圖像處理報(bào)告(共22頁)

1、精選優(yōu)質(zhì)文檔-傾情為你奉上數(shù)字圖像處理實(shí)驗(yàn)報(bào)告姓名：學(xué)號(hào)：XX年XX月專心-專注-專業(yè)目錄實(shí)驗(yàn)一 圖像的存取1實(shí)驗(yàn)二 圖象直方圖統(tǒng)計(jì)3實(shí)驗(yàn)三 圖像的線性變換6實(shí)驗(yàn)四 圖像平滑消噪處理9實(shí)驗(yàn)五 圖像中值濾波處理11實(shí)驗(yàn)六 圖像銳化處理14實(shí)驗(yàn)七 圖像勾邊處理16小 結(jié)20實(shí)驗(yàn)一 圖像的存取一、 實(shí)驗(yàn)?zāi)康?.熟悉圖像處理的一個(gè)開發(fā)環(huán)境VC+6.0。2.掌握VC+6.0環(huán)境下讀取位圖方式并能夠?qū)ξ粓D進(jìn)行顯示。3.進(jìn)行圖像*.bmp文件的讀寫等基本操作，實(shí)現(xiàn)圖像的二值化處理。二、 實(shí)驗(yàn)內(nèi)容1. 實(shí)驗(yàn)原理本實(shí)驗(yàn)運(yùn)用VC+6.0軟件中MFC AppWizard(exe)創(chuàng)建圖像處理工程，運(yùn)用C+編程方法對(duì)

2、圖像進(jìn)行處理。創(chuàng)建工程時(shí)選擇Single document，之后，導(dǎo)入圖片InsertResource，選擇相應(yīng)Bitmap(位圖文件)。圖片的大小可以在屬性里得到，本實(shí)驗(yàn)中圖片的大小為320*200，用FOR循環(huán)將一個(gè)個(gè)像素讀取出來，然后放大2倍的處理，然后寫出像素。此函數(shù)定義了三個(gè)形參：x,y,gred。其中，x,y仍然為橫縱坐標(biāo)，gred為繪制點(diǎn)的灰度。2. 實(shí)驗(yàn)算法：void CImageView:test()int x,y,gred;for(y=0;y<200;y+)for(x=0;x<320;x+)gred=ReadPixel(x,y);gred=gred*2;Writ

3、ePixel(x+400,y,gred);3. 結(jié)果與分析：(A)結(jié)果實(shí)驗(yàn)結(jié)果截圖如下：（B）分析灰度處理函數(shù)說明：嵌套使用兩個(gè)for語句，逐一讀取圖像每個(gè)像素點(diǎn)的灰度值，再將其乘以二，輸出至原圖像左側(cè)400個(gè)像素點(diǎn)處。通過原圖像與灰度處理過的圖像對(duì)比可知灰度及表示灰度圖像的亮度。灰度乘二即使原圖像的亮度增加一倍。又由于灰度只取8位，原圖像灰度值超過128的像素點(diǎn)處理后會(huì)變成白色高光點(diǎn)。實(shí)驗(yàn)二 圖象直方圖統(tǒng)計(jì)一、 實(shí)驗(yàn)?zāi)康?、 熟悉直方圖的計(jì)算。2、 進(jìn)一步熟悉圖像處理的基本方法：圖像的讀寫和修改。3、 復(fù)習(xí)VC+的圖形中的繪圖方法。4、 根據(jù)要求完成程序設(shè)計(jì)和調(diào)試。二、 實(shí)驗(yàn)內(nèi)容1. 實(shí)驗(yàn)原

4、理灰度級(jí)圖像的直方圖就是反應(yīng)一幅圖像中的灰度級(jí)與出現(xiàn)這種灰度的概率之間的關(guān)系的圖形。對(duì)于數(shù)字圖像而言，圖像的灰度直方圖使一個(gè)一維離散函數(shù)。用rk代表離散灰度級(jí)，則圖像的直方圖p(rk)可以表示為： （k=0,1,2,，K-1），且有式中nk為圖像中出現(xiàn)rk這種灰度的像素，n是圖像中的總像素。而nk/n就是概率論中所說的頻數(shù)，K是灰度級(jí)的總數(shù)。在直角坐標(biāo)系中作出rk與p（rk）的關(guān)系圖像，這個(gè)圖形稱為灰度級(jí)的直方圖。圖像的灰度直方圖實(shí)際上是以圖像像素灰度出現(xiàn)的概率形式來直觀表達(dá)圖像的灰度分布信息。2. 實(shí)驗(yàn)算法：void CImageView:test()int x,y,gred256=0;fo

5、r(y=0;y<200;y+)for(x=0;x<320;x+)gredReadPixel(x,y)+;for(int i=0;i<=255;i+)Drawline(i*3,333,gredi);Drawline2(0,334,3*256);定義兩個(gè)嵌套循環(huán)，x，y分別為圖像橫縱坐標(biāo)，因?yàn)槭?20*200的圖像，所以x的取值范圍是0320，y的取值范圍為0200。讀取每一個(gè)圖像像素的灰度值，分別對(duì)應(yīng)存入gred數(shù)組保存，最后調(diào)用畫線函數(shù)，將gred數(shù)組中的值畫出來即完成實(shí)驗(yàn)要求。3. 結(jié)果與分析：(A)結(jié)果實(shí)驗(yàn)結(jié)果截圖如下：（B）分析直方圖作圖函數(shù)說明：首先嵌套使用for語句

6、，實(shí)現(xiàn)對(duì)整個(gè)圖像像素點(diǎn)的掃描，用數(shù)組gred記錄每個(gè)灰度出現(xiàn)的次數(shù)。最后用for語句完整輸出直方圖。由于圖像像素點(diǎn)較多，為簡便，函數(shù)中只用相同灰度點(diǎn)出現(xiàn)次數(shù)之間的比例大小表示灰度出現(xiàn)的概率?；叶戎狈綀D只能反映圖像的灰度分布情況，而不能反映圖像像素的位置,即丟失了像素的位置信息。一幅圖像對(duì)應(yīng)唯一的灰度直方圖，反之不成立。不同的圖像可對(duì)應(yīng)相同的直方圖。一幅圖像分成多個(gè)區(qū)域，多個(gè)區(qū)域的直方圖之和即為原圖像的直方圖。從直方圖可以看出，本圖像像素灰度分布不是特別均勻，灰度較大的像素占得比例較大，而灰度較小的像素所占比例較小。實(shí)驗(yàn)三 圖像的線性變換一、 實(shí)驗(yàn)?zāi)康?、熟悉圖像的線性變換的基本原理。2、掌握?qǐng)D

7、像的線性變換處理的計(jì)算機(jī)實(shí)現(xiàn)方法。3、驗(yàn)證圖像的線性變化理論。4、觀察圖像線性變換處理結(jié)果。二、 實(shí)驗(yàn)內(nèi)容1. 實(shí)驗(yàn)原理對(duì)于灰度分布范圍較窄的圖像，我們采用圖像灰度線性變換方法，提高對(duì)比度，達(dá)到較為滿意的視覺效果。設(shè)變換前函數(shù)為f(x,y),灰度范圍為x0,y0，變換后函數(shù)為g(x,y),灰度范圍為x1,y1，則圖像灰度的線性變換可以表示為： 變換后的灰度區(qū)間比變換前的灰度區(qū)間要大，即圖像的灰度對(duì)比度提高了。將x1=0和y1=0，則圖像就能達(dá)到最大對(duì)比度這就是全程變換達(dá)到最大對(duì)比度。2. 實(shí)驗(yàn)算法：本次試驗(yàn)運(yùn)用，將變換前函數(shù)為f(x,y),灰度范圍為x0,y0，賦予max ,min通過循環(huán)語句

8、實(shí)現(xiàn)圖像的灰度間距的變換，從而達(dá)到圖像的全程線性變換，程序如下：void CImageView:test()int x,y,gred,min,max;gred=ReadPixel(0,0);min=gred;max=gred;for(y=0;y<200;y+)for(x=0;x<320;x+)gred=ReadPixel(x,y);if(gred<=min) min=gred;if(gred>=max) max=gred;for(y=0;y<200;y+)for(x=0;x<320;x+)gred=ReadPixel(x,y);gred=(255/(max-

9、min)*(gred-min);WritePixel(x,y+200,gred);3. 結(jié)果與分析：（A）結(jié)果實(shí)驗(yàn)結(jié)果截圖如下：（B）分析變換后的灰度區(qū)間比變換前的灰度區(qū)間要大，也就是說經(jīng)過現(xiàn)行變換后圖像的灰度對(duì)比度提高了，從而改善了圖像的視覺效果。如果改變后的灰度范圍取圖像的最大取值范圍，即gred=0和gred=255，則圖像就能達(dá)到最大對(duì)比度，使觀察者能更好地理解圖像，這就是全程變換達(dá)到最大對(duì)比度。經(jīng)過線性變換處理后，圖像明顯的清晰了很多，光線的亮度增強(qiáng)，增強(qiáng)了圖像的層次，提高了圖像的對(duì)比度。實(shí)驗(yàn)四 圖像平滑消噪處理一、 實(shí)驗(yàn)?zāi)康?、熟悉空間域圖像平滑的基本原理及基本方法，重點(diǎn)掌握均值濾

10、波法。2、掌握空間域圖像平滑均值濾波法的計(jì)算機(jī)實(shí)現(xiàn)方法。3、驗(yàn)證空間域圖像平滑均值濾波法理論。4、觀察空間域圖像平滑均值濾波法處理的結(jié)果。二、 實(shí)驗(yàn)內(nèi)容1. 實(shí)驗(yàn)原理均值濾波，是簡單的圖像平滑化處理方法。它是用一個(gè)有奇數(shù)點(diǎn)的滑動(dòng)窗口在圖像上滑動(dòng)，將窗口中心點(diǎn)對(duì)應(yīng)圖像像素點(diǎn)的灰度值用窗口內(nèi)的各個(gè)點(diǎn)的灰度值的平均值代替，如果滑動(dòng)窗口規(guī)定了再取均值過程中窗口各個(gè)像素點(diǎn)所占的權(quán)重，則稱為加權(quán)均值濾波。定義一個(gè)N*N的模版數(shù)組。一幅N*N個(gè)像素的圖像f(x ,y)，均值濾波后得到一幅圖像g(x, y)，g(x ,y)由下式?jīng)Q定： 式中，x,y=0,1,2,···,N-1;S

11、是點(diǎn)領(lǐng)域中點(diǎn)的坐標(biāo)的集合。2. 實(shí)驗(yàn)算法： void CImageView:Smooth() int x,y,k,gred3;int result200320;for (y=0;y<200;y+)for (x=0;x<320;x+)for (k=0;k<3;k+)if (x+k-1>=0 && x+k-1<=320)gredk=ReadPixel(x-k-1,y);resultyx=1/3.0*(gred0+gred1+gred2);WritePixel(x+400,y,resultyx);3. 結(jié)果與分析：(A)結(jié)果實(shí)驗(yàn)結(jié)果截圖如下：（B）分析在

12、經(jīng)過圖像平滑處理后，圖像中的鳥羽毛和背景的毛刺感變的不明顯，看過去沒有突兀感，平滑度較好，但是細(xì)節(jié)如邊界輪廓，線條等稍微變得模糊不清。實(shí)驗(yàn)五 圖像中值濾波處理一、 實(shí)驗(yàn)?zāi)康?. 進(jìn)一步掌握空間域圖像平滑的基本原理及方法，重點(diǎn)掌握中值濾波法。2. 掌握空間域圖像平滑中值濾波法的計(jì)算機(jī)實(shí)現(xiàn)方法。3. 驗(yàn)證空間域圖像平滑中值濾波法理論。4. 觀察空間域圖像平滑中值濾波法處理的結(jié)果。二、 實(shí)驗(yàn)內(nèi)容1. 實(shí)驗(yàn)原理中值濾波，也是圖像平滑空間域中處理方法之一。種植鋁箔實(shí)現(xiàn)的基本原理是對(duì)應(yīng)的像素點(diǎn)的灰度值用窗口內(nèi)的中間值代替，即數(shù)字圖像或數(shù)字序列中一點(diǎn)的值用改點(diǎn)的一個(gè)鄰域中各點(diǎn)的中值代替。一組數(shù),把各數(shù)按值得

13、大小順序排列于下n為偶數(shù)n為奇數(shù)y稱為序列的中值。把一個(gè)點(diǎn)得特定長度或形狀的鄰域稱為窗口。在一維情況下，中值濾波器是一個(gè)含有奇數(shù)個(gè)像素的滑動(dòng)窗口。窗口正中間那個(gè)像素的值用窗口內(nèi)各個(gè)像素的中值代替。中值濾波適用于圖像由較大色塊組成，而噪聲特點(diǎn)是孤立點(diǎn)形式存在的圖像。中值濾波可以有效消除噪聲，而較好的保留圖像的邊緣。避免了局域平均法帶來的邊界模糊的負(fù)面影響。在排序后的各個(gè)灰度中，采用最中間的灰度值代替選定像素點(diǎn)得灰度，這樣的做法便達(dá)到了中值濾波的作用，容易去除孤立的噪聲點(diǎn)。2. 實(shí)驗(yàn)算法：int CImageView:Med(int a,int b,int c) if (b<=a &

14、& a<=c | c<=a && a<=b) return a;if (a<=b && b<=c | c<=b && b<=a) return b;if (b<=c && c<=a | a<=c && c<=b) return c;void CImageView:Process()int x,y;int ori200320;int result200320;for (y=0;y<200;y+)for (x=0;x<320;x+)o

15、riyx=ReadPixel(x,y);for (y=1;y<200-1;y+)for (x=0;x<320-1;x+)resultyx=Med(oriyx-1,oriyx,oriyx+1);for (y=1;y<200-1;y+)for (x=0;x<320-1;x+)WritePixel(x+400,y,resultyx);3. 結(jié)果與分析：(A)結(jié)果實(shí)驗(yàn)結(jié)果截圖如下：（B）分析模板如下：在很強(qiáng)的脈沖干擾下，灰度值的干擾值與鄰近像素的灰度值有很大的差異，因此排序后取中值的結(jié)果是強(qiáng)迫將此干擾點(diǎn)變成與鄰近的某些像素的灰度值一樣，較好地保留了圖像的邊緣。避免了局域平均法帶

16、來的邊界模糊的負(fù)面影響，消除了圖像上的一條白色豎線。實(shí)驗(yàn)六 圖像銳化處理一、 實(shí)驗(yàn)?zāi)康?. 熟悉圖像銳化的基本原理。2. 掌握?qǐng)D像銳化處理的計(jì)算機(jī)實(shí)現(xiàn)方法。3. 驗(yàn)證圖像銳化處理的結(jié)果。4. 觀察圖像銳化處理的結(jié)果。二、 實(shí)驗(yàn)內(nèi)容1. 實(shí)驗(yàn)原理圖像銳化處理的目的是為了使圖像的邊緣，輪廓線以及圖像的細(xì)節(jié)變得清晰，其處理主要應(yīng)用于增強(qiáng)圖像的邊緣及灰度跳變部分，通常講的勾邊增強(qiáng)就是圖像銳化處理。我們對(duì)圖像增強(qiáng)的過程中，采用一簡單的高頻濾波增強(qiáng)方法：G（x,y）=|f(x,y)-f(x+1,y)|+|f(x,y)+f(x,y+1)|2. 實(shí)驗(yàn)算法：void CImageView:Sharpen()in

17、t x,y;int ori200320;int result200320;for (y=0;y<200;y+)for (x=0;x<320;x+)oriyx=ReadPixel(x,y);for (y=1;y<200-1;y+)for (x=1;x<320-1;x+)resultyx=(1+4*ALPHA)*oriyx-ALPHA*(oriy-1x+oriy+1x+oriyx-1+oriyx+1);for (y=0;y<200;y+)for (x=0;x<320;x+)WritePixel(x+400,y,resultyx);3. 結(jié)果與分析：(A)結(jié)果實(shí)驗(yàn)

18、結(jié)果截圖如下：（B）分析模板如下：本實(shí)驗(yàn)成功實(shí)現(xiàn)了=0.1的圖像的四鄰點(diǎn)銳化，使圖像的邊緣、輪廓線以及圖像的細(xì)節(jié)變的清晰，取得了較好的效果。在具體實(shí)現(xiàn)過程中，上述模板的各個(gè)系數(shù)都可以改變，系數(shù)的選擇也很重要，太大了會(huì)使圖像的輪廓過沖，太小了則圖像銳化不明顯。圖像銳化處理函數(shù)說明：圖像增強(qiáng)過程中，使用梯度邊緣檢測算子：，總梯度為 取閾值10。模板，其中=0.4.實(shí)驗(yàn)七 圖像勾邊處理一、 實(shí)驗(yàn)?zāi)康?. 熟悉圖像勾邊處理的基本原理。2. 掌握?qǐng)D像勾邊處理的計(jì)算機(jī)實(shí)現(xiàn)方法。3. 驗(yàn)證圖像勾邊處理理論。4. 觀察圖像勾邊處理的結(jié)果。二、 實(shí)驗(yàn)內(nèi)容（原理，算法及結(jié)果分析）1. 實(shí)驗(yàn)原理數(shù)字圖像的邊緣檢測是

19、圖像分割，目標(biāo)區(qū)域的識(shí)別，區(qū)域形狀提取等圖像分析領(lǐng)域十分重要的基礎(chǔ)，圖像理解和分析的第一步往往就是邊緣檢測，目前它已成為機(jī)器視覺研究領(lǐng)域最活躍的課題之一，在工程應(yīng)用中占有十分重要的地位。 梯度邊緣檢測方法梯度運(yùn)算是一種不受施加運(yùn)算方向限制的算子，既能檢測出邊緣的存在，又與施加運(yùn)算的方向無關(guān)?？偺荻葹椋篺(x,y)-f(x+1,y)+f(x,y+1)Roberts邊緣檢測算子Roberts邊緣檢測算子根據(jù)任意一對(duì)互相垂直方向上的差分可用來計(jì)算梯度的原理，采用對(duì)角線方向相鄰兩像素之差來表示總梯度，即：它們的卷積算子為：2. 實(shí)驗(yàn)算法：void CImageView:Gradient()int x,

20、y;int ori200320,g200320;int dfx,dfy,df;for (y=0;y<200;y+)for (x=0;x<320;x+)oriyx=ReadPixel(x,y);for (y=0;y<200-1;y+)for (x=0;x<320-1;x+)dfx=abs(oriyx+1-oriyx);dfy=abs(oriy+1x-oriyx);df=dfx+dfy;gyx=abs(df)>80?255:0;for (y=0;y<200;y+)for (x=0;x<320;x+)WritePixel(x+320,y,gyx);void

21、CImageView:Prewitt()int x,y;int f200320,p200320;for (y=0;y<200;y+)for (x=0;x<320;x+)fyx=ReadPixel(x,y);for (y=1;y<200-1;y+)for (x=1;x<320-1;x+)pyx=abs(fy-1x-1+fyx-1+fy+1x-1)-(fy-1x+1+fyx+1+fy+1x+1)+abs(fy-1x-1+fy-1x+fy-1x+1)-(fy+1x-1+fy+1x+fy+1x+fy+1x+1);for (y=1;y<200-1;y+)for (x=1;x<320-1;x+)if (pyx>80)WritePixel(x+320,y+200,0);elseWritePixel(x+320,y+200,255);void CImageView:roberts()int x,y;int a200320,b200320;int dfx,dfy,df;for (y=0;y<200;y+)for (x=0;x<320;x+)ayx=ReadPixel(x,y);for (y=0;y<200-1;y+)for (