數字圖像處理實驗報告

PAGE33實驗一、圖像的顯示與格式變換1、實驗目的1）熟悉常用的圖像文件格式與格式轉換；2）熟悉圖像矩陣的顯示方法（灰度、索引、黑白、彩色）；3）熟悉圖像矩陣的格式轉換2、實驗內容練習圖像讀寫命令imread和imwrite并進行圖像文件格式間的轉換。特別是索引圖像與1，4，8，16比特圖像的存儲與轉換。實驗步驟用圖像讀命令（imread）從你的硬盤中讀取圖像 （cameramen.tif）；b.用圖像顯示功能（imshow）將剛讀入的圖像顯示在一圖像窗中；c.顯示顏色條功能（colorbar）在圖像的左邊畫一條顏色亮度顯 示條； d.用（imfinfo)功能得到（gray.bmp）圖像的相關信息；e.用（colormap）獲取當前圖像的調色板，觀察調色板中的顏色設置；f.用（getimage)功能從坐標軸取得當前圖像數據；g.用（imagesc)功能顯示圖像從64-128的灰度值；h.用（immovie）功能將一個4-D圖像創(chuàng)建多幀索引圖的電影動畫；i.用（warp）功能將圖像（'testpat1.tif）顯示到紋理映射柱面；思考：怎樣讓（cameraman.tif）圖像如下圖一樣顯示？實驗結果及代碼a.代碼：>>X=imread(‘cameraman.tif’)b.代碼：>>y=imshow(X)顯示的圖像為：c、代碼：>>I=colorbar('cameraman.tif')H=imshow('cameraman.tif')顯示的圖像為d、代碼：>>info=imfinfo(‘gray.bmp'）顯示結果為：Filename:[1x71char]FileModDate:'16-Apr-201011:23:52'FileSize:107786Format:'bmp'FormatVersion:'Version3(MicrosoftWindows3.x)'Width:409Height:259BitDepth:8ColorType:'indexed'FormatSignature:'BM'NumColormapEntries:256Colormap:[256x3double]RedMask:[]GreenMask:[]BlueMask:[]ImageDataOffset:1078BitmapHeaderSize:40NumPlanes:1CompressionType:'none'BitmapSize:106708HorzResolution:0VertResolution:0NumColorsUsed:0NumImportantColors:0e、代碼：>>x=imread(‘256.bmp’)color1=colormap%獲取當前圖象的調色板image(x)info=imfinfo(’256.bmp’)color2=info.Colormap%注意觀察調色板有多少種顏色colormap(color2)f、代碼：>>I=getimageg、代碼：>>imagesc(x,[64128])h、代碼：>>loadmri;mov=immovie(D,map);movie(mov,3)顯示圖像為：i.源代碼:>>[x,y,z]=cylinder;I=imread('testpat1.tif');warp(x,y,z,I),圖像顯示為：思考：代碼：>>X=inread('cameramen.tif');Y=[XX];[x,-y,z]=cylinder;I=imread(Y);warp(x,y,z,I)顯示圖像為：實驗二、圖像增強實驗目的理解圖像直方圖的含義；了解直方圖的應用；掌握直方圖均衡化的實現方法。二、實驗內容Imagehistogram.imhist-Showthehistogramoftheimage.subplot-dividesthecurrentfigureintorectangularpanesthatarenumberedrow-wise.（畫子圖）subimage-顯示子圖imadjust-Adjustimageintensityvaluesorcolormap(灰度調整)histeq-直方圖均衡化三、實驗步驟a.Loadlena_adjust.bmpimagefromyourharddisk(usingfunctionimread).b.Showtheimageinafigurewindow.c.Showthehistogramoftheimage(usingfunctionimhist).d.理解函數adjust的用法，把下列命令輸入M文件以便調試>>clearx=imread('lena_adjust.bmp')figuresubplot(2,2,1)imshow(x)subplot(2,2,2)imhist(x)subplot(2,2,3)y=imadjust(x,[],[0.40.6])imshow(y)subplot(2,2,4)imhist(y)顯示圖像為：改變imadjust的參數，觀察其結果如：imadjust(x,[0.50.8],[],0.5)顯示圖像為：考慮問題，有一幅256階的灰度圖desert.bmp,我們想把它進行二值化，那就要選擇閾值，一般選擇中間值。但是有些圖象偏黑或偏白，那就應該觀察它的直方圖來決定閾值。>>x=imread('gray1.bmp');figuresubplot(2,2,1)imhist(x);y=imhist(x);subplot(2,2,2)subimage(x)subplot(2,2,3)subimage(x>200)subplot(2,2,4)w=im2bw(x);%im2bw為MATLAB把圖象轉化為二值圖象的函數subimage(w)直方圖均衡化如何進行直方圖均衡化，關鍵是找到其轉換函數g(x,y)=T[f(x,y)]。由課本的證明得知轉換函數就是其直方圖的積分，離散數據則為累計積分。>>clearallx=imread('lena_adjust.bmp');subplot(2,2,1);imshow(x);subplot(2,2,2);imhist(y)subplot(2,2,3);y=cumtrapz(imhist(x));%累計積分，即直方圖的均衡化轉換函數plot(y);%問題：如何利用y進行映射得到

新的圖象g(x,y)？請嘗試實現。代碼：>>clearallx=imread('lena_adjust.bmp');subplot(2,2,1);imshow(x);subplot(2,2,2);imhist(y)subplot(2,2,3);y=cumtrapz(imhist(x));%累計積分，即直方圖的均衡化轉換函數plot(y);%J=histeq(x);imshow(J);subplot(2,2,4)imhist(J)顯示圖像為：實驗三、空域濾波實驗目的了解空域濾波的方法；掌握幾種模板的基本原理。二、實驗內容使用函數fspecial()生成幾種特定的模板；使用函數imfilter()配合模板對圖象數據進行二維卷積；比較各種濾波器的效果。三、實驗步驟及結果線性平滑（低通）濾波器用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(‘cameraman.tif’);h=fspecial(‘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)把模板大小改變fspecial()的參數為高斯低通模板fspecial(‘gaussian’)，再以上同樣的平滑處理，觀察其結果。>>x=imread(‘cameraman.tif’);h=fspecial(‘gaussian’)//3×3的鄰域平均模板(7×7的鄰域平均模板h=fspecial(‘gaussian’,[7,7]))y=imfilter(x,h);subplot(2,3,1)imshow(x)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)可以用mesh函數直觀觀察模板：>>clearh1=fspecial(‘gaussian’,100,3);[xy]=meshgrid(1:100);mesh(x,y,h1);h2=fspecial(‘gaussian’,100,10);figuremesh(x,y,h2)非線性平滑濾波器中值（median）濾波器是非線性濾波器的一種，它工作原理如下：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；讀取模板下各對應象素的灰度值；將這些灰度值從小到大排成一列；找出這些值中排在中間的1個；將這個中間值賦給對應模板中心位置的象素。先用imnoise()函數給圖象加噪聲，如對圖象增加高斯白噪聲y=imnoise(x,’gaussian’)代碼：>>x=imread('cameraman.tif');y=imnoise(x,'gaussian');subplot(1,2,1)imshow(x)subplot(1,2,2)imshow(y)對圖象eight.tif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，比較結果。中值濾波代碼：>>x=imread('eight.tif');h=imnoise(x,'salt&pepper',0.02);y=medfilt2(h);subplot(1,2,1)imshow(x)subplot(1,2,2)imshow(y)線性銳化濾波器線性銳化濾波器的模板為h=[-1-1-1;-18-1;-1-1-1;]用該模板對圖象cameraman.tif進行銳化處理；代碼：>>x=imread('cameraman.tif');h=[-1-1-1;-18-1;-1-1-1 ]y=imfilter(x,h);subplot(1,2,1)imshow(x)subplot(1,2,2)imshow(y)也可以fspecial('laplacian')函數得到銳化模板；代碼：>>x=imread('cameraman.tif');h=fspecial('laplacian')y=imfilter(x,h);subplot(1,2,1)imshow(x)subplot(1,2,2)imshow(y)另外一種有趣的作法是：用原圖象減去經過低通處理的圖象，再經過灰度拉伸得到高通（銳化）的圖象。索貝爾（sobel）算子h1=[-101;-202;-101;]h2=[121;000;-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('cameraman.tif');h1=[-101;-202;-101;]y=imfilter(x,h);subplot(1,2,1)imshow(x)subplot(1,2,2)imshow(y)>>x=imread('cameraman.tif');h2=[121;000;-1-2-1;]y=imfilter(x,h);subplot(1,2,1)imshow(x)subplot(1,2,2)imshow(y)實驗四、頻域濾波一．實驗目的1.了解頻域濾波的方法；2.掌握頻域濾波的基本步驟。二、實驗內容使用二維快速傅立葉變換函數fft2()及其反變換函數ifft2()對圖象進行變換；自己編寫函數生成各種頻域濾波器；比較各種濾波器的特點。三、實驗步驟及結果圖象的傅立葉變換對圖象1.bmp做傅立葉變換。代碼：>>x=imread(‘1.bmp’);f=fft2(x);imshow(real(f))%顯示變換后的實部圖象figuref1=fftshift(f);imshow(real(f1))f實部圖像：f1實部圖像：對圖象cameraman.tif進行傅立葉變換，分別顯示變換后的實部圖象。代碼：>>x=imread('cameraman.tif');f=fft2(x);imshow(real(f))實部圖像：頻域濾波的步驟求圖象的傅立葉變換得F=fft2(x)用函數F=fftshit(F)進行移位生成一個和F一樣大小的濾波矩陣H.用F和H相乘得到G,G=F.*H求G的反傅立葉變換得到g就是我們經過處理的圖象。這其中的關鍵就是如何得到H。理想低通濾波器函數dftuv()在文件夾中，它用生成二維變量空間如：[UV]=dftuv(11,11)生成理想低通濾波器>>[UV]=dftuv(51,51);D=sqrt(U.^2+V.^2);H=double(D<=15);Mesh(U,V,H)應用以上方法，對圖象cameraman.tif進行低通濾波;>>closeallQ=0.7x=imread('cameraman.tif')F=fft2(x)；[UV]=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(uint8(g))fftshift(F)實部的圖像：fftshift(G)實部圖像：處理后的圖像：4.巴特沃茲低通濾波器代碼：>>closeallf=imread('cameraman.tif');PQ=size(f);[UV]=dftuv(PQ(1),PQ(2));D0=0.07*PQ(2);F=fft2(f,PQ(1),PQ(2));H=exp(-(U.^2+V.^2)/(2*(D0^2)));mesh(U,V,H)figureG=F.*H;imshow(real(fftshift(F)))figureimshow(real(fftshift(G)))g=real(ifft2(G));figureimshow(uint8(g))mesh(U,V,H)圖像：fftshift(F)實部圖像：fftshift(G)實部圖像：處理后的5.高通濾波器a.我們可以參照理想低通濾波器的思路，得到>>[UV]=dftuv(51,51);D=sqrt(U.^2+V.^2);H=double(D>=115);Mesh(U,V,H)b.對圖象cameraman.tif進行高通濾波代碼：>>closeallx=imread('cameraman.tif')；F=fft2(x)；[UV]=dftuv(size(F,1),size(F,2));D=sqrt(U.^2+V.^2);H=double(D>=size(F,1)/2*0.4);G=F.*H;imshow(real(fftshift(F)))figureimshow(real(fftshift(G)))g=real(ifft2(G));figureimshow(uint8(g))w=histeq(g);figureimshow(w)fftshift(G)實部圖像：uint8(g)的圖像：處理后的圖像：實驗五、圖象復原一．實驗目的了解圖象退化的幾種原因；掌握對相應退化原因的復原方法。二、實驗內容使用函數fspecial()和imfilter()模擬產生退化圖象；使用平滑濾波器和維納濾波器復原圖象。三、實驗步驟加性噪聲退化圖象a.先用imnoise()函數給圖象加噪聲，如對圖象增加高斯白噪聲x=imread(‘cameraman.tif’);x=imnoise(x,’gaussian’)imshow(x)b.使用平滑濾波器對其進行濾波h=fspecial(‘average’)y=imfilter(x,h);figureimshow(y)c.使用維納濾波器進行處理w=wiener2(x)figureimshow(w)d.使用演示程序比較各種濾波器的效果>>nrfiltdemo運動退化圖象使用fspecial()和imfilter()模擬產生運動退化圖象clearI=imread('flowers.tif');figure;imshow(I);title('OriginalImage');%createPSFLEN=31;THETA=15;PSF=fspecial('motion',LEN,THETA);%blurtheimageBlurred=imfilter(I,PSF,'circular','conv');figure;imshow(Blurred);title('BlurredImage');b.使用維納濾波器進行處理%deblurtheimagewnr1=deconvwnr(Blurred,PSF);figure;imshow(wnr1);title('Restored,TruePSF');圖像壓縮（系數截取樣點:10）%ImagecompressusingDCT(8*8)clc;I=imread('cameraman.tif');I=im2double(I);T=dctmtx(8);B=blkproc(I,[8,8],'P1*x*P2',T,T');%對圖像進行分塊DCT變換mask=[1111000011100000110000001000000000000000000000000000000000000000];%二值掩模，用來確定保留的DCT變換系數C=blkproc(B,[8,8],'P1.*x',mask);%壓縮I2=blkproc(C,[8,8],'P1*x*P2',T',T);%IDCTsubplot(1,2,1);imshow(I);title('原圖');%顯示原圖像subplot(1,2,2);imshow(I2);title('壓縮圖像（系數截取樣點:10）');%顯示壓縮圖像%ImagecompressusingDCT(8*8)clc;I=imread('cameraman.tif');I=im2double(I);T=dctmtx(8);B=blkproc(I,[8,8],'P1*x*P2',T,T');%對圖像進行分塊DCT變換mask=[11100000110000000000000000000000];%二值掩模，用來確定保留的DCT變換系數C=blkproc(B,[8,8],'P1.*x',mask);%壓縮I2=blkproc(C,[8,8],'P1*x*P2',T',T);%IDCTsubplot(1,2,1);imshow(I);title('原圖');%顯示原圖像subplot(1,2,2);imshow(I2);title('壓縮圖