数字图像实验三图像增强
实验三、图像增强
一、实验目的
（1）熟悉并学会使用MATLAB中图像增强的相关函数。
（2）掌握图像灰度修正、平滑去噪、锐化加强边缘和轮廓的方法，并编程实现。
二、实验主要仪器设备
（1）台式机或笔记本电脑。
（2）MATLAB软件（含图像处理工具箱）。注意：由于软件版本的缘故，软件的界面可能有所差异，读者可以根据实际安装的软件选择相关的命令。
（3）典型的灰度、彩色图像文件。
三、实验原理
数码相机的曝光量指到达DC感光器件上的光线总量，用曝光值（EV）表示。图像的过度曝光、曝光不足时，用曝光补偿调节曝光量，这种功能可修正自动曝光设置值为上升或下降几级。例如，某些DC的EV调整范围为+3~0~-3。尝试对同一景象进行正确曝光、过度曝光和曝光不足三种情况成像情况。
（1）将一幅图像视为一个二维矩阵，用MATLAB进行图像增强。
（2）利用MATLAB图像处理工具箱中的函数imread（读入），imshow（显示），imnoise （加噪），filter2（滤波）对图像进行去噪处理。
（3）图像灰度修正：灰度变换。对不满意的图像通过线性或非线性灰度映射关系进行变换，其效果可以得到明显提高。通过分析，会发现变换前后图像的直方图
也发生相应的变化。
（4）图像平滑方法：领域平均、中值滤波。分析图像降质的性质，区分平稳性还是非平稳型、加性还是乘性等，采用合适的去噪方法，可以去除或降低噪声对图
像的影响。从频率域看，平均操作在降低噪声的同时衰减了图像的高频分量，
会影响图像细节的重现。中值滤波对某些信号具有不变形，适用于消除图像中
的突发干扰，但如果图像含有丰富的细节，则不宜使用。
（5）图像锐化方法：人眼对目标的边缘和轮廓较为敏感，对图像进行锐化，有助于突出图像的这些特征。从频率域看，锐化提升了图像的高频分量。
四、实验内容
MATLAB图像增强：①图像灰度修正；②图像平滑方法；③图像锐化方法。
五、实验步骤
MATLAB图像增强。
（1）图像灰度修正。测试图像为pout.tif、tire.tif。读入一幅灰度级分布不协调的图像，分析其直方图。根据直方图，设计灰度变换表达式，或调用imadjuct
函数。调整变换表达式的参数，直到显示图像的灰度级分布均衡为止。
（2）不均匀光照的校正。测试图像为pout.tif。采用分块处理函数blkproc和图像相减函数imsubtract校正图6.6存在的不均匀光照现象。
（3）三段线性变换增强。测试图像为eight.tif。选择合适的转折点，编程进行三段
线性变换增强。
（4）图像平滑方法。测试图像为eight.tif。对有噪声图像或人为加入噪声的图像进行平滑处理。根据噪声的类型，选择不同的去噪方法，如领域平均、中值滤
波等方法，调用filter2、medfilt2函数，选择不同的滤波模板和参数，观测
和分析各种去噪方法对不同噪声图像处理的去噪或降噪效果。
（5）图像锐化方法。读入一幅边缘模糊地图像，利用罗伯茨梯度对图像进行4种锐化处理，比较各自效果。
六、实验程序
（1）
I = imread('pout.tif');
subplot(2,2,1);
imshow(I);
subplot(2,2,2);
imhist(I);
J = imadjust(I,[0.3 0.7],[]);
subplot(2,2,3);
imshow(J);
subplot(2,2,4);
imhist(J)
（2）
I=imread('rice.png');
subplot(2,2,1);
imshow(I);
title('原始图像');
J = imnoise(I,'salt &pepper', 0.1);
subplot(2,2,2);
imshow(J);
title('加噪图像');
blocks=blkproc(J,[128 128],@estibackground);
background=imresize(blocks,[256256],'bilinear');
subplot(2,2,3);
imshow(background);
title('提取背景');
I2=imsubtract(J,background);
Iout=medfilt2(I2,[3 3]);
subplot(2,2,4);
imshow(Iout,[]);
title('校正图像');
functionbackgray=estibackground(x,thr)
meanx=mean(x(:));
stdx=std(x(:));
minx=min(x(:));
backgray=max(meanx-thr*stdx,minx);
（3）
f = imread('pout.tif');
[M,N]=size(f);
g=zeros(M,N);
f=double(f);
g=double(g);
k1=min(min(f));
k2=max(max(f));
a=k1+50;
b=k2-50;
c=k1-30;
d=k2+20;
for i=1:M
for j=1:N
if((f(i,j)>=a)&&((f(i,j)) g(i,j)=((d-c)/(b-a))*(f(i,j)-a)+c; end if(f(i,j) g(i,j)=c; end if(f(i,j)>=b) g(i,j)=d; end end end figure; subplot(1,2,1); imshow(f,[]); subplot(1,2,2); imshow(g,[]); （4） I = imread('eight.tif'); subplot(2,3,1); imshow(I); title('原始图像'); J=imnoise(I,'gaussian',0.01); subplot(2,3,2); imshow(J); title('高斯白噪声'); h0=1/9.*[1 1 1 1 1 1 1 1 1]; h1=[0.1 0.1 0.1;0.1 0.2 0.1;0.1 0.1 0.1]; h2=1/16.*[1 2 1;2 4 2;1 2 1]; h3=1/8.*[1 1 1;1 0 1;1 1 1]; g0=filter2(h0,J); g1=filter2(h1,J); g2=filter2(h2,J); g3=filter2(h3,J); subplot(2,3,3); imshow(g0,[]); subplot(2,3,4); imshow(g1,[]); subplot(2,3,5); imshow(g2,[]); subplot(2,3,6); imshow(g3,[]); （5） I=imread('rice.png'); subplot(2,3,1); imshow(I); title('原始图像'); B1=edge(I,'roberts',0.1); subplot(2,3,2); imshow(B1); title('0.1'); B2=edge(I,'roberts',0.05); subplot(2,3,3); imshow(B2); title('0.05'); B3=edge(I,'roberts',0.07); subplot(2,3,4); imshow(B3); title('0.07'); B4=edge(I,'roberts',0.01); subplot(2,3,5); imshow(B4); title('0.01'); 七、实验结果 （1） （3） （5） 八、思考题 （1）如何针对图像过暗、过亮、对比度不足设计灰度变换函数？ 灰度g与灰度f之间的关系为：g=a’+(b’-a’)(b-a)*(f-a)，可见，如果b’-a’?b-a,则线性变换使得图像灰度范围增大，即对比度增大，图像会变得清晰； 如果b’-a’ 对于高斯噪声, 仍然是中值滤波的峰值信噪比最低, 总体变分的均方误差最小, 的情况一致所以,对于高斯噪声, 中值滤波的降噪效果不太理想, 而总体变分模型则取得比较好看出均值滤波的峰值信噪比最低,小波TV 的峰值信噪比比较接近而总体变分的均方误差仍为最小，对于高斯噪声, 线性均值滤波和TV去噪可以取得较好的去噪效果但对于椒盐噪声, 中值滤小波、总体变分(TV)的去噪平滑效果比较好其中,总体变分模型对两种噪声都取得了比较好的去噪效果, 它是现在图像平滑去噪和复原最流行的方法但仍然会丢失部分边界纹理信息。 （3）讨论用梯度法锐化图像的4种不同方法的应用范围。 Robert算子通常会在图像边缘附近的区域内产生较宽的响应，用此算子可以很准确的定位边缘，但是他对噪声的敏感程度也相对较强。所以如果要用次算法进行锐化处理时，尤其要考虑到噪声的影响。 Sobel锐化算法也是图像微分锐化算法之一。一幅图像进行Sobel算子锐化后，图像的灰度变化的幅度会有所增加。 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 实验指导书 河北工业大学 计算机科学与软件学院 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．图像类型转换。 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。将坐标值数字化称为采样；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) (1) 亮度图像 一幅亮度图像是一个数据矩阵，其归一化的取值表示亮度。若亮度图像的像素都是uint8类或uint16类，则它们的整数值范围分别是[0，255]和[0，65536]。若图像是double类，则像素取值就是浮点数。规定双精度型归一化亮度图像的取值范围是[0，1] (2) 二值图像 一幅二值图像是一个取值只有0和1的逻辑数组。 (3) 索引图像 索引颜色通常也称为映射颜色，在这种模式下，颜色都是预先定义的，并且可供选用的一组颜色也很有限，索引颜色的图像最多只能显示256种颜色。 一幅索引颜色图像在图像文件里定义，当打开该文件时，构成该图像具体颜色的索引值就被读入程序里，然后根据索引值找到最终的颜色。(4) RGB图像 一幅RGB图像就是彩色像素的一个M×N×3数组，其中每一个彩色相 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) 数字图像处理实验三中值滤波和均值滤波实验报告 数字图像处理实验三 均值滤波、中值滤波的计算机实现12281166 崔雪莹计科1202班 一、实验目的： 1）熟悉均值滤波、中值滤波处理的理论基础； 2）掌握均值滤波、中值滤波的计算机实现方法； 3）学习VC++ 6。0 的编程方法； 4）验证均值滤波、中值滤波处理理论； 5）观察均值滤波、中值滤波处理的结果。 二、实验的软、硬件平台： 硬件：微型图像处理系统，包括：主机， PC机；摄像机； 软件：操作系统：WINDOWS2000或WINDOWSXP应用软件：VC++ 6.0 三、实验内容： 1）握高级语言编程技术； 2）编制均值滤波、中值滤波处理程序的方法； 3）编译并生成可执行文件； 4）考察处理结果。 四、实验要求： 1）学习VC++确6。0 编程的步骤及流程； 2）编写均值滤波、中值滤波的程序； 3）编译并改错； 4）把该程序嵌入试验二给出的界面中（作适当修改）； 5）提交程序及文档； 6）写出本次实验的体会。 五、实验结果截图 实验均值滤波采用的是3X3的方块，取周围的像素点取得其均值代替原像素点。边缘像素的处理方法是复制边缘的像素点，增加一个边框，计算里面的像素值得均值滤波。 六、实验体会 本次实验在前一次的实验基础上增加均值滤波和中值滤波，对于椒盐噪声的处理，发现中值滤波的效果更为好一点，而均值滤波是的整个图像变得模糊了一点，效果差异较大。本次实验更加增加了对数字图像处理的了解与学习。 七、实验程序代码注释及分析 // HistDemoADlg.h : 头文件 // #include "ImageWnd.h" #pragma once // CHistDemoADlg 对话框 class CHistDemoADlg : public CDialogEx { // 构造 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： 实验一 Matlab图像处理工具箱的初步练习 一、实验目的和任务 1、初步了解与掌握MA TLAB语言的基本用法； 2、掌握MA TLAB语言中图象数据与信息的读取方法； 3、掌握在MA TLAB语言中图像类型的转换。 二、实验仪器、设备及材料 1、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 三、实验原理 将数字图像的RGB表示转换为YUV表示； Y=0.30R+0.59G+0.11B U=0.70R-0.59G-0.11B V=-0.30R-0.59G+0.89B 四、实验步骤 1、阅读资料并熟悉MatLab的基本操作 2、读取MATLAB中的图象数据 3、显示MATLAB中的图象文件。用MATLAB在自建的文件夹中建立m文件，在这个文件的程序中，将MA TLAB目录下work文件夹中的tree.tif 图象文件读出，用到imread，imfinfo等命令，观察一下图象数据，了解一下数字图象在MA TLAB中的处理就是处理一个矩阵的本质。 4、将3中的图象显示出来（用imshow）。 5、对MA TLAB目录下work文件夹中的flowers.tif进行真彩色图像、索引色图像、灰度图像、二值图像之间的相互变换，并显示。 6、进行真彩色图像RGB（lenacolor.jpg）、YIQ图像、HSV图像、YcbCr图像的相互转换，并显示。 五、实验报告要求 1、描述实验的基本步骤； 2、用图片给出步骤4、5、6中取得的实验结果； 六、实验所需图片 lenacolor.jpg 七、实验注意事项 1、学生应提前预习 2、请大家在E盘建一个目录（matlab），在每次启动时都要将这个目录加入到MATLAB的搜索路径中，添加的方法为File----Set Path----Tool---Add Path 八、思考题 1、图像之间转换的基础是什么，为什么可以实现相互的转换 九、附录 MATLAB简介 (1) MATLAB全称是Matrix Laboratory（矩阵实验室），一开始它是一种专门用于矩阵数值计算的软件，从这一点上也可以看出，它在矩阵运算上有自己独特的特点。实际上MATLAB中的绝大多数的运算都是通过矩阵这一形式进行的。这一特点也就决定了MA TLAB在处理数字图像上的独特优势。理论上讲，图像是一种二维的连续函数，然而在计算机上对图像进行数字处理的时候，首先必须对其在空间和亮度上进行数字化，这就是图像的采样和量化的过程。二维图像进行均匀采样，就可以得到一幅离散化成M×N样本的数字图像，该数字图像是一个整数阵列，因而用矩阵来描述该数字图像是最直观最简便的了。而MATLAB的长处就是处理矩阵运算，因此用MA TLAB处理数字图像非常的方便。MATLAB支持五种图像类型，即索引图像、灰度图像、二值图像、RGB图像和多帧图像阵列；支持BMP、GIF、HDF、JPEG、PCX、PNG、TIFF、XWD、CUR、ICO等图像文件格式的读，写和显示。MATLAB对图像的处理功能主要集中在它的图像处理工具箱（Image Processing Toolbox）中。图像处理工具箱是由一系列支持图像处理操作的函数组成，可以进行诸如几何操作、线性滤波和滤波器设计、图像变换、图像分析与图像增强、二值图像操作以及形态学处理等图像处理操作。 1、MATLAB中图象数据的读取 A、imread imread函数用于读入各种图象文件，其一般的用法为 [X，MAP]=imread(‘filename’,‘fmt’) 其中，X，MAP分别为读出的图象数据和颜色表数据，fmt为图象的格式，filename为读取的图象文件（可以加上文件的路径）。 例：[X，MAP]=imread（’flowers.tif’,’tif’）; 《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。 医学图像处理实验三1、计算图像的梯度，梯度值和梯度角。 I=imread('C:\Users\Administrator\Desktop\cat.jpg'); B=rgb2gray(I); C=double(B); e=1e-6;%10^-6 [dx,dy]=gradient(C);%计算梯度 G=sqrt(dx.*dx+dy.*dy);%梯度幅值 figure,imshow(uint8(G)),title('梯度图像'); pha=atan(dy./(dx+e)) figure,imshow(pha,[]) 图 1 图 2 梯度角图 2、计算图像边缘检测，用滤波器方式实现各种算子。 （1）Roberts算子 clear; I=imread('C:\Users\admin\Desktop\mao.jpg'); B=rgb2gray(I); [m,n]=size(B); nB=B; robertsnum=0;%经roberts算子计算得到的每一个像素的值robertsthreshold=0.6;%设定阈值 for j=1:m-1;%进行边界提取 for k=1:n-1 robertsnum=abs(B(j,k)-B(j+1,k+1))+abs(B(j+1,k)-B(j,k+1)); if(robertsnum>robertsthreshold) nB(j,k)=255; else nB(j,k)=0; end end end subplot(1,2,1);imshow(B);title('原图'); subplot(1,2,2);imshow(nB,[]);title('Robert算子处理后的图像'); 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) 中南大学 数字图像处理实验报告实验三数学形态学及其应用 实验三 数学形态学及其应用 一．实验目的 1.了解二值形态学的基本运算 2.掌握基本形态学运算的实现 3.了解形态操作的应用 二．实验基本原理 腐蚀和膨胀是数学形态学最基本的变换，数学形态学的应用几乎覆盖了图像处理的所有领域，给出利用数学形态学对二值图像处理的一些运算。 膨胀就是把连接成分的边界扩大一层的处理。而收缩则是把连接成分的边界点去掉从而缩小一层的处理。 二值形态学 I(x,y), T(i,j)为 0/1图像Θ 腐蚀：[]),(&),(),)((),(0,j i T j y i x I AND y x T I y x E m j i ++=Θ== 膨胀：[]),(&),(),)((),(0 ,j i T j y i x I OR y x T I y x D m j i ++=⊕== 灰度形态学T(i,j)可取10以外的值 腐蚀： []),(),(min ),)((),(1 ,0j i T j y i x I y x T I y x E m j i -++=Θ=-≤≤ 膨胀： []),(),(max ),)((),(1 ,0j i T j y i x I y x T I y x D m j i +++=⊕=-≤≤ 1.腐蚀Erosion: {}x B x B X x ?=Θ: 1B 删两边 2B 删右上 图5-1 剥去一层（皮） 2.膨胀Dilation: {}X B x B X x ↑⊕:＝ 1B 补两边 2B 补左下 图5-2 添上一层（漆） 3.开运算open ： B B X ⊕Θ=)(X B 4.闭close ：∨ Θ⊕=B B X X B )( 5.HMT(Hit-Miss Transform:击中——击不中变换) 条件严格的模板匹配 ),(21T T T =模板由两部分组成。1T ：物体，2T ：背景。 {} C x x i X T X T X T X ??=?21, 图5-3 击不中变换示意图 性质： （1）φ=2T 时，1T X T X Θ=? （2）)()()(21T X T X T X C Θ?Θ=? C T X T X )()(21Θ?Θ= )/()(21T X T X ΘΘ= 6.细化/粗化 (1)细化（Thin ） C T X X T X XoT )(/??=?= 去掉满足匹配条件的点。 图5-4 细化示意图 系统细化{}n B oB XoB T Xo ))(((21=， i B 是1-i B 旋转的结果（90?，180?，270?）共8种情况 适于细化的结构元素 1111000d d I = d d d L 10110 0= (2)粗化（Thick ） )(T X X T X ??=? 用(){}0,01=T (){}0,12=T 时，X X X T X =?=? X 21 1 1 2 3 T ? XoT X ? X X ?T X ΘT T ⊕ 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 实验一数字图像处理编程基础 一、实验目的 1. 了解MATLAB图像处理工具箱； 2. 掌握MATLAB的基本应用方法； 3. 掌握MATLAB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、实验原理 略。 三、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。 四、分析思考 归纳总结Matlab各个基本指令。 Dither 采用“抖动”方法从RGB 图像创建索引图像 grayslice 从灰度图像通过阈值处理创建索引图像 gray2ind 从灰度图像创建索引图像 ind2gray 从索引图像创建灰度图像 rgb2ind 从RGB 图像创建索引图像 ind2rgb 从索引图像创建RGB 图像 rgb2gray 从RGB 图像创建灰度图像 实验二 图像几何变换实验 一、实验目的 1．学习几种常见的图像几何变换，并通过实验体会几何变换的效果； 2．掌握图像平移、剪切、缩放、旋转、镜像等几何变换的算法原理及编程实现； 3．掌握matlab 编程环境中基本的图像处理函数。 二、实验原理 1. 初始坐标为(,)x y 的点经过平移00(,)x y ，坐标变为(',')x y ，两点之间的关系为：00 ''x x x y y y =+??=+?，以矩阵形式表示为： 00'10'01100 11x x x y y y ????????????=?????????????????? 2. 图像的镜像变换是以图象垂直中轴线或水平中轴线交换图像的变换，分为垂直镜像变换和水平镜像变换，两者的矩阵形式分别为： '100'01010011x x y y -????????????=?????????????????? '100'01010011x x y y ????????????=-?????????????????? 3. 图像缩小和放大变换矩阵相同： '00'0010011X y x S x y S y ????????????=?????????????????? 当1x S ≤，1y S ≤时，图像缩小；当1x S ≥，1y S ≥时，图像放大。 4. 图像旋转定义为以图像中某一点为原点以逆时针或顺时针方 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 数字图像处理实验报告 学院：电子信息与自动化 专业：电子信息工程 班级：120224 实验人：张文君（12022419） 同组人：姚朱晨（12022417） 实验三： 数字图像的频域增强:低通滤波 一．实验目的 1. 掌握图像滤波的基本定义及目的。 2. 理解频域滤波的基本原理及方法。 3. 掌握进行图像的低通滤波的方法。 二．实验基本原理 频域增强是利用图像变换方法将原来的图像空间中的图像以某种形式转换到其他空间中，然后利用该空间的特有性质方便地进行图像处理，最后再转换回原来的图像空间中，从而得到处理后的图像。 频域增强的主要步骤是： 1.选择变换方法，将输入图像变换到频域空间。 2.在频域空间中，根据处理目的设计一个转移函数，并进行处理。 3.将所得结果用反变换得到增强的图像。 常用的频域增强方法有低通滤波和高通滤波。 低通滤波 图像的能量大部分集中在幅度谱的低频和中频部分，而图像的边缘和噪声对应于高频部分。因此能降低高频成分幅度的滤波器就能减弱噪声的影响。由卷积定理，在频域实现低通滤波的数学表达式： G (u ,v ) =H (u ,v )F (u ,v ) 1) 理想低通滤波器（ILPF ） { 0),u (0 ),(10)v ,u (≤>= v D v u D H 2) 巴特沃斯低通滤波器（BLPF ） n D v u D v u H 20),()12(11 ),(??? ? ??-+= 3）指数型低通滤波器（ELPF ） 2 0),(),(n D v u D e v u H ? ?????-= 三．实验内容与要求 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指数型低通滤波器，截止频率自选。 2) 读出cameraman.tif 这幅图像，加入椒盐躁声，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（截止频率自选），再做反变换得到低通滤波后的空域图像。 四．实验程序 I=imread('cameraman.tif');%读入图像 figure; subplot(2,3,1),imshow(I); title('原图'); I=imnoise(I,'salt & pepper',0.02); %加入椒盐躁声 subplot(2,3,2),imshow(I); title('加入椒盐躁声图'); f=double(I); % 由于MATLAB 不支持unsigned int 型图像计算，故将图像数据变为double 型 g=fft2(f); % 傅里叶变换 g=fftshift(g); % 将傅里叶变化零频率搬移到频谱中间 [M,N]=size(g); % 确定图像大小,M 为行数，N 为列数 D0=100; %截止频率 m=fix(M/2); n=fix(N/2);% 确定傅里叶变化原点（即直流部分），并且数据向0 取整result=zeros(M,N); for i=1:1:M for j=1:1:N d=sqrt((i-m)^2+(j-n)^2);%计算D(u，v) if(d<=D0) h=1;%如果D(u，v)<=D0, H(u,v)=1 else h=0;%如果D(u，v)>D0, H(u,v)=0 end result(i,j)=h*g(i,j); end end result=ifftshift(result);% 傅里叶逆移频，由于之前做过fftshift J1=ifft2(result);% 傅里叶反变换 J2=uint8(real(J1));%提取J1 的实部,并将该数据定义为8 位无符号整数 subplot(2,3,3),imshow(J2) ; title('理想低通滤波图'); n=2;%二阶 D0=150; %截止频率 m=fix(M/2); n=fix(N/2);% 确定傅里叶变化原点（即直流部分），并且数据向0 取整result=zeros(M,N); 《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1
数字图像处理实验指导书-河北工业大学2014实验一
数字图像处理四个实验报告,带有源程序
数字图像处理实验三中值滤波和均值滤波实验报告
数字图像处理实验报告
数字图像处理实验指导书
数字图像处理实验指导书模板
数字图像处理上机实验三
数字图像处理实验 实验二
数字图像处理程序
数字图像处理实验报告实验三
数字图像处理——彩色图像实验报告
数字图像处理实验指导书
数字图像处理实验报告
数字图像处理实验三
数字图像处理实验