图像处理实验报告汇总Word文档格式.docx
- 文档编号:13712674
- 上传时间:2022-10-13
- 格式:DOCX
- 页数:24
- 大小:832.62KB
图像处理实验报告汇总Word文档格式.docx
《图像处理实验报告汇总Word文档格式.docx》由会员分享,可在线阅读,更多相关《图像处理实验报告汇总Word文档格式.docx(24页珍藏版)》请在冰豆网上搜索。
imfinfo('
●图像的显示
1image
image函数是MATLAB提供的最原始的图像显示函数,如:
a=[1,2,3,4;
4,5,6,7;
8,9,10,11,12];
image(a);
2imshow
imshow函数用于图像文件的显示,如:
i=imread('
);
imshow(i);
title(‘原图像’)%加上图像标题
3colorbar
colorbar函数用显示图像的颜色条,如:
i=imread('
imshow(i);
colorbar;
4figure
figure函数用于设定图像显示窗口,如:
figure
(1);
/figure
(2);
5subplot
把图形窗口分成多个矩形部分,每个部分可以分别用来进行显示。
Subplot(m,n,p)分成m*n个小窗口,在第p个窗口中创建坐标轴为当前坐标轴,用于显示图形。
6plot
绘制二维图形
plot(y)
Plot(x,y)xy可以是向量、矩阵。
●图像类型转换
1rgb2gray
把真彩图像转换为灰度图像
i=rgb2gray(j)
2im2bw
通过阈值化方法把图像转换为二值图像
I=im2bw(j,level)
Level表示灰度阈值,取值范围0~1(即0.n),表示阈值取自原图像灰度范围的n%
3imresize
改变图像的大小
I=imresize(j,[mn])将图像j大小调整为m行n列
●图像运算
1imadd
两幅图像相加,要求同样大小,同种数据类型
Z=imadd(x,y)表示图像x+y
2imsubstract
两幅图像相减,要求同样大小,同种数据类型
Z=imsubtract(x,y)表示图像x-y
3immultiply
Z=immultiply(x,y)表示图像x*y
4imdivide
Z=imdivide(x,y)表示图像x/y
四、心得体会
学习了matlab中基本的图像处理命令,为以后图像处理打下了较好的基础。
2、对图像灰度分布的分析和直方图均衡
1、实验目的
(1)理解灰度分布直方图、累积灰度分布函数的概念,图像二值化的概念。
(2)学习用matlab编程计算图像直方图,累积分布函数并进行初步分析。
(3)深入理解灰度分布直方图的意义,并根据灰度直方图进行简单图像增强——直方图均衡。
(4)改进直方图均衡算法,进行直方图分段均衡并进行分析。
2、编程实现
closeall;
clear;
clc;
%%读入图像并转换为灰度图,显示
I=imread('
E:
\photos\109NIKON\e1.JPG'
figure
(1);
imshow(I);
J=rgb2gray(I);
figure
(2);
imshow(J);
one_or_zero=(J>
128);
figure(3)
imshow(one_or_zero)
%%对原始灰度图的分析
[m,n]=size(J);
%图片的维数
note=zeros(1,256);
%统计对应某灰度值图像点数
fori=1:
m
forj=1:
n
note(J(i,j)+1)=note(J(i,j)+1)+1;
%256色是不是0—255?
end
end
figure(4)
stem(note);
%灰度分布直方图(imhist函数可实现)sum_note=zeros(1,256);
sume_note
(1)=note
(1);
fori=2:
256
sum_note(i)=sum_note(i-1)+note(i);
figure(5)
plot(sum_note)%累积分布图
axis([02560m*n])
gridon
%%%图像灰度映射关系的确定
%fff=zeros(1,256);
%fori=1:
255
%fff(i+1)=note(i+1)*255/m/n+fff(i);
%核心!
%%fff(i+1)=sum_note(i+1)*255/m/n;
%运算量会稍小一些
%end
%floor(fff);
%取整,貌似不取整也不会错
%%fff虽然是一个变量,记录了相应的对应关系
fff=fenduan();
%%图像灰度均衡简单处理
K=J;
%新建图像
K(i,j)=fff(J(i,j)+1);
figure(6)
imshow(K)%%处理后的图像
note_f=zeros(1,256);
%%对新图像的灰度分析这块和前边的分析完全相同,以后用考虑变成函数调用
note_f(K(i,j)+1)=note_f(K(i,j)+1)+1;
figure(4);
holdon;
stem(note_f,'
r'
sum_note_f=zeros(1,256);
sume_note_f
(1)=note_f
(1);
sum_note_f(i)=sum_note_f(i-1)+note_f(i);
figure(5);
plot(sum_note_f,'
%%
分段均衡时调用的函数:
%%图像灰度映射关系的确定
functionfff=fenduan()
fff=zeros(1,256);
fff(1:
100)=0;
fori=100:
150
fff(i+1)=(i-100)*3;
fff(152:
199)=150;
fori=200:
250
fff(i)=(i-200)*2+150;
fori=251:
fff(i)=i;
floor(fff);
figure(8)
plot(fff)
%fff虽然是一个变量,记录了相应的对应关系f
3.实验结果与分析
3.1直方图均衡结果与分析
(a)原始彩色图像(b)灰度图
(c)图像二值化结果(128为界)(d)直方图均衡效果图
图2.2灰度分布直方图,蓝色对应原始图像,红色对应均衡后图像
图2.3均衡前后累积分布函数(未归一化)
结论:
直方图均衡后,灰度分布均匀,图像较处理前细节表现有所改善
3.2直方图分段均衡
(c)图像二值化结果(128为界)(d)分段均衡效果图
图2.5分段均衡映射曲线
图2.6灰度分布直方图,蓝色对应原始图像,红色对应分段均衡后图像
图2.7分段均衡前后累积分布函数(未归一化)
说明与分析:
(1)首先说明分段映射曲线的选取。
从图像的灰度分布直方图中可以看到,灰度区间100-150以及200-250内像素点分布校多而其余区间基本没有像素点分布,所以要压缩像素分布点较少的区间,而在这两段进行扩张。
100—150区间进行了3倍扩展,200-250区间进行了2倍扩展。
当然这并不是最优的映射方案,但在处理此图像时有效果,能说明问题。
(2)由图像以及直方图、累积分布曲线可以看出图像有所改善。
(3)分段法对于不同的图像需要采取不同的曲线。
要注意到此方法的局限性。
而直接的整个区间内的均衡不存在这个问题。
(4)注意到有失真现象。
而且原本灰度在0-100,以及150-200的像素点归为0和150,仔细观察会发现这使图像质量有所下降。
当然,这是某些区间扩展所必然引起的。
我们要做的,根本上来说就是寻求某种更好的折中方法。
3QDHE算法的实现
(1)、跟踪学术前沿,深入理解直方图均衡算法
(2)、实现QDHE(QuadrantsDynamicHistogramEqualizationforContrastEnhancement,基于动态象限直方图均衡的对比度增强)算法。
2、QDHE算法说明
(1)、QDHE算法是基于HE、PHE、BBHE、DPHE改善算法。
(2)、算法计算过程
第一步:
直方图分割,按照像素点分布直方图将所以像素点等量分布在四个区间中。
第二步:
ClippingProcess
ThereasonbehindtheclippingprocessistocontroltheenhancementrateofHEinordertoovercomeunnaturalandover-enhancementoftheprocessedimagetooccur.
ClippingthresholdisreplacedbytheaverageofthenumberoftheintensityintheproposedQDHE.
第三步:
灰度区间重分配
第四部:
子区间内进行直方图均衡
3、编程实现
%Quadtantsdynamichistogramequalization动态象限对比度均衡实现代码
L=256;
\photos\study\IMG_20130903_211732340.JPG'
figure(20);
%%图像灰度做预处理
ifJ(i,j)>
100
J(i,j)=round(100*rand(1,1));
figure
(2)
imshow(J)%处理后的图像
imhist(J)
%灰度分布直方图(imhist函数可实现)
sum_note=zeros(1,256);
sum_note
(1)=note
(1);
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 图像 处理 实验 报告 汇总