第一篇：數(shù)字圖像處理_邊緣檢測算子與銳化算子(含MATLAB代碼)

數(shù)字圖像處理實(shí)驗(yàn)五

15生醫(yī)

一、實(shí)驗(yàn)內(nèi)容

對某一灰度圖像，進(jìn)行如下處理：

（1）分別用Roberts、Prewitt和Sobel邊緣檢測算子進(jìn)行邊緣檢測；（2）將Roberts、Prewitt和Sobel邊緣檢測算子修改為銳化算子，對原圖像進(jìn)行銳化，同屏顯示原圖像、邊緣檢測結(jié)果和銳化后圖像，說明三者之間的關(guān)系。一灰度圖像的二值化。

二、運(yùn)行環(huán)境 MATLAB R2014a

三、運(yùn)行結(jié)果及分析

運(yùn)行結(jié)果如圖所示：可以觀察出原圖像、邊緣檢測結(jié)果和銳化后圖像三者之間的關(guān)系為：原圖像+邊緣檢測結(jié)果=銳化后圖像

四、心得體會

通過MATLAB編程更加熟悉了課本上關(guān)于銳化與邊緣檢測的相關(guān)知識點(diǎn)，對二者的關(guān)系也有了具體的認(rèn)識。同時(shí)，對MATLAB圖像導(dǎo)入函數(shù)、圖像邊緣檢測函數(shù)、銳化窗口矩陣卷積函數(shù)的調(diào)用及實(shí)現(xiàn)機(jī)理也有所掌握，比如后邊附的程序中會提到的“%”標(biāo)注的思考。

五、具體程序

size=512;Img_rgb=imread('E:lena.jpg');%讀取圖像

Img_gray=rgb2gray(Img_rgb);%進(jìn)行RGB到灰度圖像的轉(zhuǎn)換（雖然原來在網(wǎng)上下載的lena就是黑白圖像，但是這一步必須要有！否則處理結(jié)果不正確）

figure(1);subplot(2,3,1);imshow(Img_gray);title('原圖像');

Img_edge=zeros(size);a={'roberts','prewitt','sobel'};for i=1:3

Img_edge=edge(Img_gray,a{i});figure(1);subplot(2,3,i+1);imshow(Img_edge);axis image;title(a(i));end

A=imread('E:lena.jpg');B=rgb2gray(A);B=double(B);Window=[-1-1-1;-1 9-1;-1-1-1];%八鄰域拉普拉斯銳化算子（α取1）C=conv2(B,Window,'same');Img_sharp=uint8(C);subplot(2,3,5);imshow(Img_sharp);title('sharp');

第二篇：數(shù)字圖像處理_平均濾波與中值濾波(含MATLAB代碼)[小編推薦]

數(shù)字圖像處理實(shí)驗(yàn)二

15生醫(yī)

一、實(shí)驗(yàn)內(nèi)容

產(chǎn)生教材104頁題圖4.18（右圖）所示的二值圖像（白為1，黑為0），編程實(shí)現(xiàn)習(xí)題4.18所要求的處理（3x3的平均濾波和中值濾波）功能（圖像四周邊界不考慮，處理結(jié)果按四舍五入仍取0或1），顯示處理前后的圖像，比較其異同。

二、運(yùn)行環(huán)境 MATLAB R2014a

三、運(yùn)行結(jié)果及分析

1.四種不同的窗的3x3平均濾波

4鄰域平均濾波后圖像8鄰域平均濾波后圖像4鄰域加權(quán)平均濾波后圖像8鄰域加權(quán)平均濾波后圖像

①在MATLAB圖形窗界面進(jìn)行放大可以看出四者之間的差別： 4領(lǐng)域與8鄰域之間沒有明顯差別，但是加權(quán)與未加權(quán)之間的差別較為明顯，體現(xiàn)在：加權(quán)后每個(gè)矩形塊的四個(gè)尖角部分都被保留了下來（圖像四周邊界不考慮），而未加權(quán)的尖角處黑色變?yōu)榘咨?。②原因分析?/p>

加權(quán)后尖角處原來白色的點(diǎn)（1）進(jìn)行計(jì)算3/5=0.6四舍五入后值為1，保持白色，原來黑色的點(diǎn)（0）進(jìn)行計(jì)算2/5=0.4四舍五入后值為0，保持黑色；而未加權(quán)尖角處無論原來是黑色還是白色，進(jìn)行計(jì)算2/4=0.5四舍五入后值為1，所以原先的黑色（0）也變成了白色（1）。③下圖為放大后的截圖：

2.中值濾波與原圖像的對比 原圖像中值濾波后圖像

①在MATLAB圖形窗界面進(jìn)行放大后可觀察出：

使用3x3方形中值濾波模板的效果與4領(lǐng)域、8領(lǐng)域加權(quán)平均濾波的效果相同，每個(gè)矩形塊的四個(gè)尖角部分都被保留了下來（圖像四周邊界不考慮）。②原因分析：

套用3x3方形中值濾波模板后，尖角處原來白色的點(diǎn)（1）在窗內(nèi)1多于0，取中值后仍保持白色，原來黑色的點(diǎn)（0）在窗內(nèi)0多于1，取中值后仍保持白色。③下圖為放大后的截圖：

四、心得體會

通過MATLAB編程更加理解了課后題的計(jì)算結(jié)果，直觀地看出了黑白像素點(diǎn)灰度值變化前后的取值異同。同時(shí)，對MATLAB實(shí)現(xiàn)像素點(diǎn)灰度值的替換機(jī)理也有所掌握，比如后邊附的程序中會提到的“%”標(biāo)注的思考。

五、具體程序

% 生成黑白塊圖像

unit=zeros(64,64);f=zeros(256,256);for i=1:1:32 for j=1:1:32 unit(i,j)=1;% 1/4白塊 end end for i=33:1:64 for j=33:1:64 unit(i,j)=1;% 1/4白塊 end end for i=1:64:256 for j=1:64:256 f(i:i+63,j:j+63)=unit;end end

% 對原圖像進(jìn)行3x3平均濾波 for i=2:1:255 for j=2:1:255 fave4(i,j)=(f(i-1,j)+f(i+1,j)+f(i,j-1)+f(i,j+1))/4;

fave8(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;

fave4_weighted(i,j)=(f(i-1,j)+f(i+1,j)+f(i,j-1)+f(i,j+1)+f(i,j))/5;

fave8_weighted(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)+f(i,j))/9;end end fave4=round(fave4);%平均后灰度值有可能是小數(shù)，要取整 fave8=round(fave8);fave4_weighted =round(fave4_weighted);fave8_weighted =round(fave8_weighted);subplot(2,2,1);imshow(fave4);title('4鄰域平均濾波后圖像');subplot(2,2,2);imshow(fave8);title('8鄰域平均濾波后圖像')subplot(2,2,3);imshow(fave4_weighted);title('4鄰域加權(quán)平均濾波后圖像')subplot(2,2,4);imshow(fave8_weighted);title('8鄰域加權(quán)平均濾波后圖像')

4鄰域平均濾波后圖像8鄰域平均濾波后圖像4鄰域加權(quán)平均濾波后圖像8鄰域加權(quán)平均濾波后圖像

% 對原圖像進(jìn)行3x3方形中值濾波 for i=2:1:255 for j=2:1:255

a=[f(i-1,j-1),f(i-1,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=sort(a);% 排序函數(shù)

fmid(i,j)=b(5);% 9個(gè)數(shù)排序的中值 end end subplot(1,2,1);imshow(f);title('原圖像');subplot(1,2,2);imshow(fmid);title('中值濾波后圖像')

原圖像中值濾波后圖像