数字图像处理基本操作与灰度调整实验报告.docx
《数字图像处理基本操作与灰度调整实验报告.docx》由会员分享，可在线阅读，更多相关《数字图像处理基本操作与灰度调整实验报告.docx（10页珍藏版）》请在冰豆网上搜索。
数字图像处理基本操作与灰度调整实验报告
一．实验目的
1.掌握读、写图像的根本方法；
2.掌握MATLAB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与均衡化的方法。
二．实验根本原理
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X围与分布，是图象数字化与图象显示的重要工具。
1）图像反转
灰度级X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X围太大，超出某些显示设备的允许动态X围，如直接使用原图，如此一局部细节可能丢失。
解决的方法是对原图进展灰度压缩，如对数变换：
s=clog（1+r），c为常数，r≥0
3）幂次变换：
4）比照拉伸：
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X围的灰度值，或对不同X围的灰度值进展不同的拉伸处理，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，它是图像最根本的统计特征。
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根底的直方图修正法。
假定变换函数为
（a）Lena图像（b）Lena图像的直方图
图1-1Lena图像与直方图
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如下累计分布函数（cumulativedistributionfunction,CDF）
四．实验内容与要求
copy假如干个图形文件如forest.tif和到MATLAB目录下work文件夹中。
1.熟悉MATLAB语言中对图像数据读取，显示等根本函数。
特别需要熟悉如下命令：
熟悉imread（）函数,imwrite（）函数,size（）函数Subplot〔〕函数：
Figure〔〕函数
〔1〕将MATLAB目录下work文件夹中的forest.tif图像文件读出.用到imread，imfinfo等文件，观察一如下图像数据，了解一下数字图像在MATLAB中的处理就是处理一个矩阵。
将这个图像显示出来〔用imshow〕。
尝试修改map颜色矩阵的值，再将图像显示出来，观察图像颜色的变化。
图片显示：
代码：
[I,map]=imread（'forest.tif'）;imshow（I,map）;
运行结果：
图像信息数据的显示：
代码：
imfinfo（'forest.tif'）
ans=
Filename:
'forest.tif'
FileModDate:
'13-Nov-201012:
02:
44'
FileSize:
124888
Format:
'tif'
FormatVersion:
[]
Width:
447
Height:
301
BitDepth:
8
ColorType:
'indexed'
FormatSignature:
[7373420]
ByteOrder:
'little-endian'
NewSubfileType:
0
BitsPerSample:
8
pression:
'PackBits'
PhotometricInterpretation:
'RGBPalette'
StripOffsets:
[17x1double]
SamplesPerPixel:
1
RowsPerStrip:
18
StripByteCounts:
[17x1double]
XResolution:
72
YResolution:
72
ResolutionUnit:
'Inch'
Colormap:
[256x3double]
PlanarConfiguration:
'Chunky'
TileWidth:
[]
TileLength:
[]
TileOffsets:
[]
TileByteCounts:
[]
Orientation:
1
FillOrder:
1
MaxSampleValue:
255
MinSampleValue:
0
Thresholding:
1
ImageDescription:
'CarmanahAncientForest,BritishColumbia,Canada'
将map值改为“128〞，图像变为黑白，
代码是：
[I,map]=imread（'forest.tif'）;imshow（I,128）;
显示如下：
〔2〕将MATLAB目录下work文件夹中的图像文件读出，用rgb2gray（）将其转化为灰度图像，记为变量B；
代码如下：
figure;
subplot（1,2,1）;
i=imread（'b747.jpg'）;
imshow（i）;title（'原始图像'）;
subplot（1,2,2）;
B=rgb2gray（i）;
imshow（B）;title（'灰度图像'）;
运行结果如下：
2．图像灰度变换处理在图像增强的作用；
读入不同情况的图像，请自己编程和调用Matlab函数用常用灰度变换函数对输入图像进展灰度变换，比拟相应的处理效果；
代码如下：
figure;
subplot（2,3,1）;
I=imread（'b747.jpg'）;
I=im2double（I）;imshow（I）;title（'图像3'）;
subplot（2,3,5）;
r=[0:
0.001:
1];
s=[r<0.35].*r*0.3+[r<=0.65].*[r>=0.35].*（0.105+2.6333*（r-0.35））+[r>0.65].*（1+0.3*（r-1））;
plot（r,s）;title（'2p,'）;
subplot（2,3,2）;
T1=[I<0.35].*I*0.3+[I<=0.65].*[I>=0.35].*（0.105+2.6333*（I-0.35））+[I>0.65].*（1+0.3*（I-1））;
imshow（T1）;title（'2I,'）;
subplot（2,3,6）;
r=[0:
0.001:
1];
s=[r<=0.4].*[r>=0.2]*0.6+[r>0.4].*r+[r<0.2].*r;
plot（r,s）;title（'6p,'）;
subplot（2,3,3）;
T6=[I<=0.4].*[I>=0.2]*0.6+[I>0.4].*I+[I<0.2].*I;
imshow（T6）;title（'6I,'）;
运行结果：
3．绘制图像灰度直方图的方法，对图像进展均衡化处理。
请自己编程和调用Matlab函数完成如下实验。
〔1〕显示B的图像与灰度直方图，可以发现其灰度值集中在一段区域，用imadjust函数将它的灰度值调整到[0，1]之间，并观察调整后的图像与原图像的差异，调整后的灰度直方图与原灰度直方图的区别。
代码如下：
subplot（2,2,1）;
I=imread（'b747.jpg'）;
B=rgb2gray（I）;
imshow（B）;title（'原始图像'）;
subplot（2,2,3）;
imhist（B）;title（'原始直方图'）;
subplot（2,2,2）;
C=imadjust（B,[0，1],[0,1]）;
imshow（C）;title（'处理后图像'）;
subplot（2,2,4）;
imhist（C）;title（'处理后直方图'）;
运行结果如下：
〔2〕对B进展直方图均衡化处理，试比拟与源图的异同。
代码如下：
subplot（2,2,1）;
I=imread（'b747.jpg'）;
B=rgb2gray（I）;
imshow（B）;title（'原始图像'）;
subplot（2,2,3）;
imhist（B）;title（'处理图像'）;
subplot（2,2,2）;
C=histeq（B）;
imshow（C）;title（'原始直方图'）;
subplot（2,2,4）;
imhist（C）;title（'处理直方图'）;
运行结果如下：
中间灰度变高，灰度值分散。
〔3〕对B进展如下列图的分段线形变换处理，试比拟与直方图均衡化处理的异同。
代码如下：
subplot（2,2,1）;
i=imread（'b747.jpg'）;
B=rgb2gray（i）;
imshow（B）;title（'原始图像'）;
subplot（2,2,2）;
B=im2double（B）;
T=[B<0.125].*B*2+[B<=0.75].*[B>=0.125].*（0.6*B+0.175）+[B>0.75].*（1.5*B-0.5）;
imshow（T）;title（'处理图像'）;
subplot（2,2,4）;
imhist（T）;title（'处理图像的直方图'）;
运行结果如下：
取值更加陡峭，离散，与直方图均衡化处理比图像明暗变化更加明显一些。
升级会员 