Matlab图像处理创新实践-实验1【图像滤波基础（1）】

Matlab图像处理创新实践-实验2【图像滤波基础（2）】

Matlab图像处理创新实践-实验3【图像锐化】

Matlab图像处理创新实践-实验4【大实验——GUI综合设计】

Matlab实验4——GUI程序操作说明

目录

一、实验目的

二、实验内容

三、实验过程及结果

步骤1、2

步骤3

步骤4

步骤5

步骤6、7

步骤8、9、10

四、分析与思考

附录：代码汇总

主文件——ex3.m

函数文件

一、实验目的

掌握matlab环境下，函数的编写方法；熟悉并了解图像处理中空域滤波的概念，通过实际操作掌握滤波器的生成和基本的滤波；理解图像锐化的实现方法和步骤，理解图像锐化的基本理论。

二、实验内容

步骤1：用手机给自己拍一张美照（必须是本人照片）；

步骤2：将你的照片放到计算机内；

步骤3：启动Matlab，并通过imread(); 读取该照片，然后通过imshow()进行显示。如果图片过大，可以通过imresize(A,m)进行缩小，其中A为图像，m为尺寸变化系数，比如可设为0.2，尺寸为原来的五分之一；

步骤 4：利用rgb2gray()函数将图像转换为灰度图像；

步骤5：利用一种平滑滤波器，F，如9*9的均值滤波器或高斯滤波器，通过new_im = filter2(F, im)对图像进行滤波；

步骤6：利用double()将原图像类型转换为浮点型，然后按照“原图像 + 原图像 - 平滑图像”的模式，进行计算；

步骤7：利用uint8()或mat2gray()将得到的结果图像，进行类型转换，并将原图像和锐化后的图像一同显示在窗口中；

步骤8：利用一种边缘滤波器，FF，如sobel、prewitt等，通过new_im = filter2(FF, im)对图像进行滤波；

步骤9：利用double()将原图像类型转换为浮点型，然后按照“原图像 + 边缘图像”的模式，进行计算；

步骤10：利用uint8()或mat2gray()将得到的结果图像，进行类型转换，并将原图像和锐化后的图像一同显示在窗口中；

注意：锐化操作的代码需形成函数文件（.m后缀），文件名为姓名的汉语拼音，如zhangsan.m，参考原型如下：

function out_im = zhangsan(input_im)

三、实验过程及结果

【在这里描述下你的实验操作过程和相应代码，以及你得到的最终结果，需图文并茂】

步骤1、2

步骤1：用手机给自己拍一张美照（必须是本人照片）；

步骤2：将你的照片放到计算机内；

Matlab内置图片：Peppers.png

步骤3

步骤3：启动Matlab，并通过imread(); 读取该照片，然后通过imshow()进行显示。如果图片过大，可以通过imresize(A,m)进行缩小，其中A为图像，m为尺寸变化系数，比如可设为0.2，尺寸为原来的五分之一；

步骤4

步骤 4：利用rgb2gray()函数将图像转换为灰度图像；

步骤5

步骤5：利用一种平滑滤波器，F，如9*9的均值滤波器或高斯滤波器，通过new_im = filter2(F, im)对图像进行滤波；

Matlab内置图片：saturn.png

步骤6、7

步骤6：利用double()将原图像类型转换为浮点型，然后按照“原图像 + 原图像 - 平滑图像”的模式，进行计算；

步骤7：利用uint8()或mat2gray()将得到的结果图像，进行类型转换，并将原图像和锐化后的图像一同显示在窗口中；

步骤8、9、10

步骤8：利用一种边缘滤波器，FF，如sobel、prewitt等，通过new_im = filter2(FF, im)对图像进行滤波；

步骤9：利用double()将原图像类型转换为浮点型，然后按照“原图像 + 边缘图像”的模式，进行计算；

步骤10：利用uint8()或mat2gray()将得到的结果图像，进行类型转换，并将原图像和锐化后的图像一同显示在窗口中；

注意：锐化操作的代码需形成函数文件（.m后缀），文件名为姓名的汉语拼音，如zhangsan.m，参考原型如下：

function out_im = zhangsan(input_im)

四、分析与思考

【在此描述下你从该实验中得出的结论，并对实验结果进行分析，解释下锐化实现的过程和规律，例如滤波器参数的变化会导致锐化结果发生怎样的变化，可以查阅资料，该部分占最终成绩的50%】

此次实验，收获甚多，学会了Matlab中函数的使用。Matlab中函数的使用较为灵活，可以传递多个形式参数且形式参数的可使用数据类型比较多。使用函数，应尽可能地令函数功能最小化，一个函数不要实现太多的功能。

锐化图像的实现过程1：

首先利用grb2gray()函数将图像转换为灰度图像；

然后使用边缘滤波器对灰度图像进行滤波（均值滤波器与高斯滤波器对图像进行滤波的效果较好），得到灰度图像的较为模糊的平滑图像；

使用原图减去滤波结果图，得到突出边缘轮廓的高频图；

最后，将原图加上突出边缘轮廓的高频图，即可得到锐化结果图。观察锐化结果图可以看出：锐化后的图像轮廓比原图像的轮廓清晰且锐化结果图清晰度更高。

锐化图像的实现过程2：

首先利用grb2gray()函数将图像转换为灰度图像；

然后使用边缘滤波器对灰度图像进行滤波（均值滤波器与高斯滤波器对图像进行滤波的效果较好），得到灰度图像的较为模糊的平滑图像；

原图+滤波结果图，即可得到锐化结果图。

附录：代码汇总

主文件——ex3.m

%--------步骤3--------
x = imread('saturn.png'); % 读取图片：将图像数据读取到Matlab环境中 peppers.png：Matlab内置图片
imshow(x);                % 显示图片
% 警告: Image is too big to fit on screen; displaying at 8%
% > In imuitools\private\initSize at 71
%   In imshow at 282 %--------步骤3--------
smallx = imresize(x, 0.05); % 缩小图片
figure, imshow(smallx);     % figure：生成新的图片窗口，不覆盖原窗口% --------步骤4--------
x = imread('saturn.png');  % 读取图片：将图像数据读取到Matlab环境中
smallx = imresize(x, 0.05);
imshow(smallx);
gx = rgb2gray(smallx);
f1  = fspecial('average', 5);
gx1 = filter2(f1, gx);
figure, imshow(uint8(gx1));% --------步骤5-------- 利用平滑滤波器，对图像进行滤波
x = imread('saturn.png');  % 读取图片：将图像数据读取到Matlab环境中
smallx = imresize(x, 0.05);
gx = rgb2gray(smallx);f1 = fspecial('average', [9 9]);  % 1、9*9均值滤波器
gx1 = filter2(f1, gx);
f2 = fspecial('gaussian', [9 9]); % 2、高斯滤波器
gx2 = filter2(f2, gx);
f3 = fspecial('laplacian');       % 3、拉普拉斯滤波器
gx3 = filter2(f3, gx);
f4 = fspecial('sobel');           % 4、sobel滤波器
gx4 = filter2(f4, gx);
f5 = fspecial('prewitt');         % 5、prewitt滤波器
gx5 = filter2(f5, gx);subplot(2, 3, 1);imshow(smallx);title('缩小至原来的0.05倍');
subplot(2, 3, 2);imshow(uint8(gx1));title('1、9*9均值滤波器');
subplot(2, 3, 3);imshow(uint8(gx2));title('2、9*9高斯滤波器');
subplot(2, 3, 4);imshow(uint8(gx3));title('3、拉普拉斯滤波器');
subplot(2, 3, 5);imshow(uint8(gx4));title('4、sobel滤波器');
subplot(2, 3, 6);imshow(uint8(gx5));title('5、prewitt滤波器');% --------步骤5-------- 利用平滑滤波器，对图像进行滤波
x = imread('saturn.png'); % 读取图片：将图像数据读取到Matlab环境中
smallx = imresize(x, 0.05);
imshow(smallx);
gx = rgb2gray(smallx);f1  = fspecial('average', 5); % 1、均值滤波器
gx1 = filter2(f1, gx);
f2  = fspecial('gaussian');   % 2、高斯滤波器
gx2 = filter2(f2, gx);
f3  = fspecial('laplacian');  % 3、拉普拉斯滤波器
gx3 = filter2(f3, gx);
f4  = fspecial('sobel');      % 4、sobel滤波器
gx4 = filter2(f4, gx);
f5  = fspecial('prewitt');    % 5、prewitt滤波器
gx5 = filter2(f5, gx);
f6  = fspecial('disk');       % 6、disk滤波器
gx6 = filter2(f6, gx);
f7  = fspecial('log');        % 7、log滤波器
gx7 = filter2(f7, gx);
f8  = fspecial('motion');     % 8、motion滤波器
gx8 = filter2(f8, gx);
subplot(3, 3, 1);imshow(smallx);title('缩小至原来的0.05倍');
subplot(3, 3, 2);imshow(uint8(gx1));title('1、均值滤波器');
subplot(3, 3, 3);imshow(uint8(gx2));title('2、高斯滤波器');
subplot(3, 3, 4);imshow(uint8(gx3));title('3、拉普拉斯滤波器');
subplot(3, 3, 5);imshow(uint8(gx4));title('4、sobel滤波器');
subplot(3, 3, 6);imshow(uint8(gx5));title('5、prewitt滤波器');
subplot(3, 3, 7);imshow(uint8(gx6));title('6、disk滤波器');
subplot(3, 3, 8);imshow(uint8(gx7));title('7、log滤波器');
subplot(3, 3, 9);imshow(uint8(gx8));title('8、motion滤波器');%--------步骤6、7-------- 得到图像锐化图：方案1、使用“平滑滤波器”
x = imread('saturn.png');  % 读取图片：将图像数据读取到Matlab环境中
smallx = imresize(x, 0.05);
gx = rgb2gray(smallx);
sharpx = luweixing(gx, 5);F  = fspecial('average', [9 9]); % 1、9*9均值滤波器
y  = filter2(F, gx);
xy = double(gx) - y;  % 进行数据转换，保证数据类型一致；高频图、轮廓、边缘
subplot(2, 2, 1);imshow(gx);title('灰度图像');
subplot(2, 2, 2);imshow(uint8(y),  []);title('1、利用滤波器，对图像进行滤波');
subplot(2, 2, 3);imshow(uint8(xy), []);title('2、高频图，突出边缘轮廓');
subplot(2, 2, 4);imshow(uint8(sharpx));title('3、锐化结果图');%--------步骤8、9、10-------- 得到图像锐化图：方案2、原图+边缘图
x = imread('saturn.png');
smallx = imresize(x, 0.05);
gx = rgb2gray(smallx);
sharpx = luweixing(gx);
imshow(uint8(sharpx));F2  = fspecial('prewitt');
y2  = filter2(F2, gx);      % 反映边缘结构情况
sharpx2 = double(gx) + y2;  % 原图像+边缘图像subplot(2, 2, 1);imshow(gx);title('灰度图像');
subplot(2, 2, 2);imshow(uint8(y2), []); title('利用滤波器，对图像进行滤波');
subplot(2, 2, 3);imshow(uint8(sharpx)); title('锐化方案1、使用“平滑滤波器”');
subplot(2, 2, 4);imshow(uint8(sharpx2));title('锐化方案2、原图+边缘图');

函数文件

% 输入图像，输出锐化结果（锐化图：提高图像的清晰度）
function X = luweixing( im, Size ) % im：灰度图像作为形参
%UNTITLED5 此处显示有关此函数的摘要
%   此处显示详细说明
F = fspecial('prewitt'); % F = fspecial('prewitt', Size);
y = filter2(F, im);
xy = double(im) - y;  % 进行数据转换，保证数据类型一致；高频图、轮廓、边缘
X  = double(im) + xy; % 原图+轮廓：清晰度更高
end

Matlab图像处理创新实践-实验3【图像锐化】相关推荐

Matlab图像处理创新实践-实验2【图像滤波基础（2）】
Matlab图像处理创新实践-实验1[图像滤波基础(1)] Matlab图像处理创新实践-实验2[图像滤波基础(2)] Matlab图像处理创新实践-实验3[图像锐化] Matlab图像处理创新实践- ...
Matlab图像处理创新实践-实验1【图像滤波基础（1）】
Matlab图像处理创新实践-实验1[图像滤波基础(1)] Matlab图像处理创新实践-实验2[图像滤波基础(2)] Matlab图像处理创新实践-实验3[图像锐化] Matlab图像处理创新实践- ...
Matlab图像处理创新实践-实验4【综合设计大实验——GUI综合设计】
Matlab图像处理创新实践-实验1[图像滤波基础(1)] Matlab图像处理创新实践-实验2[图像滤波基础(2)] Matlab图像处理创新实践-实验3[图像锐化] Matlab图像处理创新实践- ...
2020-2021学年——图像图形编程实践实验4_Canny图像边缘检测
Canny图像边缘检测实验目的了解并掌握使用微分算子进行图像边缘检测的基本原理: 了解Canny边缘检测原理与实现,进一步理解图像锐化的实质. 实验设备 PC机.matlab2018b 实验原理 ...
2020-2021学年——图像图形编程实践实验2_图像的基本运算
图像的基本运算实验目的 1．了解图像的算术运算在数字图像处理中的初步应用; 2．体会图像算术运算处理的过程和处理前后图像的变化. 实验设备 PC机.matlab2018b 实验原理图像的代数运 ...
[Python图像处理] 四十二.Python图像锐化及边缘检测万字详解（Roberts、Prewitt、Sobel、Laplacian、Canny、LOG）
该系列文章是讲解Python OpenCV图像处理知识,前期主要讲解图像入门.OpenCV基础用法,中期讲解图像处理的各种算法,包括图像锐化算子.图像增强技术.图像分割等,后期结合深度学习研究图像识别 ...
2020-2021学年——图像图形编程实践实验1_图像二值化
图像二值化实验目的 1．熟练掌握在MATLAB中如何读取图像. 2．掌握如何利用MATLAB来获取图像的大小.颜色.高度.宽度等等相关信息. 3．掌握如何在MATLAB中按照指定要求存储一幅图像的方 ...
图像的平滑与锐化代码matlab_【图像处理】轻松搞懂图像锐化
图像锐化的目的是使模糊图像变清晰,方法可以大致分为两类:微分法.高频加重滤波法.其中微分法可以分为梯度法.Sobel算子法.Laplace算子法. 在做图像锐化时要注意,处理的图像必须有较高的信噪比, ...
OpenCV图像处理空间域图像增强（图像锐化 1 基于拉普拉斯算子）
http://ggicci.blog.163.com/blog/static/210364096201262123236955/ OpenCV OpenCV 图像锐化拉普拉斯算子 ( Laplaci ...

Matlab图像处理创新实践-实验3【图像锐化】

一、实验目的

二、实验内容

三、实验过程及结果

步骤1、2

步骤3

步骤4

步骤5

步骤6、7

步骤8、9、10

四、分析与思考

附录：代码汇总

主文件——ex3.m

函数文件

Matlab图像处理创新实践-实验3【图像锐化】相关推荐

最新文章

热门文章