文档库 最新最全的文档下载
当前位置:文档库 › 数字图像处理实验报告

数字图像处理实验报告

数字图像处理实验报告
数字图像处理实验报告

数字图像处理试验报告

实验二:数字图像的空间滤波和频域滤波

姓名:XX学号:2XXXXXXX 实验日期:2017年4月26日1.实验目的

1. 掌握图像滤波的基本定义及目的。

2. 理解空间域滤波的基本原理及方法。

3. 掌握进行图像的空域滤波的方法。

4. 掌握傅立叶变换及逆变换的基本原理方法。

5. 理解频域滤波的基本原理及方法。

6. 掌握进行图像的频域滤波的方法。

2.实验内容与要求

1. 平滑空间滤波:

1) 读出一幅图像,给这幅图像分别加入椒盐噪声和高斯噪声后并与前一张图显示在同

一图像窗口中。

2) 对加入噪声图像选用不同的平滑(低通)模板做运算,对比不同模板所形成的效果,

要求在同一窗口中显示。

3) 使用函数imfilter 时,分别采用不同的填充方法(或边界选项,如零填

充、’replicate’、’symmetric’、’circular’)进行低通滤波,显示处理后

的图像。

4)运用for循环,将加有椒盐噪声的图像进行10次,20次均值滤波,查看其特点,

显示均值处理后的图像(提示:利用fspecial函数的’average’类型生成均值滤

波器)。

5) 对加入椒盐噪声的图像分别采用均值滤波法,和中值滤波法对有噪声的图像做处理,

要求在同一窗口中显示结果。

6) 自己设计平滑空间滤波器,并将其对噪声图像进行处理,显示处理后的图像。

2. 锐化空间滤波

1) 读出一幅图像,采用3×3 的拉普拉斯算子 w = [ 1, 1, 1; 1 – 8 1; 1, 1,1]

对其进行滤波。

2) 编写函数w=genlaplacian(n),自动产生任一奇数尺寸n的拉普拉斯算子,如5

×5的拉普拉斯算子

w = [ 1 1 1 1 1

1 1 1 1 1

1 1 -24 1 1

1 1 1 1 1

1 1 1 1 1]

3) 分别采用5×5,9×9,15×15和25×25大小的拉普拉斯算子对blurry_moon.tif

行锐化滤波,并利用式g (x , y ) =

f (x , y ) -?2

f (x , y ) 完成图像的锐化增强,观察其有何

不同,要求在同一窗口中显示。

4) 采用不同的梯度算子对该幅图像进行锐化滤波,并比较其效果。

5) 自己设计锐化空间滤波器,并将其对噪声图像进行处理,显示处理后的图像;

3. 傅立叶变换

1) 读出一幅图像,对其进行快速傅立叶变换,分别显示其幅度图像和相位图像。仅对

相位部分进行傅立叶反变换后查看结果图像。 2) 仅对幅度部分进行傅立叶反变换后查看结果图像。

3) 将图像的傅立叶变换F 置为其共轭后进行反变换,比较新生成图像与原始图像的差

异。 4. 平滑频域滤波

1) 设计理想低通滤波器、巴特沃斯低通滤波器和高斯低通滤波器,截至频率自选,分

别给出各种滤波器的透视图。

2) 读出一幅图像,分别采用理想低通滤波器、巴特沃斯低通滤波器和高斯低通滤波器

对其进行滤波(截至频率自选),再做反变换,观察不同的截止频率下采用不同低通 滤波器得到的图像与原图像的区别,特别注意振铃效应。(提示:1)在频率域滤波同

样要注意到填充问题;2)注意到(-1)x+y

;) 5. 锐化频域滤波

1) 设计理想高通滤波器、巴特沃斯高通滤波器和高斯高通滤波器,截至频率自选,分

别给出各种滤波器的透视图。 2) 读出一幅图像,分别采用理想高通滤波器、巴特沃斯高通滤波器和高斯高通滤波器

对其进行滤波(截至频率自选),再做反变换,观察不同的截止频率下采用不同高通 滤波器得到的图像与原图像的区别。

3.实验具体实现

1. 平滑空间滤波:

(1).读出一幅图像,给这幅图像分别加入椒盐噪声和高斯噪声后并与前一张图显示在 同一图像窗口中。

img=imread('lena.png')

figure,subplot(1,3,1); imshow(img);title('原始图像'); img2=imnoise(img,'salt & pepper',0.02); subplot(1,3,2); imshow(img2); title('椒盐噪声图像');

img3=imnoise(img,'gaussian',0.02); subplot(1,3,3),imshow(img3); title('高斯噪声图像');

(2).对加入噪声图像选用不同的平滑(低通)模板做运算,对比不同模板所形成的效果,要求在同一窗口中显示。平滑滤波是低频增强的空间域滤波技术。它的目的有两个,一是模糊,二是消除噪声。将空间域低通滤波按线性和非线性特点有:线性、非线性平滑滤波器,线性平滑滤波器包括均值滤波器,非线性的平滑滤波器有最大值滤波器,中值滤波器,最小值滤波器。

代码如下:

img=imread('lena.png') img=rgb2gray(img);

figure,subplot(1,3,1);

imshow(img);title('原始图像');

img2=imnoise(img,'salt &pepper',0.02);

subplot(1,3,2);imshow(img2);title('椒盐噪声图像');

img3=imnoise(img,'gaussian',0.02);

subplot(1,3,3),imshow(img3); title('高斯噪声图像

');

%对椒盐噪声图像进行滤波处理

h=fspecial('average',3);

I1=filter2(h,img2)/255;

I2=medfilt2(img2,[3 3]);

figure,subplot(2,2,1),imshow(img),title('原图像');

subplot(2,2,2),imshow(img2),title('椒盐噪声图');

subplot(2,2,3),imshow(I1),title('3*3 均值滤波图');

subplot(2,2,4),imshow(I2),title('3*3中值滤波图');

%对高斯噪声图像进行滤波处理

G1=filter2(h,img3)/255;

G2=medfilt2(img3,[3 3]);

figure,subplot(2,2,1),imshow(img),title('原图像');

subplot(2,2,2),imshow(img3),title('高斯噪声图');

subplot(2,2,3),imshow(G1),title('3*3 均值滤波图');

subplot(2,2,4),imshow(G2),title('3*3 中值滤波图');

(3). 使用函数imfilter 时,分别采用不同的填充方法(或边界选项,如零填充、’replicate’、’symmetric’、’c ircular’)进行低通滤波,显示处理后的图像。

g = imfilter(f, w, filtering_mode, boundary_options, size_options),其中,f为输入图像,w 为滤波掩模,g为滤波后图像。

h=fspecial('motion',50,45); %创建一个运动模糊滤波器

filteredimg=imfilter(img,h);

boundaryReplicate=imfilter(img,h,'replicate');

boundary0=imfilter(img,h,0);

boundarysymmetric=imfilter(img,h,'symmetric');

boundarycircular=imfilter(img,h,'circular');

figure,subplot(3,2,1),imshow(img),title('Original Image');

subplot(3,2,2),imshow(filteredimg),title('Motion Blurred Image');

subplot(3,2,3),imshow(boundaryReplicate),title('Replicate');

subplot(3,2,4),imshow(boundary0),title('0-Padding');

subplot(3,2,5),imshow(boundarysymmetric),title('symmetric');

subplot(3,2,6),imshow(boundarycircular),title('circular');

实验结果如下:

(4).运用for循环,将加有椒盐噪声的图像进行10次,20次均值滤波,查看其特点,显示均值处理后的图像(提示:利用fspecial函数的’ave rage’类型生成均值滤波器)。

代码如下:

h=fspecial('average');

实验结果:

(5).

对加入椒盐噪声的图像分别采用均值滤波法,和中值滤波法对有噪声的图像做

处理,要求在同一窗口中显示结果。

实验结果为:

(6).自己设计平滑空间滤波器,并将其对噪声图像进行处理,显示处理后的图像。

代码如下:

[m n]=size(img2);

figure,subplot(1,2,1),imshow(img2); s=zeros(1,9);

代码如下:

h1=fspecial('average'); J=imfilter(img2,h1); J2=medfilt2(img2);

figure,subplot(1,3,1),imshow(img2),title('salt & pepper Noise'); subplot(1,3,2),imshow(J),title('Averaging Filtering'); subplot(1,3,3),imshow(J2),title('Median Filtering'); for i=1:10

J1=imfilter(img2,h); end for j=1:20

J2=imfilter(img2,h); end

figure,subplot(1,3,1),imshow(img2),title('salt & pepper Noise'); subplot(1,3,2),imshow(J1),title('10 Average Filtering'); subplot(1,3,3),imshow(J2),title('20 Average Filtering');

实验结果:

2.锐化空间滤波

(1)读出一幅图像,采用3×3的拉普拉斯算子w = [ 1, 1, 1; 1 –

8 1; 1, 1, 1]对其 进行滤波。

代码如下:

img=imread('lena.png'); img=rgb2gray(img); img=im2double(img); w=[1,1,1; 1,-8,1; 1,1,1]

k=conv2(img,w,'same'); imshow(k); for i=2:1:m-1 for j=2:1:n-1 h=1;

for p=i-1:1:i+1 for q=j-1:1:j+1 s(h)=img2(p,q); h=h+1; end end

s=sort(s); I(i,j)=s(5); end end

subplot(1,2,2),imshow(I);

(2)编写函数w = genlaplacian(n),自动产生任一奇数尺寸n的拉普拉斯算子,如5×5 的拉普拉斯算子

w = [ 1 1 1 1 1

1 1 1 1 1

1 1 -24 1 1

1 1 1 1 1

代码如下:

num=input('please enter any num:');

n=num;

W=ones(n,n);

for i=1:n

for j=1:n

if(i==fix(n/2)+1 && j==fix(n/2)+1)

W(i,j)=n*n-1;

end

end end

display (W);

代码运行结果为:

行锐化滤波,并利用式完成图像的锐化增强,观察其有何不同,要求在同一窗口中显示。代码如下:基于上一题要求形

成一函数:

function [W]=lapulasi(num)

n=num,W=ones(n),x=fix(n/2)+1;

W(x,x)=-(n*n-1);

其他代码:

f=imread('moon.tif');

f=im2double(f);

figure,subplot(2,3,1),imshow(f),title('Original Image'); w0=lapulasi(3),w1=lapulasi(5),w2=lapulasi(9);

w3=lapulasi(15),w4=lapulasi(25);

f0=f-imfilter(f,w0,'replicate');

subplot(2,3,2),imshow(f0),title('3*3 lapulasi');

f1=f-imfilter(f,w1,'replicate');

subplot(2,3,3),imshow(f1),title('5*5 lapulasi');

f2=f-imfilter(f,w2,'replicate');

subplot(2,3,4),imshow(f2),title('9*9 lapulasi');

f3=f-imfilter(f,w3,'replicate');

subplot(2,3,5),imshow(f3),title('15*15 lapulasi');

f4=f-imfilter(f,w4,'replicate');

subplot(2,3,6),imshow(f4),title('25*25 lapulasi');

实验结果为:

(4)采用不同的梯度算子对该幅图像进行锐化滤波,并比较其效果。

实验效果如下:

代码如下:

[I,map]=imread('moon.tif');

I=double(I);

figure,subplot(2,3,1),imshow(I,map),title('Original Image'); [Gx,Gy]=gradient(I);

G=sqrt(Gx.*Gx+Gy.*Gy),J1=G;

subplot(2,3,2),imshow(J1,map),title('Operator1 Image');

J2=I;K=find(G>=7);

J2(K)=G(K);

subplot(2,3,3),imshow(J2,map);

title('Operator2 Image');

J3=I;

K=find(G>=7);

J3(K)=255;

subplot(2,3,4),imshow(J3,map),title('Operator3 Image');

J4=I;

K=find(G<=7);

J4(K)=255;

subplot(2,3,5),imshow(J4,map),title('Operator4 Image');

J5=I;

K=find(G<=7);

J5(K)=0;

Q=find(G>=7);

J5(Q)=255;

subplot(2,3,6),imshow(J5,map),title('Operator5 Image');

(5)自己设计锐化空间滤波器,并将其对噪声图像进行处理,显示处理后的图像;

代码如下:

I=imread('lena.png');

I=rgb2gray(I);

h=fspecial('sobel');

h1=h'*0.5;

h2=h';

h3=h'*1.5;

z1=imfilter(I,h1);

z2=imfilter(I,h2);

z3=imfilter(I,h3);

figure,subplot(2,2,1),imshow(I),title('Original Image');

subplot(2,2,2),imshow(z1);title('Vertical filtering1');

subplot(2,2,3),imshow(z2);title('Vertical filtering2');

subplot(2,2,4),imshow(z3);title('Vertical filtering3')

运行结果如下:

3.傅立叶变换

(1).读出一幅图像,对其进行快速傅立叶变换,分别显示其幅度图像和相位图像。仅对相位部分进行傅立叶反变换后查看结果图像。

实验结果为:

(2).仅对幅度部分进行傅立叶反变换后查看结果图像。

实验结果为:

(3).将图像的傅立叶变换F 置为其共轭后进行反变换,比较新生成图像与原始图像的差 异。

代码

f1=fft2(img);

f2=log(1+abs(f1)); f3=fftshift(f1); f4=angle(f1);

代码为:

img=imread('lena.png'); img=rgb2gray(img);

f1=fft2(img); %快速傅里叶变换 f2=log(1+abs(f1)); %振幅谱 f3=fftshift(f1);

f4=angle(f1); %相位谱

figure,subplot(1,3,1),imshow(img),title('Original Image');

subplot(1,3,2),imshow(log(1+abs(f3)),[]),title('amplitude spectrum'); subplot(1,3,3),imshow(f4),title('phase spectrum'); 代码为:

f=ifft2(abs(f1));

figure,subplot(1,3,1),imshow(img),title('Original Image');

subplot(1,3,2),imshow(log(1+abs(f3)),[]),title('amplitude spectrum'); subplot(1,3,3),imshow(log(1+abs(f)),[]),title('absamplitude spectrum');

实验效果:

4.平滑频域滤波

(1).

设计理想低通滤波器、巴特沃斯低通滤波器和高斯低通滤波器,截至频率自 选,分别给出各种滤波器的透视图。

%%%%%%%%%%%%%%%%%%%理想低通滤波器的透视图%%%%% a=100; b=100; U=0:a; V=0:b;

M=length(U);N=length(V); D0=10; %D0是频带的中心半径; x1=50;y1=50; x0=-50;y0=-50;

m=fix(M/2); n=fix(N/2); H=zeros(M,N); n=2;

for u=1:M for v=1:N

a=sqrt((U(u) - 50) .* (U(u)-50) + (V(v) - 50) .* (V(v) - 50));%D(u,v)的值

if(a<=D0)%理想滤波器 H(u,v)=1; else

H(u,v)=0; end

f6=double(f3*exp(f4)); %傅立叶变换的复共轭 f7=ifft2(f6); %反傅立叶变换

figure,subplot(1,2,1),imshow(img),title('OriginalImage');

subplot(1,2,2),imshow(real(f7),[]),title('inverse fourier transform');

end

figure; subplot(1,3,1),

surf(U,V,H),title('理想低通滤波透视图') ;

%%%%%%%%%%%%2阶巴特沃斯低通滤波透视图%%%%%%%%%%%%%%%%55

a=100;

b=100;

U=0:a;

V=0:b;

M=length(U);N=length(V);

D0=10;%W=200;%D0是频带的中心半径;W是频带的宽度

x1=50;y1=50;

x0=-50;y0=-50;

m=fix(M/2); n=fix(N/2);

H=zeros(M,N);

n=2;

for u=1:M

for v=1:N

a=sqrt((U(u) - 50) .* (U(u)-50) + (V(v) - 50) .* (V(v) - 50));%D(u,v)的值

b=1+(a/D0)^2*n;

H(u,v)=1/b;

end

end

subplot(1,3,2),surf(U,V,H);

title('n=2 Butterworth lowess filter')

%%%%%%%%%%%%%%%%%%%%%%高斯低通滤波%%%%%%%%%%%%%%%%%%%%%

a=100;

b=100;

U=0:a;

V=0:b;

M=length(U);N=length(V);

D0=10; %D0是频带的中心半径

x1=50;y1=50;

x0=-50;y0=-50;

m=fix(M/2); n=fix(N/2);

H=zeros(M,N);

for u=1:M

for v=1:N

D1=((u-m-x0)^2+(v-n-y0).^2)^0.5;

D2=((u-m+x0)^2+(v-n+y0).^2)^0.5;

D11=((u-m-x1)^2+(v-n-y1).^2)^0.5;

D21=((u-m+x1)^2+(v-n+y1).^2)^0.5;

H(u,v) = (U(u) - 50) .* (U(u)-50) + (V(v) - 50) .* (V(v)

由上图可知,当频带中心宽度相同时,理想低通滤波器为圆柱形图像,二阶巴特沃斯 低通滤波器的面线比较紧凑,高斯滤波图像最为平滑。

(2

)读出一幅图像,分别采用理想低通滤波器、巴特沃斯低通滤波器和高斯低通滤波器对 其进行滤波(截至频率自选),再做反变换,观察不同的截止频率下采用不同低通滤波器得 到的图像与原图像的区别,特别注意振铃效应。(提示:1)在频率域滤波同样要注意到填充问 题;2)注意到(-1)x+y;)

%理想低通滤波

img=imread('lena.png'); img=rgb2gray(img); f=double(img);

g=fft2(f); %傅立叶变换 g=fftshift(g); [M,N]=size(g); d0=15; m=fix(M/2); n=fix(N/2); for i=1:M for j=1:N

d=sqrt((i-m)^2+(j-n)^2); if(d<=d0) h=1; else h=0; end

result(i,j)=h*g(i,j); end

- 50);

end end

%在绘制高斯曲面的时候,加上下述代码,显示得美观 S=50;

H = -H/(2*S);

H = exp(H) / (sqrt(2*pi) * sqrt(S));

subplot(1,3,3),surf(U,V,H),title('Gaussian lowess filter');

end

result=ifftshift(result);

J1=ifft2(result);

J2=uint8(real(J1));

figure,subplot(2,2,1),imshow(img),title('Original Image');

subplot(2,2,2),imshow(J2),title('d0=15 lowpss filter');

%%%%%%%%d0=30 的理想低通滤波%%%%%%%%%%%%%%%

d0=30;

m=fix(M/2);

n=fix(N/2);

for i=1:M

for j=1:N

d=sqrt((i-m)^2+(j-n)^2);

if(d<=d0)

h=1;

else

h=0;

end

result(i,j)=h*g(i,j);

end end

result=ifftshift(result);

J1=ifft2(result);

J2=uint8(real(J1));

subplot(2,2,3),imshow(J2),title('d0=30 lowpss filter');

%%%%%%%%d0=100 的理想低通滤波%%%%%%%%%%%%%%%

d0=100;

m=fix(M/2);

n=fix(N/2);

for i=1:M

for j=1:N

d=sqrt((i-m)^2+(j-n)^2);

if(d<=d0)

h=1;

else

h=0;

end

result(i,j)=h*g(i,j);

end end

result=ifftshift(result);

J1=ifft2(result);

J2=uint8(real(J1));

subplot(2,2,4),imshow(J2),title('d0=100 lowpss filter');

实验结果:

当截止频率d0=15时,滤波后的图像比较模糊,振铃现象也很明显;当d0=30时,图像模糊程度减弱,振铃现象仍存在。当d0=100时,滤波后的图像比较清晰,但高频分量损失后,图像边沿仍然存在一点振铃现象。

2阶巴特沃斯低通滤波

nn=2;

d0=15;

m=fix(M/2),n=fix(N/2);

for i=1:M

for j=1:N

d=sqrt((i-m)^2+(j-n)^2);

h=1/(1+0.414*(d/d0)^(2*nn));

result(i,j)=h*g(i,j);

end end

result=ifftshift(result);

J1=ifft2(result);

J2=uint8(real(J1));

figure,subplot(2,2,1),imshow(img),title('Original Image');

subplot(2,2,2),imshow(J2),title('d0=15 Butterworth lowpss filter');

%%%%%%%%d0=30的巴特沃斯低通滤波%%%%%%%%%%%%%%%

d0=30;

m=fix(M/2),n=fix(N/2);

for i=1:M

for j=1:N

d=sqrt((i-m)^2+(j-n)^2);

h=1/(1+0.414*(d/d0)^(2*nn));

result(i,j)=h*g(i,j);

end end

result=ifftshift(result);

J1=ifft2(result),J2=uint8(real(J1));

subplot(2,2,3),imshow(J2),title('d0=30 Butterworth lowpss filter');

%%%%%%%%d0=100 的巴特沃斯低通滤波%%%%%%%%%%%%%%%d0=100;

m=fix(M/2),n=fix(N/2);

for i=1:M

for j=1:N

d=sqrt((i-m)^2+(j-n)^2);

h=1/(1+0.414*(d/d0)^(2*nn));

result(i,j)=h*g(i,j);

end end

result=ifftshift(result);

J1=ifft2(result),J2=uint8(real(J1));

subplot(2,2,4),imshow(J2),title('d0=100 Butterworth lowpss filter');

实验效果为:

采用截止频率分别为 15,30,100进行实验,滤波后的图像逐渐清晰,整体的振铃现象

没有理想低通滤波器的严重。

%高斯低通滤波

d0=15;

m=fix(M/2),n=fix(N/2);

for i=1:M

for j=1:N

d=sqrt((i-m)^2+(j-n)^2);

h=exp(-(d.^2)./(2*(d0^2)));

result(i,j)=h*g(i,j);

end end

result=ifftshift(result); J1=ifft2(result),

J2=uint8(real(J1));

figure,subplot(2,2,1),imshow(img),title('Original Image');

subplot(2,2,2),imshow(J2),title('d0=15 Gaussian filter');

%%%%%%%%d0=30 的高斯低通滤波%%%%%%%%%%%%%%%

d0=30;

m=fix(M/2),n=fix(N/2);

for i=1:M

for j=1:N

d=sqrt((i-m)^2+(j-n)^2);

h=exp(-(d.^2)./(2*(d0^2)));

result(i,j)=h*g(i,j);

end end

result=ifftshift(result); J1=ifft2(result),

J2=uint8(real(J1)); subplot(2,2,3),imshow(J2),title('d0=30 Gaussian filter');

%%%%%%%%d0=100 的高斯低通滤波%%%%%%%%%%%%%%%

d0=100;

m=fix(M/2),n=fix(N/2);

for i=1:M

for j=1:N

d=sqrt((i-m)^2+(j-n)^2);

h=exp(-(d.^2)./(2*(d0^2)));

result(i,j)=h*g(i,j);

end end

result=ifftshift(result);

J1=ifft2(result),J2=uint8(real(J1));

subplot(2,2,4),imshow(J2),title('d0=100 Gaussian filter');

实验结果为:

从实验对比可知,高斯滤波器的平滑效果不如二阶巴特沃斯滤波器,但用高斯滤波后的图像无振铃现象产生。

5.锐化频域滤波

(1)设计理想高通滤波器、巴特沃斯高通滤波器和高斯高通滤波器,截至频率自选,分别给出各种滤波器的透视图。

%%%%%%%%%%%%%%%%理想高通滤波器%%%%%%%%%%%%%%%%%%%%%%%%%%%

a=100;

b=100;

U=0:a;

V=0:b;

M=length(U);N=length(V);

D0=15; %D0是频带的中心半径;

H=zeros(M,N);

n=2;

for u=1:M

for v=1:N

a=sqrt((U(u)-50).*(U(u)-50)+(V(v)-50).*(V(v)-50));%D(u,v)的值

if(a>=D0)

H(u,v)=1;

else

H(u,v)=0;

end

end

数字图像处理实验1

实验一 实验内容和步骤 练习图像的读取、显示和保存图像数据,步骤如下: (1)使用命令figure(1)开辟一个显示窗口 (2)读入一幅RGB图像,变换为灰度图像和二值图像,并在同一个窗口内显示、二值图像和灰度图像,注上文字标题。 (3)保存转换后的灰度图像和二值图像 (4)在同一个窗口显示转换后的灰度图像的直方图 I=imread('BaboonRGB.bmp'); figure,imshow(I); I_gray=rgb2gray(I); figure,imshow(I_gray); I_2bw=Im2bw(I_gray); figure,imshow(I_2bw); subplot(1,3,1),imshow(I),title('RGB图像'); subplot(1,3,2),imshow(I_gray),title('灰度图像'); subplot(1,3,3),imshow(I_2bw),title('二值图像'); imwrite(I_gray,'Baboongray.png'); imwrite(I_2bw,'Baboon2bw.tif'); figure;imhist(I_gray);

RGB 图 像灰度图 像二值图 像 050100150200250 500 1000 1500 2000 2500 3000

(5)将原RGB 图像的R 、G 、B 三个分量图像显示在figure(2)中,观察对比它们的特点,体会不同颜色所对应的R 、G 、B 分量的不同之处。 [A_RGB,MAP]=imread('BaboonRGB.bmp'); subplot(2,2,1),imshow(A_RGB),title('RGB'); subplot(2,2,2),imshow(A_RGB(:,:,1)),title('R'); subplot(2,2,3),imshow(A_RGB(:,:,2)),title('G'); subplot(2,2,4),imshow(A_RGB(:,:,3)),title('B'); (6)将图像放大1.5倍,插值方法使用三种不同方法,在figure(3)中显示放大后的图像,比较不同插值方法的结果有什么不同。将图像放大到其它倍数,重复实验;A=imread('BaboonRGB.bmp'); figure(3),imshow(A),title('原图像'); B=imresize(A,1.5,'nearest'); figure(4),imshow(B),title('最邻近法') C=imresize(A,1.5,'bilinear'); ; figure(5),imshow(C),title('双线性插值'); D=imresize(A,1.5,'bicubic'); figure(6),imshow(D),title('双三次插值 '); RGB R G B

数字图像处理实验报告完整版

数字图像处理 实验一 MATLAB数字图像处理初步 一、显示图像 1.利用imread( )函数读取一幅图像,假设其名为lily.tif,存入一个数组中; 2.利用whos 命令提取该读入图像flower.tif的基本信息; 3.利用imshow()函数来显示这幅图像; 实验结果如下图: 源代码: >>I=imread('lily.tif') >> whos I >> imshow(I) 二、压缩图像 4.利用imfinfo函数来获取图像文件的压缩,颜色等等其他的详细信息; 5.利用imwrite()函数来压缩这幅图象,将其保存为一幅压缩了像素的jpg文件,设为lily.jpg;语法:imwrite(原图像,新图像,‘quality’,q), q取0-100。 6.同样利用imwrite()函数将最初读入的tif图象另存为一幅bmp图像,设为flily.bmp。7.用imread()读入图像Sunset.jpg和Winter.jpg; 8.用imfinfo()获取图像Sunset.jpg和Winter.jpg的大小; 9.用figure,imshow()分别将Sunset.jpg和Winter.jpg显示出来,观察两幅图像的质量。 其中9的实验结果如下图:

源代码: 4~6(接上面两个) >>I=imread('lily.tif') >> imfinfo 'lily.tif'; >> imwrite(I,'lily.jpg','quality',20); >> imwrite(I,'lily.bmp'); 7~9 >>I=imread('Sunset.jpg'); >>J=imread('Winter.jpg') >>imfinfo 'Sunset.jpg' >> imfinfo 'Winter.jpg' >>figure(1),imshow('Sunset.jpg') >>figure(2),imshow('Winter.jpg') 三、二值化图像 10.用im2bw将一幅灰度图像转化为二值图像,并且用imshow显示出来观察图像的特征。实验结果如下图: 源代码: >> I=imread('lily.tif') >>gg=im2bw(I,0.4); F>>igure, imshow(gg)

关于数字图像处理论文的题目

长春理工大学——professor——景文博——旗下出品 1基于形态学运算的星空图像分割 主要内容: 在获取星图像的过程中,由于某些因素的影响,获得的星图像存在噪声,而且星图像的背景经常是不均匀的,为星图像的分割造成了极大的困难。膨胀和腐蚀是形态学的两个基本运算。用形态学运算对星图像进行处理,补偿不均匀的星图像背景,然后进行星图像的阈值分割。 要求: 1> 图像预处理:对原始星空图像进行滤波去噪处理; 2> 对去噪后的图像进行形态学运算处理; 3> 选取自适应阈值对形态学运算处理后的图像进行二值化; 4> 显示每步处理后的图像; 5> 对经过形态学处理后再阈值的图像和未作形态学处理后再阈值的图像进行对比分析。 待分割图像直接分割图像处理后的分割图像 2基于数字图像处理的印刷电路板智能检测方法 主要内容: 通过对由相机实时获取的印刷电路板图像进行焊盘识别,从而提高电子元件的贴片质量,有效提高电路板的印刷效率。 要求: 1> 图像预处理:将原始彩色印刷电路板图像转成灰度图像,对灰度图像进行背景平滑和滤波去噪; 2> 对去噪后的图像进行图像增强处理,增强边缘提取的效果。 3> 对增强后的图像进行边缘提取(至少两种以上的边缘提取算法); 4> 显示每步处理后的图像(原始电路板图像可自行查找); 5> 图像处理后要求能对每个焊盘进行边缘提取,边缘清晰。 3静止背景下的移动目标视觉监控 主要内容:

基于视觉的人的运动分析最有前景的潜在应用之一是视觉监控。视觉监控系统的需求主要来自那些对安全要求敏感的场合,如银行、商店、停车场、军事基地等。通过对静止背景下的目标识别,来提醒监测人员有目标出现。 要求: 1>对原始参考图和实时图像进行去噪处理; 2>对去噪后的两幅图像进行代数运算,找出目标所在位置,提取目标,并将背景置黑; 3> 判断目标大小,若目标超过整幅图像的一定比例时,说明目标进入摄像保护区域,系统对监测人员进行提示(提示方式自选)。 4>显示每步处理后的图像; 5>分析此种图像监控方式的优缺点。 背景目标出现目标提取 4车牌识别图像预处理技术 主要内容: 车辆自动识别涉及到多种现代学科技术,如图像处理、模式识别与人工智能、计算机视觉、光学、机械设计、自动控制等。汽车作为人类生产、生活中的重要工具被广泛的使用,实现自动采集车辆信息和智能管理的车牌自动识别系统具有十分重要的意义: 要求: 1>对原始车牌图像做增强处理; 2>对增强后的彩色图像进行灰度变换; 3>对灰度图像进行直方图均衡处理; 4>选取自适应的阈值,对图像做二值化处理; 5>显示每步处理后的图像; 6>分析此种图像预处理的优缺点及改进措施,简要叙述车牌字符识别方法 原始车牌图像处理后的车牌图像 5医学细胞图像细胞分割图像增强算法研究 主要内容: 医学图象处理利用多种方法对各种图像数据进行处理,以期得到更好的显示效果以便医生根据细胞的外貌进行病变分析。 要求: 1>通过对图像的灰度变换调整改变细胞图像的灰度,突出感兴趣的细胞和细胞核区域。 2>通过直方图修改技术得到均衡化或规定化等不同的处理效果。 3>采用有效的图像平滑方法对细胞图像进行降噪处理,消除图像数字化和传输时所混入的噪声,提高图像的视觉效果。 4>利用图像锐化处理突出细胞的边缘信息,加强细胞的轮廓特征。 5>显示每步处理图像,分析此种细胞分割图像预处理方法的优缺点。 原始细胞图像 图像处理后的细胞图像 6瓶子灌装流水线检测是否液体灌装满瓶体 当饮料瓶子在罐装设备后要进行液体的检测,即:进行判断瓶子灌装流水线是否灌装满瓶体的检测,如液面超过瓶颈的位置,则装满,否则不满,如果不满则灌装液体不合格,需重新进行灌装。 具体要求: 1)将原进行二值化 2)二值化后的图像若不好,将其滤波再进行膨胀处理,并重新进行二值化

数字图像处理四个实验报告,带有源程序

数字图像处理 实验指导书 学院:通信与电子工程学院 专业:电子信息工程 班级: 学号: 姓名: XX理工大学

实验一 MATLAB数字图像处理初步 一、实验目的与要求 1.熟悉及掌握在MATLAB中能够处理哪些格式图像。 2.熟练掌握在MATLAB中如何读取图像。 3.掌握如何利用MATLAB来获取图像的大小、颜色、高度、宽度等等相关信息。 4.掌握如何在MATLAB中按照指定要求存储一幅图像的方法。 5.图像间如何转化。 二、实验原理及知识点 1、数字图像的表示和类别 一幅图像可以被定义为一个二维函数f(x,y),其中x和y是空间(平面)坐标,f 在任何坐标处(x,y)处的振幅称为图像在该点的亮度。灰度是用来表示黑白图像亮度的一个术语,而彩色图像是由单个二维图像组合形成的。例如,在RGB彩色系统中,一幅彩色图像是由三幅独立的分量图像(红、绿、蓝)组成的。因此,许多为黑白图像处理开发的技术适用于彩色图像处理,方法是分别处理三副独立的分量图像即可。 图像关于x和y坐标以及振幅连续。要将这样的一幅图像转化为数字形式,就要求数字化坐标和振幅。将坐标值数字化成为取样;将振幅数字化成为量化。采样和量化的过程如图1所示。因此,当f的x、y分量和振幅都是有限且离散的量时,称该图像为数字图像。 作为MATLAB基本数据类型的数值数组本身十分适于表达图像,矩阵的元素和图像的像素之间有着十分自然的对应关系。 图1 图像的采样和量化 根据图像数据矩阵解释方法的不同,MA TLAB把其处理为4类: 亮度图像(Intensity images) 二值图像(Binary images) 索引图像(Indexed images) RGB图像(RGB images)

数字图像处理实验报告

数字图像处理实验报告 实验一数字图像基本操作及灰度调整 一、实验目的 1)掌握读、写图像的基本方法。 2)掌握MATLAB语言中图像数据与信息的读取方法。 3)理解图像灰度变换处理在图像增强的作用。 4)掌握绘制灰度直方图的方法,理解灰度直方图的灰度变换及均衡化的方 法。 二、实验内容与要求 1.熟悉MATLAB语言中对图像数据读取,显示等基本函数 特别需要熟悉下列命令:熟悉imread()函数、imwrite()函数、size()函数、Subplot()函数、Figure()函数。 1)将MATLAB目录下work文件夹中的forest.tif图像文件读出.用到imread, imfinfo 等文件,观察一下图像数据,了解一下数字图像在MATLAB中的处理就是处理一个矩阵。将这个图像显示出来(用imshow)。尝试修改map颜色矩阵的值,再将图像显示出来,观察图像颜色的变化。 2)将MATLAB目录下work文件夹中的b747.jpg图像文件读出,用rgb2gray() 将其 转化为灰度图像,记为变量B。 2.图像灰度变换处理在图像增强的作用 读入不同情况的图像,请自己编程和调用Matlab函数用常用灰度变换函数对输入图像进行灰度变换,比较相应的处理效果。 3.绘制图像灰度直方图的方法,对图像进行均衡化处理 请自己编程和调用Matlab函数完成如下实验。 1)显示B的图像及灰度直方图,可以发现其灰度值集中在一段区域,用 imadjust函 数将它的灰度值调整到[0,1]之间,并观察调整后的图像与原图像的差别,调整后的灰

度直方图与原灰度直方图的区别。 2) 对B 进行直方图均衡化处理,试比较与源图的异同。 3) 对B 进行如图所示的分段线形变换处理,试比较与直方图均衡化处理的异同。 图1.1 分段线性变换函数 三、实验原理与算法分析 1. 灰度变换 灰度变换是图像增强的一种重要手段,它常用于改变图象的灰度范围及分布,是图象数字化及图象显示的重要工具。 1) 图像反转 灰度级范围为[0, L-1]的图像反转可由下式获得 r L s --=1 2) 对数运算:有时原图的动态范围太大,超出某些显示设备的允许动态范围, 如直接使用原图,则一部分细节可能丢失。解决的方法是对原图进行灰度压缩,如对数变换: s = c log(1 + r ),c 为常数,r ≥ 0 3) 幂次变换: 0,0,≥≥=γγc cr s 4) 对比拉伸:在实际应用中,为了突出图像中感兴趣的研究对象,常常要求 局部扩展拉伸某一范围的灰度值,或对不同范围的灰度值进行不同的拉伸处理,即分段线性拉伸: 其对应的数学表达式为:

数字图像处理毕业论文

毕业论文声明 本人郑重声明: 1.此毕业论文是本人在指导教师指导下独立进行研究取得的成果。除了特别加以标注地方外,本文不包含他人或其它机构已经发表或撰写过的研究成果。对本文研究做出重要贡献的个人与集体均已在文中作了明确标明。本人完全意识到本声明的法律结果由本人承担。 2.本人完全了解学校、学院有关保留、使用学位论文的规定,同意学校与学院保留并向国家有关部门或机构送交此论文的复印件和电子版,允许此文被查阅和借阅。本人授权大学学院可以将此文的全部或部分内容编入有关数据库进行检索,可以采用影印、缩印或扫描等复制手段保存和汇编本文。 3.若在大学学院毕业论文审查小组复审中,发现本文有抄袭,一切后果均由本人承担,与毕业论文指导老师无关。 4.本人所呈交的毕业论文,是在指导老师的指导下独立进行研究所取得的成果。论文中凡引用他人已经发布或未发表的成果、数据、观点等,均已明确注明出处。论文中已经注明引用的内容外,不包含任何其他个人或集体已经发表或撰写过的研究成果。对本文的研究成果做出重要贡献的个人和集体,均已在论文中已明确的方式标明。 学位论文作者(签名): 年月

关于毕业论文使用授权的声明 本人在指导老师的指导下所完成的论文及相关的资料(包括图纸、实验记录、原始数据、实物照片、图片、录音带、设计手稿等),知识产权归属华北电力大学。本人完全了解大学有关保存,使用毕业论文的规定。同意学校保存或向国家有关部门或机构送交论文的纸质版或电子版,允许论文被查阅或借阅。本人授权大学可以将本毕业论文的全部或部分内容编入有关数据库进行检索,可以采用任何复制手段保存或编汇本毕业论文。如果发表相关成果,一定征得指导教师同意,且第一署名单位为大学。本人毕业后使用毕业论文或与该论文直接相关的学术论文或成果时,第一署名单位仍然为大学。本人完全了解大学关于收集、保存、使用学位论文的规定,同意如下各项内容:按照学校要求提交学位论文的印刷本和电子版本;学校有权保存学位论文的印刷本和电子版,并采用影印、缩印、扫描、数字化或其它手段保存或汇编本学位论文;学校有权提供目录检索以及提供本学位论文全文或者部分的阅览服务;学校有权按有关规定向国家有关部门或者机构送交论文的复印件和电子版,允许论文被查阅和借阅。本人授权大学可以将本学位论文的全部或部分内容编入学校有关数据库和收录到《中国学位论文全文数据库》进行信息服务。在不以赢利为目的的前提下,学校可以适当复制论文的部分或全部内容用于学术活动。 论文作者签名:日期: 指导教师签名:日期:

数字图像处理实验指导书模板

《数字图像处理》实验指导书 编写: 罗建军 海南大学三亚学院 10月

目录 一、概述 ....................................................................... 错误!未定义书签。 二、建立程序框架 ....................................................... 错误!未定义书签。 三、建立图像类 ........................................................... 错误!未定义书签。 四、定义图像文档实现图像读/写.............................. 错误!未定义书签。 五、实现图像显示 ....................................................... 错误!未定义书签。 六、建立图像处理类................................................... 错误!未定义书签。 七、实现颜色处理功能............................................... 错误!未定义书签。 (一) 亮度处理................................................................. 错误!未定义书签。 (二) 对比度处理............................................................. 错误!未定义书签。 (三) 色阶处理................................................................. 错误!未定义书签。 (四) 伽马变换................................................................. 错误!未定义书签。 (五) 饱和度处理............................................................. 错误!未定义书签。 (六) 色调处理................................................................. 错误!未定义书签。 八、实现几何变换功能............................................... 错误!未定义书签。 (一) 图像缩放................................................................. 错误!未定义书签。 (二) 旋转......................................................................... 错误!未定义书签。 (三) 水平镜像................................................................. 错误!未定义书签。 (四) 垂直镜像................................................................. 错误!未定义书签。 (五) 右转90度................................................................. 错误!未定义书签。 (六) 左转90度................................................................. 错误!未定义书签。 (七) 旋转180度............................................................... 错误!未定义书签。 九、实现平滑锐化功能............................................... 错误!未定义书签。 十、图像处理扩展编程............................................... 错误!未定义书签。

数字图像处理实验 实验二

实验二MATLAB图像运算一、实验目的 1.了解图像的算术运算在数字图像处理中的初步应用。 2.体会图像算术运算处理的过程和处理前后图像的变化。 二、实验步骤 1.图像的加法运算-imadd 对于两个图像f x,y和 (x,y)的均值有: g x,y=1 f x,y+ 1 (x,y) 推广这个公式为: g x,y=αf x,y+β (x,y) 其中,α+β=1。这样就可以得到各种图像合成的效果,也可以用于两张图像的衔接。说明:两个示例图像保存在默认路径下,文件名分别为'rice.png'和'cameraman.tif',要求实现下图所示结果。 代码: I1 = imread('rice.png'); I2 = imread('cameraman.tif'); I3 = imadd(I1, I2,'uint8'); I4 = imadd(I1, I2,'uint16'); subplot(2, 2, 1), imshow(I1), title('?-ê?í???1'); subplot(2, 2, 2), imshow(I2), title('?-ê?í???2'); subplot(2, 2, 3), imshow(I3), title('8??í?????ê?'); subplot(2, 2, 4), imshow(I4), title('16??í?????ê?'); 结果截图:

2.图像的减法运算-imsubtract 说明: 背景图像可通过膨胀算法得到background = imopen(I,strel('disk',15));,要求实现下图所示结果。 示例代码如下: I1 = imread('rice.png'); background = imerode(I1, strel('disk', 15)); rice2 = imsubtract(I1, background); subplot(2, 2, 1), imshow(I1), title('?-ê?í???'); subplot(2, 2, 2), imshow(background), title('±3?°í???'); subplot(2, 2, 3), imshow(rice2), title('′|àíoóμ?í???'); 结果截图: 3.图像的乘法运算-immultiply

数字图像处理应用论文数字图像处理技术论文

数字图像处理应用论文数字图像处理技术论文 关于数字图像处理及其应用的研究 摘要:首先对数字图像处理的关键技术以及相应的处理设备进行详细的探讨,然后对数字图像处理的应用领域以及发展趋势进行详尽论述。 关键词:数字图像处理:关键技术;应用领域 0 引言 人类通过眼、耳、鼻、舌、身接受信息,感知世界。约有75%的信息是通过视觉系统获取的。数字图象处理是用数字计算机处理所获取视觉信息的技术,上世纪20年代Bartlane电缆图片传输系统(纽约和伦敦之间海底电缆)传输一幅图片所需的时间由一周多减少到小于3个小时;上世纪50年代,计算机的发展,数字图像处理才真正地引起人们的巨大兴趣;1964年,数字图像处理有效地应用于美国喷气推进实验室(J.P.L)对“徘徊者七号”太空船发回的大批月球照片的处理;但是直到上世纪六十年代末至七十年代扔,由于离散数学理论的创立和完善,使之形成了比较完整的理论体系,成为一门新兴的学科。数字图像处理的两个主要任务:如何利用计算机来改进图像的品质以便于人类视觉分析;对图像数据进行存储、传输和表示,便于计算机自动化处理。图像处理的范畴是一个受争论的话题,因此也产生了其他的领域比如图像分析和计算机视觉等等。

1 数字图像处理主要技术概述 不论图像处理是基于什么样的目的,一般都需要通过利用计算机图像处理对输入的图像数据进行相关的处理,如加工以及输出,所以关于数字图像处理的研究,其主要内容可以分为以下几个过程。图像获取:这个过程基本上就是把模拟图像通过转换转变为计算机真正可以接受的数字图像,同时,将数字图像显示并且体现出来(例如彩色打印)。数据压缩和转换技术:通过数据压缩和数据转换技术的研究,减少数据载体空间,节省运算时间,实现不同星系遥感数据应用的一体化。图像分割:虽然国内外学者已提出很多种图像分割算法,但由于背景的多变性和复杂性,至今为止还没有一种能适用于各种背景的图像分割算法。当前提出的小波分析、模糊集、分形等新的智能信息处理方法有可能找到新的图像分割方法。图像校正:在理想情况下,卫星图像上的像素值只依赖于进入传感器的辐射强度;而辐射强度又只与太阳照射到地面的辐射强度和地物的辐射特性(反射率和发射率)有关,使图像上灰度值的差异直接反映了地物目标光谱辐射特性的差异,从而区分地物目标。图像复原,以图像退化的数学模型为基础,来改善图像质量表达与描述,图像分割后,输出分割标记或目标特征参数;特征提取:计算描述目标的特征,如目标的几何形状特征、统计特征、矩特征、纹理特征等。图像增强:显示图像中被模糊的细节。或是突出图像中感兴趣的特征。图像识别:统计模式识别、模糊模式识别、人工神经网络等。

数字图像处理程序

数字图像处理程序

数字图像处理实验 图像处理实验(一)直方图 灰度变换是图像增强的一种重要手段,使图像对比度扩展,图像更加清晰,特 征更加明显。 灰度级的直方图给出了一幅图像概貌的描述,通过修改灰度直方图来得到图像 增强。 1、灰度直方图 (1)计算出一幅灰度图像的直方图 clear close all I=imread('004.bmp'); imhist(I) title('实验一(1)直方图'); (2)对灰度图像进行简单的灰度线形变换, figure subplot(2,2,1) imshow(I); title('试验2-灰度线性变换'); subplot(2,2,2) histeq(I); (3)看其直方图的对应变化和图像对比度的变化。 原图像 f(m,n) 的灰度范围 [a,b] 线形变换为图像 g(m,n),灰度范围[a’,b’]公式:g(m,n)=a’+(b’-a’)* f(m,n) /(b-a) figure subplot(2,2,1) imshow(I) J=imadjust(I,[0.3,0.7],[0,1],1); title(' 实验一(3)用g(m,n)=a’+(b’-a’)* f(m,n) /(b-a)进行变换 '); subplot(2,2,2) imshow(J) subplot(2,2,3) imshow(I) J=imadjust(I,[0.5 0.8],[0,1],1); subplot(2,2,4) imshow(J) (4) 图像二值化(选取一个域值,(5) 将图像变为黑白图像) figure subplot(2,2,1)

数字图像处理——彩色图像实验报告

6.3实验步骤 (1)对彩色图像的表达和显示 * * * * * * * * * * * *显示彩色立方体* * * * * * * * * * * * * rgbcube(0,0,10); %从正面观察彩色立方体 rgbcube(10,0,10); %从侧面观察彩色立方 rgbcube(10,10,10); %从对角线观察彩色立方体 %* * * * * * * * * *索引图像的显示和转换* * * * * * * * * * f=imread('D:\Picture\Fig0604(a)(iris).tif'); figure,imshow(f);%f是RGB真彩图像 %rgb图像转换成8色索引图像,不采用抖动方式 [X1,map1]=rgb2ind(f,8,'nodither'); figure,imshow(X1,map1); %采用抖动方式转换到8色索引图像 [X2,map2]=rgb2ind(f,8,'dither'); figure,imshow(X2,map2); %显示效果要好一些 g=rgb2gray(f); %f转换为灰度图像 g1=dither(g);%将灰色图像经过抖动处理,转换打二值图像figure,imshow(g);%显示灰度图像 figure,imshow(g1);%显示抖动处理后的二值图像 程序运行结果:

彩色立方体原图 不采用抖动方式转换到8色索引图像采用抖动方式转换到8色索引图像 灰度图像抖动处理后的二值图像

(2)彩色空间转换 f=imread('D:\Picture\Fig0604(a)(iris).tif'); figure,imshow(f);%f是RGB真彩图像 %转换到NTSC彩色空间 ntsc_image=rgb2ntsc(f); figure,imshow(ntsc_image(:,:,1));%显示亮度信息figure,imshow(ntsc_image(:,:,2));%显示色差信息figure,imshow(ntsc_image(:,:,3));%显示色差信息 %转换到HIS彩色空间 hsi_image=rgb2hsi(f); figure,imshow(hsi_image(:,:,1));%显示色度信息figure,imshow(hsi_image(:,:,2)); %显示饱和度信息figure,imshow(hsi_image(:,:,3));%显示亮度信息 程序运行结果: 原图 转换到NTSC彩色空间

数字图像处理课程设计报告

课程设计报告书 课程名称:数字图像处理 题目:数字图像处理的傅里叶变换 学生姓名: 专业:计算机科学与技术 班别:计科本101班 学号: 指导老师: 日期:2013 年06 月20 日 数字图像处理的傅里叶变换 1.课程设计目的和意义 (1)了解图像变换的意义和手段 (2)熟悉傅里叶变换的基本性质 (3)热练掌握FFT的方法反应用 (4)通过本实验掌握利用MATLAB编程实现数字图像的傅里叶变换 通过本次课程设计,掌握如何学习一门语言,如何进行资料查阅搜集,如何自己解决问题等方法,养成良好的学习习惯。扩展理论知识,培养综合设计能力。 2.课程设计内容 (1)熟悉并掌握傅立叶变换 (2)了解傅立叶变换在图像处理中的应用 (3)通过实验了解二维频谱的分布特点 (4)用MATLAB实现傅立叶变换仿真

3.课程设计背景与基本原理 傅里叶变换是可分离和正交变换中的一个特例,对图像的傅里叶变换将图像从图像空间变换到频率空间,从而可利用傅里叶频谱特性进行图像处理。从20世纪60年代傅里叶变换的快速算法提出来以后,傅里叶变换在信号处理和图像处理中都得到了广泛的使用。 3.1课程设计背景 数字图像处理(Digital Image Processing)又称为计算机图像处理,它是指将图像信号转换成数字信号并利用计算机对其进行处理的过程。是通过计算机对图像进行去除噪声、增强、复原、分割、提取特征等处理的方法和技术。 3.2 傅里叶变换 (1)应用傅里叶变换进行数字图像处理 数字图像处理(digital image processing)是用计算机对图像信息进行处理的一门技术,使利用计算机对图像进行各种处理的技术和方法。 ? ??20世纪20年代,图像处理首次得到应用。20世纪60年代中期,随电子计算机的发展得到普遍应用。60年代末,图像处理技术不断完善,逐渐成为一个新兴的学科。利用数字图像处理主要是为了修改图形,改善图像质量,或是从图像中提起有效信息,还有利用数字图像处理可以对图像进行体积压缩,便于传输和保存。数字图像处理主要研究以下内容:傅立叶变换、小波变换等各种图像变换;对图像进行编码和压缩;采用各种方法对图像进行复原和增强;对图像进行分割、描述和识别等。随着技术的发展,数字图像处理主要应用于通讯技术、宇宙探索遥感技术和生物工程等领域。 傅里叶变换在数字图像处理中广泛用于频谱分析,傅里叶变换是线性系统分析的一个有力工具,它使我们能够定量地分析诸如数字化系统,采样点,电子放大器,卷积滤波器,噪声,显示点等地作用(效应)。傅里叶变换(FT)是数字图像处理技术的基础,其通过在时空域和频率域来回切换图像,对图像的信息特征进行提取和分析,简化了计算工作量,被喻为描述图像信息的第二种语言,广泛应用于图像变换,图像编码与压缩,图像分割,图像重建等。因此,对涉及数字图像处理的工作者,深入研究和掌握傅里叶变换及其扩展形式的特性,是很有价值得。 (2)关于傅里叶(Fourier)变换 在信号处理中,傅里叶变换可以将时域信号变到频域中进行处理,因此傅里叶变换在信号处理中有着特殊重要的地位。 傅里叶变换能将满足一定条件的某个函数表示成三角函数(正弦和/或余弦函数)或者它们的积分的线性组合。在不同的研究领域,傅里叶变换具有多种不同的变体形式,如连续傅里叶变换和离散傅里叶变换。傅里叶变换属于谐波分析。傅里叶变换的逆变换容易求出,而且形式与正变换非常类似;正弦基函数是微分运算的本征函数,从而使得线性微分方程的求解可以转化为常系数的代数方程的求解.在线性时不变的物理系统内,频率是个不变的性质,从而系统对于复杂激励的响应可以通过组合其对不同频率正弦信号

数字图像处理论文

华东交通大学理工学院课程设计报告书 所属课程名称数字图像处理期末论文分院电信分院专业班级14 计科 学号20140210440214 学生姓名习俊 指导教师熊渊 2016 年12 月13 日

摘要 数字图像处理是用计算机对图像信息进行处理的一门技术,主要是为了修改图形,改善图像质量,或是从图像中提起有效信息,还有利用数字图像处理可以对图像进行体积压缩,便于传输和保存。本文论述了用Matlab编程对数字图像进行图像运算的基本方法。图像运算涵盖了MA TLAB程序设计、图像点运算、代数运算、几何运算等基本知识及其应用(点运算是图象处理的一个重要运算)。以及对图像加入噪声、图像缩放和图像旋转。 关键词图像点运算;代数运算;几何运算;图像缩放;图像旋转

目录 绪论 第一章图像运算 2.1点运算 2.2代数运算 2.3几何运算 第二章程序设计与调试 结束语 参考文献

绪论 早期的计算机无论在计算速度或存储容量方面,难于满足对庞大图像数据进行实时处理的要求。随着计算机硬件技术及数字化技术的发展,计算机、内存及外围设备的价格急剧下降,而其性能却有了大幅度的提高。 图像信息是人类获得外界信息的主要来源,数字图像处理技术越来越多的应用于人们日常工作、学习和生活中。和传统图像处理相比,它具有精度高、再观性好、通用性和灵活性强等特点。在近代科学研究、军事技术、工农业生产、医学、气象及天文学等领域中也得到了广泛应用。 近几年来,随着计算机和各个相关领域研究的迅速发展,科学计算可视化、多媒体技术等研究和应用的兴起,数字图像处理从1个专门领域的学科,变成了1种新型的科学研究和人机界面的工具。数字图像作为一门新兴技术,它是二十一世纪五十年代数字计算机发展到相当水平后开拓出来的计算机应用新领域,它把图像转换成数据矩阵存放于计算机中,并进行滤波、增强、删除等处理,包括图像输入输出技术、图像分析、变换于处理技术以及图像识别和特征提取等方面。六十到七十年代数字处理技术的理论和方法更加完善,其准确性、灵活性和通用性逐步提高。 在日常生活中,电脑人像艺术,电视中的特殊效果,自动售货机钞票的识别,邮政编码的自动识别和利用指纹、虹膜、面部等特征的身份识别等均是图像处理的广泛应用。 进行数字图像处理时主要涉及数字图像点运算处理,针对图像的像素进行加、减、乘、除等运算,有效地改变了图像的直方图分布。

数字图像处理实验报告

数字图像处理实验报告

实验一数字图像处理编程基础 一、实验目的 1. 了解MA TLAB图像处理工具箱; 2. 掌握MA TLAB的基本应用方法; 3. 掌握MA TLAB图像存储/图像数据类型/图像类型; 4. 掌握图像文件的读/写/信息查询; 5. 掌握图像显示--显示多幅图像、4种图像类型的显示方法; 6. 编程实现图像类型间的转换。 二、实验内容 1. 实现对图像文件的读/写/信息查询,图像显示--显示多幅图像、4种图像类型的显示方法、图像类型间的转换。 2. 运行图像处理程序,并保存处理结果图像。 三、源代码 I=imread('cameraman.tif') imshow(I); subplot(221), title('图像1'); imwrite('cameraman.tif') M=imread('pout.tif') imview(M) subplot(222), imshow(M); title('图像2'); imread('pout.bmp') N=imread('eight.tif') imview(N) subplot(223), imshow(N); title('图像3'); V=imread('circuit.tif') imview(V) subplot(224), imshow(V); title('图像4');

N=imread('C:\Users\Administrator\Desktop\1.jpg') imshow(N); I=rgb2gary(GRB) [X.map]=gary2ind(N,2) RGB=ind2 rgb(X,map) [X.map]=gary2ind(I,2) I=ind2 gary(X,map) I=imread('C:\Users\dell\Desktop\111.jpg'); subplot(231),imshow(I); title('原图'); M=rgb2gray(I); subplot(232),imshow(M); [X,map]=gray2ind(M,100); subplot(233),imshow(X); RGB=ind2rgb(X,map); subplot(234),imshow(X); [X,map]=rbg2ind(I); subplot(235),imshow(X); 四、实验效果

数字图像处理实验

《数字图像处理》 实验报告 学院:信息工程学院 专业:电子信息工程 学号: 姓名: 2015年6月18日

目录 实验一图像的读取、存储和显示 (2) 实验二图像直方图分析 (6) 实验三图像的滤波及增强 (15) 实验四噪声图像的复原 (19) 实验五图像的分割与边缘提取 (23) 附录1MATLAB简介 (27)

实验一图像的读取、存储和显示 一、实验目的与要求 1.熟悉及掌握在MATLAB中能够处理哪些格式图像。 2.熟练掌握在MATLAB中如何读取图像。 3.掌握如何利用MATLAB来获取图像的大小、颜色、高度、宽度等等相关信息。 4.掌握如何在MATLAB中按照指定要求存储一幅图像的方法。 5.图像的显示。 二、实验原理 一幅图像可以被定义为一个二维函数f(x,y),其中x和y是空间(平面)坐标,f 在任何坐标处(x,y)处的振幅称为图像在该点的亮度。灰度是用来表示黑白图像亮度的一个术语,而彩色图像是由单个二维图像组合形成的。例如,在RGB彩色系统中,一幅彩色图像是由三幅独立的分量图像(红、绿、蓝)组成的。因此,许多为黑白图像处理开发的技术适用于彩色图像处理,方法是分别处理三副独立的分量图像即可。图像关于x和y坐标以及振幅连续。要将这样的一幅图像转化为数字形式,就要求数字化坐标和振幅。将坐标值数字化成为取样;将振幅数字化成为量化。采样和量化的过程如图1所示。因此,当f的x、y分量和振幅都是有限且离散的量时,称该图像为数字图像。 三、实验设备 (1) PC计算机 (2) MatLab软件/语言包括图像处理工具箱(Image Processing Toolbox) (3) 实验所需要的图片 四、实验内容及步骤 1.利用imread( )函数读取一幅图像,假设其名为flower.tif,存入一个数组中; 2.利用whos 命令提取该读入图像flower.tif的基本信息; 3.利用imshow()函数来显示这幅图像; 4.利用imfinfo函数来获取图像文件的压缩,颜色等等其他的详细信息; 5.利用imwrite()函数来压缩这幅图象,将其保存为一幅压缩了像素的jpg文件设为flower.jpg语法:imwrite(原图像,新图像,‘quality’,q), q取0-100。 6.同样利用imwrite()函数将最初读入的tif图象另存为一幅bmp图像,设为flower.bmp。 7.用imread()读入图像:Lenna.jpg 和camema.jpg; 8.用imfinfo()获取图像Lenna.jpg和camema.jpg 的大小;

数字图像处理实验报告

数字图像处理实验 报告 学生姓名:学号: 专业年级: 09级电子信息工程二班

实验一常用MATLAB图像处理命令 一、实验内容 1、读入一幅RGB图像,变换为灰度图像和二值图像,并在同一个窗口内分成三个子窗口来分别显示RGB图像和灰度图像,注上文字标题。 实验结果如右图: 代码如下: Subplot (1,3,1) i=imread('E:\数字图像处理\2.jpg') imshow(i) title('RGB') Subplot (1,3,2) j=rgb2gray(i) imshow(j) title('灰度') Subplot (1,3,3) k=im2bw(j,0.5) imshow(k) title('二值') 2、对两幅不同图像执行加、减、乘、除操作,在同一个窗口内分成五个子窗口来分别显示,注上文字标题。 实验结果如右图: 代码如下: Subplot (3,2,1) i=imread('E:\数字图像处理 \16.jpg') x=imresize(i,[250,320]) imshow(x) title('原图x') Subplot (3,2,2) j=imread(''E:\数字图像处理 \17.jpg') y=imresize(j,[250,320]) imshow(y) title('原图y') Subplot (3,2,3) z=imadd(x,y) imshow(z)

title('相加结果');Subplot (3,2,4);z=imsubtract(x,y);imshow(z);title('相减结果') Subplot (3,2,5);z=immultiply(x,y);imshow(z);title('相乘结果') Subplot (3,2,6);z=imdivide(x,y);imshow(z);title('相除结果') 3、对一幅图像进行灰度变化,实现图像变亮、变暗和负片效果,在同一个窗口内分成四个子窗口来分别显示,注上文字标题。 实验结果如右图: 代码如下: Subplot (2,2,1) i=imread('E:\数字图像处理 \23.jpg') imshow(i) title('原图') Subplot (2,2,2) J = imadjust(i,[],[],3); imshow(J) title('变暗') Subplot (2,2,3) J = imadjust(i,[],[],0.4) imshow(J) title('变亮') Subplot (2,2,4) J=255-i Imshow(J) title('变负') 二、实验总结 分析图像的代数运算结果,分别陈述图像的加、减、乘、除运算可能的应用领域。 解答:图像减运算与图像加运算的原理和用法类似,同样要求两幅图像X、Y的大小类型相同,但是图像减运算imsubtract()有可能导致结果中出现负数,此时系统将负数统一置为零,即为黑色。 乘运算实际上是对两幅原始图像X、Y对应的像素点进行点乘(X.*Y),将结果输出到矩阵Z中,若乘以一个常数,将改变图像的亮度:若常数值大于1,则乘运算后的图像将会变亮;叵常数值小于是,则图像将会会暗。可用来改变图像的灰度级,实现灰度级变换,也可以用来遮住图像的某些部分,其典型应用是用于获得掩膜图像。 除运算操作与乘运算操作互为逆运算,就是对两幅图像的对应像素点进行点(X./Y), imdivide()同样可以通过除以一个常数来改变原始图像的亮度,可用来改变图像的灰度级,其典型运用是比值图像处理。 加法运算的一个重要应用是对同一场景的多幅图像求平均值 减法运算常用于检测变化及运动的物体,图像相减运算又称为图像差分运算,差分运算还可以用于消除图像背景,用于混合图像的分离。

相关文档
相关文档 最新文档