-
实验三 图像处理MATLAB 实验
（一） 实验目的和要求
1. 熟悉MATLAB中数字图像处理工具箱（Image Processing Toolbox）的基本使用方法和常用函数； 2. 熟练图像的矩阵表示方法；
3. 掌握图像处理的基本算法及函数调用，如直方图、二值化、图像分割、图像增强、图像变换等等。 4. 通过MATLAB在图像处理中的应用，体会MATLAB矩阵运算的技巧。
（二） 实验设备及材料
计算机，MATLAB2010
（三） 实验内容
1． 对任意灰度图像（最好是MATLAB 自带图像）进行以下操作：
a. 输入一幅灰度图像；
b. 调用im2bw，输出其二值化图像； c. 调用imhist函数，输出其直方图；
d. 其上输入输出放在一个figure中，并加title。以脚本文件的形式保存。
2. 自己编写二值化函数、直方图函数，以函数文件的形式保存。通过调
用自己编写的函数验证其有效性。
3. 对任意灰度图像加高斯噪声，利用中值滤波和平均滤波对其进行平
滑，观察平滑效果，将原图像、噪声图像、滤波后图像显示在一个figure中。
4. 通过调用edge函数对任意图像进行边缘提取，使用3种以上的算子
（如sobel\\prewitt等），比较每种算子分割效果，在一个figure中显示。
5、用MATLAB实现对图像的JPEG压缩编码。（此题不做要求，感兴趣的同学可以尝试编写）
解：1、如下所示： I=imread(''); subplot(2,2,1); imshow(I)
title(' 源图像'); bw=im2bw(I,; subplot(2,2,2); imshow(bw)
title('二值化图像');
11
-
subplot(2,2,3) imhist(I)
title(' 直方图');
在命令窗键入m文件名：shiyan3cell 结果如下所示：
2、直方图函数文件如下： %文件名为
function y=zft(I)
x=double(I);
Error in zft1 (line 8) h(f)=h(f)+1;
调用显示程序如下：
(1)当读入的图像为RGB彩色图像时要转成灰度图像再求其直方图 I=imread(''); x=rgb2gray(I); s=zft1(x);
subplot(2,2,1); imshow(I)
title(' 源图像'); subplot(2,2,2); imshow(x)
title(' 灰度图像'); subplot(2,2,3); bar(s)
title(' 直方图') y=imhist(x); subplot(2,2,4); bar(y)
title(' matlab自带的直方图函数imhist的图'); 结果如下：
22
-
(2)当读入的图像自身就为灰度图像时直接求其直方图 I=imread(''); s=zft1(I);
subplot(2,2,1); imshow(I)
title(' 源图像'); subplot(2,2,2); bar(s)
title(' 直方图') y=imhist(I); subplot(2,2,3); bar(y)
title(' matlab自带的直方图函数imhist的图'); 运行结果如下：
33
-
二值化函数文件如下： %function函数名为
function k=erzhi(I) I=double(I); else IK(p,q)=0; end end end
k=uint8(IK);
当为赋值逻辑1时，函数文件如下： function k=erzhi(I) [M,N]=size(I); IK=I;
for p=1:M; for q=1:N;
if I(p,q)>=90
logical(IK(p,q))= 1; else
44
-
IK(p,q)=0; end end end
k=uint8(IK);
调用显示程序如下：
(1)当读入的为RGB彩色图像时，要用rgb2gray函数将其转成灰度图像 I=imread(''); X=rgb2gray(I); t=erzhi (X); subplot(1,3,1); imshow(I)
title(' 源图像'); subplot(1,3,2); imshow(X)
title('灰度图像'); subplot(1,3,3); imshow(t)
title(' 二值化图像'); 显示图像如下所示：
55
-
(2)当读入的图像本身就是灰度图像时直接二值化即可，如： I=imread('') ; t=erzhi(I); subplot(1,2,1); imshow(I)
title(' 源图像'); subplot(1,2,2); imshow(t)
title(' 二值化图像'); 运行结果如下所示：
66
-
3、程序如下所示：
M=imread('') ; subplot(2,2,1);
imshow(M) title('原始图像');
P1=imnoise(M,'gaussian',0,; subplot(2,2,2);
imshow(P1) title('加高斯噪声图像');
K=fspecial('average',[5,5]); //预定义滤波函数 p2=filter2(K,P1)/255; subplot(2,2,3); imshow(p2)
title('平均滤波后图像');
P3=medfilt2(P1); subplot(2,2,4); 77
-
imshow(P3) title('中值滤波图像'); 图像如下：
如图可见，对于高斯噪声，均值滤波效果比中值滤波效果好。原因： (1)高斯噪声是幅值近似正态分布，但分布在每点像素上。
(2)因为图像中的每点都是污染点，所以中值滤波选不到合适的干净点。
(3)因为正态分布的均值为0，所以均值滤波可以消除噪声。（实际上只能减弱，不能消除。）
4、用Sobel、roberts、log、 prewitt四种边缘提取函数 I=imread('');
BW1=edge(I, 'roberts'); BW2=edge(I,'sobel'); BW3=edge(I,'log'); BW4=edge(I, 'prewitt');
subplot(2,3,1);
imshow(I) title('源图像')
subplot(2,3,2);
imshow(BW1)
title('用Roberts算子') subplot(2,3,3); imshow(BW2)
title('用Sobel算子 ') subplot(2,3,4); imshow(BW3)
title('用拉普拉斯高斯算子') subplot(2,3,5); imshow(BW4)
title(' 用prewitt 算子')
88
-
实验结果如下所示：
99
