数字图像处理报告文档格式.docx
- 文档编号:17996873
- 上传时间:2022-12-12
- 格式:DOCX
- 页数:19
- 大小:887.64KB
数字图像处理报告文档格式.docx
《数字图像处理报告文档格式.docx》由会员分享,可在线阅读,更多相关《数字图像处理报告文档格式.docx(19页珍藏版)》请在冰豆网上搜索。
2.直方图均衡化后直方图为何并不平坦?
为何灰度级会减少?
五、实验报告要求
1.对点操作的原理进行说明。
2.给出程序清单和注释。
3.对处理过程和结果进行分析(包括对处理前后图像的直方图的分析)。
clc
clearall
I=imread('
point2.bmp'
);
%读取标题为“Point2”的位图,并用“I”表示该图
j=rgb2gray(I);
%转为灰度图像,并用j表示
[l,r]=size(j);
%将j的行数返回到第一个输出变量l,将列数返回到第二个输出变量r
figure
(1)%创建一个空的窗口
subplot(221)%将窗口分成2行2列,并在第一个位置进行操作
imshow(j)%显示图片j
title('
源图像'
)%标题
form=1:
l%循环语句,行数m的值从1到l,下同
forn=1:
r
p(m,n)=j(m,n)*2;
%将j图中的每一个点的像素值乘以2.4,得到的新像素以原来的位置构成图p
end
subplot(222)
imshow(p)
处理后图像'
)
subplot(2,2,3)
imhist(j);
%显示j的直方图
源图像直方图'
)
subplot(2,2,4)
imhist(p)
处理后的直方图'
对比图像处理前后的直方图可知。
源图像的灰度范围较小,图像均衡化处理后。
灰度级取值的动态范围扩大了,但灰度级减少了。
直方图变得更稀疏。
并且灰度级值整体增大了。
体现在直方图整体向右平移了一段距离。
clearall;
B1=imread('
POINT1.bmp'
B2=rgb2gray(B1);
[C,K]=size(B2);
fori=1:
C
forj=1:
K
ifB2(i,j)<
30
A(i,j)=1.5*B2(i,j)+20;
elseA(i,j)=B2(i,j);
end
subplot(221)
imshow(B1);
subplot(223)
imshow(A);
subplot(222)
imhist(B2);
subplot(224)
imhist(A);
A=imread('
point1.bmp'
b=rgb2gray(A);
p1=imadjust(b,[0,0.5],[0,1],0.9);
figure
(1)
imshow(b)
imshow(p1)
处理过后的图像'
imhist(b)
源直方图图'
imhist(p1)
处理过后的直方图'
对于实验1.2与是对图像进行点操作,期中对于判定和循环的运用是解题的关键,即对点进行判定并只对满足条件的点进行处理。
思考题
1.点操作可以扩大灰度值的范围。
并且可以改变某点灰度值的大小,实现增强或减弱图像亮度、增强对比度以及直方图均衡化处理。
2.均衡化后的直方图不平坦是由于图像中各灰度级出现的概率不同。
均衡化后的直方图使灰度级分布具有均匀概率密度。
扩展了像素取值的动态范围,但减少了灰度级。
实验感想:
通过本次实验,对与图片的点操作和直方图处理有了更深刻的体会。
实验项目图像平滑实验
专业测控技术与仪器
班级/学号测控0901/2009010776
学生姓名林云峰
成绩
实验2图像平滑实验
一、实验目的
1.通过实验掌握图像去噪的基本方法;
2.学会根据情况选用不同方法。
二、实验的硬件、软件平台
计算机
操作系统:
应用软件:
三、实验内容及要求
1.实验内容
请在如下面方法中选择多个,完成图像去噪操作,并进行分析、比较。
(1)对静态场景的多幅图片取平均;
(2)空间域模板卷积(不同模板、不同尺寸);
(3)频域低通滤波器(不同滤波器模型、不同截止频率);
(4)中值滤波方法。
2.实验要求
(1)图片可根据需要选取;
(2)对不同方法和同一方法的不同参数的实验结果进行分析和比较,如空间域卷积模板可有高斯型模板、矩形模板、三角形模板和自己根据需求设计的模板等;
模板大小可以是3×
3,5×
5,7×
7或更大。
频域滤波可采用矩形或巴特沃斯等低通滤波器模型,截止频率也是可选的。
(3)分析比较不同方法的结果。
四、思考题
1.不同空间域卷积器模板的滤波效果有何不同?
2.空间域卷积器模板的大小的滤波效果有何影响?
3.用多幅图像代数平均的方法去噪对图像有何要求?
4.不同频域滤波器的效果有何不同?
五、实验报告要求
1.列出程序清单并进行功能注释;
2.说明不同方法去噪效果;
3.对去噪方法进行详细分析对比。
(1)对静态场景的多幅图片取平均:
clc;
clear;
all;
%
I1=imread('
lenna_noise1.bmp'
%读取图片1
subplot(3,3,1);
%三行三列第一幅
imshow(I1);
%显示图片1
I2=imread('
lenna_noise2.bmp'
%读取图片2
subplot(3,3,2);
%三行三列第二幅
imshow(I2);
%显示图片2
I3=imread('
lenna_noise3.bmp'
%读取图片3
subplot(3,3,3);
%三行三列第三幅
imshow(I3);
%显示图片3
I4=imread('
lenna_noise4.bmp'
%读取图片4
subplot(3,3,4);
%三行三列第四幅
imshow(I4);
%显示图片4
I5=imread('
lenna_noise5.bmp'
%读取图片5
subplot(3,3,5);
%三行三列第五幅
imshow(I5);
%显示图片5
I6=imread('
lenna_noise6.bmp'
%读取图片6
subplot(3,3,6);
%三行三列第六幅
imshow(I6);
%显示图片6
I7=imread('
lenna_noise7.bmp'
%读取图片7
subplot(3,3,7);
%三行三列第七幅
imshow(I7);
%显示图片7
I8=imread('
lenna_noise8.bmp'
%读取图片8
subplot(3,3,8);
%三行三列第八幅
imshow(I8);
%显示图片8
i1=double(I1)/255;
%灰度转化为浮点数再除以255
i2=double(I2)/255;
%灰度转化为浮点数再除以255
i3=double(I3)/255;
i4=double(I4)/255;
i5=double(I5)/255;
i6=double(I6)/255;
i7=double(I7)/255;
i8=double(I8)/255;
a=(i1+i2+i3+i4+i5+i6+i7+i8)/8;
%8个浮点数求平均值
subplot(3,3,9);
%三行三列第九幅
imshow(a);
%显示图片a
(2)
noise1.bmp'
imshow(I);
%显示图片
原图'
B=medfilt2(I,[3,3]);
%中值率波函数,模版大小为[3,3]
imshow(B);
中值滤波'
C=ordfilt2(I,6,ones(3,3));
%二维顺序统计滤波函数,ones(3,3)决定模板大小
imshow(C);
二维顺序统计滤波'
h=fspecial('
average'
[3,3]);
%均值滤波器
D=filter2(h,I)/255;
%滤波
imshow(D)%显示图片
均值滤波'
sobel'
%边缘增强算子
imshow(D);
sobel算子'
prewitt'
Prewitt算子'
figure
(2)
Q=medfilt2(I,[3,3]);
subplot(2,2,1);
imshow(Q);
模版大小为[3,3]的中值滤波函数'
W=medfilt2(I,[5,5]);
subplot(2,2,2);
imshow(W);
模版大小为[5,5]的中值滤波函数'
E=medfilt2(I,[7,7]);
subplot(2,2,3);
imshow(E);
模版大小为[7,7]的中值滤波函数'
R=medfilt2(I,[9,9]);
subplot(2,2,4);
imshow(R);
模版大小为[9,9]的中值滤波函数'
第二幅图只在读取图片的时候更改地址即可
(3)
[I,map]=imread('
[M,N]=size(I);
F=fft2(I);
%进行傅里叶变换
fftshift(F);
%将灰度图像的二维不连续Frourier变换的零频率成分移到频谱的中心
Dcut=100;
D0=30;
%定义D0
foru=1:
M
forv=1:
N
D(u,v)=sqrt(u^2+v^2);
BUTTERH(u,v)=1/(1+(sqrt
(2)-1)*(D0/Dcut)^2);
%巴特罗斯滤波器的函数
BUTTERG=BUTTERH.*F;
BUTTERfiltered=ifft2(BUTTERG);
%进行二维反离散的Fourier变换后,取复数的实部转化为无符号8位整数
subplot(121)
源图'
subplot(122)
imshow(BUTTERfiltered,map)
巴特罗斯低通滤波后的图像'
思考题:
1.高斯滤波器和均值滤波器的滤波效果比其余两模板的滤波效果要好。
2.对比两图中经过滤波器处理过的图片,可知空间域卷积滤波中,模板的大小对滤波的效果没有太大的影响,但是模板越大,处理后的图像越模板,从视觉上看,滤波的效果更好。
3.用多幅图代数平均的方法去噪时,要求有在不同干扰下拍摄的多张图像。
平均与频域滤波器、空间域模板卷积(不同模板、不同尺寸)等方法在处理图片上的优势及劣势。
实验项目图像的边缘检测
专业测控技术与仪器
班级/学号测控0902/2009010776
实验日期2011年12月
指导老师郑青玉
实验三图像的边缘检测
1.进一步理解边沿检测的基本原理。
2.掌握对图像边沿检测的基本方法。
3.学习利用Matlab图像工具箱对图像进行边沿检测。
二、实验原理
边缘检测在图像处理中可分为空域下的操作和频域下的操作。
本实验以空域下的操作为主要实验内容,其他方法同学们可以在课后自行实验。
空域下的图像边缘检测主要应用的是领域运算。
三、实验要求
对边缘检测的要求:
使用Matlab图像处理工具箱中的不同方法对下图的边缘进行提取;
注意观察不同操作对垂直方向、水平方向、斜方向的提取效果有何区别;
注意观察提取后的边界是否连续,若不连续可采用什么方法使其连续。
四、实验步骤
1.打开计算机,启动MATLAB程序;
2.调入实验指导书所示的数字图像,利用MATLAB图像工具箱中已有函数进行编程以实现图像的边缘检测;
3.显示原图和处理过的图像。
4.记录和整理实验报告
五、实验仪器
1.计算机;
2.MATLAB程序;
3.记录用的笔、纸。
六、实验报告要求
1.对所使用的图像边沿检测方法的原理进行说明。
3.对不同处理方法进行说明、比较。
Image1.bmp'
A=rgb2gray(I);
h1=[1,1,1;
0,0,0;
-1,-1,-1];
%自定义矩阵,下同
h2=[0,1,1;
-1,0,1;
-1,-1,0];
h3=[10-1;
10-1;
10-1];
h4=[0,-1,-1;
1,0,-1;
1,1,0];
j1=imfilter(A,h1);
%对数组进行滤波,下同
j2=imfilter(A,h2);
j3=imfilter(A,h3);
j4=imfilter(A,h4);
x=uint8(j1);
%unit8型的数据
y=uint8(j2);
z=uint8(j3);
a=uint8(j4);
D=imadd(x,y);
%叠加
D1=imadd(D,z);
D2=imadd(D1,a)
subplot(321),
imshow(A)
subplot(322),
imshow(j1)
水平方向'
subplot(323),
imshow(j2)
45度方向'
subplot(324),
imshow(j3)
竖直方向'
subplot(325),
imshow(j4)
135度方向'
subplot(326),
imshow(D2)
叠加后的图像'
用Prewitt算子分别进行水平方向、竖直方向、45°
方向和135°
方向扫描分别得到各个方向的边缘图像,让后叠加得到完整的边框图像
- 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:
- 数字图像 处理 报告