數(shù)字圖像處理實驗

1、數(shù)字圖像處理實驗 學(xué)生姓名 學(xué) 號 班 級 學(xué) 院 專 業(yè) 二一四年 12 月8日實驗一：數(shù)字圖像基本操作1實驗?zāi)康?) 掌握讀、寫圖像的基本方法。2) 掌握MATLAB語言中圖像數(shù)據(jù)與信息的讀取方法。2.實驗原理灰度變換是圖像增強的一種重要手段，它常用于改變圖象的灰度范圍及分布，是圖象數(shù)字化及圖象顯示的重要工具。1) 圖像反轉(zhuǎn)灰度級范圍為0, L-1的圖像反轉(zhuǎn)可由下式獲得2) 對數(shù)運算：有時原圖的動態(tài)范圍太大，超出某些顯示設(shè)備的允許動態(tài)范圍，如直接使用原圖，則一部分細(xì)節(jié)可能丟失。解決的方法是對原圖進行灰度壓縮，如對數(shù)變換：s = clog(1 + r)，c為常數(shù)，r 03) 冪次變換：4)

2、對比拉伸：在實際應(yīng)用中,為了突出圖像中感興趣的研究對象，常常要求局部擴展拉伸某一范圍的灰度值，或?qū)Σ煌秶幕叶戎颠M行不同的拉伸處理，即分段線性拉伸：其對應(yīng)的數(shù)學(xué)表達(dá)式為：3、實驗內(nèi)容與要求復(fù)制若干圖形文件（如forest.tif和b747.jpg）至MATLAB目錄下work文件夾中。特別需要熟悉下列命令：熟悉imread()函數(shù)、imwrite()函數(shù)、size()函數(shù)、Subplot（）函數(shù)、Figure（）函數(shù)。1) 將MATLAB目錄下work文件夾中的forest.tif圖像文件讀出.用到imread，imfinfo等文件，觀察一下圖像數(shù)據(jù)，了解一下數(shù)字圖像在MATLAB中的處理就

3、是處理一個矩陣。將這個圖像顯示出來（用imshow）。嘗試修改map顏色矩陣的值，再將圖像顯示出來，觀察圖像顏色的變化。2) 將MATLAB目錄下work文件夾中的b747.jpg圖像文件讀出，用rgb2gray()將其轉(zhuǎn)化為灰度圖像，記為變量B。1. 實驗具體實現(xiàn)1. 文件讀取與信息顯示：load trees;X,map=imread('forest.tif');subimage(X,map);I=imread('forest.tif');imshow(I);imfinfo('forest.tif') 2. map顏色矩陣的修改X,map=im

4、read('forest.tif');map1=map+map;subimage(X,map1);3. 灰度圖像的轉(zhuǎn)化RGB=imread('b747.jpg');B=rgb2gray(RGB); 4. 自選圖像完成1）、2）、3)1) 文件讀取與信息顯示：load trees;X,map=imread(' chrom.bmp');subimage(X,map);I=imread(' chrom.bmp');imshow(I);imfinfo(' chrom.bmp')2) map顏色矩陣的修改X,map=imre

5、ad(' chrom.bmp');map1=map+map;subimage(X,map1);2) 灰度圖像的轉(zhuǎn)化RGB=imread(' Bird.bmp');B=rgb2gray(RGB);實驗二：數(shù)字圖像的灰度調(diào)整1實驗?zāi)康?.理解圖像灰度變換處理在圖像增強的作用。2.掌握繪制灰度直方圖的方法，理解灰度直方圖的灰度變換及均衡化的方法。2.實驗原理灰度直方圖的橫坐標(biāo)是灰度級，縱坐標(biāo)是該灰度級出現(xiàn)的頻度，它是圖像最基本的統(tǒng)計特征。依據(jù)定義，在離散形式下， 用rk代表離散灰度級，用pr(rk)代表pr(r)，并且有下式成立： 式中：nk為圖像中出現(xiàn)rk級灰度的像

6、素數(shù)，n是圖像像素總數(shù)，而nk/n即為頻數(shù)。直方圖均衡化處理是以累積分布函數(shù)變換法為基礎(chǔ)的直方圖修正法。假定變換函數(shù)為 (a) Lena圖像 (b) Lena圖像的直方圖圖1.2 Lena圖像及直方圖當(dāng)灰度級是離散值時，可用頻數(shù)近似代替概率值，即式中：l是灰度級的總數(shù)目，pr(rk)是取第k級灰度值的概率，nk是圖像中出現(xiàn)第k級灰度的次數(shù)，n是圖像中像素總數(shù)。所以積分可以表示為下列累計分布函數(shù)(cumulative distribution function, CDF)3、實驗內(nèi)容與要求自選圖像，完成以下操作.1. 圖像灰度變換處理在圖像增強的作用g1=imadjust(B,0 1,1 0);

7、g2=imcomplement(g1);g3=im2uint8(mat2gray(log(1+double(B);圖中對圖像文件進行了基本的灰度變換，包括用式s = L 1 r 得到的圖像反轉(zhuǎn)，對反轉(zhuǎn)圖像的求補，以及對數(shù)變換的采用。名字為B的圖 灰度變換后2. 繪制圖像灰度直方圖的方法，對圖像進行均衡化處理 圖像灰度直方圖的顯示與灰度調(diào)整imhist(B);J = imadjust(B,0 1);imhist(J);subimage(J); 在原始圖像中，直方圖的組成成分集中在高灰度等級（亮）一側(cè)，且圖像灰度范圍為0,1，故將灰度值調(diào)整到0,1間后直方圖無明顯變化。類似的，將灰度值調(diào)整到0,0

8、.5時，整個圖像變暗，直方圖橫向壓縮1倍。 灰度值為0,1 灰度值為0,0.5 對B進行直方圖均衡化處理，試比較與原圖的異同。%I = imread('pout.tif'); J,T = histeq(B); figure,plot(0:255)/255,T); 原圖像中目標(biāo)物的灰度主要集中于高亮度部分，而且象素總數(shù)較多，所占的灰度等級較少。經(jīng)過直方圖均衡后，目標(biāo)物的所占的灰度等級得到擴展，對比度加強，使整個圖像得到增強。 數(shù)字圖像均衡化后，其直方圖并非完全均勻分布，這是因為圖像的象素個數(shù)和灰度等級均為離散值，而且均衡化使灰度級并歸。因此，均衡化后，其直方圖并非完全均勻分布。

9、對B進行如圖所示的分段線形變換處理，試比較與直方圖均衡化處理的異同。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;subplot(2,2,4);plot(x,y); 通過在所關(guān)心范圍內(nèi)為所有灰度值指定一個較高值，而為其他灰度指定一個較低值，或?qū)⑺璺秶兞?，分段線性變換可提高圖像中特定灰度范圍的亮度，常用于圖像特征值的提取。這里將原始圖像位于0.125,0.75間的灰度值調(diào)低，放大其余的灰度

10、值，突出顯示圖像低頻域和高頻域的部分。實驗三、數(shù)字圖像的空域濾波一、 實驗?zāi)康? 了解空域濾波的方法；2 掌握幾種模板的基本原理。二、實驗內(nèi)容1. 使用函數(shù)fspecial( ) 生成幾種特定的模板；2. 使用函數(shù)imfilter( ) 配合模板對圖象數(shù)據(jù)進行二維卷積；3 比較各種濾波器的效果。三、實驗步驟及結(jié)果1 線性平滑（低通）濾波器a. 用 h=fspecial(average) 得到的h 為3×3的鄰域平均模板，然后用h來對圖象cameraman.tif 進行平滑處理。>> x=imread('Bird.bmp'); h=fspecial (

11、9;average'); /3×3的鄰域平均模板(7×7的鄰域平均模板h=fspecial(average,7,7) y=imfilter(x,h); subplot(1,2,1) imshow(x) subplot(1,2,2) imshow(y)b. 改變 fspecial( )的參數(shù)為高斯低通模板fspecial(gaussian)，再以上同樣的平滑處理，觀察其結(jié)果。x=imread('Bird.bmp');h=fspecial('gaussian')y=imfilter(x,h);subplot(2,3,1)imshow(x)

12、subplot(2,3,2)imshow(y)h1=fspecial('gaussian',7,7)y1=imfilter(x,h1);subplot(2,3,3)imshow(y1)h2=fspecial('gaussian',9,9)y2=imfilter(x,h2);subplot(2,3,4)imshow(y2)h3=fspecial('gaussian',11,11)y3=imfilter(x,h3);subplot(2,3,5);imshow(y3);c. 可以用mesh 函數(shù)直觀觀察模板：h1=fspecial('gauss

13、ian',100,3); x y=meshgrid(1:100); mesh(x,y,h1); h2=fspecial('gaussian',100,10); figure mesh(x,y,h2)2 非線性平滑濾波器a. 中值（median）濾波器是非線性濾波器的一種，它工作原理如下：1） 將模板在圖中漫游，并將模板中心與圖中某個象素位置重合；2） 讀取模板下各對應(yīng)象素的灰度值；3） 將這些灰度值從小到大排成一列；4） 找出這些值中排在中間的1個；5） 將這個中間值賦給對應(yīng)模板中心位置的象素。b. 先用 imnoise( )函數(shù)給圖象加噪聲，如對圖象增加高斯白噪聲y=

14、imnoise(x,gaussian) 代碼：x=imread(' Bird.bmp');y=imnoise(x,'gaussian');subplot(1,2,1)imshow(x)subplot(1,2,2)imshow(y)c. 對圖象 Bird.bmp添加胡椒鹽噪聲（salt&pepper）,然后分別用前面的均值濾波器和中值濾波器medfilt2( ) 進行去噪聲處理，比較結(jié)果。中值濾波代碼：x=imread('Bird.bmp');B=rgb2gray(x);h = imnoise(B,'salt & peppe

15、r',0.02);y= medfilt2(h);subplot(1,2,1) imshow(x)subplot(1,2,2)imshow(y) 3 線性銳化濾波器a. 線性銳化濾波器的模板為h= -1 -1 -1; -1 8 -1;-1 -1 -1; 用該模板對圖象 Bird.bmp 進行銳化處理；代碼：>>x=imread(' Bird.bmp');h= -1 -1 -1; -1 8 -1; -1 -1 -1y=imfilter(x,h);subplot(1,2,1)imshow(x)subplot(1,2,2)imshow(y)b. 也可以fspecia

16、l('laplacian') 函數(shù)得到銳化模板；代碼：x=imread('Bird.bmp');h= fspecial('laplacian')y=imfilter(x,h);subplot(1,2,1)imshow(x)subplot(1,2,2)imshow(y)c. 索貝爾（sobel）算子 h1= -1 0 1;-2 0 2;-1 0 1; h2= 1 2 1;0 0 0;-1 -2 -1;分別使用以上算子對圖象進行處理可以得到圖象的邊緣。x=imread('Bird.bmp');h1= -1 0 1; -2 0 2;-1

17、 0 1;y=imfilter(x,h);subplot(1,2,1)imshow(x)subplot(1,2,2)imshow(y)x=imread('Bird.bmp');h2= 1 2 1; 0 0 0;-1 -2 -1;y=imfilter(x,h);subplot(1,2,1)imshow(x)subplot(1,2,2)imshow(y)實驗四、數(shù)字圖像的頻域濾波一實驗?zāi)康?.了解頻域濾波的方法；2.掌握頻域濾波的基本步驟。二、實驗內(nèi)容1 使用二維快速傅立葉變換函數(shù)fft2( )及其反變換函數(shù)ifft2( )對圖象進行變換；2 自己編寫函數(shù)生成各種頻域濾波器；3 比

18、較各種濾波器的特點。三、實驗步驟及結(jié)果4 圖象的傅立葉變換d. 對某一圖象Bird.bmp做傅立葉變換。代碼：>> x=imread('Bird.bmp'); f=fft2(x); imshow(real(f) %顯示變換后的實部圖象 figure f1=fftshift(f); imshow(real(f1) 傅里葉變換圖一 圖二e. 對圖象 Bird.bmp進行傅立葉變換，分別顯示變換后的實部圖象。代碼：>>x=imread('Bird.bmp');f=fft2(x);imshow(real(f) 變換后圖像頻域濾波的步驟d. 求圖象

19、的傅立葉變換得 F=fft2(x)e. 用函數(shù)F=fftshit(F) 進行移位f. 生成一個和F 一樣大小的濾波矩陣 H .g. 用F和H相乘得到 G , G=F.*Hh. 求G的反傅立葉變換得到 g 就是我們經(jīng)過處理的圖象。這其中的關(guān)鍵就是如何得到H 。 5 理想低通濾波器d. 函數(shù)dftuv( )在文件夾中，它用生成二維變量空間如： U V=dftuv(11,11)e. 生成理想低通濾波器 U V=dftuv(51,51); D=sqrt(U.2+V.2); H=double(D<=15); Mesh(U,V,H)f. 應(yīng)用以上方法，對圖象Bird.bmp進行低通濾波; Q=0.7x=imread('Bird.bmp')F=fft2(x)； U V=dftuv(size(F,1),size(F,2); D=sqrt(U.2+V.2); H=double(D<= size(F,1)/2*Q); G=F.*H; imshow(real(fftshift(F) figureimshow(real(fftshift(G)g=real(ifft2(G);figureimshow(