图像处理实验报告.docx
《图像处理实验报告.docx》由会员分享，可在线阅读，更多相关《图像处理实验报告.docx（27页珍藏版）》请在冰豆网上搜索。
图像处理实验报告
重庆交通大学
学生实验报告
实验课程名称数字图像处理
开课实验室数学实验室
学院理学院年级信息与计算科学专业2班
学生姓名李伟凯学号************
开课时间2014至2015学年第1学期
实验模型建立
优
良
中
差
实验分析求解
优
良
中
差
结果分析完善
优
良
中
差
文档清晰
优
良
中
差
综合成绩
教师姓名
实验
（一）图像处理基础
Ø实验目的
学习Matlab软件的图像处理工具箱，掌握常用的一些图像处理命令；通过编程实现几种简单的图像增强算法，加强对图像增强的理解。
Ø实验内容
题目A.打开Matlab软件帮助，学习了解Matlab中图像处理工具箱的基本功能；
题目B.掌握以下常见图像处理函数的使用：
imread（）imageinfo（）imwrite（）imopen（）imclose（）imshow（）impixel（）imresize（）imadjust（）imnoise（）imrotate（）im2bw（）rgb2gray（）
题目C.编程实现对图像的线性灰度拉伸y=ax+b，函数形式为：
imstrech（I,a,b）；
题目D.编程实现对图像进行直方图均衡化处理，并将实验结果与Matab中imhist命令结果比较。
三、实验结果
1）．基本图像处理函数的使用：
I=imread（'rice.png'）;
se=strel（'disk',1）;
I_opened=imopen（I,se）;
%对边缘进行平滑
subplot（1,2,1）,imshow（I）,title（'原始图像'）
subplot（1,2,2）,imshow（I_opened）,title（'平滑图像'）
I=imread（'rice.png'）;
se=strel（'disk',1）;
I_opened=imopen（I,se）;
imview（I_opened,[]）
Imageinfo（‘rice.png’）
二、实现灰度图像的拉伸（代码）
I=imread（'rice.png'）;
I1=2*I+5;
%对其进行线性拉伸2*I+5;
subplot（1,2,1）,imshow（I）,title（'原始图像'）
subplot（1,2,2）,imshow（I1）,title（'f=2x+5'）
三、图像进行直方图均衡化处理（代码）
4、编程实现对图像进行直方图均衡化处理，并将实验结果与Matab中imhist命令结果比较。
clearall;
I=imread（'rice.png'）;
figure;
subplot（221）;imshow（I）;
subplot（222）;imhist（I）;
I1=histeq（I）;%直方图均衡化处理
subplot（223）;imshow（I1）;
subplot（224）;imhist（I1）;
四、实验体会
通过这次实验，让我认识到了到图像处理在我们生活中的应用。
以及相应的直方图均衡化的方式和方法，收获颇丰
实验二
实验目的
掌握数字图像增强的基本原理和方法，通过Matlab编程实现图像的各种增强技术；掌握Matlab软件图像处理工具箱中相关图像增强函数及用法。
实验内容
1、利用灰度线性变换和非线性变换进行图像增强处理。
2、编程实现图像的平滑增强，分别采用3×3，6×6，8×8的窗口实现，比较窗口大小对图像平滑效果的影响。
下面给出了对应3×3平滑模板：
3、编程实现图像的锐化增强，分别采用Robert梯度算子，prewiit梯度算子，Laplace算子实现，比较实现结果，说明每种算子的锐化特点；
实验要求
采用Matlab自带图像或者自己找些图像，验证自己编写的图像增强图像函数的正确性，并与Matlab工具箱中对应函数的处理结果比较，显示处理后结果，并将代码和显示结果整理在实验报告中。
实验结果
用滤波器出去图像噪声：
I1=imread（'C:
\123.png'）;
I=rgb2gray（I1）;
subplot（2,2,1）,imshow（I）,title（'原始图像'）
h=ones（3,3）;
h=h/9;
k=conv2（I,h）;
subplot（2,2,2）,imshow（k,[]）,title（'3*3平滑增强'）
h1=ones（6,6）;
h1=h1/36;
k1=conv2（I,h1）;
subplot（2,2,3）,imshow（k1,[]）,title（'6*6平滑增强'）
h2=ones（8,8）;
h2=h2/64;
k2=conv2（I,h2）;
subplot（2,2,4）,imshow（k2,[]）,title（'8*8平滑增强'）
得到：
滤波器程序为
I=imread（'C:
\new123.png'）;
I=rgb2gray（I）;
figure
（1）,imshow（I）,title（'输出原始图像'）;
[x,y]=size（I）;
a=1;
c=1;
%算术均值滤波
fori=1+a:
x-a
forj=1+c:
y-c
J1（i,j）=sum（sum（I（i-a:
i+a,j-c:
j+c）,1）,2）/（（2*a+1）*（2*c+1））;
end
end
figure
（2）,imshow（J1）,title（'算术均值滤波后的图像'）
%几何均值滤波
I1=double（I）;
fori=1+a:
x-a
forj=1+c:
y-c
J2（i,j）=prod（prod（I1（i-a:
i+a,j-c:
j+c）,1）,2）^（1/（（2*a+1）*（2*c+1）））;
end
end
figure（3）,imshow（J2）,title（'几何均值滤波后的图像'）
四、实验体会
通过这次实验，让我认识到了到图像处理在我们生活中的应用。
以及相应的图像滤波的集中方式，以及降低噪声均值滤波和中值滤波的差异以及方式和方法，收获颇丰
实验（三）
一、实验目的
掌握Matlab中二值图像的基本逻辑运算符号；掌握膨胀和腐蚀的基本原理和作用，可以根据实际需要，熟练使用不用结构元素进行膨胀和腐蚀操作；掌握开运算和闭运算的基本原理作用，能够熟练使用开和闭运算对二值图像进行处理。
二、实验要求
找Matlab自带图像或者自己找些图像，说明1中各个函数的调用格式和功能；按2中要求进行实验，显示处理后结果，并进行必要的文字说明；按3要求编写代码，并给出实验图像效果和结论。
三、实验内容
题目A.学习Matlab的图像处理工具箱中下列函数：
rgb2gray（）,im2bw（）,graythresh（）,strel（）,imdilate（）,imerode（）,imopen（）,imclose（）;
clc
clear
figure
%rgb2gray（）、将彩色图像转化为灰度图
A='c:
/cavin.jpg';
I=imread（A）;
II=rgb2gray（I）;
imshow（II）
%im2bw（）、将图像转成二值图像
I=imread（A）;
II=im2bw（I）;%灰度图和彩图均可
imshow（II）
%graythresh（）通过otsu方法得到图像二值化时的阀值
I=imread（A）;
I=rgb2gray（I）;
J=edge（I,'canny',graythresh（I））;
subplot（1,2,1）,imshow（I）,title（'原图'）
subplot（1,2,2）,imshow（J）,title（'边界图'）
%strel（）创建由指定形状shape对应的结构元素，其中shape的种类有'arbitrary'、'pair'、'diamond'、'periodicline'、'disk'、'rectangle'、'line'、'square'、'octagon’
s1=strel（'square',6）%创建6*6的正方形
s2=strel（'line',10,45）%创建直线长度10，角度45
s3=strel（'disk',15）%创建圆盘半径15
s4=strel（'ball',15,5）%创建椭圆体，半径15，高度5
%imdilate（）、实现图像膨胀
BW=zeros（9,10）;
BW（4:
6,4:
7）=1;
SE=strel（'square',3）;
BW2=imdilate（BW,SE）;
figure
（1）,imshow（BW,'notruesize'）
figure
（2）,imshow（BW2,'notruesize'）
%imerode（）、实现函数腐蚀
BW1=imread（A）;
SE=sterl（'arbitrary',eye（5））;
BW2=imerode（BW1,SE）;
imshow（BW1）
figure,imshow（BW2）
%imopen（）、打开文件
se=strel（'disk',5）;
I_opened=imopen（A,se）;
figure,imshow（I_opened,[]）
%imclose（）、关闭文件
W=imclose（A,se）;
figure,imshow（closeBW）
题目B.运行下面一段代码，体会形态学图像处理的几个基本操作及其作用
（1）A='c:
/cavin.jpg';
I=imread（A）;
I=rgb2gray（I）
subplot（1,2,1）,imshow（I）,title（'原始图片'）
h=[010;111;010];
II=imdilate（I,h）;
subplot（1,2,2）,imshow（II）,title（'膨胀后图片'）
尝试改变上面代码中结构元素的大小和形状，运行查看结果
（2）A='c:
/cavin.jpg';
I=imread（A）;
I=rgb2gray（I）
subplot（1,2,1）,imshow（I）,title（'原始图片'）
se=strel（'disk',10）;
II=imerode（I,se）;
subplot（1,2,2）,imshow（II）,title（'腐蚀后图片'）
将上面的结构元素大小分别改为5和20，运行代码，并与上面的结果比较并说明差异。
将代码
（1）改为
（1）*
A='c:
/cavin.jpg';
I=imread（A）;
I=rgb2gray（I）
subplot（1,2,1）,imshow（I）,title（'原始图片'）
h=zeros（9,10）;
h（4:
6,4:
7）=1;
II=imdilate（I,h）;
II=imdilate（I,h）;
subplot（1,2,2）,imshow（II）,title（'膨胀后图片'）
将代码
（1）改为
（1）**
A='c:
/cavin.jpg';
I=imread（A）;
I=rgb2gray（I）
subplot（1,2,1）,imshow（I）,title（'原始图片'）
h=[0111110;0100010;0101010;0100010;0111110];
II=imdilate（I,h）;
subplot（1,2,2）,imshow（II）,title（'膨胀后图片'）
运行
（1）**得到膨胀图
运行代码
（2）得到腐蚀图像
将
（2）中结构元素大小分别改为5和20，运行代码得到腐蚀图像
结构元素的大小表征了腐蚀程度的大小，结构元素越大，对图像的腐蚀程度越大，但腐蚀区域的尖角不明显，趋近于圆形，结构元素越小表征腐蚀程度越小，但腐蚀区域的尖角明显，呈现为多边形。
题目C.采用形态学方法去除下图中圆形目标中心的黑圈；利用下面代码实现去除圆形目标
中心的黑圈
代码为：
BW=im2bw（imread（'c:
\test1.jpg'））;
BW1=imfill（BW,'holes'）;
figure,imshow（BW1）
结果为
题目D.采用形态学方法对下图指纹图像进行处理，使得图像中的纹理更加清晰，同时去除噪声。
利用下面的代码对指纹图像进行处理
I=imread（'C:
\test2.png'）;
J=imnoise（I,'salt&pepper',0.02）;
se=strel（'disk',1）;
II=imerode（J,se）;
imshow（II）
得到图像为
四、实验体会
通过这次实验，让我认识到了到图像处理在我们生活中的应用。
以及相应的图像增强的和图像边缘提取的方式和方法，收获颇丰
实验（四）
实验目的
掌握图像边缘检测的基本内容和常用方法，通过Matlab编程实现给定图像的任务，体会图像边缘检测在工程中的应用。
实验要求
实验中需要的图像自己提供，每个小实验需要给出实验结果和相应的文字说明；将2-3问中自己编写的边缘检测算法和Matlab中自带的edge（）函数比较，寻找它们之间的差异，并就如何优化自己的算法给出建议。
实验内容
一：
采用以下四个模板检测图像中的直线，用实验说明各个模板的特点和性能；
-1
-1
-1
2
2
2
-1
-1
-1
-1
2
-1
-1
2
-1
-1
2
-1
-1
-1
2
-1
2
-1
2
-1
-1
2
-1
-1
-1
2
-1
-1
-1
2
线检测程序
clc
clear
I=imread（'C:
\123.png'）;
I=rgb2gray（I）;
I=im2bw（I）;
figure
（1）,
imshow（I）
title（'原始'）
fori=1:
4
ifi==1
w=[-1,-1,-1;2,2,2;-1,-1,-1];
tit='水平';
elseifi==2
w=[-1,-1,2;-1,2,-1;2,-1,-1];
tit='+45度';
elseifi==3
w=[-1,2,-1;-1,2,-1;-1,2,-1];
tit='垂直';
else
w=[2,-1,-1;-1,2,-1;,-1,-1,2];
tit='-45度';
end
end
end
J=imfilter（I,w）;
T=max（J（:
））;
J=J>=T;
figure（i+1）
imshow（J）
title（{[num2str（tit）,'二值'];'处理后的图像'}）
end
运行结果为：
二：
比较Roberts算子、Prewitt算子和Sobel算子的异同，编程实现基于这三种梯度算子的边缘检测算法（阈值自定），给出实验结果，比较各种梯度的优劣；
Robert、Prewitt、Sobel三种梯度算子的边缘检测程序
sourcePic=imread（'C:
\123.png'）;
grayPic=rgb2gray（sourcePic）;
I=grayPic;
newGrayPic=grayPic;
[m,n]=size（grayPic）;
robertsNum=0;
threshold=15;
fori=1:
m-1
forj=1:
n-1robertsNum=abs（grayPic（i,j）-grayPic（i+1,j+1））+abs（grayPic（i+1,j）-grayPic（i,j+1））;
if（robertsNum>threshold）
newGrayPic（i,j）=255;
else
newGrayPic（i,j）=0;
end
end
end
figure,imshow（newGrayPic）,title（'robert算子图像'）;
BW1=edge（I,'prewitt'）;
figure,imshow（BW1）,title（'prewitt算子图像'）;
f=im2double（grayPic）;
[VSFATThreshold]=edge（f,'sobel','vertical'）;
figure,imshow（f）,title（'原始图像'）;
figure,imshow（VSFAT）,title（'垂直图像边缘检测'）;
SFST=edge（f,'sobel',Threshold）;
figure,imshow（SFST）,title（'水平图像边缘检测'）;
ss=[-2-10;-101;012];
SFST45=imfilter（f,ss,'replicate'）;
SFST45=SFST45>=Threshold;
figure,imshow（SFST45）,title（'45度图像边缘检测'）;
运行结果如下：
由于Roberts算子是利用图像的两个对角线的相邻像素之差进行梯度幅值的检测，所以求得的是在差分点处梯度幅度值的近似值，并检测水平和垂直方向边缘的性能好于斜线方向的边缘，检测精度比较高，但容易失去一部分边缘，同时由于经过图像平滑计算，因此不能抑制噪声，该算子对于具有陡峭的低噪声图像相应最好。
Prewitt算子和Sobel算子都是对图像进行差分和滤波运算，仅在平滑部分的权值选择上有些差异，因此两者均对噪声具有一定的抑制能力，但这种抗噪声能力是通过像素平均来实现的，所以图像产生一定的模糊，而且还会检测出一些伪边缘，所以检测精度比较低，该类算子比较适于图像边缘灰度值比较尖锐，且图像噪声比较小的情况。
三：
别用4邻域和8邻域Laplacian算子实现图像的边缘检测，给出实验结果，并与上面三种一阶梯度算子的效果比较，说明优劣；
4邻域Laplacian算子边缘检测的程序
clc
clear
I=imread（'C:
\123.png'）;
I=rgb2gray（I）;
[m,n]=size（I）;
figure
（1）;
imshow（I）;
title（'原始图'）;
p=m;
q=n;
c=ones（4,4）;
c=-c;
c（2:
3,2:
3）=3;
I=double（I）;
forj=1:
p-3
fori=1:
q-3
b1=I（j:
j+3,i:
i+3）;
buffer（j,i）=sum（sum（c.*b1））;
J（j,i）=uint8（buffer（j,i））;
ifJ（j,i）<0
J（j,i）=-J（j,i）;
end
ifJ（j,i）>255
J（j,i）=255;
end
end
end
fori=1:
q
J（1,i）=I（1,i）;
J（p,i）=I（p,i）;
end
forj=1:
p
J（j,1）=I（j,1）;
J（j,q）=I（j,q）;
end
figure
（2）;
imshow（J）;
title（'laplacian算子边缘检测'）;
运行结果为
将上面程序中的的四阶邻域算子循环部分改为
c=ones（8,8）;
c=-c;
c（4:
5,4:
5）=15;
I=double（I）;
forj=1:
p-7
fori=1:
q-7
b=I（j:
j+7,i:
i+7）;
w=c.*b;
buffer（j,i）=sum（sum（w））;
J（j,i）=uint8（buffer（j,i））;
ifJ（j,i）<0
J（j,i）=-J（j,i）;
end
ifJ（j,i）>255
J（j,i）=255;
end
end
end
运行得到结果为laplacian算子边缘检测图像
Laplacian算子都是对图像进行滤波运算，在梯度算子部分的权值和阶数的选择上有些差异，对噪声具有一定的抑制能力，但会检测出一些伪边缘，检测精度比较高。
四、实验体会
通过这次实验，让我认识到了到图像处理在我们生活中的应用。
以及相应的图像增强的和图像边缘提取的方式和方法，还有相应的比如说laplacian算子和prewitt或者梯度算子的区别，收获颇丰
升级会员 