数字图像处理实验报告[共61页]

1、目录实验一：数字图像的基本处理操作21.1： 实验目的21.2：实验任务和要求21.3：实验步骤和结果21.4：结果分析6实验二：图像的灰度变换和直方图变换72.1： 实验目的72.2：实验任务和要求72.3：实验步骤和结果72.4：结果分析11实验三：图像的平滑处理123.1： 实验目的123.2：实验任务和要求123.3：实验步骤和结果123.4：结果分析16实验四：图像的锐化处理174.1： 实验目的174.2：实验任务和要求174.3：实验步骤和结果174.4：结果分析1940 / 401实验一：数字图像的基本处理操作1.1： 实验目的1 、熟悉并掌握 MATLAB 、PHOTOSHO

2、P 等 工具的使用；2、实现图像的读取、显示、代数运算和简单变换。3、熟悉及掌握图像的傅里叶变换原理及性质,实现图像的傅里叶变换。1.2：实验任务和要求1. 读入一幅 RGB图像,变换为灰度图像和二值图像,并在同一个窗口内分成三个子窗口来分别显示 RGB图像和灰度图像,注上文字标题。2.3.对两幅不同图像执行加、减、乘、除操作,在同一个窗口内分成五个子窗口来分别显示,注上文字标题。对一幅图像进行平移,显示原始图像与处理后图像,分别对其进行傅里叶变换,显示变换后结果,分析原图的傅里叶谱与平移后傅里叶频谱的对应关系。4. 对一幅图像进行旋转,显示原始图像与处理后图像,分别对其进行傅里叶变换,显示变

3、换后结果, 分析原图的傅里叶谱与旋转后傅里叶频谱的对应关系。1.3：实验步骤和结果1. 对实验任务 1 的实现代码如下：a=imread(d:tp.jpg);i=rgb2gray(a);I=im2bw(a,0.5);subplot(1,3,1);imshow(a);title(原图像 );subplot(1,3,2);imshow(i);title( 灰度图像 );subplot(1,3,3);imshow(I);title( 二值图像 );subplot(1,3,1);imshow(a);title(原图像 );结果如图 1.1所示：2图 1.1 原图及其灰度图像,二值图像2. 对实验任务

4、2 的实现代码如下：a=imread(d:tp.jpg);A=imresize(a,800 800);b=imread(d:tp2.jpg);B=imresize(b,800 800);Z1=imadd(A,B);Z2=imsubtract(A,B);Z3=immultiply(A,B);Z4=imdivide(A,B);subplot(3,2,1);imshow(A);title( 原图像A);subplot(3,2,2);imshow(B);title( 原图像B);subplot(3,2,3);imshow(Z1);title( 加法图像 );subplot(3,2,4);imshow(

5、Z2);title( 减法图像 );subplot(3,2,5);imshow(Z3);title( 乘法图像 );subplot(3,2,6);imshow(Z2);title( 除法图像 );结果如图 1.2 所示：3% 直流分量移到频谱中心%取傅里叶变换的实部%直流分量移到频谱中心%对数变换3. 对实验任务 3 的实现代码如下：s=imread(d:tp3.jpg);i=rgb2gray(s);i=double(i);j=fft2(i);k=fftshift(j);I=log(abs(k);m=fftshift(j);RR=real(m);II=imag(m);%取傅里叶变换的虚部A=s

6、qrt(RR.2+II.2);A=(A-min(min(A)/(max(max(A)*255;b=circshift(s,800 450);b=rgb2gray(b);b=double(b);c=fft2(b);e=fftshift(c);I=log(abs(e);f=fftshift(c);WW=real(f);ZZ=imag(f);B=sqrt(WW.2+ZZ.2);4B=(B-min(min(B)/(max(max(B)*255; subplot(2,2,1);imshow(s);title(原图像 ); subplot(2,2,2);imshow(uint8(b);title( 平移图

7、像 ); subplot(2,2,3);imshow(A);title( 离散傅里叶变换频谱 ); subplot(2,2,4);imshow(B);title( 平移图像离散傅里叶变换频谱 );结果如图 1.3 所示：4. 对实验任务 4 的实现代码如下：s=imread(d:tp3.jpg);i=rgb2gray(s);i=double(i);j=fft2(i);k=fftshift(j);I=log(abs(k);m=fftshift(j);RR=real(m);II=imag(m);A=sqrt(RR.2+II.2);A=(A-min(min(A)/(max(max(A)*255;b=

8、imrotate(s,-90);b=rgb2gray(b);b=double(b);c=fft2(b);5e=fftshift(c);I=log(abs(e);f=fftshift(c);WW=real(f);ZZ=imag(f);B=sqrt(WW.2+ZZ.2);B=(B-min(min(B)/(max(max(B)*255;subplot(2,2,1);imshow(s);title(原图像 );subplot(2,2,2);imshow(uint8(b);title( 平移图像 );subplot(2,2,3);imshow(A);title( 离散傅里叶频谱 );subplot(2,

9、2,4);imshow(B);title( 平移图像离散傅里叶频谱);结果如图 1.4 所示：1.4：结果分析对 MATLAB 软件的操作开始时不太熟悉,许多语法和函数都不会使用,写出程序后,调试运行,最开始无法显示图像,检查原因,是有些标点符号没有在英文状态下输入和一些其他的细节,学会了 imread(),imshow(),rgb2gray（）等函数。6实验二：图像的灰度变换和直方图变换2.1： 实验目的1、熟悉及掌握图像的采样原理, 实现图像的采样过程, 进行图像的灰度转换。2、理解直方图的概念及应用,实现图像直方图的显示,及通过直方图均衡对图像进行修正。2.2：实验任务和要求1 、对一幅

10、图像进行 2 倍、 4 倍、 8 倍和 16 倍减采样,显示结果。2 、显示一幅灰度图像a ,改变图像亮度使其整体变暗得到图像b,显示两幅图像的直方图。3 、对一幅图像进行灰度变化,实现图像变亮、变暗和负片效果,在同一个窗口内分成四个子窗口来分别显示,注上文字标题。4 、对一副图像进行直方图均衡化,显示结果图像和对应直方图。5 、对一副图像进行如图所示的分段线形变换处理,试比较与直方图均衡化处理的异同。2.3：实验步骤和结果1. 对实验任务 1 的实现代码如下：a=imread(d:tp2.jpg);b=rgb2gray(a);for m=1:4figurewidth,height=size(

11、b);quartimage=zeros(floor(width/(m),floor(height/(2*m);k=1;n=1;for i=1:(m):widthfor j=1:(2*m):height7quartimage(k,n)=b(i,j);n=n+1;endk=k+1;n=1;endimshow(unit8(quartimage);end结果如图所示：2. 对实验任务 2 的实现代码如下：a=imread(d:tp2.jpg);c=rgb2gray(a);b=c-46;subplot(3,2,1);imshow(c);title(原图像 )subplot(3,2,2);imhist(c

12、);title( 原图像的直方图 )subplot(3,2,3);imshow(b);title(变暗后的图像 )subplot(3,2,4);imhist(b);title( 变暗后的图像直方图 );d=imadjust(c,0,1,1,0);subplot(3,2,5);imshow(d);title(反转图像 );结果如图 2.2 所示：83. 对实验任务 3 的实现代码如下：a=imread(d:tp.jpg);m=imadjust(a,0.5;1);% 图像变亮n=imadjust(a,0;0.5);% 图像变暗g=255-a;%负片效果subplot(2,2,1);imshow(a

13、);title(原图像 );subplot(2,2,2);imshow(m);title( 图像变亮 );subplot(2,2,3);imshow(n);title( 图像变暗 );subplot(2,2,4);imshow(g);title( 负片效果 );结果如图所示：4. 对实验任务 4 的实现代码如下：b=imread(d:tp.jpg);c=rgb2gray(b);j=histeq(c);subplot(2,2,1),imshow(c);subplot(2,2,2),imshow(j);subplot(2,2,3),imhist(c);9subplot(2,2,4),imhist(

14、j);结果如图 2.4 所示：5. 对实验任务 5 的实现代码如下：x1=0:0.01:0.125;x2=0.125:0.01:0.75;x3=0.75:0.01:1;y1=2*x1;y2=0.25+0.6*(x2-0.125);y3=0.625+1.5*(x3-0.75);x=x1,x2,x3;y=y1,y2,y3;plot(x,y);结果如图所示：102.4：结果分析这次实验主要是对图像的灰度变换和直方图均衡化,实验内容包括灰度拉伸、图像反转、图像的二值化以及直方图均衡。 通过实验将课本上理论知识加以实践,实验过程中明白了图像处理的一些技巧。 但是以上几种方法采用的基本都是线性变换法,在实

15、际应用中存在很多缺陷。它只能处理一些黑白分明的图像,而对于一些颜色丰富或者处理比较复杂图像时,往往于心不足。11实验三：图像的平滑处理3.1： 实验目的1 、熟悉并掌握常见的图像噪声种类；2 、理解并掌握常用的图像的平滑技术,如邻域平均法和中值滤波的原理、特点、适用对象。3.2：实验任务和要求1、读出 lena.jpg 这幅图像,给这幅图像分别加入椒盐噪声、高斯噪声和乘性噪声后并与前一张图显示在同一图像窗口中。2、对受高斯噪声（模拟均值为0 方差为 0.02 的高斯噪声）干扰的 lena 图像分别利用邻域平均法和中值滤波进行滤波去噪（窗口可变,可先取3*3 ,依次再取 5*5 ,7*7）,并显

16、示滤波结果。3、对受椒盐噪声（噪声方差为0.02）干扰的 lena 图像,选择合适的滤波器将噪声滤除。4、 对受乘性噪声（噪声方差为0.02）干扰的 lena 图像,选择合适的滤波器将噪声滤除。3.3：实验步骤和结果1. 对实验任务 1 的实现代码如下： I=imread(d:tp.jpg); i=rgb2gray(I); J=imnoise(i,gaussian,0,0.02);%高斯噪声 K=imnoise(i,salt & pepper,0.02);%椒盐噪声 P=imnoise(i,speckle,0.02);%乘性噪声 subplot(2,2,1);imshow(i); xlabel

17、(原图 ); subplot(2,2,2);imshow(J);xlabel(高斯噪声 ); subplot(2,2,3);imshow(K);xlabel( 椒盐噪声 ); subplot(2,2,4);imshow(P);xlabel(乘性噪声 );结果如图 3.1 所示：122. 对实验任务 2 的实现代码如下： I=imread(d:tp.jpg); i=rgb2gray(I); J=imnoise(i,gaussian,0,0.02); K=im2double(J); h=fspecial(average); G1=filter2(h,K,same); G2=medfilt2(K);

18、 subplot(2,2,1);imshow(1); subplot(2,2,1);imshow(i); xlabel(原图 ); subplot(2,2,2);imshow(J); xlabel(添加高斯噪声 ); subplot(2,2,3);imshow(G1); xlabel(均值滤波 ); subplot(2,2,4);imshow(G2); xlabel(中指滤波 );结果如图 3.2 所示：133. 对实验任务 3 的实现代码如下： I=imread(D:tp.jpg); i=rgb2gray(I); J=imnoise(i,salt & pepper,0.02); K=im2d

19、ouble(J); h=fspecial(average); G1=filter2(h,K,same); G2=medfilt2(K); subplot(2,2,1);imshow(i); xlabel(原图 ); subplot(2,2,2);imshow(J); xlabel(添加椒盐噪声 ); subplot(2,2,3);imshow(G1); xlabel(均值滤波 ); subplot(2,2,4);imshow(G2); xlabel(中值滤波 );结果如图 3.3 所示：144. 对实验任务 4 的实现代码如下： i=imread(D:tp.jpg); I=rgb2gray(i

20、); J=imnoise(I,speckle,0.02); K=im2double(J); h=fspecial(average); G1=filter2(h,K,same); G2=medfilt2(K); subplot(2,2,1);imshow(I); xlabel(原图 ); subplot(2,2,2);imshow(J); xlabel(添加乘性噪声 ); subplot(2,2,3);imshow(G1); xlabel(均值滤波 ); subplot(2,2,4);imshow(G2); xlabel(中值滤波 );结果如图 3.4 所示：153.4：结果分析（ 1）采用均值

21、滤波器对图像处理能达到去噪的效果,并且一般滤波器的模板越大去噪效果越好,但是应该适中,当模板选择的过大时,处理的效果就会下降,因此我们应该根据具体的要求选择合适的模板来处理图像。（ 2）采用高斯滤波器对图像处理能达到去噪的效果,与均值滤波器相同,随着所用的滤波器尺寸的增大, 图像的细节锐化程度相应降低图像变得模糊起来。 但相较于均值滤波器,其模糊程度较小。但是高斯滤波同时受到标准差 sigma 的影响。（ 3）中值滤波对去除 “椒盐” 噪声可以起到很好的效果 , 因为椒盐噪声只在画面中的部分点上随机出现 , 所以根据中值滤波原理可知 , 通过数据排序的方法 , 将图像中未被噪声污染的点代替噪声

22、点的值的概率比较大 , 因此噪声的抑制效果很好。中值滤波与均值滤波相比, 在去除图像椒盐噪声的同时, 还能够保持图像比较清晰的轮廓。从实验结果可以看出,通过 3*3 的均值滤波器,图像中的噪声点有明显的消除。但是 3*3 的非线性模板中值滤波器上对噪声的滤除效果更完美。16实验四：图像的锐化处理4.1： 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锐化技术。4.2：实验任务和要求1、采用三种不同算子对图像进行锐化处理。2、 锐化空间滤波1) 采用 3 3 的拉普拉斯算子 w = 1, 1, 1; 1 8 1; 1, 1, 1 滤波2)编写函数 w

23、= genlaplacian(n) ,自动产生任一奇数尺寸n 的拉普拉斯算子,如 5 5 的拉普拉斯算子：w = 111111111111-241111111111113)分别采用 5 5,9 9,1515 和 2525 大小的拉普拉斯算子对blurry_moon.tif进行锐化滤波,并利用式 g( x, y) f ( x, y)2 f ( x, y) 完成图像的锐化增强,观察其有何不同,要求在同一窗口中显示。4.3：实验步骤和结果1. 对实验任务 1 的实现代码如下： i=imread(d:tp.jpg); I=rgb2gray(i); H=fspecial(sobel); I1=filter2(H,I); H=fspecial(prewitt); I2=filter2(H,I); H=fspecial(log); I3=filter2(H,I); subplot(2,2,1);imsho