数字图像处理：实验二

任务一：
       将不同像素（32、64和256）的原图像放大为像素大 小为1024*1024的图像（图像自选）
           

       要求：1）输出一幅图，该图包含六幅子图，第一排是原图，第 二排是对应放大的图； 2）每幅图的顶头都加上小标题
（表明过程原理：现实上这里用到的图像操作就是调用函数来增长它的像素点数，现实生活中的压缩息争压图像中也会有这种操作，用法就是调用imresize函数即可。之余之后建立一个新的窗口和简单的内容分布，现实上的操作可以会看第一章的基本操作。）

1. A = imread('1.jpg');  
2.   
3. %将图像A的大小调整为32x32像素，结果存储在变量img32中  
4. img32 = imresize(A,[32,32]);   
5. %将图像A的大小调整为64x64像素，结果存储在变量img64中  
6. img64 = imresize(A,[64,64]);   
7. %将图像A的大小调整为256x256像素，结果存储在变量img256中  
8. img256 = imresize(A,[256,256]);   
9.   
10. %将32x32的图像img32放大到1024x1024像素，结果存储在变量img32_resized中  
11. img32_resized = imresize(img32, [1024, 1024]);   
12. %将64x64的图像img64放大到1024x1024像素，结果存储在变量img64_resized中  
13. img64_resized = imresize(img64, [1024, 1024]);   
14. %将256x256的图像img256放大到1024x1024像素，结果存储在变量img256_resized中  
15. img256_resized = imresize(img256, [1024, 1024]);   
16.   
17. %创建一个新的图形窗口用于显示图像  
18. figure;   
19.   
20. %在图形窗口的2x3网格中的第一个位置显示32x32的原图  
21. subplot(2,3,1);   
22. imshow(img32);  % 显示图像  
23. title('32x32 原图');  % 设置图像标题  
24.   
25. %在图形窗口的2x3网格中的第二个位置显示64x64的原图  
26. subplot(2,3,2);   
27. imshow(img64);  % 显示图像  
28. title('64x64 原图');  % 设置图像标题  
29.   
30. %在图形窗口的2x3网格中的第三个位置显示256x256的原图  
31. subplot(2,3,3);   
32. imshow(img256);  % 显示图像  
33. title('256x256 原图');  % 设置图像标题  
34.   
35. %在图形窗口的2x3网格中的第四个位置显示32x32放大到1024x1024的图像  
36. subplot(2,3,4);   
37. imshow(img32_resized);  % 显示图像  
38. title('32x32 放大到1024x1024');  % 设置图像标题  
39.   
40. % 在图形窗口的2x3网格中的第五个位置显示64x64放大到1024x1024的图像  
41. subplot(2,3,5);   
42. imshow(img64_resized);  % 显示图像  
43. title('64x64 放大到1024x1024');  % 设置图像标题  
44.   
45. %在图形窗口的2x3网格中的第六个位置显示256x256放大到1024x1024的图像  
46. subplot(2,3,6);   
47. imshow(img256_resized);  % 显示图像  
48. title('256x256 放大到1024x1024');  % 设置图像标题

复制代码

结果如下：

任务二：去噪声
要求：
1）对所选图添加噪声（可以选择高斯噪声或椒盐噪声），次数为10次、 30 次和50次；
2）对添加噪声后的图像去噪；
3）输出一幅图，该图包含七幅子图，共三排，第一排是 原图，第二排是添加噪声后的图；第三排是对应去噪声后的图像；
4）每幅图的顶头都加上小标踢；
（操作重点：第一、相识所添加的噪声范例和matlab函数的使用方法，第二、相识噪声的特性，第三、学会查找和调用函数） 

1. img1 = imread('1.png');  
2. % 如果是彩色图像，则将其转换为灰度图像  
3. if size(img1, 3) == 3  
4.     img = rgb2gray(img1);  % 使用rgb2gray函数将彩色图像转换为灰度图像  
5. end  
6.   
7. % 向灰度图像img中添加椒盐噪声  
8. % 噪声密度为0.01，相当于添加“10次”噪声
9. noisy_img10 = imnoise(img, 'salt & pepper', 0.01);  
10. % 噪声密度为0.03，相当于添加“30次”噪声
11. noisy_img30 = imnoise(img, 'salt & pepper', 0.03);  
12. % 噪声密度为0.05，相当于添加“50次”噪声  
13. noisy_img50 = imnoise(img, 'salt & pepper', 0.05);  
14.   
15. % 使用中值滤波对添加噪声后的图像进行去噪处理  
16. denoised_img10 = medfilt2(noisy_img10);  % 对噪声密度为0.01的图像进行去噪  
17. denoised_img30 = medfilt2(noisy_img30);  % 对噪声密度为0.03的图像进行去噪  
18. denoised_img50 = medfilt2(noisy_img50);  % 对噪声密度为0.05的图像进行去噪  
19.   
20. % 创建一个新的图形窗口用于显示图像  
21. figure;  
22.   
23. % 在图形窗口的3x3网格中的第一个位置显示原图  
24. subplot(3,3,1);  
25. imshow(img1);  % 显示原图（如果是彩色图则显示彩色图，如果是灰度图则显示灰度图）  
26. title('原图');  % 设置图像标题  
27.   
28. % 在图形窗口的3x3网格中的第四、五、六个位置分别显示添加不同密度椒盐噪声后的图像  
29. subplot(3,3,4);  
30. imshow(noisy_img10);  % 显示噪声密度为0.01的图像  
31. title('椒盐噪声密度0.01');  % 设置图像标题
32. subplot(3,3,5);  
33. imshow(noisy_img30);  % 显示噪声密度为0.03的图像  
34. title('椒盐噪声密度0.03');  % 设置图像标题
35. subplot(3,3,6);  
36. imshow(noisy_img50);  % 显示噪声密度为0.05的图像  
37. title('椒盐噪声密度0.05');  % 设置图像标题
38. % 在图形窗口的3x3网格中的第七、八、九个位置分别显示去噪后的图像  
39. % 注意：原代码中的标题有误，将“高斯噪声”更正为“椒盐噪声”  
40. subplot(3,3,7);  
41. imshow(denoised_img10);  % 显示去噪后的噪声密度为0.01的图像  
42. title('去噪后的椒盐噪声密度0.01');  % 设置图像标题
43. subplot(3,3,8);  
44. imshow(denoised_img30);  % 显示去噪后的噪声密度为0.03的图像  
45. title('去噪后的椒盐噪声密度0.03');  % 设置图像标题  
46. subplot(3,3,9);  
47. imshow(denoised_img50);  % 显示去噪后的噪声密度为0.05的图像  
48. title('去噪后的椒盐噪声密度0.05');  % 设置图像标题

复制代码

结果：

任务三：图像的补集以及对两幅图求并集
要求：
1）求原图的补集；
2）以该图像平均灰度值的3倍得到均值图，并将它与原图做并集操作；
3）输出一幅图，该图包含一排的三幅子图，从左到右为： 原图、补集图和并集图。
4）每幅图的顶头都加上小标题。
（操作重点：第一、相识数字图像处理时的并集、补集的含义，重要是记住实在现时存在的图像然后理解就方便很多，第二、注意理解要求（2）中的得到均值图后在与原图求取并集操作，相识其作用，咸鱼哥建议可以先尝试一下不做并集得到的图像，如许会更方便理解这个概念。）

1. A = imread('1.jpg');  
2.   
3. % 将图像A转换为双精度类型（double），并将像素值归一化到 [0, 1] 区间  
4. % 这是因为imread读取的图像通常是uint8类型，像素值在 [0, 255] 区间  
5. A = im2double(A);  
6. img_1 = A;  
7. img_2 = A;  
8. % 计算原图像A灰度值的三倍，并将结果存储在变量N中  
9. N = 3 * A;  
10. % 使用min函数确保N中的值不超过1，对于大于1的值，将其设置为1  
11. N = min(N, 1);  
12. % 调用自定义函数set_comple计算图像A的补集，并将结果存储在变量h中  
13. % 补集是指将图像中的每个像素值用1减去该像素值得到的图像  
14. h = set_comple(A);  
15. % 调用自定义函数set_union计算图像A和它的三倍图像N的并集，并将结果存储在变量j中  
16. % 对于两幅图像来说，并集是指逐元素取两幅图像中较大的那个值  
17. j = set_union(A, N);  
18.   
19. % 创建一个新的图形窗口用于显示图像  
20. figure;  
21. % 在图形窗口的1x3网格中的第一个位置显示原图A  
22. subplot(1, 3, 1), imshow(A), title('原图');  
23. % 在图形窗口的1x3网格中的第二个位置显示补集图像h  
24. subplot(1, 3, 2), imshow(h), title('补集图');  
25. % 在图形窗口的1x3网格中的第三个位置显示并集图像j  
26. subplot(1, 3, 3), imshow(j), title('并集图');  
27.   
28. % 定义计算补集的函数set_comple  
29. % 输入参数f为待计算补集的图像  
30. % 输出参数img_1为计算得到的补集图像  
31. function img_1 = set_comple(f)  
32.     img_1 = 1 - f;  % 计算补集：将每个像素值用1减去  
33. end  
34.   
35. % 定义计算并集的函数set_union  
36. % 输入参数f1和f2为待计算并集的两幅图像  
37. % 输出参数img_2为计算得到的并集图像  
38. function img_2 = set_union(f1, f2)  
39.     img_2 = max(f1, f2);  % 计算并集：逐元素取两幅图像中较大的值  
40. End

复制代码

结果：

任务四：多种噪声添加及多种滤波
要求：
1）对原图添加多种不同范例、不同程度的噪声,包括高斯噪声、椒盐噪声、泊松噪声等（至少3种噪声）,噪声参数自己订定, 但须得到有对比性噪声效果的图像（泊松噪声的参数可以只添加1 次）；
2）然后使用不同的滤波方法举行降噪,如中值滤波、自适 应中值滤波、小波降噪等（至少3种滤波方法）；
3）输出一幅图，该图至少包含原图(1张）、噪声图(至少5张)和滤波图(至少3张)，一共至少9张子图；
4）每幅图的顶头都加上小标题。
（操作重点：这里针对不同范例、不同程度的噪声要重点理解，可以直接在matlab的函数库中搜索函数，如许会显示噪声范例和种类，但是要求英语水平足够踏实才保举去看。）

1. d = imread('3.jfif');   
2. % 将图像d转换为双精度类型（double），以便进行后续处理  
3. % 因为imread读取的图像通常是uint8类型，像素值在 [0, 255] 区间  
4. % 转换为double后，像素值会被归一化到 [0, 1] 区间  
5. d_double = im2double(d);   
6. % 添加噪声并滤波处理部分   
7. % 向图像d_double添加高斯噪声，方差为(0.005*5)^2，相当于添加5次高斯噪声的累积效果（但实际上是直接设置了一个较大的方差）  
8. I1 = imnoise(d_double, 'gaussian', 0, 0.005*5^2);  
9. % 向I1添加泊松噪声  
10. I1 = imnoise(I1, 'poisson');  
11. % 向I1添加斑点噪声，噪声密度为0.2  
12. I111 = imnoise(I1, 'speckle', 0.2);   
13. % 向图像d_double添加高斯噪声，方差为(0.001*2)^2，相当于添加2次高斯噪声的累积效果（但实际上是直接设置了一个较小的方差）  
14. I2 = imnoise(d_double, 'gaussian', 0, 0.001*2^2);  
15. % 向I2添加泊松噪声  
16. I2 = imnoise(I2, 'poisson');  
17. % 向I2添加斑点噪声，噪声密度为0.1  
18. I222 = imnoise(I2, 'speckle', 0.1);   
19. % 向图像d_double添加一次较高方差的高斯噪声，方差为0.1^2  
20. I3 = imnoise(d_double, 'gaussian', 0, 0.1^2);  
21. % 向I3添加泊松噪声  
22. I3 = imnoise(I3, 'poisson');  
23. % 向I3添加斑点噪声，噪声密度非常低，为0.001  
24. I333 = imnoise(I3, 'speckle', 0.001);   
25. % 向图像d_double添加椒盐噪声，噪声密度为0.03  
26. I4 = imnoise(d_double, 'salt & pepper', 0.03);  
27. % 向I4添加高斯噪声，方差为0.1^2  
28. I44 = imnoise(I4, 'gaussian', 0, 0.1^2);  
29. % 向I44添加泊松噪声  
30. I444 = imnoise(I44, 'poisson');  
31. % 这行代码是多余的，因为I444已经是double类型，但不会影响后续操作  
32. I444_d = I444;   
33. % 向图像d_double添加椒盐噪声，噪声密度为0.02（实际上这是椒盐噪声，但比例较低时椒噪声可能不明显）  
34. I5 = imnoise(d_double, 'salt & pepper', 0.02);  
35. % 这行代码没有做任何处理，可能是为了保持格式一致而保留的  
36. I5 = I5;  
37. % 向I5添加高斯噪声，方差为0.01^2  
38. I55 = imnoise(I5, 'gaussian', 0, 0.01^2);  
39. % 向I55添加泊松噪声  
40. I555 = imnoise(I55, 'poisson');  
41. % 滤波处理部分  
42. % 创建一个5x5大小的高斯滤波器，标准差为1.4  
43. h1 = fspecial('gaussian', [5 5], 1.4);  
44. % 使用高斯滤波器h1对I444_d进行滤波处理  
45. f_I444 = imfilter(I444_d, h1);   
46. % 创建一个3x3大小的均值滤波器  
47. h2 = fspecial('average', [3 3]);  
48. % 使用均值滤波器h2对I333进行滤波处理  
49. f_I333 = imfilter(I333, h2);  
50. % 使用均值滤波器h2对I555进行滤波处理  
51. f_I555 = imfilter(I555, h2);   
52. % 显示图像部分   
53. % 创建一个新的图形窗口  
54. figure;  
55. % 在3x3的网格中的第一个位置显示原图像d  
56. subplot(3,3,1), imshow(d), title('原图像');  
57. % 在3x3的网格中的第二个位置显示噪声图1（经过高斯、泊松、斑点噪声处理后的图像I111）  
58. subplot(3,3,2), imshow(I111), title('噪声图1（高斯+泊松+斑点）');  
59. % 在3x3的网格中的第三个位置显示噪声图2（经过高斯、泊松、斑点噪声处理后的图像I222）  
60. subplot(3,3,3), imshow(I222), title('噪声图2（高斯+泊松+斑点）');  
61. % 在3x3的网格中的第四个位置显示噪声图3（经过高斯、泊松、斑点噪声处理后的图像I333）  
62. subplot(3,3,4), imshow(I333), title('噪声图3（高斯+泊松+斑点）');  
63. % 在3x3的网格中的第五个位置显示噪声图4（经过椒盐、高斯、泊松噪声处理后的图像I444）  
64. subplot(3,3,5), imshow(I444), title('噪声图4（椒盐+高斯+泊松）');  
65. % 在3x3的网格中的第六个位置显示噪声图5（经过椒盐、高斯、泊松噪声处理后的图像I555）  
66. subplot(3,3,6), imshow(I555), title('噪声图5（椒盐+高斯+泊松）');  
67. % 在3x3的网格中的第七个位置显示对噪声图4进行高斯滤波后的图像f_I444  
68. subplot(3,3,7), imshow(f_I444), title('对噪声图4高斯滤波');  
69. % 在3x3的网格中的第八个位置显示对噪声图3进行平均滤波后的图像f_I333  
70. subplot(3,3,8), imshow(f_I333), title('对噪声图3平均滤波');  
71. % 在3x3的网格中的第九个位置显示对噪声图5进行平均滤波后的图像f_I555  
72. subplot(3,3,9), imshow(f_I555), title('对噪声图5平均滤波');

复制代码

结果：
                              

任务五：旋转和放大（原图自选）
要求：
1）将原图像旋转不同角度(至少2个角度),并对旋转后的图放大处理(放大到1024*1024)；
2）输出一幅图，该图至少包含原图(1张)、旋转图(至少2张)和滤波图(至少2张)，一共至少5张子图；
3）每幅图的顶头都加上小标题。
（操作重点：这里的操作基本上没有困难，以是咸鱼哥不重点赘述，记住imrotate和 imresize两个函数的作用就可以了）

1. img = imread('1.png');  
2.   
3. % 使用imrotate函数将图像img旋转45度，结果存储在rotated_img_45中  
4. rotated_img_45 = imrotate(img, 45);  
5. % 使用imrotate函数将图像img旋转90度，结果存储在rotated_img_90中  
6. rotated_img_90 = imrotate(img, 90);  
7.   
8. % 使用imresize函数将旋转45度后的图像rotated_img_45放大到1024x1024像素，结果存储在rotated_img_45_resized中  
9. rotated_img_45_resized = imresize(rotated_img_45, [1024, 1024]);  
10. % 使用imresize函数将旋转90度后的图像rotated_img_90放大到1024x1024像素，结果存储在rotated_img_90_resized中  
11. rotated_img_90_resized = imresize(rotated_img_90, [1024, 1024]);  
12.   
13. % 创建一个新的图形窗口，用于显示图像  
14. figure;  
15.   
16. % 使用subplot函数在2x3的网格中的第一个位置创建一个子图，并显示原图img  
17. subplot(2,3,1);  
18. imshow(img);  
19. title('原图'); % 设置子图的标题为“原图”  
20.   
21. % 使用subplot函数在2x3的网格中的第二个位置创建一个子图，并显示旋转45度后的图像rotated_img_45  
22. subplot(2,3,2);  
23. imshow(rotated_img_45);  
24. title('旋转45度'); % 设置子图的标题为“旋转45度”  
25.   
26. % 使用subplot函数在2x3的网格中的第三个位置创建一个子图，并显示旋转90度后的图像rotated_img_90  
27. subplot(2,3,3);  
28. imshow(rotated_img_90);  
29. title('旋转90度'); % 设置子图的标题为“旋转90度”  
30.   
31. % 使用subplot函数在2x3的网格中的第四个位置创建一个子图，并显示旋转45度后放大的图像rotated_img_45_resized  
32. subplot(2,3,4);  
33. imshow(rotated_img_45_resized);  
34. title('旋转45度后放大'); % 设置子图的标题为“旋转45度后放大”  
35.   
36. % 使用subplot函数在2x3的网格中的第五个位置创建一个子图，并显示旋转90度后放大的图像rotated_img_90_resized  
37. subplot(2,3,5);  
38. imshow(rotated_img_90_resized);  
39. title('旋转90度后放大'); % 设置子图的标题为“旋转90度后放大”

复制代码

结果：

       第二章针对于数字图像处理的内容的练习和现实的操作，咸鱼哥个人觉得本章内容较为简单，也比较得当初学者和爱好者来学习，本章代码基本上我把逻辑和操作都写上了注释，方便大家理解和使用，为了促进数字图像处理技术的学习，我们一起加油！uu们！

免责声明：如果侵犯了您的权益，请联系站长，我们会及时删除侵权内容，谢谢合作！更多信息从访问主页：qidao123.com:ToB企服之家，中国第一个企服评测及商务社交产业平台。