matlab实验报告实验四,matlab实验报告(精品小实验).docx

报告一 直方图均衡化一、目的1. 改善图像的视觉，提高清晰度；2. 增强人们感兴趣部分，到视觉效果更好的图像，以提高图像的可懂度。二、主要内容1．读入图像数据到内存中，并显示读入的图像；2．实现直方图均衡化处理，显示处理前后图像的直方图；3．显示并保存处理结果。三、具体步骤1. 打开Matlab编程环境。2. 获取试验用图像：使用imread函数将图像读入Matlab，并用inshow函数显示读入的图像。3. 获取输入图像的直方图：使用inhist函数处理图像。4. 均衡化处理：使用histeq函数处理图像。5. 获取均衡化后的直方图并显示图像：使用inhist和histeq函数。6. 保存结果。四、实验程序及结果1、实验程序 x=imread('f:\flower.jpg'); %使用imread函数将图像读入Matlab x=rgb2gray(x); %将彩色图像装换为灰度图像 figure(1); subplot(2,2,1); imshow(x); %显示图像 title('(a)原图像') subplot(2,2,2); imhist(x) %求图像直方图 axis off; title('(b)原图像的直方图') x1=histeq(x); %对图像进行均衡化处理 subplot(2,2,3); imshow(x1); title('(c)直方图均衡化后的图像') subplot(2,2,4); imhist(x1) %均衡化处理后的图像的直方图 axis off;title('(d)均衡化后的直方图')2、实验结果五、结果分析从上面的两幅图我们可以很明显的看到，没有经过均衡化处理的原图像灰度值较为集中，背景颜色全为白色；而经过均衡化处理的图像灰度值分布近似服从均匀分布，背景颜色有了由灰到白的渐变，尤其是花朵的绿叶部分的均衡效果较为明显。报告二 图像平滑一、目的去除或衰减图像中的噪声和虚假轮廓。实现方法减少噪声的方法可以在空间域或在频率域处理，在空间域中进行时，基本方法就是求像素的平均值或中值；在频域中则运用低通滤波技术。因其算法简单且处理速度快，在此我们使用空域法。三、操作步骤1、选择一副图像，加入高斯白噪声；2、分别进行4领域和8领域处理并对两种方法进行对比分析； 3、保存实验结果并给予分析。四、实验程序及结果1、实验程序>> x=imread('f:\1.jpg'); %读入图像>> x=rgb2gray(x); %将彩色图像装换为灰度图像>> subplot(1,4,1);>> imshow(x);>> xlabel('(a)原图像');>> %图像加噪并显示加噪图像，高斯白噪声m=0,σ=0.005>> x1=imnoise(x,'gaussian',0,0.05);>> subplot(1,4,2);>> imshow(x1);>> xlabel('(b)加噪图像');>> %使用4领域模板>> h1=[0 1 0;1 1 1;0 1 0]/5;>> x2=imfilter(x1,h1);>> subplot(1,4,3);>> imshow(x2);>> xlabel('(c)4领域平均滤波');>> %使用8领域模板>> h2=[1 1 1;1 1 1;1 1 1]/8;>> x3=imfilter(x1,h2);>> subplot(1,4,4);>> imshow(x3);>> xlabel('(d)8领域平均滤波');^2、实验结果五、结果分析从以上四幅图的比较当中我们可以看到，领域平均法对图像中的噪声进行了一定程度上的衰减，同时可以看到8领域平均法比4领域平均法滤除噪声效果要好，但同时也使图像中目标景物的轮廓或细节变的更模糊，这也正是领域平均法的一个弊端所在。报告三 图像锐化一、主要目的 突出图像中的细节，增强图像的边缘、轮廓以及灰度突变部分。二、实现方法图像的模糊实质是因为图像受到平均或积分运算，为此对其进行逆运算如微分运算、梯度运算，就可以使图像清晰。从频谱角度来分析，图像模糊的实质是其高频分量被衰减，因而也可以通过高通滤波操作来清晰图像。锐化滤波有两种方法：一种是空间域法，另外一种是频域中的高通滤波法。下面使用的是空域锐化方法，分别进行模板系数a=1和a=2的锐化处理，并对结果进行分析。三、实验程序及结果 1、实验程序x=imread('f:\4.jpg');