图像实验报告1.docx
《图像实验报告1.docx》由会员分享，可在线阅读，更多相关《图像实验报告1.docx（10页珍藏版）》请在冰豆网上搜索。
图像实验报告1
甘肃政法学院
本科生实验报告
（四）
姓名:
周红
学院:
信息工程学院
专业:
信息管理与信息系统
班级:
2014信管班
实验课程名称:
图形图像处理
实验日期:
2017年4月5日
开课时间：
2016-2017学年第二学期
甘肃政法学院实验管理中心印制
实验题目
图形图像处理
小组合作
否
姓名
周红
班级
2014信管班
学号
201481020161
一、实验目的
1）掌握读、写图像的基本方法。
2）掌握Python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．实验环境
硬件：
装有Windows系统的计算机一台
软件：
AnacondaNavigator（spyder）
三、实验内容与步骤
（1）熟悉python语言中对图像数据读取，显示等基本函数
（2）图像灰度变换处理在图像增强的作用
（3）绘制图像灰度直方图的方法，对图像进行均衡化处理
实验原理：
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
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=clog（1+r），c为常数，r≥0
3）幂次变换：
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：
2.直方图均衡化
灰度直方图的横坐标是灰度级，纵坐标是该灰度级出现的频度，它是图像最基本的统计特征。
依据定义，在离散形式下，用rk代表离散灰度级，用pr（rk）代表pr（r），并且有下式成立：
式中：
nk为图像中出现rk级灰度的像素数，n是图像像素总数，而nk/n即为频数。
直方图均衡化处理是以累积分布函数变换法为基础的直方图修正法。
假定变换函数为
（a）Lena图像（b）Lena图像的直方图
当灰度级是离散值时，可用频数近似代替概率值，即
式中：
l是灰度级的总数目，pr（rk）是取第k级灰度值的概率，nk是图像中出现第k级灰度的次数，n是图像中像素总数。
所以积分可以表示为下列累计分布函数（cumulativedistributionfunction,CDF）
四、实验过程与分析
实验具体实现：
1.熟悉python语言中对图像数据读取，显示等基本函数
（1）文件读取与信息显示：
importcv2
importnumpyasnp
①colorImg=cv2.imread（'f:
\\image\\lena.jpg'）
②huiDuImg=cv2.imread（'f:
\\image\\lena.jpg',0）
③Img=cv2.cvtColor（colorImg,cv2.COLOR_RGBA2GRAY）
cv2.imshow（'colorImg',colorImg）
cv2.imshow（'huiDuImg',huiDuImg）
cv2.imshow（'Img',Img）
cv2.waitKey（0）
cv2.destroyAllWindows（）
图1文件的读取与显示显示
其中，①为读取彩色图片，②为读取灰度图像，设置图像像素为灰度，③与②效果相同。
（2）map颜色矩阵的修改
importcv2
fromPILimportImage
frompylabimport*
im=array（Image.open（'f:
\\image\\lena.jpg'））
imshow（im）
printim
printim.shape#可以获取图像的形状，返回值是一个包含行数，列数，#通道数的数组,若图片是灰度图，则无通道数
foriinrange（202）:
#i,j表示图像的大小,k表示（0,1,2）彩色图片取值
forjinrange（323）:
forkinrange（3）:
im[i,j,k]=（（0.3）*im[i,j,k]+50）#进行矩阵修改
imshow（im）
cv2.waitKey（0）
cv2.destroyAllWindows（）
图2map颜色矩阵的修改
3.图像灰度变换处理在图像增强的作用:
图像反转：
importcv2
importnumpyasnp
im=cv2.imread（'f:
\\image\\lena.jpg',0）
cv2.imshow（'im1',im）
printim
printim.shape
foriinrange（300）:
forjinrange（300）:
#i,j若设置的过小，则不能全部反转
im[i,j]=（-1）*im[i,j]+5//反转
cv2.imshow（'im2',im）
cv2.waitKey（0）
cv2.destroyAllWindows（）
图3图像反转效果图
3.绘制图像灰度直方图的方法，对图像进行均衡化处理
（1）图像灰度直方图的显示与灰度调整：
importcv2
importnumpyasnp
importmatplotlib.pyplotasplt
img=cv2.imread（'f:
\\image\\lena.jpg',0）
’’’
统计并绘制直方图：
应该使用calcHist（）或者np.Histogram统计直方图
Cv2.calcHist（images,channels,mask,histSize,ranges[,hist[,accumulate]]）返回hist值：
[0]使用的通道；None：
没有使用mask,[256]直方图大小，
[0,256]直方图柱范围,其中第一个参数必须要用[]括起来
’’’
hist_cv=cv2.calcHist（[img],[0],None,[256],[0,256]）
hist_np,bins=np.histogram（img.ravel（）,256,[0,256]）
hist_np2=np.bincount（img.ravel（）,minlength=256）
plt.subplot（221）,plt.imshow（img,'gray'）
c
subplot在一张图中放多个子图
subplot将整个绘图区域等分成n行n列个子区域，然后按照从左到右，从上到下的顺序对每个子区域进行编号，左上的子区域编号为1，如果行数+列数+区域数<10，可以把他们缩写为一个整数eg:
subplot（221）=subplot（2,2,1）#221第一行左图
plt.subplot（222）,plt.plot（hist_cv）#222第一行右图
plt.subplot（223）,plt.plot（hist_np）#223第二行左图
plt.subplot（224）,plt.plot（hist_np2）#224第二行右图
图4图像灰度直方图的显示与灰度调整
（2）对B进行直方图均衡化处理，试比较与原图的异同：
原图像中目标物的灰度主要集中于高亮度部分，而且象素总数较多，所占的灰度等级较少。
经过直方图均衡后，目标物的所占的灰度等级得到扩展，对比度加强，使整个图像得到增强。
数字图像均衡化后，其直方图并非完全均匀分布，这是因为图像的象素个数和灰度等级均为离散值，而且均衡化使灰度级并归。
因此，均衡化后，其直方图并非完全均匀分布。
代码和结果截图如下所示：
importcv2
importmatplotlib.pyplotasplt
img=cv2.imread（'f:
\\image\\lena.jpg',0）
res=cv2.equalizeHist（img）#直方图均衡化
#为了同时在一个窗口中显示多个图像，使用plt.subplot（）
plt.subplot（121）,plt.imshow（img,'gray'）
plt.subplot（122）,plt.imshow（res,'gray'）
图5直方图均衡化处理比较异同
（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。
fromskimageimportdata,exposure
importmatplotlib.pyplotasplt
img=cv2.imRead（‘f:
\\image\\lena.jpg’，0）;
plt.figure（'hist',figsize=（8,8））
arr=img.flatten（）;#将2维数组一维化
plt.subplot（221）
plt.imshow（img,cmap=plt.cm.gray）
#原始图像
plt.subplot（222）
#原始图像直方图
plt.hist（arr,bins=256,normed=1,edgecolor='None',facecolor='red'）
#原始图像均衡化
img1=exposure.equalize_hist（img）
arr1=img1.flatten（）
plt.subplot（223）
plt.imshow（img1,cmap=plt.cm.gray）
plt.subplot（224）
#均衡化图像直方图
plt.hist（arr1,bins=256,normed=1,edgecolor='None',facecolor='red'）
plt.show（）
图6分段线形处理比较异同结果
五、实验总结
图形图像处理是一门十分有用的学科，在实际生活中应用很广泛。
经过此次的实验，感受到Python语言的强大，不过因为刚入门，还不具体了解其功能，第一次实验做的很吃力。
在实验中遇到了很多棘手的问题，同学对我的帮助很大，让我逐一解决难题。
经过这次的实验，我了解了imread（）读取彩色图像/灰度图像，imshow（）显示图像,文件的结尾需要加上cv2.waitKey（）,cv2.destroyAllWindows（）来结束进程。
这些都是基本的知识，我知道后面的实验会更加具有挑战性，希望以后可以学到更多的知识从而感受图形图像处理的巨大魅力。
升级会员 