《数字图像处理实验报告(共20页).doc》由会员分享，可在线阅读，更多相关《数字图像处理实验报告(共20页).doc（21页珍藏版）》请在taowenge.com淘文阁网|工程机械CAD图纸|机械工程制图|CAD装配图下载|SolidWorks_CaTia_CAD_UG_PROE_设计图分享下载上搜索。
1、精选优质文档-倾情为你奉上目录 实验一： 数字图像的基本处理操作1.1： 实验目的 1、熟悉并掌握MATLAB、PHOTOSHOP等工具的使用；2、实现图像的读取、显示、代数运算和简单变换。3、熟悉及掌握图像的傅里叶变换原理及性质，实现图像的傅里叶变换。1.2：实验任务和要求1. 读入一幅RGB图像，变换为灰度图像和二值图像，并在同一个窗口内分成三个子窗口来分别显示RGB图像和灰度图像，注上文字标题。2. 对两幅不同图像执行加、减、乘、除操作，在同一个窗口内分成五个子窗口来分别显示，注上文字标题。3. 对一幅图像进行平移，显示原始图像与处理后图像，分别对其进行傅里叶变换，显示变换后结果，分析原
2、图的傅里叶谱与平移后傅里叶频谱的对应关系。4. 对一幅图像进行旋转，显示原始图像与处理后图像，分别对其进行傅里叶变换，显示变换后结果，分析原图的傅里叶谱与旋转后傅里叶频谱的对应关系。1.3：实验步骤和结果1. 对实验任务1的实现代码如下：a=imread(d:tp.jpg);i=rgb2gray(a);I=im2bw(a,0.5);subplot(1,3,1);imshow(a);title(原图像);subplot(1,3,2);imshow(i);title(灰度图像);subplot(1,3,3);imshow(I);title(二值图像);subplot(1,3,1);imshow(a
3、);title(原图像);结果如图1.1 所示：图1.1 原图及其灰度图像，二值图像2. 对实验任务2的实现代码如下：a=imread(d:tp.jpg);A=imresize(a,800 800);b=imread(d:tp2.jpg);B=imresize(b,800 800);Z1=imadd(A,B);Z2=imsubtract(A,B);Z3=immultiply(A,B);Z4=imdivide(A,B);subplot(3,2,1);imshow(A);title(原图像 A);subplot(3,2,2);imshow(B);title(原图像 B);subplot(3,2,3
4、);imshow(Z1);title(加法图像);subplot(3,2,4);imshow(Z2);title(减法图像);subplot(3,2,5);imshow(Z3);title(乘法图像);subplot(3,2,6);imshow(Z2);title(除法图像);结果如图1.2所示：3. 对实验任务3的实现代码如下：s=imread(d:tp3.jpg);i=rgb2gray(s);i=double(i);j=fft2(i);k=fftshift(j); %直流分量移到频谱中心I=log(abs(k); %对数变换m=fftshift(j); %直流分量移到频谱中心RR=real
5、(m); %取傅里叶变换的实部II=imag(m); %取傅里叶变换的虚部A=sqrt(RR.2+II.2);A=(A-min(min(A)/(max(max(A)*255;b=circshift(s,800 450);b=rgb2gray(b);b=double(b);c=fft2(b);e=fftshift(c);I=log(abs(e);f=fftshift(c);WW=real(f);ZZ=imag(f);B=sqrt(WW.2+ZZ.2);B=(B-min(min(B)/(max(max(B)*255;subplot(2,2,1);imshow(s);title(原图像);subpl
6、ot(2,2,2);imshow(uint8(b);title(平移图像);subplot(2,2,3);imshow(A);title(离散傅里叶变换频谱);subplot(2,2,4);imshow(B);title(平移图像离散傅里叶变换频谱);结果如图1.3所示：4. 对实验任务4的实现代码如下：s=imread(d:tp3.jpg);i=rgb2gray(s);i=double(i);j=fft2(i);k=fftshift(j);I=log(abs(k);m=fftshift(j);RR=real(m);II=imag(m);A=sqrt(RR.2+II.2);A=(A-min(m
7、in(A)/(max(max(A)*255;b=imrotate(s,-90);b=rgb2gray(b);b=double(b);c=fft2(b);e=fftshift(c);I=log(abs(e);f=fftshift(c);WW=real(f);ZZ=imag(f);B=sqrt(WW.2+ZZ.2);B=(B-min(min(B)/(max(max(B)*255;subplot(2,2,1);imshow(s);title(原图像);subplot(2,2,2);imshow(uint8(b);title(平移图像);subplot(2,2,3);imshow(A);title(离
8、散傅里叶频谱);subplot(2,2,4);imshow(B);title(平移图像离散傅里叶频谱);结果如图1.4所示：1.4：结果分析对MATLAB软件的操作开始时不太熟悉，许多语法和函数都不会使用，写出程序后，调试运行，最开始无法显示图像，检查原因，是有些标点符号没有在英文状态下输入和一些其他的细节，学会了imread()，imshow()，rgb2gray（）等函数。实验二： 图像的灰度变换和直方图变换2.1： 实验目的1、熟悉及掌握图像的采样原理，实现图像的采样过程，进行图像的灰度转换。 2、理解直方图的概念及应用，实现图像直方图的显示，及通过直方图均衡对图像进行修正。2.2：实验
9、任务和要求1、 对一幅图像进行2倍、4倍、8倍和16倍减采样，显示结果。2、 显示一幅灰度图像a，改变图像亮度使其整体变暗得到图像b，显示两幅图像的直方图。3、 对一幅图像进行灰度变化，实现图像变亮、变暗和负片效果，在同一个窗口内分成四个子窗口来分别显示，注上文字标题。4、 对一副图像进行直方图均衡化，显示结果图像和对应直方图。5、 对一副图像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。2.3：实验步骤和结果1.对实验任务1的实现代码如下： a=imread(d:tp2.jpg); b=rgb2gray(a);for m=1:4figurewidth,height=size
10、(b);quartimage=zeros(floor(width/(m),floor(height/(2*m);k=1;n=1;for i=1:(m):widthfor j=1:(2*m):heightquartimage(k,n)=b(i,j);n=n+1;endk=k+1;n=1;endimshow(unit8(quartimage);end结果如图所示：2. 对实验任务2的实现代码如下： a=imread(d:tp2.jpg); c=rgb2gray(a); b=c-46; subplot(3,2,1);imshow(c);title(原图像) subplot(3,2,2);imhist
11、(c);title(原图像的直方图) subplot(3,2,3);imshow(b);title(变暗后的图像) subplot(3,2,4);imhist(b);title(变暗后的图像直方图); d=imadjust(c,0,1,1,0); subplot(3,2,5);imshow(d);title(反转图像);结果如图2.2所示：3. 对实验任务3的实现代码如下：a=imread(d:tp.jpg);m=imadjust(a,0.5;1);%图像变亮n=imadjust(a,0;0.5);%图像变暗g=255-a;%负片效果subplot(2,2,1);imshow(a);title
12、(原图像);subplot(2,2,2);imshow(m);title(图像变亮);subplot(2,2,3);imshow(n);title(图像变暗);subplot(2,2,4);imshow(g);title(负片效果);结果如图所示：4. 对实验任务4的实现代码如下：b=imread(d:tp.jpg);c=rgb2gray(b);j=histeq(c);subplot(2,2,1),imshow(c);subplot(2,2,2),imshow(j);subplot(2,2,3),imhist(c);subplot(2,2,4),imhist(j);结果如图2.4所示：5. 对
13、实验任务5的实现代码如下：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;plot(x,y);结果如图所示：2.4：结果分析这次实验主要是对图像的灰度变换和直方图均衡化，实验内容包括灰度拉伸、图像反转、图像的二值化以及直方图均衡。通过实验将课本上理论知识加以实践，实验过程中明白了图像处理的一些技巧。但是以上几种方法采用的基本都是线性变换法，在实际应用中存在很多缺陷。它只能处理一些黑白分明的图像
14、，而对于一些颜色丰富或者处理比较复杂图像时，往往于心不足。实验三： 图像的平滑处理3.1： 实验目的1、熟悉并掌握常见的图像噪声种类；2、理解并掌握常用的图像的平滑技术，如邻域平均法和中值滤波的原理、特点、适用对象。3.2：实验任务和要求1、 读出lena.jpg这幅图像，给这幅图像分别加入椒盐噪声、高斯噪声和乘性噪声后并与前一张图显示在同一图像窗口中。2、 对受高斯噪声（模拟均值为0方差为0.02的高斯噪声）干扰的lena图像分别利用邻域平均法和中值滤波进行滤波去噪（窗口可变，可先取3*3，依次再取5*5，7*7），并显示滤波结果。3、 对受椒盐噪声（噪声方差为0.02）干扰的lena图像，
15、选择合适的滤波器将噪声滤除。4、 对受乘性噪声（噪声方差为0.02）干扰的lena图像，选择合适的滤波器将噪声滤除。3.3：实验步骤和结果 1. 对实验任务1的实现代码如下： I=imread(d:tp.jpg); i=rgb2gray(I); J=imnoise(i,gaussian,0,0.02);%高斯噪声 K=imnoise(i,salt & pepper,0.02);%椒盐噪声 P=imnoise(i,speckle,0.02);%乘性噪声 subplot(2,2,1);imshow(i); xlabel(原图); subplot(2,2,2);imshow(J);xlabel(高斯
16、噪声); subplot(2,2,3);imshow(K);xlabel(椒盐噪声); subplot(2,2,4);imshow(P);xlabel(乘性噪声);结果如图3.1所示：2.对实验任务2的实现代码如下： I=imread(d:tp.jpg); i=rgb2gray(I); J=imnoise(i,gaussian,0,0.02); K=im2double(J); h=fspecial(average); G1=filter2(h,K,same); G2=medfilt2(K); subplot(2,2,1);imshow(1); subplot(2,2,1);imshow(i);
17、 xlabel(原图); subplot(2,2,2);imshow(J); xlabel(添加高斯噪声); subplot(2,2,3);imshow(G1); xlabel(均值滤波); subplot(2,2,4);imshow(G2); xlabel(中指滤波);结果如图3.2所示：3. 对实验任务3的实现代码如下： I=imread(D:tp.jpg); i=rgb2gray(I); J=imnoise(i,salt & pepper,0.02); K=im2double(J); h=fspecial(average); G1=filter2(h,K,same); G2=medfil
18、t2(K); subplot(2,2,1);imshow(i); xlabel(原图); subplot(2,2,2);imshow(J); xlabel(添加椒盐噪声); subplot(2,2,3);imshow(G1); xlabel(均值滤波); subplot(2,2,4);imshow(G2); xlabel(中值滤波);结果如图3.3所示：4. 对实验任务4的实现代码如下： i=imread(D:tp.jpg); I=rgb2gray(i); J=imnoise(I,speckle,0.02); K=im2double(J); h=fspecial(average); G1=fi
19、lter2(h,K,same); G2=medfilt2(K); subplot(2,2,1);imshow(I); xlabel(原图); subplot(2,2,2);imshow(J); xlabel(添加乘性噪声); subplot(2,2,3);imshow(G1); xlabel(均值滤波); subplot(2,2,4);imshow(G2); xlabel(中值滤波);结果如图3.4所示：3.4：结果分析（1）采用均值滤波器对图像处理能达到去噪的效果，并且一般滤波器的模板越大去噪效果越好，但是应该适中，当模板选择的过大时，处理的效果就会下降，因此我们应该根据具体的要求选择合适的
20、模板来处理图像。（2）采用高斯滤波器对图像处理能达到去噪的效果，与均值滤波器相同，随着所用的滤波器尺寸的增大，图像的细节锐化程度相应降低图像变得模糊起来。但相较于均值滤波器，其模糊程度较小。但是高斯滤波同时受到标准差 sigma 的影响。（3）中值滤波对去除“椒盐”噪声可以起到很好的效果,因为椒盐噪声只在画面中的部分点上随机出现,所以根据中值滤波原理可知,通过数据排序的方法,将图像中未被噪声污染的点代替噪声点的值的概率比较大,因此噪声的抑制效果很好。中值滤波与均值滤波相比，在去除图像椒盐噪声的同时，还能够保持图像比较清晰的轮廓。从实验结果可以看出，通过3*3 的均值滤波器，图像中的噪声点有明显
21、的消除。但是 3*3 的非线性模板中值滤波器上对噪声的滤除效果更完美。实验四：图像的锐化处理4.1： 实验目的1、熟悉并掌握MATLAB图像处理工具箱的使用；2、理解并掌握常用的图像的锐化技术。4.2：实验任务和要求 1、采用三种不同算子对图像进行锐化处理。2、锐化空间滤波1) 采用33的拉普拉斯算子w = 1, 1, 1; 1 8 1; 1, 1, 1滤波2) 编写函数w = genlaplacian(n)，自动产生任一奇数尺寸n的拉普拉斯算子，如55的拉普拉斯算子：w = 1 1 1 1 1 1 1 1 1 1 1 1 -24 1 1 1 1 1 1 1 1 1 1 1 13) 分别采用5
22、5，99，1515和2525大小的拉普拉斯算子对blurry_moon.tif进行锐化滤波，并利用式完成图像的锐化增强，观察其有何不同，要求在同一窗口中显示。4.3：实验步骤和结果1. 对实验任务1的实现代码如下： i=imread(d:tp.jpg); I=rgb2gray(i); H=fspecial(sobel); I1=filter2(H,I); H=fspecial(prewitt); I2=filter2(H,I); H=fspecial(log); I3=filter2(H,I); subplot(2,2,1);imshow(i);title(原图像); subplot(2,2,
23、2);imshow(I1);title(sobel算子锐化图像); subplot(2,2,3);imshow(I2);title(prewitt算子锐化图像); subplot(2,2,4);imshow(I3);title(log算子锐化图像);结果如图所示：2. 对实验任务2的实现代码如下：1） i=imread(D:tp.jpg); I=rgb2gray(i); T=double(I); subplot(1,2,1),imshow(T,); w=1,1,1;1,-8,1;1,1,1; K=conv2(T,w,same); subplot(1,2,2),imshow(K,); title
24、(Lalacian Transformation);结果如图所示：2）function w = genlaplacian(n) w=ones(n); x=ceil(n/2); w(x,x)=-1*(n*n-1); end3）w1=genlaplcaian(5); I=imread(d:tp.jpg);T=double(I);K=conv2(T,w1same);J=T-K;4.4：结果分析通过对数字图像进行锐化处理，可以增强图像的边缘，使模糊的图像变得清晰起来，而以上几种方法都能很好的将图像的边缘变得清晰，但是要在不影响图像整体效果的情况下还是比较困难。综上所述，根据不同的情况可以需要选用不同的方法。在边缘检测中，常用的一种模板是Sobel 算子。Sobel 算子有两个，一个是检测水平边缘的 ；另一个是检测垂直边缘的 。与Prewitt算子相比，Sobel算子对于象素的位置的影响做了加权，可以降低边缘模糊程度，因此效果更好。专心-专注-专业