篇一：5.图像增强—空域滤波 - 数字图像处理实验报告
计算机与信息工程学院验证性实验报告
一、实验目的
进一步了解MatLab软件/语言，学会使用MatLab对图像作滤波处理，使学生有机会掌握滤波算法，体会滤波效果。
了解几种不同滤波方式的使用和使用的场合，培养处理实际图像的能力，并为课堂教学提供配套的实践机会。
二、实验要求
(1)学生应当完成对于给定图像+噪声，使用平均滤波器、中值滤波器对不同强度的高斯噪声和椒盐噪声，进行滤波处理；能够正确地评价处理的结果；能够从理论上作出合理的解释。
(2)利用MATLAB软件实现空域滤波的程序： I=imread('electric.tif');
J = imnoise(I,'gauss',0.02); %添加高斯噪声 J = imnoise(I,'salt & pepper',0.02); %添加椒盐噪声 ave1=fspecial('average',3); %产生3×3的均值模版 ave2=fspecial('average',5); %产生5×5的均值模版 K = filter2(ave1,J)/255; %均值滤波3×3 L = filter2(ave2,J)/255; %均值滤波5×5 M = medfilt2(J,[3 3]);%中值滤波3×3模板 N = medfilt2(J,[4 4]); %中值滤波4×4模板 imshow(I);
figure,imshow(J); figure,imshow(K); figure,imshow(L); figure,imshow(M); figure,imshow(N);
三、实验设备与软件
(1) IBM-PC计算机系统
(2) MatLab软件/语言包括图像处理工具箱(Image Processing Toolbox) (3) 实验所需要的图片
四、实验内容与步骤
a) 调入并显示原始图像Sample2-1.jpg 。
b) 利用imnoise 命令在图像Sample2-1.jpg 上加入高斯(gaussian) 噪声 c)利用预定义函数fspecial 命令产生平均(average)滤波器
??1?1?1???19?1?????1?1?1?? ?
d）分别采用3x3和5x5的模板，分别用平均滤波器以及中值滤波器，对加
入噪声的图像进行处理并观察不同噪声水平下，上述滤波器处理的结果；
e）选择不同大小的模板，对加入某一固定噪声水平噪声的图像进行处理，观察上述滤波器处理的结果。
f）利用imnoise 命令在图像Sample2-1.jpg 上加入椒盐噪声(salt & pepper)
g）重复c)~ e）的步骤 h）输出全部结果并进行讨论。
五、思考题/问答题
(1) 简述高斯噪声和椒盐噪声的特点。
(2) 结合实验内容，定性评价平均滤波器/中值滤波器对高斯噪声和椒盐噪声的去噪效果？
(3) 结合实验内容，定性评价滤波窗口对去噪效果的影响？
六、实验报告要求
描述实验的基本步骤，用数据和图片
七、实验图像
Fig0205(a)(cktboard_200dpi).tif（原始图像）
八、实验程序及结果
clc;clear all
I=imread('Fig0205(a)(cktboard_200dpi).tif');
J1 = imnoise(I,'gauss',0.02); %添加高斯噪声 J2 = imnoise(I,'salt & pepper',0.02); %添加椒盐噪声 ave1=fspecial('average',3); %产生3×3的均值模版 ave2=fspecial('average',5); %产生5×5的均值模版 K1 = filter2(ave1,J1)/255; %均值滤波3×3 L1 = filter2(ave2,J1)/255; %均值滤波5×5 M1 = medfilt2(J1,[3 3]);%N1= medfilt2(J1,[5 5]); %subplot 121;imshow(I); title('原始图像')
subplot 122,imshow(J1); title('加入高斯噪声图像') figure(2)
subplot 121,imshow(K1);
title('均值滤波3×3后的图像') subplot 122;,imshow(L1);
title('均值滤波5×5后的图像') figure
subplot 121;imshow(M1);
title('中值滤波3×3后的图像') subplot 122;,imshow(N1);
title('中值滤波3×3后的图像')
原始图
像中值滤波3×3模板 中值滤波5×5模板 加入高斯噪声图像
均值滤波3×3后的图
像均值滤波5×5后的图像
中值滤波3×3后的图
像中值滤波3×3后的图像
clc;clear all
I=imread('Fig0205(a)(cktboard_200dpi).tif');
J2 = imnoise(I,'salt & pepper',0.02); %添加椒盐噪声 ave1=fspecial('average',3); %产生3×3的均值模版 ave2=fspecial('average',5); %产生5×5的均值模版 K1 = filter2(ave1,J2)/255; %均值滤波3×3 L1 = filter2(ave2,J2)/255; %均值滤波5×5 M1 = medfilt2(J2,[3 3]);%中值滤波3×3模板 N1= medfilt2(J2,[5 5]); %中值滤波5×5模板 subplot 121;imshow(I); title('原始图像')
subplot 122,imshow(J2);
title('添加椒盐噪声后的图像') figure(2)
subplot 121,imshow(K1);
title('均值滤波3×3后的图像') subplot 122;,imshow(L1);
title('均值滤波5×5后的图像') figure
subplot 121;imshow(M1);
title('中值滤波3×3后的图像') subplot 122;,imshow(N1);
title('中值滤波3×3后的图像')
原始图
像添加椒盐噪声后的图像
篇二：数字图像处理 空域滤波 实验报告
数字图像处理 实验三 空域滤波 实验报告
一、实验目的
? 了解空域滤波的方法；
? 掌握几种模板的基本原理。
二、实验内容
?
?
? 使用函数fspecial( ) 生成几种特定的模板； 使用函数imfilter( ) 配合模板对图象数据进行二维卷积； 比较各种滤波器的效果。
三、实验步骤及结果
（1）线性平滑（低通）滤波器
1.用h=fspecial(‘average’) 得到的h 为3×3的邻域平均模板，然后用h进行平滑处理。 x=imread(‘cameraman.tif’);
h=fspecial(‘average’) ;
%h=fspecial(‘average’,[7,7]);
y=imfilter(x,h);
figure(1);
imshow(x)
figure(2);
imshow(y)
原图：
滤波效果：
2. 改变模板大小重试
x=imread('cameraman.tif');
%h=fspecial(‘average’);
h=fspecial('average',[7,7]);
y=imfilter(x,h);
figure(1);
imshow(x)
figure(2);
imshow(y)
原图：
处理效果：
Gaussian平滑
改变 fspecial( )的参数为高斯函数，再进行同样的平滑处理，观察其结果。
x=imread(‘cameraman.tif’);
h=fspecial(‘gaussian’)
//3×3的邻域平均模板(7×7的邻域平均模板h=fspecial(‘gaussian’,[7,7]))
y=imfilter(x,h);
实际程序：
x=imread('cameraman.tif');
h=fspecial('gaussian')
%%3×3的邻域平均模板(7×7的邻域平均模板h=fspecial(‘gaussian’,[7,7]))
y=imfilter(x,h);
subplot(121);
imshow(x);
subplot(122);
imshow(y);
模板大小为[3,3]，左为原图，右为处理后效果
模板大小为[7,7]，左为原图，右为处理后效果
模板大小为[11,11]，左为原图，右为处理后效果
改变模板大小为 [7,7]、[9,9]、[11,11]，观察实验得到的结构有何变化？
结果：高斯模板对结果影响较小，为什么？
答：简单地说，这是由于高斯滤波中越靠近中心点的点的权重越大，在很大程度上减弱了较远点的干扰，所以即使模版大小较大，其效果仍远远好过“不知亲疏远近变化”的邻域平均模板。
具体地说，
高斯滤波是一种线性平滑滤波，适用于消除高斯噪声，广泛应用于图像处理的减噪过程。 通俗的讲，高斯滤波就是对整幅图像进行加权平均的过程，每一个像素点的值，都由其本身和邻域内的其他像素值经过加权平均后得到。
高斯滤波的具体操作是：用一个模板(或称卷积、掩模)扫描图像中的每一个像素，用模板确定的邻域内像素的加权平均灰度值去替代模板中心像素点的值。
一般的模板为3×3或5×5大小，其权值分布如下图：
若使用3×3模板，则计算公式如下:
g(x,y)={f(x-1,y-1)+f(x-1,y+1)+f(x+1,y-1)+f(x+1,y+1)+[f(x-1,y)+f(x,y-1)+f(x+1,y)+f(x,y+1)]*2+f(x,y)*4}/16;
其中，f(x,y)为图像中(x,y)点的灰度值，g(x,y)为该点经过高斯滤波后的值。
用mesh 函数直观观察模板
h1=fspecial('gaussian',100,3);
[x y]=meshgrid(1:100);
mesh(x,y,h1);
h2=fspecial('gaussian',100,10);
figure
mesh(x,y,h2)
篇三：空域图像增强实验报告
一、实验名称：空域图像增强
二、实验目的：掌握Matlab语言图像工具箱中空域图像增强的实现
三、实验要求：
在掌握图像灰度调整、直方图修正和图像锐化的指令基础上，编写程序实现图像的灰度变换，直方图均衡和图像锐化的处理
四、实验仪器和设备：计算机，Matlab软件
五、实验原理：
1、 亮度变换S=T(r)点对点的变换（灰度级对灰度级的变换）matlab函数：imadjust()
亮度变换的基本函数g=imadjust(f,[low in high in],[low out high out],gamma); low in and high in 参数分别指定输入图像需要映射的灰度空间范围，low out 和high out 参数分别指定输出图像所在的灰度范围。GAMMA表示曲线的形状，描述输入输出图像之间的关系。如果GAMMA小于1，则映射的权重趋势向更亮输出，如果GAMMA大于1，则趋向更暗的输出。默认值为1。
2、 直方图均衡化
直方图是多种空间域处理技术的基础，能有效用于图像增强，是实时图像处理的流行工具，直方图均衡化的目的是使图像在整个灰度值动态变化范围内分布均匀化，改善图像的亮度分布状态，增强视觉效果。直方图均衡化是通过灰度变换将一幅图像转换程另一幅具有均衡性的直方图。即在每个灰度级上都具有相同的像素点数的过程。
3、 空域滤波
手工滤波与函数提供滤波器的比较
六、实验步骤：
1、 将待处理图片拷到matlab软件’work’文件夹
2、 实行亮度变换
3、 对图像进行直方图均衡处理
4、 空域滤波
5、 记录实验结果并分析
七、实验程序及结果记录：
1、 亮度变换
I=imread(‘E:\fig308.tif’);
Imshow(I);
Figure,imhist(I);
J=imadjust(I,[0.5 0.9],[0,1]);
Figure;
imshow(J);
Figure;
imhist(J)
2、直方图均衡化
I=imread(‘E:\fig308.tig’);
J=histea(I);
Imshow(I);
Title(‘原图像’);
Figure;
Imshow(J);
Title(‘直方图均衡化后的图像’);
Figure;
Subplot(1,2,1);
Imhist(I,64);
Title(‘原图像直方图’)； Subplot(1,2,2);
Imhist(J,64);
Title(‘均衡变换后的直方图’); Subplot(1,2,2);
Imhist(J,64);
Title(‘均衡变换后的直方图’);
2、 空域滤波
F=imread(‘E:\fig3016.tif’); W4=fspecial(‘laplacian’,1); W8=[1 1 1;-8 1;1 1 1];
F=im2double(f);
G4=f_imfilter(f,w4,’replicate’); G8=f_imfilter(f,w8,’replicate’); Figure;
Subplot(1,3,1);
Imshow(f);
Title(‘原图’);
Subplot(1,3,2);
Imshow(g4);
Title(‘中心为-4拉普拉斯的效果’); Subplot(1,3,3);
Imshow(g8);
Title(‘中心为-8拉普拉斯的效果’);
八、实验结果分析：
亮度变换直方图均衡化可以对图像进行处理，进行空域图像增强。