《数字图像处理》实验指导书用过.docx
《《数字图像处理》实验指导书用过.docx》由会员分享，可在线阅读，更多相关《《数字图像处理》实验指导书用过.docx（23页珍藏版）》请在冰豆网上搜索。
《数字图像处理》实验指导书用过
《数字图像处理》实验指导书
实验一、图象的基本操作（2学时）
实验二、图像的傅立叶变换（2学时）
实验三、图像增强（2学时）
实验四、图像压缩（2学时）
实验五、图像融合（选做）
实验一图像的基本操作
1．实验目的
熟悉常用的图像文件格式与格式转换；
熟悉图像矩阵的显示方法（灰度、索引、黑白、彩色）；
熟悉图像矩阵的格式转换使学生熟悉图象文件格式、图象的载入、彩色图象的构成、图象的显示等。
2．实验内容
练习图像读写命令imread和imwrite并进行图像文件格式间的转换。
特别是索引图像与1，4，8，16比特图像的存储与转换。
ImagefileI/O.
imread-Readimagefile.
imwrite-Writeimagefile.
Imagedisplay.
colorbar-Displaycolorbar.
getimage-Getimagedatafromaxes.
image-Createanddisplayimage
imagesc-Scaledataanddisplayasimage.
immovie-Makemoviefrommultiframe
image.
imshow-Displayimage.
subimage-Displaymultipleimagesinsinglefigure.
truesize-Adjustdisplaysizeofimage.
warp-Displayimageastexture-mappedsurface.
zoom-Zoominandoutofimageor2-Dplot.
3．实验步骤
a.从硬盘加载cameraman.tif图象（用函数imread）.
b.在图象显示窗口显示图象（usingfunctionimageorimshow）.
c.显示彩色图象的3基色图象。
参考程序：
football=imread（'football.jpg'）;
figure（'Name','Football'）;
imshow（football）;
figure（'Name','Footballcolorplanes'）;
subplot（2,2,1）;imshow（football）;
redfootball=football;
redfootball（:
:
2:
3）=0;
subplot（2,2,2）;imshow（redfootball）;
greenfootball=football;
greenfootball（:
:
1）=0;
greenfootball（:
:
3）=0;
subplot（2,2,3）;imshow（greenfootball）;
bluefootball=football;
bluefootball（:
:
1:
2）=0;
subplot（2,2,4）;imshow（bluefootball）;
实验二图象的基本操作与变换
一、实验目的
通过实验了解并掌握图象的基本操作、图象的傅立叶变换及频谱、傅立叶变换可分离性
和哈达吗变换。
二、实验内容
（1）进行图象的基本算术操作（+、-、*）
载入图象‘lenna.gif’,加入躁声,观察图象的变化.
（2）进行二值图象的逻辑运算（and、or、not）
自编程序生成2个二值图象（256x256）,进行逻辑操作.
（3）设简单的二值图象为:
imag=zeros（256,256）;
imag（100:
180,100:
150）=1;
编制程序用两次一维傅立叶变换计算其二维傅立叶变换.并观察其幅值频谱和相位频谱.
（fft,abs,imshow,angle,fftshift）
（4）载入图象‘lenna.gif’,用fft2和ifft2观察图象的频谱,并进行逆傅立叶变换,观察还原
后的图象与原图象的差异.
（5）观察图象的旋转和其傅立叶变换。
三实验要求
（1）每位同学独立完成实验内容
（2）实验报告包括程序代码、运行结果和体会。
（3）实验报告中变换前后的图像须打印
1,图像的基本操作
a='checker.gif';
imshow（a）
title（'originalcheckerimage'）;
figure
（2）
b='castles.gif';
imshow（b）
title（'originalcastlesimage'）;
I=imread（'checker.gif'）;
I2=imread（'castles.gif'）;
BW=im2bw（I,0.0005）;%binaryconversion
BW2=im2bw（I2,0.0005）;
%computeAandB
figure（3）
A=and（BW,BW2）;%andoperation
imshow（A）
title（'outputimages（checkerandcastles）'）;
%computeAxorB
figure（4）
B=xor（BW,BW2）;
imshow（B）
title（'outputimages（checkerxorcastles）'）;
%computenot_Axnornot_B
figure（5）
NI=not（I）;
NI2=not（I2）;
c1=and（I,I2）;
c2=and（NI,NI2）;
C=or（c1,c2）;
imshow（C）
title（'outputimages（notcheckerxnornotcastles）'）;
%computeE=max（C,D）
figure（6）
I3=imread（'lenna.gif'）;
imshow（I3）
title（'originallennaimage'）;
figure（7）
I4=imread（'lv40.gif'）;
imshow（I4）
title（'originallv40.gif'）;
figure（8）
D=max（I3,I4）;
imshow（D）
title（'outputimageofmax（lenna,lv40）'）;
%computedifferenceusingimsubtractandimabsdiff
figure（9）
I5=imread（'seq1_frame_0001.gif'）;
imshow（I5）
title（'seq1frame0001originalimage'）;
figure（10）
I6=imread（'seq1_frame_0002.gif'）;
imshow（I6）
title（'seq1frame0002originalimage'）;
figure（11）
E=imsubtract（I5,I6）;
imshow（E）
title（'differencebetweenseq1frame0001.gifandseq1frame0002.gifusingimsubtract'）;
figure（12）
F=imabsdiff（I5,I6）;
imshow（F）
title（'differencebetweenseq1frame0001.gifandseq1frame0002.gifusingimabsdiff'）;
%Connected-ComponentsAnalysis
board=checkerboard
（1）>0.5;
four_conn=bwlabel（board,4）
eight_conn=bwlabel（board,8）
clear;
clc;
closeall;
pack;
%readimagesintomemory
img_checkers=imread（'checker.gif','gif'）;
img_castles=imread（'castles.gif','gif'）;
img_lenna=imread（'lenna.gif','gif'）;
img_lv=imread（'lv40.gif','gif'）;
img_seq1=imread（'seq1_frame_0001.gif'）;
img_seq2=imread（'seq1_frame_0002.gif'）;
%noneedtoconverttheseimagestobinary--theyarealreadybinary
%butiftheywerenottheywouldbethresholdedtobinaryhere
%dothelogicaloperations
%1.a.:
ANDoperationontwobinaryimages
and_img=and（img_checkers,img_castles）;
figure;
imshow（and_img）;
title（'checker.gifANDcastles.gif:
BinaryANDOperation'）;
%1.b.:
XORoperationontwobinaryimages
xor_img=xor（img_checkers,img_castles）;
figure;
imshow（xor_img）;
title（'checker.gifXORcastles.gif:
BinaryXOROperation）'）;
%1.c.:
NOT...XNOR...NOToperationontwobinaryimages:
%A'XNORB'=（A'XORB'）'
not_img=not（xor（not（img_checkers）,not（img_castles）））;
figure;
imshow（not_img）;
title（'NOTcastles.gifXNORNOTchecker.gif'）;
%1.d.:
Findmaxvaluefortwoimages
img_max=max（img_lenna,img_lv）;
figure;
imshow（img_max）;
title（'MAXPixelValueBetweenlenna.gifandlv40.gif'）;
2傅立叶变换
I=imread（‘原图像名.gif’）;%读入原图像文件
imshow（I）;%显示原图像
fftI=fft2（I）;%二维离散傅立叶变换
sfftI=fftshift（fftI）;%直流分量移到频谱中心
RR=real（sfftI）;%取傅立叶变换的实部
II=imag（sfftI）;%取傅立叶变换的虚部
A=sqrt（RR.^2+II.^2）;%计算频谱幅值
A=（A-min（min（A）））/（max（max（A））-min（min（A）））*225;
%归一化
figure;%设定窗口
imshow（A）;%显示原图像的频谱
//选做
%1.e.:
Finddifferenceimagebetweentwoanimatedmotionsequenceframes
figure;
imshow（img_seq1）;
title（'FrameOne'）;
figure;
imshow（img_seq2）;
title（'FrameTwo'）;
img_diff=imabsdiff（img_seq2,img_seq1）;
figure;
imshow（img_diff）;
title（'DifferencebetweenFrameOneandFrameTwo--ShowsMotion'）;
%ConnectedComponentsAnalysis
%generateatestimage
img_con_test=checkerboard
（1）>0.5
figure;
imshow（img_con_test）;
title（'CheckerboardtoShowConnectivity'）;
%computematricesof4-connectivityand8-connectivityinthetestimage
[four_con_matrix,val_4]=bwlabeln（img_con_test,4）
figure;
imshow（four_con_matrix）;
title（'Imageof4-ConnectivityMatrix'）;
[eight_con_matrix,val_8]=bwlabeln（img_con_test,8）
figure;
imshow（eight_con_matrix）;
title（'Imageof8-ConnectivityMatrix'）;
实验三图像增强（2学时）
1．实验目的
1掌握灰度直方图的概念及其计算方法；
2熟练掌握直力图均衡化和直方图规定化的计算过程；
3熟练掌握空域滤波中常用的平滑和锐化滤波器；
4掌握色彩直方图的概念和计算方法
5利用MATLAB程序进行图像增强。
2．实验内容
练习图像增强的Matlab命令。
熟悉下列模块函数
Imageenhancement.
histeq-Readimagefile.
imadust-Adustimageintensityvaluesorcolormap.
Imagenoising.
imnoise-Addnoisetoanimage.
Imagefiltering
medfilt2-Perform2-Dmedianfiltering.
ordfilt2-Perform2-Dorder-statisticfiltering.
wiener2-Perform2-Dadaptivenoise-removalfiltering.
3．实验步骤
实验一
a.从硬盘加载cameraman.tif图象（usingfunctionimread）.
b.显示图象.
c.显示图象的直方图（usingfunctionimhist）.
d.用直方图均衡方法进行图象增强.
e.对处理后的图象显示其直方图.
f.比较图象的质量并且进行讨论.
g.对图象加入躁声，比较躁声均值和方差的影响。
.
h.去除图象躁声（用函数medfilt2,ordfilt2和wiener2.比较结果。
imag=imread（'lenna.gif'）;
imag=im2double（imag）;
subplot（221）;imshow（imag）;
subplot（222）;imhist（imag）;
imag1=histeq（imag）;
subplot（223）;imshow（imag1）;
subplot（224）;imhist（imag1）;
figure
（2）
a=min（min（imag））;
b=max（max（imag））;
J=imadjust（imag,[ab],[0.30.7],1.7）;
subplot（121）;imshow（imag）,
subplot（122）;imshow（J）
imag3=imnoise（imag,'salt',0.02）;
figure;imshow（imag3）
实验二下面给出直方图均衡化增强图像对比度的MATLAB程序：
I=imread（‘原图像名.gif）;%读入原图像
J=histeq（I）;%对原图像进行直方图均衡化处理
Imshow（I）;%显示原图像
Title（‘原图像’）;%给原图像加标题名
Figure；imshow（J）;%对原图像进行屏幕控制；显示直方图均衡化后的图像
Title（‘直方图均衡化后的图像’）;%给直方图均衡化后的图像加标题名
Figure;subplot（1,2,1）;%对直方图均衡化后的图像进行屏幕控制；作一幅子图作为并排两幅图的第1幅图
Imhist（I,64）;%将原图像直方图显示为64级灰度
Title（‘原图像直方图’）;%给原图像直方图加标题名
Subplot（1,2,2）;%作第2幅子图
Imhist（J,64）;%将均衡化后图像的直方图显示为64级灰度
Title（‘均衡变换后的直方图’）;%给均衡化后图像直方图加标题名
处理后的图像直方图分布更均匀了，图像在每个灰度级上都有像素点。
从处理前后的图像可以看出，许多在原始图像中看不清楚的细节在直方图均衡化处理后所得到的图像中都变得十分清晰。
一、思考题
1．直方图是什么概念？
它反映了图像的什么信息？
2．直方图均衡化是什么意思？
它的主要用途是什么？
实验四、图像压缩
一、实验目的
1．理解有损压缩和无损压缩的概念；
2．理解图像压缩的主要原则和目的；
3．了解几种常用的图像压缩编码方式。
4．利用MATLAB程序进行图像压缩。
二、实验原理
1.图像压缩原理
图像压缩主要目的是为了节省存储空间，增加传输速度。
图像压缩的理想标准是信息丢失最少，压缩比例最大。
不损失图像质量的压缩称为无损压缩，无损压缩不可能达到很高的压缩比；损失图像质量的压缩称为有损压缩，高的压缩比是以牺牲图像质量为代价的。
压缩的实现方法是对图像重新进行编码，希望用更少的数据表示图像。
信息的冗余量有许多种，如空间冗余，时间冗余，结构冗余，知识冗余，视觉冗余等，数据压缩实质上是减少这些冗余量。
高效编码的主要方法是尽可能去除图像中的冗余成分，从而以最小的码元包含最大的图像信息。
编码压缩方法有许多种，从不同的角度出发有不同的分类方法，从信息论角度出发可分为两大类。
（1）.冗余度压缩方法，也称无损压缩、信息保持编码或嫡编码。
具体说就是解码图像和压缩编码前的图像严格相同，没有失真，从数学上讲是一种可逆运算。
（2）信息量压缩方法，也称有损压缩、失真度编码或烟压缩编码。
也就是说解码图像和原始图像是有差别的，允许有一定的失真。
应用在多媒体中的图像压缩编码方法，从压缩编码算法原理上可以分为以下3类：
（1）无损压缩编码种类
哈夫曼（Huffman）编码，算术编码，行程（RLE）编码，Lempelzev编码。
（2）有损压缩编码种类
预测编码，DPCM，运动补偿；
频率域方法：
正交变换编码（如DCT），子带编码；
空间域方法：
统计分块编码；
模型方法：
分形编码，模型基编码；
基于重要性：
滤波，子采样，比特分配，向量量化；
（3）混合编码。
有JBIG，H261，JPEG，MPEG等技术标准。
本实验主要利用MATLAB程序进行离散余弦变换（DCT）压缩和行程编码（RunLengthEncoding，RLE）。
1）离散余弦变换（DCT）图像压缩原理
离散余弦变换DCT在图像压缩中具有广泛的应用，它是JPEG、MPEG等数据压缩标准的重要数学基础。
和相同图像质量的其他常用文件格式（如GIF（可交换的图像文件格式），TIFF（标签图像文件格式），PCX（图形文件格式））相比，JPEG是目前静态图像中压缩比最高的。
JPEG比其他几种压缩比要高得多，而图像质量都差不多（JPEG处理的图像只有真彩图和灰度图）。
正是由于其高压缩比，使得JPEG被广泛地应用于多媒体和网络程序中。
JPEG有几种模式，其中最常用的是基于DCT变换的顺序型模式，又称为基本系统（Baseline）。
用DCT压缩图像的过程为：
（1）首先将输入图像分解为8×8或16×16的块，然后对每个子块进行二维DCT
变换。
（2）将变换后得到的量化的DCT系数进行编码和传送，形成压缩后的图像格
式。
用DCT解压的过程为：
（1）对每个8×8或16×16块进行二维DCT反变换。
（2）将反变换的矩阵的块合成一个单一的图像。
余弦变换具有把高度相关数据能量集中的趋势，DCT变换后矩阵的能量集中在矩阵的左上角，右下的大多数的DCT系数值非常接近于0。
对于通常的图像来说，舍弃这些接近于0的DCT的系数值，并不会对重构图像的画面质量带来显著的下降。
所以，利用DCT变换进行图像压缩可以节约大量的存储空间。
压缩应该在最合理地近似原图像的情况下使用最少的系数。
使用系数的多少也决定了压缩比的大小。
在压缩过程的第2步中，可以合理地舍弃一些系数，从而得到压缩的目的。
在压缩过程的第2步，还可以采用RLE和Huffman编码来进一步压缩。
2）行程编码（RLE）原理：
例如如下这幅的二值图像，
如果采用行程编码可以按如下格式保存
其中10和8表示图像的宽和高。
在这个小例子中行程编码并没有起到压缩图像的作用。
这是由于这个图的尺寸过小，当图像尺寸较大时行程编码还是不错的无损压缩方法。
对于灰度图像和二值图像，用行程编码—般都有很高的压缩率。
行程编码方法实现起来很容易，对于具有长重复值的串的压缩编码很有效，例如：
对于有大面积的阴影或颜色相同的图像，使用这种方法压缩效果很好。
很多位图文件格式都采用行程编码，如TIFF，PCX，GEM，BMP等。
3.图像压缩编码的MATLAB程序语句
1）利用DCT变换进行图像压缩的MATLAB程序
RGB=imread（'原图像名.tif'）;
I=rgb2gray（RGB）;
J=dct2（I）;
imshow（log（abs（J））,[]）,colormap（jet（64））,colorbar
J（abs（J）<10）=0;
K=idct2（J）;
figure,imshow（I）
figure,imshow（K,[0255]）
2）利用离散余弦变换进行JPEG图像压缩
I=
升级会员 