数字图像处理实验指导书1

《数字图像处理实验指导书1》由会员分享，可在线阅读，更多相关《数字图像处理实验指导书1（24页珍藏版）》请在装配图网上搜索。

1、数字图像处理实验指导书自动化工程学院2010年11月试行实验一、数字图像获取1均值滤波1均值滤波的概念及用法2 均值滤波的MATLAB程序2、中值滤波1中值滤波的概念及用法2中值滤波的MATLAB程序3、图像增强1.直方图修改处理图像的概念及方法2.直方图均衡化增强图像对比度的MATLAB程序：实验二、图像分割实验一 图像的运算实验1.1 直方图一实验目的1熟悉matlab图像处理工具箱及直方图函数的使用；2理解和掌握直方图原理和方法；二实验设备1.PC机一台；2.软件matlab。三程序设计在matlab环境中，程序首先读取图像，然后调用直方图函数，设置相关参数，再输出处理后的图像。I=im

2、read(cameraman.tif);%读取图像subplot(1,2,1),imshow(I) %输出图像title(原始图像) %在原始图像中加标题subplot(1,2,2),imhist(I) %输出原图直方图title(原始图像直方图) %在原图直方图上加标题四实验步骤1. 启动matlab双击桌面matlab图标启动matlab环境；2. 在matlab命令窗口中输入相应程序。书写程序时，首先读取图像，一般调用matlab自带的图像，如:cameraman图像；再调用相应的直方图函数，设置参数；最后输出处理后的图像；3浏览源程序并理解含义；4运行，观察显示结果；5结束运行，退出；

3、五实验结果观察图像matlab环境下的直方图分布。 (a)原始图像 (b)原始图像直方图六实验报告要求1、给出实验原理过程及实现代码；2、输入一幅灰度图像，给出其灰度直方图结果，并进行灰度直方图分布原理分析。实验1.2 灰度均衡一实验目的1熟悉matlab图像处理工具箱中灰度均衡函数的使用；2理解和掌握灰度均衡原理和实现方法；二实验设备1.PC机一台；2.软件matlab；三程序设计在matlab环境中，程序首先读取图像，然后调用灰度均衡函数，设置相关参数，再输出处理后的图像。I=imread(cameraman.tif);%读取图像subplot(2,2,1),imshow(I) %输出图像

4、title(原始图像) %在原始图像中加标题subplot(2,2,3),imhist(I) %输出原图直方图title(原始图像直方图) %在原图直方图上加标题a=histeq(I,256); %直方图均衡化，灰度级为256subplot(2,2,2),imshow(a) %输出均衡化后图像title(均衡化后图像) %在均衡化后图像中加标题subplot(2,2,4),imhist(a) %输出均衡化后直方图title(均衡化后图像直方图) %在均衡化后直方图上加标题四实验步骤1. 启动matlab双击桌面matlab图标启动matlab环境；2. 在matlab命令窗口中输入相应程序。书

5、写程序时，首先读取图像，一般调用matlab自带的图像，如:cameraman图像；再调用相应的灰度均衡函数，设置参数；最后输出处理后的图像；3浏览源程序并理解含义；4运行，观察显示结果；5结束运行，退出；五实验结果观察matlab环境下图像灰度均衡结果及直方图分布。 (a)原始图像 (b)均衡化后图像 (c)原始图像直方图 (d)均衡化后图像直方图六实验报告要求1、给出实验原理过程及实现代码；2、输入一幅灰度图像，给出其灰度均衡结果，并进行灰度均衡化前后图像直方图分布对比分析。实验1.3 3*3均值滤波一实验目的1熟悉matlab图像处理工具箱及均值滤波函数的使用；2理解和掌握3*3均值滤波

6、的方法和应用；二实验设备1.PC机一台；2.软件matlab；三程序设计 在matlab环境中，程序首先读取图像，然后调用图像增强（均值滤波）函数，设置相关参数，再输出处理后的图像。I = imread(cameraman.tif);figure,imshow(I);J=filter2(fspecial(average,3),I)/255;figure,imshow(J);四实验步骤1. 启动matlab双击桌面matlab图标启动matlab环境；2. 在matlab命令窗口中输入相应程序。书写程序时，首先读取图像，一般调用matlab自带的图像，如:cameraman图像；再调用相应的图像

7、增强（均值滤波）函数，设置参数；最后输出处理后的图像；3浏览源程序并理解含义；4运行，观察显示结果；5结束运行，退出；五实验结果观察matlab环境下原始图像经3*3均值滤波处理后的结果。 (a)原始图像 (b)3*3均值滤波处理后的图像图(3)六实验报告要求输入一幅灰度图像，给出其图像经3*3均值滤波处理后的结果，然后对每一点的灰度值和它周围24个点，一共25个点的灰度值进行均值滤波，看看对25个点取均值与对9个点取中值进行均值滤波有什么区别？有没有其他的算法可以改进滤波效果。实验1.4 3*3中值滤波一实验目的1熟悉matlab图像处理工具箱及中值滤波函数的使用；2理解和掌握中值滤波的方法

8、和应用；二实验设备1.PC机一台；2.软件matlab；三程序设计在matlab环境中，程序首先读取图像，然后调用图像增强（中值滤波）函数，设置相关参数，再输出处理后的图像。I = imread(cameraman.tif);figure,imshow(I);J=medfilt2(I,5,5);figure,imshow(J);四实验步骤1. 启动matlab双击桌面matlab图标启动matlab环境；2. 在matlab命令窗口中输入相应程序。书写程序时，首先读取图像，一般调用matlab自带的图像，如:cameraman图像；再调用相应的图像增强（中值滤波）函数，设置参数；最后输出处理后

9、的图像；3浏览源程序并理解含义；4运行，观察显示结果；5结束运行，退出；五实验结果观察matlab环境下原始图像经3*3中值滤波处理后的结果。 (a)原始图像 (b)3*3中值滤波处理后的图像图(4)六实验报告要求输入一幅灰度图像，给出其图像经3*3中值滤波处理后的结果，然后对每一点的灰度值和它周围24个点，一共25个点的灰度值进行排序后取中值，然后该点的灰度值取中值。看看对25个点取中值与对9个点取中值进行中值滤波有什么区别？实验1.5 图像的缩放一实验目的1熟悉matlab图像处理工具箱及图像缩放函数的使用；2掌握图像缩放的方法和应用；二实验设备1.PC机一台；2.软件matlab；三程序

10、设计在matlab环境中，程序首先读取图像，然后调用图像缩放函数，设置相关参数，再输出处理后的图像。I = imread(cameraman.tif);figure,imshow(I);scale = 0.5;J = imresize(I,scale);figure,imshow(J);四实验步骤1. 启动matlab双击桌面matlab图标启动matlab环境；2. 在matlab命令窗口中输入相应程序。书写程序时，首先读取图像，一般调用matlab自带的图像，如:cameraman图像；再调用相应的图像缩放函数，设置参数；最后输出处理后的图像；3浏览源程序并理解含义；4运行，观察显示结果；

11、5结束运行，退出；五实验结果观察matlab环境下图像缩放后的结果。 (a)原始图像 (b)缩放后的图像图(5)六实验报告要求 输入一幅灰度图像，给出其图像缩放后的结果，然后改变缩放比率，观察图像缩放后结果柄进行分析。实验1.6 图像旋转一实验目的1熟悉matlab图像处理工具箱及图像旋转函数的使用；2理解和掌握图像旋转的方法和应用；二实验设备1.PC机一台；2.软件matlab；三程序设计在matlab环境中，程序首先读取图像，然后调用图像旋转函数，设置相关参数，再输出处理后的图像。I = imread(cameraman.tif);figure,imshow(I);theta = 30;K

12、 = imrotate(I,theta); % Try varying the angle, theta.figure, imshow(K)四实验步骤1. 启动matlab双击桌面matlab图标启动matlab环境；2. 在matlab命令窗口中输入相应程序。书写程序时，首先读取图像，一般调用matlab自带的图像，如:cameraman图像；再调用相应的图像旋转函数，设置参数；最后输出处理后的图像；3浏览源程序并理解含义；4运行，观察显示结果；5结束运行，退出；五实验结果观察matlab环境下图像旋转后的结果。 (a)原始图像 (b)旋转后的图像图(7)六实验报告要求输入一幅灰度图像，给出

13、其图像旋转后的结果，然后改变旋转角度，观察图像旋转后结果柄进行分析。实验1.7 边缘检测（Sobel、Prewitt、Log边缘算子）一实验目的1熟悉matlab图像处理工具箱及图像边缘检测函数的使用；2理解和掌握图像边缘检测（Sobel、Prewitt、Log边缘算子）的方法和应用；二实验设备1.PC机一台；2.软件matlab；三程序设计在matlab环境中，程序首先读取图像，然后调用图像边缘检测（Sobel、Prewitt、Log边缘算子）函数，设置相关参数，再输出处理后的图像。I = imread(cameraman.tif);J1=edge(I,sobel);J2=edge(I,pr

14、ewitt);J3=edge(I,log);subplot(1,4,1),imshow(I);subplot(1,4,2),imshow(J1);subplot(1,4,3),imshow(J2);subplot(1,4,4),imshow(J3);四实验步骤1. 启动matlab双击桌面matlab图标启动matlab环境；2. 在matlab命令窗口中输入相应程序。书写程序时，首先读取图像，一般调用matlab自带的图像，如:cameraman图像；再调用相应的边缘检测（Sobel边缘算子、Prewitt边缘算子、Log边缘算子）函数，设置参数；最后输出处理后的图像；3浏览源程序并理解含义

15、；4运行，观察显示结果；5结束运行，退出；五实验结果观察经过图像边缘检测（Sobel、Prewitt、Log边缘算子）处理后的结果。 (a)原始图像 (b)Sobel边缘算子 (c)Prewitt边缘算子 (d)Log边缘算子图(7)六实验报告要求输入一幅灰度图像，给出其图像边缘检测（Sobel、Prewitt、Log边缘算子）后的结果并进行分析对比。%对图像进行一些简单的几何处理clc;clearI=imread(cameraman.tif);invI=imcomplement(I);%求I的补K=uint8(filter2(fspecial(gaussian),I);%对图像进行高斯滤波m

16、,n=size(I);%获取图像的长宽i=1:m;j=1:n;M=zeros(m,n);M(i,j)=I(i,j)+20;%给图像所有像素加上一个值Z=I-K;%求出经过高斯滤波和源图像的差值I1=I*1.3;%做源图像和常数相乘I2=I./invI;%做源图像和其不图像相除J1=imresize(I,0.2);%将图像变为原来的0.2倍J2=imresize(I,2.5);%将图像变为原先的2.5倍figure(1);subplot(3,3,1);imshow(I,0 255);title(原始图像)subplot(3,3,2);imshow(invI,0 255);title(图像求逆)s

17、ubplot(3,3,3);imshow(K,0 255);title(图像滤波)subplot(3,3,4);imshow(M,0 255);title(图像加法)subplot(3,3,5);imshow(Z,0 255);title(图像减法)subplot(3,3,6);imshow(I1,0 255);title(图像乘法)subplot(3,3,7);imshow(I2,0 255);title(图像除法)subplot(3,3,8);imshow(J1,0 255);title(图像缩小)subplot(3,3,9);imshow(J2,0 255);title(图像放大)%图像

18、直方图均衡及其处理B=imread(pout.tif);B1=histeq(B);%做直方图均衡化figure(2);subplot(2,2,1);imshow(B);title(原始图像)subplot(2,2,2);imshow(B1);title(均衡化后)subplot(2,2,3);imhist(B);title(原始图像的直方图)subplot(2,2,4);imhist(B1);title(均衡化后图像的直方图)%图像滤波，平滑，边缘提取，增强C=imread(cameraman.tif);F1=1 1 1;1 1 1;1 1 1/9;%3*3均值滤波F2= 1 2 1; 0 0

19、 0; -1 -2 -1;%求边缘F3=-1 -1 -1;-1 9 -1;-1 -1 -1;%高通滤波C1=filter2(F1,C);%应用3*3均值滤波器C2=filter2(F2,C);C3=filter2(F3,C);figure(3);subplot(2,2,1);imshow(C,0 255);title(原图)subplot(2,2,2);imshow(C1,0 255);title(平滑滤波)subplot(2,2,3);imshow(C2,0 255);title(边缘提取)subplot(2,2,4);imshow(C3,0 255);title(图像增强)%图像添加噪声并

20、且滤除D=imread(eight.tif);D1=imnoise(D,gaussian,0,0.01);%给图像添加噪声D2=medfilt2(D1);%中值滤波figure(4);subplot(1,3,1);imshow(D,0 255);title(原图);subplot(1,3,2);imshow(D1,0 255);title(加入椒盐噪声)subplot(1,3,3);imshow(D2,0 255);title(中值滤波后)%8*8矩阵做DCT反变换clc,clear;M=zeros(8,8);%产生一个8*8的全0矩阵M(1,1)=1;%让其（0,0）点的系数为1N1=idc

21、t2(M);%对M做IDCT变换N1=uint8(N1);%转换为0-255的整数M(1,1)=0;M(1,2)=1;N2=idct2(M);%对M做IDCT变换N2=uint8(N2);M(1,2)=0;M(2,1)=1;N3=idct2(M);%对M做IDCT变换N3=uint8(N3);M(2,1)=0;M(5,5)=1;N4=idct2(M);%对M做IDCT变换N4=uint8(N4);figure(1);subplot(2,2,1),imshow(N1);title(0,0点的值为1做dct反变换)subplot(2,2,2),imshow(N2);title(1,2点的值为1做d

22、ct反变换)subplot(2,2,3),imshow(N3);title(2,1点的值为1做dct反变换)subplot(2,2,4),imshow(N4);title(5,5点的值为1做dct反变换)%将dct系数矩阵修改为下面这个矩阵进行变换N=zeros(8,8);N(1,1)=1000,N(1,2)=300,N(2,1)=10,N(2,2)=20;K1=idct2(N);N(1,1)=2000,N(1,2)=1000,N(2,1)=100,N(2,2)=100K2=idct2(N);N(1,1)=100,N(1,2)=200,N(2,1)=10,N(2,2)=20;N(1,5)=1;

23、N(5,5)=20;K3=idct(N);N(1,1)=600,N(1,2)=300,N(2,1)=60,N(2,2)=70;N(1,5)=19;N(5,5)=120,N(5,1)=20;K4=idct2(N)figure(2);subplot(2,2,1),imshow(K1,0 255);title(K1)subplot(2,2,2),imshow(K2,0 255);title(K2)subplot(2,2,3),imshow(K3,0 255);title(K3)subplot(2,2,4),imshow(K4,0 255);title(K4)%对图像做dct变换和量化I=imread

24、(cameraman.tif);%读入原始图像J=dct2(I);%对原始图像做DCT变换m,n=size(I);%获取图像大小i=1:m;j=1:n;K1=zeros(m,n);K2=K1;K3=K2;K1(i,j)=round(J(i,j)/8)%量化K2(i,j)=round(J(i,j)/4)%量化K3(i,j)=round(J(i,j)/16)%量化J1=zeros(m,n);J2=J1;J3=J2;J1(i,j)=K1(i,j)*8;%反量化J2(i,j)=K2(i,j)*4;%反量化J3(i,j)=K3(i,j)*16;%反量化I1=zeros(m,n);I2=I1;I3=I2;

25、I1=idct2(J1);%反dct变换I2=idct2(J2);%反dct变换I3=idct2(J3);%反dct变换figure(3)subplot(2,2,1),imshow(I);title(原始图像);subplot(2,2,2);imshow(I2,0 255);title(重建图像(q=4);subplot(2,2,3);imshow(I1,0 255);title(重建图像(q=8);subplot(2,2,4);imshow(I3,0 255);title(重建图像(q=16);%使用量化矩阵对图像做量化A=imread(cameraman.tif);I=im2double(

26、A);T=dctmtx(8);B=blkproc(I,8 8,P1*x*P2,T,T);%DCT变换%量化Q= 16 11 10 16 24 40 51 61 ;12 12 14 19 26 58 60 55 ;14 13 16 24 40 57 69 56 ;14 17 22 29 51 87 80 62 ;18 22 37 58 68 109 103 77 ;24 35 55 64 81 104 113 92 ;49 64 78 87 103 121 120 101;72 92 95 98 112 100 103 99;BQ=blkproc(B,8 8,x./P1,Q);%用量化矩阵量化D

27、CT系数矩阵BQ=round(BQ*255)/255;%做四舍五入IBQ=blkproc(BQ,8 8,x.*P1,Q);%反量化IB=blkproc(IBQ,8 8,P1*x*P2,T,T);%进行DCT反变换%IB=uint8(IB);%转换为Uint8类型;figure(4);subplot(2,2,1);imshow(A);title(原始图像);subplot(2,2,2);imshow(I1,0 255);title(重建图像(q=8);subplot(2,2,3);imshow(IB);title(重建图像(量化矩阵);subplot(2,2,4);imshow(imcomple

28、ment(uint8(IB*255)-A);title(量化后与原图差别求反);实验二、自编matlab程序1均值滤波1均值滤波的概念及用法均值滤波是典型的线性滤波算法，它是指在图像上对目标像素给一个模板，该模板包括了其周围的临近像素（以目标象素为中心的周围8个象素，构成一个滤波模板，即去掉目标象素本身）。再用模板中的全体像素的平均值来代替原来像素值。 均值滤波也称为线性滤波，其采用的主要方法为领域平均法。线性滤波的基本原理是用均值代替原图像中的各个像素值，即对待处理的当前像素点（x，y），选择一个模板，该模板由其近邻的若干像素组成，求模板中所有像素的均值，再把该均值赋予当前像素点（x，y），

29、作为处理后图像在该点上的灰度个g（x，y），即个g（x，y）=1/m f（x，y） m为该模板中包含当前像素在内的像素总个数。2 均值滤波的MATLAB程序clear allx=imread(d:/te_1.bmp);b=double(x);m,n=size(b);for i=2:m-1for j=2:n-1me=round(b(i-1,j-1)+b(i-1,j)+b(i,j-1)+b(i+1,j)+b(i,j+1)+b(i+1,j+1)+b(i-1,j+1)+b(i+1,j-1)+b(i,j)/9); b(i,j)=me;endendimshow(b,);2、中值滤波1中值滤波的概念及用法中

30、值滤波是对一个滑动窗口内的诸像素灰度值排序，用其中值代替窗口中心象素的原来灰度值，它是一种非线性的图像平滑法，它对脉冲干扰级椒盐噪声的抑制效果好，在抑制随机噪声的同时能有效保护边缘少受模糊。 以一维信号的中值滤波举例。对灰度序列80、120、90、200、100、110、70，如果按大小顺序排列，其结果为70、80、90、10O、110、120、200，其中间位置上的灰度值为10O，则该灰度序列的中值即为100。一维信号中值滤波实际上就是用中值代替规定位置（一般指原始信号序列中心位置）的信号值。对前面所举的序列而言，中值滤波的结果是用中值100替代序列80、120、90、200、100、110

31、、70中的信号序列中心位置值200，得到的滤波序列就是80、120、90、100、100、110、70。如果在此序列中200是一个噪声信号，则用此方法即可去除这个噪声点。 二维中值滤波算法是：对于一幅图像的象素矩阵，取以目标象素为中心的一个子矩阵窗口，这个窗口可以是3*3 ，5*5 等根据需要选取，对窗口内的象素灰度排序，取中间一个值作为目标象素的新灰度值。窗口示例如0000x0000上面x为目标象素，和周围0组成3*3矩阵Array，然后对这9个元素的灰度进行排序，以排序后的中间元素Array4为x的新灰度值，如此就完成对象素x的中值滤波，再迭代对其他需要的象素进行滤波即可。2中值滤波的MA

32、TLAB程序clear all %清除工作区x=imread(d:/te_1.bmp); %打开图像b=double(x); %为保证精度，转化为double类型m,n=size(b); %获取图像大小for i=2:m-1 %行循环for j=2:n-1 %列循环a(1)=b(i-1,j-1); 当前像素与其8邻域组成9个元素的数组a(2)=b(i,j-1);a(3)=b(i-1,j);a(4)=b(i,j);a(5)=b(i+1,j);a(6)=b(i,j+1);a(7)=b(i+1,j+1);a(8)=b(i-1,j+1);a(9)=b(i+1,j-1);for k=1:5 %排序算法

33、for k1=k+1:9if(a(k)a(k1)s=a(k);a(k)=a(k1);a(k1)=s;endendendb(i,j)=a(5); %取中值赋给当前像素endendimshow(b,); %显示double形式的图像数组3、图像增强1.直方图修改处理图像的概念及方法图像增强是指按特定的需要突出一幅图像中的某些信息，同时，消弱或去除某些不需要的信息的处理方法。其主要目的是处理后的图像对某些特定的应用比原来的图像更加有效。图像增强技术主要有直方图修改处理、图像平滑化处理、图像尖锐化处理和彩色处理技术等。本实验以直方图均衡化增强图像对比度的方法为主要内容，其他方法可以在课后自行练习。直方

34、图是多种空间域处理技术的基础。直方图操作能有效地用于图像增强。除了提供有用的图像统计资料外，直方图固有的信息在其他图像处理应用中也是非常有用的，如图像压缩与分割。直方图在软件中易于计算，也适用于商用硬件设备，因此，它们成为实时图像处理的一个流行工具。直方图是图像的最基本的统计特征，它反映的是图像的灰度值的分布情况。直方图均衡化的目的是使图像在整个灰度值动态变化范围内的分布均匀化，改善图像的亮度分布状态，增强图像的视觉效果。灰度直方图是图像预处理中涉及最广泛的基本概念之一。图像的直方图事实上就是图像的亮度分布的概率密度函数，是一幅图像的所有象素集合的最基本的统计规律。直方图反映了图像的明暗分布规

35、律，可以通过图像变换进行直方图调整，获得较好的视觉效果。直方图均衡化是通过灰度变换将一幅图像转换为另一幅具有均衡直方图，即在每个灰度级上都具有相同的象素点数的过程2.直方图均衡化增强图像对比度的MATLAB程序：I=imread(*.gif); % 读入原图像J=histeq(I); %对原图像进行直方图均衡化处理Imshow(I); %显示原图像Title(原图像); %给原图像加标题名Figure；imshow(J); %对原图像进行屏幕控制；显示直方图均衡化后的图像Title(直方图均衡化后的图像) ; %给直方图均衡化后的图像加标题名Figure; subplot(1,2,1) ;%对

36、直方图均衡化后的图像进行屏幕控制；作一幅子图作为并排两幅图的第1幅图Imhist(I,64); %将原图像直方图显示为64级灰度Title(原图像直方图) ; %给原图像直方图加标题名Subplot(1,2,2); %作第2幅子图Imhist(J,64) ; %将均衡化后图像的直方图显示为64级灰度Title(均衡变换后的直方图) ; %给均衡化后图像直方图加标题名2.直方图均衡化增强图像对比度的MATLAB程序大津分割A=imread(d:pepper.bmp);B=rgb2gray(A)T=graythresh(B);g=im2bw(B,T);subplot(121),imshow(B);

37、subplot(122),imshow(g);%统计图像直方图并以128为阈值进行分割B=imread(d:/1.bmp);A=double(B);m,n=size(A);hist1=zeros(1,256);for i=1:m for j=1:n pix=A(i,j); hist1(pix+1)=hist1(pix+1)+1; hist(pix+1)=double(hist1(pix+1)/(m+n); endendfor i=1:m for j=1:n if A(i,j)=128; C(i,j)=0; else C(i,j)=255; end endendsubplot(121),bar(hist);subplot(122),imshow(C,);