数字图像处理：空间域图像处理

数字图像处理：空间域图像处理

直接跳转到代码

---

注：别忘了图片的路径改成自己的

一、实验目的

理解和掌握图像的线性变换和直方图均衡化的原理和应用；
了解平滑和锐化处理的算法和用途，学习使用平滑滤波器和边缘算子对图像进行平滑和锐化操作。

二、实验内容

1． 图像直方图

（1） 读入一幅图像，计算并绘制图像的直方图。
（2） 读入一幅低对比度图像，对图像进行直方图均衡化处理。

2． 编写程序，实现以下功能：

（1） 读入一幅图像，利用’imnoise’函数，添加高斯噪声；
（2） 通过100次相加求平均的方法去除噪声。

3． 图像的平滑和锐化滤波

（1） 读入一幅图像，分别采用均值和高斯滤波器对图像进行平滑处理。
(提示: 图像滤波首先使用fspecial()函数创建平滑或锐化滤波器，然后调用imfilter()函数实现相应的滤波操作)
（2） 分别采用’prewitt’和’sobel’边缘算子对图像做边缘增强处理。

实验结果图如下：

代码如下：

%1.1
pic=imread('lena.jpg');                    %读入图片'lena.jpg'
figure('name','实验结果1');
subplot(2,2,1);
imshow(pic);
title('原图1');
A=imhist(pic);                             %取直方图
subplot(2,2,3);
bar(0:255,A);                              %形成256个等级的直方图
title('灰度图像直方图');

%1.2
pic1=imread('lena1.jpg');                  %读入图片'lena1.jpg'
subplot(2,2,2);
imshow(pic1);
title('原图2');
B=imhist(histeq(pic1));                    %先进行均衡化，再取直方图
subplot(2,2,4);
bar(0:255,B);                              %形成256个等级的直方图
title('灰度图像均衡直方图');

%2.1
figure('name','实验结果2');
subplot(4,2,1);
imshow(pic);
title('原图');
C=imnoise(pic,'gaussian',0,0.01);          %添加均值为0，方差为0.01的高斯噪声
subplot(4,2,3);
imshow(C);
title('添加均值为0，方差为0.01的高斯噪声');

%2.2
[m n]=size(pic)                            %获取大小
D=zeros(m,n)                               %创建全0数组
for i=0:99                                 %循环100次 
  C=imnoise(pic,'gaussian',0,0.01);        %随机加噪
  C1=im2double(C);                         %转成double型进行相加
  D=D+C1;
end
D=D/100; 
subplot(4,2,4);
imshow(D);
title('去除噪声后图像');

%3.1
E=imfilter(pic,fspecial('average',8));       %生成一个8x8的均值滤波器
F=imfilter(pic,fspecial('gaussian'));        %生成高斯滤波器
subplot(4,2,5);
imshow(E);
title('均值平滑处理后图像');
subplot(4,2,6);
imshow(F);
title('高斯滤波器平滑处理后图像');

%3.2
G=pic-uint8(imfilter(pic,fspecial('prewitt')));%生成’prewitt’模板,并对输入图像做边缘增强，再加上原图像
subplot(4,2,7);
imshow(G);
title('’prewitt’对图像做边缘增强处理后图像');
H=pic-uint8(imfilter(pic,fspecial('sobel')));%生成’sobel’模板,并对输入图像做边缘增强，再加上原图像
subplot(4,2,8);
imshow(H);
title('’sobel’对图像做边缘增强处理后图像');