数字图像处理实验报告-2

数字图像处理实验报告数字图像处理实验报告专业：计算机科学与技术学号：11101115姓名：王晓东实验一数字图像的读入与显示实验目的了解opencv的开发环境设置读取并显示一幅图像，掌握Imread,imwrite,imshow的使用掌握opencv中图像的表示及其属性的含义实验内容配置visualstudio2010的opnecv开发环境使用opencv的函数读入一幅图像并显示出来实验步骤#include"stdafx.h"#include<opencv2/opencv.hpp>usingnamespacecv;usingnamespacestd;voidtest1(){ Matimage=imread("..\\image\\book\\beach.jpg",0); cvNalinyuWindow("test"); imshow("test",image); waitKey();}int_tmain(intargc,_TCHAR*argv[]){Test1();return0;}实验心得本次实验让我了解了图像读入与显示的具体过程。实验二数字图像像素的访问实验目的掌握opencv开发环境中对灰度图像及彩色图像中的像素的访问方法并理解mat数据结构掌握opencv中对图像进行处理的基本过程实验内容：（1）打开一幅灰度图像，对其进行线性灰度变换（直线方程的参数为k,b），并显示变换前、后的图像。；调整K值，分别取>1,<1,=1,以及-1，比较不同K值时的图像增强效果。

（2）打开一幅彩色图像，对每个像素进行访问，分别令R、G、B的值为0，查看处理后的图像，并比较原图像的差异。重点和难点：掌握灰度图像和彩色图像的像素的值的访问方法。实验步骤：#include"stdafx.h"#include<opencv2/opencv.hpp>usingnamespacecv;usingnamespacestd;voidlinear_tran(ucharmin_org,ucharmax_org,ucharmin_new,ucharmax_new){ Matimage=imread("..\\image\\book\\beach.jpg",0); Matgray(image.size().height,image.size().width,CV_8UC1,Scalar(0)); floatk=(float)(max_new-min_new)/(max_org-min_org); cout<<"k="<<k<<endl; for(inti=0;i<image.size().height;i++) { uchar*data=image.ptr<uchar>(i); uchar*graydata=gray.ptr<uchar>(i); for(intj=0;j<image.size().width;j++) { graydata[j]=min_new+k*(data[j]-min_org); } }cvNalinyuWindow("org"); imshow("org",image); cvNalinyuWindow("linear"); imshow("linear",gray); waitKey();}voidtest2_1(){ Matimage=imread("..\\image\\book\\beach.jpg",0);// Matgray(image.size().height,image.size().width,CV_8UC1,Scalar(0)); ucharmingray=255,maxgray=0; for(inti=0;i<image.size().height;i++) { uchar*data=image.ptr<uchar>(i); for(intj=0;j<image.size().width;j++) { if(data[j]<mingray);//找到灰度值的最小值 mingray=data[j]; if(data[j]>maxgray) maxgray=data[j]; //找到灰度值的最大 } } linear_tran(min_org,max_org,0,255);//k>1 linear_tran(min_org,max_org,0,128);//k<1 linear_tran(min_org,max_org,4,255);//k=1 linear_tran(min_org,max_org,251,0);//k=-1 }voidtest2_2(){ Matimage=imread("D:\\opencvtest2\\opencvtest\\image\\book\\beach.jpg",0); doubledurationa,durationb,durationc; doublecacStart,cacEnd; ucharr,g,b; floatfgray; Matgray(image.size().height,image.size().width,CV_8UC1,Scalar(0)); Matgray_t(image.size().height,image.size().width,CV_8UC1,Scalar(0)); cacStart=static_cast<double>(getTickCount()); for(inti=0;i<image.size().height;i++) for(intj=0;j<image.size().width;j++) { b=image.at<Vec3b>(i,j)[0]=0; g=image.at<Vec3b>(i,j)[1]=0; r=image.at<Vec3b>(i,j)[2]=0; } if(!gray.empty()) { cvNalinyuWindow("test"); imshow("test",gray); waitKey(); } else { cout<<"fileopenerror!"; getchar(); }}实验心得：这次实验让我掌握了对灰度图像及彩色图像中的像素的访问方法以及opencv中对图像进行处理的基本过程。实验三图像的平滑实验目的掌握opencv开发环境中对灰度图像及彩色图像中的像素的访问方法掌握opencv中对图像进行处理的基本过程。掌握均值平滑和中值滤波的基本原理实验内容：（1）打开一幅灰度图像，对图像进行3*3（包括中心点）的邻域平均处理。

（2）对原图进行3*3（包括中心点）的中值滤波处理。

（3）比较原图像与邻域平均的图像、中值滤波后的图像的差异。实验步骤：#include"stdafx.h"#include<opencv2/opencv.hpp>usingnamespacecv;usingnamespacestd;voidtest3_1(){ doubledurationa,durationb,durationc; doublecacStart,cacEnd; ucharr,g,b; floatfgray; intM,ii,jj,k,sumpixel; Matimage=imread("..\\image\\book\\beach.jpg",0); Matgray(image.size().height,image.size().width,CV_8UC1,Scalar(0)); cacStart=static_cast<double>(getTickCount()); for(intm=0;m<100;m++) for(inti=0;i<image.size().height;i++) for(intj=0;j<image.size().width;j++) { b=image.at<Vec3b>(i,j)[0]; g=image.at<Vec3b>(i,j)[1]; r=image.at<Vec3b>(i,j)[2]; fgray=0.299*r+0.587*g+0.114*b; gray.at<uchar>(i,j)=saturate_cast<uchar>(fgray); } for(intii=1;ii<gray.size().height-1;ii++) for(intjj=1;jj<gray.size().width-1;jj++) { //M=ii*jj; sumpixel=0; for(inti=-1;i<3;i++) { for(intj=1;j<2;j++) { sumpixel+=gray.at<uchar>(ii+i,jj+j); } } gray.at<uchar>(ii,jj)=saturate_cast<uchar>(sumpixel/9); }cacEnd=static_cast<double>(getTickCount()); durationa=(cacEnd-cacStart)/cv::getTickFrequency(); cvNalinyuWindow("test"); imshow("test",gray); waitKey();}ucharlinyu(uchar*temp,intn){ for(inti=0;i<n;i++) for(intj=i+1;j<n;j++) { if(temp[i]>temp[j]) swap(temp[i],temp[j]); } return(temp[n/2-1]+temp[n/2])/2;}voidtest3_2(){ Matimage=imread("..\\image\\book\\beach.jpg",0); Matgray(image.size().height,image.size().width,CV_8UC1,Scalar(0)); uchartemp1[4]={0}; for(inti=1;i<image.size().height-1;i++)// { uchar*data=image.ptr<uchar>(i); uchar*grayData=gray.ptr<uchar>(i); for(intj=1;j<image.size().width-1;j++) { temp1[0]=(data-1)[j]; temp1[1]=data[j-1]; temp1[2]=data[j+1]; temp1[3]=(data+1)[j]; grayData[j]=linyu(temp1,4); } } cvNalinyuWindow("org"); imshow("org",image); cvNalinyuWindow("4linyu"); imshow("4linyu",gray); waitKey(); uchartemp2[8]={0}; for(inti=1;i<image.size().height-1;i++) { uchar*data=image.ptr<uchar>(i); uchar*grayData=gray.ptr<uchar>(i); for(intj=1;j<image.size().width-1;j++) { temp2[0]=(data-1)[j-1]; temp2[1]=(data-1)[j]; temp2[2]=(data-1)[j+1]; temp2[3]=data[j-1]; temp2[4]=data[j+1]; temp2[5]=(data+1)[j-1]; temp2[6]=(data+1)[j]; temp2[7]=(data+1)[j+1]; grayData[j]=linyu(temp2,8); } } cvNalinyuWindow("org"); imshow("org",image); cvNalinyuWindow("8linyu"); imshow("8linyu",gray); waitKey();}int_tmain(intargc,_TCHAR*argv[]){ test3_1();test3_2(); return0;}实验心得:本次实验让我掌握了实现灰度图像邻域平滑处理方法以及中值滤波处理方法。实验四图像的直方图均衡化实验目的掌握直方图均衡化的基本步骤及实现方法掌握opencv中对图像进行处理的基本过程实验内容：（1）打开一幅灰度图像，对图像进行直方图均衡化处理。

（2）比较原图像与均衡化的图像的差异。

（3）要求自己按照课本介绍的均衡化的步骤在opencv下实现直方图均衡化处理。实验步骤：#include"stdafx.h"#include<opencv2/opencv.hpp>usingnamespacecv;usingnamespacestd;voidtest4(){ intcount[256]; floathist[256],sumHist[256]; ucharhistGray[256]; for(inti=0;i<255;i++) { count[i]=0; hist[i]=0; sumHist[i]=0; histGray[i]=0; } Matimage=imread("..\\image\\book\\beach.jpg",0); Matgray(image.size().height,image.size().width,CV_8UC1,Scalar(0)); for(inti=0;i<image.size().height;i++) { uchar*data=image.ptr<uchar>(i); for(intj=0;j<image.size().width;j++) { count[data[j]]++;