数字图像实验一

1、实 验 报 告课程名称 数字图像处理 专业班级 电子1141 姓 名 徐慧昶 学 号 34 电气与信息学院和谐 勤奋 求是 创新实验教学考核和成绩评定办法1 课内实验考核成绩，严格按照该课程教学大纲中明确规定的比重执行。实验成绩不合格者，不能参加课程考试，待补做合格后方能参加考试。2 单独设立的实验课考核按百分制评分，考核内容应包括基本理论、实验原理和实验。3 实验考核内容包括：1）实验预习；2）实验过程（包括实验操作、实验记录和实验态度、表现）；3）实验报告；权重分别为0.2 、0.4 、 0.4；原则上根据上述三个方面进行综合评定。学生未取得1）和2）项成绩时，第3）项成绩无效。4 实验指

2、导教师应严格按照考核内容分项给出评定成绩，并及时批改实验报告，给出综合成绩，反馈实验中出现的问题。实验成绩在教师手册中有记载。实验报告主要内容一 实验目的 二 实验仪器及设备三 实验原理四 实验步骤五 实验记录及原始记录六 数据处理及结论七 实验体会（可选项）注：1. 为了节省纸张，保护环境，便于保管实验报告，统一采用A4纸，实验报告建议双面打印（正文采用宋体五号字）或手写,右侧装订。2. 实验类别指验证、演示、综合、设计、创新（研究）、操作六种类型实验。3. 验证性实验：是指为了使学生巩固课程基本理论知识而开设的强调演示和证明，注重实验结果（事实、概念或理论）的实验。4. 综合性实验：是指实

3、验内容涉及本课程的综合知识或本课程相关的课程知识的实验。5. 设计性实验：是指给定实验目的、要求和实验条件，由学生自行设计实验方案并加以实现的实验。实验题目 实验二 图像的增强实验室电子实验室实验时间2014年 10月 14日 实验类别 同组人数1成 绩指导教师签字： 刘红喜一. 实验目的1. 熟悉直方图的计算和显示；2. 熟悉通过算术运算进行图像增强的方法；3. 熟悉运用直方图变换进行图像增强的原理。二. 实验原理1. 直方图在数字图像处理中，一种最简单和最有用的工具是直方图，它概括了一幅图像的灰度级内容。（1）函数：imhist(I,n)功能：显示指定图像的直方图。语法格式： Imhist

4、(I,n) Imhist(X,map) counsts,x=imhist()说明：I为输入图像，n为指定的灰度级数目，默认值为256。Imhist(X,map)计算和显示索引色图像为X的直方图，map为调色板。counsts,x=imhist()返回直方图数据向量counts或相应的色彩值向量x。（2）函数：imadjust功能：将图像的灰度值映像为一个新的数值范围。 语法格式：J=imsdjust(I,low_in high_in,low_out high_out,gamma) newmap=imadjust(map,low high,bottom top,gamma)说明：I是输入图像矩阵

5、，J是经过直方图变换后的输出图像矩阵。Low_in参数和high_in参数分别用来指定输入图像需要映像的灰度范围，参数Low_out和high_out指定输出图像所在的灰度范围。newmap=imadjust(map,low high,bottom top,gamma)命令是调整索引色图像的调色板map。此时若low high和bottom top都是2×3矩阵，就根据它们的值分别调整R、G、B三个分量。不管I属于哪一类，此处指定的强度值的范围均为1，0。如果I是unint8，则会将用户指定的值乘以255，然后将得到的结果作为实际的强度使用。如果I是unint16，则会乘以65536

6、。Gamma是一个可选参数。一般来说灰度间的映像是直线，但是通过调整gamma参数可以使其变为非线性的映像。（3）直接的灰度变换曲线可以取得增强对比度的效果，对于低值灰度的图像，有时使用对数变换效果更好。对数变换可以扩展低值灰度，压缩高值灰度，这样可以使低值灰度的图像细节更容易看清楚。对数变换的灰度映像采用如下表达式：2. 直方图均衡化函数：histeq功能：实现对输入图像的直方图均衡化。语法格式：J=histeq(I,hgram)J= histeq(I,n)J,T= histeq(I,)newmap= histeq(X,map,hgram)newmap= histeq(X,map)newma

7、p,T=histeq(X,)说明：其中，n表示输出图像的灰度级数目，是一个可选参数，缺省值为64。J=histeq(I,hgram)是将原图像I的直方图变成用户指定的向量hgram，hgram中的各元素值域为0，1。J,T=histeq(I,)返回能从图像I的灰度直方图变换成图像J的直方图的变换T。newmap= histeq(X,map)用来对索引图像进行处理，索引图像的返回值newmap将是输出图像的调色板。J= histeq(I,n)将原图像I转换成具有指定灰度级数目的输出图像J。newmap= histeq(X,map,hgram)将索引图像X的直方图变成用户指定的向量hgram，hg

8、ram中的各元素值域为0，1。newmap,T=histeq(X,)返回能从索引图像I的直方图变成索引图像J的直方图的变换T。3. 直方图规定化在Matlab中可以调用函数J=histeq(I,hgram)来实现直方图规定化。其中hgram是由用户指定的矢量，规定将原始图像I的直方图近似变换成hgram，hgram中的每一个元素都在0，1中。4. 代数运算Matlab工具箱中提供了一个函数imnoise来给图像增添噪声。函数：imnoise功能：给图像增添不同种类的噪声。语法格式：J=imnoise(I,type)J=imnoise(I,type,parameters)说明：其中，参数type

9、指定噪声的种类，parameters是与噪声种类有关的集体参数。I是输入图像，J是对I增添噪声后的输出图像。如表2-1所示。表2-1 噪声种类及参数说明种类参数说明gaussianm,v均值为m，方差为v的高斯噪声localvarv均值为0，方差为v的高斯白噪声passion无泊松噪声salt pepper无椒盐噪声specklev均值为0，方差为v的均匀分布随机噪声三. 实验内容1. 直方图（1）同时显示一幅图像及其直方图。（2）通过对比度扩展增强图像lena.bmp的对比度。要求：将该图像从灰度范围0.15，0.9 映像到0，1，同时显示原图像及其直方图，变换后的图象及其直方图，并说明实验

10、效果有何变化。（3）采用对数变换法来改善图像质量。给定一幅图像lena.bmp，将图像转换为double类型，然后进行灰度的对数变换，同时显示原图像以及对数变换后的增强图像。2. 直方图均衡化（1）对一个给定图像（如lena.bmp）进行直方图均衡化，同时显示原图像及直方图，以及均衡化后的图像及直方图，并绘制出直方图均衡化的转移函数变换曲线，通过实验，得出什么结论.3. 直方图规定化对图像lena.bmp进行规定直方图的变换，通过实验，得出什么结论。4. 代数运算通过求平均值降噪。要求：选择一幅图像（lena.bmp），通过Matlab的imnoise函数对图像人为加入噪声，然后将对多幅加入噪

11、声的图像求平均值，得到去噪的目的。四. 源程序1、直方图（2）通过对比度扩展增强图像lena.bmp的对比度I=imread('lena.bmp');subplot(2,2,1);imshow(I);title('原图像');B=rgb2gray(I);subplot(2,2,2);imhist(B) title('直方图');subplot(2,2,3);J=imadjust(B,0.15 0.9,0 1);imshow(J);title('变换后图像');subplot(2,2,4);imhist(J) title('

12、变换后直方图')（3）采用对数变换法来改善图像质量。I=imread('lena.bmp');subplot(1,2,1);imshow(I);title('原图像');subplot(1,2,2);I=im2double(I);J=400*log(I+1);I=uint8(J);imshow(I);title('对数变换后的增强图像')2、直方均衡化I=imread('lena.bmp');subplot(1,2,1);imshow(I);title('原图像');imhist(B);title('

13、;原图像直方图')J=imadjust(B,0.15 0.9,0 1);figure,imhist(B,64)title('均衡直方图')subplot(2,2,3);y=counts;plot(x,cumsum(y)/sum(y);title('转移函数);3. 直方图规定化I=imread('lena.bmp');B=rgb2gray(I);subplot(2,2,1);imshow(B);title('原图像');subplot(2,2,2);imhist(B,256);title('原图像直方图')subp

14、lot(2,2,3);K=256;hgram=ones(1,256);J=histeq(B,hgram);imshow(J);title('规定化后图像');subplot(2,2,4);imhist(J)title('规定化直方图')4. 代数运算I=imread('lena.bmp');J=imnoise(I,'gaussian',0.05);B=rgb2gray(I);subplot(1,3,1);imshow(I);title('原图像');subplot(1,3,2);imshow(J);title('加入高斯噪声图');subplot(1,3,3);K=zeros(256,256,3);for i=1:100 J=imnoise(I,&