数字图像处理实验报告5(matlab)

1、 数字图像处理实验报告 学院： 安阳工学院班级： 通信专升本2010姓名： 卢景超学号： 201002080040指导老师：尹强实验一 直方图均衡化实验目的：一、图像变换是数字图像处理中的一种综合变换，如直方图变换、几何变换等。通过本实验，使得学生掌握两种变换的程序实现方法。二、 实验任务 使用c语言对位图文件的头信息进行读取，从而对图像进行直方图均衡化处理和灰度变换。三、实验环境本实验在windows平台上进行，对内存及cpu主频无特别要求，使用vc或者mingw（gcc）编译器均可。四、设计思路1、用matlab作出图像的直方图clear;i=imread(2222.jpg);i=rgb2

2、gray(i);add=;tab1=zeros(1,256);for n=0:255 x=i=n; add=add;sum(sum(x);end;a,b=size(i);final=add/(a*b);figure;stem(final,marker,none);figure(2)imshow(i)2、用matlab实现图像的直方图均衡化 均衡化前 均衡化后程序：clear;i=imread(2222.jpg);i=rgb2gray(i);i2=i;add=;add1=;tab1=zeros(1,256);tab2=zeros(1,256);for n=0:255 x=i=n; add=add

3、;sum(sum(x);end;a,b=size(i);final=add/(a*b);for n=1:256 for i=1:n tab1(n)=tab1(n)+final(i); end;end;tab1=tab1*255;tab2=round(tab1);for n=1:a for m=1:b for t=0:255 if i(n,m)=t i2(n,m)=tab2(t+1); end; end; end;end;for n=0:255 x1=i2=n; add1=add1;sum(sum(x1);end;a1,b1=size(i2);final1=add1/(a1*b1);figure

4、;stem(final,marker,none); figure(2)imshow(i2);figure(3)stem(final1,marker,none实验心得给出的代码有所改动，不然编译无法通过。本次实验形象的让我们看到直方图均衡化的效果，其实质就是通过减少图象的灰度级以换取对比度的加大。如何实现图像局部直方图均衡化？对图像中每个像素点所在的邻域范围求出灰度转换函数，然后仅仅应用在该中心点处。先在定义的邻域内计算灰度直方图，然后利用这一直方图来获得关于直方图均衡化的灰度变换函数。利用这一变换函数，就可以实现该邻域内中心像素点的增强。接下来将邻域的中心移到相邻的像素并重复以上过程。实验二

5、空域锐化实验本次实验讨论了数字图像增强技术中空域图像锐化的四种算法及其用matlab的实现；同时给出了利用四种算法进行图像锐化后的对照图像。关键词 matlab 线性锐化 非线性锐化 sobel算子 prewitt算子 log 算子2.1matlab软件简介matlab全称是matrixlaboratory(矩阵实验室)，一开始它是一种专门用于矩阵数值计算的软件，从这一点上也可以看出，它在矩阵运算上有自己独特的特点。实际运用中matlab中的绝大多数的运算都是通过矩阵这一形式进行的，这一特点决定了matlab在处理数字图像上的独特优势。2.2matlab软件对图象的处理理论上讲，图像是一种二维

6、的连续函数，然而计算机对图像进行数字处理时，首先必须对其在空间和亮度上进行数字化，这就是图像的采样和量化的过程。二维图像均匀采样，可得到一幅离散化成mn样本的数字图像，该数字图像是一个整数阵列，因而用矩阵来描述该数字图像是最直观最简便的。而matlab的长处就是处理矩阵运算，因此用matlab处理数字图像非常的方便。matlab支持五种图像类型，即索引图像、灰度图像、二值图像、rgb图像和多帧图像阵列；支持bmp，gif，hdf，jpeg，pcx，png， xwd，cur，ico等图像文件格式的读、写和显示。matlab对图像的处理功能主要集中在它的图像处理工具箱(image processi

7、ng toolbox)中。图像处理工具箱是由一系列支持图像处理操作的函数组成，可以进行诸如几何操作、线性滤波和滤波器设计、图像变换、图像分析与图像增强、二值图像操作以及形态学处理等图像处理操作口 。2.3图象锐化概述数字图像处理中图像锐化的目的有两个：一是增强图像的边缘，使模糊的图像变得清晰起来；这种模糊不是由于错误操作，就是特殊图像获取方法的固有影响。二是提取目标物体的边界，对图像进行分割，便于目标区域的识别等。通过图像的锐化，使得图像的质量有所改变，产生更适合人观察和识别的图像。2.4图象锐化的原理数字图像的锐化可分为线性锐化滤波和非线性锐化滤波。如果输出像素是输入像素领域像素的线性组合则

8、称为线性滤波，否则称为非线性滤波。一、线性锐化滤波器线性高通滤波器是最常用的线性锐化滤波器。这种滤波器必须满足滤波器的中心系数为正数，其他系数为负数。线性高通滤波器33模板的典型系数二、非线性锐化滤波器非线性锐化滤波就是使用微分对图像进行处理，以此来锐化由于邻域平均导致的模糊图像。图像处理中最常用的微分是利用图y像沿某个方向上的灰度变化率，即原图像函数的梯度。梯度定义如下：xf=f(x,y)-f(x+1,y)xf=f(x,y)-f(x,y+1)梯度模的表达式如下：f=xf+yf在数字图像处理中，数据是离散的，幅值是有限的，其发生的最短距离是在两相邻像素之间。因此在数字图像处理中通常采用一阶差分

9、来定义微分算子。 其差分形式为：xf=f(x+1,y)-f(x,y)yf=f(x,y+1)-f(x,y)比较有名的微分滤波器算子包括sobel 梯度算子、prewitt 梯度算子和log算子，等等。3.1空域锐化3.1.1用线性高通滤波实现图像锐化的结果：3.1.2线性高通滤波图象锐化的程序：i=imread(text.png); %读入图像g=-1 -1 -1; -1 8-1; -1-1-1;%线性高通滤波33模板h=double(i);%转化为double类型j=conv2(h,g,same);% 线性高通滤波进行图像滤波subplot(1,2,1);imshow(h);title(原始图

10、像);subplot(1,2,2);imshow(j);title(滤波后图像);3.心得体会本份报告就matlab在数字图像锐化处理方面进行了阐述。可以看出应用matlab进行数字图像处理具有理想的效果和很高的工程价值。当然，matlab图像处理工具箱中所提供的图像处理功能远不止这些。可以说，matlab为数字图像处理提供了一种简单、快捷而又有效的方法，大大提高了数字图像处理的效率及效果并且应用到图像处理的各个方向。最后，在这里诚挚感谢周沢老师与设计中给予的悉心指导和帮助。实验三 频域锐化实验1. 实验任务（1）编写快速傅里叶变换算法程序，验证二维傅里叶变换的平移性和旋转不变性；（2）实现图

11、像频域滤波，加深对频域图像增强的理解；（3）总结实验过程（实验报告，左侧装订）：方案、编程、调试、结果、分析、结论。2. 实验环境windws2000/xp3. 开发工具（1）matlab 6.x（2）visual c+、visual basic或其它4. 实验内容及步骤（1）产生如图3.1所示图像（128128大小，暗处=0，亮处=255），用matlab中的fft2函数对其进行fft：源程序：clca=fopen(lena.img,r);b=fread(a,256,256,uchar);fclose(a);figure(1)subplot(1,2,1)imshow(b,0,255);b=f

12、ft2(b)m=abs(b);subplot(1,2,2)m0=15*log(m+1.001)surf(m)q=b;t=fftshift(q)r=8;for x=1:256 for y=1:256 if (x-128).2+(y-128).2r.2; t(x,y)=0; end endendh2=abs(t);h02=15*log(1.001+h2)figure(2)imshow(h02,0,255);t=ifftshift(t);z=ifft2(t);figure(3);subplot(1,2,1)imshow(z,0,255);n=fft2(z);subplot(1,2,2);n=15*l

13、og(1.001+abs(n);surf(n);a. 对数字图像lena.img进行频域的理想高通，同屏显示原图、幅度谱图和高通滤波的结果图。其中，取理想高通滤波的半径r分别为2、8和24：原图像及其频谱图r=2时的理想高通滤波结果图和滤波幅度谱图r=8时的理想高通滤波结果图和滤波幅度谱图r=24时的理想高通滤波结果图和滤波幅度谱图注：对理想高通滤波后的图像用直接灰度变换方法作了灰度范围的扩展。当r=2时，滤波后的图像无直流分量，但灰度的变化部分基本上都保留了；当r=8时，滤波后的图像在文字和图像边缘部分的信息仍然保留；当r=24时，滤波后的图像只剩下文字和白条边缘等信号突变的部分。（2）b.

14、 对数字图像lena.img 进行频域的理想低通，同屏显示原图、幅度谱图和低通滤波的结果图。其中，取理想低通滤波的半径r分别为88、24、11和5。程序：原图像及其幅度谱图r=88时的理想低通滤波结果图和滤波频谱图r=11时的理想低通滤波结果图和滤波频谱图r=5时的理想低通滤波结果图和滤波频谱图结论：当r=5时，滤波后的图像很模糊，无法分辨；当r=11时，滤波后的图像比较模糊，但基本能分辨出人脸的形状；当r=24时，滤波后的图像有些模糊，能分辨出脸上的器官轮廓，但由于理想低通滤波器在频域的锐截止特性，滤波后的图像有较明显的振铃现象；当r=88时，滤波后的图像比较清晰，但高频分量损失后，图像边沿与文字变的有些模糊，在图像的边框附近仍有振铃现象。5、实验结论1、由第一部分的实验，比较旋转后与旋转前的频谱,得出频谱旋转不变性的结论。2、对图像的滤波与增强