武汉科技大学图像处理实验报告.docx
《武汉科技大学图像处理实验报告.docx》由会员分享，可在线阅读，更多相关《武汉科技大学图像处理实验报告.docx（17页珍藏版）》请在冰豆网上搜索。
武汉科技大学图像处理实验报告
实验报告要求
每个程序给出图像效果，每个子图像上方标注该图像简要注释。
程序代码进行必要的修改完善。
第一次实验报告内容如下：
实验一：
图像直方图均衡化与图像滤波
【实验目的】
1、了解图像直方图的基本数学原理,会编写相应的m函数文件；
2、掌握matlab图像直方图均衡化、规定化函数.理解图像直方图处理的意义；
3、掌握噪声模拟和图像滤波函数的使用方法；
4、理解图像均值滤波、中值滤波的基本原理,掌握Matlab图像滤波基本函数的使用方法。
【实验内容】
1、自己编写m文件代码，实现求灰度图像的灰度直方图，并与imhist函数的结果比较。
I=imread（'rice.bmp'）;
imshow（I）
figure,imhist（I,64）
figure,imhist（I,128）
2、自己编写m文件代码，实现某幅图像的3*3的均值滤波。
I=imread（'eight.tif'）;
J=imnoise（I,'salt&pepper',0.02）;%对指定的图像加入椒盐噪声
subplot（1,2,1）,imshow（J）;title（'含噪声的图像'）;
K1=filter2（fspecial（'average',3）,J）/255;%进行3*3模板的均值滤波
subplot（1,2,2）,imshow（K1）;title（'3*3模板的均值滤波后的图像'）;
3、读入一张常见的图象处理图像（譬如:
Lena,house等图像），应用IPT的函数对图像作模糊化和添加噪声处理；然后,参照课本和课堂讲解的例题中的方法对退化的图像进行复原。
请写下实验程序代码和必要的代码注释,整理实验报告.
K1=imread（'rice.bmp'）;
K2=filter2（fspecial（'average',3）,K1）/255;%进行3*3模板的均值滤波
K3=imnoise（K2,'salt&pepper',0.02）;%对指定的图像加入椒盐噪声
K4=medfilt2（K3,[33]）;%进行3*3模板的中值滤波
subplot（2,2,1）,imshow（K1）;title（'原图像'）;
subplot（2,2,2）,imshow（K2）;title（'3*3均值滤波后的图像，模糊化'）;
subplot（2,2,3）,imshow（K3）;title（'加入椒盐噪声后的图像'）;
subplot（2,2,4）,imshow（K4）;title（'进行3*3模板的中值滤波后的图像'）;
第二次实验报告内容如下：
实验二：
图像频域变换及应用
【实验目的】
1、了解傅立叶变换、离散余弦变换及Radon变换在图像处理中的应用；
2、掌握Matlab图像频域变换的基本函数的使用；
3、理解图像频域变换的意义；
【实验内容】
1绘制一个二值图像矩阵，并将其傅里叶函数可视化。
说明：
这个例子将创建一个矩阵，然后用一个二进制图像显示。
再对这个图像矩阵做傅里叶变换，显示其幅值。
%创建矩阵
f=zeros（40,40）;
f（5:
24,13:
17）=1;
subplot（1,2,1）,imshow（f）;title（'矩阵的显示'）;
%进行图像f的傅里叶变换
F=fft2（f）;
%对幅值取对数
F2=log（abs（F））;
subplot（1,2,2）,imshow（F2,[-15],'notruesize'）;title（'傅里叶变换显示'）;
2调试如下程序。
分析该程序的功能，写上必要注释。
figure
（1）;
f=imread（'room.bmp'）;
f=rgb2gray（f）;
subplot（2,2,1）,imshow（f）;title（'原图像'）;
F=fft2（f）;
S=fftshift（log（1+abs（F）））;
S=gscale（S）;
subplot（2,2,2）,imshow（S）;title（'图像1'）;
h=fspecial（'sobel'）';
PQ=paddedsize（size（f））;
H=freqz2（h,PQ
（1）,PQ
（2））;
H1=double（ifftshift（H））;
subplot（2,2,3）,imshow（abs（H）,[]）;title（'图像2'）;
subplot（2,2,4）,imshow（abs（H1）,[]）;title（'图像3'）;
gs=imfilter（double（f）,h）;%generatethefilteredimagesinthespatialdomain.
gf=dftfilt（f,H1）;%generatethefilteredimagesinthespatialdomain.
figure
（2）;
subplot（3,2,1）,imshow（gs,[]）;title（'image1'）;
subplot（3,2,2）,imshow（gf,[]）;title（'image2'）;
subplot（3,2,3）,imshow（abs（gs）,[]）;title（'image3'）;
subplot（3,2,4）,imshow（abs（gf）,[]）;title（'image4'）;
subplot（3,2,5）,imshow（abs（gs）>0.2*abs（max（gs（:
））））;title（'image5'）;
subplot（3,2,6）,imshow（abs（gf）>0.2*abs（max（gs（:
））））;title（'image6'）;
3对图像autumn.tif进行离散余弦变换,并对处理后图像进行简单分析。
RGB=imread（'autumn.tif'）;
%将彩色图像转换为灰度图像
I=rgb2gray（RGB）;
subplot（1,3,1）,imshow（I）;;title（'灰度化'）;
subplot（1,3,2）,imshow（RGB）;;title（'原彩色图'）;
%进行离散余弦变换
J=dct2（I）;
subplot（1,3,3）,imshow（log（abs（J））,[]）;
title（'DCT结果'）
从显示结果可以看出，图像的能量很大一部分在变换矩阵的左上角。
第三次实验报告内容如下：
实验三：
图像形态学操作及其应用
【实验目的】
1、掌握图像二值形态学基本运算；
2、掌握MATLAB图像膨胀、腐蚀、开启、闭合等形态学操作函数的使用；
3、了解二进制图像的形态学应用；
4、了解空间变换函数及图像匹配方法；
5、理解图像对象标记的原理，理解图像形态学操作在目标特征提取中的意义；
【实验内容】
8.1用形态学算子去掉图像circles.tif的内点，抽取骨架和细化。
BW1=imread（'D:
\MATLAB6p5\toolbox\images\imdemos\circles.tif'）;
imshow（BW1）;
%用形态学算子去除图像的内点
BW2=bwmorph（BW1,'remove'）;
%用形态学算子抽取图像的骨架
BW3=bwmorph（BW1,'skel',Inf）;
%用形态学算子细化图像
BW4=bwmorph（BW1,'thin',Inf）;
subplot（2,2,1）;
imshow（BW1）;title（'原图像'）;
subplot（2,2,2）;
imshow（BW2）;title（'去除内点的图像'）;
subplot（2,2,3）;
imshow（BW3）;title（'抽取骨架图像'）;
subplot（2,2,4）;
imshow（BW4）;title（'细化图像'）;
8.2标记一幅自定义二值图像，统计目标的个数。
BW=imread（'F:
\双语教学\2007双语课件\程序\targets.jpeg'）;
BW1=im2bw（BW）;
BW1=~BW1;
L=bwlabel（BW1,8）;
[m,n]=size（L）;
k=0;
fori=1:
m
forj=1:
n
ifL（i,j）>k
k=L（i,j）;
end
end
end
k%目标有k个。
subplot（1,2,1）;
imshow（BW）;title（'原图像'）;
subplot（1,2,2）;
imshow（BW1）;title（'二值化取反后的图像'）;
第四次实验报告内容如下：
实验四：
图像分割、图像边缘检测
【实验目的】
1、理解图像边缘检测sobel算子、roberts算子和prewitt算子的基本原理,掌握边缘检测的Matlab实现方法；
2、图像二值化阈值选择的方法；
3、了解用四叉数分解函数进行区域分割的方法；
4、掌握Matlab图像分割、图像边缘检测的基本函数；理解图像分割阈值选取的原理；
【实验内容】
1、使用edge函数对图像‘rice.tif’进行边缘检测。
同时比较'roberts','sobel','prewitt','canny','log'算子的检测效果。
edge函数提供的最有效的边缘检测方法是canny方法。
其优点如下:
使用两种不同的阈值分别检测强、弱边缘,并且仅当弱边缘与强边缘相连时，才将弱边缘包含在输出图像中。
该方法不易受噪声干扰，能够在噪声和边缘间取得较好的平衡，检测到真正的弱边缘。
说明：
在这里用edge函数调用不同的算子模板提取边缘。
I=imread（'rice.tif'）;
imshow（I）
bw1=edge（I,'roberts'）;
bw2=edge（I,'sobel'）;
bw3=edge（I,'prewitt'）;
bw4=edge（I,'canny'）;
bw5=edge（I,'log'）;
figure,imshow（bw1）
figure,imshow（bw2）
figure,imshow（bw3）
figure,imshow（bw4）
figure,imshow（bw5）
从提取图像可以看到,边缘的检测并不是十分准确。
在对图像进行边缘检侧时，由于灰度的变换并不是十分陡峭，或着由于噪声的干扰，会出现提取出错误的情况。
所以如果在处理前（滤波）或处理后（连接）做一些工作，可以更加精确地检测边缘。
2、区域操作
2.1区域选取
使用区域选择函数roicolor,区域滤波函数roifilt2和区域填充函数roifilld对图像‘pout.tif’或‘eight.tif’进行区域操作。
I=imread（'pout.tif'）;
imshow（I）
BW=roipoly;
figure,imshow（BW）
h=fspecial（'unsharp'）;
I2=roifilt2（h,I,BW）;
figure,imshow（I2）
I3=roifill;
figure,imshow（I3）;
I=imread（'eight.tif'）;
imshow（I）
c=[222272300270221194];
r=[21217512112175];
BW=roipoly（I,c,r）;
figure,imshow（BW）
H=fspecial（'unsharp'）;
J1=roifilt2（H,I,BW）;
figure,imshow（J1）
J2=roifill（I,c,r）;
figure,imshow（J2）
4、将标签图像4-11.jpg分为文字和非文字的两个区域。
显示其RGB灰度直方图及分割结果。
图4-11.jpg
I=imread（'4-11.jpg'）;%读取彩色书标签图像
I1=I（:
:
1）;
I2=I（:
:
2）;
I3=I（:
:
3）;
[y,x,z]=size（I）;
d1=zeros（y,x）;
d2=d1;
myI=double（I）;
I0=zeros（y,x）;
fori=1:
x
forj=1:
y
%欧式聚类
d1（j,i）=sqrt（（myI（j,i,1）-180）^2+（myI（j,i,2）-180）^2+（myI（j,i,3）-180）^2）;
d2（j,i）=sqrt（（myI（j,i,1）-200）^2+（myI（j,i,2）-200）^2+（myI（j,i,3）-200）^2）;
if（d1（j,i）>=d2（j,i））
I0（j,i）=1;
end
end
end
figure
（1）;
imshow（I）;
%显示RGB空间的灰度直方图，确定两个聚类中心（180,180,180）和（200,200,200）
figure
（2）;
subplot（1,3,1）;
imhist（I1）;
subplot（1,3,2）;
imhist（I2）;
subplot（1,3,3）;
imhist（I3）;
figure（4）;
imshow（I0）;
本程序先通过观察灰度直方图，确定文字和非文字的聚类中心，然后利用欧式距离进行判断聚类。
由于图像分割目标简单，不需要进行动态的C-均值聚类。
升级会员 