问题 1 黑白图像灰度扫描

实现一个函数 s = scanLine4e(f, I, loc), 其中 f是一个灰度图像，I 是一个整数，loc 是一个字 符串。当 loc 为’row’时，I 代表行数。当 loc 为’column’时，I 代表列数。输出 s 是对应的相 关行或者列的像素灰度矢量。

调用该函数，提取 cameraman.tif 和 einstein.tif 的中心行和中心列的像素灰度矢量并将扫描 得到的灰度序列绘制成图。

1. 程序

①scanLine4e(f, I, loc)函数

function [s] = scanLine4e(f, I, loc) [row,column]=size(f); if loc=='row' % I 代表行数 s=f(I,:); elseif loc=='column' % I 代表列数 s=f(:,I); end end

②主程序

img=imread("资源文件\cameraman.tif"); [centerRow,centerColum]=size(img); centerRow=round(centerRow/2); centerColum=round(centerColum/2); cameramanRow=scanLIne4e(img,centerRow,"row") cameramanColum=scanLIne4e(img,centerColum,"column") % 画图 x = linspace(0,256, 256); % 横坐标轴 y1 = cameramanRow; y2 = cameramanColum; % 绘图 figure plotyy(x, y1, x,y2) scanLIne4e(img,centerRow,"row")

2.运行效果

①cameraman.tif图片

 

图1 cameraman.tif图片行列扫描

②einstein.tif图片

图2 cameraman.tif图片行列扫描

问题 2 彩色图像转换为黑白图像。

图像处理中的一个常见问题是将彩色RGB图像转换成单色灰度图像，第一种常用的方法是 取三个元素R，G，B 的均值。第二种常用的方式，又称为 NTSC 标准，考虑了人类的彩色感知体验，对于 R,G,B 三通道分别采用了不同的加权系数，分别是 R 通道 0.2989，G通道0.5870，B通道0.1140.

实现一个函数g = rgb1gray(f, method).函数功能是将一幅24位的RGB图像,f,转换成灰度图像,g.参数 method 是一个字符串，当其值为’average’ 时，采用 第一种转换方法，当其值为’NTSC’时，采用第二种转换方法。将’NTSC’做为缺省方式。

调用该函数，将提供的图像mandril_color.tif和 lena512color.tiff 用上述两种方法转换成单色 灰度图像，对于两种方法的结果进行简短比较和讨论。

1. 代码

①rgb1gray函数

function [outputArg] = rgb1gray(f, method) %函数g = rgb1gray(f, method).函数功能是将一幅24位的RGB图像,f,转换成灰度图像,g. %参数 method 是一个字符串，当其值为’average’ 时，采用 第一种转换方法， %当其值为’NTSC’时，采用第二种转换方法。将’NTSC’做为缺省方式。 %获取3通道 red=f(:,:,1); green=f(:,:,2); blue=f(:,:,3); gray=f; if method=='average' %采用 第一种转换方法:取三个元素R，G，B 的均值 gray=(red+green+blue)/3; elseif method=='NTSC' gray=0.2989*red+0.5870*green+0.1140*blue else outputArg = "输入参数method错误"; end outputArg = gray; end

②主调用函数

img=imread("资源文件\mandril_color.tif"); gray=rgb1gray(img,"average"); imshow(gray)

2．输出结果

①mandril_color.tif

 

图3（左） mandril_color.tif取3通道平均值作为灰度（右）加权NTSC模式

②lena512color.tiff

 

图4（左）lena512color图片取3通道平均值作为灰度（右）加权NTSC模式

3．结论

简单的将3通道的像素值进行平均后得到的灰度图会损失大量细节，图片变得几乎不可见，仅仅保留了少部分密集的深色区域。而用NTSC加权模式后得到的灰度图由于G通道占有最大的权重0.5870，绿色通道能保留较多的细节，因此灰度图在细节保留上几乎不受影响。

问题 3 图像二维卷积函数

实现一个函数 g = twodConv(f, w), 其中 f是一个灰度源图像，w是一个矩形卷积核。要求输出图像g与源图像f大小（也就是像素的行数和列数）一致。请注意，为满足这一要求，对于源图像f需要进行边界像素填补(padding)。这里请实现两种方案。第一种方案是像素复制，对应的选项定义为‘replicate’，填补的像素拷贝与其最近的图像边界像素灰度。第二种方案是补零，对应的选项定义为‘zero’,填补的像素灰度为0，将第二种方案设置为缺省选择。

1.代码

①twodConv函数代码 function [outputArg] = twodConv(f, w,method) [size_w,t]=size(w) num=round(size_w/2) -1% 根据卷积核的大小决定要填充多少排 addrow=num*2