1、 实验三 图像处理 MATLAB 实验（一） 实验目的和要求1. 熟悉 MATLAB 中数字图像处理工具箱（ Image Processing Toolbox）的基本使用方法和常用函数；2. 熟练图像的矩阵表示方法；3. 掌握图像处理的基本算法及函数调用，如直方图、二值化、图像分割、图像增强、图像变换等等。4. 通过 MATLAB 在图像处理中的应用，体会 MATLAB 矩阵运算的技巧。（二） 实验设备及材料计算机，MATLAB2010（三） 实验内容1 对任意灰度图像（最好是 MATLAB 自带图像）进行以下操作：a.输入一幅灰度图像；b. 调用 im2bw，输出其二值化图像；c.调用 im
2、hist 函数，输出其直方图；d. 其上输入输出放在一个 figure 中，并加 title。以脚本文件的形式保存。2. 自己编写二值化函数、直方图函数，以函数文件的形式保存。通过调用自己编写的函数验证其有效性。3. 对任意灰度图像加高斯噪声，利用中值滤波和平均滤波对其进行平滑，观察平滑效果，将原图像、噪声图像、滤波后图像显示在一个figure 中。4. 通过调用 edge 函数对任意图像进行边缘提取，使用 3 种以上的算子（如 sobelprewitt 等） ，比较每种算子分割效果，在一个 figure 中显示。5、用 MATLAB 实现对图像的 JPEG 压缩编码。 （此题不做要求，感兴趣
3、的同学可以尝试编写）解：1、如下所示：I=imread(cell.tif);subplot(2,2,1);imshow(I)title( 源图像);bw=im2bw(I,0.5);subplot(2,2,2);imshow(bw)title(二值化图像);subplot(2,2,3)imhist(I)title( 直方图);在命令窗键入 m 文件名：shiyan3cell结果如下所示：2、直方图函数文件如下：%文件名为 zft.mfunction y=zft(I)x=double(I); /此句不要也可，因为I=imread(autumn.tif)读出的是整形的，有的需要用双字节型的则需要转换
4、M,N=size(x);h=zeros(1,256); /产生1个1*256 的一维向量，用于存放每个灰度值的个数for i=1:M,for j=1:N,f=I(i,j);h(f+1)=h(f+1)+1; /注意用h(f+1)是因为matlab中的数组不能从零开始endendy=h; /y要有返回值，否则该函数无作用注：如果用h(f)=h(f)+1的话，调用运行时会出现如下报错：Attempted to access h(0); index must be a positive integer or logical.Error in zft1 (line 8)h(f)=h(f)+1;调用显示程
5、序如下：(1)当读入的图像为 RGB 彩色图像时要转成灰度图像再求其直方图I=imread(autumn.tif);x=rgb2gray(I);s=zft1(x);subplot(2,2,1);imshow(I)title( 源图像);subplot(2,2,2);imshow(x)title( 灰度图像);subplot(2,2,3);bar(s)title( 直方图)y=imhist(x);subplot(2,2,4);bar(y)title( matlab 自带的直方图函数 imhist 的图);结果如下：(2)当读入的图像自身就为灰度图像时直接求其直方图I=imread(trees.t
6、if);s=zft1(I);subplot(2,2,1);imshow(I)title( 源图像);subplot(2,2,2);bar(s)title( 直方图)y=imhist(I);subplot(2,2,3);bar(y)title( matlab 自带的直方图函数 imhist 的图);运行结果如下：二值化函数文件如下：%function 函数名为 erzhi.mfunction k=erzhi(I)I=double(I); /该句没有也正确M,N=size(I);IK=I;for p=1:M;for q=1:N;if I(p,q)=90IK(p,q)= 255; /若此处将其赋值为
7、逻辑1，则不正确。因为I=imread(autumn.tif)读出的是一幅图像的灰度值，其为整形(uint8),若直接将其赋值为1，则相当于该处灰度值为1，则显示全黑。若要将其赋为1，则需对读出的灰度值进行类型转换，转成逻辑符号(logical);但最后显示图像时要还原成整形。或则可以将图像归一化，则不需要还原成整形，因为归一化后的值就在0,1范围内，1就表示白色。相当于整型中的255.elseIK(p,q)=0;endendendk=uint8(IK);当为赋值逻辑 1 时，函数文件如下：function k=erzhi(I)M,N=size(I);IK=I;for p=1:M;for q=
8、1:N;if I(p,q)=90logical(IK(p,q)= 1; elseIK(p,q)=0;endendendk=uint8(IK);调用显示程序如下：(1)当读入的为 RGB 彩色图像时，要用 rgb2gray 函数将其转成灰度图像I=imread(autumn.tif);X=rgb2gray(I);t=erzhi (X);subplot(1,3,1);imshow(I)title( 源图像);subplot(1,3,2);imshow(X)title(灰度图像);subplot(1,3,3);imshow(t)title( 二值化图像);显示图像如下所示：(2)当读入的图像本身就是
9、灰度图像时直接二值化即可，如：I=imread(trees.tif) ;t=erzhi(I);subplot(1,2,1);imshow(I)title( 源图像);subplot(1,2,2);imshow(t)title( 二值化图像);运行结果如下所示：3、程序如下所示：M=imread(trees.tif) ; subplot(2,2,1);imshow(M) title(原始图像);P1=imnoise(M,gaussian,0,0.02); subplot(2,2,2); imshow(P1) title(加高斯噪声图像);K=fspecial(average,5,5); /预定义
10、滤波函数p2=filter2(K,P1)/255;subplot(2,2,3);imshow(p2)title(平均滤波后图像);P3=medfilt2(P1); subplot(2,2,4);imshow(P3) title(中值滤波图像);图像如下：如图可见，对于高斯噪声，均值滤波效果比中值滤波效果好。原因：(1)高斯噪声是幅值近似正态分布，但分布在每点像素上。(2)因为图像中的每点都是污染点，所以中值滤波选不到合适的干净点。(3)因为正态分布的均值为 0，所以均值滤波可以消除噪声。（实际上只能减弱，不能消除。）4、用 Sobel、roberts、log、 prewitt 四种边缘提取函数
11、I=imread(kids.tif);BW1=edge(I, roberts);BW2=edge(I,sobel);BW3=edge(I,log);BW4=edge(I, prewitt);subplot(2,3,1);imshow(I)title(源图像)subplot(2,3,2);imshow(BW1)title(用 Roberts 算子)subplot(2,3,3);imshow(BW2)title(用 Sobel 算子 )subplot(2,3,4);imshow(BW3)title(用拉普拉斯高斯算子)subplot(2,3,5);imshow(BW4)title( 用 prewitt 算子)实验结果如下所示：
