数字图像处理实验报告matlab.docx
《数字图像处理实验报告matlab.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matlab.docx（11页珍藏版）》请在冰豆网上搜索。
数字图像处理实验报告matlab
学院：
信息工程学院的吧
班级：
姓名：
学号：
40……
2010年10月
实验一直方图均衡化
实验目的：
1.熟悉图像数据在计算机中的存储方式；
2.掌握图像直方图均衡化这一基本处理过程。
实验条件：
PC微机一台和MATLAB软件。
实验内容：
读入图像数据到内存中，并显示读入的图像；
实现直方图均衡化处理，显示处理前后图像的直方图。
显示并保存处理结果。
实验步骤：
1．打开Matlab编程环境；
2.获取实验用图像：
使用imread函数将图像读入Matlab；并用inshow函数显示读入的图像。
3.获取输入图像的直方图：
使用inhist函数处理图像。
4.均衡化处理：
使用histeq函数处理图像即可。
5.获取均衡化后的直方图并显示图像：
使用imhist和imshow函数。
实验程序及结果：
实验一
clear
subplot（6,2,1）;
i=imread（'test1-1.jpg'）;imhist（i）;
title（'test1-1hist'）;
subplot（6,2,2）;
i=im2double（i）;
imshow（i）;title（'test1-1原图像'）;
subplot（6,2,3）;
s=histeq（i）;
imhist（s）;
title（'test1-1balancedhist'）;
subplot（6,2,4）;
imshow（s）;title（'test1-1均衡化后的图像'）;
subplot（6,2,5）;
i=imread（'test1-2.jpg'）;
imhist（i）;
title（'test1-2hist'）;
subplot（6,2,6）;
i=im2double（i）;
imshow（i）;
title（'test1-2原图像'）;
subplot（6,2,7）;
s=histeq（i）;
imhist（s）;
title（'test1-2balancedhist'）;
subplot（6,2,8）;
imshow（s）;
title（'test1-2均衡化后的图像）;
i=imread（'test1-3.jpg'）;
imhist（i）;title（'test1-3hist'）;
subplot（6,2,10）;
i=im2double（i）;
imshow（i）;
title（'test1-3原图像'）;
subplot（6,2,11）;
s=histeq（i）;
imhist（s）;
title（'test1-3balancedhist'）;
subplot（6,2,12）;
imshow（s）;
title（'test1-3均衡化后的图像'）;
实验思考
数字图像直方图均衡化之后直方图为什么不是绝对平坦的？
直方图均衡化是将一已知灰度概率密度分布的图像，经过某种变换，变成一幅具有均匀灰度概率密度分布的新图像，对图像进行均衡化处理时，只是将直方图上灰度分布较密的部分被拉伸；灰度分布稀疏的部分被压缩，从而使一幅图像的对比度在总体上得到很大的增强。
因此均衡化之后直方图不是绝对平坦的。
对图像中每个像素点所在的邻域范围求出灰度转换函数，然后仅仅应用在该中心点处。
先在定义的邻域内计算灰度直方图，然后利用这一直方图来获得关于直方图均衡化的灰度变换函数。
利用这一变换函数，就可以实现该邻域内中心像素点的增强。
接下来将邻域的中心移到相邻的像素并重复以上过程。
如何实现图像局部直方图均衡化？
对图像中每个像素点所在的邻域范围求出灰度转换函数，然后仅仅应用在该中心点处。
先在定义的邻域内计算灰度直方图，然后利用这一直方图来获得关于直方图均衡化的灰度变换函数。
利用这一变换函数，就可以实现该邻域内中心像素点的增强。
接下来将邻域的中心移到相邻的像素并重复以上过程。
实验二频域平滑滤波
实验目的：
1.熟悉图像数据在频率域的表示；
2.掌握频域图像增强的基本步骤。
实验条件：
PC微机一台和MATLAB软件。
实验内容：
1.综合利用所学的数字图像基本存储结构、图像变换、图像增强等知识实现频率域图像增强；
2.在频率域进行用半径值分别为5，15，30，80和230的理想低通滤波器对图像进行平滑，并观察滤波效果。
实验步骤：
1.打开Matlab编程环境；
2.利用’imread’函数读入图像数据；
3.利用’imshow’显示所读入的图像数据；
4.将图像数据由’uint8’格式转换为’double’格式，并将各点数据乘以（-1）x+y以便FFT变换后的结果中低频数据处于图像中央；
5.用’fft2’函数对图像数据进行二维FFT变换，得到频率域图像数据；
6.计算频率域图像的幅值并进行对数变换，利用’imshow’显示频率域图像；
7.在频率图像上去除滤波半径以外的数据（置0）；
8.计算频率域图像的幅值并进行对数变换，利用’imshow’显示处理过的频域图像数据；
9.用’ifft2’函数对图像数据进行二维FFT逆变换，并用’real’函数取其实部，得到处理过的空间域图像数据；
10.将图像数据各点数据乘以（-1）x+y；
11.利用’imshow’显示处理结果图像数据；12.利用’imwrite’函数保存图像处理结果数据。
实验程序及结果：
Functionidlvbo（r）
I=imread（'test2.jpg'）;
subplot（1,2,1）,imshow（I）;
title（'test2原图像'）;
f=double（I）;
g=fft2（f）;
g=fftshift（g）;
[M,N]=size（g）;
m=fix（M/2）;
n=fix（N/2）;
clc
fori=1:
M
forj=1:
N
d=sqrt（（i-m）^2+（j-n）^2）;
ifd>r
h=0;
elseh=1;
end
result（i,j）=h*g（i,j）;
end
end
result=ifftshift（result）;
J1=ifft2（result）;
J2=uint8（real（J1））;
subplot（1,2,2）,imshow（J2）;
title（'理想低通滤波处理后的图象'）;
imwrite（J2,'J2.jpg'）数字图像处理
r=5的图形
r=15的图形
r=30的图形
r=80的图形
r=160的图形
r=230的图形
实验思考
1.在FFT变换前后，为什么要将各点数乘以-1的（x＋y）次方？
不乘能否实现低滤波？
在FFT变换前后，将各点数乘以-1的（x＋y）次方，是为了将图像处理后它的中低频数据处于图像中央位置。
2.与空间域图像增强相比，频率域图像处理有什么优点？
频率域图像处理是把图像看成一种二维信号，对其进行基于二维傅里叶变换的信号增强；空间域图像增强的方法是直接对图像中的像素进行处理的过程。
实验三图像去噪
实验目的：
1.熟悉图像高斯噪声的特点；
2.掌握利用中值滤波器去除图像噪声的方法。
实验条件：
PC微机一台和MATLAB软件。
实验内容：
编写代码实现中值滤波算法，并观察增强效果。
实验步骤：
1.打开Matlab编程环境；
2.利用’imread’函数读入包含噪声的原始图像数据；
3.利用’imshow’显示所读入的图像数据；
4.编写代码实现中值滤波和均值滤波算法，对原始噪声图像进行滤波处理；
5.利用’imshow’显示处理结果图像数据；
6.利用’imwrite’函数保存图像处理结果数据。
实验程序及结果：
I=imread（'test3.jpg'）;
subplot（1,3,1）;
imshow（I）;
title（'test3原图'）;
K=fspecial（'average',5）;
K1=filter2（K,I）/255;
subplot（1,3,2）;
imshow（K1）;
title（'均值滤波所得图像'）;
imwrite（K1,'K1.jpg'）;
L=medfilt2（I,[55]）;
subplot（1,3,3）;
imshow（L）;
title（'中值滤波所得图像'）;
imwrite（L,'L.jpg'）;
实验思考
1.与均值滤波相比，中值滤波算法的处理速度是快还是慢？
中值滤波快，因为均值滤波就是对一个像素，取其周围的像素均值作为当前像素的值，而中值滤波就是对一个像素，取其周围的像素中间值作为当前像素的值，不用求均值，因此中值滤波算法快。
2.如何实现中点滤波算法，它的速度比中值滤波算法快还是慢？
先得到图像的频域空间，然后对得到的二维空间数据进行比较得到最大值和最小值，对这两个值求平均值即可得到！
它比中值滤波算法要慢。
实验总结：
1、图像直方图均衡化首先要统计原始图像的直方图，求出Pr（rk）；然后用累积分布函数作变换
，求变换后的新灰度；用新灰度代替旧灰度，求出Ps（rk）。
但均衡后的直方图并不是严格的矩形。
2、频域图像增强的基本步骤：
把图像信号经过一定的变换使其从空间域变换到频率域，从频率的角度来分析图像信号的特性。
再对图像频率域按需要进行处理，将处理的结果进行反变换到空间域，达到图像增强的目的。
3、用中值滤波器去噪：
设定像素点的领域，对该领域的滑动窗口内的所有灰度值排序，用其灰度的中值作为被处理像素点的灰度值。
4、处理图像的常用函数有：
imread，imshow，imhist，histeq，medfilt2，hist，imwrite等。
升级会员 