zl数字图像处理实验报告926.docx

zl数字图像处理实验报告926.docx

《zl数字图像处理实验报告926.docx》由会员分享，可在线阅读，更多相关《zl数字图像处理实验报告926.docx（21页珍藏版）》请在冰豆网上搜索。

zl数字图像处理实验报告926

实验一：

数字图像的基本处理制作4

1.1：

实验追求4

1.2：

实验任务和要求4

1.3：

实验步骤和结果5

1.4：

结果分析8

实验二：

图像的灰度变换和直方图变换9

2.1：

实验追求9

2.2：

实验任务和要求9

2.3：

实验步骤和结果9

2.4：

结果分析13

实验三：

图像的平滑处理14

3.1：

实验追求14

3.2：

实验任务和要求14

3.3：

实验步骤和结果14

3.4：

结果分析18

实验四：

图像的锐化处理19

4.1：

实验追求19

4.2：

实验任务和要求19

4.3：

实验步骤和结果19

4.4：

结果分析21

实验一：

数字图像的基本处理制作

1.1：

实验追求

1、熟悉并掌握MATLAB、PHOTOSHOP等工具的使用。

2、实现图像的读取、显示、代数运算和简单变换。

3、熟悉及掌握图像的傅里叶变换原理及性质，实现图像的傅里叶变换。

1.2：

实验任务和要求

1.读入一幅RGB图像，变换为灰度图像和二值图像，并在同一个窗口内分成三个子窗口来分别显示RGB图像和灰度图像，注上文字标题。

.

2.对两幅不同图像执行加、减、乘、除制作，在同一个窗口内分成五个子窗口来分别显示，注上文字标题。

3.对一幅图像进行平移，显示原始图像与处理后图像，分别对其进行傅里叶变换，显示变换后结果，分析原图的傅里叶谱与平移后傅里叶频谱的对应关系。

.

4.对一幅图像进行旋转，显示原始图像与处理后图像，分别对其进行傅里叶变换，显示变换后结果，分析原图的傅里叶谱与旋转后傅里叶频谱的对应关系。

.

1.3：

实验步骤和结果

1.对实验任务1的实现代码如下：

a=imread（'d:

\tp.jpg'）;

i=rgb2gray（a）;

I=im2bw（a,0.5）;

subplot（1,3,1）;imshow（a）;title（'原图像'）;

subplot（1,3,2）;imshow（i）;title（'灰度图像'）;

subplot（1,3,3）;imshow（I）;title（'二值图像'）;

subplot（1,3,1）;imshow（a）;title（'原图像'）;

结果如图1.1所示：

图1.1原图及其灰度图像，二值图像

2.对实验任务2的实现代码如下：

a=imread（'d:

\tp.jpg'）;

A=imresize（a,[800800]）;

b=imread（'d:

\tp2.jpg'）;

B=imresize（b,[800800]）;

Z1=imadd（A,B）;

Z2=imsubtract（A,B）;

Z3=immultiply（A,B）;

Z4=imdivide（A,B）;

subplot（3,2,1）;imshow（A）;title（'原图像A'）;

subplot（3,2,2）;imshow（B）;title（'原图像B'）;

subplot（3,2,3）;imshow（Z1）;title（'加法图像'）;

subplot（3,2,4）;imshow（Z2）;title（'减法图像'）;

subplot（3,2,5）;imshow（Z3）;title（'乘法图像'）;

subplot（3,2,6）;imshow（Z2）;title（'除法图像'）;

结果如图1.2所示：

3.对实验任务3的实现代码如下：

s=imread（'d:

\tp3.jpg'）;

i=rgb2gray（s）;

i=double（i）;

j=fft2（i）;

k=fftshift（j）;%直流分量移到频谱中心

I=log（abs（k））;%对数变换

m=fftshift（j）;%直流分量移到频谱中心

RR=real（m）;%取傅里叶变换的实部

II=imag（m）;%取傅里叶变换的虚部

A=sqrt（RR.^2+II.^2）;

A=（A-min（min（A）））/（max（max（A）））*255;

b=circshift（s,[800450]）;

b=rgb2gray（b）;

b=double（b）;

c=fft2（b）;

e=fftshift（c）;

I=log（abs（e））;

f=fftshift（c）;

WW=real（f）;

ZZ=imag（f）;

B=sqrt（WW.^2+ZZ.^2）;

B=（B-min（min（B）））/（max（max（B）））*255;

subplot（2,2,1）;imshow（s）;title（'原图像'）;

subplot（2,2,2）;imshow（uint8（b））;title（'平移图像'）;

subplot（2,2,3）;imshow（A）;title（'离散傅里叶变换频谱'）;

subplot（2,2,4）;imshow（B）;title（'平移图像离散傅里叶变换频谱'）;

结果如图1.3所示：

4.对实验任务4的实现代码如下：

s=imread（'d:

\tp3.jpg'）;

i=rgb2gray（s）;

i=double（i）;

j=fft2（i）;

k=fftshift（j）;

I=log（abs（k））;

m=fftshift（j）;

RR=real（m）;

II=imag（m）;

A=sqrt（RR.^2+II.^2）;

A=（A-min（min（A）））/（max（max（A）））*255;

b=imrotate（s,-90）;

b=rgb2gray（b）;

b=double（b）;

c=fft2（b）;

e=fftshift（c）;

I=log（abs（e））;

f=fftshift（c）;

WW=real（f）;

ZZ=imag（f）;

B=sqrt（WW.^2+ZZ.^2）;

B=（B-min（min（B）））/（max（max（B）））*255;

subplot（2,2,1）;imshow（s）;title（'原图像'）;

subplot（2,2,2）;imshow（uint8（b））;title（'平移图像'）;

subplot（2,2,3）;imshow（A）;title（'离散傅里叶频谱'）;

subplot（2,2,4）;imshow（B）;title（'平移图像离散傅里叶频谱'）;

结果如图1.4所示：

1.4：

结果分析

对MATLAB软件的制作开始时不太熟悉，许多语法和函数都不会使用，写出程序后，调试运行，最开始无法显示图像，检查原因，是有些标点符号没有在英文状态下输入和一些其他的细节，学会了imread（），imshow（），rgb2gray（）等函数。

.

实验二：

图像的灰度变换和直方图变换

2.1：

实验追求

1、熟悉及掌握图像的采样原理，实现图像的采样过程，进行图像的灰度转换。

2、理解直方图的概念及应用，实现图像直方图的显示，及通过直方图均衡对图像进行修正。

2.2：

实验任务和要求

1、对一幅图像进行2倍、4倍、8倍和16倍减采样，显示结果。

2、显示一幅灰度图像a，改变图像亮度使其整体变暗得到图像b，显示两幅图像的直方图。

3、对一幅图像进行灰度变化，实现图像变亮、变暗和负片效果，在同一个窗口内分成四个子窗口来分别显示，注上文字标题。

.

4、对一副图像进行直方图均衡化，显示结果图像和对应直方图。

5、对一副图像进行如图所示的分段线形变换处理，试比较与直方图均衡化处理的异同。

2.3：

实验步骤和结果

1.对实验任务1的实现代码如下：

a=imread（'d:

\tp2.jpg'）;

b=rgb2gray（a）;

form=1:

4

figure

[width,height]=size（b）;

quartimage=zeros（floor（width/（m））,floor（height/（2*m）））;.

k=1;

n=1;

fori=1:

（m）:

width

forj=1:

（2*m）:

height

quartimage（k,n）=b（i,j）;

n=n+1;

end

k=k+1;

n=1;

end

imshow（unit8（quartimage））;

end

结果如图所示：

2.对实验任务2的实现代码如下：

a=imread（'d:

\tp2.jpg'）;

c=rgb2gray（a）;

b=c-46;

subplot（3,2,1）;imshow（c）;title（'原图像'）

subplot（3,2,2）;imhist（c）;title（'原图像的直方图'）

subplot（3,2,3）;imshow（b）;title（'变暗后的图像'）

subplot（3,2,4）;imhist（b）;title（'变暗后的图像直方图'）;

d=imadjust（c,[0,1],[1,0]）;

subplot（3,2,5）;imshow（d）;title（'反转图像'）;

结果如图2.2所示：

3.对实验任务3的实现代码如下：

a=imread（'d:

\tp.jpg'）;

m=imadjust（a,[,],[0.5;1]）;%图像变亮

n=imadjust（a,[,],[0;0.5]）;%图像变暗

g=255-a;%负片效果

subplot（2,2,1）;imshow（a）;title（'原图像'）;

subplot（2,2,2）;imshow（m）;title（'图像变亮'）;

subplot（2,2,3）;imshow（n）;title（'图像变暗'）;

subplot（2,2,4）;imshow（g）;title（'负片效果'）;

结果如图所示：

4.对实验任务4的实现代码如下：

b=imread（'d:

\tp.jpg'）;

c=rgb2gray（b）;

j=histeq（c）;

subplot（2,2,1）,imshow（c）;

subplot（2,2,2）,imshow（j）;

subplot（2,2,3）,imhist（c）;

subplot（2,2,4）,imhist（j）;

结果如图2.4所示：

5.对实验任务5的实现代码如下：

x1=0:

0.01:

0.125;

x2=0.125:

0.01:

0.75;

x3=0.75:

0.01:

1;

y1=2*x1;

y2=0.25+0.6*（x2-0.125）;

y3=0.625+1.5*（x3-0.75）;

x=[x1,x2,x3];

y=[y1,y2,y3];

plot（x,y）;

结果如图所示：

2.4：

结果分析

这次实验主要是对图像的灰度变换和直方图均衡化，实验内容包括灰度拉伸、图像反转、图像的二值化以及直方图均衡。

通过实验将课本上理论知识加以实践，实验过程中明白了图像处理的一些技巧。

但是以上几种方法采用的基本都是线性变换法，在实际应用中存在很多缺陷。

它只能处理一些黑白分明的图像，而对于一些颜色丰富或者处理比较复杂图像时，往往于心不足。

.

实验三：

图像的平滑处理

3.1：

实验追求

1、熟悉并掌握常见的图像噪声种类。

2、理解并掌握常用的图像的平滑技术，如邻域平均法和中值滤波的原理、特点、适用对象。

3.2：

实验任务和要求

1、读出lena.jpg这幅图像，给这幅图像分别加入椒盐噪声、高斯噪声和乘性噪声后并与前一张图显示在同一图像窗口中。

.

2、对受高斯噪声（模拟均值为0方差为0.02的高斯噪声）干扰的lena图像分别利用邻域平均法和中值滤波进行滤波去噪（窗口可变，可先取3*3，依次再取5*5，7*7），并显示滤波结果。

.

3、对受椒盐噪声（噪声方差为0.02）干扰的lena图像，选择合适的滤波器将噪声滤除。

4、对受乘性噪声（噪声方差为0.02）干扰的lena图像，选择合适的滤波器将噪声滤除。

3.3：

实验步骤和结果

1.对实验任务1的实现代码如下：

>>I=imread（'d:

\tp.jpg'）;

>>i=rgb2gray（I）;

>>J=imnoise（i,'gaussian',0,0.02）;%高斯噪声

>>K=imnoise（i,'salt&pepper',0.02）;%椒盐噪声

>>P=imnoise（i,'speckle',0.02）;%乘性噪声

>>subplot（2,2,1）;imshow（i）;

>>xlabel（'原图'）;

>>subplot（2,2,2）;imshow（J）;xlabel（'高斯噪声'）;

>>subplot（2,2,3）;imshow（K）;xlabel（'椒盐噪声'）;

>>subplot（2,2,4）;imshow（P）;xlabel（'乘性噪声'）;

结果如图3.1所示：

2.对实验任务2的实现代码如下：

>>I=imread（'d:

\tp.jpg'）;

>>i=rgb2gray（I）;

>>J=imnoise（i,'gaussian',0,0.02）;

>>K=im2double（J）;

>>h=fspecial（'average'）;

>>G1=filter2（h,K,'same'）;

>>G2=medfilt2（K）;

>>subplot（2,2,1）;imshow

（1）;

>>subplot（2,2,1）;imshow（i）;

>>xlabel（'原图'）;

>>subplot（2,2,2）;imshow（J）;

>>xlabel（'添加高斯噪声'）;

>>subplot（2,2,3）;imshow（G1）;

>>xlabel（'均值滤波'）;

>>subplot（2,2,4）;imshow（G2）;

>>xlabel（'中指滤波'）;

结果如图3.2所示：

3.对实验任务3的实现代码如下：

>>I=imread（'D:

\tp.jpg'）;

>>i=rgb2gray（I）;

>>J=imnoise（i,'salt&pepper',0.02）;

>>K=im2double（J）;

>>h=fspecial（'average'）;

>>G1=filter2（h,K,'same'）;

>>G2=medfilt2（K）;

>>subplot（2,2,1）;imshow（i）;

>>xlabel（'原图'）;

>>subplot（2,2,2）;imshow（J）;

>>xlabel（'添加椒盐噪声'）;

>>subplot（2,2,3）;imshow（G1）;

>>xlabel（'均值滤波'）;

>>subplot（2,2,4）;imshow（G2）;

>>xlabel（'中值滤波'）;

结果如图3.3所示：

4.对实验任务4的实现代码如下：

>>i=imread（'D:

\tp.jpg'）;

>>I=rgb2gray（i）;

>>J=imnoise（I,'speckle',0.02）;

>>K=im2double（J）;

>>h=fspecial（'average'）;

>>G1=filter2（h,K,'same'）;

>>G2=medfilt2（K）;

>>subplot（2,2,1）;imshow（I）;

>>xlabel（'原图'）;

>>subplot（2,2,2）;imshow（J）;

>>xlabel（'添加乘性噪声'）;

>>subplot（2,2,3）;imshow（G1）;

>>xlabel（'均值滤波'）;

>>subplot（2,2,4）;imshow（G2）;

>>xlabel（'中值滤波'）;

结果如图3.4所示：

3.4：

结果分析

（1）采用均值滤波器对图像处理能达到去噪的效果，并且一般滤波器的模板越大去噪效果越好，但是应该适中，当模板选择的过大时，处理的效果就会下降，因此我们应该根据具体的要求选择合适的模板来处理图像。

.

（2）采用高斯滤波器对图像处理能达到去噪的效果，与均值滤波器相同，随着所用的滤波器尺寸的增大，图像的细节锐化程度相应降低图像变得模糊起来。

但相较于均值滤波器，其模糊程度较小。

但是高斯滤波同时受到标准差sigma的影响。

.

（3）中值滤波对去除“椒盐”噪声可以起到很好的效果,因为椒盐噪声只在画面中的部分点上随机出现,所以根据中值滤波原理可知,通过数据排序的方法,将图像中未被噪声污染的点代替噪声点的值的概率比较大,因此噪声的抑制效果很好。

中值滤波与均值滤波相比，在去除图像椒盐噪声的同时，还能够保持图像比较清晰的轮廓。

从实验结果可以看出，通过3*3的均值滤波器，图像中的噪声点有明显的消除。

但是3*3的非线性模板中值滤波器上对噪声的滤除效果更完美。

.

实验四：

图像的锐化处理

4.1：

实验追求

1、熟悉并掌握MATLAB图像处理工具箱的使用。

2、理解并掌握常用的图像的锐化技术。

4.2：

实验任务和要求

1、采用三种不同算子对图像进行锐化处理。

2、锐化空间滤波

1）采用3×3的拉普拉斯算子w=[1,1,1;1–81;1,1,1]滤波

2）编写函数w=genlaplacian（n），自动产生任一奇数尺寸n的拉普拉斯算子，如5×5的拉普拉斯算子：

.

w=[11111

11111

11-2411

11111

11111]

3）分别采用5×5，9×9，15×15和25×25大小的拉普拉斯算子对blurry_moon.tif进行锐化滤波，并利用式

完成图像的锐化增强，观察其有何不同，要求在同一窗口中显示。

.

4.3：

实验步骤和结果

1.对实验任务1的实现代码如下：

>>i=imread（'d:

\tp.jpg'）;

>>I=rgb2gray（i）;

>>H=fspecial（'sobel'）;

>>I1=filter2（H,I）;

>>H=fspecial（'prewitt'）;

>>I2=filter2（H,I）;

>>H=fspecial（'log'）;

>>I3=filter2（H,I）;

>>subplot（2,2,1）;imshow（i）;title（'原图像'）;

>>subplot（2,2,2）;imshow（I1）;title（'sobel算子锐化图像'）;

>>subplot（2,2,3）;imshow（I2）;title（'prewitt算子锐化图像'）;.

>>subplot（2,2,4）;imshow（I3）;title（'log算子锐化图像'）;

结果如图所示：

2.对实验任务2的实现代码如下：

1）

>>i=imread（'D:

\tp.jpg'）;

>>I=rgb2gray（i）;

>>T=double（I）;

>>subplot（1,2,1）,imshow（T,[]）;

>>w=[1,1,1;

1,-8,1;

1,1,1];

>>K=conv2（T,w,'same'）;

>>subplot（1,2,2）,imshow（K,[]）;

>>title（'LalacianTransformation'）;

结果如图所示：

2）

functionw=genlaplacian（n）

w=ones（n）;

x=ceil（n/2）;

w（x,x）=-1*（n*n-1）;

end

3）w1=genlaplcaian（5）;

I=imread（‘d:

\tp.jpg’）;

T=double（I）;

K=conv2（T,w1’same’）;

J=T-K;

4.4：

结果分析

通过对数字图像进行锐化处理，可以增强图像的边缘，使模糊的图像变得清晰起来，而以上几种方法都能很好的将图像的边缘变得清晰，但是要在不影响图像整体效果的情况下还是比较困难。

综上所述，根据不同的情况可以需要选用不同的方法。

在边缘检测中，常用的一种模板是Sobel算子。

Sobel算子有两个，一个是检测水平边缘的。

另一个是检测垂直边缘的。

与Prewitt算子相比，Sobel算子对于象素的位置的影响做了加权，可以降低边缘模糊程度，因此效果更好。

.