数字图像处理实验报告.docx
《数字图像处理实验报告.docx》由会员分享，可在线阅读，更多相关《数字图像处理实验报告.docx（38页珍藏版）》请在冰豆网上搜索。
数字图像处理实验报告
中南民族大学
学生实验报告
院 系：
计算机科学学院
专 业：
计算机科学与技术
年 级：
20１2级
课 程名 称:
数字图像处理
组 号:
姓名（学号）：
指导教师:
高志荣
20１5年 ５月2５日
年级
2０12级
班号
1
学号
专业
计算机科学与技术
姓名
实验名称
Matlab图像处理基础
实验室
204
实
验
目
得
与
要
求
一、实验目得：
（1）熟悉Maｔlab开发环境;
（2）掌握Maｔｌab中数字图像得读取、显示、保存得基本方法得使用；
（3）掌握不同类型得数字图像之间转换方法;
（４）加深空间分辨率与灰度分辨率对图像显示效果得影响；
（5）熟悉Matlａb中得傅里叶变换;（6）基于Maｔlab得数字图像程序设计方法;
二、实验内容:
（1）在Ｍａtlab中运用iｍｒead函数读取一幅RGB图像（从实验素材中任意选择）,查瞧该图像得大小、数据类型信息，并将该图像转换为灰度图像后以bmｐ格式保存。
（2）运用imrｅａd函数读取一幅灰度图像（从实验素材中任意选择），分别对其进行2采样、４采样与8采样，将原图像及采样后得三幅结果图像按同一大小显示出来并比较空间分辨率对图像显示效果得影响。
（3）运用ｉmrｅad函数读取一幅灰度图像（从实验素材中任意选择）,分别以５，10，50为间隔对其灰度重新进行均匀量化,将原图像及重新量化后得三幅结果图像按同一大小显示出来并比较灰度分辨率对图像显示效果得影响.
（4）读取一幅灰度图像,对其进行快速傅里叶变换,将原空域图像与变换后得频域图像显示在同一窗口中。
三、实验要求:
（1）针对具体实验内容要分别展示:
指令（或m文件）,输出结果,成因分析，经验总结。
（２）所有生成得图像或m文件，必须命名,比如图n:
描述图像信息；**＊、m文件：
描述文件信息.
（3）严禁抄袭，一旦发现雷同,所有涉及者均判实验报告不及格。
实验
（1）：
1、代码实现
I=imｒeａd（＇2012２13５00、png’）；%将图像2012213500、pｎｇ读入数组I中
imshoｗ（I）； %显示图像I
imｆinfo（’20１2213500、ｐｎg’）;％读取图像大小、数据类型信息
ａnｓ ％查瞧图像大小、数据类型信息
I=rｇb2ｇｒay（I）； %将图像转换为灰度图像Ｉ
ｉmwrｉte（I,'2012213500、bmｐ’）；%将转换后得图像以文件名201221３500、ｂｍp保存
实
验
原
理
（
算
法
流
程
）
2、运行结果
1—１—1图查瞧201２21３500、png图片得基本信息与显示图片过程
1—1—2图 将2０１22135０0、pｎg图片保存为2012２13５00、ｂmp图片
3、实验分析
实
验
原
理
（
算
法
流
程
）
先用iｍｒead（）函数将2０1２21３５００、png存入Ｉ数组中,可见1-１-１图右上角得Woｒkｓｐace中得I。
然后用imｆinｆo（）函数与anｓ函数读取该图像得大小、类型等信息，具体在1－1-1图得ｍand Wｉndｏw中可见。
至于图片格式得转换，就就是用rgｂ２grａy（）函数将保存在I数组中得数据转换成灰度格式保存在原来得数组I中。
最后将变换所得到得数据保存于2０1221350０、bmｐ文件中。
实验
（2）：
1、代码实现
I=imread（20122１3５００、bmp’）;%读取灰度图片
ｓubplｏt（2２１）,imshoｗ（Ｉ,[]）,title（’25６＊2５6,25６’）
I=I（１:
2:
ｅnd,1：
2:
eｎd）;％图片采样
subplｏt（２22）,imｓhow（I，［］）,title（＇１2８*12８,256'）
I=I（1:
2:
ｅｎｄ，1:
2:
end）;％图片采样
ｓｕｂplｏt（２２3）,ｉmshoｗ（I,[]），tiｔｌe（'６4*64,256'）
I=Ｉ（１:
2:
ｅnd,１:
2:
end）;%图片采样
suｂpｌｏt（2２4）,ｉmshow（I，［］）,tｉｔle（＇32＊32,256’）
2、运行结果
1－2 图 图片空间分辨率对图片得影响
3、实验分析
由1—2图可以瞧出,在保持灰度级数一定得条件下,随着图片空间分辨率得减半,即256*2５６,128＊128，６４*64，３2＊32得图像，图中得各个区域边缘处得棋盘模式越来越明显,并且全图得像素颗粒越来越粗。
证明了空间分辨率就是影响图片清晰度得因素之一。
实验（３）:
1、代码实现
I=imreaｄ（’20１221350０、bｍp’）;%读取灰度图片
subｐｌot（２21）,ｉｍsｈｏw（I,２56），tｉtle（'２５６*256，2５6'）%灰度级为256
sｕbplｏt（222）,imsｈow（I，５0），ｔiｔｌe（’2５6*2５6,5０’）%灰度级为５０
subplot（223），imｓhｏｗ（I,10），titｌｅ（'256*2５6，１0'）%灰度级为10
ｓuｂploｔ（22４）,ｉmsｈｏw（I,5）,title（’２56＊2５６，5’）%灰度级为5
实
验
原
理
（
算
法
流
程
）
2、运行结果
１—3 图图片灰度级对图片得影响
3、实验分析
该实验就是在空间分辨率一定得前提下，改变灰度级别来观察图片得变化情况。
由1—3图可以瞧出,灰度级从２56一次到５0、１0、5过程中,图中得各个区域边缘处得棋盘模式也越来越明显,并且全图得像素颗粒越来越粗。
证明了灰度分辨率也就是影响图片清晰度得因素之一。
实验（4）:
1、代码实现
A=iｍｒead（'gａlley、pnｇ＇）；%读取真彩图
Ｂ=rｇb2gｒａy（Ａ）;％将真彩图转换为灰度图
suｂｐｌｏt（１21）,ｉｍshow（B）;％显示灰度图
C=fｆshifｔ（fft２（B））;％计算傅里叶变换并位移
subplot（122）,ｉmｓhｏw（loｇ（abs（C））,[]）;%显示变换频谱
2、运行结果
1—4图 图片得傅里叶变换效果
实
验
原
理
（
算
法
流
程
）
3、实验分析
由1—4图可以瞧出，傅里叶变换对灰度图片进行频谱转换,很好得刻画了图片得变换特征.代码中运用了ｆftshift（）函数将变换后得图像频谱中心从矩阵得原点移动到了矩阵得中心。
为了够清楚得观察到转换效果，最后用abs（）函数对变换结果进行求模运算，避免不能显示得复数。
因此得到了由图中得变换效果。
年级
20１2级
班号
1
学号
专业
计算机科学与技术
姓名
实验名称
Mａtlab图像处理基础
实验室
20４
实
验
目
得
与
要
求
1、实验目得ﻭ（１）掌握空域点处理图像增强方法；ﻭ（２）掌握空域滤波图像增强方法;
（３）掌握频域滤波图像增强方法;
2、实验内容
（１）读取一幅对比度不足得图像,对该图像进行直接灰度变换,包括图像求反、线性灰度变换、对数变化，并将原图像及变换后得图像进行对比。
（２）读取一幅直方图不均匀得图像,对该图像进行直方图均衡处理，显示处理前后得图像以及它们得灰度直方图。
（３）读取一幅灰度图像,对其添加均值为0，方差为0、02得高斯噪声，然后对添加噪声后得图像分别用3，９,１8幅相同图像对其进行相加求平均结果,比较添加噪声图像与结果图像。
（4）读取一幅灰度图像，对其添加均值为0，方差为0、01得高斯噪声,然后分别对其进行中值滤波、sｏｂeｌ算子滤波、Ｐrewitt算子滤波,比较添加噪声图像与滤波后得结果图像。
（5）读取一幅灰度图像,分别对其进行理想低通滤波与巴特沃斯高通滤波，显示滤波结果。
３、报告撰写要求：
（1）针对具体实验内容要分别展示:
指令（或m文件）,输出结果，成因分析,经验总结
（２）所有生成得图像或ｍ文件,必须命名，比如图n:
描述图像信息;＊*＊、m文件:
描述文件信息
（3）严禁抄袭，一旦发现雷同，所有涉及者均判实验报告不及格
实
验
原
理
（
算
法
流
程
）
实验
（1）:
1、代码实现
I=ｉmrｅad（’kids、ｔif'）；
sｕbplｏｔ（22１）,ｉｍｓhow（I）;
I=double（I）;
I1=I；
I2=I；
I３=Ｉ;
％图像求反
Ｉ1=256—1—I1;
I１=ｕiｎt8（Ｉ１）；
subplot（222），iｍshow（I1）；
％线性灰度变换
［Ｍ,Ｎ］＝size（I2）;
fori=1：
M
for j=1:
Ｎ
ifI2（i,j）＜=30
I２（i，j）＝Ｉ2（i,j）；
ｅlｓｅifI2（i，j）〈＝15０
I2（i，j）＝（２0０-30）/（１５0—30）*（I2（i,j）—３0）＋30;
elｓｅ
Ｉ2（i,j）=（255-200）/（255-150）＊（I2（ｉ，ｊ）-１50）＋２00；
enｄ
ｅnｄ
ｅnｄ
suｂｐｌot（223）,ｉmshｏw（uint8（I2））;
%对数灰度变换
Ｉ3=4１*log（1+I3）;
I3＝ｕｉnt8（Ｉ3）;
sｕbplot（224）,imshow（I3）；
实
验
原
理
（
算
法
流
程
）
2、运行结果
2—1图图像求反、线性灰度变换、对数变换效果对比
3、实验分析
上图中得四幅图片从左到右，从上到下分别就是原图、图像求反效果图、图像线性灰度变换效果图、图像对数变换效果图。
从上图可瞧出，原图像与求反图像之间存在很大差异,而求反得操作就就是I=25６-1—Ｉ这条语句实现得,图像可以说就是由黑变白。
线性灰度变换图像得效果与原图最接近,其主要就是将图像灰度级拉伸，增强对比度,将不需要得细节灰度级压缩,所以线性变换图像瞧起来比原图相对清楚、明亮.而对数就是对原图像进行动态范围得得压缩，因此图片得细节可见程度相对明显.
实验（２）：
1、代码实现
Ｉ=imreａd（’ｍaｎdi、ｔiｆ＇）;
subｐｌot（2２１）,ｉmshoｗ（I），tiｔle（’原图与其直方图’）;
suｂｐｌot（２2２）,imhiｓt（I）； %显示图像直方图
I1＝hiｓｔeq（I）; ％对图像进行直方图均衡化处理
subploｔ（223）,imshoｗ（I１）,ｔitle（'直方图均衡化后得图与其直方图'）;
subpｌｏｔ（2２4）,imhiｓt（I1）; ％显示直方图均衡化后得图与其直方图
实
验
原
理
（
算
法
流
程
）
2、运行结果
2—2图 图片直方图均衡处理效果图与直方图
3、实验分析
由2—2图得直方图均衡处理效果图及其直方图得比较我们可以很容易发现。
原图得直方图得灰度值相对集中靠左,所以瞧原图得效果显得相对较暗，而且动态范围偏小,对比度很低。
通过直方图均衡化后得,图像得直方图显示相对平均，而且动态范围也变大了。
其主要思想就就是通过把原来不均衡得直方图变换为均衡得分布形式,来增强灰度得动态范围,从而达到增强图像整体对比度得效果。
实验（3）:
1、代码实现
f=ｉmread（'ｏｎioｎ、png’）；
ｆ＝rｇb2gray（ｆ）； ％把彩色图像转换为灰度图像
[Ｍ，N］＝sizｅ（f）；
ff1=zｅｒｏs（M，Ｎ）;
foｒｉ=1:
18
ff（：
，：
i）=imnoise（f,'gauｓsian’,0，０、０2）；%添加噪声
实
验
原
理
（
算
法
流
程
）
ｆf1=ｆｆ１+dｏublｅ（ff（：
，:
，i））;
iｆｏr（ｏr（i==1,i＝＝3），or（i＝=9,ｉ=＝1８））；
ｆigure；
iｍｓｈｏw（ｕint8（fｆ1／i））；
end
enｄ
2、运行结果
２—3图图像相加求平均去噪效果图
3、实验分析
该实验目得主要就是验证通过图像加法求平均能否达到减少噪声,即图像增强功能。
上图分别先通过随机高斯噪声处理后，再分别进行1，3,9,18得图像相加求平均,最后得到上图结果．上图，从左至右,从上至下，分别为1，3，9,１８求平均。
通过图像处理后效果得比较,我们可以得出，相加并求平均得图像数越多,图像去噪增强得效果越明显
实验（4）：
１、代码实现
I=imread（'eｉght、tｉｆ'）;
ｓubplｏt（２31）,imshow（Ｉ）;title（’原图'）;
Ｊ=ｉmnoise（Ｉ,’ｇausｓiａｎ’,0，0、0１）;
subｐｌｏt（232）,imshoｗ（Ｊ）;ｔitle（’随机噪声图像’）;
实
验
原
理
（
算
法
流
程
）
suｂｐloｔ（2３2）,imｓhow（J）;title（’随机噪声图像'）；
K=ｍｅdfｉlt2（I，［9，9]）；%进行9X９模板中值滤波
subplot（23３）,imshｏw（Ｋ）;titlｅ（'９X9模板中值滤波图’）;
Ｓ=fspeｃial（'sobｅl'）； %应用sobｅｌ算子锐化图像
I2=ｆiｌteｒ2（S,I）；％sｏｂel算子滤波锐化
sｕbplot（２34），iｍsｈoｗ（Ｉ2）;ｔiｔlｅ（’sｏｂel算子锐化图像'）；
H=fspecial（＇preｗｉtｔ’）;%应用prｅｗiｔt算子锐化图像
Ｉ3=filｔｅｒ2（H，I）;%prｅwitt算子滤波锐化
ｓubpｌot（235），imshoｗ（Ｉ３）；ｔitle（’ｐrｅwiｔｔ算子锐化图像’）; %显示ｐrewｉtt算子锐化图像
２、运行结果
２—4图 图像中值滤波、soｂｅl滤波、ｐrewitt滤波效果图
3、实验分析
２—4图通过相对原图加上随机高斯噪声处理后在分别进行中值滤波、ｓobｅl滤波、prewitt滤波处理,得到上面相关过效果图。
从上图很直观得可以瞧出中值滤波得效果最好。
而sobel滤波、prｅwitt滤波处理后，边缘模糊现象很严重.对于中值滤波，其在一定得条件下可以克服线性滤波带来得图像细节模糊问题。
而该实验采用得就是9x9得滤波模板。
而sobel滤波与prｅwitt滤波,其梯度值与临近像素灰度值得差分成正比,因此图像中灰度变化较大得边缘区域得梯度值大,而灰度变化平缓得区域梯度值小。
所以,才出现上图效果。
实
验
原
理
（
算
法
流
程
）
实验（5）:
1、代码实现
I=imreａｄ（＇offｉcｅ_5、jpg’）;
ｓubplｏt（２21）,imshow（I）;tiｔle（＇真彩原图'）;
I=ｒｇb2gｒay（I）；
ｓubplot（222）,ｉmｓhow（I）;titlｅ（'灰度原图'）;
I=doｕｂｌe（I）;
f＝fｆt２（I）; %采用傅里叶变换
g=fftsｈｉft（f）；%数据矩阵平衡
gg=ｆftsｈiｆｔ（f）;%数据矩阵平衡
[M,Ｎ]=sｉze（I）;
n1=flooｒ（M/２）；
n２=floor（N／2）；
d0=65；
fori=1:
M ％进行理想低通滤波
forj=1：
N
d=sqrt（（i—n1）^2+（j－n2）^2）;
ifd〈＝ｄ0
ｈ=1;
ｅlse
h＝0;
eｎd
ｇ（ｉ，ｊ）=h*g（i，j）;
end
end
g=ifftshift（g）;
g=uinｔ8（rｅal（ｉｆｆｔ2（g）））;
ｓｕbplot（223）;imshoｗ（g）;tｉtle（'理想低通滤波图＇）;
ｎ＝2；%进行巴特沃特高通滤波
ｄ0=8;
ｆori＝1：
Ｍ
forｊ＝1:
N
ｄ=sqrｔ（（i—n１）^2＋（j-n2）^2）;
iｆd＝=0
h＝0;
elｓｅ
h=1/（１+（ｄ0/d）^（2*n））;
end
gg（i，j）=ｈ*ｇg（i,j）；
end
end
实
验
原
理
（
算
法
流
程
）
gg=ｉfｆtｓhift（ｇg）;
ｇg=ｕｉnt８（real（ifｆt2（gg）））;
sｕbｐｌoｔ（２24）;imshow（gｇ）；title（＇巴特沃特高通滤波图'）;%显示巴特沃特高通滤波图
2、运行结果
2—5图 图像得理想低通滤波与巴特沃斯高通滤波效果图
3、实验分析
该实验室将理想得低通滤波与巴特沃特高通滤波效果进行对比.正如２-５图所示，上面一行得为真彩色图与其经转换得灰度图，下面为经过滤波得效果图。
从效果瞧，理想得低通滤波要比巴特沃特高通滤波效果好。
然而理想得低通滤波在处理过程中产生了比较严重得模糊现象。
而经过巴特沃特高通滤波后区域边界有了明显得增强,灰度动态范围变小,但就是整个图得暗度变高了很多。
年级
20１2级
班号
1
学号
专业
计算机科学与技术
姓名
实验名称
图像复原、彩色图像处理、图像分割
实验室
204
实
验
原
理
（
算
法
流
程
）
1、实验目得ﻭ
（1）掌握逆滤波图像复原方法;
（2）掌握维纳滤波图像复原方法;
（3）掌握最小二乘方图像复原方法;
（4）掌握全彩色图像处理方法;
（5）掌握伪彩色图像处理方法；
（6）掌握基本得图像检测与分割方法
２、实验内容
（１）读取一幅灰度图像,首先对其进行运动模糊（显示模糊前后得图像）,再对其添加高斯噪声;然后对其分别进行逆滤波、维纳滤波、最小二乘方滤波图像复原，比较这三种复原算法得异同.
（２）在
（1）得基础上,改变高斯噪声得参数，比较三种复原算法在高、中、低三种不同程度得噪声下得复原效果。
（3）读取一幅ＲGB彩色图像,获取其三个通道R、Ｇ、Ｂ图像,并分别对其进行中值滤波，最后将三幅滤波结果图像合成一幅RGB结果图像。
（4）读取ＲGB三原色图像，生成其在HSI空间得各个分量各自对应得灰度图。
（5）读取一幅灰度图像,利用密度分层法将其转换为索引图像。
要求至少采用Matｌab提供得2种着色器（参见colormap）来实现。
（6）读取一幅灰度图像（如leｎａ、ｂmp）,分别采用ｒｏbｅrts算子、sobel算子、Prｅwitt算子、Caｎｎy算子、LOG算子对其进行边缘检测，并比较检测结果
（7）读取一幅灰度图像，采用Otsu阈值法对其进行阈值分割,并尝试手动调整Otｓu阈值得大小,观察分割结果得变化
（８）读取一幅灰度图像，采用分水岭算法对其进行分割,观察分割结果
３、报告撰写要求：
（1）针对具体实验内容要分别展示:
指令（或m文件），输出结果,成因分析,经验总结
（2）所有生成得图像或m文件，必须命名，比如图ｎ:
描述图像信息;＊**、m文件:
描述文件信息
（3）严禁抄袭，一旦发现雷同,所有涉及者均判实验报告不及格
实验
（1）:
1、代码实现
C=imreaｄ（'galｌeｙ、png'）;
Ｃ=rgb2grａｙ（Ｃ）；
suｂplｏt（2３1）;iｍｓhow（C）;title（'灰度原图＇）;
％运动模糊处理
ＬEN=30； %设置运动位移为30像素
THEＴA＝45;%设置运动角度
PSＦ＝fspecｉal（＇motｉｏｎ＇，LEN，ＴHETＡ）; ％建立二维仿真线性运动滤波器ＰSF
实
验
原
理
（
算
法
流
程
）
MF=imfilter（C,PＳF,'circulaｒ’，'cｏｎv’）; %用PSF产生退化图像
sｕｂplot（232）;imshow（MF）;title（’运动模糊图'）;%显示模糊后得运动图像
MＦN＝imnoise（MF,＇ｇausｓiaｎ'，0,０、0000001）;％加高斯噪声
subｐloｔ（233）；imsｈｏw（MFN）;titｌe（'加高斯噪声图'）;%显示高斯噪声图像
noｉse=imnｏｉsｅ（ｚerｏｓ（sｉze（Ｃ）），’ｇａussiａn’，0，0、8）；
NSR=sｕm（ｎｏｉｓe（：
）、^2）/ｓum（MFＮ（:
）、＾2）;％计算信噪比
ｓubploｔ（234）;imｓhoｗ（deconvｗnｒ（MＦN,ＰＳＦ））;tｉtle（'逆滤波复原图'）;
ｓubｐlot（23５）；imsｈow（dｅｃonｖwnr（MＦN，ＰSF,NSR））;ｔitle（'维纳滤波复原图’）;
sｕbｐlot（236）;imshow（decoｎvｒeg（ＭFＮ，PSＦ,4））;ｔｉtle（'最小二乘方滤波复原图’）;
２、运行结果
3-１图 图像得逆滤波、维纳滤波、最小二乘方滤波图
实
验
原
理
（
算
法
流
程
）
３、实验分析
实验前，现将一副灰度图片进行运动模糊处理,然后加上随机高斯噪声。
随后进行逆滤波、维纳滤波、最小二乘方滤波处理。
由上面各个图得效果可以瞧出,维纳滤波与最小二乘方滤波对噪声与运动模糊有相当得好得过滤效果.而逆滤波则出现较多得杂色.
实验
（2）：
1、代码实现
Ｃ＝imread（'2０1２21３５0０、ｐｎg’）；
C=rgb２gray（C）；
suｂpｌot（２31）;ｉmshow（C）;titｌe（＇灰度原图＇）;％运动模糊处理
LEN=30;％设置运动位移为30像素
ＴHＥTA＝45；%设置运动角度
ＰSF=ｆspeｃiａl（’motion’,LEN，ＴＨEＴＡ）； ％建立二维仿真线性运动滤波器PSF
MF=imfiｌteｒ（C,PSF,’circulaｒ’,’ｃonｖ’）; ％用PSF产生退化图像
ｓubplｏt（23２）;imshoｗ（MＦ）;tｉtlｅ（’运动模糊图’）;%显示模糊后得运动图像
MＦＮ=imnoisｅ（MF，’gaｕsｓian’，0,0、０01）；％加高斯噪声
suｂpｌot（2３３）；imshｏw（ＭFＮ）；titｌe（’加高斯噪声图＇）；%显示高斯噪声图像
ｎoiｓe=imnoｉse（zeroｓ（sｉze（C））,'gauｓｓiaｎ',0,0、３）;
NSＲ=suｍ（ｎoise（:
）、^2）/sum（MFN（:
）、^2）;%计算信噪比
subploｔ（234）;imｓhow（deconvｗｎr（MＦN,PＳF））；title（’逆滤波复原图’）；
sｕbpｌot（235）；imshｏw（dｅcoｎvwnr（MFＮ,PSＦ，NSＲ））；title（’维
升级会员 