數(shù)字圖像處理實(shí)驗(yàn)報(bào)告-2

數(shù)字圖像處理實(shí)驗(yàn)報(bào)告數(shù)字圖像處理實(shí)驗(yàn)報(bào)告專業(yè)：計(jì)算機(jī)科學(xué)與技術(shù)學(xué)號(hào)：11101115姓名：王曉東實(shí)驗(yàn)一數(shù)字圖像的讀入與顯示實(shí)驗(yàn)?zāi)康牧私鈕pencv的開發(fā)環(huán)境設(shè)置讀取并顯示一幅圖像，掌握Imread,imwrite,imshow的使用掌握opencv中圖像的表示及其屬性的含義實(shí)驗(yàn)內(nèi)容配置visualstudio2010的opnecv開發(fā)環(huán)境使用opencv的函數(shù)讀入一幅圖像并顯示出來實(shí)驗(yàn)步驟#include"stdafx.h"#include<opencv2/opencv.hpp>usingnamespacecv;usingnamespacestd;voidtest1(){ Matimage=imread("..\\image\\book\\beach.jpg",0); cvNalinyuWindow("test"); imshow("test",image); waitKey();}int_tmain(intargc,_TCHAR*argv[]){Test1();return0;}實(shí)驗(yàn)心得本次實(shí)驗(yàn)讓我了解了圖像讀入與顯示的具體過程。實(shí)驗(yàn)二數(shù)字圖像像素的訪問實(shí)驗(yàn)?zāi)康恼莆誳pencv開發(fā)環(huán)境中對(duì)灰度圖像及彩色圖像中的像素的訪問方法并理解mat數(shù)據(jù)結(jié)構(gòu)掌握opencv中對(duì)圖像進(jìn)行處理的基本過程實(shí)驗(yàn)內(nèi)容：（1）打開一幅灰度圖像，對(duì)其進(jìn)行線性灰度變換（直線方程的參數(shù)為k,b），并顯示變換前、后的圖像。；調(diào)整K值，分別取>1,<1,=1,以及-1，比較不同K值時(shí)的圖像增強(qiáng)效果。

（2）打開一幅彩色圖像，對(duì)每個(gè)像素進(jìn)行訪問，分別令R、G、B的值為0，查看處理后的圖像，并比較原圖像的差異。重點(diǎn)和難點(diǎn)：掌握灰度圖像和彩色圖像的像素的值的訪問方法。實(shí)驗(yàn)步驟：#include"stdafx.h"#include<opencv2/opencv.hpp>usingnamespacecv;usingnamespacestd;voidlinear_tran(ucharmin_org,ucharmax_org,ucharmin_new,ucharmax_new){ Matimage=imread("..\\image\\book\\beach.jpg",0); Matgray(image.size().height,image.size().width,CV_8UC1,Scalar(0)); floatk=(float)(max_new-min_new)/(max_org-min_org); cout<<"k="<<k<<endl; for(inti=0;i<image.size().height;i++) { uchar*data=image.ptr<uchar>(i); uchar*graydata=gray.ptr<uchar>(i); for(intj=0;j<image.size().width;j++) { graydata[j]=min_new+k*(data[j]-min_org); } }cvNalinyuWindow("org"); imshow("org",image); cvNalinyuWindow("linear"); imshow("linear",gray); waitKey();}voidtest2_1(){ Matimage=imread("..\\image\\book\\beach.jpg",0);// Matgray(image.size().height,image.size().width,CV_8UC1,Scalar(0)); ucharmingray=255,maxgray=0; for(inti=0;i<image.size().height;i++) { uchar*data=image.ptr<uchar>(i); for(intj=0;j<image.size().width;j++) { if(data[j]<mingray);//找到灰度值的最小值 mingray=data[j]; if(data[j]>maxgray) maxgray=data[j]; //找到灰度值的最大 } } linear_tran(min_org,max_org,0,255);//k>1 linear_tran(min_org,max_org,0,128);//k<1 linear_tran(min_org,max_org,4,255);//k=1 linear_tran(min_org,max_org,251,0);//k=-1 }voidtest2_2(){ Matimage=imread("D:\\opencvtest2\\opencvtest\\image\\book\\beach.jpg",0); doubledurationa,durationb,durationc; doublecacStart,cacEnd; ucharr,g,b; floatfgray; Matgray(image.size().height,image.size().width,CV_8UC1,Scalar(0)); Matgray_t(image.size().height,image.size().width,CV_8UC1,Scalar(0)); cacStart=static_cast<double>(getTickCount()); for(inti=0;i<image.size().height;i++) for(intj=0;j<image.size().width;j++) { b=image.at<Vec3b>(i,j)[0]=0; g=image.at<Vec3b>(i,j)[1]=0; r=image.at<Vec3b>(i,j)[2]=0; } if(!gray.empty()) { cvNalinyuWindow("test"); imshow("test",gray); waitKey(); } else { cout<<"fileopenerror!"; getchar(); }}實(shí)驗(yàn)心得：這次實(shí)驗(yàn)讓我掌握了對(duì)灰度圖像及彩色圖像中的像素的訪問方法以及opencv中對(duì)圖像進(jìn)行處理的基本過程。實(shí)驗(yàn)三圖像的平滑實(shí)驗(yàn)?zāi)康恼莆誳pencv開發(fā)環(huán)境中對(duì)灰度圖像及彩色圖像中的像素的訪問方法掌握opencv中對(duì)圖像進(jìn)行處理的基本過程。掌握均值平滑和中值濾波的基本原理實(shí)驗(yàn)內(nèi)容：（1）打開一幅灰度圖像，對(duì)圖像進(jìn)行3*3（包括中心點(diǎn)）的鄰域平均處理。

（2）對(duì)原圖進(jìn)行3*3（包括中心點(diǎn)）的中值濾波處理。

（3）比較原圖像與鄰域平均的圖像、中值濾波后的圖像的差異。實(shí)驗(yàn)步驟：#include"stdafx.h"#include<opencv2/opencv.hpp>usingnamespacecv;usingnamespacestd;voidtest3_1(){ doubledurationa,durationb,durationc; doublecacStart,cacEnd; ucharr,g,b; floatfgray; intM,ii,jj,k,sumpixel; Matimage=imread("..\\image\\book\\beach.jpg",0); Matgray(image.size().height,image.size().width,CV_8UC1,Scalar(0)); cacStart=static_cast<double>(getTickCount()); for(intm=0;m<100;m++) for(inti=0;i<image.size().height;i++) for(intj=0;j<image.size().width;j++) { b=image.at<Vec3b>(i,j)[0]; g=image.at<Vec3b>(i,j)[1]; r=image.at<Vec3b>(i,j)[2]; fgray=0.299*r+0.587*g+0.114*b; gray.at<uchar>(i,j)=saturate_cast<uchar>(fgray); } for(intii=1;ii<gray.size().height-1;ii++) for(intjj=1;jj<gray.size().width-1;jj++) { //M=ii*jj; sumpixel=0; for(inti=-1;i<3;i++) { for(intj=1;j<2;j++) { sumpixel+=gray.at<uchar>(ii+i,jj+j); } } gray.at<uchar>(ii,jj)=saturate_cast<uchar>(sumpixel/9); }cacEnd=static_cast<double>(getTickCount()); durationa=(cacEnd-cacStart)/cv::getTickFrequency(); cvNalinyuWindow("test"); imshow("test",gray); waitKey();}ucharlinyu(uchar*temp,intn){ for(inti=0;i<n;i++) for(intj=i+1;j<n;j++) { if(temp[i]>temp[j]) swap(temp[i],temp[j]); } return(temp[n/2-1]+temp[n/2])/2;}voidtest3_2(){ Matimage=imread("..\\image\\book\\beach.jpg",0); Matgray(image.size().height,image.size().width,CV_8UC1,Scalar(0)); uchartemp1[4]={0}; for(inti=1;i<image.size().height-1;i++)// { uchar*data=image.ptr<uchar>(i); uchar*grayData=gray.ptr<uchar>(i); for(intj=1;j<image.size().width-1;j++) { temp1[0]=(data-1)[j]; temp1[1]=data[j-1]; temp1[2]=data[j+1]; temp1[3]=(data+1)[j]; grayData[j]=linyu(temp1,4); } } cvNalinyuWindow("org"); imshow("org",image); cvNalinyuWindow("4linyu"); imshow("4linyu",gray); waitKey(); uchartemp2[8]={0}; for(inti=1;i<image.size().height-1;i++) { uchar*data=image.ptr<uchar>(i); uchar*grayData=gray.ptr<uchar>(i); for(intj=1;j<image.size().width-1;j++) { temp2[0]=(data-1)[j-1]; temp2[1]=(data-1)[j]; temp2[2]=(data-1)[j+1]; temp2[3]=data[j-1]; temp2[4]=data[j+1]; temp2[5]=(data+1)[j-1]; temp2[6]=(data+1)[j]; temp2[7]=(data+1)[j+1]; grayData[j]=linyu(temp2,8); } } cvNalinyuWindow("org"); imshow("org",image); cvNalinyuWindow("8linyu"); imshow("8linyu",gray); waitKey();}int_tmain(intargc,_TCHAR*argv[]){ test3_1();test3_2(); return0;}實(shí)驗(yàn)心得:本次實(shí)驗(yàn)讓我掌握了實(shí)現(xiàn)灰度圖像鄰域平滑處理方法以及中值濾波處理方法。實(shí)驗(yàn)四圖像的直方圖均衡化實(shí)驗(yàn)?zāi)康恼莆罩狈綀D均衡化的基本步驟及實(shí)現(xiàn)方法掌握opencv中對(duì)圖像進(jìn)行處理的基本過程實(shí)驗(yàn)內(nèi)容：（1）打開一幅灰度圖像，對(duì)圖像進(jìn)行直方圖均衡化處理。

（2）比較原圖像與均衡化的圖像的差異。

（3）要求自己按照課本介紹的均衡化的步驟在opencv下實(shí)現(xiàn)直方圖均衡化處理。實(shí)驗(yàn)步驟：#include"stdafx.h"#include<opencv2/opencv.hpp>usingnamespacecv;usingnamespacestd;voidtest4(){ intcount[256]; floathist[256],sumHist[256]; ucharhistGray[256]; for(inti=0;i<255;i++) { count[i]=0; hist[i]=0; sumHist[i]=0; histGray[i]=0; } Matimage=imread("..\\image\\book\\beach.jpg",0); Matgray(image.size().height,image.size().width,CV_8UC1,Scalar(0)); for(inti=0;i<image.size().height;i++) { uchar*data=image.ptr<uchar>(i); for(intj=0;j<image.size().width;j++) { count[data[j]]++;