MATLAB数字图像处理实验报告

《数字图像处理》实验报告实验功能：图像的预处理，读入彩色图像将其灰度化绘制直方图直方图均衡化Butterworth低通滤波器几何变换彩色图像分离2013年11月2日目录程序整体功能介绍：我们这实验主要实现了六个功能，用软件系统自带函数和自己写的函数实现将彩色图像灰度化、绘制直方图、直方图均衡化、Butterworth低通滤波器、几何变换、彩色图像分离。子功能的理论介绍实验一，图像的预处理，读入彩色图像将其灰度化灰度图像是数组矩阵，矩阵的值表示灰度浓淡。使用灰度变换函数来实现彩色图像的灰度化，灰度变换函数形式：s=T(r),r代表图像f中的灰度，s表示图像g中的灰度值，两者在图像中处于相同的坐标（x,y）imwrite(rgb2gray(PS),'PicSampleGray.bmp')；将彩色图片灰度化并保存，这个函数把输入灰度图像的窄范围扩展到输出灰度的宽范围。PS=rgb2gray(PS)，灰度化后的数据存入数组实验二，绘制直方图灰度直方图是灰度级的函数，直方图定义离散函数h(r)=n，r是【0，G】间隔内第k级灰度，n为图像中出现r这种灰度的像素数。用h(r)的所有元素除以图像中像素总数，就可以简单的得到归一化直方图。对于整数图像k=0,1,2,3，…,L-1，可用p(r)表示灰度级r出现的概率。fork=0:255GP(k+1)=length(find(PS==k))/(m*n);%计算每级灰度出现的概率，将其存入GP中相应位置endfigure,bar(0:255,GP,'g')，%绘制直方图实验三，直方图均衡化直方图均衡化实质上是对图像进行非线性拉伸，重新分配图像象元值，使一定灰度范围内象元值得数量相等。当灰度级为离散值时，我们利用处理直方图来实现图像均衡化。利用公式s=T(r)==，j=0,1,2，…，L-1—代表给定图像的灰度值直方图，在归一化图中，各个值大致是图像取灰度级的概率，k=0,1,2,3，…，L-1，s是输出的图像灰度值，对应输入图像的灰度值为rfori=1:256forj=1:iS1(i)=GP(j)+S1(i);%计算SkendendS2=round((S1*256)+0.5);%将Sk归到相近级的灰度fori=1:256GPeq(i)=sum(GP(find(S2==i)));%计算现有每个灰度级出现的概率实验四，Butterworth低通滤波器n阶的布特沃斯低通滤波器具有从滤波中心到D的距离的截止频率，传递函数为：H（u，v）=，D为整数，D（u,v）为点（u,v）到滤波器中心的距离。与理想低通滤波器不同，布特沃斯低通滤波器的传递函数在D点没有尖锐的不连续。在实验中我们使用的是2阶布特沃斯低通滤波器，用傅里叶函数将数组转换为矩阵，再计算低通滤波器传递函数g=fft2(f);%傅立叶变换g=fftshift(g);%转换数据矩阵[M,N]=size(g);nn=2;%二阶巴特沃斯(Butterworth)低通滤波器d0=50;m=fix(M/2);n=fix(N/2);fori=1:Mforj=1:Nd=sqrt((i-m)^2+(j-n)^2);h1=1/(1+0.414*(d/d0)^(2*nn));%计算低通滤波器传递函数result1(i,j)=h1*g(i,j);实验五，几何变换几何变换改变了图像中像素间的空间关系，可以使图像变大、变小、旋转等。实验中我们设计了放大1.5倍、缩小0.8倍装置后图像功能。几何变换主要是通过坐标点变换、仿射变换等来实现，假设（w,z）和（x,y）是两个空间的坐标系统，分别为输入空间和输出空间，几何坐标变换可定义为输入空间点到输出空间点的映射：（x,y）=T{(w,z)}，T{·}叫做正向变换或正向映射。仿射变换是从一个向量空间变换到另一个向量空间，由线性部分组成，表示成矩阵相乘部分、加法部分、偏移部分。变换公式=+，这个公式可以写成=T，T为仿射矩阵，重要的仿射变换包括缩放、旋转、平移、裁剪和反射，为了实现不同的种类的变换，可以设置不同的T的值。实验六，彩色图像分离一幅RGB图像就是大小的彩色像素的数组，其中每个彩色像素点都是在特定空间位置的彩色图像所对应的红、绿、蓝三个分量。分量图像的数据类决定了它们的取值范围，如果一幅RGB图像的数据类是double，那么取值范围就是[0,1]，类似的，对于unit8和unit16类的RGB图像，取值范围分别是[0,255],[0,65535],用来表达这些分量图像像素值得比特数决定了一幅RGB图像的比特深度。fR、fG、fB分别表示三幅RGB分量图像，RGB图像就是利用cat操作将这些分量图像组合而成的彩色图像：rab.image=cat(3,fR,fG,fB).子程序的实现（程序）图像的预处理，读入彩色图像将其灰度化PS=imread('1.jpg');%读入JPG彩色图像文件imwrite(rgb2gray(PS),'PicSampleGray.bmp');%将彩色图片灰度化并保存PS=rgb2gray(PS);%灰度化后的数据存入数组imshow(PS)%显示出来%二，绘制直方图[m,n]=size(PS);%测量图像尺寸参数GP=zeros(1,256);%预创建存放灰度出现概率的向量fork=0:255GP(k+1)=length(find(PS==k))/(m*n);%计算每级灰度出现的概率，将其存入GP中相应位置endfigure,bar(0:255,GP,'g')%绘制直方图title('原图像直方图')xlabel('灰度值')ylabel('出现概率')%三，直方图均衡化S1=zeros(1,256);fori=1:256forj=1:iS1(i)=GP(j)+S1(i);%计算SkendendS2=round((S1*256)+0.5);%将Sk归到相近级的灰度fori=1:256GPeq(i)=sum(GP(find(S2==i)));%计算现有每个灰度级出现的概率endfigure,bar(0:255,GPeq,'b')%显示均衡化后的直方图title('均衡化后的直方图')xlabel('灰度值')ylabel('出现概率');%四，Butterworth低通滤波器I=imread('1.jpg');figure;subplot(1,2,1);imshow(I);title('test1.jpg');f=double(I);g=fft2(f);%傅立叶变换g=fftshift(g);%转换数据矩阵[M,N]=size(g);nn=2;%二阶巴特沃斯(Butterworth)低通滤波器d0=50;m=fix(M/2);n=fix(N/2);fori=1:Mforj=1:Nd=sqrt((i-m)^2+(j-n)^2);h1=1/(1+0.414*(d/d0)^(2*nn));%计算低通滤波器传递函数result1(i,j)=h1*g(i,j);endendresult1=ifftshift(result1);J2=ifft2(result1);J3=uint8(real(J2));subplot(1,2,2);imshow(J3);title('低通滤波图t.jpg');%显示滤波处理后的图像%六，几何变换f=imread('1.jpg');f=double(f);f1=imresize(f,1.5,'bilinear');figure;imshow(uint8(f1));title('放大1.5倍');f2=imresize(f,0.8,'bilinear');figure;imshow(uint8(f2));title('缩小0.8倍');i=imread('1.jpg');[height,width,dim]=size(i);tform=maketform('affine',[-100;010;width01]);b=imtransform(i,tform,'nearest');tform1=maketform('affine',[010;100;001]);c=imtransform(i,tform1,'nearest');%七，彩色图像分离a=imread('1.jpg');[r,c,d]=size(a);%提取红色分量red=a;red(:,:,1)=a(:,:,1);red(:,:,2)=zeros(r,c);red(:,:,3)=zeros(r,c);red=uint8(red);subplot(131),imshow(red);%提取绿色分量green=zeros(r,c);green(:,:,2)=a(:,:,2);green(:,:,1)=zeros(r,c);green(:,:,3)=zeros(r,c);green=uint8(green);subplot(132),imshow(green);%提取蓝色分量blue=zeros(r,c);blue(:,:,1)=zeros(r,c);blue(:,:,2)=zeros(r,c);blue(:,:,3)=a(:,:,3);blue=uint8(blue);subplot(133),imshow(blue);子功能的输入、输出、结果原图实验一，输入PS=imread('1.jpg')输出imshow(PS)实验二，输入输入PS=imread('1.jpg')输出title('原图像直方图')实验三，输入PS=imread('1.jpg')输出title('均衡化后的直方图')实验四，输入I=imread('1.jpg');输出imshow(J3);tit