数字图像处理实验报告Word下载.docx
《数字图像处理实验报告Word下载.docx》由会员分享，可在线阅读，更多相关《数字图像处理实验报告Word下载.docx（14页珍藏版）》请在冰豆网上搜索。
3）利用统计灰度图像直方图的程序分别针对灰度拉伸前后的灰度图像绘制其
灰度直方图，观察其前后的直方图变化
2.用MatLab读取和显示一幅灰度图像;
3.绘制图像的灰度直方图;
functionDisplay_Histogram（）
Input=imread（'
timg.jpg'
）;
figure（100）;
imshow（uint8（Input））;
title（'
原始图像'
Input_Image=rgb2gray（Input）;
figure（200）;
imshow（uint8（Input_Image））;
灰度图像'
sum=0;
His_Image=zeros（1,256）;
[m,n]=size（Input_Image）;
fork=0:
255
forI=1:
m
forj=1:
n
ifInput_Image（I,j）==kHis_Image（k+1）=His_Image（k+1）+1;
end
figure（300）;
plot（His_Image）;
title（'
图像的灰度直方图'
4.显示图像的灰度直方图。
原始图像
灰度图像
图像的灰度直方图
1400
1200
1000
800
600
400
200
四、思考题
1）直方图可以反映图像的哪些特性？
灰度直方图只能反映图像的灰度分布情况，不能反映图像的像素位置；
一幅
图像对应唯一的灰度直方图。
2）如何使直方图曲线光滑？
如何识别直方图的峰和谷？
恰当量化。
直方图给出一个直观的指标，用来判断数字化一幅图像量化时是否合理地利用了全部允许的灰度范围。
一般来说，数字化获取的图像应该利用全部可能的灰度级。
假定一幅图像的背景为黑色，物体为灰色，背景中的黑色像素长生了直方图上的左峰，而物体中各灰度级产生了直方图上的右峰，由于物体
边界像素相对较少，从而长生两峰之间的谷。
实验二基于Photoshop的数字图像处理
1•掌握数字图像增强的基本原理和方法，并能运用Photoshop软件对图像进行
增强操作。
2.比较不同方法图像增强的效果，分析这些增强方法的特点。
二、实验内容
应用Photoshop软件对图像作灰度拉伸、对比度增强、直方图均衡、图像平滑、中值滤波、边缘增强等。
三、实验步骤
1）打开一幅图像；
2）灰度拉伸：
①线性拉伸：
在“图像-调整一色阶”中，可以通过直接设置原图像灰度值的输入范围和所需的输出范围来简单的完成某一灰度段到另一灰度段的灰度调整映射变换。
5sis
E
o
X
②曲线拉伸：
在“图像一调整T曲线”中，在弹出的“曲线”对话框中,
才嚥3）
越出砂Mok
曲樓｛Ek目乍
鱼判RGB
岂弘丸I
F賤〔耳：
赛
通痢：
.：
RGB
・"
・【厚
帥T...
*比创、:
①
直接用鼠标拖动改变灰度输入、输出曲线形状可以完成任意线形灰度变换
jf
3）对比度增强:
对比度增强可以通过“图像-调整一亮度/对比度”来直接对原图像的亮度或对比度进行调整，观察增强处理前后图像直方图的变化
4）直方图均衡
直方图均衡可调用“图像-调整一色调均化”菜单项，即可达到直方图均衡的效果。
原始图像处理效果
5）图像平滑
①图像的3X3均匀平滑可以在“滤镜-模糊-模糊”中实现，观察处理前后图像细节和边缘的变化；
也可以调用“模糊”对话框中的“高斯模糊”来观察高斯平滑处理的结果，改变半径，观察图像的变化，分析高斯平滑处理的原理。
②通过“滤镜T其它一自定”菜单项调出模板对话框，可以输入自定
义的平滑算子或其它增强算子，改变模板的大小和缩放比例，观察处理的效果。
平滑算子
增强算子
6）中值滤波
①先使用“滤镜-杂色一添加杂色”菜单添加噪声，再使用“滤镜
杂色一中间值”中值滤波操作，设置滤波半径，观察处理结果；
加噪图像
滤波图像
7）边缘检测
使用“滤镜-风格化”的“查找边缘”，“等高线”等可以提取图像的边缘，改变参数，提取图像的最佳边缘。
查找边缘
等高线法
1）通过实习，中值滤波和均匀平滑在去图像噪声上各有什么特点，试比较两种方法异同。
中值滤波的特点是它对图像噪声的抑制效果好，在抑制图像噪声的同时能有
效保护边缘少受模糊。
均匀平滑的特点是让图像噪声柔和一点，也更加模糊。
两种方法都对图像噪声有很好抑制效果好，但是中值滤波是保护图像边缘的同时去除噪声，中值滤波容易去除孤立点、线的噪声同时保持图象的边缘，但对高斯噪声无能为力。
均匀平滑的思想是通过将一点和周围8个点作平均，从而去除突然变化的点，滤掉噪声，其代价是图象有一定程度的模糊。
2）试比较边缘检测算子Laplace、Prewitt、Sobel算子、方向算子、梯度算子的效果，总结其优缺点。
Prewitt算子和Sobel算子都是一阶的微分算子,而前者是平均滤波,后者是加权平均滤波且检测的图象边缘可能大于2个像素。
这两者对灰度渐变低噪声
的图象有较好的检测效果，但是对于混合多复杂噪声的图象，处理效果就不理想了。
梯度算子计算简单，但精度不高，只能检测出图象大致的轮廓，而对于比较细的边缘可能会忽略。
Laplace算子在边缘检测时它的锐化模板能锐化图像。
升级会员 