等原因，成像后的圖像與原景物圖像相比，會產生比例失調，甚至扭曲。 以上圖像退化現象稱之為幾何失真 有幾何畸變的圖像，不但視覺效果不好，而且在對圖像進行定量分析時提取的形狀、距離、面積等數據也不準確。 幾何失真校正 典型的幾何失真 系統失真 光學系統、電子掃描系統失真而引起的斜視畸變、枕形、桶形畸變等，都可能使圖像產生幾何特性失真。通過該圖像加噪實現均值濾波復原。

實驗四 圖像的繪制與分割

一.實驗目的

1.了解圖像分割的基本概念； 2.掌握閾值分割和邊緣點檢測的方法； 3.對檢測的目標圖像提取特征并進行特征分析。 二.實驗儀器

計算機、MATLAB軟件 三.實驗原理

matlab實現邊緣檢測和圖像分割提供了很多有用的圖像處理函數，做圖像分割方法有很多，例如：基于閾值的方法，基于邊緣的方法，基于區域的方法，基于凸輪的方法以及基于能量泛函的方法。其中matlab里面有很多做邊緣檢測的算法，最常用的是sobel，prewitte算法，通過該算子與圖像的卷積運算，即可檢測到圖像邊緣，進一步分割目標區域。

圖像分割是計算機圖像處理的一個基本問題，是進行許多后續圖像分析任務的先行步驟。圖像識別、圖像可視化和基于目標的圖像壓縮都高度依賴圖像分割的結果。因此，圖像分割一是一種重要的圖像技術。

四.實驗內容及步驟 1.圖像的邊緣檢測 (1) 源代碼如下：

I=imread(“cameraman.tif”); J1=edge(I,”sobel”); J2=edge(I,”prewitt”); J3=edge( I,’log’); subplot(1,4,1),imshow(I); subplot(1,4,2),imshow(J1); subplot(1,4,3),imshow(J2); subplot(1,4,4),imshow(J3); Log邊緣算子：

Fid=fopen(“lena.img”,”r”); Im=(fread(fid,[256,256],”uint8”)); Im=im2double(uint8(im)); Im_R=edge(im,”Roberts”); Im_P=edge(im,”Prewitt”); Im_S=edge(im,”Sobel”); Im_L=edge(im,”Log”); Colormap(gray);

subplot(321),imgshow(im);title(“源圖像”); subplot(323),imgshow(im_R);title(“Roberts檢測”); subplot(324),imgshow(im_P);title(“Prewitt檢測”); subplot(325),imgshow(im_S);title(“Sobel檢測”); subplot(326),imgshow(im_L);title(“Log檢測”);

(2) 運行結果如下：

原始圖像Sobel邊緣算子

Prewit邊緣算子Log邊緣算子

2.迭代式閾值選擇法 (1)源代碼如下：

f=imread('cameraman.tif'); >> subplot(1,2,1) imshow(f);

>> title('原始圖像'); >> f=double(f);

>> T=(min(f(:))+max(f(:)))/2; >> done=false; >>i=0 while~done f1=find(f<=T); i = 0

總結

以上是生活随笔為你收集整理的数字图像处理 matlab 报告总结,matlab 数字图像处理实验报告(五份)的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。