數(shù)字圖像處理實驗報告-2

數(shù)字圖像處理實驗報告數(shù)字圖像處理實驗報告專業(yè)：計算機科學與技術(shù)學號：11101115姓名：王曉東實驗一數(shù)字圖像的讀入與顯示實驗目的了解opencv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驗內(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驗步驟#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;}實驗心得本次實驗讓我了解了圖像讀入與顯示的具體過程。實驗二數(shù)字圖像像素的訪問實驗目的掌握opencv開發(fā)環(huán)境中對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中對圖像進行處理的基本過程實驗內(nèi)容：（1）打開一幅灰度圖像，對其進行線性灰度變換（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值時的圖像增強效果。

（2）打開一幅彩色圖像，對每個像素進行訪問，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。重點和難點：掌握灰度圖像和彩色圖像的像素的值的訪問方法。實驗步驟：#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(); }}實驗心得：這次實驗讓我掌握了對灰度圖像及彩色圖像中的像素的訪問方法以及opencv中對圖像進行處理的基本過程。實驗三圖像的平滑實驗目的掌握opencv開發(fā)環(huán)境中對灰度圖像及彩色圖像中的像素的訪問方法掌握opencv中對圖像進行處理的基本過程。掌握均值平滑和中值濾波的基本原理實驗內(nèi)容：（1）打開一幅灰度圖像，對圖像進行3*3（包括中心點）的鄰域平均處理。

（2）對原圖進行3*3（包括中心點）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。實驗步驟：#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;}實驗心得:本次實驗讓我掌握了實現(xiàn)灰度圖像鄰域平滑處理方法以及中值濾波處理方法。實驗四圖像的直方圖均衡化實驗目的掌握直方圖均衡化的基本步驟及實現(xiàn)方法掌握opencv中對圖像進行處理的基本過程實驗內(nèi)容：（1）打開一幅灰度圖像，對圖像進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下實現(xiàn)直方圖均衡化處理。實驗步驟：#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]]++;