数字图像的增强处理1.docx

数字图像的增强处理实验目的与要求熟悉和掌握Matlab能处理的图像格式。掌握在Matlab中图像的读取。掌握数字图像的增强技术能编程实现图像的平滑运算实验内容编程实现如下功能（邻域均值——denoising）读入图像，如果是彩色图像，请先转换为灰度图像输出图像的灰度直方图向图像中添加噪声：函数imnoise如果一种处理方法的思想如下：如果一个非边界像素点，其该像素点的灰度值可通过其8邻域内所有像素点的平均得到。边界点不变。请编程实现该处理方法，对C步的图像进行处理将处理后的图像输出，并输出该图像的灰度直方图。程序：clcclearimg = imread(zhanglala.bmp);if numel(size(img)) 2 %如果是彩色图像就转换为灰度图像img = rgb2gray(img); endfigure;imshow(img);[m, n] = size(img);X = zeros(1, 256);Y = zeros(1, 256);X = 0 : 1 : 255;%计算直方图fori = 1 : mfor j = 1 : nY(img(i, j) + 1) = Y(img(i, j) + 1) + 1;endendfigure;plot(X, Y);%输出直方图img = imnoise(img, gaussian); %添加高斯噪声%进一步处理图像img = im2double(img);fori = 1 : mfor j = 1 : n if (i ~= 1 j ~= 1 i ~= m j ~= n) %对非边界像素点进行处理img(i, j) = (img(i - 1, j - 1) + img(i - 1, j) + img(i - 1, j + 1) + img(i, j - 1) + img(i, j + 1) + img(i + 1, j - 1) + img(i+ 1, j) + img(i + 1, j + 1)) / 9;endendendimg = uint8(img * 255);fori = 1 : mfor j = 1 : nY(img(i, j) + 1) = Y(img(i, j) + 1) + 1;endendfigure;imshow(img);figure;plot(X, Y); %输出灰度直方图编程实现如下功能（卷积运算）读入图像，如果是彩色图像，请先转换为灰度图像输出图像的灰度直方图如果一种处理方法的思想如下：如果v是一个不超过0.88的正实数，gamma是matlab下的一个函数，其余变量为：fa = 1/gamma(2-v);h1 = fa; h2 = fa*(2^(1-v)-2);h3 = fa*((1-v)*(2^(-v))-(2^(1-v))+1);h30h30h30h2h2h2h3h3h2h1h2h30h2h2h20h30h30h3图像的任一边界点保存不变。非边界像素点，其该像素点计算方式为：以x方向，见图中红线为例h1参数所在的位置为要处理的像素点f(i, j)，则h2的位置为f(i+1, j), h3的位置为f(i+2, j)，则f(i, j)的值为：f’(i, j) = h1 * f(i, j) + h2 * f(i+1, j) + h3 * f(i+2, j),其余7个方向以此方法计算；最后将8个方向上结果全部相加，将加后的结果除以8*(h1 + h2 + h3)作为最后该位置(i, j)的值。f(i, j) = 8个方向处理结果之和/(8 * (h1 + h2 + h3))其中：右边红色箭头方向的计算f(i, j) = h1 * f(i, j) + h2 * f(i+1, j) + h3 * f(i+2, j)右边的红色箭头f(i, j) = h1 * f(i, j) + h2 * f(i-1, j) + h3 * f(i-2, j)东北方向：f(i, j) = h1 * f(i, j) + h2 * f(i+1, j-1) + h3 *f(i+2, j-2)西南f(i, j) = h1 * f(i, j) + h2 * f(i-1, j+1) + h3 *f(i-2, j+2)输入一个v值，按C的方法对图像进行处理，将处理后的图像输出，并输出该图像的灰度直方图。程序：clcclearimg = imread(zhanglala.bmp);if numel(size(img)) 2 %如果是彩色图像就转换为灰度图像img = rgb2gray(img); endfigure;imshow(img);[m, n] = size(img);X = zeros(1, 256);Y = zeros(1, 256);X