數(shù)字圖像處理實驗一

1、數(shù)字圖像處理實驗一簡介第一篇：數(shù)字圖像處理實驗一實驗報告 一、實驗原理 1調用imread函數(shù)將圖像文件讀入圖像數(shù)組（矩陣） a=imread(filename,fmt) 2. 調用imwrite函數(shù)將圖像文件寫入圖像數(shù)組（矩陣）imwrite(a,filename,fmt) 3. 調用imshow函數(shù)顯示圖像imshow（i，n） 4. 圖像的灰度平均值。調用ave=mean2（i）計算圖像的均值 5. 協(xié)方差矩陣。調用cfg=cov（f，g）計算圖像f和圖像g的協(xié)方差矩陣 6 圖像的灰度標準差。調用sd=std2（i）的灰度標準差 7. 圖像的相關系數(shù)。調用函數(shù)rfg=corr2(f，g)

2、計算大小相等的兩幅圖像f和g的相關系數(shù) 二、圖像及統(tǒng)計數(shù)據(jù)原圖像的平均灰度值= 77.5170 灰度標準差= 44.2095 灰度圖像的平均灰度值= 74.4516 灰度標準差=37.1236 反白圖像的平均灰度值= 180.5484 灰度標準差= 37.1236 灰度圖像和反白圖像的相關系數(shù)是-1 三、程序 i=imread('football.jpg'); subplot(2,2,1);imshow(i); j=rgb2gray(i); subplot(2,2,2);imshow(j); ave=mean2(j) ave = 74.4516 sd=std2(double(j

3、) sd = 37.1236 s=size(j); all_white=255*ones(s(1),s(2); all_white_uint8=uint8(all_white); k=imsubtract(all_white_uint8,j); subplot(2,2,3);imshow(k); imwrite(k,'football_iverse.jpg'); 四、思考題 1. 圖像統(tǒng)計特征讓我們更加了解圖像的變換，使圖像處理更加方便 2. 五、心得體會 這次試驗，我學會了使用marlab中的圖像處理工具箱中的函數(shù)，對每個圖像處理函數(shù)的功能都有了深入的認識。同時，我掌握了ma

4、tlab的基本應用方法，對圖像文件的讀/寫的方法有了初步認識。總之這次試驗讓我對matlab的圖像處理有了一點學習，為更好地學習數(shù)字圖像處理打下了一定的基礎。 第二篇：數(shù)字圖像處理實驗一一、實驗目的及內容 內容： 灰度變換和空間濾波 1.灰度變換 利用imadjust函數(shù)（可結合stretchlim函數(shù)）對圖像對比度拉伸 2.直方圖繪制、均衡和匹配 利用imhist，histeq函數(shù)完成圖2.8及圖2.11的功能 3.空間濾波線性空間濾波： 利用濾波函數(shù)imfilter函數(shù)完成圖2.16中b,c,d,e的圖像平滑效果利用fspecial函數(shù)生成average,disk，gaussian濾波器完

5、成圖像的平滑效果 利用fspecial函數(shù)生成prewitt, sobel,laplacian濾波器完成圖像的銳化效果 非線性空間濾波 利用中值濾波函數(shù)medfilt2去除椒鹽噪聲 二、實驗原理 、函數(shù)imadjust是一個基本的圖像處理工具箱函數(shù)，用于對灰度級圖像進行灰度變換。 g=imadjust(f,low_in high_in,low_out high_out,gamma)，該函數(shù)將圖像f中的灰度值映射為圖像g中的新值，即將low_in至high_in之間的值映射到low_out至high_out之間的值。 、函數(shù)imhist是處理圖像直方圖的核心函數(shù) h=imhist(f,b)，其中

6、f為輸入圖像，h為其直方圖，b是用來形成直方圖的“容器”的數(shù)目。 、函數(shù)histeq是實現(xiàn)直方圖匹配的函數(shù) g=histeq(f,hspec)，其中f為輸入圖像，hspec為規(guī)定的直方圖，g為輸出圖像，輸出圖像的直方圖近似于指定的直方圖hspec。 、函數(shù)imfilter用來實現(xiàn)線性空間濾波 -1- g=imfilter(f,w,filtering_mode,boundary_options,size_options)，其中f為輸入圖像，w為濾波模板，g為濾波后的結果。 用于平滑的濾波器有：average,disk,gaussian 用于銳化的濾波器有：laplacian,prewit,sob

7、el 三、實驗源代碼及結果 1、灰度變換、直方圖繪制、均衡和匹配 f=imread('anna.jpg')%讀取anna.jpg圖片 subplot(2,4,1) imshow(f),title('原圖')%顯示原圖 f1=imadjust(f,0.2 0.5, 0 1)%將圖片的灰度級別在0.2至0.5之間的部分拉伸至0到1之間 subplot(2,4,2) imshow(f1),title('灰度拉伸之后')%顯示灰度拉伸之后的圖片 subplot(2,4,3) imhist(f),title('原圖直方圖') f2=hist

8、eq(f,128)%進行直方圖均衡化，灰度級數(shù)設為128 subplot(2,4,4) imhist(f2),title('均衡化')%顯示均衡化之后的直方圖 g=imread('bag.png')%讀取bag.png圖像 h=imhist(g)%生成bag.png圖像的直方圖賦值給向量h subplot(2,4,5) imhist(g),title('規(guī)定的直方圖') f3=histeq(f,h)%進行直方圖匹配 subplot(2,4,6) imshow(f3),title('直方圖匹配') 運行結果 -2- 2、線性空間濾波

9、 a=imread('block.png')%讀取block.png圖像 figure,subplot(2,3,1) imshow(a),title('原圖') w=1/(31*31)*ones(31)%生成31*31的全為1的矩陣，命名為w a1=imfilter(a,w)%利用imfilter函數(shù)進行濾波 subplot(2,3,2) imshow(a1) a2=imfilter(a,w,'replicate')%圖像的大小通過復制圖像邊界外的值來擴展 subplot(2,3,3) imshow(a2) a3=imfilter(a,w,

10、9;symmetric')%圖像的大小通過邊界鏡像反射來擴展 subplot(2,3,4) -3- imshow(a3) a4=imfilter(a,w,'circular')%圖像的大小通過將圖像處理為二維周期函數(shù)的一個周期來擴展 subplot(2,3,5) imshow(a4) aa=im2uint8(a) a5=imfilter(aa,w,'replicate') subplot(2,3,6) imshow(a5) b=imread('anna.jpg') figure,subplot(2,2,1) imshow(b),title

11、('原圖') w1=fspecial('average',4)%生成average平滑濾波器 b1=imfilter(b,w1)%進行濾波 subplot(2,2,2) imshow(b1),title('average') w2=fspecial('disk',5)%生成disk平滑濾波器 b2=imfilter(b,w2) subplot(2,2,3) imshow(b2),title('disk') w3=fspecial('gaussian',3 3,0.5)%生成gaussian平滑濾波器

12、 b3=imfilter(b,w3) -4- subplot(2,2,4) imshow(b3),title('gaussian') c=imread('anna.jpg') figure,subplot(2,2,1) imshow(c),title('原圖') w4=fspecial('prewitt')%生成prewitt銳化濾波器 c1=imfilter(c,w4) subplot(2,2,2) imshow(c1),title('prewitt') w5=fspecial('sobel')%

13、生成sobel銳化濾波器 c2=imfilter(c,w5) subplot(2,2,3) imshow(c2),title('sobel') w6=fspecial('laplacian')%生成laplacian銳化濾波器 c3=imfilter(c,w6) subplot(2,2,4) imshow(c3),title('laplacian') 運行結果 -5- -6- 3、非線性空間濾波 d=imread('anna.jpg')%讀取anna.jpg圖像，賦值給d d1=imnoise(d,'salt &

14、pepper',0.3)%用imnoise函數(shù)對d生成椒鹽噪聲 figure,subplot(1,2,1) imshow(d1),title('被椒鹽噪聲污染的圖像') d2=medfilt2(d1)&用中值濾波器進行濾波 subplot(1,2,2) imshow(d2),title('去除椒鹽噪聲的圖像') 運行結果 -7- 四、實驗總結（心得體會） 通過這次實驗，首先我熟悉了matlab的基本操作，掌握了圖像處理的基本操作，比如如何讀一張圖片進來、如何顯示一張圖片等等。這些都是最基本的操作。其次我知道了灰度變換的函數(shù)imadjust的使用，

15、它是將選定的灰度級別范圍變換為規(guī)定的范圍，可以自由變換圖像的灰度級別；還有掌握了如何畫圖像的直方圖、將直方圖均衡化等等。還學會了圖像的濾波處理，通過函數(shù)imfilter進行濾波。常用的平滑濾波器有average,disk，gaussian、銳化濾波器有prewitt, sobel,laplacian。還學會了用中值濾波去除椒鹽噪聲。這些都是一些比較初級的函數(shù)，后面還有很多圖像處理方法需要學習。 -8- 第三篇：數(shù)字圖像處理實驗報告數(shù)字圖像處理實驗 學生姓名：專業(yè)年級：報告 葉圣紅 學 號： 20097048 09級電子信息工程二班 實驗一 常用matlab圖像處理命令 一、實驗內容 1、讀入一

16、幅rgb圖像，變換為灰度圖像和二值圖像，并在同一個窗口內分成三個子窗口來分別顯示rgb圖像和灰度圖像，注上文字標題。 實驗結果如右圖： 代碼如下： subplot (1,3,1) i=imread('e:數(shù)字圖象處理.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

17、口內分成五個子窗口來分別顯示，注上文字標題。 實驗結果如右圖： 代碼如下： subplot (3,2,1) i=imread('e:數(shù)字圖像處理1.jpg') x=imresize(i,250,320) imshow(x) title('原圖x') subplot (3,2,2) j=imread(''e:數(shù)字圖像處理17.jpg') y=imresize(j,250,320) imshow(y) title('原圖y') subplot (3,2,3) z=imadd(x,y) imshow(z) title('

18、相加結果')；subplot (3,2,4)；z=imsubtract(x,y)；imshow(z)；title('相減結果') subplot (3,2,5)；z=immultiply(x,y)；imshow(z)；title('相乘結果') subplot (3,2,6)；z=imdivide(x,y)；imshow(z)；title('相除結果') 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，在同一個窗口內分成四個子窗口來分別顯示，注上文字標題。 實驗結果如右圖： 代碼如下： subplot (2,2,1) i=imr

19、ead('e:數(shù)字圖像處理12.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-i imshow(j) title('變負') 二、實驗總結 分析圖像的代數(shù)運算結果，分別陳述圖像的加、減、乘、除運算可能的應用領域。 解答：圖像減運算與圖像

20、加運算的原理和用法類似，同樣要求兩幅圖像x、y的大小類型相同，但是圖像減運算imsubtract()有可能導致結果中出現(xiàn)負數(shù)，此時系統(tǒng)將負數(shù)統(tǒng)一置為零，即為黑色。 乘運算實際上是對兩幅原始圖像x、y對應的像素點進行點乘(x.*y)，將結果輸出到矩陣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，就是對兩幅圖像的對應像素點進行點（x./y)， imdivide()同樣可以通過除以一個常數(shù)來改變原始

21、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處理。 加法運算的一個重要應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 一、 實驗內容 1.調試運行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)行結果。 1、調試運行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)行結果。 a=imread(e: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=ze

22、ros(wid/2+1,hei/2+1); i1=1; j1=1; for i=1:2:wid for j=1:2:hei quartimg(i1,j1)=b(i,j) ; j1=j1+1; end i1=i1+1; j1=1; end figure imshow(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)字圖像處理實驗數(shù)字圖像處理20.jpg'); imshow(a)；title('a')；subplot (1,2,

23、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，顯示結果圖像和對應直方圖。 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

24、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大致相同，顯示變換后圖像及對應直方圖。 counts,x=imhist(c) ；subplot (2,2,1)；imshow(a); title('圖a');subplot (2,2,2);c=imread('e:數(shù)字圖像處理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、實驗內容 1、對一幅圖像進行縮小，

25、顯示原始圖像與處理后圖像，分別對其進行傅里葉變換，顯示變換后結果，分析原圖的傅里葉譜與平移后傅里葉頻譜的對應關系。 i=imread('f:數(shù)字圖象處理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);sub

26、plot(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，顯示原始圖像與處理后圖像，分別對其進行傅里葉變換，顯示變換后結果，分析原圖的傅里葉譜與旋轉后傅里葉頻譜的對應關系。 i=imread('e:數(shù)字圖象處理18.jpg'); j=rgb2gray(i);subplot(2,2,1);imshow(j);title('原圖') m=imrotate(j,45,'bilinear');subplot(2,2,2); imshow(m);title('旋轉圖&

27、#39;) 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('旋轉圖傅里葉變化') 實驗四 常用圖像增強方法 一、實驗內容 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*7 subplot(2,2,1); a=imread('e:數(shù)字圖像處理24.jpg'); j=imnoise

28、(a,'salt & pepper',0.04); imshow(j); title('椒鹽噪聲圖像'); subplot(2,2,2); i_filter1=medfilt2(j,3 3); imshow(i_filter1); title('3x3'); subplot(2,2,3); i_filter2=medfilt2(j,5 5); imshow(i_filter2); title('5x5'); subplot(2,2,4); i_filter3=medfilt2(j,7 7); imshow(i_filter

29、3); 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('e:數(shù)字圖像處理23.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

30、算子對圖像進行銳化處理。 subplot(1,4,1);i=imread('f:數(shù)字圖像處理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('prewit

31、t算子')subplot(1,4,4)h=fspecial('sobel'); i4=filter2(h,i1)imshow(i4);title('sobel算子') 二、實驗總結 1、比較不同平滑濾波器的處理效果，分析其優(yōu)缺點 中值濾波比低通濾波消除噪聲更有效。因為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緣將被模糊。中值濾波能去除點狀尖峰干擾而邊緣不會變壞。理想低通濾波器平滑處理的概念是清晰的，但在處理過程中會產生較嚴重的模糊和振鈴現(xiàn)象。這種現(xiàn)象正是由于傅里葉變換的性質決定的。 2、比較不同銳化濾波器的處理效果，分析其優(yōu)缺點 梯度算子:

32、梯度對應的是一階導數(shù)，梯度算子是一階導數(shù)算子。梯度方向:在圖像灰度最大變化率上，反映出圖像邊緣上的灰度變化。梯度處理經常用于工業(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處理。拉普拉斯微分算子強調圖像中灰度的突變,弱化灰度慢變化的區(qū)域。這將產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 圖像恢復和圖像分割 一、實驗內容 1、產生運動模糊圖像，運用維納濾波進行圖像恢復，顯示結果。 i=imread('f:car.jpg'); i1=rbg2gray(i)；i= im2double(i1); subplot(1,3,1) imshow(i)；title(原圖像

33、) 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('維納濾波恢復后圖像') 2、采用三種不同算子檢測圖像邊緣，顯示結果

34、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算子邊緣檢測') bw2=edge(i,'zerocross'); subplot(2,2,3);imshow(bw2);title('zerocross算子邊緣檢測') bw3=edge(i,'log

35、9;); subplot(2,2,4);imshow(bw3);title('log算子邊緣檢測') 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);tit

36、le('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

37、9;) 實驗六 圖像處理實際應用 一、實驗內容 1、調試運行下列程序,分析程序,對每條語句給出注釋,并顯示最終執(zhí)行結果?？偨Y算法思想及優(yōu)缺點 總結：對于特定位置的車牌識別算法非常高效，但對于含有噪聲等其他因素的車牌分割處理，相對來說算法還有待完善。 三、實驗內容 調試運行下列程序,分析程序,對每條語句給出注釋,并顯示最終執(zhí)行結果?？偨Y算法思想及優(yōu)缺點. 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 % rgb to hsi % %begin橫向掃描

38、tic %計算tic與toc之間程序的運行時間 % y 方向 % 分割字符按行積累量 blue_y=zeros(y,1); %產生y*1的全0矩陣 for i=1:y %給定i的范圍 for j=1:x :x%給定j的范圍if(myi(i,j,1)=51)&&(myi(i,j,3)=119) % 藍色rgb的灰度范圍blue_y(i,1)= blue_y(i,1)+1; %藍色像素點統(tǒng)計end end end temp maxy=max(blue_y); % y方向車牌區(qū)域確定 %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) 確定藍色rgb blue_y所在位置py1=py1-1; %對車牌區(qū)域的修正，向上調整 end py2=maxy;