数字图像处理实验课件学时版.docx

数字图像处理实验课件学时版.docx

《数字图像处理实验课件学时版.docx》由会员分享，可在线阅读，更多相关《数字图像处理实验课件学时版.docx（27页珍藏版）》请在冰豆网上搜索。

数字图像处理实验课件学时版

实验1图像基本操作

1.实验要求

在MATLAB环境下完成下列操作：

读入图像；

保存图像；

图像的显示方法

2.实验类型验证型

3.实验时间2学时

4.实验方法

使用函数imread可以将图像读入MATLAB环境，imread的语法为

imread（‘filename’）

imread所支持的文件格式包括：

TIFF----------.tif.tiff

JPEG--------.jpg.jpeg

GIF-----------.gif

BMP---------.bmp

PNG---------.png

XWD---------.xwd

使用函数imwrite可以将图像保存在磁盘上，imwrite的语法为

imwrite（f,‘filename’）

使用函数size可以察看图像大小，size的语法为

size（）

使用函数imfinfo可以察看图像信息，imfinfo的语法为

imfinfofilename

使用函数imshow可以显示图像缩略图，imshow的语法为

imshow（）

使用函数imview可以显示图像原图，imview的语法为，不同的是imview是一个工具，可以完成一些基本的图像操作

imview（）

使用函数figure可以开辟一个新的窗口，figure的语法为

figure,imshow（）

figure,imview（）

figure,plot（）

…………………

使用数据类型转换函数可以转换图像数据类型，如

im2uint8（）------------------convertimagetouint8

im2uint16（）----------------convertimagetouint16

mat2gray（）-----------------convertimagetodouble,range[0,1]

im2double（）----------------convertimagetodouble

im2bw（）---------------------convertimagetological

5.实验过程

使用函数imread打开一幅灰度图像（fig0309abc.jpg），使用函数imwrite将图像另存为不同的文件名；在此过程中观察图像矩阵的形式，并用图像矩阵的索引法，观察并记录5×5的矩阵片断；

使用函数size察看图像大小，使用函数imfinfo察看图像信息；记录图像信息；

分别使用函数imshow和函数imview显示图像；记录两种方式的区别；

使用函数imread打开一幅彩色图像（start.jpg），观察图像矩阵的形式；并分别观察和记录RGB三色5×5的矩阵片断；

使用函数rgb2gray将彩色图像转换为灰度图像；

使用im2uint8和im2double转换图像的数据类型，记录5×5矩阵片断在转换前后的变化。

实验2图像点运算

1．实验要求

在MATLAB环境下完成下列操作：

读入图像；

图像灰度变换方法；

灰度的对数扩展法；

绘制灰度直方图；

直方图均衡法；

任意灰度变换实现；

2．实验类型验证型

3．实验时间2学时

4．实验方法

使用函数imadjust可以实现图像灰度变换，imadjust的语法为

imadjust（f,[low_inhigh_in],[low_outhigh_out],gamma）

gamma所表示的意义：

>1----------凹曲线

<1----------凸曲线

=1----------直线

灰度的对数扩展法g=c*log（1+double（f））

目的是使亮区域得到抑制，暗区域灰度得到均匀增强

使用语句

im2uint8（mat2gray（log（1+double（f））））

其中系数c通过mat2gray函数自动调整

灰度直方图反映图像的灰度分布情况，即亮度分布情况；

它说明不同灰度的像素个数或分布概率

使用函数imhist绘制灰度直方图，imhist的语法为

h=imhist（f）;

figure,imhist（f）;

figure,plot（h）;

figure,stem（h）;

figure,bar（h）;

由于拍摄和处理的原因，导致图像的灰度分布范围过小；

最大熵原理指出：

数据满足均匀分布时，信息量最大；

依据这个原理，通过灰度直方图均衡化将图像灰度分布扩展到整个灰度分布范围，可以使图形信息量最大，即使使得图像对比度增强。

使用函数histeq对图像进行直方图均衡，histeq的语法为

g=histeq（f,nlev）;%nlev为输出的灰度级数，通常取256，默认64

figure,imhist（g）;

图1

任意灰度变换需要进行分段计算，如图1

α*f,0≤f＜a;

g=β*（f-a）+ga,a≤f＜b;

γ*（f-b）+gb,b≤f≤c;

5．实验过程

使用函数imread打开一幅灰度图像（fig0222b.jpg），使用函数imadjust实现图像灰度变换；

分别使用：

g1=imadjust（f,[20255],[0255],0.5）;

g2=imadjust（f,[20255],[0255],1）;

g3=imadjust（f,[20255],[0255],2）;

g4=imadjust（f,[0255],[25505],1）;

figure,imshow（g1）;

figure,imshow（g2）;

figure,imshow（g3）;

figure,imshow（g4）;

观察并记录四种变换差别。

（注意：

请将方括号内的整数需要手工折算成浮点数）

使用函数imread打开一幅灰度图像（fig0305.tif），使用如下语句进行对数扩展

figure,imshow（f2）;

g5=im2uint8（mat2gray（log（1+double（f2））））;

figure,imshow（g5）;

观察并记录均衡前后的差别。

使用函数imread打开一幅灰度图像（fig0222b.jpg），使用函数imhist绘制灰度直方图，直方图有四种表现形式

h=imhist（f3）;

figure,imhist（f3）;

figure,plot（h）;

figure,stem（h）;

figure,bar（h）;

观察四种直方图的差别。

使用函数imread打开一幅灰度图像（fig0308.tif），说明这幅图像直方图存在的问题。

使用函数histeq对图像进行直方图均衡，比较并记录均衡前后图像的变化

h1=histeq（f3,256）;

figure,imhist（h1）;

figure,imshow（f3）;

figure,imshow（h1）;

打开一幅灰度图像（fig0309abc.jpg），编写一个m文件完成图2的灰度变换功能，观察并记录图像变换前后的区别，将程序记录

图2

实验3图像间的运算

1．实验要求

在MATLAB环境下完成下列操作：

图像加法；

图像减法；

图像乘法；

图像除法；

图像与或非等逻辑运算；

2．实验类型验证型

3．实验时间2学时

4．实验方法

图像加法是把图像叠加在一起的操作，使用函数imadd将两幅图像相加。

f1=imread（'Fig0206a.tif'）;%读入图像

f2=imread（'Fig0207.tif'）;%读入图像

f3=imadd（f1,f2）;

figure,imshow（f3）;

图像减法是从一幅图像中减去另一幅图像，经常被用作检测两幅图像的差别，使用函数imsubtract将两幅图像相减。

下面的操作是根据一幅原始图像，生成其背景亮度图像，然后再从原图像中减去背景亮度图像，从而得到结果。

f4=imread（'Fig0404.jpg'）;%读入图像

bkgrd=imopen（f4,strel（'disk',15））;

f5=imsubtract（f4,bkgrd）;

figure,subplot（1,2,1）,imshow（f4）;

subplot（1,2,2）,imshow（f5）;

图像乘法将两幅图像对应点的像素进行相乘操作（MATLAB的点乘），使用函数immultiply对两幅图像进行乘法操作，并将相乘的结果作为输出图像对应点的像素值。

f6=imread（'Fig0206a.tif'）;%读入图像

f7=imread（'Fig0207.tif'）;%读入图像

f8=immultiply（f6,f7）;%两幅图像相乘

f9=immultiply（f6,1.2）;%图像和一个系数相乘，等于将灰度乘以一个系数

figure,subplot（2,2,1）,imshow（f6）;

subplot（2,2,2）,imshow（f7）;

subplot（2,2,3）,imshow（f8）;

subplot（2,2,4）,imshow（f9）;

图像除法将两幅图像对应点的像素进行相除操作（MATLAB的点除），使用函数imdivide对两幅图像进行除法操作，并将相除的结果作为输出图像对应点的像素值。

f10=imread（'Fig0206a.tif'）;%读入图像

f11=imread（'Fig0207.tif'）;%读入图像

f12=double（f11）;

f13=f12*0.2+50;

f14=uint8（f13）;

f15=imdivide（f10,f14）;

figure,imshow（f15）;

图像间的逻辑运算主要有“与”、“或”、“非”等，把它们组合起来可以构成其他逻辑运算。

当我们对灰度级进行逻辑操作时，像素值作为一个二进制数来处理，逻辑操作按位进行。

“与”和“或”运算通常用作模板，即通过这些操作可以从一幅图像中提取子图像，更加突出子图像的内容。

下面的“与”和“或”运算通过逐点进行。

f=imread（'fig0222b.jpg'）;%读入图像

[m,n]=size（f）;

figure,subplot（2,3,1）,imshow（f）;

f1=zeros（m,n）;

f1（20:

150,70:

170）=255;

f1=uint8（f1）;

subplot（2,3,2）,imshow（f1）;

fori=1:

m

forj=1:

n

f2（i,j）=bitand（f（i,j）,f1（i,j））;

end

end

subplot（2,3,3）,imshow（f2）;%显示“与”的结果

f3=ones（m,n）*255;

f3（20:

150,70:

170）=0;

f3=uint8（f3）;

subplot（2,3,5）,imshow（f3）;

fori=1:

m

forj=1:

n

f4（i,j）=bitor（f（i,j）,f3（i,j））;

end

end

subplot（2,3,6）,imshow（f4）;%显示“或”的结果

fori=1:

m

forj=1:

n

f5（i,j）=bitxor（f（i,j）,255）;%和1取异或等于求反

end

end

subplot（2,3,4）,imshow（f5）;%显示“非”的结果

5．实验过程

使用函数imadd将两幅图像相加（'Fig0206a.tif'）（'Fig0207.tif'），观察并记录结果。

使用函数imsubtract将两幅图像相减（'Fig0404.jpg'），观察并记录结果。

使用函数immultiply对两幅图像进行乘法操作（'Fig0206a.tif'）（'Fig0207.tif'），并将相乘的结果作为输出图像对应点的像素值，观察并记录结果。

使用函数imdivide对两幅图像进行除法操作（'Fig0206a.tif'）（'Fig0207.tif'），并将相除的结果作为输出图像对应点的像素值，观察并记录结果。

使用点运算进行图像“与”、“或”、“非”操作（'fig0222b.jpg'），观察并记录结果。

实验4图像空间运算

1.实验要求

在MATLAB环境下完成下列操作：

均值滤波方法；

中值滤波方法；

边缘检测；

基于边缘检测的图像增强法；

采用边缘检测和灰度变换结合图像增强法；

2.实验类型验证型

3.实验时间2学时

4.实验方法

图像的空间滤波使用函数imfilter实现，imfilter的语法为

imfilter（f,w,{filtering_mode},{boundary_option},{size_option}）

f--------imagematrix

w-------imagemask

{}为可选项

均值滤波的掩模

，

，

等

中值滤波的函数medfilt2（）

边缘检测的算子

，

，

，

，

，

，

，

，

等

基于边缘检测的图像增强算子

，

，

，

，

，

，

，

，

等

采用边缘检测和灰度变换结合图像增强法

设

是图像经过一阶梯度运算的结果

1．

2．

3．

4．

5.实验过程

使用函数imread打开一幅有噪声的灰度图像（fig0318.tif）；

分别使用：

均值滤波的各种掩模过滤噪声，观察并记录各种掩模处理结果的差异，注意掩模的系数

中值滤波观察并记录和中值滤波相比的结果差异

使用函数imread打开一幅灰度图像（fig0316.tif）；

分别使用：

使用各种边缘检测的算子检测边缘，观察并记录各种算子处理结果的差异。

使用各种边缘增强的算子处理图像，观察并记录各种算子处理结果的差异。

打开一幅灰度图像（fig0413.tif），编程实现四种采用边缘检测和灰度变换结合图像增强法

设门限T=210，LG=230，LB=50，（这是参考数值，请根据实际情况调整）

记录程序，并且比较四种处理结果的差异

实验5图像频域运算

1．实验要求

在MATLAB环境下完成下列操作：

掌握图像进行二维DFT的方法；

完成简单的图像频域滤波；

采用频域处理对图像增强法；

2．实验类型验证型

3．实验时间2学时

4．实验方法

图像的图像进行二维DFT使用函数fft2（）实现，fft2（）的语法为

F=fft2（f）;

为了显示频谱的实部使用

S=abs（F）;

figure,imshow（S,[]）;

为了将频谱居中显示，使用函数fftshift（）搬移，fftshift（）的语法为

Fc=fftshift（F）;

figure,imshow（Fc,[]）;

为了使频谱的对比度增强，采用对数增强法

S2=log（1+abs（Fc））;

figure,imshow（S2,[]）

将图像进行IDFT之前，使用函数ifftshift（）将频谱反向搬移，然后使用函数ifft2（）进行IDFT

生成低通滤波使用函数lpfilter（），生成高通滤波使用函数hpfilter（），（参考函数部分）

H1=lpfilter（‘ideal’,M,N,D0）;

H2=hpfilter（‘ideal’,M,N,D0）;

对图像进行频域滤波使用函数dftfilt（），（参考函数部分）

G1=dftfilt（f,H1）;

G2=dftfilt（f,H2）;

figure,imshow（G1,[]）;

figure,imshow（G2,[]）;

对图像进行高频强调增强，是在保持图像特征的基础上，对高频部分进行一定提升

H3=0.5+2*H2;

G3=dftfilt（f,H3）;

figure,imshow（G3,[]）;

5．实验过程

使用函数imread打开一幅图像（fig0403.tif），对图像进行DFT，频谱搬移，反搬移，和IDFT

使用函数imread打开一幅灰度图像（fig0413.tif），对图像进行低通滤波，高通滤波，和高频增强

设计一种频域图像增强方法对图像fig0419.tif进行增强，同时采用空间增强方法对结果进行比较

实验6图像退化和复原

1．实验要求

在MATLAB环境下完成下列操作：

完成图像运动模糊退化；

完成有约束的最小二乘方滤波；

完成图像维纳滤波；

完成图像逆滤波；

比较各种方法的优缺点；

2．实验类型验证型

3．实验时间2学时

4．实验方法

创建一个运动模糊退化滤波器（退化滤波器PSF），使用函数fspecial创建退化滤波器PSF，然后调用imfilter对图像进行卷积运算，就可以得到一幅运动退化图像。

I=imread（'fig0222b.jpg'）;%读入图像

figure,subplot（1,2,1）,imshow（I）;

LEN=31;

THETA=11;

PSF=fspecial（'motion',LEN,THETA）;%生成退化函数

blurred=imfilter（I,PSF,'circular','conv'）;

subplot（1,2,2）,imshow（Blurred）;

然后使用imnoise函数对图像添加随机噪声。

fnblurred=imnoise（blurred,'gaussian',0,0.001）;%产生随机噪声图像

figure,imshow（fnblurred）;

下面，使用函数deconvwnr对无噪声的运动模糊图像进行复原，这里假设退化函数PSF已知

LEN=31;

THETA=11;

PSF=fspecial（'motion',LEN,THETA）;

wnr1=deconvwnr（blurred,PSF）;

figure,imshow（wnr1）;

然而，实际情况是退化函数PSF是未知的，只能通过一些先验参数进行复原，所以，这里采用不同的LEN和THETA参数，进行实验，体会一下退化函数PSF的重要性。

wnr2=deconvwnr（blurred,fspecial（'motion',2*LEN,THETA））;

figure,subplot（1,2,1）,imshow（wnr2）;

wnr3=deconvwnr（blurred,fspecial（'motion',LEN,2*THETA））;

subplot（1,2,2）,imshow（wnr3）;

接下来，使用函数deconvwnr对一幅有噪声的运动模糊图像进行维纳滤波复原。

wnr4=deconvwnr（fnblurred,PSF）;

figure,imshow（wnr4）;

从结果中可以看出，复原效果不是很好，这是由于维纳滤波器设计不合适所导致的。

为了使维纳滤波复原的效果变好，必须使用deconvwnr函数的可选参数NSR、NCORR和ICORR，通过改变参数获得不同的复原效果。

pnoise=imnoise（zeros（size（f））,’gaussian’,0,0.001）;

NSR=sum（pnoise（:

）.^2）/sum（im2double（fnblurred（:

））.^2）;%使用信噪比作为约束条件

wnr5=deconvwnr（fnblurred,PSF,NSR）;

NP=abs（fftn（pnoise））.^2;

NCORR=fftshift（real（ifftn（NP）））;%使用噪声自相关函数

IP=abs（fftn（im2double（fnblurred）））.^2;

ICORR=fftshift（real（ifftn（IP）））;%使用图像自相关函数

wnr6=deconvwnr（fnblurred,PSF,NCORR,ICORR）;

figure,imshow（wnr6）;

盲目去卷积法可在对退化情况完全不知情的下（忽略噪声影响）进行逆滤波操作。

可以使用deconvblind函数进行盲目去卷积。

PSF=fspecial（'gaussian',7,10）;

blurred01=imfilter（I,PSF,'circular','conv'）;

figure,imshow（blurred01）;

UNDERPSF=ones（size（PSF）-4）;

[J1P1]=deconvblind（blurred01,UNDERPSF）;%使用较小的PSF进行逆滤波

figure,imshow（J1）;

OVERPSF=padarray（UNDERPSF,[44],'replicate','both'）;

[J2P2]=deconvblind（blurred01,OVERPSF）;%使用较大的PSF进行逆滤波

figure,imshow（J2）;

INITPSF=padarray（UNDERPSF,[22],'replicate','both'）;

[J3P3]=deconvblind（blurred01,INITPSF）;%使用真实的PSF进行逆滤波

figure,imshow（J3）;

从结果中可以发现，退化函数PSF对图像复原质量有着非常重要的影响，实际使用中可以通过分析，使用不同大小的PSF对图像进行复原，从中选择一个最合适的PSF使用。

5．实验过程

使用函数fspecial创建退化滤波器PSF，然后调用imfilter对图像进行卷积运算，就可以得到一幅运动退化图像，观察并记录结果。

使用imnoise函数对图像添加随机噪声，观察并记录结果。

使用函数deconvwnr对无噪声的运动模糊图像进行复原，观察并记录结果。

同时采用不同的LEN和THETA参数，进行实验，体会一下退化函数PSF的重要性，观察并记录结果。

使用函数deconvwnr对一幅有噪声的运动模糊图像进行维纳滤波复原，观察并记录结果。

为了使维纳滤波复原的效果变好，必须使用deconvwnr函数的可选参数NSR、NCORR和ICORR，通过改变参数获得不同的复原效果，观察并记录结果。

使用deconvblind函数进行盲目去卷积，采用不同的退化函数，观察并记录结果。

实验7彩色图像处理

1．实验要求

在MATLAB环境下完成下列操作：

学习MATLAB中彩色图像的表示方法

掌握彩色图像空间的转换方法

掌握彩色图像平滑滤波和锐化的方法

2．实验类型验证型

3．实验时间2学时

4．实验方法

令fr,fg,fb