1、数字图像处理MATLAB上机作业数字图像处理实验报告指导老师:学号姓名班级1.产生右图所示图像f1(m,n)，其中图像大小为256X 256,中间亮条为128X 32,暗处=0,亮处=100 对其进行FFT:1同屏显示原图f1(m,n)和FFT(f1)的幅度谱图；2若令f2(m,n)=(-1)(m+n)f1(m,n)，重复以上过程,比较二者幅度谱的异同，简述理由；3若将f2(m,n)顺时针旋转90度得到f3(m,n)，试显示FFT(f3)的幅度谱，并与FFT(f2)的幅度谱进行比较；4若将 f1(m,n)顺时针旋转 90 度得到 f4(m,n)，令 f5(m,n)=f1(m,n)+f4(m,n
2、)，试显示FFT(f5)的幅度谱，并指出其与FFT(f1)和FFT(f4)的关系；5若令f6(m,n)=f2(m,n)+f3(m,n)，试显示FFT(f6)的幅度谱，并指出其与 FFT(f2)和FFT(f3)的关系,比较FFT(f6)和FFT(f5)的幅度谱。f1=zeros(256,256);for i=64:1:192for j=122:1:144f1(i,j)=100;endendfft_f1=fft2(f1);fft_f1=abs(fft_f1);tmax=fft_f1(1,1);tmi n=fft_f1(1,1);for i=1:256for j=1:256if tmax fft_f
3、1(i,j)tmi n=fft_f1(i,j);endendenddelta=tmax-tm in;for i=1:256for j=1:256fft_f1(i,j)=255*(fft_f1(i,j)-tmi n)/delta;endendsubplot(1,2,1);imshow(f1);title( 原图)；subplot(1,2,2);imshow(fft_f1);title(原图的幅度谱)；原因原團的幅度谱for i=1:256for j=1:256 f2(i,j)=(-1)F+j)*f1(i,j);endend fft_f2=fft2(f2); fft_f2=abs(fft_f2);
4、 tmax=fft_f2(1,1);tmi n=fft_f2(1,1);for i=1:256for j=1:256if tmaxfft_f2(i,j)tmi n=fft_f2(i,j);endendenddelta=tmax-tm in;for i=1:256for j=1:256fft_f2(i,j)=255*(fft_f2(i,j)-tmi n)/delta;endend subplot(2,2,1); imshow(f1); title( 原图);subplot(2,2,2);imshow(fft_f1);title(原图的幅度谱)； subplot(2,2,3);imshow(f2)
5、;title( 原图中心化)；subplot(2,2,4);imshow(fft_f2);title(原图中心化的幅度谱);原團的幅度谱原團中心化原图中心化的幅度谱iBv *f3=imrotate(f2,-90, bili near );fft_f3=fft2(f3);fft_f3=abs(fft_f3);tmax=fft_f3(1,1);tmi n=fft_f3(1,1);for i=1:256for j=1:256if tmaxfft_f3(i,j)tmi n=fft_f3(i,j);endend end delta=tmax-tm in;for i=1:256for j=1:256fft
6、_f3(i,j)=255*(fft_f3(i,j)-tmi n)/delta;endendsubplot(2,2,1);imshow(f2);title( 原图中心化)；subplot(2,2,2);imshow(fft_f2);title(原图中心化的幅度谱);subplot(2,2,3);imshow(f3);title(旋转后的图像)； subplot(2,2,4);imshow(fft_f3);title(旋转后的幅度谱);厲團中心化原图中心化的幅度谱I旋转后的幅度谱WWWf4=imrotate(f1,-90, bili near );f5=f1+f4;fft_f5=fft2(f5);
7、fft_f5=abs(fft_f5);tmax=fft_f5(1,1);tmi n=fft_f5(1,1);for i=1:256for j=1:256if tmaxfft_f5(i,j)tmi n=fft_f5(i,j);endendenddelta=tmax-tm in;for i=1:256for j=1:256 fft_f5(i,j)=255*(fft_f5(i,j)-tmi n)/delta;endendsubplot(2,2,1);imshow(f1);title( 原图)；subplot(2,2,2);imshow(fft_f1);title(原图的幅度谱)；subplot(2,
8、2,3);imshow(f5);title(相加后的图像)；subplot(2,2,4);imshow(fft_f5);title(相加后的幅度谱)；原国的幅度谱相加后的画像原图与旋转90度后的图像进行叠加后，相应的幅度谱也进行叠加。f6=f2+f3;fft_f6=fft2(f6);fft_f6=abs(fft_f6);tmax=fft_f6(1,1);tmi n=fft_f6(1,1);for i=1:256for j=1:256if tmaxfft_f6(i,j)tmi n=fft_f6(i,j);endendenddelta=tmax-tm in;for i=1:256for j=1:2
9、56fft_f6(i,j)=255*(fft_f6(i,j)-tmi n)/delta;endendsubplot(2,2,1);imshow(fft_f2); title( F2);subplot(2,2,2); imshow(fft_f3); title( F3);subplot(2,2,3); imshow(fft_f5); title( F5);subplot(2,2,4); imshow(fft_f6); title( F6);FFT(2)和 FFT (3)相差 90 度。FFT(6)是 FFT ( 5)的中心化。2.产生教材104页题图4.18(右图)所示的二值图像(白为1,黑为0
10、),编程实现习题4.18所要 求的处理(3*3的平均滤波和中值滤波)功能(图像四周边界不考虑，处理结果按四舍五入仍 取0或1)，显示处理前后的图像，比较其异同。a=zeros(64,64);f=zeros(256,256);for i=1:1:32for j=1:1:32a(i,j)=1；endendfor i=33:1:64for j=33:1:64 a(i,j)=1；endendfor i=1:64:256for j=1:64:256 f(i:i+63,j:j+63)=a;endendimshow(f)for i=2:1:255for j=2:1:255a=f(i-1,j-1),f(i-1
11、,j),f(i-1,j+1),f(i,j-1),f(i,j),f(i,j+1),f(i+1,j-1),f(i+1,j),f(i+1,j+1)；b=f(i-1,j),f(i,j-1),f(i,j),f(i,j+1),f(i+1,j)；c=sort(a);d=sort(b);zlf1(i,j)=c(5);zlf2(i,j)=d(5);end endsubplot(1,3,1);imshow(f);title( 原图像);subplot(1,3,2);imshow(zlfl);title(方形中值滤波后图像)subplot(1,3,3);imshow(zlf2);title(十字形中值滤波后图像)方
12、形中值滤波后图像十字形中值滤波后图像for i=2:1:255for j=2:1:255 jlf4(i,j)=(f(i-1,j)+f(i+1,j)+f(i,j-1)+f(i,j+1)/4;jlf8(i,j)=(f(i-1,j-1)+f(i-1,j)+f(i-1,j+1)+f(i,j-1)+f(i,j+1)+f(i+1,j-1)+f(i+1,j)+f(i+1 ,j+1)/8；jjlf4(i,j)=(f(i-1,j)+f(i+1,j)+f(i,j-1)+f(i,j+1)+f(i,j)/5;jjlf8(i,j)=(f(i-1,j-1)+f(i-1,j)+f(i-1,j+1)+f(i,j-1)+f(i
13、,j+1)+f(i+1,j-1)+f(i+1,j)+f(i+1,j+1)+f(i,j)/9;endendjlf4=rou nd(jlf4);jlf8=rou nd(jlf8);jjlf4=rou nd(jjlf4);jjlf8=rou nd(jjlf8);subplot(2,2,1);imshow(jlf4);title( 4邻域平均滤波后图像)；subplot(2,2,2);imshow(jlf8);title( 8邻域平均滤波后图像)subplot(2,2,3);imshow(jjlf4);title( 4邻域加权平均滤波后图像 )subplot(2,2,4);imshow(jjlf8);
14、title( 8邻域加权平均滤波后图像 )4邻域平均滤波后團像8邻域平均滤S后團像4邻域加权平均滤波后團像塔邻域加权平均滤波后图像放大后可看出区别4邻域平均滤波后图像8邻域平均滤液后團像4邻域加权平均滤波后團像8邻域加权平均滤波后團像3产生教材104页题图4.16所示的灰度图像(白为255,黑为0),分别加入高斯白噪声和椒盐噪声， 再分别进行3*3的平均滤波和中值滤波，显示原图像、加噪图像和滤波结果图像，并比较四种滤波 结果。f=zeros(256,256);a=255*o nes(210,7);for i=0:1:8f(24:233,(29+24*i):(29+24*i+6)=a;endf1
15、=im noise(f, gaussia n ,0,0.1); %加入均值为零方差为 0.1 的高斯噪声f2=im noise(f, salt & pepper ,0.1); %加入噪声密度为 0.1 的椒盐噪声for i=2:1:255for j=2:1:255a=f1(i-1,j-1),f1(i-1,j),f1(i-1,j+1),f1(i,j-1),f1(i,j),f1(i,j+1),f1(i+1,j-1),f1(i+1,j),f1(i+1,j+1);b=f2(i-1,j-1),f2(i-1,j),f2(i-1,j+1),f2(i,j-1),f2(i,j),f2(i,j+1),f2(i+1
16、,j-1),f2(i+1,j),f2(i+1,j+1);c=sort(a);d=sort(b);zlf1(i,j)=c(5); %中值滤波zlf2(i,j)=d(5); %中值滤波jlf8(i,j)=(f1(i-1,j-1)+f1(i-1,j)+f1(i-1,j+1)+f1(i,j-1)+f1(i,j+1)+f1(i+1,j-1)+f1(i+1,j)+f1(i+1,j+1)+f1(i,j)/9; %平均滤波jjlf8(i,j)=(f2(i-1,j-1)+f2(i-1,j)+f2(i-1,j+1)+f2(i,j-1)+f2(i,j+1)+f2(i+1,j-1)+f2(i+1,j)+f2(i+1,
17、j+1)+f2(i,j)/9; %平均滤波endendsubplot(2,4,1);imshow(f);title( 原图像);subplot(2,4,2);imshow(f1);title(高斯噪声污染后的图像)；subplot(2,4,3);imshow(zlf1);title(中值滤波后的图像)；subplot(2,4,4);imshow(jlf8);title(平均滤波后的图像)；subplot(2,4,5);imshow(f);title( 原图像);subplot(2,4,6);imshow(f2);title( 椒盐噪声污染后的图像 )；subplot(2,4,7);imshow
18、(zlf2);title(中值滤波后的图像);subplot(2,4,8);imshow(jjlf8);title(平均滤波后的图像);原團像 根盐唾声污染石的團像 中值遥渡后的團像 平均遞波石的團像5.(第4、5题选做一题)编程实现教材214页所给图像门限化分割的迭代阈值算法，实现对某一 灰度图像的二值化。Pic=imread( C:UsersAdmi ni stratorDesktop242dd42a2834349bfb0c018ccbea15ce36d3beb5.jpg )； %读取RGB格式的图像a= rgb2gray(Pic); %进行RGB到灰度图像的转换T=0.5*(double(mi n( a(:)+double(max(a(:);do=false;while dog=(aT);Tn ext=0.5*(mea n( a(g)+mea n( a(g);do=abs (T-T next)threshold)bloodVessels(i,j)=max(temp);end end end
