范文范例 学习参考
源代码
I>> = imread('zhaowei.bmp') >>J = immultiply(I,1.2) >>subplot(1,2,1);imshow(I) >>subplot(1,2,2);imshow(J)
四、图像的除法运算
在MATLAB中使用imdivide函数进行两幅图像的除法。imdivide函数对两幅输入图像的所有相应像素执行元素对元素的除法操作（点除），并将得到的结果作为输出图像的相应像素值。imdivide函数的调用格式如下：
Z = imdivide(X,Y) 其中，Z=X/Y。 实验结果如下图：
源代码
>>Rice = imread('cameraman.tif'); >>I = double(Rice); >>J= I * 0.43 + 90 >>Rice2 = uint8(J)
>>Ip = imdivide(Rice, Rice2)
精品资料整理
范文范例 学习参考
>>Imshow(Ip, []) 原图像
五、思考题
由图像算术运算的运算结果，思考图像减法运算在什么场合上发挥优势？
答：使用背景减法进行运动目标检测可以提取出完整的目标图像．可将所得标用于进一步的图像处理工作中。
除去人身体在环境中运动产生的动态区域外．背景减法对其它的动态场景的变化、干扰等特别敏感背景图像获取的理想情况是在场景没有运动因素，最简单背景获取方法是当场景中任何目标时采集一幅图像作为背景图像，但这种固定背景图像的方法．只适合应于外界条件较好的场。
实验三 图像增强—空域滤波
一、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)
精品资料整理
范文范例 学习参考
g）重复c)~ e）的步骤 h）输出全部结果并进行讨论。
二、实验结果与源代码
源代码
>>I=imread('cameraman.tif'); J = imnoise(I,'gauss',0.02); J = imnoise(I,'salt & pepper',0.02); ave1=fspecial('average',3); ave2=fspecial('average',5); K = filter2(ave1,J)/255; L = filter2(ave2,J)/255; M = medfilt2(J,[3 3]); N = medfilt2(J,[4 4]); imshow(I); figure,imshow(J); figure,imshow(K); figure,imshow(L); figure,imshow(M); figure,imshow(N);
三、思考题/问答题
(1) 简述高斯噪声和椒盐噪声的特点。
高斯噪声是指噪声的概率密度函数服从高斯分布（即正态分布）的一类噪声。如果一个噪声，它的幅度分布服从高斯分布，而它的功率谱密度又是均匀分布的，则称它为高斯白噪声。高斯白噪声的二阶矩不相关，一阶矩为常数，是指先后信号在时间上的相关性。 高
精品资料整理
范文范例 学习参考
斯白噪声包括热噪声和散粒噪声。而椒盐噪声是指椒盐噪声是由图像传感器，传输信道，解码处理等产生的黑白相间的亮暗点噪声。椒盐噪声往往由图像切割引起。
（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？ 通过实验可以看出，中值滤波对椒盐噪声的消噪处理效果比较好，但是对高斯噪声的消噪处理效果不是很理想
(3) 结合实验内容，定性评价滤波窗口对去噪效果的影响？
对比实验结果可以发现：发现对于椒盐噪声，中值滤波效果更好。对于高斯噪声，选用5*5窗口滤波效果好于3*3窗口滤波，但图像模糊程度加重了。
实验四 图像分割
一、实验内容与步骤
(1)使用Roberts 算子的图像分割实验
", 调入并显示图像room.tif中图像；使用Roberts 算子对图像进行边缘检测处理； Roberts 算子为一对模板：
", 相应的矩阵为：rh = [0 1；-1 0]； rv = [1 0；0 -1]；这里的rh 为水平Roberts 算子，rv为垂直Roberts 算子。分别显示处理后的水平边界和垂直边界检测结果；用“欧几里德距离”和“街区距离”方式计算梯度的模，并显示检测结果；对于检测结果进行二值化处理，并显示处理结果；
(2)使用Prewitt 算子的图像分割实验
", 使用Prewitt 算子进行内容(1)中的全部步骤。 (3)使用Sobel 算子的图像分割实验
使用Sobel 算子进行内容(1)中的全部步骤。 (4)使用LoG (拉普拉斯-高斯)算子的图像分割实验
使用LoG (拉普拉斯-高斯)算子进行内容(1)中的全部步骤。提示1：处理后可以直接显示处理结果，无须另外计算梯度的模。提示2：注意调节噪声的强度以及LoG (拉普拉斯-高斯)算子的参数，观察处理结果。
二、实验结果与源程序
实验结果如下图：
精品资料整理
范文范例 学习参考
源程序>>f=imread('cameraman.tif'); [gv,t1]=edge(f,'sobel','vertical'); imshow(gv)
[gb,t2]=edge(f,'sobel','horizontal'); figure,imshow(gb)
w45=[-2 -1 0;-1 0 1;0 1 2];
g45=imfilter(double(f),w45,'replicate'); T=0.3*max(abs(g45(:))); g45=g45>=T; figure,imshow(g45);
三、思考题/问答题
1、评价一下Roberts 算子、Prewitt 算子、Sobel 算子对于噪声条件下边界检测的性能。
Roberts 算子边缘定位精度较高，但易丢失一部分边缘，同时由于没经过图像平滑计算，因此不能抑制噪声。该算子对具有陡峭的低噪声图像响应最好。
Sobel算子很容易在空间上实现，对噪声具有平滑作用，受噪声影响较小，可提供较为精确的边缘方向信息，但同时也会检测出许多伪边缘，检测到的边缘宽度较粗，边缘位置定位精度不高。
Prewitt 算子与Sobel 算子使用方法一样，都是对图像进行差分和滤波运算，差别只在于使用的模板不一
样，Prewitt 算子比Sobel 算子运算略微简单。
2、为什么LoG梯度检测算子的处理结果不需要象Prewitt 等算子那样进行幅度组合？ LOG 算子是根据图像的信噪比来求出检测边缘的最优滤波器。该方法首先采用高斯函数对图像进行低通平滑滤波，然后采用Laplacia 算子进行高通滤波，根据二阶导数的过零点来检测图像的边缘。因而不需要象Prewitt 等算子那样进行幅度组合。 3、实验中所使用的四种算子所得到的边界有什么异同？
Roberts 算子检测出的图像轮廓边缘很细，连续性较差，边缘信息有一定丢失，出现的
精品资料整理