新编数字图像处理实验

（1）直方图均衡化 close all

img=imread('C:\\Program Files\\MATLAB\\R2009a\\work\\Sunset1','bmp'); >> gray_img=rgb2gray(img);

>> subplot(1,2,1);histeq(gray_img); subplot(1,2,2);imhist(histeq(gray_img));

（2）直方图规定化 close all

img=imread('C:\\Program Files\\MATLAB\\R2009a\\work\\Sunset1','bmp'); img1=imread('C:\\Program Files\\MATLAB\\R2009a\\work\\Winter','jpg'); gray_img=rgb2gray(img); gray_img1=rgb2gray(img1);

subplot(1,4,1);imshow(gray_img1); subplot(1,4,2);imhist(gray_img1); [f g]=imhist(gray_img);

new_img=histeq(gray_img,f); subplot(1,4,3);imshow(new_img); subplot(1,4,4);imhist(new_img);

2）对比度调整

close all

img=imread('C:\\Program Files\\MATLAB\\R2009a\\work\\Winter','jpg'); gray_img=rgb2gray(img);

gray1=imadjust(gray_img,[0.0,1],[0.2,1],5); subplot(1,4,1);imshow(gray1); subplot(1,4,2);imhist(gray1);

gray2=imadjust(gray_img,[0.0,1],[0.2,1],0.5); subplot(1,4,3);imshow(gray2); subplot(1,4,4);imhist(gray2)

五、思考题

1.数字图像直方图均衡化之后直方图为什么不是绝对平坦的？ 2.如何实现图像局部直方图均衡化？

实验二 图像的空间域滤波

一、实验目的

1.掌握图像滤波的基本定义及目的 2.了解空间域滤波的基本原理及方法 3.掌握进行图像的空域滤波的方法 二、实验内容及要求 1.平滑滤波

1）读出图像，给这幅图像分别加入高斯噪声和椒盐噪声后与前一张图像显示在同一图像窗口中。

2）对加入噪声的图像选用不同的平滑（低通）模板做运算，对比不同模板所形成的效果，要求在同一窗口中显示。

3）使用函数imfilter时，分别采用不同的填充方法（或边界选项，如零填充，‘replicate’、’symmetric’、’circular’）进行低通滤波，显示处理后的图像。

4）运用for循环，将加有椒盐噪声的图像进行10次，20次均值滤波，查看其特点，显示均值处理后的图像（提示利用fspecial函数和average类型生产均值滤波器）

5）对加入椒盐噪声的图像分别采用均值滤波器，和中值滤波器对有噪声的图像做处理，要求在同一窗口显示结果。

6）自己设计平滑滤波器，并将其对噪声图像进行处理，显示处理后的图像 2.锐化空间滤波

1）读出图像，采用3×3的拉普拉斯算子W=【1，1，1；1；1，-8，1；1，1，1】对其进行滤波

2）编写函数W=genlaplacian(n)自动产生任一奇数尺寸的拉普拉斯算子，如5×5的拉普拉斯算子

W=[1 1 1 1 1

1 1 1 1 1

-24 1 1 1 1

1 1 1 1 1

1 1 1 1 1]

3)分别采用5×5，9×9，15×15和25×25大小的拉普拉斯算子对图像进行滤波，并利用公式 g(x,y)?f(x,y)??2f(x,y)完成对图像的锐化增强，观察其有何不同，要求在同一窗口显示 4)采用不同的梯度算子对图像进行锐化滤波，并比较其效果

5)自己设计锐化滤波器，并将其对噪声图像进行处理，显示处理后的图像 三、实验原理与算法分析 1.空间域增强

空间域滤波是在图像空间中借助模板对图像进行领域操作，处理图像每个像素的取值都是根据模板对输入像素相应领域内的像素值进行计算得到的，空域滤波基本上是让图像在频域空间内某个范围的分量受到抑制，同时保证其他分量不变，从而改变输出图像的频率分量，达到增强图像的目的。

空间域滤波一般分为线性滤波和非线性滤波两类，线性滤波器的设计基于对傅立叶变换的分析。非线性空域滤波器则一般直接对领域进行操作。各种空域滤波器根据功能主要分为平滑滤波器和锐化滤波器，平滑可以通过低通来实现，平滑的目的可以分为两类，一类是模糊目的是在提

取较大的目标前去除太小的细节或将目标内的小肩端连接起来，另一类是消除噪声，锐化可用高通滤波器来实现，锐化的目的是增强被模糊的细节，结合这两类方法，可将空间滤波增强分为四类：线性平滑滤波器（低通）、非线性平滑滤波器（低通）、线性锐化滤波器（高通）、非线性锐化滤波器（高通）。

空间滤波器都是基于模板卷积，其主要步骤是：

1）将模板在图中移动，并将模板中心与图中某个像素位置重合 2）将模板上的系数与模板下对应的像素相乘 3）将所有乘积相加

4）将和（模板的输出相应）赋给图中对应模板中心位置的像素 2.平滑滤波器

1)线性平滑滤波器

线性低通平滑滤波器也称为均值滤波器，这种滤波器所有的系数都是正数，对3×3的模板来说，最简单的是去所有系数为1，为了保证输出图像仍然在原来图像的灰度范围内，模板与像素领域的乘积都要除以9

2）非线性平滑滤波器

中值滤波器是一种常用的非线性平滑滤波器，其滤波原理与均值滤波器方法类似，但计算的非加权求和，而是把领域中的图像的像素按灰度级进行排序，然后选择改组的中间值作为输出像素值。

3.锐化滤波器

图像平滑往往使图像中的边缘、轮廓变得模糊，为了减少这类不利的影响，需要利用图像锐化技术，使图像的边缘变得清晰。 1）线性锐化滤波器

线性高通滤波器是最常用的线性锐化滤波器。这种滤波器中心系数都是正的，而周围的像素都是负的，所有系数值和为零。对于3×3的模板来说，典型的系数取值为：

[-1 -1 -1

-1 8 -1

-1 -1 -1]

2) 非线性锐化滤波器

领域平均可以模糊图像，因为平均对应积分，所以利用微分可以锐化图像，图像处理中最常用的微分方法是利用梯度，常用的空域线性锐化滤波微分算子有sobel算子，prewitt算子，log算子等。

四、实验步骤 1.平滑空间滤波器

1)椒盐噪声和高斯噪声的加入 close all

I=imread('C:\\Program Files\\MATLAB\\R2009a\\work\\lena','bmp'); J=imnoise(I,'salt & pepper',0.5); subplot(1,2,1);imshow(J);

K=imnoise(I,'gaussian',0.01,0.01);

subplot(1,2,2);imshow(K);