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（21页珍藏版）》请在冰豆网上搜索。
数字图像处理实验报告
数
字
图
像
处
理
实
验班级：
05611002
报学号：
1120101383
告姓名：
张欣
数字图像的运算
1.1直方图
一．实验目的
1．熟悉matlab图像处理工具箱及直方图函数的使用；
2．理解和掌握直方图原理和方法；
二．实验设备：
1.PC机一台；2.软件matlab。
三．程序设计
在matlab环境中，程序首先读取图像，然后调用直方图函数，设置相关参数，再输出处理后的图像。
I=imread（'cameraman.tif'）;%读取图像
subplot（1,2,1）,imshow（I）%输出图像
title（'原始图像'）%在原始图像中加标题
subplot（1,2,2）,imhist（I）%输出原图直方图
title（'原始图像直方图'）%在原图直方图上加标题
四．实验步骤
1.启动matlab双击桌面matlab图标启动matlab环境；
2.在matlab命令窗口中输入相应程序。
书写程序时，首先读取图像，一般调用matlab自带的图像，如:
cameraman图像；再调用相应的直方图函数，设置参数；最后输出处理后的图像；
3．浏览源程序并理解含义；
4．运行，观察显示结果；
5．结束运行，退出；
五．实验结果：
观察图像matlab环境下的直方图分布。
（a）原始图像（b）原始图像直方图
六．实验报告要求
1、给出实验原理过程及实现代码：
I=imread（'coins.png'）;%读取图像
subplot（1,2,1）,imshow（I）%输出图像
title（'原始图像'）%在原始图像中加标题
subplot（1,2,2）,imhist（I）%输出原图直方图
title（'原始图像直方图'）%在原图直方图上加标题
2、输入一幅灰度图像，给出其灰度直方图结果，并进行灰度直方图分布原理分析。
1.23*3均值滤波
一．实验目的
1．熟悉matlab图像处理工具箱及均值滤波函数的使用；
2．理解和掌握3*3均值滤波的方法和应用；
二．实验设备：
1.PC机一台；2.软件matlab
三．程序设计
在matlab环境中，程序首先读取图像，然后调用图像增强（均值滤波）函数，设置相关参数，再输出处理后的图像。
I=imread（'cameraman.tif'）;
figure,imshow（I）;
J=filter2（fspecial（‘average’,3）,I）/255;
figure,imshow（J）;
四．实验步骤
1.启动matlab
双击桌面matlab图标启动matlab环境；
2.在matlab命令窗口中输入相应程序。
书写程序时，首先读取图像，一般调用matlab自带的图像，如:
cameraman图像；再调用相应的图像增强（均值滤波）函数，设置参数；最后输出处理后的图像；
3．浏览源程序并理解含义；
4．运行，观察显示结果；
5．结束运行，退出；
五．实验结果：
观察matlab环境下原始图像经3*3均值滤波处理后的结果。
（a）原始图像（b）3*3均值滤波处理后的图像
六．实验报告要求
输入一幅灰度图像，给出其图像经3*3均值滤波处理后的结果，然后对每一点的灰度值和它周围24个点，一共25个点的灰度值进行均值滤波，看看对25个点取均值与对9个点取中值进行均值滤波有什么区别？
有没有其他的算法可以改进滤波效果。
（a）原始图像（b）3*3均值滤波处理后的图像
1.33*3中值滤波
一．实验目的
1．熟悉matlab图像处理工具箱及中值滤波函数的使用；
2．理解和掌握中值滤波的方法和应用；
二．实验设备：
1.PC机一台；2.软件matlab
三．程序设计
在matlab环境中，程序首先读取图像，然后调用图像增强（中值滤波）函数，设置相关参数，再输出处理后的图像。
I=imread（'cameraman.tif'）;
figure,imshow（I）;
J=medfilt2（I,[5,5]）;
figure,imshow（J）;
四．实验步骤
1.启动matlab
双击桌面matlab图标启动matlab环境；
2.在matlab命令窗口中输入相应程序。
书写程序时，首先读取图像，一般调用matlab自带的图像，如:
cameraman图像；再调用相应的图像增强（中值滤波）函数，设置参数；最后输出处理后的图像；
3．浏览源程序并理解含义；
4．运行，观察显示结果；
5．结束运行，退出；
五．实验结果
观察matlab环境下原始图像经3*3中值滤波处理后的结果。
（a）原始图像（b）3*3中值滤波处理后的图像
六．实验报告要求
输入一幅灰度图像，给出其图像经3*3中值滤波处理后的结果，然后对每一点的灰度值和它周围24个点，一共25个点的灰度值进行排序后取中值，然后该点的灰度值取中值。
看看对25个点取中值与对9个点取中值进行中值滤波有什么区别？
（a）原始图像（b）3*3中值滤波处理后的图像
1.4图像的缩放
一．实验目的
1．熟悉matlab图像处理工具箱及图像缩放函数的使用；
2．掌握图像缩放的方法和应用；
二．实验设备：
1.PC机一台；2.软件matlab
三．程序设计
在matlab环境中，程序首先读取图像，然后调用图像缩放函数，设置相关参数，再输出处理后的图像。
I=imread（'cameraman.tif'）;
figure,imshow（I）;
scale=0.5;
J=imresize（I,scale）;
figure,imshow（J）;
四．实验步骤
1.启动matlab
双击桌面matlab图标启动matlab环境；
2.在matlab命令窗口中输入相应程序。
书写程序时，首先读取图像，一般调用matlab自带的图像，如:
cameraman图像；再调用相应的图像缩放函数，设置参数；最后输出处理后的图像；
3．浏览源程序并理解含义；
4．运行，观察显示结果；
5．结束运行，退出；
五．实验结果
观察matlab环境下图像缩放后的结果。
（a）原始图像（b）缩放后的图像
六．实验报告要求
输入一幅灰度图像，给出其图像缩放后的结果，然后改变缩放比率，观察图像缩放后结果柄进行分析。
（a）原始图像（b）缩放后的图像
数字图像的离散余弦变换
一．实验目的
1．验证二维傅里叶变换的平移性和旋转不变性；
2．实现图像频域滤波，加深对频域图像增强的理解；
二．实验设备
1.PC机一台；
2.软件matlab；
三．实验内容及步骤
（1）产生如图3.1所示图像
（128×128大小，暗处=0，亮处=255），用MATLAB中的fft2函数对其进行FFT：
①同屏显示原图
和
的幅度谱图；
②若令
，重复以上过程，比较二者幅度谱的异同，简述理由；
③若将
顺时针旋转45度得到
，试显示
的幅度谱，并与
的幅度谱进行比较。
1.%生成图形f1
f1=zeros（128,128）;
f1（（64-30）:
（63+30）,（64-10）:
（63+10））=1;
%FFT变换
fft_f1=log（1+abs（fftshift（fft2（f1））））;
figure;
subplot（121）;imshow（f1）;title（'Imagef1'）;
subplot（122）;imshow（fft_f1,[]）;title（'FFTf1'）;
2.%计算f2
f2=zeros（128,128）;
fori=1:
128;
forj=1:
128;
f2（i,j）=（（-1）^（i+j））*f1（i,j）;
end
end
fft_f2A=log（1+abs（fft2（f2）））;
fft_f2B=log（1+abs（fftshift（fft2（f2））））;
figure;
subplot（131）;imshow（f2）;title（'Imagef2'）;
subplot（132）;imshow（fft_f2B,[]）;title（'FFTf2'）;
subplot（133）;imshow（fft_f2A,[]）;title（'FFTf2WithoutFFTShift'）;
分析：
根据傅里叶变换对的平移性质：
；
当
且
时，有：
因此可得到：
所以，
就是
频谱中心化后的结果。
3.%计算f3
f3=imrotate（f2,-45,'nearest'）;
fft_f3=log（1+abs（fftshift（fft2（f3））））;
figure;
subplot（121）;imshow（f3）;title（'Imagef3'）;
subplot（122）;imshow（fft_f3,[]）;title（'FFTf3'）;
（2）对如图3.2所示的数字图像lena.img（256×256大小、256级灰度）进行频域的理想低通、高通滤波，同屏显示原图、幅度谱图和低通、高通滤波的结果图。
低通滤波：
fid=fopen（'D:
\matlab7\image\lena.img','r'）;
data=（fread（fid,[256,256],'uint8'））';
subplot（1,2,1）
imagesc（data）;
colormap（gray）;
title（'LENA','Color','r'）;
fft_lena=fft2（data）;
f=fftshift（fft_lena）;
fori=1:
256
forj=1:
256
ifsqrt（（i-128）^2+（j-128）^2）>30
f（i,j）=0;
end
end
end
subplot（1,2,2）;
[x,y]=meshgrid（1:
1:
256）;
surf（x,y,f）
高通滤波：
fid=fopen（'D:
\matlab7\image\lena.img','r'）;
data=（fread（fid,[256,256],'uint8'））';
subplot（1,2,1）
imagesc（data）;
colormap（gray）;
title（'LENA','Color','r'）;
fft_lena=fft2（data）;
fori=1:
256
forj=1:
256
ifsqrt（（i-128）^2+（j-128）^2）<2
f（i,j）=0;
end
end
subplot（1,2,2）;
[x,y]=meshgrid（1:
1:
256）;
surf（x,y,f）
基于直方图均衡化的图像增强
一．实验目的
1．了解空间域图像增强的各种方法（点处理、掩模处理）；
2．掌握采用直方图均衡化进行图像增强的方法；
3.使用邻域平均法编写程序实现图像增强，进一步掌握掩模法及其改进（加门限法）消除噪声的原理；
二．实验设备
1.PC机一台；
2.软件matlab；
三．实验内容及步骤
对如图3.1所示的两幅128×128、256级灰度的数字图像fing_128.img和cell_128.img进行如下处理：
（1）对原图像进行直方图均衡化处理，同屏显示处理前后图像及其直方图，比较异同，并回答为什么数字图像均衡化后其直方图并非完全均匀分布。
指纹图像：
fid=fopen（'fing_128.img','r'）;
im=（fread（fid,[128,128],'uint8'））';
im=uint8（im）;
colormap（gray）;
subplot（221）;imshow（im）;
subplot（222）;
imh=histeq（im）;%直方图均衡化
imshow（imh）;
subplot（223）;imhist（im）;
subplot（224）;imhist（imh）;
显微医学图像:
fid=fopen（'cell_128.img','r'）;
im=（fread（fid,[128,128],'uint8'））';
im=uint8（im）;
colormap（gray）;
subplot（221）;imshow（im）;
subplot（222）;
imh=histeq（im）;%直方图均衡化
imshow（imh）;
subplot（223）;imhist（im）;
subplot（224）;imhist（imh）;
分析：
由于数字图像中像素的灰度值取值是离散和不连续的，因而变换后的像素灰度值在计算中出现了归并现象，所以变换后的直方图并不是呈完全均匀分布的。
（2）对原图像加入点噪声，用4-邻域平均法平滑加噪声图像（图像四周边界不处理，下同），同屏显示原图像、加噪声图像和处理后的图像。
①不加门限；
②加门限
，（其中
）
代码：
fid=fopen（'fing_128.img','r'）;
im=（fread（fid,[128,128],'uint8'））;
im=im2double（uint8（im））;
J=imnoise（im,'gaussian'）;%加入高斯噪声
w=[00.250;0.2500.25;00.250];
im_L=filter2（w,J）;%四邻域平滑
%加门限后滤波
T=2*sum（J（:
））/128^2;
im_T=zeros（128,128）;
fori=1:
128
forj=1:
128
ifabs（J（i,j）-im_L（i,j））>T
im_T（i,j）=im_L（i,j）;
else
im_T（i,j）=J（i,j）;
end
end
end
colormap（gray）;
subplot（2,2,1）;imshow（im）;title（'Image'）;
subplot（2,2,2）;imshow（J）;title（'Noise'）;
subplot（2,2,3）;imshow（im_L）;title（'四邻域平滑后'）;
subplot（2,2,4）;imshow（im_T）;title（'加门限后'）;
对高斯噪声的处理效果：
对脉冲噪声的处理效果：
图像分割（常见的边缘检测算子——Sobel、Prewitt、Log）
一．实验目的
1．熟悉matlab图像处理工具箱及图像边缘检测函数的使用；
2．理解和掌握图像边缘检测（Sobel、Prewitt、Log边缘算子）的方法和应用；
二．实验设备
1.PC机一台；
2.软件matlab；
三．程序设计
在matlab环境中，程序首先读取图像，然后调用图像边缘检测（Sobel、Prewitt、Log边缘算子）函数，设置相关参数，再输出处理后的图像。
I=imread（'cameraman.tif'）;
J1=edge（I,'sobel'）;
J2=edge（I,'prewitt'）;
J3=edge（I,'log'）;
subplot（1,4,1）,imshow（I）;
subplot（1,4,2）,imshow（J1）;
subplot（1,4,3）,imshow（J2）;
subplot（1,4,4）,imshow（J3）;
四．实验步骤
1.启动matlab
双击桌面matlab图标启动matlab环境；
2.在matlab命令窗口中输入相应程序。
书写程序时，首先读取图像，一般调用matlab自带的图像，如:
cameraman图像；再调用相应的边缘检测（Sobel边缘算子、Prewitt边缘算子、Log边缘算子）函数，设置参数；最后输出处理后的图像；
3．浏览源程序并理解含义；
4．运行，观察显示结果；
5．结束运行，退出；
五．实验结果
观察经过图像边缘检测（Sobel、Prewitt、Log边缘算子）处理后的结果。
（a）原始图像（b）Sobel边缘算子
（c）Prewitt边缘算子（d）Log边缘算子
六．实验报告要求
输入一幅灰度图像，给出其图像边缘检测（Sobel、Prewitt、Log边缘算子）后的结果并进行分析对比。
代码：
fid=fopen（'lena.img','r'）;
im=（fread（fid,[256,256],'uint8'））';
im=im2double（uint8（im））;
im_R=edge（im,'Roberts'）;
im_P=edge（im,'Prewitt'）;
im_S=edge（im,'Sobel'）;
im_L=edge（im,'Log'）;
colormap（gray）;
subplot（321）;imshow（im）;title（'源图像'）;
subplot（323）;imshow（im_R）;title（'Roberts检测'）;
subplot（324）;imshow（im_P）;title（'Prewitt检测'）;
subplot（325）;imshow（im_S）;title（'Sobel检测'）;
subplot（326）;imshow（im_L）;title（'Log检测'）;
升级会员 