中國地質(zhì)大學(xué)數(shù)字圖像處理報告

中國地質(zhì)大學(xué)(武漢)數(shù)字圖像處理實習(xí)報告書姓名：專業(yè)：班級：學(xué)號：指導(dǎo)老師：第1題：實驗內(nèi)容及目的：根據(jù)灰度圖象得到一副彩色圖像（變換函數(shù)自定），分別顯示1幅彩色圖象的R，G，B分量（每個分量用8bit表示)，和這幅彩色圖象的H，S，I分量（每個分量也各用8bit表示)。通過本題學(xué)會灰度圖和彩色圖之間的轉(zhuǎn)換，了解RGB空間和HIS空間之間的關(guān)系。實驗原理：圖像由若干個像素點組成?；叶葓D像矩陣的每個元素對應(yīng)一個灰度值，偽彩色圖像矩陣的每個元素對應(yīng)R、G、B分量的值。將一幅灰度圖變?yōu)橐环噬珗D相當(dāng)于在灰度值與RGB分量之間建立函數(shù)關(guān)系。HIS彩色空間由H（色調(diào)）、S（飽和度）、I（輝度）分量構(gòu)成。RGB分量和HIS分量的對應(yīng)關(guān)系如下：根據(jù)對應(yīng)函數(shù)將RGB分量轉(zhuǎn)化為HIS分量并顯示，即可得到所需的HIS分量圖。思路分析：用MATLAB處理圖像首先要將灰度圖像讀入。讀入后將圖像矩陣中的元素轉(zhuǎn)化為uint8類型處理。將灰度圖變?yōu)椴噬珗D就是在灰度值與R、G、B分量之間建立關(guān)系，所以要先生成R、G、B分量的矩陣，這就要知道原灰度圖的大?。ㄓ胹ize（）函數(shù)實現(xiàn)）。建立R、G、B分量的矩陣后，采用循環(huán)根據(jù)原圖像的灰度值對其進行賦值。最后用cat（）函數(shù)合并三個分量得到生成的彩色圖。讀入彩色圖像并轉(zhuǎn)為uint8類型，根據(jù)彩色圖像的構(gòu)成將R、G、B分量從圖像矩陣中分量出來并顯示。顯示圖像的HIS分量時，首先將圖像轉(zhuǎn)化為double類型處理。然后分離出RGB分量，根據(jù)RGB分量和HIS分量之間的轉(zhuǎn)化關(guān)系得到HIS分量，此時的HIS分量時double類型，所以將這三個分量合并后轉(zhuǎn)化為8bit類型。將轉(zhuǎn)化后的矩陣再分離出HIS分量即可得到8bit類型的HIS分量圖。代碼：clearall;closeall;X=imread('fudiao.jpg');%讀入圖像subplot(121);imshow(X);title('灰度圖像');%顯示原始圖像X=im2uint8(X);%將圖像轉(zhuǎn)化為int8類型[M,N]=size(X);%求得矩陣的維度%生成RGB矩陣R=zeros(M,N);G=zeros(M,N);B=zeros(M,N);%建立灰度值與RGB分量之間的變換關(guān)系forp=1:Mfork=1:Nif(X(p,k)<128)R(p,k)=128;elseif(X(p,k)<192)R(p,k)=4*X(p,k)-511;elseR(p,k)=255;endif(X(p,k)<64)B(p,k)=255;elseif(X(p,k)<128)B(p,k)=511-4*X(p,k);elseB(p,k)=0;endif(X(p,k)<64)G(p,k)=4*X(p,k);elseif(X(p,k)<192)G(p,k)=255;elseG(p,k)=1023-4*X(p,k);endendendZ=cat(3,R,G,B);%合并三個分量Subplot(122);imshow(Z);%顯示偽彩色圖title('偽彩色圖像');%%%%%%%%%%%%%%顯示一幅圖的RGB分量和HIS分量clearall;closeall;X=imread('tower.jpg');X=im2uint8(X);%將圖像轉(zhuǎn)化為int8類型figure(1);title('原始圖像');%顯示原始圖像imshow(X);XR=X(:,:,1);%分離出RGB分量XG=X(:,:,2);XB=X(:,:,3);figure(2);subplot(2,3,1);imshow(XR);%顯示RGB分量圖title('R分量');subplot(2,3,2);imshow(XG);title('G分量');subplot(2,3,3);imshow(XB);title('B分量');%HSI分量X=im2double(X);XR=X(:,:,1);XG=X(:,:,2);XB=X(:,:,3);%根據(jù)RGB分量和HIS分量間的變換關(guān)系求得HIS分量num=0.5*((XR-XG)+(XR-XB));den=sqrt((XR-XG).^2+(XR-XB).*(XG-XB));theta=acos(num./(den+eps));if(XG>=XB)H=theta;elseH=2*pi-theta;endI=(XR+XG+XB)./3;num=min(min(XR,XG),XB);den=XR+XG+XB;den(den==0)=eps;S=1-3.*num./den;M=cat(3,H,S,I);%合并三個分量M=im2uint8(M);%將圖像轉(zhuǎn)化為8bit類型%分離HIS分量H=M(:,:,1);S=M(:,:,2);I=M(:,:,3);subplot(2,3,4);imshow(log(H)+1,[]);%顯示HIS分量圖title('H分量');subplot(2,3,5);imshow(S);title('S分量');subplot(2,3,6);imshow(I);title('I分量');調(diào)試：第2題：實驗內(nèi)容及目的：編程實現(xiàn)圖像傅立葉變換，并且顯示圖像的頻譜圖，編程實現(xiàn)傅里葉變換的，分離性，平移，旋轉(zhuǎn)，卷積性質(zhì)。通過本題了解圖像傅立葉變換的性質(zhì)和作用。實驗原理:離散傅立葉變換是將圖像從時域轉(zhuǎn)化到頻域的一種方法。二維離散傅立葉變換的公式如下：由它的定義式可以看出二維離散傅立葉變換具有可分離性。F(u,v)=?x?yf(x,y)exp[-j2p(ux/M+vy/N)] =?x{?yf(x,y)exp[-j2pvy/N]}exp[-j2pux/M] =?xF(x,v)exp[-j2pux/M] 其中F(x,v)=?yf(x,y)exp(-j2pvy/N)。根據(jù)上式推出，計算一幅圖像的二維傅里葉變換可以先計算行變換再計算列變換。由定義式可推出：f(x,y)exp[j2p(u0x+v0y)/N]?F(u-u0,v-v0)f(x-x0,y-y0)?F(u,v)exp[-j2p(ux0+vy0)/N]證明傅立葉變換的平移性可以將圖像矩陣與一指數(shù)相乘再對其進行傅里葉變換，觀察結(jié)果是否是將原圖像的傅立葉變換移動到新的位置。對f(x,y)的平移不影響其傅里葉變換的幅值。傅里葉變換具有旋轉(zhuǎn)性，即時域圖旋轉(zhuǎn)某一角度后，其傅里葉變換也旋轉(zhuǎn)同樣的角度。傅里葉變換的卷積性：如果f(x,y)?F(u,v),g(x,y)?G(u,v)則f(x,y)*g(x,y)?F(u,v)G(u,v)思路分析：讀入所要處理的圖像，用fft2函數(shù)對其進行傅立葉變換，顯示變換后的頻譜圖以及幅度譜。驗證傅立葉變換的可分離性。先對圖像做一次一維傅里葉變換，對得到的結(jié)果再進行一次一維傅立葉變換，得到的結(jié)果與圖像的二維傅立葉變換比較。驗證傅立葉變換的平移性。先給圖像補零以便于后面平移。我在圖像的右側(cè)補32列0。將圖像右移16列，對其進行傅立葉變換并與變換前的幅度譜進行對比。驗證傅立葉變換的旋轉(zhuǎn)性。將時域圖旋轉(zhuǎn)90度后進行傅立葉變換，得到的結(jié)果與旋轉(zhuǎn)前的幅度譜比較。驗證傅立葉變換的卷積性。由于圖像太大，所以我自己產(chǎn)生了一個64×64的黑白圖，用conv2函數(shù)讓這個黑白圖與自身做卷積，得到的結(jié)果再做傅立葉變換，畫出得到的頻譜圖。將這個黑白圖補零成128×128的圖，對其進行傅立葉變換，再把得到的結(jié)果與自身相乘，畫出得到的頻譜圖。比較卷積的傅立葉變換頻譜圖和傅立葉變換的乘積的頻譜圖。代碼：clearall;clc;I=imread('girl.bmp');%讀入圖像I=im2double(I);Ifft=fft2(I);%對圖像做離散傅里葉變換figure(1);imshow(I);title('原始圖像');%顯示原始圖像figure(2);subplot(121);imshow(Ifft);title('頻譜圖');%顯示離散傅立葉變換后的頻譜圖subplot(122);Ifft=fftshift(Ifft);imshow(log(abs(Ifft)+1),[]);title('幅度譜');%顯示變換后的幅度譜%可分離性Ifft=fft(fft(I).').';figure(3);subplot(221);imshow(Ifft);title('進行兩次一維變換后的頻譜圖');subplot(222);Ifft=fftshift(Ifft);imshow(log(abs(Ifft)+1),[]);title('進行兩次一維變換后的幅度譜');Ifft=fft2(I);subplot(223);imshow(Ifft);title('二維傅立葉變換后的頻譜圖');subplot(224);Ifft=fftshift(Ifft);imshow(log(abs(Ifft)+1),[]);title('二維傅立葉變換后的幅度譜');%平移性[MN]=size(I);A=zeros(M,32);I2=[IA];figure(5);subplot(221);imshow(I2);title('原始圖');I2=fft2(I2);fft_I2=fftshift(I2);subplot(222);imshow(log(abs(fft_I2)+1),[]);title('原幅度譜');B=zeros(M,16);I3=[BIB];subplot(223);imshow(I3);title('平移后的圖');I3=fft2(I3);fft_I3=fftshift(I3);subplot(224);imshow(log(abs(fft_I3)+1),[]);title('平移后的幅度譜');%旋轉(zhuǎn)性X=imrotate(I,90);figure(6);imshow(X);title('旋轉(zhuǎn)90度后的圖像');Ifft=fft2(X);Ifft=fftshift(Ifft);figure(7);imshow(log(abs(Ifft)+1),[]);title('旋轉(zhuǎn)90度后的幅度譜');%卷積性C=zeros(64,64);%生成圖像矩陣C(25:45,25:45)=1;%給25行到45行，25列到45列的值賦1C_OUT=conv2(C,C);%C和C做卷積CFFT=fft2(C_OUT);%對生成的卷積做傅立葉變換figure(8);subplot(121);imshow(CFFT);%顯示卷積的傅立葉變換title('卷積的傅立葉變換');%給圖像矩陣補零D=zeros(128,128);%生成128×128的零矩陣D(1:64,1:64)=C;%零矩陣的左上角放置圖像矩陣Dfft=fft2(D);%對補零后的圖像做傅立葉變換DFFT2=Dfft.*Dfft;subplot(122);imshow(DFFT2);%顯示傅立葉變換的乘積title('傅立葉變換的乘積');figure(9);subplot(121);imshow(C_OUT);title('卷積的時域圖');subplot(122);imshow(ifft2(DFFT2));title('傅里葉變換乘積的時域圖');第3題：實驗內(nèi)容及目的：用直接灰度變換改變圖像（求反，增強對比度，動態(tài)范圍壓縮，灰度切分），顯示一副灰度圖像的8個位面圖。實驗原理：對圖像求反就是將圖像的灰度值翻轉(zhuǎn)，變換前的灰度值與變換后的灰度值的關(guān)系如下：增強圖像對比度實際是增強原圖各部分之間的反差（灰度差別)。若變換前的灰度值與變換后的灰度值滿足以下關(guān)系：灰度值在f1到f2之間的動態(tài)范圍增加，在這個范圍內(nèi)的對比度增強。圖像的動態(tài)范圍壓縮與增強對比度相反，例如：f2f1f2f1圖中f1到f2內(nèi)的動態(tài)范圍明顯減少?；叶惹蟹峙c增強對比度類似，在關(guān)心的范圍取較高的值。圖像是由很多個像素點組成，每個像素點有一個灰度值。若一幅圖像的灰度級是256，則該幅圖的每個灰度值均可用一個八位的二進制數(shù)表示。將這些二進制數(shù)的第0位抽取出來就可以構(gòu)成第0號平面，第1位抽取出來就可以構(gòu)成第1號平面，以此類推，可將這幅圖用8個位面圖表示。思路分析：讀入圖像并將其轉(zhuǎn)化為double類型。用size（）函數(shù)求得圖像矩陣的大小[MN]，生成一個M×N的零矩陣Z1，利用函數(shù)y=-x+1建立Z1與圖像矩陣之間的關(guān)系，將圖像取反。同理利用下列函數(shù)關(guān)系建立輸出矩陣與原圖像之間的映射，分別實現(xiàn)圖像的增強對比度，動態(tài)范圍壓縮和灰度切分。(f1=0.3,g1=0.1,f2=0.6,g2=0.8)(g=lg(f+1))gfgff2,g2f1,g1要顯示一幅圖像的八個位面圖，首先讀入圖像并用size函數(shù)求得它的大小，用dec2bin（）函數(shù)將圖像矩陣中的元素轉(zhuǎn)化為二進制數(shù)，提取每個八位二進制數(shù)的第N位，用reshape（）函數(shù)將提取出的值轉(zhuǎn)化為跟原圖像大小相同的矩陣。N=0到7，處理后的矩陣分別對應(yīng)位面圖的0到7平面。代碼：I=imread('girl.bmp');I=im2double(I);[MN]=size(I);%求反Z1=zeros(M,N);fori=1:Mforj=1:NZ1(i,j)=-I(i,j)+1;endendfigure(1);subplot(121);imshow(I);title('原圖');subplot(122);imshow(Z1);title('求反');%增強對比度Z2=zeros(M,N);fori=1:Mforj=1:NifI(i,j)<=0.3Z2(i,j)=1/3*I(i,j);elseifI(i,j)<=0.6Z2(i,j)=7/3*I(i,j)-0.6;elseZ2(i,j)=1/2*I(i,j)+1/2;endendendendfigure(2);subplot(121);imshow(Z2);title('增強對比度');%動態(tài)范圍壓縮Z3=zeros(M,N);fori=1:Mforj=1:NZ3(i,j)=log10(I(i,j)+1);endendsubplot(122);imshow(Z3);title('動態(tài)范圍壓縮');%灰度切分Z4=zeros(M,N);fori=1:Mforj=1:NifI(i,j)<0.3Z4(i,j)=I(i,j);elseifI(i,j)<=0.6Z4(i,j)=0.6;elseZ4(i,j)=I(i,j);endendendendfigure(3);imshow(Z4);title('灰度切分');%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%X=imread('girl.bmp');%讀入圖像[p,k]=size(X);%求得矩陣維度Z=dec2bin(X);%將矩陣元素轉(zhuǎn)化為二進制數(shù)%將一維數(shù)組轉(zhuǎn)化為p×k的二維矩陣%n到n7分別對應(yīng)0平面到7平面的圖m0=reshape(Z(:,8),p,k);n0=1.*m0;m1=reshape(Z(:,7),p,k);n1=2.*m1;m2=reshape(Z(:,6),p,k);n2=4.*m2;m3=reshape(Z(:,5),p,k);n3=8.*m3;m4=reshape(Z(:,4),p,k);n4=16.*m4;m5=reshape(Z(:,3),p,k);n5=32.*m5;m6=reshape(Z(:,2),p,k);n6=64.*m6;m7=reshape(Z(:,1),p,k);n7=128.*m7;%顯示各個位面圖figure(1);subplot(121);imshow(n0,[]);subplot(122);imshow(n1,[]);figure(2);subplot(121);imshow(n2,[]);subplot(122);imshow(n3,[]);figure(3);subplot(121);imshow(n4,[]);subplot(122);imshow(n5,[]);figure(4);subplot(121);imshow(n6,[]);subplot(122);imshow(n7,[]);調(diào)試：第4題：實驗內(nèi)容及目的：編寫一副灰度圖像的DCT變換，walsh變換，以及小波變換的結(jié)果，分別顯示原始圖像與變換后的圖像。實驗原理：離散傅立葉變換在邊界容易產(chǎn)生塊效應(yīng)，離散余弦變換DCT的思想通過對信號的邊界進行對稱后周期延拓再傅里葉變換，減少了邊界效應(yīng)。二維DCT正變換核表達式：二維DCT變換對：哈達瑪矩陣的每一行或每一列都是一正交碼組，沃爾什矩陣將哈達瑪矩陣中行的次序按+1和-1交變次數(shù)的多少重新排列。沃爾什變換對：二維離散小波變換分為二維離散小波分解和二維離散小波重構(gòu)。二維離散小波分解是將圖像分解成低頻圖像與對角細節(jié)圖像，二維離散小波重構(gòu)則是基于分解的結(jié)果得到原始圖像。二維離散小波的快速算法通過一組低通濾波器和高通濾波器，對行、列分別進行濾波實現(xiàn)。常用的Haar小波變換：思路分析：離散余弦變換可以用dct2()函數(shù)實現(xiàn)，沃爾什變換我寫了一個dht2()函數(shù)實現(xiàn)。在dht2函數(shù)中，首先將輸入的圖像轉(zhuǎn)化為double類型。求得輸入圖像的大小，便于產(chǎn)生與其大小相等的哈達瑪矩陣。進行沃爾什變換要用到沃爾什矩陣。由沃爾什矩陣與哈達瑪矩陣的關(guān)系將哈達瑪矩陣排序成沃爾什矩陣。設(shè)置一個num列向量來記錄哈達瑪矩陣每行正交變換次數(shù)，然后根據(jù)該列向量得到沃爾什矩陣，最后用變換公式得到變換后的圖像。小波變換直接調(diào)用dwt2()函數(shù)即可。代碼：clearall;closeall;I=imread('girl.bmp');%讀入圖像Q=im2double(I);%將圖像轉(zhuǎn)化為double類型figure(1);subplot(121);imshow(I);%顯示原始圖像title('原始圖像');Idct=dct2(Q);%對圖像做離散余弦變換subplot(122);imshow(Idct);%顯示變換后的圖像title('離散余弦變換后的頻譜圖');Idht=dht2(Q);%對圖像做離散沃爾什變換figure(2);imshow(Idht);%顯示沃爾什變換的頻譜圖title('離散沃爾什變換后的頻譜圖');[A,H,V,D]=dwt2(Q,'haar');%Haar小波變換AHVD=[AH;VD];%小波分解圖像矩陣figure(3);subplot(121);imshow(AHVD,[]);%顯示分解圖像%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%functionZ=dht2(X)%函數(shù)輸入：%X:輸入圖像(N,N)的矩陣，N為2的整數(shù)次冪，數(shù)據(jù)類型為double%函數(shù)輸出：%Z:輸出的頻域圖像矩陣，大小為(N,N)，數(shù)據(jù)類型為double%函數(shù)描述%函數(shù)將輸入的矩陣進行二維DHT變換[NM]=size(X);%求得圖像大小H=hadamard(N);%生成N×N的哈達瑪矩陣A=H*X*H/N/N;%對圖像進行哈達瑪變換%將得到的矩陣行的次序按正負交變次數(shù)排序，完成沃爾什變換W=zeros(N);num=zeros(N,1);%記錄每行正負交變次數(shù)form=1:Nfork=1:N-1if(A(m,k)*A(m,k+1)==-1)%判斷數(shù)據(jù)是否發(fā)生正負交變num(m)=num(m)+1;endendendforp=N:1W(p,:)=A(find(num==max(num)),:);%根據(jù)累計矩陣的值排序num(find(num==max(num)))=-1;endZ=W;end調(diào)試：糾錯后：functionZ=dht2(X)%函數(shù)輸入：%X:輸入圖像(N,N)矩陣，N為2的整數(shù)次冪數(shù)據(jù)類型為double%函數(shù)輸出：%Z:輸出的頻域圖像矩陣，尺寸為（N,N），數(shù)據(jù)類型為double%函數(shù)描述：%函數(shù)將輸入的矩陣進行二維DHT變換X=im2double(X);%將圖像轉(zhuǎn)化為double類型[NM]=size(X);%求得圖像大小H=hadamard(N);%生成N×N的哈達瑪矩陣W=zeros(N);%生成N×N的零矩陣num=zeros(N,1);%記錄哈達瑪矩陣每一行正交變換次數(shù)form=1:Nfork=1:N-1if(H(m,k)*H(m,k+1)==-1)num(m)=num(m)+1;endendend%根據(jù)記錄矩陣的值對哈達瑪矩陣進行排序forp=1:NW(p,:)=H(find(num==max(num)),:);num(find(num==max(num)))=-1;endW=flipud(W);%矩陣上下顛倒Z=W*X*W/N;end結(jié)果：第5題：實驗內(nèi)容及目的：編程實現(xiàn)均值，中值，最大值濾波，編程實現(xiàn)各個高通濾波的各種算子的邊緣檢測實驗原理：中值濾波將每一像素點的灰度值設(shè)置為該點某鄰域窗口內(nèi)的所有像素點灰度值的中值。中值濾波器是一種非線性平滑濾波器，既可消除噪聲又可保持圖象的細節(jié)。它的工作步驟如下：(1)將模板在圖中漫游，并將模板中心與圖中某個象素位置重合；(2)讀取模板下各對應(yīng)象素的灰度值；(3)將這些灰度值從小到大排成1列；(4)找出這些值里排在中間的1個；(5)將這個中間值賦給對應(yīng)模板中心位置的象素。均值濾波：用像素領(lǐng)域內(nèi)的均值代替該像素；中值濾波：用像素領(lǐng)域內(nèi)的中值代替該像素；最大值濾波：用像素領(lǐng)域內(nèi)的最大值代替該像素；銳化濾波器的主要目的是突出圖像中的細節(jié)，線性銳化濾波掩膜的產(chǎn)生原理分別來自微分運算、邊緣檢測。邊緣提取首先檢出圖像局部特性的不連續(xù)性，然后再將這些不連續(xù)的邊緣像素連成完備的邊界。常用的邊緣檢測算子有：一階算子Roberts算子、Sobel算子、Prewitt算子、二階算子Laplacian算子、LOG算子，Canny算子。思路分析：首先編寫一個濾波函數(shù)my_imfilter()。我的編程思路是：由濾波原理知，濾波和卷積之間有很大聯(lián)系。例如若圖像矩陣A是6×6的矩陣，模板B是3×3的矩陣，經(jīng)過濾波得到的矩陣是6×6的。首先要將圖像矩陣A周邊補零，得到8×8的矩陣C，用模板A和矩陣C做卷積，得到10×10的矩陣D，經(jīng)過觀察可以發(fā)現(xiàn)，矩陣D(3:8,3:8)與濾波得到的矩陣相同。所以用模板濾波的結(jié)果就是卷積結(jié)果的一部分。由此寫出my_imfilter()函數(shù)。讀入圖像，添加椒鹽噪聲。調(diào)用fspecial()函數(shù)獲得均值濾波器掩膜，再用my_imfilter函數(shù)濾波。中值濾波和最大值濾波分別調(diào)用函數(shù)medfilt2和ordfilt2。邊緣檢測可以用edge()函數(shù)完成。代碼：I=imread('girl.bmp');X=imnoise(I,'salt&pepper',0.01);%添加椒鹽噪聲H1=fspecial('average',5);%獲得均值濾波器掩膜Z1=my_imfilter(X,H1);%均值濾波Z2=medfilt2(X,[55]);%中值濾波Z3=ordfilt2(X,25,true(5));%最大值濾波%顯示濾波后的圖像figure(1);subplot(121);imshow(I);title('原始圖');subplot(122);imshow(X);title('加噪圖');figure(2);subplot(121);imshow(Z1);title('均值濾波后');subplot(122);imshow(Z2);title('中值濾波后');figure(3);imshow(Z3);title('最大值濾波');%Z5=edge(I,'roberts');figure(4);subplot(121);imshow(Z5);title('roberts算子');Z6=edge(I,'Sobel');subplot(122);imshow(Z6);title('Sobel算子');Z7=edge(I,'prewitt');figure(5);subplot(121);imshow(Z7);title('prewitt算子');H8=fspecial('laplacian');Z8=my_imfilter(I,H8);subplot(122);imshow(Z8);title('laplacian算子');H9=fspecial('log');Z9=my_imfilter(I,H9);figure(6);subplot(121);imshow(Z9);title('log算子');Z10=edge(I,'canny');subplot(122);imshow(Z10);title('canny算子');%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%function[Z]=my_imfilter(A,B)%函數(shù)功能：用模板B對圖像A進行濾波%輸入：A是圖像矩陣%B是濾波模板N×N%輸出：Z是濾波后的圖像A=im2double(A);B=im2double(B);[BMBN]=size(B);%BMisequaltoBN[AMAN]=size(A);C=zeros(AM+BM-1,AN+BM-1);C((BM+1)/2:(BM-1)/2+AM,(BN+1)/2:(BN-1)/2+AN)=A;%在圖像周邊補零D=conv2(B,C);%對補零后的圖像與模板做卷積[DMDN]=size(D);Z=D(BM:AM+BM-1,BN:AN+BN-1);%將卷積后與Z相等的部分賦值給Zend調(diào)試：結(jié)果分析：添加噪聲后濾波，可以發(fā)現(xiàn)中值濾波后的圖像比較接近加噪前的圖像，二最大值濾波強化了噪聲。第6題：實驗內(nèi)容及目的：用如下矩陣對圖像進行濾波，比較結(jié)果，并對結(jié)果進行分析，分析這7個模板的作用。實驗原理：用模板處理圖像就是對圖像進行相應(yīng)的濾波，其原理與上題類似。思路分析：首先讀入圖像，再寫出給定模板，調(diào)用my_imfilter函數(shù)用模板對圖像進行濾波，最后顯示圖像即可。代碼：X=imread('girl.bmp');A1=[-1-1-1;-18-1;-1-1-1];%線性銳化濾波A2=[-1-1-1;222;-1-1-1];%水平銳化濾波A3=[-12-1;-12-1;-12-1];%垂直銳化濾波A4=[2-1-1;-12-1;-1-12];%主對角銳化A5=[-1-12;-12-1;2-1-1];%副對角銳化A6=[121;000;-1-2-1];A7=[10-1;20-2;10-1];Z1=my_imfilter(X,A1);%用給定模板濾波Z2=my_imfilter(X,A2);Z3=my_imfilter(X,A3);Z4=my_imfilter(X,A4);Z5=my_imfilter(X,A5);Z6=my_imfilter(X,A6);Z7=my_imfilter(X,A7);figure(1);%顯示圖像imshow(Z1);title('A1');figure(2);imshow(Z2);title('A2');figure(3);imshow(Z3);title('A3');figure(4);imshow(Z4);title('A4');figure(5);imshow(Z5);title('A5');figure(6);imshow(Z6);title('A6');figure(7);imshow(Z7);title('A7');%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%function[Z]=my_imfilter(A,B)%函數(shù)功能：用模板B對圖