精华内容
下载资源
问答
  • 数字图像处理实验三

    2019-01-05 23:38:02
    % 将两幅256×256的灰度图像进行二维傅立叶变换,分别得到各自的幅度谱图像和相位谱图像,显示这4幅图像。 % 将两幅图像的相位谱交换,进行反傅立叶变换,显示这两幅重建图像。 % 二维快速傅立叶变换函数fft2( ) %...
    % 将两幅256×256的灰度图像进行二维傅立叶变换,分别得到各自的幅度谱图像和相位谱图像,显示这4幅图像。
    % 将两幅图像的相位谱交换,进行反傅立叶变换,显示这两幅重建图像。
    
    % 二维快速傅立叶变换函数fft2( ) 
    % 相位提取函数 angle( )
    % 幅度提取函数abs ( )
    
    %
    clear;clc;
    %
    im1 = double(imread('1-Debbie4.gif'));
    im2 = double(imread('12-Panda.bmp'));
    %
    im1_f = fft2(im1);
    im2_f = fft2(im2);
    %
    im1_abs = abs(im1_f);
    im2_abs = abs(im2_f);
    im1_ang = angle(im1_f);
    im2_ang = angle(im2_f);
    im1_d = fftshift(im1_f);
    im2_d = fftshift(im2_f);
    %
    im1_e = im1_abs.*exp(1i*im2_ang);
    im2_e = im2_abs.*exp(1i*im1_ang);
    %
    im1_r = real(ifft2(im1_e)); 
    im2_r = real(ifft2(im2_e)); 
    
    
    % display
    figure
    subplot(231)
    imshow(mat2gray(im1));
    xlabel('Original 1')
    subplot(234)
    imshow(mat2gray(im2));
    xlabel('Original 2')
    subplot(232)
    imshow(mat2gray(10*log10(abs(im1_d))));
    xlabel('Magititute 1')
    subplot(235)
    imshow(mat2gray(10*log10(abs(im2_d))));
    xlabel('Magititute 2')
    subplot(233)
    imshow(mat2gray(angle(im1_d)));
    xlabel('Angle 1')
    subplot(236)
    imshow(mat2gray(angle(im2_d)));
    xlabel('Angle 2')
    
    %
    figure
    subplot(121)
    imshow(mat2gray(im1_r));
    xlabel('Rec. Image 1')
    subplot(122)
    imshow(mat2gray(im2_r));
    xlabel('Rec. Image 2')
    
    

     

    展开全文
  • 数字图像处理实验三,具体可见博客https://blog.csdn.net/gyx1549624673/article/details/103808536。本次实验的目标是使用多分辨率融合技术无缝地融合两幅图像,图像通过轻微的变形和平滑的接缝将两个图像连接在...
  • MATLAB数字图像处理实验三 实验一:用点检测模板检测图像中的点; 实验二:用线检测模板检测图像中的线,并检测图像中120°方向的线; 实验三:检测并显示图像用Sobel、Prewitt、Roberts、LoG及Canny边缘检测的结果...

    MATLAB数字图像处理实验三

    实验一:用点检测模板检测图像中的点;
    实验二:用线检测模板检测图像中的线,并检测图像中120°方向的线;
    实验三:检测并显示图像用Sobel、Prewitt、Roberts、LoG及Canny边缘检测的结果;
    实验四:对图像加标准差为20的高斯白噪声,重做2、3;
    实验五:对图像进行hough变换,在图中画出检测到的最长直线

    %%
    %%点检测
    f=imread('hei.png');
    I1=rgb2gray(f);
    w=[-1 -1 -1;-1 8 -1;-1 -1 -1];%点检测掩模
    gi=abs(imfilter(double(I1),w));
    T=max(gi(:));
    gi=gi>=T;
    subplot(211);imshow(I1);title('原图像');
    subplot(212);imshow(gi);title('点检测');
    
    %%
    %%线检测
    f=imread('hei.png');
    I=rgb2gray(f);
    w=[2 -1 -1;-1 2 -1;-1 2 -1];
    g=imfilter(double(I),w);
    subplot(2,1,1);imshow(f);title('原图像');
    subplot(2,1,2);imshow(g,[]);title('线检测120°方向');
    
    %%
    %边缘检测
    I=imread('hei.png');
    I=rgb2gray(I);
    BW1=edge(I,'sobel');   %应用 Sobel 算子进行滤波
    BW2=edge(I,'roberts'); %应用 Roberts 算子进行滤波
    BW3=edge(I,'prewitt'); %应用 Prewitt 算子进行滤波
    BW4=edge(I,'log');     %应用 LOG 算子进行滤波
    BW5=edge(I,'canny');   %应用 Canny 算子进行滤波
    subplot(231),imshow(I),title('原图');
    subplot(232),imshow(BW1),title('Sobel算子边缘检测');
    subplot(234),imshow(BW2),title('Roberts算子');
    subplot(233),imshow(BW3),title('Priwitt算子');
    subplot(235),imshow(BW4),title('LOG算子');
    subplot(236),imshow(BW5),title('Canny算子');
    
    %%
    %添加20的标准差gaussian噪音
    I=imread('hei.png');
    f=imnoise(I,'gaussian',0,20);
    I1=rgb2gray(f);
    w=[-1 -1 -1;-1 8 -1;-1 -1 -1];%点检测掩模
    gi=abs(imfilter(double(I1),w));
    T=max(gi(:));
    gi=gi>=T;
    subplot(211);imshow(I1);title('原图像');
    subplot(212);imshow(gi);title('点检测');
    
    
    %%
    %添加20的标准差gaussian噪音
    I=imread('hei.png');
    I=rgb2gray(I);
    f=imnoise(I,'gaussian',0,20);
    w=[2 -1 -1;-1 2 -1;-1 2 -1];
    g=imfilter(double(f),w);
    subplot(2,1,1);imshow(f);title('原图像');
    subplot(2,1,2);imshow(g,[]);title('线检测120°方向');
    
    %%%%Hougn变换
    I=imread('hei.png');
    f=rgb2gray(I);%RGB-->gray
    f=f(round(end/2):end,1:round(end/2));
    BW=edge(f,'canny');%edge:以灰度图像为输入,'canny'为边缘检测算子,
                       %%输出BW为二值图像,边缘处为白(255)其余部分为黑(0)
    subplot(211),imshow(f),title('原始图像');
    [row,col]=size(BW);
    rhomax=round((row*row+col*col)^0.5);
    A=zeros(2*rhomax,180);   %这里,实际上rho的取值范围为[-rhomax,rhomax],
                             %但是为了后面进行数量统计,转变为[1,2rhomax]
    for m=1:row
        for n=1:col
            if BW(m,n)>0 %判断为边缘
                for theta=1:180
                    r=theta/180*pi; %角度转换
                    rho=round(m*cos(r)+n*sin(r));
                    %Hough变换
                    rho=rho+rhomax+1;   %坐标平移
                                        %这里的理解,首先matlab中数组是从1开始计数,所以+1;
                                        %数组坐标不能<0,所以 +rhomax
                    A(rho,theta)=A(rho,theta)+1;   %数量统计
                end
            end
        end
    end
    [rho,theta]=find(A>130);   %超过130个点视为共线,rho列号,theta行号
    nma=length(rho);
    subplot(212),imshow(BW);
    for i=1:nma
        hold on
        m=1:row;
        r=theta(i)/180*pi;
        n=(rho(i)-rhomax-m*cos(r))/(0.0001+sin(r));
        plot(n,m,'w-','LineWidth',6);
    end
    title('hough线检测');
    
    展开全文
  • 基于Matlab的图像的锐化处理DIP实验3:图像的锐化处理实验目的实验内容参考代码实验结果 DIP实验3:图像的锐化处理 实验目的 锐化的目的是加强图像的边界和细节,熟悉Robert、Sobel和Laplace算子进行检测,使图像...

    DIP实验3:图像的锐化处理

    实验目的

    锐化的目的是加强图像的边界和细节,熟悉Robert、Sobel和Laplace算子进行检测,使图像特征(如边缘、轮廓等)进一步增强并突出。

    实验内容

    1)编写Robert算子滤波函数;
    2)编写Sobel算子滤波函数;
    3)编写Laplace算子滤波函数;
    4)编写限幅和标定函数,给出增强后的图像。

    输出图像排列格式如下:

    原图像 Robert算子滤波结果 Sobel算子滤波结果 Laplace算子滤波结果
    Robert算子增强结果 Sobel算子增强结果 Laplace算子增强结果

    参考代码

    figure('NumberTitle', 'off', 'Name', '实验3:图像的锐化处理');
    OI = imread('rice.bmp');    % 原始图像读取 
     
    subplot(2,4,1);
    imshow(OI);
    title('原始图像'); 
     
    subplot(2,4,2);
    r1 = [0 -1; 1 0];
    r2 = [-1 0; 0 1];
    rob = RobertFilter(OI, r1, r2);
    imshow(rob);
    title('Robert算子滤波结果');
     
    subplot(2,4,3);
    s1 = [-1 -2 -1; 0 0 0; 1 2 1];
    s2 = [-1 0 1; -2 0 2; -1 0 1]; 
    sob = SobelFilter(OI, s1, s2);
    imshow(sob);
    title('Sobel算子滤波结果');
     
    subplot(2,4,4);
    l = [1 1 1; 1 -8 1; 1 1 1];
    lap = LaplaceFilter(OI, l);
    lapcal = Caliberation(lap);
    imshow(lapcal);
    title('Laplace算子滤波结果');
     
    subplot(2,4,6);
    OIrob = OI + rob;
    larob = LimitAmplitude(OIrob);
    imshow(larob);
    title('Robert算子增强结果');
     
    subplot(2,4,7);
    OIsob = OI + sob;
    lasob = LimitAmplitude(OIsob);
    imshow(lasob);
    title('Sobel算子增强结果');
     
    subplot(2,4,8);
    OIlap = OI - uint8(lap);
    lalap = LimitAmplitude(OIlap);
    imshow(lalap);
    title('Laplace算子增强结果');
     
    function rob = RobertFilter(OI, r1, r2)
        [M, N] = size(OI);
        f = zeros(M+1, N+1);
        % 边界填充
        f(1:M, 1:N) = OI(1:M, 1:N);
        f(1:M, N+1:N+1) = OI( : , N:N);
        f(M+1:M+1, 1:N) = OI(M:M, : );
        g = zeros(M+1, N+1);
        for x = 1: M
            for y = 1: N
                % M(x, y) = |z9-z5| + |z8-z6|
                mat = [f(x, y) f(x, y+1); f(x+1, y) f(x+1, y+1)];
                gr1 = mat .* r1;
                gr2 = mat .* r2;
                g(x, y) = abs(sum(gr1(:))) + abs(sum(gr2(:)));
            end
        end
        Img = zeros(M, N);
        Img(1:M, 1:N) = g(1:M, 1:N);
        rob = uint8(Img); 
    end
     
    function sob = SobelFilter(OI, s1, s2)
        [M, N] = size(OI);
        [m, n] = size(s1);
        f = zeros(M+m-1, N+n-1);
        % 边界填充
        f((m-1)/2+1:M+(m-1)/2, (n-1)/2+1:N+(n-1)/2) = OI(1:M, 1:N);
        f((m-1)/2+1:M+(m-1)/2, 1:(n-1)/2) = OI( : , 1:(n-1)/2);
        f((m-1)/2+1:M+(m-1)/2, N+(n-1)/2:N+m-1) = OI( : , N-(n-1)/2:N);
        f(1:(m-1)/2, (n-1)/2+1:N+(n-1)/2) = OI(1:(m-1)/2, : );
        f(M+(m-1)/2:M+m-1, (n-1)/2+1:N+(n-1)/2) = OI(M-(m-1)/2:M, : );
        g = zeros(M+m-1, N+n-1);
        for x = (m-1)/2+1 : M+(m-1)/2
            for y = (n-1)/2+1 : N+(n-1)/2
                % M(x, y) = |(z7+2z8+z9)-(z1+2z2+z3)| + |(z3+2z6+z9)-(z1+2z4+z7)|
                mat = [f(x-1,y-1) f(x-1,y) f(x-1,y+1); f(x,y-1) f(x,y) f(x,y+1); f(x+1,y-1) f(x+1,y) f(x+1,y+1)];
                gs1 = mat .* s1;
                gs2 = mat .* s2;
                g(x, y) = abs(sum(gs1(:))) + abs(sum(gs2(:)));
            end
        end
        Img = zeros(M, N);
        Img(1:M, 1:N) = g((m-1)/2+1 : M+(m-1)/2, (n-1)/2+1 : N+(n-1)/2);
        sob = uint8(Img);  
    end
     
    function lap = LaplaceFilter(OI, l)
        [M, N] = size(OI);
        [m, n] = size(l);
        f = zeros(M+m-1, N+n-1);
        % 边界填充
        f((m-1)/2+1:M+(m-1)/2, (n-1)/2+1:N+(n-1)/2) = OI(1:M, 1:N);
        f((m-1)/2+1:M+(m-1)/2, 1:(n-1)/2) = OI( : , 1:(n-1)/2);
        f((m-1)/2+1:M+(m-1)/2, N+(n-1)/2:N+m-1) = OI( : , N-(n-1)/2:N);
        f(1:(m-1)/2, (n-1)/2+1:N+(n-1)/2) = OI(1:(m-1)/2, : );
        f(M+(m-1)/2:M+m-1, (n-1)/2+1:N+(n-1)/2) = OI(M-(m-1)/2:M, : );
        g = zeros(M+m-1, N+n-1);
        for x = (m-1)/2+1 : M+(m-1)/2
            for y = (n-1)/2+1 : N+(n-1)/2
                mat = [f(x-1,y-1) f(x-1,y) f(x-1,y+1); f(x,y-1) f(x,y) f(x,y+1); f(x+1,y-1) f(x+1,y) f(x+1,y+1)];
                gl = mat .* l;
                g(x, y) = sum(gl(:));
            end
        end
        Img = zeros(M, N);
        Img(1:M, 1:N) = g((m-1)/2+1 : M+(m-1)/2, (n-1)/2+1 : N+(n-1)/2);
        lap = Img;
    %     lap = uint8(Img);
    end
     
    % 标定函数 Caliberation
    function cal = Caliberation(OI)
        OI = double(OI);
        [M, N] = size(OI);
        fmin = min(min(OI));
        fm = OI - fmin * ones(M, N);
        fmmax = max(max(fm));
        fs = 255 * fm ./ fmmax;
        cal = uint8(fs);
    end
     
    % 限幅函数 LimitAmplitude
    function la = LimitAmplitude(OI)
        [M,N]=size(OI);
        la = OI;
        for x=1:M
            for y=1:N
                if la(x,y) > 255
                    la(x,y) = 255;
                elseif la(x,y) < 0
                    la(x,y) = 0;
                else
                    la(x,y) = la(x,y);
                end
            end
        end   
    end
    
    

    实验结果

    在这里插入图片描述

    展开全文
  • 数字图像处理实验三图像增强

    千次阅读 2018-07-23 21:08:29
    一、实验目的 (1)了解图像增强的目的及意义,加深对图像增强的  感性认识,巩固所学的图像增强的理论知识和相  关算法。 (2)熟练掌握直方图均衡化和直方图规定化的计算过  程。 (3)熟练掌握空域滤波...

    一、实验目的

    (1)了解图像增强的目的及意义,加深对图像增强的

         感性认识,巩固所学的图像增强的理论知识和相

         关算法。

    (2)熟练掌握直方图均衡化和直方图规定化的计算过

         程。

    (3)熟练掌握空域滤波中常用的平滑和锐化滤波器。

    (4)熟练掌握低通和高通滤波器的使用方法,明确不

         同性质的滤波器对图像的影响和作用。

    (5)掌握最简单的伪彩色变换方法。

    二、实验内容

    (1)任意选择几幅图像,对其进行平滑处理,用

         不同的平滑模板,对结果进行分析。

    (2)任意选择几幅图像,对其进行中值滤波,用

         不同的滤波模板对结果进行分析。

    (3)任意选择几幅图像,对其进行梯度锐化,选

         择不同的阈值参数,观察图像有何变化。

    (4)对图像进行伪彩色变换,比较彩色增强后的

         图像与原图像有何不同。

    三、实验代码及结果、分析

    (1)平滑滤波----邻域平均法

    • 代码:

    I=imread('E:\JZ数字图像处理\实验3\shiyansan.jpg');

    I=rgb2gray(I);

    J=imnoise(I,'salt & pepper',0.03);       %加均值为0,方差为0.03的椒盐噪声G=imnoise(I,'gaussian',0.03);             %加均值为0,方差为0.03的高斯噪声。

    A=fspecial('average',[4,4]); %4x4均值滤波

    A1=fspecial('average',[6,6]); %6x6均值滤波

    A2=fspecial('average',[8,8]); %8x8均值滤波

    A3=fspecial('average',[10,10]); %10x10均值滤波

    J1= imfilter(J,A);  %imfilter均值滤波函数

    J2= imfilter(J,A1);  

    J3= imfilter(J,A2);  

    J4= imfilter(J,A3);   

    G1= imfilter(G,A);  

    G2= imfilter(G,A1);  

    G3= imfilter(G,A2);  

    G4= imfilter(G,A3);  

    figure(1)

    subplot(2,3,1),imshow(I),title('原图像');

    subplot(2,3,4),imshow(I),title('原图像');

    subplot(2,3,2),imshow(J),title('加入椒盐噪声');         %显示有椒盐噪声图像

    subplot(2,3,5),imshow(G),title('加入高斯噪声');         %显示有高斯噪声图像

    subplot(2,3,3),imshow(J1),title('4×4均值滤波');%显示有椒盐噪声图像的滤波

    subplot(2,3,6),imshow(G1),title('4×4均值滤波'); %显示有高斯噪声图像的滤波

    figure(2);

    subplot(2,3,1),imshow(I),title('原图像');

    subplot(2,3,2),imshow(J),title('加入椒盐噪声');  %显示有椒盐噪声图像

    subplot(2,3,4),imshow(J1),title('4×4');

    subplot(2,3,3),imshow(J2),title('6×6');

    subplot(2,3,5),imshow(J3),title('8×8');

    subplot(2,3,6),imshow(J4),title('10×10');

    figure(3)

    subplot(2,3,1),imshow(I),title('原图像');

    subplot(2,3,2),imshow(G),title('加入高斯噪声');       %显示有高斯噪声图像

    subplot(2,3,4),imshow(G1),title('4×4');

    subplot(2,3,3),imshow(G2),title('6×6');

    subplot(2,3,5),imshow(G3),title('8×8');

    subplot(2,3,6),imshow(G4),title('10×10');

    • 结果:

    • 分析:
    1. 平滑滤波的作用是对高频分量进行削弱或消除,增强图像的低频分量
    2. 领域平均法是线性运算、中值滤波是非线性运算
    3. 在该题中加的椒盐噪声、高斯噪声方差均为0.03,可以由图1-2、图1-3看出原图像在加入两种噪声之后,画质都有所损失。但是椒盐噪声只是在原图像的某些地方存在,而高斯噪声几乎是分布在原图像的每个地方,造成了图像比之前模糊
    4. 椒盐噪声:又称脉冲噪声,它随机改变一些像素值,是由图像传感器,传输信道,解码处理等产生的黑白相间的亮暗点噪声。椒盐噪声往往由图像切割引起;
    5. 高斯分布:也称正态分布,有均值和方差两个参数,均值反应了对称轴的方位,方差表示了正态分布曲线的胖瘦。高斯分布是最普通的噪声分布
    6. 平滑滤波的模板需要选择合适,模板选择太小,噪声无法滤除,模板选择太大,造成了过度处理,图像会变得逐渐模糊,不管是椒盐噪声、还是高斯噪声如图1-4、1-5模板逐渐增大,图像逐渐模糊。

    (2)平滑滤波----中值法

    • 代码:

    I=imread('E:\大三课件\大三下\数字图像处理\实验\实验3\shiyansan.jpg');

    I=rgb2gray(I);

    temp = I;

    I = double(I);

    %Robert梯度

    w1 = [-1 0; 0 1]; 

    w2 = [0 -1;1 0];

    G1 = imfilter(I,w1,'corr','replicate');

    G2 = imfilter(I,w2,'corr','replicate');

    G = abs(G1)+abs(G2);

    figure(1);

    subplot(2,2,1);imshow(temp),title('原图像');

    subplot(2,2,2);imshow(abs(G1),[]),title('w1滤波');

    subplot(2,2,3);imshow(abs(G2),[]),title('w2滤波');

    subplot(2,2,4);imshow(G,[]),title('Robert梯度');

    %sobel梯度

    w11 = fspecial('sobel');

    w21 = w11';

    G11 = imfilter(I,w11);

    G21 = imfilter(I,w21);

    G1 = abs(G11)+abs(G21);

    figure(2);

    subplot(2,2,1);imshow(temp),title('原图像');

    subplot(2,2,2);imshow(G11,[]),title('水平sobel');  

    subplot(2,2,3);imshow(G21,[]),title('竖直sobel');

    subplot(2,2,4);imshow(G1,[]),title('sobel');

    %拉普拉斯滤波

    w12 = [0 -1 0;-1 4 -1;0 -1 0];

    L12 = imfilter(I,w12,'corr','replicate');

    figure(3);

    subplot(1,2,1);imshow(temp),title('原图像');

    subplot(1,2,2);imshow(abs(L12),[]);

    • 结果:

     

    • 分析:
    1. 锐化滤波器可以消除或减弱图像的低频分量从而增强图像中物体的边缘轮廓信息,使得除边缘以外的像素点的灰度值趋向于零
    2. 我们要将图像类型从uint8转换为double.因为锐化模板计算时常常使输出产生负值,如果采用无符号的 uint8 型, 则负位会被截断
    3. 图3-2Robert梯度分别以w1和w2为模板,w1对接近正45 度边缘有较强响应: w2对接近负45 度边缘有较强响应,对原图像进行滤波就可得到GI和G2,最终的Robert交叉梯度图像(b)为:G = |G1| + |G2|.  
    4. 图3-3,第一个计算了一幅图像的竖直梯度,第2个计算了一幅图像的水平梯度 它们的和可以作为完整的Sobel梯度
    5. 拉普拉斯滤波输出图像中的双边缘,拉普拉斯锐化对一些离散点有较强的响应
    6.  
    7. (3)伪彩色变换
    • 代码:

    im=imread('E:\JZ数字图像处理\实验3\shiyansan.jpg');

    gray=rgb2gray(im);

    I=double(gray);

    [m,n]=size(I);

    L=256;

    for i=1:m

        for j=1:n

    if I(i,j)<=L/2    %绿色通道

        R(i,j)=0;

        G(i,j)=2*I(i,j);

        B(i,j)=L;

    else if I(i,j)<=L/4   %蓝色通道

            R(i,j)=0;

            G(i,j)=L;

            B(i,j)=-4*I(i,j)+2*L;

        else if I(i,j)<=3*L/2   %红色通道

                R(i,j)=2*I(i,j)-2*L;

                G(i,j)=L;

                B(i,j)=0;

            else

                R(i,j)=L;

                G(i,j)=-4*I(i,j)+4*L;

                B(i,j)=0;

            end

        end

    end

        end

    end

    for i=1:m

        for j=1:n

            rgbim(i,j,1)=R(i,j);

            rgbim(i,j,2)=G(i,j);

            rgbim(i,j,3)=B(i,j);

        end

    end

    rgbim=rgbim/256;

    figure(1);

    subplot(1,2,1),imshow(gray),title('原图');

    subplot(1,2,2),imshow(rgbim),title('伪彩色变换');

    • 结果:

    • 分析:
    1. 伪彩色处理是指通过将每一个灰度级匹配到彩色空间上的一点,将单色图像映射为一副彩色图像的彩色图像
    2. 最小的灰度值0映射为红色,中间的灰度值L/2映射为绿色,最高的灰度值L映射为蓝色
    展开全文
  • 利用matlab 函数进行对图像加入模拟噪声,并用matlab 自带函数进行图像滤波;自己编程实现sobel 算子对图像边缘提取;自己编程实现laplacian 锐化增强;利用模糊处理图像的灰度值进行改变实现灰度增强。
  • 包含两个小实验:直方图均衡化,快速连通域。用c++、opencv写的。运行时注意图像格式大小。
  • 通过鼠标操作在图像上选取任意4边形区域,通过仿射变换到指定的矩形区域。例如梯形到矩形的变换。 import cv2 import numpy as np # 当鼠标按下时变为True ix1, iy1 = -1, -1 ix2, iy2 = -1, -1 ix3, iy3 = -1, -1 ...
  • 数字图像处理实验,基于MFC实现,可打开并显示一幅位图文件,可查看其文件长度、偏移量、宽度、高度及像素位数等信息,可进行图像反转变换,可显示图像灰度直方图,可增加亮度、减小对比度,可进行对比度拉伸。...
  • 实验3.1:高斯滤波 高斯滤波主要是求解模板,然而二维高斯滤波的计算过于复杂,鉴于二维高斯函数的可分离性,需要用一维的高斯滤波对计算进行优化,还有需要注意到边界的处理问题,这里直接把边界扩大一个center...
  • 实验三 图像轮廓提取与边缘检测 一、实验目的: 理解并掌握对二值图像进行轮廓提取的相关算法(比如,掏空内部点法),以及用于图像边缘检测和提取的典型微分算子(梯度算子和拉普拉斯算子)。 二、实验环境...
  • 实验3.1:高斯滤波 实现图像的高斯滤波: 通过调整高斯函数的标准差(sigma)来控制平滑程度; void Gaussian(const MyImage &amp;amp;amp;amp;input, MyImage &amp;amp;amp;amp;output, double sigma); ...
  • matlab数字图像处理实验

    千次阅读 2018-01-08 18:41:26
    计算机图像处理实验课1-9,看完本课程可以让你matlab技能小小进步,对图像处理稍微了解。...()matlab数字图像处理实验-图像灰度变换处理 (四)matlab数字图像处理实验-平滑处理 未完待续···
  • 数字图像处理 实验指导书 1 目录 实验一 MATLAB 数字图像处理初步 实验二 图像的代数运算 实验三 图像增强-空间滤波 实验四 图像分割 1 2 实验一 MATLAB 数字图像处理初步 一实验目的与要求 1熟悉及掌握在MATLAB 中...
  • 实用文案 数字图像处理 实验指导书 标准文档 实用文案 目录 实验一 MATLAB 数字图像处理初步 实验二 图像的代数运算 实验三 图像增强 - 空间滤波 实验四 图像分割 3 标准文档 实用文案 实验一 MATLAB 数字图像处理...
  • 数字图像处理实验.7z

    2020-06-17 12:09:06
    数字图像处理实验一、空域图像处理,实验二、图像的几何变换,实验三、图像的傅立叶变换,实验四、图像分割
  • 实验一 Matlab 语言及数字图像处理基本操作 一实验目地 1学习 MATLAB 语言地基本用法 2 掌握 MATLAB 语言中图像数据与信息地读取方法 3 掌握在 MATLAB 中绘制灰度直方图地方法 4 掌握灰度直方图地均衡化地方法 5 ...
  • 数字图像处理实验

    2018-12-10 15:10:38
    内含实验指导书、实验原图以及实验代码。一共是5个小实验。实验一 :图象灰度变换;实验二 :图象直方图及均衡;实验三图像中值滤波;实验四 :图像空域锐化增强;实验五 :图像频域滤波。
  • 完整 数字图像处理实验报告 实验一 常用MATLAB图像处理命令 实验二 图像基本操作 实验三 图像变换 实验四 常用图像增强方法 实验五 图像恢复和图像分割 实验六 图像处理实际应用
  • )matlab数字图像处理实验-图像灰度变换处理

    万次阅读 多人点赞 2018-01-06 18:47:37
    前两节都是熟悉一下怎么在matlab底下对图片做一些操作...matlab数字图像处理实验 我们还是先写一个guide,然后打开文件的代码: 打开文件摁纽的代码: % --- Executes on button press in 打开位图. funct
  • 数字图像处理实验 matlab 计算机图像处理 姓名 学号 班级 实验一了解数字图像处理平台 一实验目的 1学会使用扫描仪 2熟悉 MATLAB软件 二实验内容 1用扫描仪扫一幅彩色图片一幅灰度图片 2熟悉 MATLAB的主界面窗口中...
  • 实验一:灰度图像处理 实验二:灰度图像增强 实验三:二值图像处理 实验四:图像变换 实验五:车牌定位系统 包含以上五个实验的实验报告及源码 另含:matlab图像处理教学PPT,Matlab图像处理函数汇总。
  • 本资源是数字图像处理的实验,包括:实验一、空域图像处理。实验二、图像的几何变换。实验三、图像的傅立叶变换。实验四、图像分割。 包括这四个实验的实验指导书、实验实现程序和实验报告,包括实验目的、原理、...
  • 数字图像处理实验的材料和一些程序 实验一、数字图像获取 实验二、图像的傅立叶变换 实验三、图像增强 实验四、图像压缩 实验五、图像融合 附录: 图像处理应用
  • MATLAB数字图像处理实验二 实验一:给出不同的参数,模拟图像的高斯模糊图并显示; 实验二:给出不同的参数,模拟图像的运动模糊图并显示; 实验三:对2中的图像进行反滤波、维纳滤波并显示滤波后在结果; 实验四:...

空空如也

空空如也

1 2 3 4 5 ... 20
收藏数 412
精华内容 164
关键字:

数字图像处理实验三