数 字 图 像 处 理 实验报告

分析可知，直方图分布明显趋于平缓化，明显突出点消失，反映出加入噪声后的图像灰度值分布相对均匀的特点。 （2）线性滤波： 程序：

clc;

clear all; close all;

I=imread('w01.tif'); figure(1);

A=imnoise(I,'gaussian',0,0.02); imshow(A);

title('高斯噪声图像');

j=filter2(fspecial('average',3),A)/255; figure(2); imshow(j); axis on;

title('线性滤波');

实验结果如下图

观察可知滤波后效果较明显，图像明显变得更加平滑。 （3）中值滤波：

程序：clc; clear all; close all;

I=imread('D:\\1\\w01.tif'); figure(1);

A=imnoise(I,'gaussian',0,0.02); imshow(A);

title('高斯噪声图像'); j=medfilt2(A); figure（2）； imshow(j); axis on;

title('中值滤波');

实验现象如下图所示：

分析知中值滤波后图像也变得平滑一些，但与未加噪声的原图相比明显变模糊。

5 思考题：图像自适应滤波方法。

答：以最小均方误差为准则设计的自适应滤波器可实现图像自适应滤波。

实验4 图像的锐化处理

1 实验目的： （1）掌握梯度算子对图像的锐化方法； （2）掌握拉氏算子对图像的锐化方法。

2 实验原理： 在Matlab中，利用sobel算子对图像进行滤波，filter2( ) 函

数是基于卷积的图像滤波函数，其格式为：b= filter2( ) fspecial( )函数是用于创建预定义的滤波算子，其格式为： h=fspecial( )；

3 实验内容及步骤：(1) 读入一幅图像，产生sobel算子，利用filter2( )函数产生

锐化图像，如： h=fspecial(‘sobel’);

j= filter2(h,I);

imshow(j);

分析锐化后图像；

(2) 读入一幅图像，产生拉普拉斯算子，产生锐化图像，如： i=imread('w01.tif')

I=doubole(i);

h=[x,x,x;x,x,x;x,x,x]

j= conv2(I,h,’same’); k=I-j;

imshow(k,[ ]);

分析锐化后图像。

4 实验报告： 整理程序、数据，分析实验结果。 （1）sobel算子、拉普拉斯算子 程序：

i=imread('w01.tif'); figure(1); imshow(i,[]); h=fspecial('sobel'); j=filter2(h,i); figure(3);

imshow(j,[]);title('sobel算子');

I=double(i);

%h=[x,x,x;x,x,x;x,x,x] h1=fspecial('laplacian') m=conv2(I,h1,'same'); k=I-m; figure(4);

imshow(k,[]);title('拉普拉斯算子 ');

实验结果如图：

原图 1

分析知sobel算子锐化后产生了较好的边缘效果,但也存在一些问题:检测出了一些伪边缘,使得边缘比较粗,降低了检测定位精度已知拉普拉斯算子能对任何走向的界线和线条进行锐化，分析实验结果刚好符合这一特性，锐化后边缘较细较清晰。

5 思考题：考虑其它算子对图像进行锐化。

答：其他算子如：robert算子、prewitt算子等都可实现图像锐化，其中robert算

子是一种利用局部差分算子寻找边缘的算子，对具有陡峭的低噪声的图像效果最好；prewitt算子是加权平均算子，对噪声有抑制作用，但是像素平均相当于对图像进行地同滤波，所以prewitt算子对边缘的定位不如robert算子。