数字图像处理实验.docx

1、数字图像处理实验数字图像处理实验报告学院：信息工程学院专业：电子信息工程 学号： 姓名： 2015年6月18日实验一 图像的读取、存储和显示2 实验二 图像直方图分析6 实验三 图像的滤波及增强15 实验四 噪声图像的复原19 实验五 图像的分割与边缘提取23 附录1 MATLAB简介27 实验一 图像的读取、存储和显示一、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图像的显示。二、实验原理一幅图像可以

2、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。将坐标值数字化成为取样；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

3、像。三、实验设备(1) PC计算机(2) MatLab软件/语言包括图像处理工具箱(Image Processing Toolbox) (3) 实验所需要的图片 四、实验内容及步骤1利用imread( )函数读取一幅图像，假设其名为flower.tif，存入一个数组中；2利用whos 命令提取该读入图像flower.tif的基本信息；3利用imshow()函数来显示这幅图像；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；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flower.jpg语法：imwrite(原图像，新图像，qual

4、ity,q), q取0-100。6 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flower.bmp。7用imread()读入图像：Lenna.jpg 和camema.jpg；8用imfinfo()获取图像Lenna.jpg和camema.jpg 的大小；9用figure,imshow()分别将Lenna.jpg和camema.jpg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。11.将每一步的函数执行语句拷贝下来，写入实验报告，并且将得到第3、9、10步得到的图像效果拷贝下来。五、实

5、验源程序clc;clear;close all; I=imread(D:pictureflower.tif);% 读入原图像,tif格式whos I ; % 显示图像I的基本信息imfinfo (D:pictureflower.tif); imwrite(I,D:pictureflower.jpg,quality,50); imwrite(I,D:pictureflower.bmp); % 以位图（BMP）的格式存储图像g=im2bw(I); % 将图像转为二值图像imwrite(g,D:pictureflower1.tif);subplot(2,2,1),imshow(I),title(原图

6、(tif格式);subplot(2,2,2),imshow(D:pictureflower.jpg),title(压缩图(jpg格式);subplot(2,2,3),imshow(D:pictureflower.bmp),title(位图(BMP格式);subplot(2,2,4),imshow(g),title(二值图);六、实验结果11、实验心得 通过本次实验可以熟练的运用MATLAB编程软件。 实验二 图像直方图分析一实验目的1了解MATLAB的操作环境和基本功能。2掌握MATLAB中图像增强与平滑的函数的使用方法。3加深理解图像增强与平滑的算法原理。二、实验内容（一）研究以下程序，分析

7、程序功能；输入执行各命令行，认真观察命令执行的结果。熟悉程序中所使用函数的调用方法，改变有关参数，观察试验结果。（可将每段程序保存为一个.m文件）1直方图均衡化2直接灰度变换3空域平滑滤波（模糊、去噪）4空域锐化滤波（二）采用MATLAB底层函数编程实现1灰度变换之动态范围扩展假定原图像f(x, y)的灰度范围为a, b，希望变换后图像 g(x, y)的灰度范围扩展至c, d，则线性变换可表示为： 用MATLAB底层函数编程实现上述变换函数。观察图像 pout.tif的灰度直方图，选择合适的参数a, b、c, d对图像pout.tif进行灰度变换，以获得满意的视觉效果。2非锐化掩蔽和高斯滤波从

8、原图像中减去其非锐化（平滑过的）图像的过程称为非锐化掩蔽，其基本步骤为：对原图像进行平滑滤波得到模糊图像；从原图像中减去模糊图像，产生的差值图像称为模板；将模板加到原图像上，得到锐化后的图像。 即，用MATLAB函数编程实现上述功能。三、实验设备与软件 1计算机；2MATLAB6.5及以上；四、实验源程序(一)1直方图均衡化clc;clear all; close all I=imread(pout.tif); subplot(2,3,1);imshow(I);title(原图);subplot(2,3,2);imhist(I); % 显示原图的直方图title(原图的直方图);I2,T=hi

9、steq(I); %原图进行均衡化subplot(2,3,3);imshow(I2); %显示均衡化后图 title(均衡化后的图);subplot(2,3,4);imhist(I2); %显示原图均衡化后的直方图title(原图均衡化后的直方图);subplot(2,3,5);plot(0:255)/255,T); % 绘制均衡化函数图title(均衡化函数图);imwrite(I2, D:picture1pout.png); imfinfo(D:picture1pout.png)%显示写入图的信息2直接灰度变换clc;clear all; close allI=imread(cameram

10、an.tif);subplot(2,3,1),imshow(I),title(原图(cameraman);J=imadjust(I,0 0.2,0.5 1);subplot(2,3,2),imshow(J),title(图cameraman调整灰度值后的图 );X,MAP = imread(forest.tif);%X为图像数据矩阵，MAP为颜色表数据矩阵subplot(2,3,3),imshow(X,MAP),title(原图(forest);I2=ind2gray(X,MAP);J2=imadjust(I2,0.5);J3=imadjust(I2,1.5);subplot(2,3,4),i

11、mshow(I2),title(forest的灰度图);subplot(2,3,5),imshow(J2),title(forest调整图像灰度值后明亮输出的图);subplot(2,3,6),imshow(J3),title(forest调整图像灰度值后灰暗输出的图);3空域平滑滤波（模糊、去噪）clc;clear all; close allI=imread(eight.tif);h1=ones(3,3)/9;h2=ones(5,5)/25;I1=imfilter(I,h1);%用3*3的方阵（元素值为0.11）过滤原图I2=imfilter(I,h2);%用5*5的方阵（元素值为0.04

12、）过滤原图figure(1);subplot(2,2,1),imshow(I), title(原图);subplot(2,2,2),imshow(I1),title(用3*3的方阵（元素值为0.11）过滤原图);subplot(2,2,3),imshow(I2),title(用5*5的方阵（元素值为0.04）过滤原图);J1=imnoise(I,gaussian,0,0.005);% 加入高斯（Gaussian）噪声J2=imnoise(I,salt & pepper,0.02);% 加入椒盐噪声K1 = imfilter(J1,fspecial(average,3);% 对J1进行平均值平滑

13、滤波K2 = imfilter(J2,fspecial(average,3);% 对J2进行平均值平滑滤波figure(2);subplot(2,2,1), imshow(J1),title(加入高斯噪声);subplot(2,2,2), imshow(J2),title(加入椒盐噪声 );subplot(2,2,3), imshow(K1),title(对加入高斯噪声的图进行平均值平滑滤波);subplot(2,2,4), imshow(K2),title(对加入椒盐噪声的图进行平均值平滑滤波);K3 = medfilt2(J1,3 3);% 对J1进行中值滤波K4 = medfilt2(J

14、2,3 3);% 对J2进行中值滤波figure(3);subplot(2,2,1), imshow(J1),title(加入高斯噪声);subplot(2,2,2), imshow(J2),title(加入椒盐噪声 );subplot(2,2,3), imshow(K3),title(对加入高斯噪声的图进行中值滤波);subplot(2,2,4), imshow(K4),title(对加入椒盐噪声的图进行中值滤波);4空域锐化滤波clc;clear all; close allI = imread(moon.tif);w=fspecial(laplacian,0);%拉普拉斯算子w1=1,1

15、,1;1,-8,1;1,1,1;%新算子（w1）I1= imfilter(I,w, replicate);%拉普拉斯算子对原图锐化滤波subplot(2,4,1),imshow(I), title(原图);subplot(2,4,2),imshow(I1), title(拉普拉斯算子对原图锐化滤波图);f = im2double(I);%把原图的数据类型转换为双精度浮点类型（图不变）f1= imfilter(f,w,replicate);%拉普拉斯算子对图f锐化滤波subplot(2,4,4),imshow(f1,), title(拉普拉斯算子对 f锐化滤波图);f2= imfilter(f,

16、w1, replicate);%新算子（w1）对图f锐化滤波subplot(2,4,5),imshow(f1,), title(新算子（w1）对 f锐化滤波图);f4 = f-f1;%图f减去其锐化滤波（拉普拉斯算子）后的图f8 = f-f2;%图f减去其锐化滤波（新算子（w1）后的图subplot(2,4,3),imshow(f),title(原图的数据类型变为双精度浮点型即图 f);subplot(2,4,6),imshow(f4),title(图 f减去其锐化滤波（拉普拉斯算子）后的图);subplot(2,4,8),imshow(f8),title(图 f减去其锐化滤波（新算子（w1）

17、后的图);（二）1灰度变换之动态范围扩展clc;clear all; close allI=imread(pout.tif);%数据为240行16列的矩阵subplot(2,2,1),imshow(I),title(原图(pout);I1=double(I)./double(100);%对原图数据进行处理J=0.625.*(I1-0.1)+0.4;%a=0.1,b=0.9,c=0.4,d=0.9调整原图的灰度值变明亮subplot(2,2,2),imshow(J),title(图pout调整灰度值后的图 );subplot(2,2,3),imhist(I1),title(原图的直方图); %

18、显示原图的直方图subplot(2,2,4),imhist(J),title(pout调整灰度值后的直方图); % 显示pout调整灰度值后的直方图 2非锐化掩蔽和高斯滤波clc;clear all; close allI=imread(pout.tif);J=imfilter(I,fspecial(average,3);% 对I进行平均值平滑滤波subplot(2,2,1),imshow(I),title(原图);subplot(2,2,2),imshow(J),title(对原图进行平均值平滑滤波得到模糊图像J);M=I-J;%从原图像I中减去模糊图像J，产生的差值图像M称为模板N=30*

19、M+I;%将模板M加到原图像I上，得到锐化后的图像N subplot(2,2,3),imshow(M),title(I减J产生的差值图像M);subplot(2,2,4),imshow(N),title(M的30倍加I得到的锐化后的图像N);五、实验结果（一）1直方图均衡化3直接灰度变换对于imadjust(I,low_in high_in,low_out high_out,gamma)函数,gamma大于1图像比原图像增强,小于1,灰度比图像小,有模糊感,图像不够清晰.3空域平滑滤波（模糊、去噪）4空域锐化滤波使用空域滤波使图像对比度增大,并且w8=1,1,1;1,-8,1;1,1,1算子增

20、强效果更明显（二）1灰度变换之动态范围扩展2非锐化掩蔽和高斯滤波六实验心得通过本次实验对高斯噪声与椒盐噪声有了更清楚的认识,也学会如何用平滑滤波,锐化滤波,高斯滤波处理图像,学到了很多新知识. 实验三 图像的滤波及增强一、 实验目的 1进一步了解MatLab软件/语言，学会使用MatLab对图像作滤波处理，使学生有机会掌握滤波算法，体会滤波效果。2了解几种不同滤波方式的使用和使用的场合，培养处理实际图像的能力，并为课堂教学提供配套的实践机会。3 熟悉傅立叶变换的基本性质；4 熟练掌握FFT变换方法及应用；二、实验内容与步骤（1）模板滤波a) 调入并显示原始图像Sample2-1.jpg 。b)

21、 利用imnoise 命令在图像Sample2-1.jpg 上加入高斯(gaussian) 噪声 c)利用预定义函数fspecial 命令产生平均(average)滤波器 d）分别采用3x3和5x5的模板，分别用平均滤波器以及中值滤波器，对加入噪声的图像进行处理并观察不同噪声水平下，上述滤波器处理的结果； e）选择不同大小的模板，对加入某一固定噪声水平噪声的图像进行处理，观察上述滤波器处理的结果。f）利用imnoise 命令在图像Sample2-1.jpg 上加入椒盐噪声(salt & pepper)g）重复c) e）的步骤h）输出全部结果并进行讨论。（2）频域滤波17 将图像内容读入内存；1

22、8 用Fourier变换算法，对图像作二维Fourier变换；19 将其幅度谱进行搬移，在图像中心显示；20 用Fourier系数的幅度进行Fourier反变换；21 用Fourier系数的相位进行Fourier反变换；22 比较4、5的结果，评价人眼对图像幅频特性和相频特性的敏感度。23 记录和整理实验报告。6、实验仪器(1) IBM-PC计算机系统 (2) MatLab软件/语言包括图像处理工具箱(Image Processing Toolbox) (3) 实验所需要的图片四 实验源程序（1）模板滤波clc;clear all; close allI=imread(cameraman.ti

23、f);J = imnoise(I,gauss,0.02); %添加高斯噪声,叠加密度为0.02ave1=fspecial(average,3); %产生33的均值模板ave2=fspecial(average,5); %产生55的均值模板K = filter2(ave1,J)/255; %均值滤波33L = filter2(ave2,J)/255; %均值滤波55M = medfilt2(J,3 3); %中值滤波33模板N = medfilt2(J,5 5); %中值滤波55模板subplot(2,3,1),imshow(I);title(原图);subplot(2,3,2),imshow(

24、J);title(添加高斯噪声图J);subplot(2,3,3),imshow(K);title(对J均值滤波33);subplot(2,3,4),imshow(L);title(对J均值滤波55);subplot(2,3,5),imshow(M);title(对J中值滤波33);subplot(2,3,6),imshow(N);title(对J中值滤波55);J1 = imnoise(I,salt & pepper,0.02); %添加椒盐噪声,叠加密度为0.02K1 = filter2(ave1,J1)/255; %均值滤波33L1 = filter2(ave2,J1)/255; %均值

25、滤波55M1 = medfilt2(J1,3 3); %中值滤波33模板N1= medfilt2(J1,5 5); %中值滤波55模板figure(2);subplot(2,3,1),imshow(I);title(原图);subplot(2,3,2),imshow(J1);title(添加椒盐噪声J1);subplot(2,3,3),imshow(K1);title(对J1均值滤波33);subplot(2,3,4),imshow(L1);title(对J1均值滤波55);subplot(2,3,5),imshow(M1);title(对J1中值滤波33);subplot(2,3,6),im

26、show(N1);title(对J1中值滤波55);（2）频域滤波clc;clear all; close allI=imread(cameraman.tif); %读入原图像文件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f1=ifft2(A);%用Fourier系数的幅度进

27、行Fourier反变换；f2=ifft2(angle(fftI);%用Fourier系数的相位进行Fourier反变换；subplot(2,2,2),imshow(A),title(原图像的频谱);%显示原图像的频谱subplot(2,2,1),imshow(I),title(原图);subplot(2,2,3),imshow(f1,),title(用Fourier系数的幅度进行Fourier反变换后的图);subplot(2,2,4),imshow(f2,),title(用Fourier系数的相位进行Fourier反变换后的图);五实验结果（1）模板滤波（2）频域滤波11实验心得 通过这次实

28、验了解了高斯噪声和椒盐噪声的特点。高斯噪声完全由其时变平均值和两瞬时的协方差函数来确定，若噪声为平稳的，则平均值与时间无关，而协方差函数则变成仅和所考虑的两瞬时之差有关的相关函数，它在意义上等效于功率谱密度。高斯噪声可以是大量独立的脉冲所产生的，从而在任何有限时间间隔内，这些脉冲中的每一个脉冲值与所有脉冲值的总和相比都可忽略不计。3实际上热噪声、散弹噪声及量子噪声都是高斯噪声。椒盐噪声是由图像传感器，传输信道，解码处理等产生的黑白相间的亮暗点噪声。椒盐噪声往往由图像切割引起。 实验四 噪声图像的复原一、实验目的 1、熟悉并掌握MATLAB图像处理工具箱的使用；2、理解并掌握常用的图像的恢复和增

29、强技术。二、实验内容及步骤1、产生运动模糊图像，运用维纳滤波进行图像恢复，显示结果。2、利用MATLAB实现频域滤波频域滤波分为低通滤波和高通滤波两类，对应的滤波器分别为低通滤波器和高通滤波器。频域低通过滤的基本思想： G(u,v)=F(u,v)H(u,v)F(u,v)是需要钝化图像的傅立叶变换形式，H(u,v)是选取的一个低通过滤器变换函数，G(u,v)是通过H(u,v)减少F(u,v)的高频部分来得到的结果，运用傅立叶逆变换得到钝化后的图像。理想地通滤波器(ILPF)具有传递函数：其中，为指定的非负数，为(u,v)到滤波器的中心的距离。的点的轨迹为一个圆。n阶巴特沃兹低通滤波器(BLPF)(在距离原点处出现截至频率)的传递函数为与理想地通滤波器不同的是，巴特沃兹率通滤波器的传递函数并不是在处突然不连续。高斯低通滤波器(GLPF)的传递函数为其中，为标准差。相应的高通滤波器也包括：理想高通滤波器、n阶巴特沃兹高通滤波器、高斯高通滤波器