matlab第二次训练题目.doc

《matlab第二次训练题目.doc》由会员分享，可在线阅读，更多相关《matlab第二次训练题目.doc（12页珍藏版）》请在得力文库 - 分享文档赚钱的网站上搜索。

1、实验名称: 数学软件训练-程序应用之图像 专业：班级：时间 姓名：学号：指导老师：一、 实验目的及要求 （一）实验目的学习和查阅图像老师所给自学文档。 （二）实验要求 独立完成所给实验题目，查阅书本及网络资料，完成相关作业，课后提交实验报告。二、实验设备（环境）及要求1、支持Intel Pentium 及其以上CPU，内存256MB以上、硬盘1GB以上容量的微机；软件配有Windows98/2000/XP操作系统及MATLAB软件；2、实验过程中，务必分析实验结果，按要求写出实验报告。（提交报告文档编写方式：学号+姓名），上网查阅相关资料，完成以下问题。三、 实验内容与步骤 一）图像基本处理，

2、用你自己的照片，完成以下问题，读入图像命令（imread）。 参考程序和样式如下：1、灰度处理由于RGB图像是三维图像，所以图像数据是一个三维数组，为了显示灰度图像，把三维图像降为二维，可以只取其中的二维数据，实现方法程序为：y=(handles.img(:,:,1); %当然也可以选择(:,:,2) 或(:,:,3) imshow(y);但是这样的话，根据程序所选的不同，图像数据也不同，显示也就不一样。另一种方法就是，运用rgb2gray函数实现彩色图像到灰度图像的转换。程序为：y=rgb2gray(handles.img); imshow(y);如果原图是RGB，执行该操作的结果如下图：2

3、亮度调整用imadjust函数，其调用格式如下： g=imadust(f,low_in high_in,low_out high_out),gamma)gamma 表示映射性质，默认值是1 表示线性映射。由于该函数有五个参数需要输入，为了方便用户改变，所以这里设计一个输入对话框，用户通过对话框把五个参数赋值给low_in high_in,low_out high_out,gamma这五个参数3截图在MATLAB中，用函数imcrop实现对图像的剪切操作。该操作剪切的是图像中的一个矩形子图，用户可以通过参数指定这个矩形四个顶点的坐标，也可以交互地用鼠标选取这个矩形。Imcrop函数的调用格式如下

4、： y=imcrop(handles.img);不管handles.img是三维的还是二维数据，该函数都能进行操作。下图就是对三维图像的截图：4、缩放在MATLAB中，用函数imresize来实现对图像的放大或缩小。插值方法可选用三种方法，最近邻插值，双线性插值，双三次插值。该函数的调用格式如下：Bimresize(A，m，method)其中：参数method用于指定插值的方法，可选的值为“nearest”(最近邻法),“bilinear”(双线性插值)、“bicubic”(双三次插值)，缺省值为“nearest”。Bimresizee(Am，method)表示返回原图A的m倍放大图像(m小于

5、1时实际上是缩小)；下图就是采用邻近插值法的放大和缩小图像，参数值保持默认设置： 虽然处理后看不出放大的效果，这是由于坐标轴限制的原因，如果把处理后的图片保存起来，再把处理后的文件打开，就可以看到比较明显的放大效果。 缩小后的结果如下： 5上下翻转函数flipud是实现一个二维矩阵的上下翻转，如a=1 2;3 4,经过该函数处理后，原矩阵变为3 4;1 2;所以利用该函数也可以对图像进行上下翻转处理，但由于该函数针对二维数据的处理，所以在写程序时，要对RGB图像和灰度图像分开处理，这就要用到isrgb函数来判断，如果是灰度图像，则可以直接用这个函数进行处理，否则就要对RGB图像进行降维处理，

6、for k=1:3 y(:,:,k)=flipud(x(:,:,k);end 处理结果如图： 6左右翻转对图像的左右翻转也可以用fliplr函数来处理，同样的，也要对灰度和彩色图像分开处理，处理结果如图： 7任意角度翻转 用函数imrotate来实现对图像的插值旋转。该函数的调用格式如下： Bimrotate(A，angle，method，crop) 其中，参数method用于指定插值的方法，可选的值可以有三种，分别为邻近插值，双线性插值，双三次插值，缺省时为邻近插值，参数angle代表旋转的角度。一般来说，旋转后的图像会比原图大，用户可以指定“crop”参数对旋转后的图像进行剪切(取图像的中

7、间部分)，使返回的图像与原图大小相同。执行结果为： 8 噪声经常用到的噪声有三种，高斯噪声，椒盐噪声，乘性噪声，可以通过以下三个函数来实现：y=imnoise(handles.img,gaussian,p1,p2);%高斯噪声y=imnoise(x,salt & pepper,p1); %椒盐噪声y=imnoise(handles.img,speckle,p1); %乘性噪声p1，p2的参数也通过输入对话框的形式得到，原图加入高斯噪声后结果如下所示：9滤波 这里选择三种滤波方法，k=medfilt2(handles.noise_img);%中值滤波k=wiener2(handles.noise

8、_img,5,5);%自适应滤波k=filter2(fspecial(average,3),handles.noise_img)/255;%平滑滤波 同样的，这些函数也是针对二维数据，所以要先判断是彩色图像还是灰度图像，然后分别进行处理，下面是对彩色图像的自适应滤波处理：i=handles.noise_img;if isrgb(i) a=handles.noise_img(:,:,1);b=handles.noise_img(:,:,2);c=handles.noise_img(:,:,3); k(:,:,1)=wiener2(a,5,5); k(:,:,2)=wiener2(b,5,5);

9、k(:,:,3)=wiener2(c,5,5); imshow(k);执行结果如图：对其他方法的滤波程序也类似，由于把各个滤波方法放在一个选择框里，所以程序要用以下的选择语句：switch str case 中值滤波 case 自适应滤波 case 平滑滤波end10直方图统计 用imhist函数对图像数据进行直方图统计，x=imhist(handles.img(:,:,1); bar(horz,x); 其中，x矩阵的数据是0255灰度值的统计个数，如果直接对x矩阵数据进行图形图显示，由于有256个数据，在坐标系中就会很密集，为了更清楚的显示条形图，所以在程序设计时，把x数据进行部分提取，x1

10、=x(1:10:256);horz=1:10:256;bar(horz,x1);除了显示数据的直方图统计外，还可以对图像进行均衡处理，所用到的函数是histeq，这两个函数同样只使用于二维数据，所以也要对二维和三维数据分开处理。 直方图显示和均衡后的图像分别如下图所示 11二值图像 用j=im2bw(x);来对灰度图像到二值图像的转换。转换结果为：二）边缘检测使用edge函数对图像你自己的照片进行进行边缘检测，比较不同算子的分割效果，基本程序如下。I=imread(你自己照片进行); imshow(I)bw1=edge(I,roberts);bw2=edge(I,sobel);bw3=edge

11、(I,prewitt);bw4=edge(I,canny);bw5=edge(I,log);figure,imshow(bw1)figure,imshow(bw2)figure,imshow(bw3)figure,imshow(bw4)figure,imshow(bw5)三）变换域数字图像水印算法，图像是你自己的个人照片（256X256X256），水印是你自己的名字照片（32X32X32），图像1.用dct进行水印的提取，程序如下：%嵌入水印的程序代码M=256; %原图像长度N=32; %水印图像长度K=8;I=zeros(M,M);J=zeros(N,N);BLOCK = zeros(K,

12、K);%显示原图像subplot(3,2,1);I=imread(你自己.jpg);imshow(I);title(原始公开图像);%显示水印图像subplot(3,2,2);J=imread(你名字.bmp);J=double(imresize(J,32,32);imshow(J);title(水印图像);%嵌入水印for p=1:Nfor q=1:Nx=(p-1)*K+1;y=(q-1)*K+1;BLOCK=I(x:x+K-1,y:y+K-1);BLOCK=dct2(BLOCK);if J(p,q)=0 a=-1;else a=1;endBLOCK(1,1)=BLOCK(1,1)*(1+a

13、*0.03);BLOCK=idct2(BLOCK);I(x:x+K-1,y:y+K-1)=BLOCK;endend%显示嵌入水印后的图像subplot(3,2,3);imshow(I);title(嵌入水印后的图像);imwrite(I,watermarked.bmp,bmp); %从嵌入水印的图像中提取水印I=imread(1.jpg);J=imread(watermarked.bmp,bmp);for p=1:Nfor q=1:Nx=(p-1)*K+1;y=(q-1)*K+1;BLOCK1=I(x:x+K-1,y:y+K-1);BLOCK2=J(x:x+K-1,y:y+K-1);BLOCK

14、1=idct2(BLOCK1);BLOCK2=idct2(BLOCK2);a=BLOCK2(1,1)/BLOCK1(1,1)-1;if a0W(p,q)=0;elseW(p,q)=1;endendend%显示提取的水印subplot(3,2,4);imshow(W);title(从含水印图像中提取的水印);%水印攻击测试M=256;N=32;K=8;I=zeros(M,M);J=zeros(M,M);w=zeros(N,N);BLOCK1=zeros(K,K);BLOCK2=zeros(K,K);%对嵌入水印后的图像进行JPEG压缩L=imread(watermarked.bmp,bmp);i

15、mwrite(L,attack.jpg,jpeg,Quality,85);J=imread(attack.jpg,jpeg);subplot(3,2,5);imshow(J);title(压缩后的图像);I=imread(1.jpg);%从压缩的图像中提取水印for p=1:Nfor q=1:Nx=(p-1)*K+1;y=(q-1)*K+1;BLOCK1=I(x:x+K-1,y:y+K-1);BLOCK2=J(x:x+K-1,y:y+K-1);BLOCK1=idct2(BLOCK1);BLOCK2=idct2(BLOCK2);a=BLOCK2(1,1)/BLOCK1(1,1)-1;if a0W

16、(p,q)=0;elseW(p,q)=1;endendend%显示提取的水印subplot(3,2,6);imshow(W);title(从经过压缩的图像中提取的水印); 2.对含有水水印的图片进行奇异分解，然后提取W=im2double(M); %转化为0,1)double型m1,n1=size(W(:,:,1);WW=zeros(m,n);for i=1:m1 for j=1:n1 WW(i,j)=W(i,j); endendNCWI=CWI+AA*0.01; %对含水印的图像加噪声UU,S2,VV=svd(NCWI); %对含有水印的图像进行奇异值分解SN=U1*S2*V1; %计算中间矩阵WN=(SN-S)/af; %提取水印WNN=zeros(m1,n1);for i=1:m1 for j=1:n1 WNN(i,j)=WN(i,j); endend 结论 2015年 6月23 日教师批阅 年 月 日