('E:\tupian\lianhua.jpg');B=imread('E:\tupian\add1.jpg');C=imadd(A,B);imshow(C)A=imread('E:\tupian\camera.jpg');A1=imadd(A,50);A2=imadd(A,-50); %同imsubtract(A,50)subplot(131);imshow(A);title('原图')subplot(132);imshow(A1);title('+50')subplot(133);imshow(A2);title('-50')A=imread('E:\tupian\camera.jpg');background=imopen(A,strel('disk',50));Ip=imsubtract(A,background);subplot(121);imshow(A);subplot(122);imshow(Ip);I=imread('E:\tupian\house.jpg');J=immultiply(I,1.5);subplot(121);imshow(I);subplot(122);imshow(J);A=imread('E:\tupian\camera.jpg');A=rgb2gray(A);I=double(A);J= I*0.43+90;A1=uint8(J);Ip=imdivide(A,A1);imshow(Ip,[])六、实验结果及分析1．叠加后的图像2. 减去背景后的图像4．乘以1.5后的结果六、实验结果及分析1. 绘制图像直方图2. 图像的明暗转换3. 图像的对数变换由图可以看出，图片对数变换后显示更多的内容，即对低频进行拉伸，对高频进行压缩。

五、实验过程原始记录(数据、图表、计算等)原始图像直方图均衡化的Matlab程序如下：I=imread('E:\tupian\pollen.jpg'); %读入原图像I=rgb2gray(I); %RGB图像转换为灰度图像J=histeq(I); %对原图像进行直方图均衡化处理subplot(121);imshow(I); %显示原图像title('原图像'); %给原图像加标题名subplot(122);imshow(J); %显示直方图均衡化后的图像title('直方图均衡化后的图像'); %给直方图均衡化后的图像加标题名figure;subplot(121);imhist(I,64); %将原图像直方图显示为64级灰度title('原图像直方图'); %给原图像直方图加标题名subplot(122);imhist(J,64); %将均衡化后直方图显示为64级灰度title('均衡变换后的直方图'); %给均衡化后图像直方图加标题名六、实验结果及分析1. 图像的直方图均衡化2. 原图像及其直方图均衡化后图像的直方图实验可知：直方图是反映的是图像的灰度值的分布情况。

直方图均衡化是通过灰度级变换将一幅图像转换为另一幅具有均衡直方图的图像，即在每个灰度级上都具有相同像素点数的过程。

直方图均衡化的用途是使图像在整个灰度值动态变化范围内的分布均匀化，改善图像的亮度分布状态，增强图像的视觉效果。

六、实验结果及分析1. 高斯噪声处理(1). 原图像(左)及其添加高斯噪声的图像(右)(2). 3×3均值滤波(左)及5×5均值滤波(右)(3). 3×3中值滤波(左)及5×5中值滤波(右)2. 椒盐噪声处理(1)原图像添加椒盐噪声（2）3×3均值滤波(左)及5×5均值滤波(右)（3）3×3中值滤波(左)及5×5中值滤波(右)通过对高斯噪声和椒盐噪声的滤波实验可以看出：对于高斯噪声，选用均值滤波器效果比较好；对于椒盐噪声，中值滤波效果比较好。

对于滤波窗口的大小，无论是对高斯噪声还是对椒盐噪声，选用5*5窗口滤波效果好于3*3窗口滤波，但图像模糊程度加重。

五、实验过程原始记录(数据、图表、计算等)原始图像利用Matlab实现频域滤波的程序：I=imread('E:\tupian\number.jpg'); %图像内容读入I=rgb2gray(I); %RGB图像转换为灰度图像fftI=fft2(I); %Fourier变换sfftI=fftshift(fftI); %幅度谱迁移，移至图像中心RR=real(sfftI); %取实部II=imag(sfftI); %取虚部A=sqrt(RR.^2+II.^2); %计算幅度A=(A-min(min(A)))/(max(max(A))-min(min(A)))*225; %归一化figureimshow(A)六、实验结果及分析实验结果如图一、实验目的1．掌握怎样利用傅立叶变换进行频域滤波。

2．掌握频域滤波的概念及方法。

3．熟练掌握频域空间的各类滤波器。

4．利用MATLAB程序进行频域滤波。

二、实验原理频域滤波分为低通滤波和高通滤波两类，对应的滤波器分别为低通滤波器和高通滤波器。

频域低通过滤的基本思想：G(u,v)=F(u,v)H(u,v)F(u,v)是需要钝化图像的傅立叶变换形式，H(u,v)是选取的一个低通过滤器变换函数，G(u,v)是通过H(u,v)减少F(u,v)的高频部分来得到的结果，运用傅立叶逆变换得到钝化后的图像。

理想地通滤波器(ILPF)具有传递函数：其中，D0为指定的非负数，D(x,y)为(u,v)到滤波器的中心的距离。

与理想地通滤波器不同的是，巴特沃兹率通滤波器的传递函数并不是在Do处突然不连续。

相应的高通滤波器也包括：理想高通滤波器、n阶巴特沃兹高通滤波器、高斯高通滤波器。

给定一个低通滤波器的传递函数，通过使用如下的简单关系，可以获得相应高通滤波器的传递函数。

五、实验过程原始记录(数据、图表、计算等)原始图像f=imread('E:\tupian\house.jpg');F=fft2(f); % 对图像进行傅立叶变换S=fftshift(log(1+abs(F)));%对变换后图像进行队数变化，并对其坐标平移，使其中心化S=gscale(S); %将频谱图像标度在0-256的范围内imshow(S) %显示频谱图像h=fspecial('sobel'); %产生空间‘sobel’模版freqz2(h); %查看相应频域滤波器的图像PQ=paddedsize(size(f)); %产生滤波时所需大小的矩阵H=freqz2(h,PQ(1),PQ(2)); %产生频域中的‘sobel’滤波器H1=ifftshift(H); %重排数据序列，使得原点位于频率矩阵的左上角imshow(abs(H),[]) %以图形形式显示滤波器figure,imshow(abs(H1),[])gs=imfilter(double(f),h); %用模版h进行空域滤波gf=dftfilt(f,H1); %用滤波器对图像进行频域滤波figure,imshow(gs,[])figure,imshow(gf,[])figure,imshow(abs(gs),[])figure,imshow(abs(gf),[])f=imread(' E:\tupian\number.jpg');%读取图片PQ=paddedsize(size(f)); %产生滤波时所需大小的矩阵D0=0.05*PQ(1); %设定高斯高通滤波器的阈值H=hpfilter('gaussian',PQ(1),PQ(2),D0);%产生高斯高通滤波器g=dftfilt(f,H); %对图像进行滤波figure,imshow(f) %显示原图像figure,imshow(g,[]) %显示滤波后图像六、实验结果1. 图像house的频域傅里叶频谱2. 空域滤波与频域滤波的对比图a为在空间域使用垂直Sobel掩膜对图像滤波后的结果3. 高通滤波在频域中分析图像的频域成分与图像的视觉效果间的对应关系比较直观。

在空间域比较难以表达和分析的图像增强任务可以在频域中分析。

由于频域滤波的方式可以对图像进行低通和高通滤波进行处理，低通滤波是要保留图像中的低频分量而除去高频分量，由于图像中的边缘和噪声都对应图像傅里叶频谱中的高频部分，所以低通滤波可以去除或减弱噪声的影响并模糊边缘轮廓；高通滤波是要保留图像中的高频分量而除去低频分量，因此高通滤波可以保留较多的边缘轮廓信息。

五、实验过程原始记录(数据、图表、计算等)原始图像Matlab程序如下：rgb_image=imread('E:\tupian\flower.jpg');fR=rgb_image(:,:,1);fG=rgb_image(:,:,2);fB=rgb_image(:,:,3);figure(1);imshow(fR);figure(2);imshow(fG);figure(3);imshow(fB);yiq_image=rgb2ntsc(rgb_image);fY=yiq_image(:,:,1);fI=yiq_image(:,:,2);fQ=yiq_image(:,:,3);figure(4),imshow(fY);figure(5),imshow(fI);figure(6),imshow(fQ);fR=histeq(fR,256);fG=histeq(fG,256);fB=histeq(fB,256);RGB_image=cat(3,fR,fG,fB);figure(7),imshow(RGB_image);六、实验结果及分析六、实验结果及分析1．使用Roberts 算子的图像分割结果2．使用Prewitt算子的图像分割结果3．使用sobel算子的图像分割结果4．使用log算子的图像分割结果Robert算子检测出的图像轮廓边缘很细，连续性较差，边缘信息有一定丢失，出现的噪点比较多。