1.读入一副图像，对其进行缩放。
源代码：
clear; % 读入图像函数imread(); % 参数：‘文件名/文件路径’ I=imread('lena.tif'); % 图像缩放函数imresize(); % 参数：图像对象，缩放倍率 I1=imresize(I,0.5); I2=imresize(I,2); % 显示图像函数imshow(); % 参数：图像变量； imshow(I); title('原图') figure imshow(I1); title('0.5倍缩放图像') figure imshow(I2); title('2倍缩放图像')实验结果：
结果分析：
matlab中使用imresize()函数实现图像大小的修改，倍数大于1时放大，小于则反之，如果修改图片大小后，还以相同比例的图形用户界面显示，显示改变的则是图像的清晰度。
2.读入一副图像，对其添加椒盐噪声，用均值滤波器对其进行滤波；对其添加高斯噪声，用高斯滤波器对其进行滤波。
源代码：
clear; I=imread('lena.tif'); % 添加噪声函数imnosie()； % 参数：待处理图像，'method',噪声密度 J1=imnoise(I,'gaussian'); J2=imnoise(I,'salt & pepper'); % 二维图像滤波器创建函数fepecial(); % 参数：'method',滤波区间/半径，滤波密度 h1=fspecial('gaussian',[5,5]); h2=fspecial('average',[5,5]); J0=rgb2gray(J1); h3=medfilt2(J0,[5,5]); % 滤波实现函数imfilter(); % 参数：滤波对象，滤波器 F1=imfilter(J1,h1); F2=imfilter(J2,h2); subplot(2,3,1); imshow(I);title('原图') subplot(2,3,2); imshow(J1);title('高斯噪声图') subplot(2,3,3); imshow(J2);title('椒盐噪声图') subplot(2,3,4); imshow(h3);title('中值滤波图') subplot(2,3,5) imshow(F1);title('高斯滤波图') subplot(2,3,6) imshow(F2);title('均值滤波图')实验结果：
结果分析：
matlab中使用imnoise()函数为图像添加噪声，添加何种噪声由参数决定；之后想要滤波则可以先借助fspecial()函数创建滤波器，同时指定相应的滤波方法，再只用imfilter()函数实现滤波即可。
3.读入一副图像，对其提取边缘。
源代码：
clear; I=imread('lena.tif'); % 彩图图片转化灰度图函数rgb2gray(); % 参数待转化的三维彩色图片，数据由三维降到二维； gray=rgb2gray(I); % 边缘提取函数edge(); % 参数：处理对象(灰度图)，'提取方法'，起始门槛，方向(等) BW1=edge(gray,'sobel'); % Sobel算子检测方法对灰度渐变和噪声较多的图像处理效果较好，Sobel算子对边缘定位不是很准确，图像的边缘不止一个像素。 BW2=edge(gray,'roberts'); % Roberts算子检测方法对具有陡峭的低噪声的图像处理效果较好，但是利用roberts算子提取边缘的结果是边缘比较粗，因此边缘的定位不是很准确。 BW3=edge(gray,'prewitt'); % Prewitt算子检测方法对灰度渐变和噪声较多的图像处理效果较好。但边缘较宽，而且间断点多。 BW4=edge(gray,'canny'); % Canny算子是目前边缘检测最常用的算法，效果也是最理想的。 BW5=edge(gray,'log'); % Laplacian算子法对噪声比较敏感，所以很少用该算子检测边缘，而是用来判断边缘像素视为与图像的明区还是暗区。 subplot(2,3,1) imshow(gray);title('灰度图') subplot(2,3,2); imshow(BW1);title('sobel算子提取') subplot(2,3,3); imshow(BW2);title('roberts算子提取') subplot(2,3,4); imshow(BW3);title('prewitt算子提取') subplot(2,3,5); imshow(BW4);title('canny算子提取') subplot(2,3,6); imshow(BW5);title('laplasian算子提取')实验结果：
结果分析：
matlab中图片边缘提取函数为edge()函数，其中第一个参数，即待处理图片须是灰度图，然后提取方法有很多的算子，不同的算法机理不同，因此得到的提取效果也大不相同。
4.读入一副图像，对其进行直方图统计。
源代码：
clear; I=imread('lena.tif'); G=rgb2gray(I); % 通过直方图均衡化来增加灰度图像(原图)对比度，函数histeq(I) % 参数：待均衡灰度图； J=histeq(I); subplot(2,2,1) imshow(I);title('原图') subplot(2,2,2) % 得到图像数据的灰度直方图,imhist(I,n)函数 % 参数：待处理图像(灰度图像)，(n为指定的灰度级)默认256 imhist(G,32);title('32直方统计图') subplot(2,2,3) imshow(J);title('均衡化的图') subplot(2,2,4) imhist(J,32);title('32均衡化的直方统计图')实验结果：
结果分析：
matlab中使用histeq()函数实现图像均衡化处理，即对比度调整，参数为待处理的图像和均衡化等级，处理后的图片色彩对比有明显变化，在直方图中则更加直观，所有亮度范围的直方统计图都大致相同，没有原图像那样突出或凹陷的部分。
5.读入一副图像，对其进行增强。
源代码：
clear; I=imread('lena.tif'); G=rgb2gray(I); % 灰度图的灰度转换，imadjust(I)函数; % 参数：待处理图像(自动调整)； % 或者 % imsdjust(I,[low-in hign-in],[low-out high-out]) % 灰度输入以及输出范围; % 输入灰度小于low_in，则输出灰度为low_out； % 输入灰度大于high_in，则输出灰度为high_out； % 将low_in至high_in间值映射到low_out至high_out之间； J1=imadjust(G); J2=imadjust(G,[0,1],[1,0]); H=histeq(G); subplot(2,2,1); imshow(G);title('原灰度图') subplot(2,2,2); imshow(H);title('对比度增强图') subplot(2,2,3); imshow(J1);title('灰度自动调整图') subplot(2,2,4); imshow(J2);title('黑白颠倒图')实验结果：
结果分析：
matlab中图像增强处理，可以imjust()函数进行亮度调整，或者是histeq()函数实现对比度的调节，需要注意的是imjust()函数处理对象须为灰度图，故对于彩色图像处理前面需要进行类型转化操作。
6.读入一副图像，在其中添加水印，然后将添加进去的水印提取出来。
源代码：
clear;clc; % 使用最低有效位LSB图像水印法添加水印； % least significant bit，通过分离图层，将水印图层替换到原图低层，以实现水印的“不外露”添加； % % 背景图片； img=imread('lena.tif'); imgsize=size(img); % 提取原图比特平面； bitplane=zeros(imgsize(1),imgsize(2),8); for i=1:8 % 各个图层的处理； for row=1:imgsize(1)% 图片行； for column=1:imgsize(2)% 图片列； bitplane(row,column,i)=bitget(img(row,column),i); end end end %绘制原图bitplane; figure(1) for i=1:8 subplot(2,4,i) imshow(im2uint8(255*bitplane(:,:,i))); title(['BitPlane ',num2str(i)]) end % % 水印图片； imgMark=imread('txt.tif'); imgMarksize=size(imgMark); % 提取水印比特平面； bitplaneM=zeros(imgMarksize(1),imgMarksize(2),8); for i=1:8 for row=1:imgMarksize(1) for column=1:imgMarksize(2) bitplaneM(row,column,i)=bitget(imgMark(row,column),i); end end end %绘制水印bitplane; figure(2) for i=1:8 subplot(2,4,i) imshow(im2uint8(255*bitplaneM(:,:,i))); title(['BitPlane ',num2str(i)]) end % % 构造新的bitplane，即嵌套水印； newbitplane=bitplane; newbitplane(:,:,1)=bitplaneM(:,:,6); newbitplane(:,:,2)=bitplaneM(:,:,7); newbitplane(:,:,3)=bitplaneM(:,:,8); % 替换背景图片低层bitplane后，生成新的含水印的图片； newimg=zeros(256,256); for i=1:8 newimg=newimg+newbitplane(:,:,i)*2^(i-1); % 不同的bitplane乘以响应的权值，计算出灰度图(8位)的参数值； end newimg=uint8(newimg);%转换为8位无符号整数数据类型； figure(3) imshow(newimg);%展示水印嵌套图片； title('水印嵌套图片') % % 水印提取(添加水印的逆过程); bitplanerec=zeros(imgsize(1),imgsize(2),8); for i=1:8 for row=1:imgsize(1) for column=1:imgsize(2) bitplanerec(row,column,i)=bitget(newimg(row,column),i); end end end figure(4) for i=1:8 subplot(2,4,i) % 展示嵌套后的图层； imshow(im2uint8(255*bitplanerec(:,:,i))); title(['BitPlane ',num2str(i)]) end % 复制水印图，即将水印图层赋值给新的变量，生成水印提取图片； newimgM=zeros(imgsize(1),imgsize(2)); for i=1:3 newimgM=newimgM+bitplanerec(:,:,i)*2^(4+1); end figure(5) imshow(im2uint8(newimgM)); title('水印提取图片')实验结果及分析：
背景待嵌入图片的八个图层，可以看出随着图层(权值)的增加，图像信息越多，也就是说低图层的信息显示在主图上不明显，因此可以使用水印的高图层替换背景图的低图层，实现几乎不能使用肉眼辨别的水印的添加。
待嵌入水印图片的八个图层，
如图为水印添加的嵌套图片，可以看出水印添加的隐藏效果是非常好的，肉眼以及无法辨别图片是否有水印，直观上看着和原背景一样。
但是提取该图的八个子图层，并分别绘制出来，此时便可以清晰的看出水印已经添加到嵌套结果图中。
而对于水印的提取，则可以利用图层分解合成的逆过程实现，将上述嵌套结果图分层绘制，可以看出有三个图层都是有关水印图片的信息，因此可以将该三层信息(矩阵)赋值给新的变量，并整合转化数据类型(这里转化为8位无符号整形)，以便于以直观的图片形式呈现出来。
希望此文档对你有所帮助，谢谢大家的观看，查看更多精彩内容请关注微信公众号“理工科日记”！！
