SlowSnail

为了使后面hexo的个性搭建以及个人博客的发布操作简便，推荐大家下载以下软件，别忘了配置环境变量哦

准备环境

Github

自选一幅灰度图像，编写MATLAB程序，完成图像的傅里叶变换并显示图像傅里叶变换谱。

1、快速图像傅里叶变换函数

Y = fft2(X)

2、将图像频谱零频分量移动到图像频谱中心

Y = fftshift(X)

3、显示频谱图像的时候考虑：复数能否显示出来？如果不能，尝试将幅度谱与相位谱分别显示出来。

4、如果频谱图像对比度较差，请考虑采用对比度增强算法显示频谱图象。

5、对图像频谱做傅里叶反变换，并显示反变换后的图像。（注意频谱平移带来的问题）

1. 进入 Matlab 7.3 集成开发环境，并打开脚本编辑器。
2. 在脚本编辑器中编写一段程序，要求：
   (1) 读入存放在 alumgrns.tif 中的原始图像；
   (2) 用函数 imfilter ，分别用 Roberts 、 Sobel 和 Laplacian 算子对该图像进行边缘增强处理；
   (3) 用函数 edge ，分别对该图像进行进行 Roberts 、 Sobel 、 Laplacian-Gaussian和 Canny 方法的边缘检测；
   (4) 在同一窗口中显示原始图像和结果图像。
3. 将编写的程序保存为 Example3_4_1EdgeDetect.m 。
4. 运行该程序，并比较各种方法的边缘增强和边缘检测的效果。

1. 进入 Matlab 7.11 集成开发环境，并打开脚本编辑器。
2. 在脚本编辑器中编写一段程序，要求：
   (1) 读入存放在 eight.tif 中的原始图像；
   (2) 调用 imnoise 函数向该图像中添加 2% 的椒盐噪声 ( 参数为“ salt &pepper ” ) ；
   (3) 在同一窗口中，显示原始图像和加噪后的图像；
   (4) 将编写的程序保存为 Example3_2_5AddSaltPepper1.m 。
3. 修改上述程序，将添加的噪声改为均值为 0 、方差为 0.001 的高斯噪声 ( 参数为“ gaussian ” ) ，并将编写的程序另存为 Example3_2_5AddSaltPepper2.m 。
4. 运行这两个程序，修改噪声类型和参数大小，比较噪声对原始图像的影响。
5. 在脚本编辑器中编写一段程序，要求：
   (1) 读入存放在 eight.tif 中的原始图像；
   (2) 分别向该图像中添加椒盐噪声；
   (3) 分别对加噪图像进行 3× 3 平均值滤波和中值滤波，并在同一窗口中，显示原始图像、加噪后的图像和两种滤波结果图像；
   (4) 将编写的程序保存为 Example3_2_6MedianFilter1.m 。
6. 修改上述程序，将添加的噪声改为均值为 0 、方差为 0.001 的高斯噪声 ( 参数为“ gaussian ” ) ，并将编写的程序另存为 Example3_2_6MedianFilter2.m 。
7. 运行这两个程序，修改噪声类型和参数大小，比较不同滤波方法的滤波效果

1. 进入 Matlab 7.3 集成开发环境，并打开脚本编辑器。
2. 在脚本编辑器中编写一段程序，要求：
   (1) 读入存放在 tire.tif 中的原始图像；
   (2) 用函数 histeq 对该图像进行直方图均衡化处理，并显示结果图像；
   (3) 用函数 imhist 分别对原始图像和直方图均衡化后图像进行直方图统计，并显示结果。
3. 将编写的程序保存为 Example3_2_3EquGrayImage1.m 。
4. 运行该程序，并比较原始图像与结果图像，以结果来检验直方图均衡化增强的效果。
5. 修改原来的程序，将所有图像放置在一个窗口中显示对比，并：
   (1) 用 load woman 调入一幅索引图像进行直方图均衡化处理；
   (2) 读入存放在 lena.jpg 中的原始图像，用该图像的直方图去规定化 tire.tif图像的直方图，并统计直方图规定化后图像的直方图与 lena.jpg 图像直方图，进行比较；
   (3) 将结果保存在 Example3_2_3EquGrayImage2.m 中，并运行验证结果。

1. 进入 Matlab 7.11 集成开发环境，并打开脚本编辑器。
2. 在脚本编辑器中编写一段程序，要求：
   (1) 读入存放在 pout.tif 中的原始图像；
   (2) 调用 imadjust 命令对其进行对比度增强，将原灰度范围 [0.3 0.7] 线性变换为 [0 1] ，并显示原始图像和转换结果图像。
3. 将编写的程序保存为 Example3_2_1ContrastAdj1.m 。
4. 运行该程序，并比较原始图像与各转换图像，以结果来灰度线性变换的效果。
5. 修改原来的程序，将所有图像放置在一个窗口中显示对比，并：
   (1) 制作 pout 图像的负片；
   (2) 适当调整函数 imadjust 的参数，和设置 gamma 大于 1 和小于 1 时，观察结果的变化；
   (3) 将结果保存在 Example3_2_1ContrastAdj2.m 中，并运行验证结果

1. 进入 Matlab 7.11 集成开发环境，并打开脚本编辑器。
2. 在脚本编辑器中编写一段程序，要求：
   (1) 读入存放在 lena.jpg 中的原始图像，分别将其转换为 64 级和 16 级的索引图像，并显示；
   (2) 读入存放在 autumn.tif 中的原始图像，将其转换为灰度图像，并显示；
   (3) 用 load 命令调入 woman.mat 索引图像，将其转换为灰度图像，并显示；
   (4) 对 woman.mat 中储存的索引图像，分别用阈值 0.5 和 0.6 进行二值化，并显示该两幅图像。
3. 将编写的程序保存为 Example2_2TypeTrans1.m 。
4. 运行该程序，并比较原始图像与各转换图像，以结果来检验转换的效果。
5. 修改原来的程序，将所有图像放置在一个窗口中显示对比，并：
   (1) 使用 rgb2ind 和 ind2rgb 函数进行图像类型转换，并将每组图像放置在一个窗口中显示对比；
   (2) 使用 rgb2hsv 、 hsv2rgb 、 rgb2ntsc 和 ntsc2rgb 函数进行颜色空间转换；
   (3) 使用 imwrite 函数将一种文件格式转换为另一种文件格式 (BMP 、 TIFF 、GIF 、 PCX 和 JPEG) ；
   (4) 将结果保存在 Example2_2TypeTrans2.m 中，并运行验证结果。

1. 进入 Matlab 7.11 集成开发环境，并打开脚本编辑器。
2. 在脚本编辑器中编写一段程序，要求：
   (1) 读入存放在 lena.jpg 中的原始图像，将其假象为一幅连续图像；
   (2) 以采样间隔 (16, 16) 对原始图像进行采样，要求采样点的值为原图像 16 × 16 块的均值，像点大小为原来的 16 × 16 倍；这样的采样要求就意味着对原始图像进行 16 × 16 的块处理，且用 uint8 函数对块均值取整量化后，取代块中所有原像素的值；
   (3) 显示该采样图像；
   (4) 以采样间隔 (8, 8) 对原始图像进行采样，要求采样点的值为原图像 8 × 8块的均值，像点大小为原来的 8 × 8 倍；
   (5) 在另一个窗口中显示该采样图像；
   (6) 以采样间隔 (4, 4) 对原始图像进行采样，要求采样点的值为原图像 4 × 4块的均值，像点大小为原来的 4 × 4 倍；
   (7) 在另一个窗口中显示该采样图像；
   (8) 在另一个窗口中显示原始图像。
3. 将编写的程序保存为 Example2_1Digitize1.m 。
4. 运行该程序，并比较原始图像与各采样图像，以结果来检验采样的效果。
5. 修改原来的程序，将四幅图像放置在一个窗口中显示对比，并将结果保存在

1. 进入 Matlab 7.11 集成开发环境，并打开脚本编辑器。
2. 在脚本编辑器中编写一段程序，要求：
   (1) 读入存放在 greenleaf.jpg 中的绿叶图像；
   (2) 显示原图像；
   (3) 增强该图像的绿色分量，强度为原来的 2 倍，即 k=2 ；
   (4) 在另一个窗口中显示绿色分量增强后的图像。
3. 将编写的程序保存为 Example1_1GreenLeaf1.m 。
4. 运行该程序，并比较原始图像与绿色分量增强后的图像，以结果来检验彩色分量增强的效果。
5. 修改原来的程序，将两幅图像放置在一个窗口中显示对比，并将结果保存在
   Example1_1GreenLeaf2.m 中。
6. 进一步修改程序，使绿叶变得枯黄，并将结果保存在 Example1_1GreenLeaf3.m中

演示视频：python自动打卡

这篇文章是基于电脑已经安装好pycharm、python和Chromium基础上进行指导的