2023年數(shù)字圖像處理實驗報告

數(shù)字圖像解決實驗報告學(xué)生姓名：學(xué)號:專業(yè)年級：0９級電子信息工程二班實驗一常用MＡTＬAB圖像解決命令一、實驗內(nèi)容１、讀入一幅RGＢ圖像，變換為灰度圖像和二值圖像，并在同一個窗口內(nèi)提成三個子窗口來分別顯示ＲGＢ圖像和灰度圖像，注上文字標(biāo)題。實驗結(jié)果如右圖:代碼如下:Subplot（１,3,1)i＝imread（'E:\數(shù)字圖像解決\2．jｐg＇)imｓhｏｗ(ｉ)tｉtle（'RGB')Subｐloｔ(1，3,2）j＝rgｂ２grａy(i)ｉｍsｈow(j)titｌe('灰度＇)Subplot(1,3,3)k=im2ｂw(j，0.5)imshow（k)ｔｉtle(＇二值＇)2、對兩幅不同圖像執(zhí)行加、減、乘、除操作,在同一個窗口內(nèi)提成五個子窗口來分別顯示，注上文字標(biāo)題。實驗結(jié)果如右圖：代碼如下：Subｐlｏｔ(3,2,1）i＝imreａd('E:＼數(shù)字圖像解決\１6.jpg')x=ｉｍｒesize(i,[250，320］)imｓhｏw(x)title(＇原圖x'）Subplot(3,2，2)j＝imread(＇'E:＼數(shù)字圖像解決\17.jpg')y=imresizｅ(j,[250，320])imｓhｏw(y)tiｔlｅ('原圖ｙ')Sｕbplot(3，２,3）ｚ=imadd（x,y)ｉmshow（z）ｔitｌｅ（'相加結(jié)果＇)；Suｂplｏt（3,2,４)；z=ｉmsｕbtraｃt（ｘ,y）；iｍshoｗ(z)；ｔitlｅ('相減結(jié)果'）Suｂplot(３,2,5)；z=imｍultiｐｌｙ(x,y);iｍshow(ｚ);titlｅ('相乘結(jié)果')Ｓｕbplｏt(3,2,6）；z=ｉmdiviｄｅ(x,y）;imshoｗ（z)；titｌe('相除結(jié)果'）3、對一幅圖像進行灰度變化，實現(xiàn)圖像變亮、變暗和負片效果,在同一個窗口內(nèi)提成四個子窗口來分別顯示,注上文字標(biāo)題。實驗結(jié)果如右圖：代碼如下：Subplot(２,2，1)i=imreaｄ('E:\數(shù)字圖像解決\2３.jpg')iｍshow（i）tｉｔlｅ('原圖')Subplｏｔ（2，２，２)J＝imａdｊuｓt(i，[],[],３);imshｏｗ(J)title('變暗＇）Ｓubplot(2,2,3）J＝iｍaｄjust（i,[],［],0.4）imshoｗ（Ｊ)ｔitle（＇變亮'）Subplｏt(2，2,4)Ｊ=255－iIｍshｏｗ(J）titｌe('變負＇)二、實驗總結(jié)分析圖像的代數(shù)運算結(jié)果,分別陳述圖像的加、減、乘、除運算也許的應(yīng)用領(lǐng)域。解答:圖像減運算與圖像加運算的原理和用法類似,同樣規(guī)定兩幅圖像Ｘ、Y的大小類型相同,但是圖像減運算iｍsubtract（)有也許導(dǎo)致結(jié)果中出現(xiàn)負數(shù),此時系統(tǒng)將負數(shù)統(tǒng)一置為零，即為黑色。乘運算事實上是對兩幅原始圖像X、Y相應(yīng)的像素點進行點乘(X.*Ｙ)，將結(jié)果輸出到矩陣Z中,若乘以一個常數(shù)，將改變圖像的亮度:若常數(shù)值大于1,則乘運算后的圖像將會變亮;叵常數(shù)值小于是，則圖像將會會暗?？捎脕砀淖儓D像的灰度級，實現(xiàn)灰度級變換，也可以用來遮住圖像的某些部分，其典型應(yīng)用是用于獲得掩膜圖像。除運算操作與乘運算操作互為逆運算，就是對兩幅圖像的相應(yīng)像素點進行點(X./Y),ｉmｄiｖｉｄe()同樣可以通過除以一個常數(shù)來改變原始圖像的亮度，可用來改變圖像的灰度級,其典型運用是比值圖像解決。加法運算的一個重要應(yīng)用是對同一場景的多幅圖像求平均值減法運算常用于檢測變化及運動的物體，圖像相減運算又稱為圖像差分運算，差分運算還可以用于消除圖像背景，用于混合圖像的分離。實驗二圖像基本操作實驗內(nèi)容1.調(diào)試運營8倍減采樣程序,分析程序,對每條語句給出注釋,并顯示最終執(zhí)行結(jié)果。1、調(diào)試運營8倍減采樣程序,分析程序，對每條語句給出注釋,并顯示最終執(zhí)行結(jié)果。a=iｍread（‘F:＼3.ｊｐg’);%讀取圖片ｂ=rｇｂ2ｇray(a);%變?yōu)榛叶葓D像[ｗiｄ,hei］=ｓiｚe（b）；%改變圖片大小qｕartimg＝zeros(wid／2+1,hei/2+１);i1=１；j1＝１；ｆorｉ=1:2：wｉdfｏｒj=1:2:ｈeｉｑuartimg（ｉ1,j1)=b(ｉ，ｊ);j1=j１+１;endi1=i1+１;j１=１;endfigureimshow(uｉnt8(quartimg))%顯示輸出圖像2、顯示一幅灰度圖像ａ,改變圖像亮度使其整體變暗得到圖像ｂ,顯示兩幅圖像的直方圖Suｂploｔ(1,2,1);a=iｍreａd(＇E:\數(shù)字圖像解決實驗＼數(shù)字圖像解決\2０.ｊpg＇)；iｍshow(a）；titlｅ(＇ａ')；Sｕbpｌot(１,2,2);b=imadjust(ａ,[],[]，３);tiｔｌｅ('b'）顯示直方圖程序：Suｂploｔ(1,２,1）;imhist（a);tｉtｌｅ（'ａ的直方圖')Sｕbploｔ（1，2，2)；imhist(ｂ);title(＇b的直方圖') ３、對圖像ｂ進行直方圖均衡化，顯示結(jié)果圖像和相應(yīng)直方圖。Ｓubplot(1,２,1);j=hｉｓｔｅｑ（ｂ);imsｈow(j);tｉｔle（'b均衡化'）；Ｓubplot(1,2,２);iｍhist(j）;ｔiｔle（'ｂ均衡化后的直方圖')均衡化的圖像和直方圖:４、讀入圖像c,執(zhí)行直方圖規(guī)定化,使圖像ａ的灰度分布與c大體相同,顯示變換后圖像及相應(yīng)直方圖。[cｏｕｎts,x]=ｉmｈist(c)；Suｂplot(2,２，１)；imｓhow（a);titｌｅ(＇圖a＇);Subpｌot(２,2,2);c=imreａd('E:\數(shù)字圖像解決\13．ｊpg');imshｏw(c);titｌe('圖ｃ'）;Subpｌｏｔ(２,２,３);j=histｅq(a,counts);imshow(ｊ);Suｂpｌot（２,2,4);imhisｔ(j）實驗三圖像變換一、實驗內(nèi)容1、對一幅圖像進行縮小，顯示原始圖像與解決后圖像,分別對其進行傅里葉變換,顯示變換后結(jié)果,分析原圖的傅里葉譜與平移后傅里葉頻譜的相應(yīng)關(guān)系。ｉ=iｍrｅad('F:\數(shù)字圖象解決\1７.jpg');ｙ=rｇb2gｒay（i)；ｓuｂpｌot(2,２,1);imsｈow(y）;title('原圖')j＝imｒesize(ｙ，０.５);subｐloｔ(２,２,2);iｍsｈow(j)；ｔｉtle(＇縮小圖')m=fｆt２（y）;suｂｐloｔ(2,2，3）;imshow(ａbｓ(log(m)),[]）；title（'原圖傅里葉變化')n=fft2(ｊ）；subplot(２,2,４);imsｈow(abｓ(log(ｎ））,[］）；tｉｔlｅ('縮小圖傅里葉變化')2、對一幅圖像進行旋轉(zhuǎn)，顯示原始圖像與解決后圖像，分別對其進行傅里葉變換,顯示變換后結(jié)果，分析原圖的傅里葉譜與旋轉(zhuǎn)后傅里葉頻譜的相應(yīng)關(guān)系。i=ｉmreａd('Ｆ:＼數(shù)字圖象解決\1７.jpg');j＝rｇb２gｒay(ｉ）;subplot（２，2，１);ｉmsｈow(j）;tiｔle(＇原圖')m=ｉmrｏtａt(yī)e(j,４5,'biｌiｎeａr');sｕbplot（2,2,２);imshow(m）;ｔｉtle('旋轉(zhuǎn)圖'）p＝fftｓhiｆt(fft2（j));subｐlｏｔ(2,2,3)；iｍshow（abs（log(p))，[]);ｔitle(＇原圖傅里葉變化')q=fftshift(ｆｆt2(ｍ）);sｕbplot(2,２,4);ｉmshow（aｂs(lｏg（q）)，[]);tiｔle('旋轉(zhuǎn)圖傅里葉變化')實驗四常用圖像增強方法一、實驗內(nèi)容1、采用二維中值濾波函數(shù)medfilt2對受椒鹽噪聲干擾的圖像濾波，窗口分別采用3*3,5*5,7*7ｓubｐｌot(2,2,1)；a=ｉmread('F:\數(shù)字圖像解決\24．jpg');j=imｎoise(ａ，'salt＆peｐｐeｒ＇,０.０4);imshow(j）;ｔitlｅ(＇椒鹽噪聲圖像'）；suｂplｏｔ(2,２,2);I_Filｔeｒ1=ｍedｆilt２（j,[３3])；imｓhow(I＿Ｆiltｅr1）;titｌe('3Ｘ3'）;suｂplot（2,２,3)；I_Filter2=medfilt2（ｊ,［55］)；imshow(Ｉ_Ｆilteｒ２）;title（'５Ｘ5＇）;ｓuｂpｌoｔ(２,2,4）；Ｉ_Ｆilｔer3=meｄfｉlt2（j,[77]）;imｓｈow(I_Filtｅｒ3);titｌｅ(＇7X７');2、采用MATLAB中的函數(shù)fiｌter2對受噪聲干擾的圖像進行均值濾波sｕbplｏt(１，２,1);a=imrｅad('F:\數(shù)字圖像解決\２4．jｐg'）;ｊ=imｎoise(a,'ｓａｌt&pepｐｅr＇,0.04）;imshｏw（j);title('椒鹽噪聲圖像');suｂpｌot（1,2,2）;h=ｆspｅcial(＇average'）;m＝filter２(h,j);imshow（m);tiｔｌe('均值濾波＇)3、采用三種不同算子對圖像進行銳化解決。subpｌot(1，4,1);i=imread(＇F：\數(shù)字圖像解決\1６.jpg')；i1=rｇb2graｙ(ｉ);iｍsｈow(i１)；titｌe（'原圖像');subplot(1,4,2);h=fspecial(＇lapｌaｃiaｎ');ｉ2=ｆｉlter2（h,i1);iｍshow(ｉ2)；title('拉式算子＇)；sｕｂｐlｏt(1，4，3)ｈ＝fspecｉal('ｐrｅwitｔ＇);i3=fｉlter２(ｈ,i１）;imshow(i3);ｔitｌe('preｗｉtｔ算子'）suｂpｌot（１,4，4）ｈ＝fｓpｅcial('sｏbeｌ'）;i4=fｉlｔer2(h，i1）imshow(ｉ4)；ｔiｔle（'sobel算子')二、實驗總結(jié)1、比較不同平滑濾波器的解決效果,分析其優(yōu)缺陷中值濾波比低通濾波消除噪聲更有效。由于噪聲多為尖峰狀干擾,若用低通濾波雖能去除噪聲但陡峭的邊沿將被模糊。中值濾波能去除點狀尖峰干擾而邊沿不會變壞。抱負低通濾波器平滑解決的概念是清楚的,但在解決過程中會產(chǎn)生較嚴(yán)重的模糊和振鈴現(xiàn)象。這種現(xiàn)象正是由于傅里葉變換的性質(zhì)決定的。２、比較不同銳化濾波器的解決效果，分析其優(yōu)缺陷梯度算子:梯度相應(yīng)的是一階導(dǎo)數(shù),梯度算子是一階導(dǎo)數(shù)算子。梯度方向:在圖像灰度最大變化率上，反映出圖像邊沿上的灰度變化。梯度解決經(jīng)常用于工業(yè)檢測、輔助人工檢測缺陷,或者是更為通用的自動檢測的預(yù)解決。拉普拉斯微分算子強調(diào)圖像中灰度的突變,弱化灰度慢變化的區(qū)域。這將產(chǎn)生一幅把淺灰色邊線、突變點疊加到暗背景中的圖像。實驗五圖像恢復(fù)和圖像分割一、實驗內(nèi)容1、產(chǎn)生運動模糊圖像，運用維納濾波進行圖像恢復(fù),顯示結(jié)果。i＝imreaｄ('Ｆ:\ｃar.jｐg'）；Ｉ1=rｂg２ｇrａy（i);I＝ｉm２dｏｕble(I1);suｂplot(1,3，１)ｉmshow（I);ｔiｔｌe(‘原圖像’)LEN＝21;ＴHETA=11；PSF=ｆspeｃiaｌ('ｍotion'，LEN,THETA);bｌurred＝iｍｆilter(I,PSF，'ｃonv'，'cｉｒcｕlaｒ'）;subplot(１，3,2);imｓhoｗ（ｂlurred)；title(＇模擬運動模糊圖像'）ｗnr2=deconｖwｎr(bｌｕrred，ＰSF);sｕｂplot(1,３,3);imshｏw(wnｒ2);tiｔｌｅ(＇維納濾波恢復(fù)后圖像')2、采用三種不同算子檢測圖像邊沿，顯示結(jié)果i=ｉmread(＇F:\ｃar.ｊpg');Ｉ=rgb2gray(i)；ｓubplot(2，2，1);imｓhow(I)；tiｔle（＇原圖像＇)BW1＝eｄge（I,＇prewiｔt');subplｏt(2,2,2）;ｉmshow（BW1);title(＇ｐrewit算子邊沿檢測')BＷ2=edｇｅ(I，'zｅrｏcross＇);ｓubploｔ(2,2,3)；iｍsｈｏw(BW2);tｉtle('zerocrosｓ算子邊沿檢測')BW3=edge(I，'log');suｂｐloｔ（2,2，4）;imshow(BW3);ｔitｌe（'lｏg算子邊沿檢測＇)3、對二值圖像分別進行方形模板３*3和５＊5的膨脹和腐蝕操作,顯示結(jié)果。i＝ｉmread(＇F：\16.ｊｐg');Ｉ=im2bw(i，０.５）;ｓubplot(2,3,１);imshow(I);title('二值圖像')se=stｒｅl('square',３）;ｓe１=stｒｅl('squａre＇,5）;Ｉ1＝imdilate(I,ｓｅ）；subpｌot（2,3,2);imshow（I１)；title(＇3*3膨脹圖像')I２=iｍdilate(I，se１)；ｓubｐlｏｔ(２,３,3);imshow(I2);titｌe（'5*5膨脹圖像')subploｔ(2,3,4）;imshoｗ(I）;title(＇二值圖像')erｏｄedBW=imｅrodｅ(I,se);ｓuｂplot(２，3,5);iｍｓhow（erodedＢW）;title('3＊3腐蝕圖像'）erｏｄｅｄBＷ1=imｅrode(I,ｓe１)；sｕbpｌｏt(2，3,６）；imｓhow(ｅｒodedBＷ1);ｔitｌｅ(＇5*５腐蝕圖像')實驗六圖像解決實際應(yīng)用一、實驗內(nèi)容1、調(diào)試運營下列程序，分析程序,對每條語句給出注釋,并顯示最終執(zhí)行結(jié)果?？偨Y(jié)算法思想及優(yōu)缺陷總結(jié)：對于特定位置的車牌辨認(rèn)算法非常高效,但對于具有噪聲等其他因素的車牌分割解決,相對來說算法尚有待完善。三、實驗內(nèi)容調(diào)試運營下列程序，分析程序,對每條語句給出注釋，并顯示最終執(zhí)行結(jié)果?？偨Y(jié)算法思想及優(yōu)缺陷.Ｉ=imread('Caｒ．ｊpｇ')；％讀取圖片[ｙ,ｘ,z]＝size(Ｉ）；%返回I各維的尺寸,并存儲在變量ｙ、x、z中myI=ｄｏuble(Ｉ)；%換成雙精度數(shù)值%％%%%％%%%％％ＲGBtoHSI%%%%%%％%％begｉｎ橫向掃描ｔｉc%計算tic與toc之間程序的運營時間%％%％%%%%Y方向％%％%%％%％%%分割字符按行積累量Blue_y=ｚｅroｓ(y,1）；％產(chǎn)生y*1的全０矩陣fｏrｉ=1:y％給定i的范圍ｆorj=1：x:x％給定j的范圍if((ｍyI（i,j,1)<＝30)&&((mｙI(i,ｊ,2)＜=62)&&（ｍyＩ(i，j,2)＞=５1))&&(（ｍｙI(i,j,3）<=1４2)&&(myI(i，j,３)>=１19)))%藍色RGＢ的灰度范圍Blｕe_y(i,1)＝Blue＿y(i，1）+1；%藍色像素點記錄endendend［tempＭaxY］=max（Ｂlｕe_ｙ）;%Y方向車牌區(qū)域擬定%ｔｅmp為向量wｈｉｔe＿y的元素中的最大值，MaxＹ為該值的索引（在向量中的位置）PY1=ＭaxY;%y矩陣的最大元素while((Bluｅ_y（ＰY1,１)>=5)&＆(PＹ1>1))擬定藍色RGBBlue＿y所在位置PY1=PY１-1;%對車牌區(qū)域的修正，向上調(diào)整eｎdPY2=MaｘY;whｉｌe((Ｂlue＿ｙ（PY2，1)>=５）&＆(PY2<y))PＹ2=PY2＋1;endＩY=I(PＹ1:PＹ2，：,：);%ＩY為原始圖像I中截取的縱坐標(biāo)在PY1：ＰY2之間的部分％ｅnd橫向掃描%begiｎ縱向掃描％%％%％%％%X方向%％%％％％%%