2023年圖像處理實驗報告

摘要:

圖像解決，用計算機(jī)對圖像進(jìn)行分析，以達(dá)成所需結(jié)果的技術(shù)。又稱影像解決?；緝?nèi)容

圖像解決一般指數(shù)字圖像解決。數(shù)字圖像是指用數(shù)字?jǐn)z像機(jī)、掃描儀等設(shè)備通過采樣和數(shù)

字化得到的一個大的二維數(shù)組，該數(shù)組的元素稱為像素，其值為一整數(shù)，稱為灰度值。圖像

解決技術(shù)的重要內(nèi)容涉及圖像壓縮，增強和復(fù)原，匹配、描述和辨認(rèn)3個部分。圖像解決一

般指數(shù)字圖像解決。

數(shù)字圖像解決的目的是改善圖像的質(zhì)量，它以人為對象，以改善人的視覺效果為目的。目

前，圖像解決演示系統(tǒng)應(yīng)用領(lǐng)域廣泛醫(yī)學(xué)、軍事、科研、商業(yè)等領(lǐng)域。由于數(shù)字圖像解決技

術(shù)易于實現(xiàn)非線性解決，解決程序和解決參數(shù)可變，故是一項通用性強，精度高，解決方法

靈活，信息保存、傳送可靠的圖像解決技術(shù)。本圖像解決演示系統(tǒng)以數(shù)字圖像解決理論為基

礎(chǔ)，對某些常用功能進(jìn)行界面化設(shè)計，便于初級用戶的操作。

設(shè)計規(guī)定

可視化界面，采用多幅不同形式圖像驗證系統(tǒng)的對的性；

合理選擇不同形式圖像，反映各功能模塊的效果及驗證系統(tǒng)的對的性

對圖像進(jìn)行灰度級映射，對比分析變換前后的直方圖變化；

1.課題目的與規(guī)定

目的:

基本功能：彩色圖像轉(zhuǎn)灰度圖像

圖像的幾何空間變換：平移，旋轉(zhuǎn)，剪切，縮放

圖像的算術(shù)解決：力口、減、乘

圖像的灰度拉伸方法（包含參數(shù)設(shè)立）;

直方圖的記錄和繪制；直方圖均衡化和規(guī)定化；

規(guī)定：

1、熟悉圖像點運算、代數(shù)運算、幾何運算的基本定

義和常見方法；

2、掌握在MTLAB中對圖像進(jìn)行點運算、代數(shù)運算、幾何運算的方法

3、掌握在MATLAB中進(jìn)行插值的方法

4、運用MATLAB語言進(jìn)行圖像的插值縮放和插值旋轉(zhuǎn)等

5、學(xué)會運用圖像的灰度拉伸方法

6、學(xué)會運用圖像的直方圖設(shè)計和繪制；以及均衡化和規(guī)定化

7、進(jìn)一步熟悉了解MATLAB語言的應(yīng)用，將數(shù)字圖像解決更好的應(yīng)用于實際

2.課題設(shè)計內(nèi)容描述

1＞彩色圖像轉(zhuǎn)化灰度圖像:

大部分圖像都是RGB格式。RGB是指紅，綠，藍(lán)三色。通常是每一色都是256

個級。相稱于過去攝影里提到了8級灰階。

真彩色圖像通常是就是指RGB。通常是三個8位，合起來是24位。但是每一個

顏色并不一定是8位。比如有些顯卡可以顯示16位，或者是32位。所以就有

16位真彩和32位真彩。A在一些特殊環(huán)境下需要將真彩色轉(zhuǎn)換成灰度圖像。

1單獨解決每一個顏色分量。A2.解決圖像的"灰度"，有時候又稱為"高度”。

邊沿加強,平滑，去噪，加銳度等。A3.當(dāng)用黑白打印機(jī)打印照片時,通常也需要將

彩色轉(zhuǎn)成灰白,解決后再打印

4.攝影里，通過黑白照片體現(xiàn)"型體"與"線條"，"光線"。

2＞圖像的幾何空間變化：

圖像平移是將圖像進(jìn)行上下左右的等比例變化，不改變圖像的特性，只改變位

置。

圖像比例縮放是指將給定的圖像在x軸方向按比例縮放fx倍，在y軸按比例縮

放fy倍，從而獲得一幅新的圖像。假如fx=fy,即在x軸方向和y軸方向縮放的

比率相同，稱這樣的比例縮放為圖像的全比例縮放。假如僅wfy,圖像的比例縮

放會改變原始圖象的像素間的相對位置，產(chǎn)生幾何畸變。

旋轉(zhuǎn)。一般圖像的旋轉(zhuǎn)是以圖像的中心為原點，旋轉(zhuǎn)一定的角度,也就是將圖像

上的所有像素都旋轉(zhuǎn)一個相同的角度。旋轉(zhuǎn)后圖像的的大小一般會改變，即可以

把轉(zhuǎn)出顯示區(qū)域的圖像截去，或者擴(kuò)大圖像范圍來顯示所有的圖像。圖像的旋轉(zhuǎn)

變換也可以用矩陣變換來表達(dá)。

3＞圖像的算術(shù)解決:

圖像代數(shù)運算是指對兩幅或兩幅以上輸入圖像相應(yīng)的像素逐個進(jìn)行和差積商運

算以產(chǎn)生增強效果的圖像。圖像運算是一種比較簡樸有效的增強解決手段是圖

像解決中常用方法。三種圖像解決代數(shù)運算的數(shù)學(xué)表達(dá)式如下：

C(x,y)=A(x,y)+B(x,y)

C(x,y)=A(x,y)-B(x,y)

C(x,y)=A(x,y)*B(x,y)

4＞圖像的灰度拉伸方法：

灰度拉伸又叫對比度拉伸，它是最基本的一種灰度變換，使用的是最簡樸的分

段線性變換函數(shù)，它的重要思想是提高圖像解決時灰度級的動態(tài)范圍。

可以有選擇的拉伸某段灰度區(qū)間以改善輸出圖像。如圖，所示的變換函數(shù)的運

算結(jié)果是將原圖在a到b之間的灰度拉伸到c到d之間。假如一幅圖像的灰度

集中在較暗的區(qū)域而導(dǎo)致圖像偏暗，可以用灰度拉伸功能來拉伸(斜率＞1)物體

灰度區(qū)間以改善圖像;同樣假如圖像灰度集中在較亮的區(qū)域而導(dǎo)致圖像偏亮，也可

以用灰度拉伸功能來壓縮(斜率＜1)物體灰度區(qū)間以改善圖像質(zhì)量。

5＞直方圖設(shè)計和繪制；以及均衡化和規(guī)定化：

灰度直方圖是將數(shù)字圖像的所有像素，按照灰度值的大小，記錄其所出現(xiàn)的

頻度。通常，灰度直方圖的橫坐標(biāo)表達(dá)灰度值，縱坐標(biāo)為半個像素個數(shù)，也可以采

用某一灰度值的像素數(shù)占全圖像素數(shù)的比例作為縱坐標(biāo)。

直方圖均衡方法的基本原理是:對在圖像中像素個數(shù)多的灰度值(即對畫面起重

要作用的灰度值)進(jìn)行展寬，而對像素個數(shù)少的灰度值(即對畫面不起重要作用

的灰度值)進(jìn)行歸并。從而達(dá)成清楚圖像的目的。

3.總體方案設(shè)計

1>GUI圖像解決平臺的總體設(shè)計

圖像解決平臺設(shè)計的目的是可以將圖像解決的各個獨立算法集成到一個

平臺內(nèi)，方便用戶選用多種方法對圖像進(jìn)行解決.平臺基于Mat1a

bGUI設(shè)計,實現(xiàn)圖像解決過程的交互和可視化，并為用戶二次開發(fā)提供

平臺接口，提高圖像解決算法的綜合運用效率

2>平臺總體功能設(shè)計

根據(jù)一體化的設(shè)計思想，平臺重要實現(xiàn)算法集成、交互可視化和提供

二次開發(fā)接口等功能.其中算法集成分為已有算法集成和新算法集成.具體

功能描述如下：

(1)已有算法集成是對Matlab圖像解決工具

包中提供的算法進(jìn)行集成，可以通過使用函數(shù)名加參數(shù)的方式直接

調(diào)用.依據(jù)功能進(jìn)行分類，將同類算法集成到同一菜單項內(nèi)，如將傅里葉變

換、小波變換、離散變換等算法歸類到圖像變換中，進(jìn)行集成.

(2)新算法集成是指對自主開發(fā)的算法進(jìn)行集成，如改善水平集算法

［12］、交互式圖割算法口3］、細(xì)胞自動機(jī)分割算法［14］等均為自主開

發(fā)的圖像分割算法，同已有算法集成方式類似，集成到平臺中，便于綜合

運用和算法分析與對比.

(3)交互式可視化是指對圖像解決過程及結(jié)果的可視化顯示，并提

供用戶交互區(qū).

(4)二次開發(fā)接口是指通過調(diào)用集成模板方式，為用戶提供一個將自己算

法集成到平臺中的一個接口

3＞總體布局設(shè)計

一個高性能的圖像解決平臺應(yīng)當(dāng)為用戶提供

方便快捷的操作.平臺設(shè)計中通過菜單和按鈕實現(xiàn)快捷操作,其中菜單項提

供平臺的整體功能，快捷按鈕顯示具體的獨立功能.圖像解決平臺的布局設(shè)

計如圖1所示.運用MatlabGUI提供的工具包和底層代碼,可以實現(xiàn)菜單

功能區(qū)、快捷按鈕功能區(qū)、DEMO顯示區(qū)、可視化效果顯示區(qū)和用戶交

互區(qū)的布局設(shè)計

4.程序?qū)崿F(xiàn)和測試

4.1各個功能模塊的重要實現(xiàn)程序

基本功能:彩色圖像轉(zhuǎn)灰度圖像

I=imread('C:\MATLAB7\too1box\images\imdemos\pepper

s.png'；png');

x=rgb2gray(I);

figure(l);

subplot(121);

imshow(I);

ti11式原始圖像)

subp1ot(122);

imshow(x);

title(灰度圖像)

實驗結(jié)果：

原始圖像灰度圖像

圖像的幾何空間變換：平移，旋轉(zhuǎn)，剪切，縮放

img1=imread('C:\MATLAB7\too1box\images\imdemos\guidem

O123\jujiao3.jpg',Jpg')；

img1=rgb2gray(imgl);

figure,imshow(imgl);

imwriteCimgl/al.jpg')；

%%%%%%平移

se=translate(Stre1(1),[2020]);

img2=imdi1ate(imgl,se)；

figure,imshow(img2);

imwrite(img2/a2.jpg*);

%%%%%%旋轉(zhuǎn)

img3=imrotate(img1,90);

figure,imshow(img3)；

imWrite(img3,*a3.jpg');

%%%%%%縮放

img4=imresize(img1,2);

figure,imshow(img4);

imwrite(img4,*a4.jpg*);

原始圖像：

平移圖像:

。旋轉(zhuǎn)圖像:

縮放圖像:

圖像的算術(shù)解決：加、減、乘

加法

A=imread('C:\MATLAB7\toolbox\images\imdemos\guidemol23\juj

iao3.jpg','jpg);

B=imread('C:\MATLAB7\too1box\images\imdemos\guidemol23\jujiao1.j

pg'.'jpg')；

subp1ot(1,3,1);imshow(A);

titleC圖像1');

subplot(1,3,2);imshow(B);

tit1e('圖像2");

C=imadd(A,B);

subplot(1,3,3);imshow(C);

tit1e(相加后的圖像，)

圖像1圖像2相加后的圖像

減法

A=imread('C:\MATLAB7\toolbox\images\imdemos\guidemo12

3\jujiao3.jpg','jpg');

B=imread(,C:\MATLAB7\tooIbox\images\imdemos\guidemo123\jujiao1.j

pg'/jpg');

subplot(2,3,1);imshow(A);

title('圖像1');

subplot(2,3,2);imshow(B);

tit1e('圖像2');

C=imsubtract(A,B);

subplot(2,3,3);imshow(C);

tile(,相減后的圖像)

圖像1圖像2相減后的圖像

乘法

A=imread('C:\MATLAB7\toolbox\images\imdemos\guidemo123\juj

iao3.jpg','jpg');

B=imread('C:\MATLAB7\toolbox\images\imdemos\guidemo123\

jujiao1.jpg','jpg');

subplot(1,3,1);imshow(A);

tit1e(，圖像1');

subplot(1,3,2);imshow(B);

tit1e('圖像2');

C=immultip1y(A,B);

subplot(1,3,3);imshow(C);

tile「相乘后的圖像)

圖像1圖像2相乘后的圖像

圖像的灰度拉伸方法(包含參數(shù)設(shè)立)；

img=imread('C:\MATLAB7\too1box\images\imdemos\guid

emo123\jujiao3.jpg'；jpg')；

figUre(1)；

imshow(img);

title('原圖’);

[m,n]=size(img)；%測量圖像尺寸參

數(shù)

GreyHist=zeros(l,256);%預(yù)創(chuàng)建存放灰度出現(xiàn)

概率的向量

fork=0:255

GreyHist(k+l)=1ength(find(img==k))/(m*n);%計算

每級灰度出現(xiàn)的概率，將其存入GreyHist中相應(yīng)位置

end

figure(2)；

bar(0:255,GreyHist)%繪制直方圖

title(原直方圖，)

x1abel(,灰度值)

ylabel「出現(xiàn)概率)

%灰度拉伸

imggrey=img;

prompt=｛請輸入系數(shù)a〈請輸入系數(shù)b1

word請輸入線性拉伸函數(shù)六

answer=inputdlg(prompt,wordS572,));

a=Str2dOub1e(answer(1));

b=Str2double(answer(2));

fori=l:m

forj=1：n

img(i,j)=a*img(i,j)+b;

end

end

figure(3)；

imShow(img);

title('灰度拉伸');

GreyHist=zeros(1,256);%預(yù)創(chuàng)建存

放灰度出現(xiàn)概率的向量

fork=0:255

灰度拉伸

直方圖的記錄和繪制;直方圖均衡化和規(guī)定化；

%一，圖像的預(yù)解決，讀入彩色圖像將其灰度化

img=imread('C：\MATLAB7\toolbox\images\imdemOS\gUidemol23\jU

jiao3.jpg?jpg*)；%讀入JPG彩色圖像文獻(xiàn)

imShoW(img)%顯示出來

title(輸入的彩色JPG圖像’)

imwrite(rgb2gray(img),'PiCSampleGray.jpg');%將彩色圖片灰度化并保存

img=rgb2gray(img)；%灰度化后的數(shù)據(jù)存入數(shù)組

%二，繪制直方圖

[m,n]=size(img);%測量圖像尺寸參數(shù)

GP=zeros(l,256);%預(yù)創(chuàng)建存放灰度出現(xiàn)概率的向量

fork=0:255

GP(k+1)=1ength(find(img==k))/(m*n);%計算每級灰度出現(xiàn)的概率，將其

存入GP中相應(yīng)位置

end

figure,bar(0:255,GP,'g')%繪制舫圖

title(,原圖像直方圖,)

Xlabe1(1灰度值')

ylabel。出現(xiàn)概率,)

%三，直方圖均衡化

S1=Zeros(1,256);

fori=l:256

forj=1:i

Sl(i)=GP(j)+Sl(i)；%計算Sk

end

end

S2=round((SI*256)+0.5);%將51;歸到相近級的灰度

fori=l:256

GPeq(i)=sum(GP(find(S2==i)));%計算現(xiàn)有每個灰度級出現(xiàn)的概率

end

figure,bar(0:255,GPeq,b)%顯示均衡化后的直方圖

ti11e「均衡化后的直方圖)

X1abe1(,灰度值')

y1abe(出現(xiàn)概率，)

%四，圖像均衡化

PA=img；

fori=0:255

PA(find(img==i))=S2(i+1);%將各個