北邮数字图像处理作业

1、.信息与通信工程学院数字图像处理实验报告班 级：姓 名：学 号：'.彩色图像处理一实验目的1.考虑下列 500*500 的 RGB 彩色图像，框内的颜色如图所示，假定将该图像转换到 HSI 空间，用 25*25 的平均模板模糊 H 分量图像，再转换回 RGB 空间，会看到什么结果 ?（b）重复（ a），只是这次处理的是 S 分量。要求做实验，并简单分析结果2.对原始图像Beauty.jpg 进行彩色图像处理，使以下问题得到改善：（ 1）整个画面光线偏暗（ 2）画面在色彩上偏紫（ 3）皮肤上有很多的雀斑（ 4）右下角偏亮二实验环境Windows7MATLAB R2012a三实验思路实验

2、1：（ 1）生成所需图像，框内的颜色为绿红蓝绿；（ 2）将该 RGB 图像转换到 HSI 空间；（ 3）用 25*25 的平均模板模糊 H 分量图像，再转换回 RGB 空间，并观察此时'.图像的变化情况；（ 4）重复（ 2）（ 3），这次处理的是S 分量，观察图像的变化情况。实验 2：（ 1）将原图像转化为 double 型；（ 2）提升原图像的整体亮度；（ 3）对原图像进行饱和度处理，使图片偏紫得到改善；（ 4）通过 RGB 平滑去除色斑；（ 5）通过 find 函数降低图片右下角的亮度；四实验结果实验 1：结果分析： H 分量为与红轴的夹角，S 分量为圆上的点到圆心的距离，I 分量

3、为高。（ 1）理论上，对H 做均值滤波时，S 和 I 的值是不变的，若掩膜内红蓝分量相同时，转化到 RGB 空间为绿色，若掩膜内红绿分量相同时，转换到RGB 空间时依次为为红黄绿，若掩膜内蓝绿分量相同时， 转换到 RGB 空间时依次为蓝青绿， 若掩膜内红绿蓝分量都有时，则转换到 RGB 空间时，依次为蓝青绿黄红，观察实验结果，与理论相同；（ 2）理论上，对 S 做均值滤波时， H,S 和 I 分量的值都不变，做掩膜也不会影响这几个分量，因此转换到 RGB 空间上观察和原图结果相同，观察实验结果，与理论相同。'.实验 2：（1）原图像：（2）通过亮度提升完善原图偏暗的情况：'.（

4、3）对图片进行饱和度调整，完善原图像偏紫的问题：（4）对图片进行RGB 平滑，去除原图像中的色斑：'.（5）降低原图像右下角亮度，得到最终结果：'.五实验中遇到的问题及解决办法（ 1）由于实验 1 相对简单，并未遇到大问题；（ 2）在做实验 2 的时候，直接对原图进行处理，导致程序不能执行，后来将原图修改为 double 型以后，成功解决了该问题；（ 3）在做实验 2 的时候，由于亮度提升太高，导致结果与预期相差很大，后来降低了亮度提升的幅度以后，解决了这个问题；（ 4）实验 2 的最终效果不是很好，想了很多办法也没有解决，希望老师可以在课上具体讲解一下。六实验总结及心得体会实

5、验总结：根据实验要求， 按照书本以及网上的资料提供的基本方法， 得到上面的实验结果，经过分析，最终得到的实验结果和要求基本一致，综上所述，完成了本次实验。心得体会：在这次实验的开始， 找到了实验的相关内容， 因此实验的目标比较明确， 不过在编写代码的时候仍然遇到了一些问题， 后来经过查阅资料，解决了这些问题。但是实验 2 的效果仍然不是很理想。 通过这次实验， 对彩色图像的处理有了更加深刻的理解，较好的掌握了彩色空间的转换，尤其是 RGB 与 HSI 空间之间的相互转换。同时掌握了如何提升和降低彩色图像的亮度，以及对彩色图像的 RGB 平滑处理，调整彩色图像的饱和度。此外，对课内知识也有了更加

6、形象的认识。七源程序实验 1：clearall;% 生成红绿蓝的格子图案A = ones(250,250);B = zeros(250,250);r = cat(1,cat(2,B,A),cat(2,B,B);g = cat(1,cat(2,A,B),cat(2,B,A);b = cat(1,cat(2,B,B),cat(2,A,B);rgb = cat(3,r,g,b);hsi=rgb2hsi(rgb);%将 RGB 图像转换为hsi空间h=hsi(:,:,1);s=hsi(:,:,2);i=hsi(:,:,3);K = fspecial('average',25 25);%

7、 25*25的平均模板H = imfilter(h,K,'replicate');%模糊 h 分量hsi1 = cat(3,H,s,i);'.rgb1=hsi2rgb(hsi1);%将 hsi图像转化为 RGB 空间S = imfilter(s,K,'replicate');%模糊 s 分量hsi2 = cat(3,h,S,i);rgb2=hsi2rgb(hsi2);%将 hsi图像转化为 RGB 空间%显示图像subplot(2,2,1),imshow(rgb), title(' 原图' );subplot(2,2,2),imshow(

8、rgb1,), title('H模糊后的图像 ' );subplot(2,2,3),imshow(rgb2,), title('S模糊后的图像 ' );实验 2：I=imread('beauty.jpg');I=im2double(I);%将原图像转化为 double型HSI= rgb2hsi(I);%将 RGB 图像转换到 HSI空间fH=HSI(:,:,1);fS=HSI(:,:,2);fI=HSI(:,:,3);c=find(fI<0.6);%找出 FI<0.6的元素，并将这些元素的线性索引值按列返回向量c 中fI(c)=fI(

9、c)*1.3;%亮度提升I1=cat(3,fH,fS,fI);%构建多维数组f1=hsi2rgb(I1);%将 HSI 图像转化为 RGB 空间P = rgb2hsi(f1);%将 RGB 图像转换到 HSI空间fH1=P(:,:,1);fS1=P(:,:,2);fI1=P(:,:,3);fS1=fS1*0.95;%图片饱和度调整I2=cat(3,fH1,fS1,fI1);%构建多维数组f2=hsi2rgb(I2);%将 HSI 图像转化为 RGB 空间R= f2(:,:,1);G= f2(:,:,2);B= f2(:,:,3);w = fspecial('average',5

10、,5);%5*5 平均模板R1 = imfilter(R,w,'replicate');G1 = imfilter(G,w,'replicate');B1 = imfilter(B,w,'replicate');f3= cat(3,R1,G1,B1);R2 = f3(:,:,1);G2 = f3(:,:,2);B2 = f3(:,:,3);R2 =imfilter(R2,w,'replicate');%滤波处理f4 = cat(3,R2,G2,B2);%构建多维数组HSI = rgb2hsi(f4);%将 RGB 图像转化为HSI

11、 空间H = HSI(:,:,1);'.S = HSI(:,:,2);i = HSI(:,:,3);d=find(i=1);i(d)=0.7;c=find(i>0.7);i(c)=i(c)*0.93;%在亮度过强区域减亮度HSI=cat(3,H,S,i);%构建多维数组f5=hsi2rgb(HSI);%将 HSI图像转化为 RGB 图像%显示图像subplot(2,3,1),imshow(I), title(' 原图' );subplot(2,3,2),imshow(f1), title(' 整体亮度提升 ');subplot(2,3,3),imshow(f2), title(' 图片饱和度调整