matlabqimo實(shí)驗(yàn)報(bào)告

1、數(shù)字圖像處理實(shí)驗(yàn)報(bào)告學(xué)號(hào) :E01214129 姓名：俞文杰實(shí)驗(yàn)一圖像處理入門實(shí)驗(yàn) :圖像生成及取反1. 實(shí)驗(yàn)?zāi)康牧私?matlab 有關(guān)圖像的基本操作，如圖像的讀寫，顯示等。熟悉調(diào)試環(huán)境。2. 實(shí)驗(yàn)原理Matlab 中數(shù)字圖像是由一個(gè)或多個(gè)矩陣形式表示的，大多數(shù)情況下矩陣是實(shí)數(shù)，圖像是按像素進(jìn)行存儲(chǔ)的，即矩陣的每一個(gè)元素代表一個(gè)像素， 0 表示黑色， 1 表示白色，由此可進(jìn)行取反操作。3. 實(shí)驗(yàn)步驟1. Matlab workspace 中生成一幅大小為 512 512 像素的 8 位灰度圖 , 背景為黑色，中心有一個(gè)寬 40 像素高 20 像素的白色矩形。如下圖所示：2. 將這幅圖像保存為

2、文件 test.bmp 。3.從文件 test.bmp 中讀出圖像到變量I 。4.在 Matlab 圖形界面中顯示變量 I所代表的圖像。5. 將獲得的圖像的格式分別轉(zhuǎn)換為“ *.tif ”、“*.jpg ”的格式保存，檢查圖像文件數(shù)據(jù)量的大小。6. 將圖片保存或拷貝到 MA TLAB 程序組根目錄的“ work ”文件夾中，以便后面的實(shí)驗(yàn)利用。7. 將 test.bmp 編程取反 , 觀察效果。4. 實(shí)驗(yàn)內(nèi)容（ 1）圖像生成：A=zeros(512,512)(2) 在圖像中生成寬 40 像素高 20 像素的白色矩形 for i=246:266for j=236:276 A(i,j)=1; en

3、dend或者可以用 A（246:266,236:276 ）= 1 效果相同（ 3）圖像的保存使用 imwrite（A， test.bmp )(4) 讀出圖像到變量 e 并另存為“ *.tif ”、“ *.jpg ”的格式e=imread （ test.bmp)imshow(e)imwrite(e, test.tif)imwrite(e, test.jpg)(5) 將 test.bmp 編程取反for j=1:512for k=1:512if(e(j,k)=255)e(j,k)=0;elsee(j,k)=255;endendend或者 e=1-e 也可以得到相同的效果5. 實(shí)驗(yàn)截圖test.bm

4、p圖像如下所示查看文件大小將 test.bmp編程取反后得到如下圖像6. 實(shí)驗(yàn)小結(jié)（1）通過(guò)本次實(shí)驗(yàn)，對(duì) matlab 軟件處理圖像的相關(guān)功能有了初步了解，了解了數(shù)字圖像處理的一些基本函數(shù)，及圖像處理的基本方法。（2）在灰度圖像的取反操作中，可以使用雙重循環(huán)，對(duì)每一行每一列的像素值進(jìn)行修改。實(shí)驗(yàn)二圖像亮（灰）度變換1. 實(shí)驗(yàn)?zāi)康幕叶茸儞Q是圖像增強(qiáng)的一種重要手段， 使圖像對(duì)比度擴(kuò)展， 圖像更加清晰， 特征更加明顯?；叶燃?jí)的直方圖給出了一幅圖像概貌的描述，通過(guò)修改灰度直方圖來(lái)得到圖像增強(qiáng)。2. 實(shí)驗(yàn)原理圖像的直方圖是圖像的重要統(tǒng)計(jì)特征， 可以認(rèn)為是圖像灰度密度函數(shù)的近似， 按照隨機(jī)過(guò)程理論， 圖像

5、可以看做是一個(gè)隨機(jī)場(chǎng)， 最重要的特征是灰度密度函數(shù)。 通常圖像的灰度密度函數(shù)與像素所在位置有關(guān)。對(duì)比度增強(qiáng)是圖像增強(qiáng)技術(shù)中一種比較簡(jiǎn)單但又十分重要的方法， 這種方法是按一定的規(guī)則修改輸入圖像每一個(gè)像素的灰度， 從而改變灰度的動(dòng)態(tài)范圍， 它可以使灰度動(dòng)態(tài)范圍擴(kuò)展，也可以使其壓縮， 或者是對(duì)灰度進(jìn)行分段處理， 根據(jù)圖像特點(diǎn)和要求在某段區(qū)間中進(jìn)行壓縮而在另一區(qū)間中進(jìn)行擴(kuò)展。3. 實(shí)驗(yàn)步驟1 編程實(shí)現(xiàn)一幅灰度圖像的直方圖， 并用圖像處理工具箱中的直方圖函數(shù)處理的結(jié)果進(jìn)行比較。2 實(shí)現(xiàn)直方圖均衡化的處理結(jié)果。3 任選 3 種方法對(duì)灰度圖像實(shí)現(xiàn)對(duì)比度增強(qiáng)。比較其優(yōu)劣。4 對(duì)一幅真彩色圖像，求出其R，G，

6、B 分量的直方圖。4. 實(shí)驗(yàn)過(guò)程（1）直方圖處理，截圖如下A = imread(Fig_lenna_RGB.tif)B = rgb2gray(A)figureimshow(B)figureimhist(B)（ 2）直方圖的均衡化C = histeq(B,256) figure imshow(C) figure imhist(C)（3）對(duì)比度的增強(qiáng)D = imadjust(B,0.3,0.7,)figureimshow(D)d = double(A)e = log(d)figureimshow(e)（4） RGB分量的直方圖E = imread(Fig_lenna_RGB.tif)E1 = E(

7、:,:,1)E2 = E(:,:,2)E3 = E(:,:,3)figureimshow(E1)figureimhist(E1)figureimshow(E2)figureimhist(E2)figureimshow(E3)figureimhist(E3)5.實(shí)驗(yàn)小結(jié)通過(guò)本次試驗(yàn)對(duì) MA TLAB 數(shù)字圖像處理有了更深刻的理解，利用灰度圖像進(jìn)行圖像增強(qiáng)有了進(jìn)一步的了解，試驗(yàn)中遇到一些問(wèn)題，但通過(guò)查閱資料都得以解決。實(shí)驗(yàn)三圖像空間濾波1. 實(shí)驗(yàn)?zāi)康耐ㄟ^(guò)加噪前后的圖像對(duì)比， 及不同的空間濾波器的應(yīng)用， 學(xué)習(xí)并掌握幾種常見(jiàn)的空間濾波器的原理及用途。2. 實(shí)驗(yàn)?zāi)康膶?duì)一些圖像進(jìn)行線性濾波可以去除圖像中某

8、些類型的噪聲， 如采用領(lǐng)域平均法的均值濾波器就非常適用于去除通過(guò)掃描得到的圖像中的顆粒噪聲。中值濾波是抑制噪聲的非線性處理方法， 方法運(yùn)算簡(jiǎn)單， 易于實(shí)現(xiàn)， 而且能較好的保護(hù)邊界但有時(shí)會(huì)失掉圖像中的細(xì)線和小塊的目標(biāo)區(qū)域。2實(shí)驗(yàn)步驟1）通過(guò)如下污染一幅圖像的方式創(chuàng)建一組帶噪聲的圖像：(1) 加入高斯噪聲 (2) 加入椒鹽噪聲 (3) 加入乘性噪聲（1） A1 = imread(Fig_lenna_RGB.tif)B1 = rgb2gray(A1)C1 = imnoise(B1,gaussian,0.01) figureimshow(C1);（ 2） A2 = imread(Fig_lenna_R

9、GB.tif)B2 = rgb2gray(A2)C2 = imnoise(B2,salt & pepper,0.01)figureimshow(C2);（ 3） A3 = imread(Fig_lenna_RGB.tif)B3 = rgb2gray(A3)C3 = imnoise(B3,speckle,0.01) figureimshow(C3)2. 對(duì)加噪函數(shù)中的 parameters 由小到大取三個(gè)不同的參數(shù)，比較其對(duì)圖像的影響。A1 = imread(Fig_lenna_RGB.tif)B1 = rgb2gray(A1)C1 = imnoise(B1,gaussian,0.1)figur

10、eimshow(C1);A2 = imread(Fig_lenna_RGB.tif)B2 = rgb2gray(A1)C2 = imnoise(B1,gaussian,0.4)figureimshow(C2);A3 = imread(Fig_lenna_RGB.tif)B3 = rgb2gray(A1)C3 = imnoise(B1,gaussian,0.8)figureimshow(C3);2）使用如下技術(shù):創(chuàng)建 2 個(gè)平滑線形濾波器并分別對(duì)上述加噪圖像實(shí)現(xiàn)線性濾波, 比較其優(yōu)劣 ,并寫入實(shí)驗(yàn)報(bào)告 :h = 1 1 11 1 1111h = h/9J = conv2(I,h)h = 1 2

11、12 4 2121h = h/16J = conv2(I,h)3）實(shí)現(xiàn)中值濾波對(duì)上述加噪圖像的處理結(jié)果, 總結(jié)中值濾波和均值濾波各適合用于處理的噪聲類型 , 并寫入實(shí)驗(yàn)報(bào)告。A1 = imread(Fig_lenna_RGB.tif)B1 = rgb2gray(A1)C1 = imnoise(B1,gaussian,0.02)J1 = medfilt2(C1)figureimshow(J1);A2 = imread(Fig_lenna_RGB.tif)B2 = rgb2gray(A2)C2 = imnoise(B2,salt & pepper,0.02)J2 = medfilt2(C2)fig

12、ureimshow(J2);A3 = imread(Fig_lenna_RGB.tif)B3 = rgb2gray(A3)C3 = imnoise(B3,speckle,0.02)J3 = medfilt2(C3)figureimshow(C3)4. 實(shí)驗(yàn)小結(jié)（ 1）平滑線性濾波器適用于處理高斯噪聲，中值濾波適用于處理椒鹽噪聲，且非常明顯（ 2）通過(guò)加噪前后的圖像對(duì)比，及不同的空間濾波器的應(yīng)用，對(duì)幾種常見(jiàn)的空間濾波器的原理及用途有了更深刻的理解。實(shí)驗(yàn)四圖像空間及頻域增強(qiáng)1. 實(shí)驗(yàn)?zāi)康氖煜じ道锶~變換的基本性質(zhì)；熟練掌握 FFT 方法及應(yīng)用；通過(guò)實(shí)驗(yàn)了解二維頻譜的分布特點(diǎn)；通過(guò)本實(shí)驗(yàn)掌握利用MAT

13、LAB編程實(shí)現(xiàn)數(shù)字圖像的傅立葉變換。2實(shí)驗(yàn)步驟1調(diào)入實(shí)驗(yàn)一獲得的圖像，對(duì)這幅圖像做FFT并顯示其頻譜；2 對(duì)上幅圖像做離散余弦變換并顯示其頻譜；3 將離散余弦變換應(yīng)用于圖像壓縮。3實(shí)驗(yàn)內(nèi)容（ 1）調(diào)入實(shí)驗(yàn)一獲得的圖像，對(duì)這幅圖像做FFT 并顯示其頻譜；A = imread(test.tif)figure,imshow(A)B = fftshift(fft2(A)figure,imshow(log(abs(B),);colormap(jet(64)colorbar（ 2）對(duì)上幅圖像做離散余弦變換并顯示其頻譜；C = dct2(B) figure, imshow(log(abs(C),), col

14、ormap(jet(64), colorbar（ 3）將離散余弦變換應(yīng)用于圖像壓縮。D = im2double(A); E = dctmtx(8);F = blkproc(D,8,8,P1*x*P2,E,E);mask = 1 1 1 1 0 0 0 011100000110000001000000000000000000000000000000000000000;F2 = blkproc(F,8,8,P1.*x,mask);D2 = blkproc(F2,8,8,P1*x*P2,E,E);figure,imshow(D);figure,imshow(D2)原始圖像壓縮重構(gòu)圖像4.實(shí)驗(yàn)小結(jié)通過(guò)

15、本次試驗(yàn)，對(duì)傅里葉變換的基本性質(zhì)和FFT 方法及其應(yīng)用有了更好地掌握，通過(guò)實(shí)驗(yàn)了解了二維頻譜的分布特點(diǎn)，掌握了用編程實(shí)現(xiàn)數(shù)字圖像的傅里葉變換。實(shí)驗(yàn)五圖像邊緣等特征提取1. 實(shí)驗(yàn)?zāi)康膱D像的邊緣是圖像的最基本特征，所謂邊緣是指其周圍像素灰度有階躍變化的那些像素的集合，提取出圖像的邊緣是圖像理解的重要分支。直線和角點(diǎn)也是圖像的重要特征。熟悉并掌握邊緣提取的幾種常用算法的原理和用途，學(xué)會(huì)使用直線和角點(diǎn)提取的常見(jiàn)方法，了解特征提取在圖像處理中的作用。2. 實(shí)驗(yàn)原理邊緣檢測(cè)技術(shù)對(duì)于處理數(shù)字圖像非常重要，因?yàn)檫吘壥撬崛∧繕?biāo)和背景的分界線，提取出邊緣才能將目標(biāo)和背景區(qū)分開來(lái)。由于噪聲和模糊的存在，檢測(cè)到的

16、邊界可能會(huì)變寬或在某些點(diǎn)處發(fā)生間斷，因此邊界檢測(cè)包括兩個(gè)內(nèi)容：首先提取出反映灰度變換的邊緣點(diǎn)，然后剔除某些邊界點(diǎn)或填補(bǔ)邊界間斷點(diǎn)，并將這些邊緣連接成完整的線。2. 實(shí)驗(yàn)內(nèi)容及步驟1. 學(xué)習(xí)微分算子法的原理，使用Roberts 和 Sobel 算子提取圖像邊緣。I = imread(Fig_lenna_RGB.tif);I = rgb2gray(I);BW1 = edge(I,Roberts);figure;imshow(BW1);BW2 = edge(I,sobel);figure;imshow(BW2);2. 使用拉普拉斯高斯算法提取圖像邊緣。BW3 = edge(I,Log);figure

17、;imshow(BW3);3. 學(xué)習(xí) Canny 算子進(jìn)行邊緣提取，并將結(jié)果與前面算法結(jié)果進(jìn)行比較。并歸納總結(jié)寫入實(shí)驗(yàn)報(bào)告。BW4 = edge(I,Canny);figure;imshow(BW4);3實(shí)驗(yàn)小結(jié)利用 Roberts 算子提取邊緣的結(jié)果邊緣較粗，因此邊緣定位不是很準(zhǔn)確，而 Sobel 算子對(duì)邊緣的定位比較準(zhǔn)確， 在實(shí)際圖像中， 對(duì)應(yīng)景物邊緣的圖像灰度變化時(shí)并不十分陡峭， 另外，圖像中也存在噪聲， 因此直接運(yùn)用微分算子提取邊界后， 還需作某些處理（如連接及細(xì)化等） 才能形成一條有意義的邊界。 這就是改進(jìn)的拉普拉斯高斯算子法和 canny 方法，高斯算子法提取邊緣的結(jié)果要優(yōu)于前兩種

18、算子，特別是邊緣化較完整，位置比較準(zhǔn)確， canny 算子提取的邊緣則十分完整， 而且邊緣的連續(xù)性很好， 效果優(yōu)于其他算子， 這是因?yàn)樗M(jìn)行了“極大值抑制”和形態(tài)學(xué)連接操作的結(jié)果。實(shí)驗(yàn)六圖像灰度分割1. 實(shí)驗(yàn)?zāi)康膱D像分割是圖像處理的基本問(wèn)題之一，任務(wù)是把圖像劃分成互不交疊的區(qū)域, 它們往往代表了不同的物體，或物體的不同部分。熟悉并掌握?qǐng)D像分割的幾種常用的灰度門限法的原理，學(xué)會(huì)編程實(shí)現(xiàn)。2. 實(shí)驗(yàn)原理最優(yōu)閾值分割就是將圖像的直方圖用兩個(gè)或多個(gè)正態(tài)分布的概率密度函數(shù)來(lái)近似，閾值取為最小概率處的灰度值，這樣被錯(cuò)誤分割的像素?cái)?shù)目最小。最優(yōu)閾值算法步驟：假設(shè)沒(méi)有有關(guān)物體確切位置的知識(shí)，作為第一步近似，考

19、慮圖像四角含有背景像素而其他部分含有物體像素。tt在第 t 步，分別計(jì)算背景和物體的灰度均值B和 o ，其中在第 t 步將圖像分割為背景和物體的閾值t是 T ，它是在前一步確定的：t(i , j ) background f (i, j )t(i , j ) o b j e cft (si , j )B# background _ pixelso# o b j ec t sp i x el st 1ttt 1Bo，設(shè) T2T 提供一個(gè)更新了的背景與物體的區(qū)分。t 1t2 步。如果 T= T（或其差別極?。?，則停止；否則返回第3. 實(shí)驗(yàn)內(nèi)容1. 使用直接門限法對(duì)灰度圖像分割。close;cle

20、ar;clc;I = imread(a.jpg);I = rgb2gray(I);D = zeros(size(I);figure,subplot(2,2,1);imshow(I);title(原圖 );subplot(2,2,2);imhist(I);title(原圖直方圖);th = 150;index = find(Ith);D(index) = 170/255.0;index = find(Ith2);I(index1) = -2;index2 = find(Ith1);I(index2) = 170;I(index1) = 240;index1 = find(I=th1);I(ind

21、ex1) = 25;subplot(2,2,3);imshow(I);title(結(jié)果圖 );subplot(2,2,4);imhist(I);title(結(jié)果圖直方圖);3. 使用最優(yōu)閾值分割法對(duì)灰度圖像分割。比較上述分割結(jié)果。close;clear all;clc;I=imread(b.jpg);subplot(1,2,1),imshow(I);title(原始圖像)level=graythresh(I);%確定灰度閾值BW=im2bw(I,level);subplot(1,2,2),imshow(BW);title(Otsu法閾值分割圖像)4. 實(shí)驗(yàn)小結(jié)通過(guò)本次試驗(yàn)，對(duì)圖像灰度分割有了進(jìn)

22、一步的了解，掌握了圖像分割的幾種常用方法，直接門限法、多門限法、最優(yōu)閾值分割法。實(shí)驗(yàn)七圖像的幾何變換1. 實(shí)驗(yàn)?zāi)康睦斫夂驼莆請(qǐng)D像的剪切、垂直鏡像變換、水平鏡像變換、縮放和旋轉(zhuǎn)的原理和應(yīng)用。2. 實(shí)驗(yàn)原理插值是常用的數(shù)學(xué)運(yùn)算，通常是利用曲線擬合的方法，通過(guò)離散的采樣點(diǎn)，建立一個(gè)連續(xù)函數(shù)來(lái)逼近真實(shí)曲線，用這個(gè)重建的函數(shù)便可求出任意位置的函數(shù)值。圖像的鏡像變換是以圖像垂直中軸線或水平中軸線交換圖像的變換，分為垂直鏡像變換和水平鏡像變換。3. 實(shí)驗(yàn)步驟1對(duì)原圖使用最近鄰插值法進(jìn)行放大2 倍。clear;close all;clc;I = imread(lena.tif);I = rgb2gray(I)

23、;times = 2;row,col=size(I);r1=round(row*times);c1=round(col*times);B=zeros(r1,c1);for i=1:r1for j=1:c1j1=round(j/times);i1=round(i/times);if i11i1=1;endif j1g) = 2*pi - H(bg);H = H/(2*pi);num = min(min(r,g),b);den = r + g + b;den(den=0) = eps;S = 1 - 3.*num./den;H(S = 0) = 0;I = (r+g+b)/3;hsi = cat(3,H,S,I);RGB1 = imread(Fig_lenna_RGB.tif);RGB1 = im2double(RGB1);HSI = rgb2hsi(RGB1);imwrite(HSI,hsi.tif);figure,subplot(1,2,1);imshow(RGB1);title( 原圖 );subplot(1,2,2);imshow(HSI);title(RGB-HSI);2）將 HSI 空間轉(zhuǎn)換到 RGB 空間a. 寫一個(gè) m