matlab圖像處理綜合實(shí)驗(yàn)實(shí)驗(yàn)報(bào)告2003

1、數(shù)字圖像處理實(shí)驗(yàn)報(bào)告學(xué) 院： 專 業(yè)： 班 級：姓 名：學(xué) 號： 實(shí)驗(yàn)一實(shí)驗(yàn)名稱：圖像增強(qiáng)實(shí)驗(yàn)?zāi)康模?.熟悉圖像在matlab下的讀入，輸出及顯示； 2.熟悉直方圖均衡化； 3.熟悉圖像的線性指數(shù)等； 4.熟悉圖像的算術(shù)運(yùn)算及幾何變換.實(shí)驗(yàn)儀器：計(jì)算機(jī)，matlab軟件實(shí)驗(yàn)原理：圖像增強(qiáng)是為了使受到噪聲等污染圖像在視覺感知或某種準(zhǔn)則下盡量的恢復(fù)到原始圖像的水平之外，還需要有目的性地加強(qiáng)圖像中的某些信息而抑制另一些信息，以便更好地利用圖像。圖像增強(qiáng)分頻域處理和空間域處理，這里主要用空間域的方法進(jìn)行增強(qiáng)?？臻g域的增強(qiáng)主要有：灰度變換和圖像的空間濾波。圖像的直方圖實(shí)際上就是圖像的各像素點(diǎn)強(qiáng)度概率密度

2、分布圖，是一幅圖像所有像素集合的最基本統(tǒng)計(jì)規(guī)律，均衡化是指在每個(gè)灰度級上都有相同的像素點(diǎn)過程。實(shí)驗(yàn)內(nèi)容如下：i=imread('e:cs.jpg');%讀取圖像subplot(2,2,1),imshow(i),title('源圖像')j=rgb2gray(i)%灰度處理subplot(2,2,2),imshow(j) %輸出圖像title('灰度圖像') %在原始圖像中加標(biāo)題subplot(2,2,3),imhist(j) %輸出原圖直方圖title('原始圖像直方圖') 幾何運(yùn)算：i=imread('e:cs.jpg&#

3、39;);%讀取圖像subplot(1,2,1),imshow(i);theta = 30;k = imrotate(i,theta); subplot(1,2,2),imshow(k)對數(shù)運(yùn)算：i=imread('e:dog.jpg');subplot(2,2,1),imshow(i),title('源圖像')j=rgb2gray(i)%灰度處理subplot(2,2,2),imshow(j),title('灰度變換后圖像')j1=log(1+double(j);subplot(2,2,3),imshow(j1,),title('對數(shù)變

4、換后')指數(shù)運(yùn)算:i=imread('e:dog.jpg');f=double(i);g=(22*(f-1)-1f=uint8(f);g=uint8(g);subplot(1,2,1);subimage(f),title('變換一')subplot(1,2,2);subimage(g),title('變換二')加法運(yùn)算：clc;clear all;close all;i = imread('e:dog.jpg');j = imnoise(i,'gaussian',0,0.02);subplot(1,3,1)

5、,imshow(i),title('圖一')subplot(1,3,2),imshow(j),title('圖二')k=zeros(242,308); for p=1:100 j = imnoise(i,'gaussian',0,0.02); j1 = im2double(j); k = k + j1; endk=k/100;subplot(1,3,3),imshow(k),title('圖三')實(shí)驗(yàn)二實(shí)驗(yàn)名稱：圖像變換實(shí)驗(yàn)?zāi)康模海?）進(jìn)一步對matlab的了解和使用；（2）學(xué)習(xí)如何在matlab中對數(shù)字圖像的處理；實(shí)驗(yàn)原理：圖像

6、和其他信號一樣，既能在空間域處理，也能在頻率域處理。把圖像信息從空域變換到頻域，可以更好的分析加工處理。因?yàn)閳D像信息的頻域處理具有如下特點(diǎn)：（1）能量守恒，但能量重新分配；（2）有利于提取圖像的某些特征；（3）正交變換具有能量集中作用，可以實(shí)現(xiàn)圖像的高效壓縮編碼；（4）頻域用快速算法；實(shí)驗(yàn)器材：電腦 matlab軟件實(shí)驗(yàn)內(nèi)容：（1）了解正交變換基本概念（2）掌握圖像的離散傅里葉和離散余弦變換（3）熟悉圖像的沃爾什及哈達(dá)瑪變換實(shí)驗(yàn)過程如下：傅里葉變換i = imread('e:dog.jpg')i = rgb2gray(i)j = fft2(i)subplot(2,2,1),im

7、show(i),title('灰度變換')j = fftshift(j)subplot(2,2,2),imshow(log(abs(j),),title('傅里葉變換')j(abs(j)<5000)=0subplot(2,2,3),imshow(log(abs(j)+eps),),title('濾波')j = ifftshift(j)k = ifft2(j)subplot(2,2,4),imshow(k,0 255),title('傅里葉逆變換')余弦變換：clear all;rgb=imread('e:dog.jp

8、g');i=rgb2gray(rgb);figure;imshow(i);title('灰度圖像');j=dct2(i);figure;imshow(log(abs(j),);colormap(jet(64),colorbar;title('二維離散余弦變換')沃爾什哈達(dá)瑪變換：i=zeros(2.8);i(2.7-2.4+1:2.7+2.4,2.7-2.4+1:2.7+2.4)=ones(2*2.4);subplot(1,2,1);colormap(gray(128),imagesc(i);m,n=size(i)for k=1:nwht(:,k)=ha

9、damard(m)*i(:,k)/m;endfor j=1:mwh(:,j)=hadamard(n)*wht(j,:)'/n;endwh=wh'subplot(1,2,2);colormap(gray(128),imagesc(wh);radon變換：r=radon（i，theta）：i表示待處理的圖像，theta表示radon變換的方向角度，可以是一個(gè)標(biāo)量或向量值。r的每一列對應(yīng)圖像i在theta某祎角度的radon變換值。i=zeros(120,120); i(25:75,25:75)=1;figure;imshow(i);theta=0:180;r,xp=radon(i,

10、theta);figure;imshow(r,'xdata',theta,'ydata',xp,.'initialmagnification','fit')xlabel('theta (degrees)')ylabel('x''')colormap(hot),colorbariptsetpref('imshowaxesvisible','off')實(shí)驗(yàn)三實(shí)驗(yàn)名稱：圖像的復(fù)原實(shí)驗(yàn)?zāi)康模?.加深圖像復(fù)原的相關(guān)原理，熟悉相關(guān)算法； 2.能夠產(chǎn)生運(yùn)動(dòng)模糊圖像，

11、加入高斯，椒鹽噪聲，并對噪聲進(jìn)行中值，均值，最大值，最小值進(jìn)行濾波復(fù)原；3.對彩色圖像rgb轉(zhuǎn)換到hisi，并顯示對應(yīng)分量，同時(shí)完成相關(guān)平滑濾波。實(shí)驗(yàn)儀器：計(jì)算機(jī)，matlab軟件實(shí)驗(yàn)原理：圖像復(fù)原的基本思路:先建立退化的數(shù)學(xué)模型，然后根據(jù)該模型對退化圖像進(jìn)行擬圖像復(fù)原合。圖像復(fù)原模型可以用連續(xù)數(shù)學(xué)和離散數(shù)學(xué)處理，處理項(xiàng)的實(shí)現(xiàn)可在空間域卷積，或在頻域相乘.圖像復(fù)原的基本任務(wù):消除模糊。圖像的退化主要是由系統(tǒng)的相關(guān)特性以及噪聲兩方面的因素所導(dǎo)致的，我們可以通過設(shè)計(jì)一個(gè)合適的復(fù)原濾波器（即實(shí)現(xiàn)逆濾波過程）來實(shí)現(xiàn)圖像的復(fù)原。圖1 中f（x，y）表示的是一幅靜止、二維的圖像，它在外部噪聲n（x，y）的

12、干擾作用之下，在經(jīng)過系統(tǒng)h（x，y）之后，退化成為g（x，y），復(fù)原后的圖像為f（x，y）。針對于退化圖像的復(fù)原，我們通?？梢圆捎眠@樣兩種方式來進(jìn)行：其一，當(dāng)對于原始圖像缺乏必需的先驗(yàn)知識時(shí)，我們可以采用就退化過程建立一個(gè)模型，首先對其進(jìn)行一個(gè)大概的描述，然后在復(fù)原的過程根據(jù)具體的情況進(jìn)行逐步合理的修正，逐步消除誤差影響。這種方法建立在對圖像的退化過程進(jìn)行合理的估計(jì)的基礎(chǔ)之上，從這個(gè)角度來看它是一種估計(jì)的方法；其二，當(dāng)我們對原始圖像具有足夠的先驗(yàn)知識時(shí)，我們這時(shí)候則直接針對原始圖像建立一個(gè)精確的數(shù)學(xué)模型，然后再對退化圖像進(jìn)行復(fù)原處理，這種效果更好.加入噪聲：i=imread('e:do

13、g.jpg');%讀取原圖像 %考慮是否加入灰度處理 j1=imnoise(i,'salt & pepper',0.02); %加入椒鹽噪聲j2=imnoise(i,'gaussian',0,0.01);%加入高斯白噪聲 j3=imnoise(i,'poisson');%加入泊松噪聲 j4=imnoise(i,'speckle',0.04);%加入乘法噪聲 figure;subplot(221),imshow(j1);title('加入椒鹽噪聲后圖像')subplot(222),imshow(j2)

14、;title('加入高斯白噪聲后圖像')subplot(223),imshow(j3);title('加入泊松噪聲后圖像')subplot(224),imshow(j4);title('加入乘法噪聲后圖像')%對椒鹽噪聲和高斯白噪聲進(jìn)行imfilter濾波rgb=imread('e:dog.jpg');h=ones(5,5)/25;rgb1=imfilter(rgb,h);rgb2=imfilter(rgb1,h,'replicate');figure;subplot(1,3,1);imshow(rgb);titl

15、e('original');%原始subplot(1,3,2);imshow(rgb1);title('filtered');%一維濾波subplot(1,3,3);imshow(rgb);title('boundary replication');%邊緣濾波%增加運(yùn)動(dòng)濾波，水平邊緣增強(qiáng)，拉普拉斯濾波rgb=imread('e:dog.jpg');h1=0,0,0.0000,0.0021,0.0042;0.1958,0.1979,0.2000,0.1979,0.1958 ;0.0042,0.0021,0.0000,0,0;h2=

16、1,2,1;0,0,0;-1,-2,-1;h3=0.1667,0.6667,0.1667;0.6667,-3.3333,0.1667;0.1667,0.6667, 0.1667;rgb1=imfilter(rgb,h1);rgb2=imfilter(rgb,h2);rgb3=imfilter(rgb,h3);figure;subplot(2,2,1),imshow(rgb),title('原圖像')subplot(2,2,2),imshow(rgb1),title('運(yùn)動(dòng)濾波')subplot(2,2,3),imshow(rgb2),title('水平邊

17、緣增強(qiáng)')subplot(2,2,4),imshow(rgb3),title('拉普拉斯濾波')%fspecial產(chǎn)生線性濾波器rgb=imread('e:dog.jpg');h1=fspecial('average',5,3);h2=fspecial('gaussian',5,3,1);h3=fspecial('laplacian',0);rgb1=imfilter(rgb,h1);rgb2=imfilter(rgb,h2);rgb3=imfilter(rgb,h3);figure;subplot(2,2

18、,1),imshow(rgb),title('原圖像')subplot(2,2,2),imshow(rgb1),title('均值濾波')subplot(2,2,3),imshow(rgb2),title('高斯濾波')subplot(2,2,4),imshow(rgb3)i=imread('e:dog.jpg');%二值化函數(shù)的輸入圖像既可以是彩色圖像也可以是灰度圖像 th=graythresh(i); %自動(dòng)確定二值化的最佳閾值 j=im2bw(i,th); %二值化閾值可以自己設(shè)定，值為0-1之間，而不是0-255，這一點(diǎn)要

19、切記 subplot(121),imshow(i); subplot(122),imshow(j);產(chǎn)生運(yùn)動(dòng)模糊圖像clc;clear all;i = imread('e:dog.jpg');subplot(121);imshow(i);title('原始圖像');h = fspecial('motion',20,45);motionblur = imfilter(i,h,'replicate');subplot(122);imshow(motionblur);title('運(yùn)動(dòng)模糊圖像');clc;clear a

20、ll;i = imread('eight.tif');j = imnoise(i,'salt & pepper',0.02);k = medfilt2(j);subplot(121);imshow(j);title('加入椒鹽噪聲的圖像');subplot(122);imshow(k);title('中值濾波的圖像');clc;clear all;i = imread('snowflakes.png');max = ordfilt2(i,25,ones(5,5);min = ordfilt2(i,1,one

21、s(5,5);subplot(221);imshow(i);title('原始圖像');subplot(222);imshow(max);title('最大值濾波');subplot(223);imshow(min);title('最小值濾波');實(shí)驗(yàn)四實(shí)驗(yàn)名稱：圖像的檢測與分割實(shí)驗(yàn)?zāi)康模海?）進(jìn)一步對matlab的了解和使用；（2）學(xué)習(xí)如何在matlab中對數(shù)字圖像的處理；實(shí)驗(yàn)原理：數(shù)字圖像處理主要目的：一是對圖像進(jìn)行加工和處理，得到滿足人的視覺和心理需要的改變進(jìn)行式。二是對圖像中的目標(biāo)物進(jìn)行分析很理解，包括：（1） 把圖像分割成不同目標(biāo)物和背

22、景的不同區(qū)域；（2） 提取正確代表不同目標(biāo)物特點(diǎn)的特征參數(shù)，并進(jìn)行掃描；（3） 對圖像中目標(biāo)物進(jìn)行識別和分類；實(shí)驗(yàn)器材：電腦 matlab軟件實(shí)驗(yàn)內(nèi)容：（1）了解圖像分割的概念 （2）掌握閾值分割及邊緣點(diǎn)檢測的基本方法 （3）對檢測目標(biāo)圖像提取特征并進(jìn)行分析實(shí)驗(yàn)過程：圖像分割：指的是將數(shù)字圖像細(xì)分為多個(gè)圖像子區(qū)域（像素的集合）（也被稱作超像素）的過程，就是把圖像分成若干個(gè)特定的、具有獨(dú)特性質(zhì)的區(qū)域并提出感興趣目標(biāo)的技術(shù)和過程。它是由圖像處理到圖像分析的關(guān)鍵步驟。圖像分割的目的是簡化或改變圖像的表示形式，使得圖像更容易理解和分析。圖像分割通常用于定位圖像中的物體和邊界（線，曲線等）。更精確的，圖

23、像分割是對圖像中的每個(gè)像素加標(biāo)簽的一個(gè)過程，這一過程使得具有相同標(biāo)簽的像素具有某種共同視覺特性。圖像分割的結(jié)果是圖像上子區(qū)域的集合（這些子區(qū)域的全體覆蓋了整個(gè)圖像），或是從圖像中提取的輪廓線的集合（例如邊緣檢測）。一個(gè)子區(qū)域中的每個(gè)像素在某種特性的度量下或是由計(jì)算得出的特性都是相似的，例如顏色、亮度、紋理。鄰接區(qū)域在某種特性的度量下有很大的不同?，F(xiàn)有的圖像分割方法主要分以下幾類：基于閾值的分割、區(qū)域生長、區(qū)域分裂合并、分水嶺算法、邊緣分割（邊緣檢測）、直方圖法、聚類分析、小波變換等。（1） 閾值分割及邊緣點(diǎn)檢測的基本方法閾值分割：雙峰法、迭代法、otsu方法雙峰法：根據(jù)雙峰法原理，觀察到灰度圖

24、像直方圖呈現(xiàn)明顯的雙峰狀，則選取雙峰之間的谷底所對應(yīng)的灰度級作為閾值分割。如上圖，選取160作為分割點(diǎn)。i=imread('e:dog.jpg');i=rgb2gray(i);imhist(i);i=imread('e:dog.jpg');i=rgb2gray(i);figuresubplot(1,2,1)imshow(i);width,height=size(i);title('原圖')for i=1:widthfor j=1:heightif(i(i,j)<230)rc(i,j)=0;elserc(i,j)=1;endendendsub

25、plot(1,2,2)imshow(rc)title('雙峰法圖像閾值分割處理效果圖')直方圖如下 迭代法i=imread('e:dog.jpg');i=rgb2gray(i);figure,subplot(1,2,1)imshow(i);title('原圖')clc;clear all;close all;i=imread('e:dog.jpg');i=rgb2gray(i);figure,subplot(1,2,1)imshow(i);title('原圖');i=double(i);t=(min(i(:)+ma

26、x(i(:)/2;done=false;i=0;while doner1=find(i<=t);r2=find(i>t);tnew=(mean(i(r1)+mean(i(r2)/2;done=abs(tnew-t)<1;t=tnew;i=i+1;endi(r1)=0;i(r2)=1;subplot(1,2,2);imshow(i);title('迭代效果圖');otsu方法i=imread('e:dog.jpg');i=rgb2gray(i);figuresubplot(1,2,1)imshow(i);title('原圖');w

27、idth,height=size(i);level=graythresh(i);bw=im2bw(i,level);subplot(1,2,2)imshow(bw);title('ostu閾值分割效果圖');邊緣點(diǎn)檢測：prewitt算子檢測圖像的邊緣、不同值的log算子檢測圖像的邊緣、canny算子檢測圖像的邊緣i = imread('bacteria.bmp');bw1 = edge(i,'prewitt',0.04); figure(1);imshow(i);figure(2);imshow(bw1);prewitt算子檢測圖像的邊緣i =

28、 imread('e:bacteria.bmp');bw1 = edge(i,'log',0.003); % =2imshow(bw1);title('=2')bw1 = edge(i,'log',0.003,3); % =3figure, imshow(bw1);title('=3')不同值的log算子檢測圖像的邊緣i = imread('e:bacteria.bmp');imshow(i);bw1 = edge(i,'canny',0.2);figure,imshow(bw1);

29、canny算子檢測圖像的邊緣（2） 對檢測目標(biāo)圖像提取特征并進(jìn)行分析（基于區(qū)域的圖像特征提?。゛=imread('e:dog.jpg');%讀入圖像subplot(2,2,1);%設(shè)置原始圖像顯示位置imshow(a);%顯示原始圖像title('原始圖像');%命名為原始圖像f=rgb2gray(a);%將原始圖像轉(zhuǎn)換成灰度圖像b=medfilt2(f);%將圖像進(jìn)行中值濾波subplot(2,2,2);%設(shè)置灰度圖像顯示位置imshow(b);title('灰度圖像');seedx=256,128,300;seedy=128,256,284;

30、hold onplot(seedx,seedy,'gs','linewidth',1);title('灰度圖像處理');b=double(b);markerim=b=b(seedy(1),seedx(1);for i=2:length(seedx)markerim=markerim|(b=b(seedy(i),seedx(i);endthresh=15,10,15;maskim=zeros(size(b);for i=1:length(seedx)g=abs(b-b(seedy(i),seedx(i)<=thresh(i);maskim=m

31、askim|g;endg,nr=bwlabel(imreconstruct(markerim,maskim),8);g=mat2gray(g);subplot(2,2,3);imshow(g);title('最終結(jié)果');seedx=156,78,300;seedy=78,156,284;hold onplot(seedx,seedy,'gs','linewidth',1);title('灰度圖像處理');b=double(b);markerim=b=b(seedy(1),seedx(1);for i=2:length(seedx

32、)markerim=markerim|(b=b(seedy(i),seedx(i);endthresh=15,10,15;maskim=zeros(size(b);for i=1:length(seedx)g=abs(b-b(seedy(i),seedx(i)<=thresh(i);maskim=maskim|g;endg,nr=bwlabel(imreconstruct(markerim,maskim),8);g=mat2gray(g);subplot(2,2,3);imshow(g);title('最終結(jié)果');seedx=256,128,300;seedy=128,

33、256,284;hold onplot(seedx,seedy,'gs','linewidth',1);title('灰度圖像處理');b=double(b);markerim=b=b(seedy(1),seedx(1);for i=2:length(seedx)markerim=markerim|(b=b(seedy(i),seedx(i);endthresh=15,10,15;maskim=zeros(size(b);for i=1:length(seedx)g=abs(b-b(seedy(i),seedx(i)<=thresh(i);

34、maskim=maskim|g;endg,nr=bwlabel(imreconstruct(markerim,maskim),8);g=mat2gray(g);subplot(2,2,3);imshow(g);title('最終結(jié)果');seedx=108,108,300;seedy=108,108,284;hold onplot(seedx,seedy,'gs','linewidth',1);title('灰度圖像處理');b=double(b);markerim=b=b(seedy(1),seedx(1);for i=2:le

35、ngth(seedx)markerim=markerim|(b=b(seedy(i),seedx(i);endthresh=15,10,15;maskim=zeros(size(b);for i=1:length(seedx)g=abs(b-b(seedy(i),seedx(i)<=thresh(i);maskim=maskim|g;endg,nr=bwlabel(imreconstruct(markerim,maskim),8);g=mat2gray(g);subplot(2,2,3);imshow(g);title('最終結(jié)果');seedx=108,108,108;

36、seedy=108,108,108;hold onplot(seedx,seedy,'gs','linewidth',1);title('灰度圖像處理');b=double(b);markerim=b=b(seedy(1),seedx(1);for i=2:length(seedx)markerim=markerim|(b=b(seedy(i),seedx(i);endthresh=15,10,15;maskim=zeros(size(b);for i=1:length(seedx)g=abs(b-b(seedy(i),seedx(i)<=

37、thresh(i);maskim=maskim|g;endg,nr=bwlabel(imreconstruct(markerim,maskim),8);g=mat2gray(g);subplot(2,2,3);imshow(g);title('最終結(jié)果');seedx=80,50,108;seedy=50,80,108;hold onplot(seedx,seedy,'gs','linewidth',1);title('灰度圖像處理');b=double(b);markerim=b=b(seedy(1),seedx(1);for

38、i=2:length(seedx)markerim=markerim|(b=b(seedy(i),seedx(i);endthresh=15,10,15;maskim=zeros(size(b);for i=1:length(seedx)g=abs(b-b(seedy(i),seedx(i)<=thresh(i);maskim=maskim|g;endg,nr=bwlabel(imreconstruct(markerim,maskim),8);g=mat2gray(g);subplot(2,2,3);imshow(g);title('最終結(jié)果');th=graythres

39、h(g);j=im2bw(g,th);imshow(j);a1=bwperim(j);l=0;m,n=size(a1);for i=1:m*nif (a1(i)=1) l=l+1;endendl m,n=size(j);s=0;for i=1:m*nif (a1(i)=1) s=s+1;endends x=0; y=0;for i=1:m for j=1:nif(g(i,j)=1)x=i+x;y=j+y;endendendx=x/sth=graythresh(g);j=im2bw(g,th);imshow(j);a1=bwperim(j);l=0;m,n=size(a1);for i=1:m*nif (a1(i)=1) l=l+1;endendl m,n=size(j);s=0;for i=1:m*nif (a1(i)=1) s=s+1;endends x=0; y=0;for i=1:m for j=1:nif(g(i,j)=1)x=i+x;y=j+y;endendendx=x/sth=graythresh(g);j=im2bw(g,th);imshow(j);a1=bwperim(j);l=0;m,n=size(a1);for i=1:m*nif (a1(i)=1) l=l+1;endendlm,n=size(j);s=0;for i=1:m*nif (a1(i)=1) s=