数字图像处理实验.docx
《数字图像处理实验.docx》由会员分享，可在线阅读，更多相关《数字图像处理实验.docx（31页珍藏版）》请在冰豆网上搜索。
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
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（ImageProcessingToolbox）
（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；
9．用figure,imshow（）分别将Lenna.jpg和camema.jpg显示出来，观察两幅图像的质量。
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。
11.将每一步的函数执行语句拷贝下来，写入实验报告，并且将得到第3、9、10步得到的图像效果拷贝下来。
五、实验源程序
clc;clear;closeall;
I=imread（'D:
\picture\flower.tif'）;%读入原图像,tif格式
whosI;%显示图像I的基本信息
imfinfo（'D:
\picture\flower.tif'）;
imwrite（I,'D:
\picture\flower.jpg','quality',50）;
imwrite（I,'D:
\picture\flower.bmp'）;%以位图（BMP）的格式存储图像
g=im2bw（I）;%将图像转为二值图像
imwrite（g,'D:
\picture\flower1.tif'）;
subplot（2,2,1）,imshow（I）,title（'原图（tif格式）'）;
subplot（2,2,2）,imshow（'D:
\picture\flower.jpg'）,title（'压缩图（jpg格式）'）;
subplot（2,2,3）,imshow（'D:
\picture\flower.bmp'）,title（'位图（BMP格式）'）;
subplot（2,2,4）,imshow（g）,title（'二值图'）;
六、实验结果
11、实验心得
通过本次实验可以熟练的运用MATLAB编程软件。
实验二图像直方图分析
一．实验目的
1．了解MATLAB的操作环境和基本功能。
2．掌握MATLAB中图像增强与平滑的函数的使用方法。
3．加深理解图像增强与平滑的算法原理。
二、实验内容
（一）研究以下程序，分析程序功能；输入执行各命令行，认真观察命令执行的结果。
熟悉程序中所使用函数的调用方法，改变有关参数，观察试验结果。
（可将每段程序保存为一个.m文件）
1．直方图均衡化
2．直接灰度变换
3．空域平滑滤波（模糊、去噪）
4．空域锐化滤波
（二）采用MATLAB底层函数编程实现
1．灰度变换之动态范围扩展
假定原图像f（x,y）的灰度范围为［a,b］，希望变换后图像g（x,y）的灰度范围扩展至［c,d］，则线性变换可表示为：
用MATLAB底层函数编程实现上述变换函数。
观察图像‘pout.tif’的灰度直方图，选择合适的参数［a,b］、［c,d］对图像‘pout.tif’进行灰度变换，以获得满意的视觉效果。
2．非锐化掩蔽和高斯滤波
从原图像中减去其非锐化（平滑过的）图像的过程称为非锐化掩蔽，其基本步骤为：
对原图像进行平滑滤波得到模糊图像
；
从原图像中减去模糊图像，产生的差值图像称为模板
；
将模板加到原图像上，得到锐化后的图像
。
即，
用MATLAB函数编程实现上述功能。
三、实验设备与软件
1．计算机；
2．MATLAB6.5及以上；
四、实验源程序
（一）
1．直方图均衡化
clc;clearall;closeall
I=imread（'pout.tif'）;
subplot（2,3,1）;
imshow（I）;
title（'原图'）;
subplot（2,3,2）;
imhist（I）;%显示原图的直方图
title（'原图的直方图'）;
[I2,T]=histeq（I）;%原图进行均衡化
subplot（2,3,3）;
imshow（I2）;%显示均衡化后图
title（'均衡化后的图'）;
subplot（2,3,4）;
imhist（I2）;%显示原图均衡化后的直方图
title（'原图均衡化后的直方图'）;
subplot（2,3,5）;
plot（（0:
255）/255,T）;%绘制均衡化函数图
title（'均衡化函数图'）;
imwrite（I2,'D:
\picture1\pout.png'）;
imfinfo（'D:
\picture1\pout.png'）%显示写入图的信息
2．直接灰度变换
clc;clearall;closeall
I=imread（'cameraman.tif'）;
subplot（2,3,1）,imshow（I）,title（'原图（cameraman）'）;
J=imadjust（I,[00.2],[0.51]）;
subplot（2,3,2）,imshow（J）,title（'图cameraman调整灰度值后的图'）;
[X,MAP]=imread（'forest.tif'）;%X为图像数据矩阵，MAP为颜色表数据矩阵
subplot（2,3,3）,imshow（X,MAP）,title（'原图（forest）'）;
I2=ind2gray（X,MAP）;
J2=imadjust（I2,[],[],0.5）;
J3=imadjust（I2,[],[],1.5）;
subplot（2,3,4）,imshow（I2）,title（'forest的灰度图'）;
subplot（2,3,5）,imshow（J2）,title（'forest调整图像灰度值后明亮输出的图'）;
subplot（2,3,6）,imshow（J3）,title（'forest调整图像灰度值后灰暗输出的图'）;
3．空域平滑滤波（模糊、去噪）
clc;clearall;closeall
I=imread（'eight.tif'）;
h1=ones（3,3）/9;
h2=ones（5,5）/25;
I1=imfilter（I,h1）;%用3*3的方阵（元素值为0.11）过滤原图
I2=imfilter（I,h2）;%用5*5的方阵（元素值为0.04）过滤原图
figure
（1）;
subplot（2,2,1）,imshow（I）,title（'原图'）;
subplot（2,2,2）,imshow（I1）,title（'用3*3的方阵（元素值为0.11）过滤原图'）;
subplot（2,2,3）,imshow（I2）,title（'用5*5的方阵（元素值为0.04）过滤原图'）;
J1=imnoise（I,'gaussian',0,0.005）;%加入高斯（Gaussian）噪声
J2=imnoise（I,'salt&pepper',0.02）;%加入椒盐噪声
K1=imfilter（J1,fspecial（'average',3））;%对J1进行平均值平滑滤波
K2=imfilter（J2,fspecial（'average',3））;%对J2进行平均值平滑滤波
figure
（2）;
subplot（2,2,1）,imshow（J1）,title（'加入高斯噪声'）;
subplot（2,2,2）,imshow（J2）,title（'加入椒盐噪声'）;
subplot（2,2,3）,imshow（K1）,title（'对加入高斯噪声的图进行平均值平滑滤波'）;
subplot（2,2,4）,imshow（K2）,title（'对加入椒盐噪声的图进行平均值平滑滤波'）;
K3=medfilt2（J1,[33]）;%对J1进行中值滤波
K4=medfilt2（J2,[33]）;%对J2进行中值滤波
figure（3）;
subplot（2,2,1）,imshow（J1）,title（'加入高斯噪声'）;
subplot（2,2,2）,imshow（J2）,title（'加入椒盐噪声'）;
subplot（2,2,3）,imshow（K3）,title（'对加入高斯噪声的图进行中值滤波'）;
subplot（2,2,4）,imshow（K4）,title（'对加入椒盐噪声的图进行中值滤波'）;
4．空域锐化滤波
clc;clearall;closeall
I=imread（'moon.tif'）;
w=fspecial（'laplacian',0）;%拉普拉斯算子
w1=[1,1,1;1,-8,1;1,1,1];%新算子（w1）
I1=imfilter（I,w,'replicate'）;%拉普拉斯算子对原图锐化滤波
subplot（2,4,1）,imshow（I）,title（'原图'）;
subplot（2,4,2）,imshow（I1）,title（'拉普拉斯算子对原图锐化滤波图'）;
f=im2double（I）;%把原图的数据类型转换为双精度浮点类型（图不变）
f1=imfilter（f,w,'replicate'）;%拉普拉斯算子对图f锐化滤波
subplot（2,4,4）,imshow（f1,[]）,title（'拉普拉斯算子对f锐化滤波图'）;
f2=imfilter（f,w1,'replicate'）;%新算子（w1）对图f锐化滤波
subplot（2,4,5）,imshow（f1,[]）,title（'新算子（w1）对f锐化滤波图'）;
f4=f-f1;%图f减去其锐化滤波（拉普拉斯算子）后的图
f8=f-f2;%图f减去其锐化滤波（新算子（w1））后的图
subplot（2,4,3）,imshow（f）,title（'原图的数据类型变为双精度浮点型即图f'）;
subplot（2,4,6）,imshow（f4）,title（'图f减去其锐化滤波（拉普拉斯算子）后的图'）;
subplot（2,4,8）,imshow（f8）,title（'图f减去其锐化滤波（新算子（w1））后的图'）;
（二）
1．灰度变换之动态范围扩展
clc;clearall;closeall
I=imread（'pout.tif'）;%数据为240行16列的矩阵
subplot（2,2,1）,imshow（I）,title（'原图（pout）'）;
I1=double（I）./double（100）;%对原图数据进行处理
J=0.625.*（I1-0.1）+0.4;%a=0.1,b=0.9,c=0.4,d=0.9调整原图的灰度值——变明亮
subplot（2,2,2）,imshow（J）,title（'图pout调整灰度值后的图'）;
subplot（2,2,3）,imhist（I1）,title（'原图的直方图'）;%显示原图的直方图
subplot（2,2,4）,imhist（J）,title（'pout调整灰度值后的直方图'）;%显示pout调整灰度值后的直方图
2．非锐化掩蔽和高斯滤波
clc;clearall;closeall
I=imread（'pout.tif'）;
J=imfilter（I,fspecial（'average',3））;%对I进行平均值平滑滤波
subplot（2,2,1）,imshow（I）,title（'原图'）;
subplot（2,2,2）,imshow（J）,title（'对原图进行平均值平滑滤波得到模糊图像J'）;
M=I-J;%从原图像I中减去模糊图像J，产生的差值图像M称为模板
N=30*M+I;%将模板M加到原图像I上，得到锐化后的图像N
subplot（2,2,3）,imshow（M）,title（'I减J产生的差值图像M'）;
subplot（2,2,4）,imshow（N）,title（'M的30倍加I得到的锐化后的图像N'）;
五、实验结果
（一）
1．直方图均衡化
3．直接灰度变换
对于’imadjust（I,[low_inhigh_in],[low_outhigh_out],gamma）’函数,gamma大于1图像比原图像增强,小于1,灰度比图像小,有模糊感,图像不够清晰.
3．空域平滑滤波（模糊、去噪）
4．空域锐化滤波
使用空域滤波使图像对比度增大,并且w8=[1,1,1;1,-8,1;1,1,1]算子增强效果更明显
（二）
1灰度变换之动态范围扩展
2．非锐化掩蔽和高斯滤波
六．实验心得
通过本次实验对高斯噪声与椒盐噪声有了更清楚的认识,也学会如何用平滑滤波,锐化滤波,高斯滤波处理图像,学到了很多新知识.
实验三图像的滤波及增强
一、实验目的
1进一步了解MatLab软件/语言，学会使用MatLab对图像作滤波处理，使学生有机会掌握滤波算法，体会滤波效果。
2了解几种不同滤波方式的使用和使用的场合，培养处理实际图像的能力，并为课堂教学提供配套的实践机会。
3熟悉傅立叶变换的基本性质；
4熟练掌握FFT变换方法及应用；
二、实验内容与步骤
（1）模板滤波
a）调入并显示原始图像Sample2-1.jpg。
b）利用imnoise命令在图像Sample2-1.jpg上加入高斯（gaussian）噪声
c）利用预定义函数fspecial命令产生平均（average）滤波器
d）分别采用3x3和5x5的模板，分别用平均滤波器以及中值滤波器，对加入噪声的图像进行处理并观察不同噪声水平下，上述滤波器处理的结果；
e）选择不同大小的模板，对加入某一固定噪声水平噪声的图像进行处理，观察上述滤波器处理的结果。
f）利用imnoise命令在图像Sample2-1.jpg上加入椒盐噪声（salt&pepper）
g）重复c）~e）的步骤
h）输出全部结果并进行讨论。
（2）频域滤波
17．将图像内容读入内存；
18．用Fourier变换算法，对图像作二维Fourier变换；
19．将其幅度谱进行搬移，在图像中心显示；
20．用Fourier系数的幅度进行Fourier反变换；
21．用Fourier系数的相位进行Fourier反变换；
22．比较4、5的结果，评价人眼对图像幅频特性和相频特性的敏感度。
23．记录和整理实验报告。
6、实验仪器
（1）IBM-PC计算机系统
（2）MatLab软件/语言包括图像处理工具箱（ImageProcessingToolbox）
（3）实验所需要的图片
四．实验源程序
（1）模板滤波
clc;clearall;closeall
I=imread（'cameraman.tif'）;
J=imnoise（I,'gauss',0.02）;%添加高斯噪声,叠加密度为0.02
ave1=fspecial（'average',3）;%产生3×3的均值模板
ave2=fspecial（'average',5）;%产生5×5的均值模板
K=filter2（ave1,J）/255;%均值滤波3×3
L=filter2（ave2,J）/255;%均值滤波5×5
M=medfilt2（J,[33]）;%中值滤波3×3模板
N=medfilt2（J,[55]）;%中值滤波5×5模板
subplot（2,3,1）,imshow（I）;title（'原图'）;
subplot（2,3,2）,imshow（J）;title（'添加高斯噪声图J'）;
subplot（2,3,3）,imshow（K）;title（'对J均值滤波3×3'）;
subplot（2,3,4）,imshow（L）;title（'对J均值滤波5×5'）;
subplot（2,3,5）,imshow（M）;title（'对J中值滤波3×3'）;
subplot（2,3,6）,imshow（N）;title（'对J中值滤波5×5'）;
J1=imnoise（I,'salt&pepper',0.02）;%添加椒盐噪声,叠加密度为0.02
K1=filter2（ave1,J1）/255;%均值滤波3×3
L1=filter2（ave2,J1）/255;%均值滤波5×5
M1=medfilt2（J1,[33]）;%中值滤波3×3模板
N1=medfilt2（J1,[55]）;%中值滤波5×5模板
figure
（2）;
subplot（2,3,1）,imshow（I）;title（'原图'）;
subplot（2,3,2）,imshow（J1）;title（'添加椒盐噪声J1'）;
subplot（2,3,3）,imshow（K1）;title（'对J1均值滤波3×3'）;
subplot（2,3,4）,imshow（L1）;title（'对J1均值滤波5×5'）;
subplot（2,3,5）,imshow（M1）;title（'对J1中值滤波3×3'）;
subplot（2,3,6）,imshow（N1）;title（'对J1中值滤波5×5'）;
（2）频域滤波
clc;clearall;closeall
I=imread（'cameraman.tif'）;%读入原图像文件
fftI=fft2（I）;%二维离散傅立叶变换
sfftI=fftshift（fftI）;%直流分量移到频谱中心
RR=real（sfftI）;%取傅立叶变换的实部
II=imag（sfftI）;%取傅立叶变换的虚部
A=sqrt（RR.^2+II.^2）;%计算频谱幅值
A=（A-min（min（A）））/（max（max（A））-min（min（A）））*225;%归一化
f1=ifft2（A）;%用Fourier系数的幅度进行Fourier反变换；
f2=ifft2（angle（fftI））;%用Fourier系数的相位进行Fourier反变换；
subplot（2,2,2）,imshow（A）,title（'原图像的频谱'）;%显示原图像的频谱
subplot（2,2,1）,imshow（I）,title（'原图'）;
subplot（2,2,3）,imshow（f1,[]）,title（'用Fourier系数的幅度进行Fourier反变换后的图'）;
subplot（2,2,4）,imshow（f2,[]）,title（'用Fourier系数的相位进行Fourier反变换后的图'）;
五．实验结果
（1）模板滤波
（2）频域滤波
11．实验心得
通过这次实验了解了高斯噪声和椒盐噪声的特点。
高斯噪声完全由其时变平均值和两瞬时的协方差函数来确定，若噪声为平稳的，则平均值与时间无关，而协方差函数则变成仅和所考虑的两瞬时之差有关的相关函数，它在意义上等效于功率谱密度。
高斯噪声可以是大量独立的脉冲所产生的，从而在任何有限时间间隔内，这些脉冲中的每一个脉冲值与所有脉冲值的总和相比都可忽略不计。
3实际上热噪声、散弹噪声及量子噪声都是高斯噪声。
椒盐噪声是由图像传感器，传输信道，解码处理等产生的黑白相间的亮暗点噪声。
椒盐噪声往往由图像切割引起。
实验四噪声图像的复原
一、实验目的
1、熟悉并掌握MATLAB图像处理工具箱的使用；
2、理解并掌握常用的图像的恢复和增强技术。
二、实验内容及步骤
1、产生运动模糊图像，运用维纳滤波进行图像恢复，显示结果。
2、利用MATLAB实现频域滤波
频域滤波分为低通滤波和高通滤波两类，对应的滤波器分别为低通滤波器和高通滤波器。
频域低通过滤的基本思想：
G（u,v）=F（u,v）H（u,v）
F（u,v）是需要钝化图像的傅立叶变换形式，H（u,v）是选取的一个低通过滤器变换函数，G（u,v）是通过H（u,v）减少F（u,v）的高频部分来得到的结果，运用傅立叶逆变换得到钝化后的图像。
理想地通滤波器（ILPF）具有传递函数：
其中，
为指定的非负数，
为（u,v）到滤波器的中心的距离。
的点的轨迹为一个圆。
n阶巴特沃兹低通滤波器（BLPF）（在距离原点
处出现截至频率）的传递函数为
与理想地通滤波器不同的是，巴特沃兹率通滤波器的传递函数并不是在
处突然不连续。
高斯低通滤波器（GLPF）的传递函数为
其中，
为标准差。
相应的高通滤波器也包括：
理想高通滤波器、n阶巴特沃兹高通滤波器、高斯高通滤波器
升级会员 