数字图像处理实验之Matlab对图像的基本处理
一、运用Matlab对图像的基本处理
1、提取Lena图像的左半上角部分,与原始Lena图像在同一个figure中显示,并做适当命名
a =imread('Lena.bmp');%读取图片
[m, n, c]=size(a);%取行数m和列数n
half_x=floor(m/2);%floor是对m/2的结果取整,向下取整;ceil向上取整
half_y=floor(n/2);
img_b=a(1:half_x,1:half_y,:);%取左半上角
figure;%figure创建图窗窗口
subplot(1,2,1);%一个fugure图形生成一行两列两个子图,当前图像显示在第一个位置
imshow(a);title('原始图像')%输出图像到板块上
subplot(1,2,2);%第二个位置放更改后的图像
imshow(img_b);title('左半上角')
效果图
2、利用 imnoise , 对原始Lena图像叠加高斯噪声,产生4幅、14幅、140幅的含噪图像。对这些含噪图像采用 相加 运算,来验证、比较图像相加消除叠加性噪声的效果。将原始图像、1幅噪声图像、1幅相加去噪结果图像显示在一个figure 中
% 利用 imnoise , 对原始Lena图像叠加高斯噪声,产生4幅含噪图像
% g=imnoise(图像名称,‘gaussian’,m,var) 均值m,方差为var的高斯噪声添加到原图像上,默认值均值是0,方差为0-1img1=imread('Lena.bmp'); %图形文件读取图像MATLAB空间 A = imread(filename)
%高斯噪声,图像是img,均值为0,方差为
nos1 = imnoise(img1,'gaussian',0,0.02);
nos2=imnoise(img1,'gaussian',0,0.03);
nos3=imnoise(img1,'gaussian',0,0.05);
nos4=imnoise(img1,'gaussian',0,0.07);figure('Name','原始图像和4幅的含噪图像');
subplot(2,3,1); imshow(img1); title('原图');%两行三列第一张图
subplot(2,3,2); imshow(nos1); title('方差0.02的高斯');
subplot(2,3,3); imshow(nos2); title('方差0.03的高斯');
subplot(2,3,4); imshow(nos3); title('方差0.05的高斯');
subplot(2,3,5); imshow(nos4); title('方差0.07的高斯');
%产生4幅、14幅、140幅的含噪图像。对这些含噪图像采用 相加 运算,来验证、比较图像相加消除叠加性噪声的效果。
img1=im2double(img1); %将img1数据类型转换成双精度
% A=im2double(A);
nos3=im2double(nos3); %14幅的含噪图像
for i=1:14 %i从1到14,每次增加一个,该共循环14次,每写一层循环,必须以end结尾
nos1 = imnoise(img1,'gaussian',0,0.02);
A=imadd(nos1,img1);%对原始图像和含噪图像继续叠加
% figure();imshow(nos1); %将14幅图像显示出来
end
% figure('Name','原始图像与nos1的叠加');imshow(A);
avg_A=A/15;%求叠加后的平均图像%140幅的含噪图像
for i=1:140 nos3 = imnoise(img1,'gaussian',0,0.05);B=imadd(nos3,img1);%对原始图像和含噪图像3叠加
% figure();imshow(nos3);
end
% figure('Name','原始图像与nos3的叠加');imshow(B);figure('Name','综合');
subplot(1,3,1);imshow(img1);title('原始图像');
subplot(1,3,2);imshow(nos1);title('噪声图像');
subplot(1,3,3);imshow(avg_A);title('相加去噪结果图像');
二、熟悉Matlab基本编程
1、利用 imresize , 采用nearest方法先将Lena缩小2倍后再分别采用nearest、bilinear、bicubic方法放大4倍,显示在不同的Figure中
I=imread('Lena.bmp');
I_shrink_2_nearest=imresize(I,0.5,'nearest');%Lena缩小2倍
figure; imshow(I); title('原图');
figure; imshow(I_shrink_2_nearest);title('nearest:缩小2倍的图')
I_magnify_4_nearest=imresize(I_shrink_2_nearest,4,'nearest');%用nearest方法将I_shrink_2_nearest 放大4倍
figure; imshow(I_magnify_4_nearest);title('nearest:放大4倍的图')
%用bilinear方法 将I_shrink_2_nearest 放大4倍
I_magnify_4_bilinear=imresize(I_shrink_2_nearest,4,'bilinear');
figure; imshow(I_magnify_4_bilinear);title('bilinear:放大4倍的图')
%用bicubic方法 将I_shrink_2_nearest 放大4倍的图
I_magnify_4_bicubic=imresize(I_shrink_2_nearest,4,'bicubic');
figure; imshow(I_magnify_4_bicubic);title('bicubic:放大4倍的图')
2、利用循环逐像素点计算原始Lena图像的均值和方差
img1=imread('Lena.bmp');
[r,c,k]=size(img1);%取图像的行数r和列数cs=0;
for x=1:r %从1遍历到r行
for y=1:c %从1遍历到c列
s=s+img1(x,y);%求像素值总和 s , img1(x,y)表示位于某个坐标下的像素值
end
endimg1_mean = s/(r*c); %按公式计算,像素值总和除以像素个数。
Matlab_img1_mean1=mean2(img1); %Matlab方法一 : mean2()矩阵元素的平均值或均值
Matlab_img1_mean2=mean(mean(img1)); %Matlab方法二: 先计算列向量均值,再求总均值。temp=0;
for i =1:r
for j =1:c
temp=temp+(img1(x,y)-img1_mean)^2; %求得所有像素与均值的平方和。
end
endimg1_var = temp/(r*c-1); %利用方差公式求得
% Matlab方法一: B = std2(A) 计算数组 A 中所有值的标准差。方差=标准差^2
Matlab_img1_std1=std2(img1)^2;
% Matlab_img1_std2=var(img1(:)); % Matlab方法二:利用方差函数var求得
4、不用 imresize , 利用循环将Lena图像以nearest方式缩小2倍放大2倍
img_11=imread('Lena.bmp');
[row,col]= size(img_11); %% 获得图像的行列数及色板数
p=0.5;
q=0.5;
m=round(p*row); % 新图像行
n=round(q*col); % 新图像列for i=1:m
for j=1:n
x=round(i/p);
y=round(j/q);
new_img_11(i,j)=img_11(x,y,:);
end
end
b=uint8(new_img_11);
figure;
imshow(b);title('最邻近插值缩小2倍放大2倍')
%利用循环将任一灰度图像以nearest方式行缩放p倍,列缩放q倍
p=input('输入行缩放倍数(大于0的任意正实数):\n');
q=input('输入列缩放倍数(大于0的任意正实数):\n');
a=imread('Lena.bmp');
[m,n,c]=size(a);
new_m=ceil(p*m);%ceil函数向上取整
new_n=ceil(q*n);
new_a=zeros(new_m,new_n,c);%zeros函数是用于返回一个double类零矩阵for i=1:new_m
for j=1:new_n
% 缩放后的图像坐标在原图像处的位置
x=round(i/p);
y=round(j/q);
if (x<1)
x=1;
end
if (x>m)
x=m;
end
if (y<1)
y=1;
end
if (y>n)
y=n;
end
% 将缩放后的图像坐标在原图像处的位置的灰度值赋值给缩放后的图像
new_a(i,j,:)=a(x,y,:);
end
endnew_a=uint8(new_a);
figure;
imshow(a);%显示坐标轴
axis on
title(['原图像(大小为:',num2str(m),'X',num2str(n),'X',num2str(c),')']);%转换成字符串表示形式
figure;imshow(new_a);
axis on
title(['缩放后的图像(大小为:',num2str(new_m),'X',num2str(new_n),'X',num2str(c),')']);
有不懂的函数可以在这里输入相应的函数,有解释的MathWorks - MATLAB 和 Simulink的制造者 - MATLAB & Simulink
有错误的话,欢迎纠错
数字图像处理实验之Matlab对图像的基本处理相关推荐
- matlab数字图像实验报告,数字图像处理实验报告(matlab)
数字图像处理实验报告(matlab) 学院:自动化学院 班级:电081班 姓名:李林树 学号:40850099 2011年10月 实验一 直方图均衡化 一. 实验目的: 1. 熟悉图像数据在计算机中的 ...
- matlab图像处理基础实验,数字图像处理实验报告 Matlab图像处理基础
<数字图像处理实验报告 Matlab图像处理基础>由会员分享,可在线阅读,更多相关<数字图像处理实验报告 Matlab图像处理基础(27页珍藏版)>请在人人文库网上搜索. 1. ...
- 数字图像处理实验(一)|图像的基本操作和基本统计指标计算{图像读取imread、图像写入imwrite、图像显示imshow、图像的相关统计量|均值、方差、大小尺寸裁减旋转|}(附实验代码和实验截图)
文章目录 一.实验目的 二.实验主要仪器设备 三.实验原理 (1)将一幅图像视为一个二维矩阵. (2)利用MATLAB图像处理工具箱读.写和显示图像文件. (3)计算图像的有关统计参数. (4)改变图 ...
- 数字图像处理matlab实验对图像复原,数字图像处理实验07图像的复原处理
数字图像处理实验 一.数字图像处理实验 实验七 图像的复原处理 一.实验目的 熟悉几种在实际应用中比较重要的图像复原技术,学会用MATLAB复原函数对退化图像进行复原处理. 二.实验内容 1.用点扩散 ...
- 图像处理边缘增强matlab,数字图像处理实验 matlab 图像增强 边缘检测 图像操作.doc...
数字图像处理实验 matlab 图像增强 边缘检测 图像操作 实验1 点运算和直方图处理 实验目的 1. 掌握利用Matlab图像工具箱显示直方图的方法 2. 掌握运用点操作进行图像处理的基本原理. ...
- 实验1 数字图像处理的MATLAB基础,《数字图像处理(实验部分)》实验1_数字图像处理中MATLAB使用基础...
<数字图像处理(实验部分)>教案 实验一:数字图像处理中MATLAB使用基础实验 一. MATLAB软件安装 二. 进入MATLAB运行环境 三. MATLAB编程基础 3.1.变量 预定 ...
- 数字图像处理实验四图像频域增强
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)熟练掌握低通.高通.带通.同态滤波器的使用方法,明确不同性质的滤波器对图像的影响 ...
- 数字图像处理实验七--图像压缩编码
数字图像处理实验七 (图像压缩编码) 实验内容: 基于游程编码的图像压缩 基于离散余弦变换的图像压缩 实验步骤: 使用给定的图像lena做实验,采用im2bw把灰度图像转换为二值图像,试计算二值化时阈 ...
- c语言米粒数实验报告,数字图像处理实验报告米粒.doc
数字图像处理实验报告米粒 一.任务描述 本次试验的主要任务是用matlab编写程序确定图1(原始图像)中的米粒个数,达到能辨认连接的两个米粒和不足一个的米粒的精确度,并计算出了米粒的平均大小,标识出了 ...
- c语言米粒数实验报告,数字图像处理实验报告米粒
数字图像处理实验报告米粒 (4页) 本资源提供全文预览,点击全文预览即可全文预览,如果喜欢文档就下载吧,查找使用更方便哦! 9.9 积分 -x任务描述本次试验的主要任务是用matlab编写程序确定图1 ...
最新文章
- 在ComboBox控件中使用嵌入字体。
- 1、创建数据表(CREATE TABLE语句)
- 微信验证服务器是怎么回事,微信服务器认证为什么需要这么多参数?
- ×××技术在ATM机无线组网中的应用
- Spring Boot之HelloWorld
- Linux下的tar压缩解压缩命令详解(转)
- JVM探索之路之Class文件结构解析(一):Class文件的格式与定义
- 51单片机 | 模拟PWM调制控制实验
- 想做数据化转型,为什么必须要上企业级BI?
- java private是什么_java private 干什么用
- inDesign教程,如何制作个性化的感谢卡?
- 所以小学把基础的数理逻辑和ZFC集论,基数序数超滤模型论学好,大有裨益…...
- python中的head函数_Pandas DataFrame.head()用法例子
- 严蔚敏《数据结构》——二叉树
- katacontainers启动分析
- 成为数据库专家必读书目推荐
- kafka自定义生产者分区器、自定义消费者分区器
- obs上传文件到服务器,文件上传到obs
- Python输入三个值,判断是否为等腰等边直角三角形,求1+2N+3N+4N+5N...20N的和的两个程序代码
- 【Ware】免费的格式转换软件推荐