整理实验一MATLAB数字图像处理初步河北工业大学.docx

整理实验一MATLAB数字图像处理初步河北工业大学.docx

《整理实验一MATLAB数字图像处理初步河北工业大学.docx》由会员分享，可在线阅读，更多相关《整理实验一MATLAB数字图像处理初步河北工业大学.docx（14页珍藏版）》请在冰豆网上搜索。

整理实验一MATLAB数字图像处理初步河北工业大学

实验一MATLAB数字图像处理初步

网络121XXX

一、实验目的与要求

1．熟悉及掌握在MATLAB中能够处理哪些格式图像。

2．熟练掌握在MATLAB中如何读取图像。

3．掌握如何利用MATLAB来获取图像的大小、颜色、高度、宽度等等相关信息。

4．掌握如何在MATLAB中按照指定要求存储一幅图像的方法。

5．图像类型转换。

二、实验原理及知识点

1、数字图像的表示和类别

一幅图像可以被定义为一个二维函数f（x,y）,其中x和y是空间（平面）坐标，f在任何坐标处（x,y）处的振幅称为图像在该点的亮度。

灰度是用来表示黑白图像亮度的一个术语，而彩色图像是由单个二维图像组合形成的。

例如，在RGB彩色系统中，一幅彩色图像是由三幅独立的分量图像（红、绿、蓝）组成的。

因此，许多为黑白图像处理开发的技术适用于彩色图像处理，方法是分别处理三副独立的分量图像即可。

图像关于x和y坐标以及振幅连续。

要将这样的一幅图像转化为数字形式，就要求数字化坐标和振幅。

将坐标值数字化称为采样；将振幅数字化成为量化。

采样和量化的过程如图1所示。

因此，当f的x、y分量和振幅都是有限且离散的量时，称该图像为数字图像。

作为MATLAB基本数据类型的数值数组本身十分适于表达图像，矩阵的元素和图像的像素之间有着十分自然的对应关系。

图1图像的采样和量化

根据图像数据矩阵解释方法的不同，MATLAB把其处理为4类：

Ø亮度图像（Intensityimages）

Ø二值图像（Binaryimages）

Ø索引图像（Indexedimages）

ØRGB图像（RGBimages）

（1）亮度图像

一幅亮度图像是一个数据矩阵，其归一化的取值表示亮度。

若亮度图像的像素都是uint8类或uint16类，则它们的整数值范围分别是[0，255]和[0，65536]。

若图像是double类，则像素取值就是浮点数。

规定双精度型归一化亮度图像的取值范围是[0，1]

（2）二值图像

一幅二值图像是一个取值只有0和1的逻辑数组。

（3）索引图像

索引颜色通常也称为映射颜色，在这种模式下，颜色都是预先定义的，并且可供选用的一组颜色也很有限，索引颜色的图像最多只能显示256种颜色。

一幅索引颜色图像在图像文件里定义，当打开该文件时，构成该图像具体颜色的索引值就被读入程序里，然后根据索引值找到最终的颜色。

（4）RGB图像

一幅RGB图像就是彩色像素的一个M×N×3数组，其中每一个彩色相似点都是在特定空间位置的彩色图像相对应的红、绿、蓝三个分量。

按照惯例，形成一幅RGB彩色图像的三个图像常称为红、绿或蓝分量图像。

2、数据类和图像类型间的转化

表1中列出了MATLAB和IPT为表示像素所支持的各种数据类。

表中的前8项称为数值数据类，第9项称为字符类，最后一项称为逻辑数据类。

工具箱中提供了执行必要缩放的函数（见表2）。

以在图像类和类型间进行转化。

表1-1MATLAB和IPT支持数据类型

名称

描述

double

双精度浮点数，范围为

uint8

无符号8比特整数，范围为[0255]

uint16

无符号16比特整数，范围为[065536]

uint32

无符号32比特整数，范围为[04294967295]

int8

有符号8比特整数，范围为[-128127]

int16

有符号16比特整数，范围为[-3276832767]

int32

有符号32比特整数，范围为[-21474836482147483647]

single

单精度浮点数，范围为

char

字符

logical

值为0或1

表1-2格式转换函数

名称

将输入转化为

有效的输入图像数据类

im2uint8

uint8

logical,uint8,uint16和doulbe

im2uint16

uint16

logical,uint8,uint16和doulbe

mat2gray

double,范围为[01]

double

im2double

double

logical,uint8,uint16和doulbe

im2bw

logical

uint8,uint16和double

下面给出读取、压缩、显示一幅图像的程序（%后面的语句属于标记语句，编程时可不用输入）

I=imread（‘原图像名.tif’）;%读入原图像,tif格式

whosI%显示图像I的基本信息

imshow（I）%显示图像

Imfinfo%查询图像文件信息

imwrite;%压缩存储图像

例如：

imwrite（I,'1.jpg','jpg','quality',80）就是以质量因子80压缩，100就是不变，图像尺寸不变，像素值会发生变化，图像会变得越来越模糊。

可以看压缩后图像与原始图像的大小发生变化。

%显示多幅图像，其中n为图形窗口的号数

figure（n）,imshow（'filename'）;

gg=im2bw（'filename'）;%将图像转为二值图像

figure,imshow（gg）%显示二值图像

三、实验内容及步骤

1．利用imread（）函数读取一幅图像，假设其名为football.jpg，存入一个数组中；

>>I=imread（'football.jpg'）;

2．利用whos命令提取该读入图像football.jpg的基本信息；

>>whos

NameSizeBytesClass

I256x320x3245760uint8array

ans1x11966structarray

Grandtotalis245874elementsusing247726bytes

3．利用imshow（）函数来显示这幅图像；

>>imshow（I）

4．利用imfinfo函数来获取图像文件的压缩，颜色等等其他的详细信息；

>>imfinfo（'football.jpg'）

ans=

Filename:

'C:

\MATLAB7\toolbox\images\imdemos\football.jpg'

FileModDate:

'01-Mar-200109:

52:

38'

FileSize:

27130

Format:

'jpg'

FormatVersion:

''

Width:

320

Height:

256

BitDepth:

24

ColorType:

'truecolor'

FormatSignature:

''

NumberOfSamples:

3

CodingMethod:

'Huffman'

CodingProcess:

'Sequential'

Comment:

{}

5．利用imwrite（）函数来压缩这幅图象，将其保存为一幅压缩了像素的jpg文件,设为footballnew.jpg；语法：

imwrite（原图像，新图像，‘quality’,q）,q取0-100。

>>imwrite（I,'footbal.jpg','quality',10）;

6．用imread（）读入索引图像：

kids.tif；

>>K=imread（'kids.tif'）;

7．同样利用imwrite（）函数将最初读入的tif图象另存为一幅bmp图像，设为kids_index.bmp。

>>imwrite（K,'kids_index.bmp'）;

8．用imfinfo（）获取图像football.jpg和kids.tif的大小；

>>imfinfo（'football.jpg'）

Width:

320Height:

256

>>imfinfo（'kids.tif'）

Width:

318Height:

400

9．用figure,imshow（）分别将football.jpg和kids.tif显示出来，观察两幅图像的质量。

10．用im2bw将一幅灰度图像转化为二值图像，并且用imshow显示出来观察图像的特征。

>>a=imread（'football.jpg'）;

>>e=rgb2gray（a）;

>>f=im2bw（e）;

>>imshow（f）;

11.用imread打开一幅图像，在MATLAB中用程序绘制其灰度直方图。

（不要用MATLAB中自带的函数imhist和histeq实现）。

>>I=imread（'football.jpg'）;

>>[rows,cols]=size（I）;

>>zhifang=zeros（1,256）;

>>fori=0:

255

zhifang（1,i+1）=length（find（I==i））/（rows*cols）;

end

>>figure

（1）;

>>bar（0:

255,zhifang,'grouped'）;

>>

12.将一幅彩色图像转换成256级灰度图像，进行4倍和16倍减采样，并对减采样的效果进行描述

>>a=imread（'football.jpg'）;

>>e=rgb2gray（a）;

>>imshow（e）;。

>>form=1:

2

figure

[width,height]=size（b）;

c=zeros（floor（width/（2*m））,floor（height/（2*m）））;

k=1;

填报内容包括四个表：

n=1;

fori=1:

（2*m）:

width

forj=1:

（2*m）:

height

3.评估环境影响的价值（最重要的一步）：

采用环境经济学的环境经济损益分析方法，对量化后的环境功能损害后果进行货币化估价，即对建设项目的环境费用或环境效益进行估价。

c（k,n）=b（i,j）;

1.建设项目环境影响评价机构的资质管理n=n+1;

end

k=k+1;

综合性规划

（1）土地利用的有关规划；n=1;

第五章　环境影响评价与安全预评价end

（5）建设项目对环境影响的经济损益分析。

imshow（uint8（c））;

ifm==1

title（'4倍减采样'）;

else

以森林为例，木材、药品、休闲娱乐、植物基因、教育、人类住区等都是森林的直接使用价值。

title（'16倍减采样'）;

根据工程、系统生命周期和评价的目的，安全评价分为三类：

安全预评价、安全验收评价、安全现状评价。

end

（二）环境影响经济损益分析的步骤End

市场价格在有些情况下（如对市场物品）可以近似地衡量物品的价值，但不能准确度量一个物品的价值。

三者的关系为：

13.将一幅彩色图像转换成256、64、32、8、2级灰度图像，并对灰度减小后的图像效果进行描述。

14.>>a=imread（'football.jpg'）;

15.>>b=rgb2gray（a）;

16.>>figure

17.>>imshow（b）;

18.>>title（'256级灰度图像'）;

19.>>[wid,hei]=size（b）;

20.>>form=1:

4

21.figure

22.c=zeros（wid,hei）;

23.ifm==1

24.fori=1:

wid

25.forj=1:

hei

26.c（i,j）=floor（b（i,j）/4）;

27.end

28.end

29.imshow（uint8（c）,[0,63]）;

30.title（'64级灰度图像'）

31.else

32.fori=1:

wid

33.forj=1:

hei

34.c（i,j）=floor（b（i,j）/（2^（2*m-1）））;

35.end

36.end

37.imshow（uint8（c）,[0,256/2^（2*m-1）-1]）;

38.switchm

39.case{2}

40.title（'32级灰度图像'）;

41.case{3}

42.title（'8级灰度图像'）;

43.case{4}

44.title（'2级灰度图像'）;

45.end

46.end

47.End