中南大學(xué)數(shù)字圖像實(shí)驗(yàn)報(bào)告

1、數(shù)字圖像處理實(shí)驗(yàn)報(bào)告 學(xué) 院： 信息科學(xué)與工程 專業(yè)班級： 電子信息工程 學(xué) 號： 姓 名： 指導(dǎo)老師： 目錄實(shí)驗(yàn)一 數(shù)字圖像的基本操作和灰度變換31.1實(shí)驗(yàn)?zāi)康?1.2實(shí)驗(yàn)原理與方法31.3實(shí)驗(yàn)內(nèi)容與結(jié)果分析41.4思考問題9實(shí)驗(yàn)二 圖像的空間域增強(qiáng)112.1實(shí)驗(yàn)?zāi)康?12.2實(shí)驗(yàn)原理與方法112.3實(shí)驗(yàn)內(nèi)容與結(jié)果分析122.4思考問題15實(shí)驗(yàn)三 圖像的傅里葉變換和頻域處理173.1實(shí)驗(yàn)?zāi)康?73.2實(shí)驗(yàn)原理與方法173.3實(shí)驗(yàn)內(nèi)容與結(jié)果分析17附錄 實(shí)驗(yàn)代碼20實(shí)驗(yàn)一 數(shù)字圖像的基本操作和灰度變換一、 實(shí)驗(yàn)?zāi)康?1. 了解數(shù)字圖像的基本數(shù)據(jù)結(jié)構(gòu) 2. 熟悉Matlab中數(shù)字圖像處理的基本函

2、數(shù)和基本使用方法 3. 掌握圖像灰度變換的基本理論和實(shí)現(xiàn)方法 4. 掌握直方圖均衡化增強(qiáng)的基本理論和實(shí)現(xiàn)方法二、實(shí)驗(yàn)原理與方法1. 圖像灰度的線性變換灰度的線性變換可以突出圖像中的重要信息。通常情況下，處理前后的圖像灰度級是相同的，即處理前后的圖像灰度級都為0，255。那么，從原理上講，我們就只能通過抑制非重要信息的對比度來騰出空間給重要信息進(jìn)行對比度展寬。 0255 255圖1.1 對比度線性變換關(guān)系設(shè)原圖像的灰度為，處理后的圖像的灰度為，對比度線性展寬的原理示意圖如圖1.1所示。假設(shè)原圖像中我們關(guān)心的景物的灰度分布在，區(qū)間內(nèi)，處理后的圖像中，我們關(guān)心的景物的灰度分布在，區(qū)間內(nèi)。在這里，也就

3、是說我們所關(guān)心的景物的灰度級得到了展寬。根據(jù)圖中所示的映射關(guān)系中分段直線的斜率我們可以得出線性對比度展寬的計(jì)算公式：， ， （1-1） ，（；）其中，圖像的大小為。2. 直方圖均衡化 直方圖均衡化是將原始圖像通過某種變換，得到一幅灰度直方圖為均勻分布的新圖像的方法。 離散圖像均衡化處理可通過變換函數(shù)：來實(shí)現(xiàn)三、實(shí)驗(yàn)內(nèi)容與步驟1熟悉MATLAB語言中數(shù)字圖像處理函數(shù)的使用。2. 圖像灰度線性變換的實(shí)現(xiàn) 1）讀入一幅灰度圖像test1.tif，顯示其灰度直方圖 2）根據(jù)圖像灰度直方圖，選擇所關(guān)心的圖像景物的灰度分布范圍fa,fb，以及擬變換的灰度分布范圍ga,gb 3）實(shí)現(xiàn)對圖像的灰度線性變換 4

4、）調(diào)整，的值，觀察對處理結(jié)果的影響。 灰度范圍fa=30,fb=50,ga=30,gb=200，線性變換系數(shù)如下= 1，=8.5，= 0.268 = 1對于灰度值0-30直方圖幾乎沒有發(fā)生變化，可看做是恒等變化；灰度值處于30至50之間的部分進(jìn)行拉伸，其他部分壓縮，圖像變換效果比較明顯。30至50位于直方圖低灰度值部分，所以圖像變亮?；叶确秶鷉a=60,fb=100,ga=30,gb=200，線性變換系數(shù)如下=0.5 ，=4.25，= 0.3548灰度范圍fa=30,fb=80,ga=30,gb=200，線性變換系數(shù)如下= 1，=3.4，= 0.314由可以看出，對于斜率大于1的部分對圖像灰度

5、分布范圍有拉伸作用，斜率小于1的部分對圖像灰度分布范圍有壓縮作用，斜率等于1的部分對于圖像灰度范圍沒有變化。 灰度范圍fa=30,fb=80,ga=130,gb=255，線性變換系數(shù)如下=4.3 ，=2.5，= 00-30，30-80灰度范圍拉伸，其他壓縮，圖像變亮?；叶确秶鷉a=100,fb=150,ga=5,gb=50，線性變換系數(shù)如下=0.05，=0.9，= 1.95100-150灰度區(qū)間壓縮，圖像變暗 灰度范圍fa=100,fb=150,ga=50,gb=200，線性變換系數(shù)如下=0.5，=3，= 0.523由此可以看出，將圖像灰度在100到150之間的部分進(jìn)行灰度拉伸，其他部分灰度壓

6、縮，圖像整體變暗了，但因?yàn)槔斓幕叶戎堤幱谥虚g部分，所以效果不明顯。3. 圖像的均衡化處理 1）讀入一幅灰度圖像test2.tif,求出其直方圖 2）利用Matlab函數(shù)實(shí)現(xiàn)圖像的均衡化處理 3）同屏顯示處理前后的圖像和灰度直方圖，說明處理前后直方圖的變化以及對應(yīng)的灰度變化均衡化處理前，直方圖分布集中在低亮度區(qū)域，圖像暗且對比度低，視覺效果差。均衡化處理后，直方圖分布均勻，圖像變亮，且對比度提高，圖像清晰，視覺效果好。附：程序界面部分截圖：1. 均衡化處理2.灰度線性變換 四、思考問題1在映射關(guān)系中，分段直線的斜率的大小對圖像處理結(jié)果有哪些影響？斜率大于1的部分對圖像灰度有拉伸作用，小于1的部

7、分對圖像灰度有壓縮作用。例如，低灰度級的區(qū)域斜率大于1，有拉伸作用，高灰度級的區(qū)域斜率小于1，有壓縮作用，所以圖像變亮；反之，圖像變暗。2在進(jìn)行對比度擴(kuò)展時(shí)，如何確定和選取所關(guān)心的景物？根據(jù)直方圖分布的峰值所在區(qū)域，一半背景峰值分布在直方圖低灰度區(qū)，物體對象峰值分布在直方圖高灰度區(qū)，兩峰之間的谷底近似背景和物體對象的分界。因此對于暗圖像可以將峰值左邊灰度范圍進(jìn)行擴(kuò)展，使圖像變亮，對于亮圖像將峰值右邊灰度范圍進(jìn)行擴(kuò)展，使圖像變亮，以達(dá)到增強(qiáng)圖像對比度效果。3. 直方圖均衡化適用于什么形式的灰度分布情形？適用于圖像的有用數(shù)據(jù)的對比度相當(dāng)接近的時(shí)候，灰度分布集中在較窄的區(qū)域從而使圖像細(xì)節(jié)不清晰的圖像

8、，直方圖均衡化后使圖像的灰度間距拉開，使灰度分布均勻，增大反差，提高對比度，使圖像細(xì)節(jié)清晰，改善視覺效果。實(shí)驗(yàn)二 圖像的空間域增強(qiáng)一、 實(shí)驗(yàn)?zāi)康?1. 熟悉圖像空間域增強(qiáng)方法，掌握增強(qiáng)模板使用方法2. 掌握均值濾波器、中值濾波器的理論基礎(chǔ)和實(shí)現(xiàn)方法3. 掌握圖像銳化的基本理論和實(shí)現(xiàn)方法4. 驗(yàn)證圖像濾波處理結(jié)果二、實(shí)驗(yàn)原理與方法圖像增強(qiáng)是數(shù)字圖像處理的基本內(nèi)容之一，其目的是根據(jù)應(yīng)用需要突出圖像中的某些“有用”信息，削弱或去除不需要的信息，以改善圖像的視覺效果,或突出圖像的特征，便于計(jì)算機(jī)處理。圖像增強(qiáng)可以在空間域進(jìn)行，也可以在頻率域中進(jìn)行。空間域?yàn)V波主要利用空間模板進(jìn)行，如33，55模板等。一

9、般來說，使用大小為mn 的濾波器對大小為MN 的圖像f進(jìn)行空間濾波，可表示成： 其中，m=2a+1, n=2b+1, (,)是濾波器系數(shù)，(,)是圖像值均值濾波器是一種空間平滑濾波器，它是對包含噪聲的圖像上的每個(gè)像素點(diǎn)，用它鄰域內(nèi)像素的平均值替代原來的像素值。例如，采用一個(gè)33的模板，待處理的像素為f(i,j)，則處理后圖像對應(yīng)的像素值為g(i-1,j+1)g(i,j)=1/9*(f(i-1,j-1)+f(i-1,j)+f(i-1,j+1)+f(i,j-1)+f(i,j)+f(i,j+1)+f(i+1,j-1)+f(i+1,j)+f(i+1,j+1); 中值濾波器也是一種空間平滑濾波器，它是對

10、以圖像像素點(diǎn)為中心的一個(gè)滑動(dòng)窗口內(nèi)的諸像素灰度值排序，用中值代替窗口中心像素的原來灰度值，因此它是一種非線性的圖像平滑法。采用Laplacian銳化算子進(jìn)行圖像邊緣的銳化，是采用二階差分運(yùn)算獲得像素間的差異值，由此，獲得對圖像景物邊界的銳化。Laplacian也可以算子也可以寫成是模板作用的方式，如下：設(shè)待處理的像素為f(i,j)，則處理后圖像對應(yīng)的像素值為g(i-1,j+1)，則g(i,j)=4*f(i,j) -(f(i-1,j-1)+f(i,j-1)+f(i,j+1)+f(i+1,j); 常用的銳化算子還有Roberts、Prewitt和Sobel算子等三、實(shí)驗(yàn)內(nèi)容與步驟1讀入一幅2562

11、56 大小、256 級灰度的數(shù)字圖像test32. 圖像的平滑濾波處理1）對原圖像分別加入高斯噪聲、椒鹽噪聲。2）利用鄰域平均法，分別采用33，55模板對加噪聲圖像進(jìn)行平滑處理，顯示原圖像、加噪圖像和處理后的圖像。3）利用中值濾波法，分別采用33，55模板對加噪聲圖像進(jìn)行去噪處理，顯示原圖像、加噪圖像和處理后的圖像。4）比較各種濾波方法和濾波模板的處理結(jié)果加入高斯噪聲，均值濾波加入高斯噪聲，中值濾波加入椒鹽噪聲，均值濾波加入椒鹽噪聲，中值濾波3. 圖像的銳化處理 1）利用Laplacian 銳化算子（=-1）對256256 大小、256 級灰度的數(shù)字圖像test4進(jìn)行銳化處理，顯示處理前、后圖

12、像。 2) 分別利用Roberts、Prewitt 和Sobel 邊緣檢測算子，對數(shù)字圖像test4進(jìn)行邊緣檢測，顯示處理前、后圖像。 四、思考問題1采用均值濾波、中值濾波，對高斯噪聲和椒鹽噪聲的抑制哪種比較有效？均值濾波對高斯噪聲的抑制比較有效，但造成一定的模糊，鄰域越大，圖像模糊越嚴(yán)重；中值濾波對椒鹽噪聲比較有效，從實(shí)驗(yàn)結(jié)果看3*3模板處理后的圖像接近原圖像，而5*5模板造成圖像模糊嚴(yán)重，鄰域越大，模糊越嚴(yán)重。2模板大小的不同，所處理效果有何不同？為什么？模板越大，去噪能力增強(qiáng)，但同時(shí)造成的模糊越嚴(yán)重。均值濾波中，模板中央像素灰度值取模板內(nèi)所有像素的平均，模板越大，關(guān)聯(lián)的像素越多，降低噪聲

13、對中央像素灰度值的影響，提高去噪能力，但同時(shí)使邊緣附近像素灰度值接近，造成圖像模糊。中值濾波中，窗口中央灰度值取窗口內(nèi)所有像素的中值，模板越大，噪聲出現(xiàn)的次數(shù)，越可能小于模板的一半則被濾掉，提高了降噪能力，尤其是椒鹽噪聲，但同時(shí)使圖像邊緣附近像素灰度值接近而造成圖像模糊，范圍越大，模糊越嚴(yán)重。3對Laplacian銳化算子的處理結(jié)果中，對小于0的部分，采用不同的方法標(biāo)準(zhǔn)化到0,255時(shí)，圖像的顯示效果有什么不同？為什么？對于小于0的部分可以采用以下辦法：方法1：整體加一個(gè)正整數(shù)，以保證所有的像素值均為正。比如+128，還有255視為255處理,這樣做的結(jié)果是：可以獲得類似浮雕的效果。方法2：將

14、所有的像素值取絕對值。這樣做的結(jié)果是，可以獲得對邊緣的有方向提取。 實(shí)驗(yàn)三 圖像的傅里葉變換和頻域處理一、 實(shí)驗(yàn)?zāi)康?1. 熟悉圖像空間域和頻率域的關(guān)系，掌握快速傅里葉變換2. 掌握離散傅里葉變換的性質(zhì)和應(yīng)用二、實(shí)驗(yàn)原理與方法圖像既能在空間域處理，也能在頻率域處理。把圖像信息從空域變換到頻域，可以更好地分析、加工和處理二維離散傅立葉正變換的表達(dá)式為逆變換為：二維離散傅立葉變換具有若干性質(zhì)，如：線性性、平移性、可分離性、周期性、共軛對稱性、旋轉(zhuǎn)不變性等?？衫秒x散傅里葉變換，將信號從空間域變換到頻率域，在頻率域選擇合適的濾波器H(u,v)對圖像的頻譜成分進(jìn)行處理，然后經(jīng)逆傅立葉變換得到處理圖像，

15、實(shí)現(xiàn)圖像處理結(jié)果。三、實(shí)驗(yàn)內(nèi)容與步驟1產(chǎn)生一幅如圖所示亮塊圖像f(x,y)（256256 大小、暗處=0，亮處=255）,對其進(jìn)行FFT：（1）同屏顯示原圖f 和FFT(f)的幅度譜圖；（2）若令f1(x,y)=（-1）x+y f（x,y)，重復(fù)以上過程，比較二者幅度譜的異同，簡述理由；（3）若將f1(x,y)順時(shí)針旋轉(zhuǎn)45 度得到f2(x,y)，試顯示FFT(f2)的幅度譜，并與FFT(f2)的幅度譜進(jìn)行比較。2. 對256256 大小、256 級灰度的數(shù)字圖像test5進(jìn)行頻域的理想低通、高通濾波濾波，同屏顯示原圖、幅度譜圖和低通、高通濾波的結(jié)果圖。設(shè)置低通濾波截止頻率為Dl0=50，即：

16、1，0，設(shè)置高通濾波器截止頻率為Dh0=30，即： 1， 0，由濾波結(jié)果可以得出，低通濾波器由于濾掉了高頻成分，高頻成分含有大量邊緣信息，所以造成了一定程度的圖像模糊。高通濾波器濾掉了低頻成分，保留了高頻成分，即保留了邊界信息，所以顯示出原圖像的邊界。附錄實(shí)驗(yàn)代碼實(shí)驗(yàn)一：1. 界面設(shè)計(jì)2. 源碼 ugamma.m文件% 計(jì)算灰度分段線性變換參數(shù)a,b,r% fa,fb 目標(biāo)灰度范圍% ga,gb 逆變換灰度范圍function a,b,r = ugamma( fa,fb,ga,gb )a = ga/fa;b = (gb - ga)/(fb-fa);r = (255 - gb)/(255 - f

17、b);end histlt.m文件% 求解灰度分段線性變換后圖像% g 變換后圖像% f 處理圖像對象% fa,fb 關(guān)心灰度區(qū)間% ga,gb 逆變換后灰度區(qū)間function g = histlt(f,fa,fb,ga,gb)M,N = size(f);a,b,r = ugamma(fa,fb,ga,gb);for i=1:M for j=1:N if f(i,j)=fa g(i,j) = a*f(i,j); elseif f(i,j)=fb g(i,j) = b*(f(i,j)-fa)+ga; else g(i,j)=r*(f(i,j)-fb)+gb; end endendend lab

18、1gui_1.m 界面關(guān)聯(lián)核心代碼% figure打開時(shí)回調(diào)函數(shù)function lab1gui_1_OpeningFcn(hObject, eventdata, handles, varargin)scrsize = get(0,ScreenSize);set(gcf,Position,scrsize); % 窗口最大化index = 1; %標(biāo)記當(dāng)前選擇處理項(xiàng)handles.index = index;handles.output = hObject;guidata(hObject, handles);% 文件選擇器選擇圖像后回調(diào)函數(shù)function rpicBtn_Callback(hO

19、bject, eventdata, handles)filename,pathname = uigetfile(*.tif,讀取圖片);filecomppath = pathname filename;set(handles.pfEdit,string,filecomppath); % 顯示讀取文件的路徑f = imread(filecomppath);handles.f = f;axes(handles.axes1);imshow(f);axes(handles.axes2);imhist(f);g = histeq(handles.f); handles.g = g;guidata(hOb

20、ject,handles);showProcessResult(handles);% 圖像處理按鈕回調(diào)function dwBtn_Callback(hObject, eventdata, handles)switch handles.index case 1 g = histeq(handles.f); case 2 g = getlt(handles);endhandles.g = g;guidata(hObject,handles);showProcessResult(handles);% 退出按鈕回調(diào)function exitBtn_Callback(hObject, eventdat

21、a, handles)close all;clear all;clc;% 單選按鈕組 線性變換，均衡化選擇變化回調(diào)function uipanel7_SelectionChangeFcn(hObject, eventdata, handles)sectag = get(hObject,tag); switch sectag case ltRb g = getlt(handles); index = 2; case histeqRb g = histeq(handles.f); index = 1;endhandles.g = g;handles.index = index;guidata(hO

22、bject,handles);showProcessResult(handles);% 線性變換處理function gs = getlt(handles)%得到文本框中輸入?yún)?shù)fa = str2double(get(handles.fa,string);fb = str2double(get(handles.fb,string);ga = str2double(get(handles.ga,string);gb = str2double(get(handles.gb,string);a,b,r = ugamma(fa,fb,ga,gb);fprintf(a= %f,b=%f,c=%fn,a,

23、b,r);% 設(shè)置數(shù)據(jù)set(handles.k1,string,= num2str(a);set(handles.k2,string,= num2str(b);set(handles.k3,string,= num2str(r);gs = histlt(handles.f,fa,fb,ga,gb);% 顯示處理后結(jié)果function showProcessResult(handles) axes(handles.axes3);imshow(handles.g);axes(handles.axes4);imhist(handles.g);實(shí)驗(yàn)二：1. 界面設(shè)計(jì)homegui.figlab2gu

24、i_1.figlab2gui_2.fig2. 源碼homegui.m%退出按鈕回調(diào)function pushbutton3_Callback(hObject, eventdata, handles)clc;close all;%啟動(dòng)窗口lab2gui_1function phlbBtn_Callback(hObject, eventdata, handles)lab2gui_1;%啟動(dòng)窗口lab2gui_2function pushbutton2_Callback(hObject, eventdata, handles)lab2gui_2;lab2gui_1.mfunction lab2gui

25、_1_OpeningFcn(hObject, eventdata, handles, varargin)scrsize = get(0,ScreenSize);set(gcf,Position,scrsize); % 窗口最大化handles.output = hObject;guidata(hObject, handles);function readimgBtn_Callback(hObject, eventdata, handles)filename,pathname = uigetfile(*.tif,讀取圖片);filecomppath = pathname filename;set

26、(handles.filepathEdit,string,filecomppath); % 顯示讀取文件的路徑f = imread(filecomppath);handles.f = f;axes(handles.axes1);imshow(f);gp = getpollutionImg(1,handles.f);showpollutionImg(gp,handles);handles.gp = gp;guidata(hObject,handles);glb3 glb5 = getfilterImg(1,handles.gp);showfilterImg(glb3,glb5,handles);

27、% 得到加入噪聲后圖像% index 1 高斯噪聲 2 椒鹽噪聲function gp = getpollutionImg(index,f)switch index case 1 gp = imnoise(f,gaussian,0,0.03); %加入高斯噪聲，均值、方差分別為0,0.02 case 2 gp = imnoise(f,salt & pepper,0.02); %加入椒鹽噪聲end% 得到濾波后圖像% glb3 3*3模板處理結(jié)果 glb5 5*5模板處理結(jié)果% index: 1 均值濾波 2 中值濾波function glb3 glb5 = getfilterImg(index

28、,gp)switch index case 1 avf3 = fspecial(average,3,3); avf5 = fspecial(average,5,5); glb3 = filter2(avf3,gp); glb5 = filter2(avf5,gp); case 2 glb3 = medfilt2(gp,3,3); glb5 = medfilt2(gp,5,5);end% 顯示噪聲污染后的圖像function showpollutionImg(gp,handles)axes(handles.axes2);imshow(gp);% 顯示濾波處理后的圖像function showfi

29、lterImg(glb3,glb5,handles)axes(handles.axes3);imshow(glb3,);axes(handles.axes4);imshow(glb5,);function backBtn_Callback(hObject, eventdata, handles)close gcf; %關(guān)閉當(dāng)前窗口function uipanel8_SelectionChangeFcn(hObject, eventdata, handles)sectag = get(hObject,tag); disp(sectag);switch sectag case gsBtn inde

30、x = 1; case jyBtn index = 2; endfprintf(加入噪聲index= %d n,index);handles.gp = getpollutionImg(index,handles.f);axes(handles.axes2);imshow(handles.gp);guidata(hObject,handles);if(get(hObject,value)=1) pos = 1else pos = 2;endfprintf(當(dāng)前濾波選擇項(xiàng)pos= %dn,pos);glb3 glb5 = getfilterImg(pos,handles.gp);showfilte

31、rImg(glb3,glb5,handles);function uipanel2_SelectionChangeFcn(hObject, eventdata, handles)sectag = get(hObject,tag); disp(sectag);switch sectag case aveRbtn index = 1; case mediumRbtn index = 2; endfprintf(濾波選擇 index= %d n,index);glb3 glb5 = getfilterImg(index,handles.gp);showfilterImg(glb3,glb5,hand

32、les);lab2gui_2.mfunction lab2gui_2_OpeningFcn(hObject, eventdata, handles, varargin)scrsize = get(0,ScreenSize);set(gcf,Position,scrsize); % 窗口最大化handles.output = hObject;guidata(hObject, handles);function readimgBtn_Callback(hObject, eventdata, handles)filename,pathname = uigetfile(*.tif,讀取圖片);file

33、comppath = pathname filename;set(handles.imgpathEdit,string,filecomppath); % 顯示讀取文件的路徑f = imread(filecomppath);axes(handles.axes1);imshow(f);w = 0,-1,0;-1,5,-1;0,-1,0;f = double(f);glapls = uint8(conv2(f,w);axes(handles.axes2);imshow(glapls,);axes(handles.axes3);grob = edge(f,Roberts);imshow(grob,);

34、axes(handles.axes4);gprew = edge(f,Prewitt);imshow(gprew,);axes(handles.axes5);gsob = edge(f,Sobel);imshow(gsob,);function pushbutton2_Callback(hObject, eventdata, handles)close gcf;實(shí)驗(yàn)三：1. 源碼makeimg.m% 產(chǎn)生一幅如圖所示亮塊圖像f(x,y)（256256 大小、暗處=0，亮處=255）f = zeros(256,256);width = 24;height = 104;yl = (256 - height)/2;yr = (256 - height)/2 + height;xl = (256 - width)/2;xr = (256 - width)/2 + width;for i=yl:1:yr for j=xl:1:xr f(i,j) = 255; endendimshow(f);imwrite(f,F:bw.tif);lab3_1.mclear all;close all;clc;FILEPATH = F:workspacematl