数字图像处理实验

1、数字图像处理实验 学生姓名 学 号 班 级 学 院 专 业 二一四年 12 月8日实验一：数字图像基本操作1实验目的1) 掌握读、写图像的基本方法。2) 掌握MATLAB语言中图像数据与信息的读取方法。2.实验原理灰度变换是图像增强的一种重要手段，它常用于改变图象的灰度范围及分布，是图象数字化及图象显示的重要工具。1) 图像反转灰度级范围为0, L-1的图像反转可由下式获得2) 对数运算：有时原图的动态范围太大，超出某些显示设备的允许动态范围，如直接使用原图，则一部分细节可能丢失。解决的方法是对原图进行灰度压缩，如对数变换：s = clog(1 + r)，c为常数，r 03) 幂次变换：4)

2、对比拉伸：在实际应用中,为了突出图像中感兴趣的研究对象，常常要求局部扩展拉伸某一范围的灰度值，或对不同范围的灰度值进行不同的拉伸处理，即分段线性拉伸：其对应的数学表达式为：3、实验内容与要求复制若干图形文件（如forest.tif和b747.jpg）至MATLAB目录下work文件夹中。特别需要熟悉下列命令：熟悉imread()函数、imwrite()函数、size()函数、Subplot（）函数、Figure（）函数。1) 将MATLAB目录下work文件夹中的forest.tif图像文件读出.用到imread，imfinfo等文件，观察一下图像数据，了解一下数字图像在MATLAB中的处理就

3、是处理一个矩阵。将这个图像显示出来（用imshow）。尝试修改map颜色矩阵的值，再将图像显示出来，观察图像颜色的变化。2) 将MATLAB目录下work文件夹中的b747.jpg图像文件读出，用rgb2gray()将其转化为灰度图像，记为变量B。1. 实验具体实现1. 文件读取与信息显示：load trees;X,map=imread('forest.tif');subimage(X,map);I=imread('forest.tif');imshow(I);imfinfo('forest.tif') 2. map颜色矩阵的修改X,map=im

4、read('forest.tif');map1=map+map;subimage(X,map1);3. 灰度图像的转化RGB=imread('b747.jpg');B=rgb2gray(RGB); 4. 自选图像完成1）、2）、3)1) 文件读取与信息显示：load trees;X,map=imread(' chrom.bmp');subimage(X,map);I=imread(' chrom.bmp');imshow(I);imfinfo(' chrom.bmp')2) map颜色矩阵的修改X,map=imre

5、ad(' chrom.bmp');map1=map+map;subimage(X,map1);2) 灰度图像的转化RGB=imread(' Bird.bmp');B=rgb2gray(RGB);实验二：数字图像的灰度调整1实验目的1.理解图像灰度变换处理在图像增强的作用。2.掌握绘制灰度直方图的方法，理解灰度直方图的灰度变换及均衡化的方法。2.实验原理灰度直方图的横坐标是灰度级，纵坐标是该灰度级出现的频度，它是图像最基本的统计特征。依据定义，在离散形式下， 用rk代表离散灰度级，用pr(rk)代表pr(r)，并且有下式成立： 式中：nk为图像中出现rk级灰度的像

6、素数，n是图像像素总数，而nk/n即为频数。直方图均衡化处理是以累积分布函数变换法为基础的直方图修正法。假定变换函数为 (a) Lena图像 (b) Lena图像的直方图图1.2 Lena图像及直方图当灰度级是离散值时，可用频数近似代替概率值，即式中：l是灰度级的总数目，pr(rk)是取第k级灰度值的概率，nk是图像中出现第k级灰度的次数，n是图像中像素总数。所以积分可以表示为下列累计分布函数(cumulative distribution function, CDF)3、实验内容与要求自选图像，完成以下操作.1. 图像灰度变换处理在图像增强的作用g1=imadjust(B,0 1,1 0);

7、g2=imcomplement(g1);g3=im2uint8(mat2gray(log(1+double(B);图中对图像文件进行了基本的灰度变换，包括用式s = L 1 r 得到的图像反转，对反转图像的求补，以及对数变换的采用。名字为B的图 灰度变换后2. 绘制图像灰度直方图的方法，对图像进行均衡化处理 图像灰度直方图的显示与灰度调整imhist(B);J = imadjust(B,0 1);imhist(J);subimage(J); 在原始图像中，直方图的组成成分集中在高灰度等级（亮）一侧，且图像灰度范围为0,1，故将灰度值调整到0,1间后直方图无明显变化。类似的，将灰度值调整到0,0

8、.5时，整个图像变暗，直方图横向压缩1倍。 灰度值为0,1 灰度值为0,0.5 对B进行直方图均衡化处理，试比较与原图的异同。%I = imread('pout.tif'); J,T = histeq(B); figure,plot(0:255)/255,T); 原图像中目标物的灰度主要集中于高亮度部分，而且象素总数较多，所占的灰度等级较少。经过直方图均衡后，目标物的所占的灰度等级得到扩展，对比度加强，使整个图像得到增强。 数字图像均衡化后，其直方图并非完全均匀分布，这是因为图像的象素个数和灰度等级均为离散值，而且均衡化使灰度级并归。因此，均衡化后，其直方图并非完全均匀分布。

9、对B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。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;subplot(2,2,4);plot(x,y); 通过在所关心范围内为所有灰度值指定一个较高值，而为其他灰度指定一个较低值，或将所需范围变亮，分段线性变换可提高图像中特定灰度范围的亮度，常用于图像特征值的提取。这里将原始图像位于0.125,0.75间的灰度值调低，放大其余的灰度

10、值，突出显示图像低频域和高频域的部分。实验三、数字图像的空域滤波一、 实验目的1 了解空域滤波的方法；2 掌握几种模板的基本原理。二、实验内容1. 使用函数fspecial( ) 生成几种特定的模板；2. 使用函数imfilter( ) 配合模板对图象数据进行二维卷积；3 比较各种滤波器的效果。三、实验步骤及结果1 线性平滑（低通）滤波器a. 用 h=fspecial(average) 得到的h 为3×3的邻域平均模板，然后用h来对图象cameraman.tif 进行平滑处理。>> x=imread('Bird.bmp'); h=fspecial (

11、9;average'); /3×3的邻域平均模板(7×7的邻域平均模板h=fspecial(average,7,7) y=imfilter(x,h); subplot(1,2,1) imshow(x) subplot(1,2,2) imshow(y)b. 改变 fspecial( )的参数为高斯低通模板fspecial(gaussian)，再以上同样的平滑处理，观察其结果。x=imread('Bird.bmp');h=fspecial('gaussian')y=imfilter(x,h);subplot(2,3,1)imshow(x)

12、subplot(2,3,2)imshow(y)h1=fspecial('gaussian',7,7)y1=imfilter(x,h1);subplot(2,3,3)imshow(y1)h2=fspecial('gaussian',9,9)y2=imfilter(x,h2);subplot(2,3,4)imshow(y2)h3=fspecial('gaussian',11,11)y3=imfilter(x,h3);subplot(2,3,5);imshow(y3);c. 可以用mesh 函数直观观察模板：h1=fspecial('gauss

13、ian',100,3); x y=meshgrid(1:100); mesh(x,y,h1); h2=fspecial('gaussian',100,10); figure mesh(x,y,h2)2 非线性平滑滤波器a. 中值（median）滤波器是非线性滤波器的一种，它工作原理如下：1） 将模板在图中漫游，并将模板中心与图中某个象素位置重合；2） 读取模板下各对应象素的灰度值；3） 将这些灰度值从小到大排成一列；4） 找出这些值中排在中间的1个；5） 将这个中间值赋给对应模板中心位置的象素。b. 先用 imnoise( )函数给图象加噪声，如对图象增加高斯白噪声y=

14、imnoise(x,gaussian) 代码：x=imread(' Bird.bmp');y=imnoise(x,'gaussian');subplot(1,2,1)imshow(x)subplot(1,2,2)imshow(y)c. 对图象 Bird.bmp添加胡椒盐噪声（salt&pepper）,然后分别用前面的均值滤波器和中值滤波器medfilt2( ) 进行去噪声处理，比较结果。中值滤波代码：x=imread('Bird.bmp');B=rgb2gray(x);h = imnoise(B,'salt & peppe

15、r',0.02);y= medfilt2(h);subplot(1,2,1) imshow(x)subplot(1,2,2)imshow(y) 3 线性锐化滤波器a. 线性锐化滤波器的模板为h= -1 -1 -1; -1 8 -1;-1 -1 -1; 用该模板对图象 Bird.bmp 进行锐化处理；代码：>>x=imread(' Bird.bmp');h= -1 -1 -1; -1 8 -1; -1 -1 -1y=imfilter(x,h);subplot(1,2,1)imshow(x)subplot(1,2,2)imshow(y)b. 也可以fspecia

16、l('laplacian') 函数得到锐化模板；代码：x=imread('Bird.bmp');h= fspecial('laplacian')y=imfilter(x,h);subplot(1,2,1)imshow(x)subplot(1,2,2)imshow(y)c. 索贝尔（sobel）算子 h1= -1 0 1;-2 0 2;-1 0 1; h2= 1 2 1;0 0 0;-1 -2 -1;分别使用以上算子对图象进行处理可以得到图象的边缘。x=imread('Bird.bmp');h1= -1 0 1; -2 0 2;-1

17、 0 1;y=imfilter(x,h);subplot(1,2,1)imshow(x)subplot(1,2,2)imshow(y)x=imread('Bird.bmp');h2= 1 2 1; 0 0 0;-1 -2 -1;y=imfilter(x,h);subplot(1,2,1)imshow(x)subplot(1,2,2)imshow(y)实验四、数字图像的频域滤波一实验目的1.了解频域滤波的方法；2.掌握频域滤波的基本步骤。二、实验内容1 使用二维快速傅立叶变换函数fft2( )及其反变换函数ifft2( )对图象进行变换；2 自己编写函数生成各种频域滤波器；3 比

18、较各种滤波器的特点。三、实验步骤及结果4 图象的傅立叶变换d. 对某一图象Bird.bmp做傅立叶变换。代码：>> x=imread('Bird.bmp'); f=fft2(x); imshow(real(f) %显示变换后的实部图象 figure f1=fftshift(f); imshow(real(f1) 傅里叶变换图一 图二e. 对图象 Bird.bmp进行傅立叶变换，分别显示变换后的实部图象。代码：>>x=imread('Bird.bmp');f=fft2(x);imshow(real(f) 变换后图像频域滤波的步骤d. 求图象

19、的傅立叶变换得 F=fft2(x)e. 用函数F=fftshit(F) 进行移位f. 生成一个和F 一样大小的滤波矩阵 H .g. 用F和H相乘得到 G , G=F.*Hh. 求G的反傅立叶变换得到 g 就是我们经过处理的图象。这其中的关键就是如何得到H 。 5 理想低通滤波器d. 函数dftuv( )在文件夹中，它用生成二维变量空间如： U V=dftuv(11,11)e. 生成理想低通滤波器 U V=dftuv(51,51); D=sqrt(U.2+V.2); H=double(D<=15); Mesh(U,V,H)f. 应用以上方法，对图象Bird.bmp进行低通滤波; Q=0.7x=imread('Bird.bmp')F=fft2(x)； U V=dftuv(size(F,1),size(F,2); D=sqrt(U.2+V.2); H=double(D<= size(F,1)/2*Q); G=F.*H; imshow(real(fftshift(F) figureimshow(real(fftshift(G)g=real(ifft2(G);figureimshow(