关于图像:山东大学数字图像处理实验MATLAB的图像显示方法

MATLAB 学习

试验目标

  1. 理解 MATLAB 的基本功能及操作方法。
  2. 把握典型离散信号的 Matlab 产生和显示。

试验原理及办法

在 MATLAB 中, 序列是用矩阵向量示意, 但它没有蕴含采样信息, 即序列地位信息, 为 此, 要示意一个序列须要建设两个向量; 一是工夫序列 n , 或称地位序列, 另一个为取值序 列 x ,示意如下: $n=[\cdots,-3,-2,-1,0,1,2,3, \cdots]$ ,$\mathrm{x}=[\cdots, 6,3,5,2,1,7,9, \cdots]$

个别程序都从 0 地位起始, 则 $x=[x(0), x(1), x(2), \cdots]$ 对于多维信号须要建设矩阵来示意, 矩阵的每个列向量代表一维信号。

数字信号处理中罕用的信号有指数信号、正弦信号、余弦信号、方波信号、锯齿波信号 等, 在 MATLAB 语言中别离由 exp, sin, cos, square, sawtooth 等函数来实现。

试验内容

1.用 MATLAB 编制程序, 别离产生长度为 $\mathrm{N}$ (由输出确定) 的序列:

(1)单位冲击响应序列: 可用 MATLAB 中 zeros 函数来实现;

t=-20:1:20;
X=zeros(size (t)) ;
X(21)=1;
plot(t,x);

(2)单位阶跃序列: U(n) 可用 MATLAB 中 ones 函数来实现;

t=-20:1:20;
X=zeros (size (t)) ;
x (21:41)=ones (1,21);
plot(t,x);

(3)正弦序列: $\quad x(n)=\sin (\omega n)$ ;

N0=20;
w=0.5;
n=-N0:0.5:N0;
y=sin (w*n);
plot (n, y);

(4)指数序列: $x(n)=a^{n},-\infty<n<+\infty$

N0=20 ;
a=1.1;
n=-N0:2:N0 ;
X=a.^n;
plot (n,x);

(5)复指数序列: 用 exp 函数实现 $K_{0} e^{(a+j b) n}$ , 并给出该复指数序列的实部、虚部、幅 值和相位的图形。(其中 a=-0.2 ; b=0.5 ; K0=4 ; N=40.)

$K_{0} e^{(a+j b) n}=K_{0} e^{a n}(\cos (b n)+j \sin (b n))$

a=-0.2;
b=0.5;
K0=4;
N=40;
n=-N:1:N;
t=K0*exp.^(a+j*b)*n ;

流程图:

在计算机上实现正弦序列 $x(n)=A_{0} \sin (2 \pi f n+\varphi)$

A0=-0.2;
f=0.05;
pi=3.14;
K0=2/3*pi;
N=40;
n=-N:1:N;
x=A0*sin(2*pi*f*n+K0);
plot(n,x)

MATLAB的图像显示办法

试验目标

1.练习图像读写和显示函数的应用办法

2.把握MATLAB反对的五类图像显示办法

3.数字图像处理中罕用到的MATLAB函数(选做)

试验内容

1.图像的读

RGB=imread('D:\pic\DIP3E_CHO1\Fig0101(1921 digital image).tif);

2.图像显示

(1)图像显示

f=imread('D:\pic\DIP3E_CHO1\Fig0101(1921 digital image).tif');
whos f
imshow(f)
[m,n]=size(f)%显示图像的大小

(2)同屏显示多个图像

可用subplot(m,n)将图形窗分为m*n个子窗口,而后取第一、第二…子窗口显示不同的图像,实现同屏显示多个图像。例如:

figure(1);
%取2×2个子屏中的第一个子屏
subplot (2,2,1);
%显示第一个图像
imshow(Il);
%取2×2个子屏中的第四个子屏
subplot(2,2,4);
%显示第四个图像
imshow(I4);

3.数字图像处理中罕用到的MATLAB函数

size ()函数

Zeros ()函数

Fft2(), ifft2()函数

Imhist()函数

Histeq()函数

Imrotate()函数

Imnoise()函数

Edge()函数

Title()函数

Xlable(), Ylable()函数

相干资源曾经归档至公众号【AIShareLab】,回复 数字图像处理 能够获取。

评论

发表回复

您的邮箱地址不会被公开。 必填项已用 * 标注

这个站点使用 Akismet 来减少垃圾评论。了解你的评论数据如何被处理