武漢科技大學(xué)數(shù)字圖像處理實驗報告

二○一四～二○一五學(xué)年第一學(xué)期電子信息工程系實驗報告書班級：電子信息工程（DB）1102班姓名學(xué)號：課程名稱：數(shù)字圖像處理二○一四年十一月一日實驗一圖像直方圖處理及灰度變換（2學(xué)時）實驗?zāi)康模?.掌握讀、寫、顯示圖像的基本方法。2.掌握圖像直方圖的概念、計算方法以及直方圖歸一化、均衡化方法。3.掌握圖像灰度變換的基本方法，理解灰度變換對圖像外觀的改善效果。實驗內(nèi)容：1.讀入一幅圖像，判斷其是否為灰度圖像，如果不是灰度圖像，將其轉(zhuǎn)化為灰度圖像。2.完成灰度圖像的直方圖計算、直方圖歸一化、直方圖均衡化等操作。3.完成灰度圖像的灰度變換操作，如線性變換、伽馬變換、閾值變換（二值化）等，分別使用不同參數(shù)觀察灰度變換效果（對灰度直方圖的影響）。實驗步驟：1.將圖片轉(zhuǎn)換為灰度圖片,進(jìn)行直方圖均衡，并統(tǒng)計圖像的直方圖：I1=imread('pic.jpg');%讀取圖像I2=rgb2gray(I1);%將彩色圖變成灰度圖subplot(3,2,1);imshow(I1);title('原圖');subplot(3,2,3);imshow(I2);title('灰度圖');subplot(3,2,4);imhist(I2);%統(tǒng)計直方圖title('統(tǒng)計直方圖');subplot(3,2,5);J=histeq(I2);%直方圖均衡imshow(J);title('直方圖均衡');subplot(3,2,6);imhist(J);title('統(tǒng)計直方圖');仿真分析：將灰度圖直方圖均衡后，從圖形上反映出細(xì)節(jié)更加豐富，圖像動態(tài)范圍增大，深色的地方顏色更深，淺色的地方顏色更前，對比更鮮明。從直方圖上反應(yīng)，暗部到亮部像素分布更加均勻。2.將圖片進(jìn)行閾值變換和灰度調(diào)整，并統(tǒng)計圖像的直方圖：I1=imread('rice.png');I2=im2bw(I1,0.5);%選取閾值為0.5I3=imadjust(I1,[0.30.9],[]);%設(shè)置灰度為0.3-0.9subplot(3,2,1);imshow(I1);title('原圖');subplot(3,2,3);imshow(I2);title('閾值變換');subplot(3,2,5);imshow(I3);title('灰度調(diào)整');subplot(3,2,2);imhist(I1);title('統(tǒng)計直方圖');subplot(3,2,4);imhist(I2);title('統(tǒng)計直方圖');subplot(3,2,6);imhist(I3);title('統(tǒng)計直方圖');仿真分析：進(jìn)行閾值變換后，圖像上只有“黑”和“白”兩種顏色，原圖中顏色過渡的細(xì)節(jié)沒有了，但是亮部和暗部之間的對比更加強(qiáng)烈了；從直方圖上可以看到像素集中“黑”與“白”兩個部分，而兩者之間是沒有像素的。進(jìn)行灰度調(diào)整后，無論從圖像上反映還是從值方圖上反映，都能看出像素的亮度整體上有所改變。3.對圖像進(jìn)行伽馬變換：I=imread('coffee.jpg');J=im2double(I);H1=power(J+10.^(-100),0.4);%進(jìn)行伽馬值為0.4的伽馬變換H2=power(J+10.^(-100),0.6);%進(jìn)行伽馬值為0.6的伽馬變換H3=power(J+10.^(-100),0.8);%進(jìn)行伽馬值為0.8的伽馬變換H4=power(J,2);%進(jìn)行伽馬值為3的伽馬變換H5=power(J,3);%進(jìn)行伽馬值為4的伽馬變換H6=power(J,4);%進(jìn)行伽馬值為5的伽馬變換figure(1)subplot(2,2,1)imshow(I);title('原圖');subplot(2,2,2)imshow(H1);title('伽馬值0.4');subplot(2,2,3)imshow(H2);title('伽馬值0.6');subplot(2,2,4)imshow(H3);title('伽馬值0.8');figure(2)subplot(2,2,1)imshow(I);title('原圖');subplot(2,2,2)imshow(H4);title('伽馬值2');subplot(2,2,3)imshow(H5);title('伽馬值3');subplot(2,2,4)imshow(H6);title('伽馬值4');仿真分析：該圖片為亮圖片，而伽馬值小于1時會增加圖片亮度，伽馬值大于1時會降低圖片亮度，對亮圖片使用伽馬值大于1的效果明顯更好，從實際仿真效果來看，當(dāng)伽馬值過大時會導(dǎo)致整個圖片亮度嚴(yán)重下降，圖片細(xì)節(jié)有所丟失，此幅圖最適合伽馬值為2左右的伽馬變換。實驗總結(jié)：此次實驗是第一次進(jìn)行“數(shù)字圖像處理”的實驗，由于較長一段時間沒有使用MATLAB，導(dǎo)致在實驗開始時操作比較生疏，再加上對數(shù)字圖像處理的相關(guān)代碼不夠熟練，整個實驗做得比較慢。總體而言，本次的實驗內(nèi)容比較簡單，通過一系列基本的命令實現(xiàn)了由彩色圖像、轉(zhuǎn)換為黑白圖像、灰度調(diào)整、閥值變換、直方圖均衡和統(tǒng)計直方圖等一系列功能，命令中并無太多的參數(shù)修改，結(jié)果也直觀可見，通過這些實驗內(nèi)容，讓我初步對一些圖像的處理效果有了一定的認(rèn)識。實驗二圖像平滑（2學(xué)時）實驗?zāi)康模?.理解圖像平滑的概念，掌握噪聲模擬和圖像平滑濾波函數(shù)的使用方法。2.理解圖像均值濾波、中值濾波、高斯濾波的算法原理，了解不同濾波方法的適用場合。實驗內(nèi)容：1.對給定的同一幅圖像，加上不同強(qiáng)度的高斯噪聲，分別使用均值濾波器、中值濾波器、高斯平滑濾波器對加噪后的圖像進(jìn)行濾波處理。2.對給定的同一幅圖像，加上不同強(qiáng)度的椒鹽噪聲，分別使用均值濾波器、中值濾波器、高斯平滑濾波器對加噪后的圖像進(jìn)行濾波處理。實驗步驟：1.對給定的同一幅圖像，加上不同強(qiáng)度的高斯噪聲，分別使用均值濾波器、中值濾波器、高斯平滑濾波器對加噪后的圖像進(jìn)行濾波處理:I1=imread('eight.tif');J1=imnoise(I1,'gaussian',0.02);%添加值為0.02的高斯噪聲subplot(3,2,1)imshow(I1);title('原圖')subplot(3,2,2)imshow(J1);title('添加高斯噪聲')K1=medfilt2(J1);%用中值濾波器進(jìn)行濾波subplot(3,2,3)imshow(K1);title('用中值濾波器進(jìn)行濾波')H=fspecial('average',[33]);L1=imfilter(J1,H,'replicate');%用均值濾波器進(jìn)行濾波subplot(3,2,4)imshow(L1);title('用均值濾波器進(jìn)行濾波')H=fspecial('gaussia',[33],1);M1=imfilter(J1,H,'conv');%用高斯平滑濾波器進(jìn)行濾波subplot(3,2,5)imshow(M1);title('用高斯平滑濾波器進(jìn)行濾波')仿真分析：因為高斯噪聲是以隨機(jī)大小的幅度污染所有的點，所以無論中值如何選擇效果都不理想，而高斯噪聲服從正態(tài)分布，均值為0，均值濾波效果更加理想.從圖片中明顯看到均值濾波對圖片背景的還原效果比中值濾波較好嗎，高斯平滑濾波效果也較為理想。2.對給定的同一幅圖像，加上不同強(qiáng)度的椒鹽噪聲，分別使用均值濾波器、中值濾波器、高斯平滑濾波器對加噪后的圖像進(jìn)行濾波處理:I1=imread('eight.tif');J1=imnoise(I1,'salt&pepper',0.05);%添加值為0.05的椒鹽噪聲subplot(3,2,1)imshow(I1);title('原圖')subplot(3,2,2)imshow(J1);title('添加椒鹽噪聲')K1=medfilt2(J1);%用中值濾波器進(jìn)行濾波subplot(3,2,3)imshow(K1);title('用中值濾波器進(jìn)行濾波')H=fspecial('average',[33]);L1=imfilter(J1,H,'replicate');%用均值濾波器進(jìn)行濾波subplot(3,2,4)imshow(L1);title('用均值濾波器進(jìn)行濾波')H=fspecial('gaussia',[33],1);M1=imfilter(J1,H,'conv');%用高斯平滑濾波器進(jìn)行濾波subplot(3,2,5)imshow(M1);title('用高斯平滑濾波器進(jìn)行濾波')仿真分析：椒鹽噪聲只在畫面中的部分點上隨機(jī)出現(xiàn)，所以根據(jù)中值濾波原理可知，通過數(shù)據(jù)排序的方法，將圖像中未被噪聲污染的點代替噪聲點值的概率比較大，所以中值濾波效果非常明顯，基本上可以還原出原圖。而因為椒鹽噪聲均值不為0，所以均值濾波效果不佳，高斯平滑濾波相較而言效果也較差。實驗總結(jié)：在有前一次實驗經(jīng)驗積累的基礎(chǔ)上，此次實驗完成速度明顯提高，經(jīng)過上一次實驗對MATLAB操作地復(fù)習(xí)，整體操作也比較流暢。這次實驗的內(nèi)容仍然比較簡單，都是利用MATLAB自帶的算法進(jìn)行圖像處理操作。在實驗過程中，通過對一副圖像進(jìn)項添加噪聲和濾波處理，對比了均值濾波器、中值濾波器、高斯平滑濾波器三種濾波方式對不同噪聲進(jìn)行處理時的效果差異；并且通過修改噪聲的數(shù)值，也可以明顯觀察到不同濾波器對噪聲濾除的效果；也復(fù)習(xí)了“數(shù)字圖像處理”和“數(shù)字信號處理”的相關(guān)知識。實驗三圖像銳化與邊緣檢測（2學(xué)時）實驗?zāi)康模?.理解圖像銳化的概念，掌握圖像銳化的基本算法和函數(shù)使用方法。2.了解邊緣檢測的算法和用途，掌握邊緣檢測函數(shù)的使用方法，比較不同算子檢測邊緣的差異。實驗內(nèi)容：1.圖像銳化。對給定的同一幅圖像，分別使用Robert算子、Sobel算子、Laplacian算子進(jìn)行濾波處理。2.邊緣檢測。對給定的同一幅圖像，分別使用Sobel、Prewitt、Roberts、LoG和Canny等邊緣檢測算子進(jìn)行處理，使用算法的默認(rèn)參數(shù)或適當(dāng)調(diào)整算法參數(shù)，將處理結(jié)果顯示在同一窗口中以便進(jìn)行比較。實驗步驟：1.圖像銳化。對給定的同一幅圖像，分別使用Robert算子、Sobel算子、Laplacian算子進(jìn)行濾波處理：I=imread('cameraman.tif');H=fspecial('Laplacian');H1=imfilter(I,H,'replicate');%用Laplacian算子濾波H=fspecial('Sobel');H2=imfilter(I,H,'replicate');%用Sobel算子濾波subplot(2,2,1);imshow(I);title('原圖')subplot(2,2,2);imshow(H1);title('用Laplacian算子濾波')subplot(2,2,3);imshow(H2);title('用Sobel算子濾波')I=imread('liftingbody.png');H=[-10;01];%Robert算子一（接近正45°邊緣有較強(qiáng)響應(yīng)）H3=imfilter(I,H,'replicate');%用Robert算子一濾波H=[0-1;10];%Robert算子二（接近負(fù)45°邊緣有較強(qiáng)響應(yīng)）H4=imfilter(I,H,'replicate');%Robert算子二濾波H5=imadd(H3,H4);%將得到的圖像疊加subplot(2,2,4);imshow(H5);title('用Robert算子濾波')仿真分析：Robert算子由于其算法最為簡單，對正負(fù)45°感應(yīng)較強(qiáng)，所以明顯可以看到Robert算子在，對正負(fù)45°處的銳化效果比較明顯，而其他地方的濾波效果卻不佳，整體邊緣檢測效果也較差。2.邊緣檢測。對給定的同一幅圖像，分別使用Sobel、Prewitt、Roberts、LoG和Canny等邊緣檢測算子進(jìn)行處理，使用算法的默認(rèn)參數(shù)或適當(dāng)調(diào)整算法參數(shù)，將處理結(jié)果顯示在同一窗口中以便進(jìn)行比較：I1=imread('cameraman.tif');BW1=edge(I1,'sobel');%sobel圖像邊緣提取BW2=edge(I1,'roberts');%roberts圖像邊緣提取BW3=edge(I1,'prewitt');%prewitt圖像邊緣提取BW4=edge(I1,'log');%log圖像邊緣提取BW5=edge(I1,'canny');%canny圖像邊緣提取subplot(3,2,1);imshow(I1);title('原圖');su