数字图像处理报告.docx
《数字图像处理报告.docx》由会员分享，可在线阅读，更多相关《数字图像处理报告.docx（23页珍藏版）》请在冰豆网上搜索。
数字图像处理报告
开课学院及实验室：
实验时间：
学生姓名
学号
成绩
学生所在学院
年级/专业/班
课程名称
数字图像处理
课程代码
实验项目名称
Matlab图像处理工具箱的初步练习
项目代码
指导教师
项目学分
一、实验目的和任务
1、 初步了解与掌握MATLAB语言的基本用法；
2、 掌握MATLAB语言中图象数据与信息的读取方法；
3、 掌握在MATLAB语言中图像类型的转换。
二、实验设备、仪器及器材
1、计算机
2、MatLab软件/语言包括图像处理工具箱（ImageProcessingToolbox）
3、实验所需要的图片
三、实验原理
将数字图像的RGB表示转换为YUV表示；
Y=0.30R+0.59G+0.11B
U=0.70R-0.59G-0.11B
V=-0.30R-0.59G+0.89B
四、实验步骤（按照实际操作过程）
1、阅读资料并熟悉MatLab的基本操作
2、读取MATLAB中的图象数据
3、显示MATLAB中的图象文件。
用MATLAB在自建的文件夹中建立m文件，在这个文件的程序将MATLAB目录下work文件夹中的tree.tif图象文件读出，用到imread，imfinfo等命令，观察一下图象数据，了解一下数字图象在MATLAB中的处理就是处理一个矩阵的本质。
4、将3中的图象显示出来（用imshow）。
5、对MATLAB目录下work文件夹中的flowers.tif进行真彩色图像、索引色图像、灰度图像、二值图像之间的相互变换，并显示。
6、进行真彩色图像RGB（lenacolor.jpg）、YIQ图像、HSV图像、YcbCr图像的相互转换，并显示。
五、实验过程记录（数据、图表、计算等）
1、学习Matlab基本操作。
2、读取并显示tree.tif图象。
[X,Map]=imread（'trees.tif','tif'）
imshow（X,Map）
3、对flowers.tif图像进行真彩色图像、索引色图像、灰度图像、二值图像之间的相互变换，并显示。
程序如下：
%原图像
[X,MAP]=imread（'lenacolor.jpg','jpg'）;
imshow（X,MAP）,title（'lenacolor.tif'）
%真彩色
RGB=imread（'lenacolor.jpg','jpg'）;
imshow（RGB）,title（'真彩色'）
%真彩色→索引色图像
map=jet（256）;
SY=rgb2ind（RGB,map）;
imshow（SY）,title（'真彩色→索引色图像'）
%索引色→真彩色图像
ZC=ind2rgb（SY,map）;
imshow（ZC）,title（'索引色→真彩色图像'）
%索引色→灰度图像
gray2=ind2gray（SY,map）;
imshow（gray2）,title（'索引色→灰度图像'）
%真彩色→灰度图像
gray1=rgb2gray（RGB）
imshow（gray1）,title（'真彩色→灰度图像'）
%二值图像
BW=im2bw（RGB,0.5）;
imshow（BW）,title（'二值图像'）
4、进行真彩色图像RGB（lenacolor.jpg）、YIQ图像、HSV图像、YcbCr图像的相互转换，并显示。
程序如下：
%真彩色
RGB=imread（'lenacolor.jpg'）
imshow（RGB）,title（'lenacolor.tif-真彩色'）
%RGB→YIQ图像
RGB1=RGB
map=jet（256）
yiqmap=rgb2ntsc（map）
YIQ=rgb2ntsc（RGB1）
imshow（YIQ）,title（'RGB→YIQ图像'）
%RGB→HSV图像
RGB2=RGB
hsvmap=rgb2ntsc（map）
HSV=rgb2ntsc（RGB2）
imshow（HSV）,title（'RGB→HSV图像'）
%RGB→YCbCr图像
RGB3=RGB
YcbCrmap=rgb2ycbcr（map）
YCBCR=rgb2ycbcr（RGB3）
imshow（YCBCR）,title（'RGB→YCbCr图像'）
%YIQ→RGB图像
rgbmap=rgb2ntsc（yiqmap）
RGB1=rgb2ntsc（YIQ）
imshow（RGB1）,title（'YIQ→RGB图像'）
%HSV→RGB图像
rgbmap=hsv2rgb（hsvmap）
RGB2=hsv2rgb（HSV）
imshow（RGB2）,title（'HSV→RGB图像'）
%YCbCr→RGB图像
rgbmap=ycbcr2rgb（YcbCrmap）
RGB3=ycbcr2rgb（YCBCR）
imshow（RGB3）,title（'YCbCr→RGB图像'）
六、实验结果分析及问题讨论
1、图像之间转换的基础是什么，为什么可以实现相互的转换
.
开课学院及实验室：
实验时间：
学生姓名
学号
成绩
学生所在学院
年级/专业/班
课程名称
数字图像处理
课程代码
实验项目名称
图像的频域处理方法
项目代码
指导教师
项目学分
一、实验目的和任务
1、了解离散傅立叶变换的基本原理；
2、掌握应用MATLAB进行Fourier变换、反变换的算法实现，并初步理解Fourier变换的物理意义。
二、实验仪器、设备及材料
1、计算机
2、MatLab软件/语言包括图像处理工具箱（ImageProcessingToolbox）
3、实验所需要的图片
三、实验原理
Fourier变换
Fouriern逆变换
振幅谱：
四、实验步骤
1.用Fourier变换算法，对简单图像line.bmp,yuan.bmp,twoyuan.bmp,juxing.bmp,xuanzhuan.bmp,pingyiy.bmp,pingyi.bmp做Fourier变换，体会从空域转换到频域的不同表现。
2.对图像Lenna.bmp作二维Fourier变换；（可以采用快速Fourier变换方法）
3.用Fourier系数的幅度进行Fourier反变换；
4.用Fourier系数的相位进行Fourier反变换；
5.比较2、3的结果，评价人眼对图像幅频特性和相频特性的敏感度。
五、实验过程记录（数据、图表、计算等）
1、用Fourier变换算法，对简单图像line.bmp,yuan.bmp,twoyuan.bmp,juxing.bmp,xuanzhuan.bmp,pingyiy.bmp,pingyi.bmp做Fourier变换。
程序如下：
%line
I=imread（'line.bmp'）
imshow（I）
B=fftshift（fft2（I））;
imshow（log（abs（B））,[],'notruesize'）;
%yuan
I=imread（'yuan.bmp'）
imshow（I）
B=fftshift（fft2（I））;
imshow（log（abs（B））,[],'notruesize'）;
%twoyuan
I=imread（'twoyuan.bmp'）
imshow（I）
B=fftshift（fft2（I））;
imshow（log（abs（B））,[],'notruesize'）;
%juxing
I=imread（'juxing.bmp'）
imshow（I）
B=fftshift（fft2（I））;
imshow（log（abs（B））,[],'notruesize'）;
%xuanzhuan
I=imread（'xuanzhuan.bmp'）
imshow（I）
B=fftshift（fft2（I））;
imshow（log（abs（B））,[],'notruesize'）;
%pingyiy
I=imread（'pingyiy.bmp'）
imshow（I）
B=fftshift（fft2（I））;
imshow（log（abs（B））,[],'notruesize'）;
%pingyi
I=imread（'pingyi.bmp'）
imshow（I）
B=fftshift（fft2（I））;
imshow（log（abs（B））,[],'notruesize'）;
2、对图像Lenna.bmp作二维Fourier变换。
程序如下：
I=imread（'lenna.bmp'）
imshow（I）
B=fftshift（fft2（I））;
imshow（log（abs（B））,[],'notruesize'）;
3、分别用Fourier系数的幅度和相位进行Fourier反变换；
程序如下：
X=imread（'pingyi.bmp'）
F=fftshift（fft2（X））
imshow（log（abs（F））,[]）,title（'pingyi'）
I=imread（'lenna.bmp'）
F=fftshift（fft2（I））
imshow（log（abs（F））,[]）,title（'lenna'）
I=imread（'lenna.bmp'）
fftI=fft2（I）
sfftI=fftshift（fftI）
RRfdp1=real（sfftI）
IIfdp1=imag（sfftI）
a=sqrt（RRfdp1.^2+IIfdp1.^2）
a=（a-min（min（a）））/（max（max（a））-min（min（a）））*255
figure
（2）
subplot（2,2,1）
imshow（real（a））,xlabel（'（a）lena图的幅值谱图'）
b=angle（fftI）
subplot（2,2,3）
imshow（real（b））,xlabel（'（c）lena图的相位谱图'）
theta=pi/6
RR1=a*cos（theta）
II1=a*sin（theta）
fftI1=RR1+1i.^II1
C=ifft2（fftI1）*255
subplot（2,2,2）
imshow（real（C））,xlabel（'（b）利用幅值谱图重构lena图'）
MM=150
RR2=MM*cos（angle（fftI））
II2=MM*sin（angle（fftI））
fftI2=RR2+1i.^II2
D=ifft2（fftI2）
subplot（2,2,4）
imshow（real（D））,xlabel（'（d）利用相位谱图重构lena图'）
实验结果如下：
六、实验结果分析及问题讨论
1、频谱对应的特征量代表的含义
2、为什么图像对幅频特性和相频特性有不同的敏感度。
.
开课学院及实验室：
实验时间：
学生姓名
学号
成绩
学生所在学院
年级/专业/班
课程名称
数字图像处理
课程代码
实验项目名称
图像的空域处理方法
项目代码
指导教师
项目学分
一、实验目的和任务
1、掌握在MATLAB中绘制灰度直方图的方法，了解灰度直方图的均衡化的方法；
2、了解图象滤波的基本定义及目的；
3、了解空域滤波的基本原理及方法；
4、掌握用MATLAB语言进行图象的空域滤波的方法；
二、实验设备、仪器及器材
1、计算机
2、MatLab软件/语言包括图像处理工具箱（ImageProcessingToolbox）
3、实验所需要的图片
三、实验原理
1、灰度变换是对一幅图象的灰度级进行变换，
B（x,y）=f[A（x,y）]
2、
用均值滤波器去除图像中的噪声；
3、用中值滤波器去除图像中的噪声；
四、实验步骤（按照实际操作过程）
1、运行matlab－help—demos—toolboxes—imageprocessing—IntensityAdjustmentandHistogram,做灰度变换和直方图变换，进一步了解变换的原因；
2、读出men.bmp这幅图像，显示它的图象及灰度直方图，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，并观察调整后的图象与原图象的差别，调整后的灰度直方图与原灰度直方图的区别。
3、运行matlab－help—demos—toolboxes—imageprocessing—NoiseReductionfilter,进一步理解空域滤波的原理；
4、读出lena.bmp这幅图像，给这幅图像加入椒盐噪声
5、用均值滤波器去除图像中的噪声；
6、用中值滤波器去除图像中的噪声；
7、比较两种方法的处理结果。
五、实验过程记录（数据、图表、计算等）
1、读出men.bmp这幅图像，显示它的图象及灰度直方图，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，并观察调整后的图象与原图象的差别，调整后的灰度直方图与原灰度直方图的区别。
程序如下：
I=imread（'men.bmp'）
subplot（2,2,1）
imshow（I）,title（'原图像'）
subplot（2,2,2）
imhist（I）,title（'原图像的直方图'）
J=imadjust（I,[0.030.1],[01]）
subplot（2,2,3）
imshow（J）,title（'变换后的图像'）
subplot（2,2,4）
imhist（J）,title（'变换后的直方图'）
2、读出lena.bmp这幅图像，给这幅图像加入椒盐噪声。
程序如下：
I=imread（lenna.bmp'）;
subplot（2,2,1）;
imshow（I）,title（'原图像'）
subplot（2,2,3）;
J=imnoise（I,'salt&pepper',0.02）;
imshow（J）,title（'噪声图像'）
3、分别用均值滤波器和中值滤波器去除图像中的噪声。
1.均值滤波
I=imread（'men.bmp'）;
J=imnoise（I,'salt&pepper',0.02）;
h=fspecial（'average'）;
I1=imfilter（J,h）;
subplot（1,2,1）;
imshow（I1）,title（'3×3均值滤波去噪'）
h=fspecial（'average',[55]）;
I2=imfilter（J,h）;
subplot（1,2,2）;
imshow（I2）,title（'5×5均值滤波去噪'）
2.中值滤波
I=imread（'men.bmp'）;
J=imnoise（I,'salt&pepper',0.02）;
h=fspecial（'average'）;
I3=medfilt2（J）;
subplot（1,2,1）;
imshow（I3）,title（'3×3中值滤波去噪'）
I4=medfilt2（J,[55]）;
subplot（1,2,2）;
imshow（I4）,title（'5×5中值滤波去噪'）
六、实验结果分析及问题讨论
1.小结一下本实验所用的增强方法
2.比较一下均值滤波和中值滤波处理的效果并指出其中异同
开课学院及实验室：
实验时间：
学生姓名
学号
成绩
学生所在学院
年级/专业/班
课程名称
数字图像处理
课程代码
实验项目名称
图像分割和目标识别
项目代码
指导教师
项目学分
一、实验目的和任务
1、掌握在MATLAB中边缘检测的方法；
2、了解图像分割的基本策略及方法；
3、掌握用MATLAB语言进行边缘检测和目标识别的方法。
二、实验设备、仪器及器材
1、计算机
2、MatLab软件/语言包括图像处理工具箱（ImageProcessingToolbox）
3、实验所需要的图片
三、实验原理
1、阈值分割是对一幅图象的目标和背景进行判定，
2、
用中值滤波器去除图像中的噪声；
3、二值形态学基本公式：
设A表示一副二值图像，B为结构元素则A关于B的膨胀和腐蚀变换分别定义为：
其中
是B的映像。
腐蚀是表示用某种形状的结构元素对一个图像进行探测，以便找出图像内部可以放下该结构元素的区域。
它是一种消除边界点，使边界向内部收缩的过程。
可以用来消除小且无意义的物体。
四、实验步骤（按照实际操作过程）
1、读出chrimage.bmp这幅图像，转换为灰度图像。
2、用中值滤波器去除图像中的噪声；
3、采用阈值分割将图像转换为二值图像；
4、对二值图像进行形态学操作，获得分析值。
五、实验过程记录（数据、图表、计算等）
1、读出chrimage.bmp这幅图像，转换为灰度图像。
程序如下：
I=imread（'chrimage.bmp'）
subplot（1,2,1）
imshow（I）,title（'原图像'）
subplot（1,2,2）
I2=rgb2gray（I）
imshow（I2）,title（'灰度图像'）
2.用中值滤波器去除图像中的噪声。
程序如下：
I=imread（'chrimage.bmp'）
I2=rgb2gray（I）
K1=medfilt2（I2,[33]）
K2=medfilt2（I2,[55]）
K3=medfilt2（I2,[77]）
subplot（2,2,1）
imshow（I）,title（'原图像'）
subplot（2,2,2）
imshow（K1）,title（'3×3中值滤波'）
subplot（2,2,3）
imshow（K2）,title（'5×5中值滤波'）
subplot（2,2,4）
imshow（K2）,title（'7×7中值滤波'）
3、采用阈值分割将图像转换为二值图像。
程序如下：
I=imread（'chrimage.bmp'）
I2=rgb2gray（I）
K1=medfilt2（I2,[77]）
I3=imadjust（K1）
bw=im2bw（I3,0.3）
subplot（1,2,1）
imshow（I）,title（'原图像'）
subplot（1,2,2）
imshow（bw）,title（'二值图像'）
4、对二值图像进行形态学操作，获得分析值。
程序如下：
I=imread（'chrimage.bmp'）
I2=rgb2gray（I）
s=size（I2）;
I4=255*ones（s
（1）,s
（2）,'uint8'）;
I5=imsubtract（I4,I2）;
K1=medfilt2（I5,[77]）
I3=imadjust（K1）
bw=im2bw（I3,0.3）
bw=bwareaopen（bw,10）
subplot（2,2,1）;
imshow（bw）,title（'去除杂点'）
[labeled,numObjects]=bwlabel（bw,4）;%标记连通域
RGB_label=label2rgb（labeled,@spring,'c','shuffle'）;%用颜色标记每一个染色体
subplot（2,2,2）;
imshow（RGB_label）,title（'标记每一个染色体'）
subplot（2,2,3）;
chrdata=regionprops（labeled,'basic'）
allchrs=[chrdata.Area];
num=size（allchrs）
nbins=20;
hist（allchrs,nbins）,title（['染色体总数',num2str（num
（2））]）
（1）去除图像中面积过小的，可以肯定不是染色体的杂点。
这些杂点一部分是滤噪没有滤去的染色体附近的小毛糙，一部分是图像边缘亮度差异产生的，结果见下图
（2）用颜色标记每一个染色体，以便直观显示。
此时染色体的断开与粘连问题已基本被解决。
最终效果如下图。
结果见下图
（3）统计被标记的染色体区域的面积分布，显示染色体总数。
统计总数为46，与人工数出数目的相同。
升级会员 