1、数字图像处理实验报告doc数字图像处理实验报告实验一 数字图像处理编程基础一、实验目的1. 了解MATLAB图像处理工具箱；2. 掌握MATLAB的基本应用方法；3. 掌握MATLAB图像存储/图像数据类型/图像类型；4. 掌握图像文件的读/写/信息查询；5. 掌握图像显示-显示多幅图像、4种图像类型的显示方法；6. 编程实现图像类型间的转换。二、实验内容1. 实现对图像文件的读/写/信息查询，图像显示-显示多幅图像、4种图像类型的显示方法、图像类型间的转换。2. 运行图像处理程序，并保存处理结果图像。三、源代码I=imread(cameraman.tif)imshow(I);subplot(
2、221),title(图像1);imwrite(cameraman.tif)M=imread(pout.tif)imview(M)subplot(222),imshow(M);title(图像2);imread(pout.bmp)N=imread(eight.tif)imview(N)subplot(223),imshow(N);title(图像3);V=imread(circuit.tif)imview(V)subplot(224),imshow(V);title(图像4);N=imread(C:UsersAdministratorDesktop1.jpg)imshow(N);I=rgb2g
3、ary(GRB)X.map=gary2ind(N,2)RGB=ind2 rgb(X,map)X.map=gary2ind(I,2)I=ind2 gary(X,map)I=imread(C:UsersdellDesktop111.jpg); subplot(231),imshow(I);title(原图);M=rgb2gray(I); subplot(232),imshow(M); X,map=gray2ind(M,100);subplot(233),imshow(X); RGB=ind2rgb(X,map); subplot(234),imshow(X); X,map=rbg2ind(I);s
4、ubplot(235),imshow(X); 四、实验效果 实验二 图像几何变换实验一、实验目的1学习几种常见的图像几何变换，并通过实验体会几何变换的效果；2掌握图像平移、剪切、缩放、旋转、镜像等几何变换的算法原理及编程实现； 3掌握matlab编程环境中基本的图像处理函数。二、实验原理1. 初始坐标为的点经过平移，坐标变为，两点之间的关系为：，以矩阵形式表示为： 2. 图像的镜像变换是以图象垂直中轴线或水平中轴线交换图像的变换，分为垂直镜像变换和水平镜像变换，两者的矩阵形式分别为： 3. 图像缩小和放大变换矩阵相同：当，时，图像缩小；当，时，图像放大。4. 图像旋转定义为以图像中某一点为原点
5、以逆时针或顺时针方向旋转一定 角度。其变换矩阵为：该变换矩阵是绕坐标轴原点进行的，如果是绕一个指定点旋转，则先要将坐标系平移到该点，进行旋转，然后再平移回到新的坐标原点。三、实验内容1. 启动MATLAB程序，对图像文件分别进行平移、垂直镜像变换、水平镜像变换、缩放和旋转操作。2运行图像处理程序，并保存处理结果图像。四、源代码及实验效果1.平移I=imread(circuit.tif);subplot(121),imshow(I);title(before);I=double(I);M=zeros(size(I); N=size(I);x=10;y=10;M(x+1:N(1),y+1:N(2)
6、=I(1:N(1)-x,1:N(2)-y);subplot(122),imshow(uint8(M);title(after);2.水平垂直镜像I=imread(pout.tif);subplot(131),imshow(I);title(before);I=double(I);A=zeros(size(I);B=zeros(size(I);M=size(I);A(1:M(1),1:M(2)=I(M(1):-1:1,1:M(2);B(1:M(1),1:M(2)=I(1:M(1),M(2):-1:1);subplot(132),imshow(uint8(A);title(竖直);subplot(
7、133),imshow(uint8(B);title(水平);3.缩放I=imread(pout.tif);subplot(131),imshow(I);title(before);I=double(I);A=zeros(size(I);B=zeros(size(I);m,n=size(I);x=1.8;y=1.8;x2=0.85;y2=0.85;for i=1:m for j=1:n i1=round(i*x); j1=round(j*y); i2=round(i*x2); j2=round(j*y2); if(j1=0)&(i1=0)&(i1=m)&(j1=0)&(i2=0)&(i2=m)
8、&(j2=1 & pix(2)=1 & pix(1) = h & pix(2) M,N=size(I); g=zeros(M,N); I=double(I); g=double(g); k1=min(min(I); k2=max(max(I); a=(k2-k1)/2;b=k2-80;c=k1-20; for i=1:M for j=1:N g(i,j)=b(c*(I(i,j)-a)-1;endend figure; subplot(121); imshow(I,); subplot(122); imshow(g,); 3.直方图均衡化增强I=imread(pout.tif); graydis
9、=zeros(1,256); %设置矩阵大小graydispro=zeros(1,256);new_graydis=zeros(1,256);new_graydispro=zeros(1,256);h w=size(I);N=zeros(h,w);%计算原始直方图各灰度级像素个数graydisfor x=1:h for y=1:w graydis(1,I(x,y)=graydis(1,I(x,y)+1; endend%计算原始直方图graydisprograydispro=graydis./sum(graydis);subplot(2,2,1);plot(graydispro);title(灰
10、度直方图);xlabel(灰度值);ylabel(像素的概率密度);%计算原始累计直方图for i=2:256 graydispro(1,i)=graydispro(1,i)+graydispro(1,i-1);end%计算和原始灰度对应的新的灰度t，建立映射关系for i=1:256t(1,i)=floor(254*graydispro(1,i)+0.5);end%统计新直方图各灰度级像素个数for i=1:256 new_graydis(1,t(1,i)+1)=new_graydis(1,t(1,i)+1)+graydis(1,i);end%计算新的灰度直方图new_graydispron
11、ew_graydispro=new_graydis./sum(new_graydis);subplot(2,2,2);plot(new_graydispro);title(均衡化后的灰度直方图);xlabel(灰度值);ylabel(像素的概率密度);%计算直方图均衡后的新图new_tufor x=1:h for y=1:w N(x,y)=t(1,I(x,y); endendsubplot(2,2,3),imshow(I,);title(原图);subplot(2,2,4),imshow(N,);title(直方图均衡化后的图);实验四 图像滤波实验一、实验目的掌握中值滤波方法，掌握图像锐化方
12、法，比较各个梯度算子锐化的效果。掌握频域滤波方法，观察低通滤波和高通滤波的效果。二、实验原理中值滤波是一种非线性平滑滤波，它是用一个有奇数点的滑动窗口，将窗口中心点的值用窗口各点的中值代替。图像的锐化是使边缘和轮廓线模糊的图像变得清晰，使其细节更加清晰。从数学上看，图像模糊的实质是图像受到平均或者积分运算的影响，因此对其进行逆运算（如微分运算）就可以使图像清晰。在频域上卷积被表示为乘积，因此在频域上对图像进行滤波就变得更加直观了。在频域上进行滤波的步骤：计算需增强的图像的傅里叶变化。将其与1个传递函数相乘。再将结果进行傅里叶逆变化可以得到增强的图像。三、实验内容1. 选择测试图像分别添加高斯、
13、椒盐、泊松噪声，实现中值滤波； 2. 选择测试图像实现两种常用梯度算子（Sobel算子、Prewitt算子）； 3. 选择测试图像实现理想低通滤波； 4. 选择测试图像实现巴特沃斯高通滤波。四、分析思考依次给出“均值滤波器、中值滤波器、laplace滤波器”是线性还是非线性的。 答：均值滤波器和中值滤波器是线性的，laplace滤波器是非线性的。5、源代码及实验效果1.椒盐噪声I=imread(cameraman.tif); I=imnoise(I,salt & pepper,0.02); I=double(I);dep,wide=size(I); M=ones(size(I); for i=
14、3:dep-2 for j=3:wide-2 M(i,j)=median(I(i-2,j-2) I(i-2,j-1) I(i-2,j) I(i-2,j+1) I(i-2,j+2) I(i-1,j-2) I(i-1,j-1) I(i-1,j) I(i-1,j+1) I(i-1,j+2) I(i,j-2) I(i,j-1) I(i,j) I(i,j+1) I(i,j+2) I(i+1,j-2) I(i+1,j-1) I(i+1,j) I(i+1,j+1) I(i+1,j+2) I(i+2,j-2) I(i+2,j-1) I(i+2,j) I(i+2,j+1) I(i+2,j+2); endend
15、for i=3:dep-2M(i,1)=M(i,3); M(i,2)=M(i,3); M(i,wide-1)=M(i,wide-2); end M(1,:)=M(3,:); M(2,:)=M(3,:); M(dep,:)=M(dep-2,:); M(dep-1,:)=M(dep-2,:); figure subplot(121),imshow(uint8(I); subplot(122),imshow(uint8(M);2.高斯噪声3.泊松噪声4.SobelI=imread(cameraman.tif); H,W=size(I); M=double(I); J=M; for i=2:H-1 f
16、or j=2:W-1 J(i,j)=abs(M(i-1,j+1)-M(i-1,j-1)+2*M(i,j+1)-2*M(i,j-1)+M(i+1,j+1)-M(i+1,j-1)+abs(M(i-1,j-1)-M(i+1,j-1)+2*M(i-1,j)-2*M(i+1,j)+M(i-1,j+1)-M(i+1,j+1); end; end; subplot(1,2,1);imshow(I);title(原图); subplot(1,2,2);imshow(uint8(J);title(Sobel 处理后); 5.PrewwitI=imread(cameraman.tif); H,W=size(I);
17、 M=double(I); J=M; for i=2:H-1 for j=2:W-1 J(i,j)=abs(M(i-1,j+1)-M(i-1,j-1)+M(i,j+1)-M(i,j-1)+M(i+1,j+1)-M(i+1,j-1)+abs(M(i-1,j-1)-M(i+1,j-1)+M(i-1,j)-M(i+1,j)+M(i-1,j+1)-M(i+1,j+1); end; end; subplot(1,2,1);imshow(I);title(原图); subplot(1,2,2);imshow(uint8(J);title(Prewitt处理后); 6.理想低通滤波 G=imread(pou
18、t.tif);J=imnoise(G,salt & pepper,0.02);subplot(121),imshow(J);title(添加椒盐噪声图像);J=double(J);%采用傅立叶变换f=fft2(J);%采用矩阵平衡g=fftshift(f);M,N=size(f);n=3;d0=45;n1=floor(M/2);%向下取整n2=floor(N/2);for i=1:M for j=1:N d=sqrt(i-n1)2+(j-n2)2); if d=d0 h=1; else h=0; end g(i,j)=h*g(i,j); endendg=ifftshift(g);g=uint8
19、(real(ifft2(g);subplot(122);imshow(g);title(理想低通滤波后图像); 7.巴特沃斯高通滤波J=imread(cameraman.tif);subplot(221),imshow(uint8(J);title(模糊图像);J=double(J);f=fft2(J);g=fftshift(f);M,N=size(f);n1=floor(M/2);n2=floor(N/2);n=2;d0=20;for i=1:Mfor j=1:Nd=sqrt(i-n1)2+(j-n2)2);if d=0h1=0;h2=0.5;elseh1=1/(1+(d0/d)(2*n);
20、h2=1/(1+(d0/d)(2*n)+0.5;endgg1(i,j)=h1*g(i,j);gg2(i,j)=h2*g(i,j);endendgg1=ifftshift(gg1);gg1=uint8(real(ifft2(gg1);subplot(223);imshow(gg1);title(巴特沃斯高通滤波结果);gg2=ifftshift(gg2);gg2=uint8(real(ifft2(gg2);subplot(224);imshow(gg2);title(巴特沃斯高通加强滤波结果);实验五 图像分割实验一、实验目的掌握梯度边缘检测算子，了解拉普拉斯边缘检测算子和Canny边缘检测算子
21、；掌握边界跟踪方法及其原理；掌握自动阈值法和分水岭法。二、实验原理图像分割是按照一定的规则把图像划分成若干个互不相交、具有一定性质的区域，把人们关注的部分从图像中提取出来，进一步加以研究分析和处理。图像分割的结果是图像特征提取和识别等图像理解的基础，对图像分割的研究一直是数字图像处理技术研究中的热点和焦点。图像分割使得其后的图像分析，识别等高级处理阶段所要处理的数据量大大减少，同时又保留有关图像结构特征的信息。图像分割在不同的领域也有其它名称，如目标轮廓技术、目标检测技术、阈值化技术、目标跟踪技术等，这些技术本身或其核心实际上也就是图像分割技术。边缘是图像上灰度变化最剧烈的地方，传统的边缘检测就是利用了这个特点，对图像各个像素点进行微分或求二阶微分来确定边缘像素点。一阶微分图像的峰值处对应着图像的边缘点；二阶微分图像的过零点处对应着图像的边缘点。根据数字图像的特点，处理图像过程中常采用差分来代替导数运算，对于图像的简单一阶导数运算，由于具有固定的方向性，只能检测特定
