數(shù)字圖像實驗報告

江蘇科技大學(xué)數(shù)字圖像處理實驗報告設(shè)計題目：數(shù)字圖像處理專業(yè)名稱：軟件工程班級：13419042學(xué)號：1341904222姓名:陸建偉指導(dǎo)教師:胡春龍2016年4月25日目錄實驗一數(shù)字圖像的采集和Photoshop軟件的操作 錯誤!未定義書簽。1.1實驗?zāi)康?錯誤!未定義書簽。1.2實驗任務(wù)及要求 錯誤!未定義書簽。1.3實驗內(nèi)容、步驟和結(jié)果、分析 錯誤!未定義書簽。1.4結(jié)果分析 錯誤!未定義書簽。實驗二圖像的傅里葉變換 錯誤!未定義書簽。1.1實驗?zāi)康?錯誤!未定義書簽。1.2實驗任務(wù)及要求 錯誤!未定義書簽。1.3實驗內(nèi)容、步驟和結(jié)果 錯誤!未定義書簽。1.4結(jié)果分析 錯誤!未定義書簽。 實驗三圖像的灰度變換和直方圖變換 錯誤!未定義書簽。1.1實驗?zāi)康?錯誤!未定義書簽。1.2實驗任務(wù)及要求 錯誤!未定義書簽。1.3實驗內(nèi)容、步驟和結(jié)果 錯誤!未定義書簽。1.4結(jié)果分析 錯誤!未定義書簽。實驗四圖像的平滑處理 錯誤!未定義書簽。1.1實驗?zāi)康?錯誤!未定義書簽。1.2實驗任務(wù)及要求 錯誤!未定義書簽。1.3實驗內(nèi)容、步驟和結(jié)果 錯誤!未定義書簽。1.4結(jié)果分析 錯誤!未定義書簽。實驗五圖像的銳化處理 錯誤!未定義書簽。1.1實驗?zāi)康?錯誤!未定義書簽。1.2實驗任務(wù)及要求 錯誤!未定義書簽。1.3實驗內(nèi)容、步驟和結(jié)果 錯誤!未定義書簽。1.4結(jié)果分析 錯誤!未定義書簽。實驗六圖像的邊緣檢測與分割 錯誤!未定義書簽。1.1實驗?zāi)康?錯誤!未定義書簽。1.2實驗任務(wù)及要求 錯誤!未定義書簽。1.3實驗內(nèi)容、步驟和結(jié)果 錯誤!未定義書簽。1.4結(jié)果分析 錯誤!未定義書簽。圖1.2對圖像進(jìn)行灰度變化，實現(xiàn)圖像變亮，變暗和負(fù)片效果，在同一個窗口內(nèi)分成四個子窗口來分別顯示；實驗代碼a=imread('D:\jj.jpg')；m=imadjust(a,[,],[0.5;1])；n=imadjust(a,[,],[0;0.5])；g=255-a；subplot(2,2,1);imshow(a);title('原圖像')subplot(2,2,2);imshow(m);title('圖像變亮')subplot(2,2,3);imshow(n);title('圖像變暗')subplot(2,2,4);imshow(g);title('負(fù)片效果')實驗結(jié)果如圖1.3圖1.31.4結(jié)果分析通過本次實驗，我知道了圖像采集的幾種方法。對圖像的加減乘除處理，ps的使用。實驗二圖像的傅里葉變換2.1實驗?zāi)康?2.1.1熟悉及掌握圖像的傅里葉變換原理及性質(zhì)，實現(xiàn)圖像的傅里葉變換。2.2實驗任務(wù)及要求圖像的變換fft2fft2函數(shù)用于數(shù)字圖像的二維傅里葉變換，如：i=imread(‘e:\w01.jpg’);j=fft2(i);由于matlab無法顯示附屬圖像，因此變換后的結(jié)果還需要進(jìn)行求模運(yùn)算，即調(diào)用ads函數(shù)之后常常還進(jìn)行對數(shù)變換，即調(diào)用log函數(shù)，以減緩傅里葉譜的快速衰減，更好的顯示高頻信息ifft2ifft2函數(shù)用于數(shù)字圖像的二維傅里葉反變換，如：j=fft2(i);k=ifft2(j);fftshift用于將變換后的圖像頻譜中心從矩陣的原點(diǎn)移動到矩陣的中心B=fftshift(i)利用fft2計算二維卷積利用fft2函數(shù)可以計算二維卷積,如:a=[8,1,6;3,5,7;4,9,2];b=[1,1,1;1,1,1;1,1,1];a(8,8)=0;b(8,8)=0;c=ifft2(fft2(a).*fft2(b));c=c(1:5,1:5);利用conv2(二維卷積函數(shù))校驗,如：a=[8,1,6;3,5,7;4,9,2];b=[1,1,1;1,1,1;1,1,1];c=conv2(a,b);2.3實驗內(nèi)容、步驟、結(jié)果1、對圖像平移，顯示原始圖像與處理后圖像，對其進(jìn)行傅里葉變換，顯示結(jié)果，分析其對應(yīng)關(guān)系。 1.實驗代碼 s=imread('D:\tt.jpg');i=rgb2gray(s);i=double(i);j=fft2(i);k=fftshift(j);l=log(abs(k));m=fftshift(j);RR=real(m);II=imag(m);A=sqrt(RR.^2+II.^2);A=(A-min((min(A))))/(max(max(A)))*255;b=circshift(s,[800450]);b=rgb2gray(b);b=double(b);c=fft2(b);e=fftshift(c);l=log(abs(e));f=fftshift(c);WW=real(f);ZZ=imag(f);B=sqrt(WW.^2+ZZ.^2);B=(B-min(min(B)))/(max(max(B)))*255;subplot(2,2,1);imshow(s);title('原圖像');subplot(2,2,2);imshow(uint8(b));title('平移圖像');subplot(2,2,3);imshow(A);title('離散傅里葉頻譜');subplot(2,2,4);imshow(B);title('平移圖像離散傅里葉頻譜'); 2.實驗結(jié)果如圖2.1圖2.12.對圖像進(jìn)行旋轉(zhuǎn)，顯示原始圖像與處理后圖像，分別對其進(jìn)行傅里葉變換，顯示變換后結(jié)果，分析原圖的傅里葉譜與旋轉(zhuǎn)后傅里葉頻譜的對應(yīng)關(guān)系。 1.代碼如下 s=imread('D:\tt.jpg');%讀入原圖像i=rgb2gray(s);i=double(i);j=fft2(i);%傅里葉變換k=fftshift(j);%直流分量移到頻譜中心l=log(abs(k));%對數(shù)變換m=fftshift(j);%直流分量移到頻譜中心RR=real(m);%取傅里葉變換的實部II=imag(m);%取傅里葉變換的虛部A=sqrt(RR.^2+II.^2);%計算頻譜府幅值A(chǔ)=(A-min(min(A)))/(max(max(A)))*255;%歸一化b=imrotate(s,-90);%對圖像矩陣im中的數(shù)據(jù)進(jìn)行移位操作b=rgb2gray(b);b=double(b);c=fft2(b);%傅里葉變換e=fftshift(c);%直流分量移到頻譜中心l=log(abs(e));%對數(shù)變換f=fftshift(c);%直流分量移到頻譜中心WW=real(f);%取傅里葉變換的實部BZZ=imag(f);%取傅里葉變換的虛部B=sqrt(WW.^2+ZZ.^2);%計算頻譜府幅值B=(B-min(min(B)))/(max(max(B)))*255;%歸一化subplot(2,2,1);imshow(s);title('原圖像')subplot(2,2,2);imshow(uint8(b));;title('平移圖像')subplot(2,2,3);imshow(A);title('離散傅里葉頻譜');subplot(2,2,4);imshow(B);title('平移圖像離散傅里葉頻譜') 2.實驗結(jié)果如圖2.2圖2.22.4結(jié)果分析傅里葉變換進(jìn)行圖像處理有幾個特點(diǎn)：直流成分F(0,0)等于圖像的平均值；能量頻譜|F（u,v）|^2完全對稱于原點(diǎn)；其中F=PfQ,f表示原圖，P和Q都是對稱的實正交矩陣，這個公式表示傅里葉變換就是個正交矩陣的正交變換；圖像f平移（a,b）后，F(xiàn)只有exp[-2pij(au/M+bv/M)]的相位變化，能量頻譜不發(fā)生變化；圖像f自乘平均等于能量頻譜的總和，f的分散等于能量頻譜中除直流成分后的總和；圖像f(x,y)和g(x,y)的卷積h(x,y)=f(x,y)*g(x,y)的傅里葉變換H（u，v）等于f(x,y)和g(x,y)各自的傅里葉變換的乘積。實驗三圖像的灰度變換和直方圖變換3.1實驗?zāi)康?、熟悉及掌握圖像的采樣原理，實現(xiàn)圖像的采樣過程，進(jìn)行圖像的灰度轉(zhuǎn)換；2、理解直方圖的概念及應(yīng)用，實現(xiàn)圖像直方圖的顯示，及通過直方圖的均衡化和直方圖規(guī)定劃方法對圖像進(jìn)行修正。3.2實驗任務(wù)及要求 1、灰度轉(zhuǎn)換

灰度變換是圖像增強(qiáng)技術(shù)中最簡單的一類。常用的三類基本函數(shù)：線性函數(shù)、對數(shù)函數(shù)、冪次函數(shù)。

（1）圖像反轉(zhuǎn)：

Image=imread('Fig3.04(a).jpg');

imshow(Image);

Image=255-double(Image);

%反轉(zhuǎn)

figure(2),imshow(uint8(Image));

（2）對數(shù)變換：

Image=imread('Fig3.05(a).jpg');

imshow(Image);

Image=log(1+double(Image));

figure(2),imshow(Image,[]);

（3）冪次變換Image=imread('Fig3.09(a).jpg');

imshow(Image);

Image2=double(Image).^3.0;

%γ＝3

figure(2),imshow(Image2,[]);Image2=double(Image).^4.0;

figure(3),imshow(Image2,[]);

Image2=double(Image).^5.0;

figure(4),imshow(Image2,[]); 2.灰度直方圖的顯示

imhist

imhist是MATLAB提供的顯示圖像灰度直方圖的函數(shù)。（1）

顯示圖像cameraman.tif

的直方圖。

x=imread('cameraman.tif');

figure

subplot(2,1,1)

imshow(x)subplot(2,1,2)

imhist(x)

（2）還可以將直方圖顯示成其他形式，比如柱形圖（續(xù)一）或者折線圖

h=imhist(x);

h1=h(1:10:256);

horz=1:10:256;bar(horz,h1)

axis([0

255

0

1500])

set(gca,

'xtick',0:50:255)

set(gca,

'ytick',0:200:1500)

h=imhist(x);

plot(h)3.3實驗內(nèi)容、步驟、結(jié)果 1.對一幅圖進(jìn)行2倍、4倍、8倍和16倍減采樣，顯示結(jié)果； 1.實驗代碼 a=imread('D:\jj.jpg');b=rgb2gray(a);form=1:4 figure [width,height]=size(b); quartimage=zeros(floor(width/(m)),floor(height/(2*m))); k=1; n=1; fori=1:(m):width forj=1:(2*m):height quartimage(k,n)=b(i,j); n=n+1; end k=k+1; n=1; end imshow(uint8(quartimage));end 2.實驗結(jié)果如圖3.1 圖3.12.顯示一幅灰度圖像a,改變圖像的亮度使其整體變暗得到圖像b，顯示兩幅圖像的直方圖； 1.實驗代碼 a=imread('D:\jj.jpg');c=rgb2gray(a);b=c-46;subplot(3,2,1);imhist(c);title('直方圖')subplot(3,2,2);imhist(b);title('變暗后的直方圖')subplot(3,2,3);imshow(c);title('原圖像')subplot(3,2,4);imshow(b);title('變暗后的圖像')d=imadjust(c,[0,1],[1,0]);subplot(3,2,5);imshow(d);title('灰度調(diào)整后的圖像') 2.實驗結(jié)果如圖3.2圖3.23.對圖像b進(jìn)行直方圖均衡化，顯示結(jié)果圖像和對應(yīng)的直方圖； 1.實驗代碼 b=imread('D:\jj.jpg');c=rgb2gray(b);j=histeq(c);subplot(2,2,1),imshow(c);title('原圖像')subplot(2,2,2),imshow(j);title('均衡化后的圖像')subplot(2,2,3),imhist(c);title('原直方圖')%顯示原始圖像直方圖subplot(2,2,4),imhist(j);title('均衡化后的直方圖')%顯示均衡化后圖像直方圖 2.實驗結(jié)果如圖3.3圖3.34.對B進(jìn)行分段線性變換處理，試比較與直方圖均衡化處理的異同。 1.實驗代碼x1=0:0.01:0.125;x2=0.125:0.01:0.75;x3=0.75:0.01:1;y1=2*x1;y2=0.25+0.6*(x2-0.125);y3=0.625+1.5*(x3-0.75);x=[x1,x2,x3];y=[y1,y2,y3];plot(x,y); 2.實驗結(jié)果如圖3.4圖3.43.4結(jié)果分析通過本次實驗，我明白了灰度變換和直方圖變換的特點(diǎn)及優(yōu)缺點(diǎn)。實驗四圖像的平滑處理4.1實驗?zāi)康?1、熟悉并掌握常見的圖像噪聲種類；2、理解并掌握常用的圖像的平滑技術(shù)，如領(lǐng)域平均法和中值濾波的原理、特點(diǎn)、適用對象。4.2實驗任務(wù)及要求 圖像平滑的目的是消除圖像噪聲、恢復(fù)原始圖像。 實際中攝取的圖像一般都含有某種噪聲，引起噪聲的原因很多，噪聲的種類也很多。總的來說，可以將噪聲分為加性噪聲和乘性噪聲。加性噪聲中包涵高斯噪聲、椒鹽噪聲等典型噪聲。 Imnosie格式：j=imnoise(I,type,parameters); 常見的去除噪聲的方法有：領(lǐng)域平均法、空間域低通濾波、頻率與低通濾波、中值濾波等，二維中值濾波的matlab函數(shù)為medfilt2.ImnoiseImnoise函數(shù)用于對圖像生成模擬噪聲，如：I=imread(‘e:/w01.tif’);J=imnoise(I,’gaussian’,0,0.02);J=imnoise(I,’salt&pepper’,0.04);FspecialFspecial函數(shù)用于昌盛預(yù)定義濾波器，如：H=fspecial(‘sobel’);H=fspecial(‘gaussian);H=fspecial(‘laplacian);H=fspecial(‘log);H=fspecial(‘a(chǎn)verage);基于卷積的圖像濾波函數(shù)Imfilter函數(shù)，filter2函數(shù)，二維卷積conv2濾波，都可以用于圖像濾波，用法類似，如：H=fspecial(‘prewitt’);M=imfilter(i.h);Imshow(m);或者：I=imread(‘e:/w01.tif’);H=[1,1,1;1,1,1;1,1,1];H=h/9;J=conv2(I,h);4.3實驗內(nèi)容、步驟、結(jié)果1.讀出圖像，給讀出的圖像分別加入高斯噪聲、椒鹽噪聲和乘性噪聲，并與原圖像顯示在同一圖像窗口中； 1.實驗代碼a=imread('D:\jj.jpg');i=rgb2gray(a);I1=imnoise(i,'gaussian',0,0.02);I2=imnoise(i,'salt&pepper',0.02);I3=imnoise(i,'speckle',0.02);subplot(2,2,1),imshow(i);title('原圖像');subplot(2,2,2),imshow(I1);title('受高斯污染的圖像');subplot(2,2,3),imshow(I2);title('受椒鹽噪聲污染的圖像');subplot(2,2,4),imshow(I3);title('受乘性噪聲污染的圖像'); 2.實驗結(jié)果如圖4.1圖4.12.對受高斯噪聲（模擬值為0方差為0.02的高斯噪聲）干擾的圖像分別利用領(lǐng)域平均法和中值濾波法進(jìn)行濾波去噪（窗口可變，可先取3*3，依次再取5*5,7*7）,并顯示濾波結(jié)果；1.實驗代碼a=imread('D:\jj.jpg');i=rgb2gray(a);I=imnoise(i,'gaussian',0,0.02);H1=ones(3,3)/9;H2=ones(5,5)/25;H3=ones(7,7)/49;J=imfilter(i,H1);J1=imfilter(I,H1);J2=imfilter(I,H2);J3=imfilter(I,H3);Z=medfilt2(i,[3,3]);Z1=medfilt2(I,[3,3]);Z2=medfilt2(I,[5,5]);Z3=medfilt2(I,[7,7]);subplot(4,2,1),imshow(J);title('原圖像領(lǐng)域平均濾波后');subplot(4,2,2),imshow(J1);title('高斯3*3領(lǐng)域平均濾波后');subplot(4,2,3),imshow(J2);title('高斯5*5領(lǐng)域平均濾波后');subplot(4,2,4),imshow(J3);title('高斯7*7領(lǐng)域平均濾波后');subplot(4,2,5),imshow(Z);title('原圖像中值濾波后');subplot(4,2,6),imshow(Z1);title('高斯3*3中值濾波后');subplot(4,2,7),imshow(Z2);title('高斯5*5中值濾波后');subplot(4,2,8),imshow(Z3);title('高斯7*7中值濾波后'); 2.實驗結(jié)果如圖4.2圖4.23.對受椒鹽噪聲的圖像（噪聲方差為0.02）干擾的圖像，選擇合適的濾波器將噪聲去噪；1.實驗代碼a=imread('D:\jj.jpg');i=rgb2gray(a);I=imnoise(i,'salt&pepper',0.02);Z=medfilt2(i,[3,3]);Z1=medfilt2(I,[3,3]);Z2=medfilt2(I,[5,5]);Z3=medfilt2(I,[7,7]);subplot(2,2,1),imshow(Z);title('原圖像中值濾波后');subplot(2,2,2),imshow(Z1);title('椒鹽3*3中值濾波后');subplot(2,2,3),imshow(Z2);title('椒鹽5*5中值濾波后');subplot(2,2,4),imshow(Z3);title('椒鹽7*7中值濾波后'); 2.實驗結(jié)果如圖4.3圖4.34.對受乘性噪聲的圖像（噪聲方差為0.02）干擾的圖像，選擇合適的濾波器將噪聲去噪。1.實驗代碼a=imread('D:\jj.jpg');i=rgb2gray(a);I=imnoise(i,'speckle',0.02);H1=ones(3,3)/9;H2=ones(5,5)/25;H3=ones(7,7)/49;J=imfilter(i,H1);J1=imfilter(I,H1);J2=imfilter(I,H2);J3=imfilter(I,H3);subplot(2,2,1),imshow(J);title('原圖像領(lǐng)域平均濾波后');subplot(2,2,2),imshow(J1);title('乘性3*3領(lǐng)域平均濾波后');subplot(2,2,3),imshow(J2);title('乘性5*5領(lǐng)域平均濾波后');subplot(2,2,4),imshow(J3);title('乘性7*7領(lǐng)域平均濾波后'); 2.實驗結(jié)果如圖4.4圖4.44.4結(jié)果分析通過本次實驗，我知道了平滑處理的幾種方法。圖像平滑是指用于突出圖像的寬大區(qū)域、低頻成分、主干部分或抑制圖像噪聲和干擾高頻成分的圖像處理方法，目的是使圖像亮度平緩漸變，減小突變梯度，改善圖像質(zhì)量。圖像平滑的方法包括：插值方法，線性平滑方法，卷積法等等。這樣的處理方法根據(jù)圖像噪聲的不同進(jìn)行平滑，比如椒鹽噪聲，就采用線性平滑方法！實驗五圖像的銳化處理5.1實驗?zāi)康氖煜げ⒄莆誱atlab圖像處理工具箱的使用理解并掌握常用的圖像的銳化技術(shù)5.2實驗任務(wù)及要求ImnoiseImnoise函數(shù)用于對圖像生成模擬噪聲，如：I=imread(‘e:/w01.tif’);J=imnoise(I,’gaussian’,0,0.02);J=imnoise(I,’salt&pepper’,0.04);FspecialFspecial函數(shù)用于昌盛預(yù)定義濾波器，如：H=fspecial(‘sobel’);H=fspecial(‘gaussian);H=fspecial(‘laplacian);H=fspecial(‘log);H=fspecial(‘a(chǎn)verage);基于卷積的圖像濾波函數(shù)Imfilter函數(shù)，filter2函數(shù)，二維卷積conv2濾波，都可以用于圖像濾波，用法類似，如：H=fspecial(‘prewitt’);M=imfilter(i.h);Imshow(m);或者：I=imread(‘e:/w01.tif’);H=[1,1,1;1,1,1;1,1,1];H=h/9;J=conv2(I,h);其他常用的濾波舉例基于拉氏算子銳化圖像，如：I=imread(‘e:/w01.tif’);J=double(i);H=[0,1,0;1,-4,0;0,1,0];K=conv2(j,h,’same’);5.3實驗內(nèi)容、步驟、結(jié)果1.采用三種一階導(dǎo)數(shù)邊緣檢測方法對圖像進(jìn)行銳化。 1.實驗代碼i=imread('D:/jj.jpg');I=rgb2gray(i);H=fspecial('sobel');I1=imfilter(i,H);H=fspecial('prewitt')I2=imfilter(i,H);H=[1,1,1;5,5,5;1,1,1];I3=imfilter(i,H);subplot(2,2,1);imshow(i);title('原圖像')subplot(2,2,2);imshow(I1);title('sobel圖像')subplot(2,2,3);imshow(I2);title('prewitt圖像')subplot(2,2,4);imshow(I3);title('自定義圖像') 2.實驗結(jié)果如圖5.1圖5.12.銳化空間濾波 1.采用3*3的拉普拉斯算子w=[1,1,1;1-81;1,1,1]濾波 2.將1的結(jié)果疊加到原始圖像上，觀察出噪聲增強(qiáng)了，想辦法降低。 3.獲取sobel圖像并用imfilter對其進(jìn)行5*5的領(lǐng)域平均，以減少噪聲； 4.獲取2和3的相乘圖像，減少噪聲。 5.將4的結(jié)果疊加到原始圖像上 6.用imadjust函數(shù)對5結(jié)果做冪指數(shù)為0.2的灰度變換 1.實驗代碼i=imread('D:\jj.jpg');i=rgb2gray(i);h1=[1,1,1;1,-8,1;1,1,1];I1=imfilter(i,h1,'replicate');%拉普拉斯算子圖像Z1=imadd(i,I1);%疊加原圖和拉普拉斯算子圖像h2=fspecial('sobel');I2=imfilter(i,h2,'replicate');%sobel算子圖像h3=fspecial('average',5*5);I3=imfilter(i,h3);%領(lǐng)域平均Z2=immultiply(Z1,I3);%相乘Z1和I3Z3=imadd(i,Z2);%原圖和上面相乘圖像相加I4=imadjust(Z3,[],[],0.2);%灰度變換冪指數(shù)為0.2subplot(4,2,1);imshow(i);title('原圖像');subplot(4,2,2);imshow(I1);title('拉普拉斯圖像');subplot(4,2,3);imshow(Z1);title('疊加圖像');subplot(4,2,4);imshow(I2);title('sobel圖像');subplot(4,2,5);imshow(I3);title('領(lǐng)域平均圖像');subplot(4,2,6);imshow(Z2);title('相乘圖像');subplot(4,2,7);imshow(Z3);title('疊加圖像');subplot(4,2,8);imshow(I4);title('灰度變換圖像'); 2.實驗結(jié)果如圖5.2圖5.23.編寫函數(shù)w=genlaplacian(n)，自動產(chǎn)生一奇數(shù)尺寸n的拉普拉斯算子，如5*5的拉普拉斯算子。functionw=genlaplacian(n)%UNTITLEDSummaryofthisfunctiongoeshere%Detailedexplanationgoesherew=ones(n);x=ceil(n/2);w(x,x)=-1*(n*n-1);end 4.分別采用5*5,9*9,15*15,和25*25大小的拉普拉斯算子對blurry_moon.tif進(jìn)行銳化濾波，并利用g(x,y)=f(x,y)-^2f(x,y)完成圖像的銳化增強(qiáng)，觀察其有什么不同1.實驗代碼i=imread('D:\jj.jpg');i=rgb2gray(i);h1=genLaplacian(5);%5*5拉普拉斯算子I1=i-imfilter(i,h1,'replicate');h2=genLaplacian(9);%9*9拉普拉斯算子I2=i-imfilter(i,h2,'replicate');h3=genLaplacian(15);%15*15拉普拉斯算子I3=i-imfilter(i,h3,'replicate');h4=genLaplacian(25);%25*25拉普拉斯算子I4=i-imfilter(i,h4,'replicate');subplot(3,2,1);imshow(i);title('原圖像');subplot(3,2,2);imshow(I1);title('5*5拉普拉斯算子');subplot(3,2,3);imshow(I2);title('9*9拉普拉斯算子');subplot(3,2,4);imshow(I3);title('15*15拉普拉斯算子');subplot(3,2,5);imshow(I4);title('25*25拉普拉斯算子');2.實驗結(jié)果如圖5.3圖5.35.4結(jié)果分析通過本次實驗，我明白了各種濾波器的作用及特點(diǎn)，其中中值濾波算法的實現(xiàn)是將模板區(qū)域內(nèi)的像素排序，求出中值。特點(diǎn)是強(qiáng)迫突出的亮點(diǎn)（暗點(diǎn)）更像它周圍的值，以消除孤立的亮點(diǎn)（暗點(diǎn)）；在去除噪聲的同時，可以比較好地保留邊緣的銳度和圖像的細(xì)節(jié)。中值濾波器比均值濾波器效果好。最大值濾波器：主要用途：尋找最亮點(diǎn)最小值濾波器：主要用途：尋找最暗點(diǎn)空域平滑濾波器模板的所有系數(shù)都是正數(shù)，具有平滑的效果，在去除噪聲的同時模糊了圖像邊緣、細(xì)節(jié)。本質(zhì)上是一種低通濾波器。在設(shè)計濾波器時通常還要求行列數(shù)為奇數(shù)，保障中心定位性能?？沼蚱交瑸V波的去噪能力與它的模板大小有關(guān)，模板越大，去噪聲能力越強(qiáng)；實驗六圖像的邊緣檢測和分割6.1實驗?zāi)康氖煜げ⒄莆誐ATLAB圖像處理工具箱的使用理解并掌握常用的圖像的邊緣檢測與分割技術(shù)6.2實驗任務(wù)及要求1edge檢測灰度或者二值圖像的邊緣，返回一個二值圖像，1像素是檢測到的邊緣，0像素是非邊緣。用法：BW=edge(I,’sobel’,thresh,direction)Thresh指定閾值，檢測時忽略所有小于閾值的邊緣，默認(rèn)自動選擇閾值；direction方向，在所指定的方向用算子進(jìn)行邊緣檢測：horizontal、vertical、both。2圖像分割圖像分割是將圖像劃分成若干個互不相干的小區(qū)域，小區(qū)