数字图像处理软件开发设计报告docx.docx

1、数字图像处理软件开发设计报告docx专业文档数字图像处理软件开发设计报告专业文档实验一、读取图像、显示图像和保存图像实验二、图像的灰度变换、取反和二值化处理实验三、直方图均衡实验四、图像锐化实验五、图像的平滑滤波实验六、图像的正交变换实验七、高频强调滤波增强图像实验八、陷波滤波器增强图像实验九、消除匀速运动造成的图像模糊实验十、图像的几何变换实验十一、二维离散傅里叶变换性质验证实验十二、用领域平均法平滑彩色图像实验十三、图像的伪彩色处理专业文档实验一、读取图像、显示图像和保存图像一、实验目的和内容1.通过本次实验，了解和熟悉 matlab 的实验环境，掌握图片的读取、显示、存储的方法。2. 利

2、用 imread() 函数读取一幅图像，假设其名为 lily.tif ，存入一个数组中。3利用 imshow() 函数来显示这幅图像。二、实验原理（技术探讨）1.在 matlab 环境中，程序首先读取图像，然后调用直方图函数，设置相关参数，再输出处理后的图像。读取图像 subplot(1,2,1),imshow(I） %输出图像title( 原始图像 )% 在原始图像中加标题2.启动 matlab 双击桌面 matlab 图标启动 matlab 环境；在matlab 命令窗口中输入相应程序。 书写程序时， 首先读取图像，一般调用 matlab 自带的图像，如 :cameraman 图像；再调用

3、相应的直方图函数，设置参数；最后输出处理后的图像；浏览源程序并理解含义；运行，观察显示结果；结束运行，退出专业文档三、实验程序及结果1.实验程序I=imread( 实验一 .jpg );x=rgb2gray(I);figure(1)subplot(1,2,1);imshow(I);title( 原始图像 );subplot(1,2,2);imshow(x);title( 灰度图像 );2.实验结果专业文档四、结果分析通过本实验， 我学会了用 Matlab7.0 对图像进行读取、 存储、显示的节本操作。实验二、图像的灰度变换、取反和二值化处理一、实验目的和内容1.熟悉 MATLAB软件开发环境，

4、掌握读、写图像的基本方法。2.理解图像灰度变换在图像增强的作用，掌握图像的灰度线性变换和非线性变换方法。3.掌握绘制灰度直方图的方法，掌握灰度直方图的灰度变换及二值化的方法。二、实验原理（技术探讨）1.图像的灰度化处理的基本原理将彩色图像转化成为灰度图像的过程成为图像的灰度化处理。彩色图像中的每个像素的颜色有 R、G、B 三个分量决定，而每个分量有255 中值可取，这样一个像素点可以有 1600 多万（ 255*255*255 ）的颜色的变化范围。而灰度图像是 R、G、B 三个分量相同的一种特殊的彩色图像，其一个像素点的变化范围为 255 种，所以在数字图像处理专业文档种一般先将各种格式的图像

5、转变成灰度图像以使后续的图像的计算量变得少一些。灰度图像的描述与彩色图像一样仍然反映了整幅图像的整体和局部的色度和亮度等级的分布和特征。 图像的灰度化处理可用两种方法来实现。2.图像的二值化处理就是讲图像上的点的灰度置为 0 或 255，也就是讲整个图像呈现出明显的黑白效果。 即将 256 个亮度等级的灰度图像通过适当的阀值选取而获得仍然可以反映图像整体和局部特征的二值化图像。在数字图像处理中，二值图像占有非常重要的地位，特别是在实用的图像处理中， 以二值图像处理实现而构成的系统是很多的，要进行二值图像的处理与分析，首先要把灰度图像二值化，得到二值化图像，这样子有利于再对图像做进一步处理时，

6、图像的集合性质只与像素值为 0 或 255 的点的位置有关，不再涉及像素的多级值，使处理变得简单， 而且数据的处理和压缩量小。 为了得到理想的二值图像，一般采用封闭、连通的边界定义不交叠的区域。所有灰度大于或等于阀值的像素被判定为属于特定物体， 其灰度值为 255 表示，否则这些像素点被排除在物体区域以外，灰度值为 0，表示背景或者例外的物体区域。 如果某特定物体在内部有均匀一致的灰度值， 并且其处在一个具有其他等级灰度值的均匀背景下， 使用阀值法就可以得到比较的分割效果。 如果物体同背景的差别表现不在灰度值上 （比如纹理不同），可以将这个差别特征转换为灰度的差别，然后利用阀值选取技术来分割该

7、图像。 动态调节阀值实现图像的二值化可动态观察其分割图像的具体结果。专业文档三、实验程序及结果1. 实验程序%二值化I=imread( 实验二thresh=graythresh(I);I1=im2bw(I,thresh);imshow(I1).jpg);%自动确定二值化值%对图像二值化lear all ;f=imread( ffigure(1)imshow(f);figure(2)imhist(f);ylim( autog=histeq(f,256);figure(3)imshow(g);figure(4)imhist(g);ylim( auto);%绘制图象););f 的直方图%对 f 进行

8、直方图均衡，输出图象的灰度级数为256A=imread( trees.tiffigure(1);subplot(1,2,1);imshow(A););title( 原图 );I=double(A);h=-1 -1 -1;-1 8 -1;-1 -1 -1;J=conv2(I,h,same);K=uint8(J);subplot(1,2,2);imshow(K);title( 使用拉普拉斯算子锐化处理后的图 );2.实验结果二值化专业文档专业文档四、结果分析通过这次的实验， 经过广泛查阅书籍和有关知识， 掌握了很多不知道的知识，使我我对图像处理有了更深一步的了解。 同时我学到了灰度级越多，图像保存

9、的信息越多， 在一定程度上减少灰度级不会明显影响图像质量，但在灰度级过少的情况下图像会失真。专业文档实验三、直方图均衡化一、实验目的和内容编程实现下列功能：读出存储的黑白灰度图象并显示，显示灰度直方图，对图象进行直方图均衡化处理，显示处理后图象及直方图，画出灰度变换曲线，并存储处理后图象。二、实验原理（技术探讨）方图均衡化处理的中心思想是把原始图像的灰度直方图从比较集中的某个灰度区间变成在全部灰度范围内的均匀分布。 直方图均衡化就是对图像进行非线性拉伸， 重新分配图像像素值， 使一定灰度范围内的像素数量大致相同。 直方图均衡化是一种自动调节图象对比度质量的算法，使用的方法是灰度级变换： s=T

10、(r) 。它的基本思想是通过灰度级 r 的概率密度函数，求出灰度级变换。三、实验程序及结果1.程序clear all ;f=imread( cameraman.tif );% 读入原图像figure(1)imshow(f);figure(2)imhist(f); %绘制图象 f 的直方图ylim( auto );g=histeq(f,256); %对 f 进行直方图均衡，输出图象的灰度级数为 256figure(3)imshow(g);figure(4)专业文档imhist(g);ylim( auto );A=imread( trees.tif );figure(1);subplot(1,2,

11、1);imshow(A);title( 原图 );I=double(A);h=-1 -1 -1;-1 8 -1;-1 -1 -1;J=conv2(I,h, same );K=uint8(J);subplot(1,2,2);imshow(K);title( 使用拉普拉斯算子锐化处理后的图 );2.结果专业文档专业文档四、结果分析通过本次试验让我们看到直方图均衡化的效果，其实质就是通过减少图像的灰度级以换取对比度的增大。 通过实验加深了我们对于课本理论知识的理解和运用，提高了我们的学习效率和学习的积极性。实验四：图像锐化一、实验目的和内容1.掌握图像锐化的概念。2.掌握 Prewitt 算子对图像

12、进行锐化的原理、过程。3.熟悉 Matlab 编程。4.利用 Prewitt 算子对图像进行锐化处理。5.掌握 Maltab 中和图像锐化相关的函数。二、实验原理（技术探讨）专业文档图像锐化处理是改善图像视觉效果的手段，用来对图像的轮廓或边缘进行增强， 减弱或消除低分频率分量而不影响高频分量。 图像锐化处理的主要技术体现在空域和频域的高通滤波， 而空域高通滤波主要用模版卷积来实现。在图像处理中，一阶导数通过梯度来实现，因此利用一阶导数检测边缘点的方法就称为梯度算子法。梯度值正比于像素之差。对于一幅图像中突出的边缘区，其梯度值较大；在平滑区域梯度值小；对于灰度级为常数的区域，梯度为零。三、实验程

13、序及结果1.程序A=imread( b.jpg );figure(1);subplot(2,2,1);imshow(A);title( 原图 );I=double(A);h=1 1 1;1 -9 1;1 1 1;J=conv2(I,h, same );K=uint8(J);subplot(2,2,2);imshow(K+A);title( 使用拉普拉斯算子锐化处理后的图 );B=double(A);h=0 -1 0;-1 4 -1;0 -1 0;T=conv2(B,h, same );E=uint8(T);subplot(2,2,3);imshow(-E+A);title( 使用拉普拉斯算子锐

14、化处理后的图 )专业文档C=double(A);h=-1 -1 -1;-1 8 -1;-1 -1 -1;D=conv2(C,h, same );F=uint8(D);subplot(2,2,4);imshow(-F+A);title( 使用拉普拉斯算子锐化处理后的图 )C=double(A);h=-1 -1 -1;-1 8 -1;-1 -1 -1;D=conv2(C,h, same );F=uint8(D);subplot(2,2,5);imshow(F);title( 使用拉普拉斯算子锐化处理后的图 )2.结果专业文档四、结果分析通过本次试验我学到了数字图像处理中图像锐化应从水平和垂直两个方

15、向进行， 最后的锐化结果由水平和垂直锐化结果共同得到。 锐化结果一方面是模糊的图像变得清晰了， 另一方面提取了目标物体的边界，对图像进行分割。锐化的图像质量有所改变，更适合观察。实验五：图像的平滑滤波一、实验目的和内容理解图象平滑的概念， 掌握邻域平均技术及中值滤波技术。 进一步加深理解和掌握平滑滤波的原理和具体算法， 理解图象平滑滤波的处理过程和特点。二、实验原理（技术探讨）邻域平均处理方法是以图像模糊为代价来减小噪声的，且模板尺寸越大，噪声减小的效果越显著。如果是噪声点，其邻近像素灰度与之相差很大，采用邻域平均法就是用邻近像素的平均值来代替它， 这样能明显消弱噪声点， 使邻域中灰度接近均匀

16、， 起到平滑灰度的作用。因此，邻域平均法具有良好的噪声平滑效果， 是最简单的一种平滑方法。平滑方法是一种实用的图像处理技术， 能减弱或消除图像中的高频率分量，但不影响低频率分量。 因为高频率分量主要对应图像中的区域边缘等灰度值具有较大较快变化的部分， 平滑滤波将这些分量滤专业文档去可减少局部灰度起伏，使图像变得比较平滑。实际应用中，平滑滤波还可用于消除噪声， 或者在提取较大目标前去除过小的细节或将目标内的小间断连接起来。 它的主要目的是消除图像采集过程中的图像噪声，在空间域中主要利用邻域平均法、 中值滤波法和选择式掩模平滑法等来减少噪声；在频率域内，由于噪声主要存在于频谱的高频段，因此可以利用

17、各种形式的低通滤波器来减少噪声。三、实验程序及结果1.程序I=imread( count.jpg );% 读入图像J=imnoise(I, gaussian ,0,0.01);% 加入高斯噪声 subplot(2,2,1);imshow(I);% 输出加入了高斯噪声的图像title( 原始图像 );subplot(2,2,2);imshow(J);title( 加入高斯噪声的的图像 );h=fspecial( average ,3);gd=imfilter(J,h);subplot(2,2,3);imshow(gd);title( 3*3 模板均值滤波 );h=fspecial( averag

18、e ,4);gd=imfilter(J,h);subplot(2,2,4);imshow(gd);title( 7*7 模板均值滤波 );2.结果专业文档四、结果分析通过本次实验我学到了邻域平均时用的模板尺寸越大， 对噪声的消除效果有所增强。 不过同时所得到的图像变得更为模糊， 可视的细节逐步减少。首先对图像进行加噪， 噪声是造成图像退化的重要因素之一。数字图像的噪声主要来源于图像获取和传输。实验六：图像的正交变换一、实验目的和内容1.了解傅立叶变换、离散余弦变换及其在图像处理中的应用2.了解 Matlab 线性滤波器的设计方法3.掌握离散傅里叶变换的实现方法， 了解其幅度分布特性。 并用一低

19、专业文档通频域滤波器实现对图像的平滑滤波。4.了解频域滤波的内容， 学会如何在频域中直接生成滤波器， 包括平滑频域滤波器低通滤波器、 锐化频域滤波器高通滤波器， 并利用生成的滤波器对输入图像进行频域处理。二、实验原理（技术探讨）快速傅里叶变换 FFT的实现一个大小为 MN 的图像矩阵 f 的快速傅里叶变换 FFT 可以通过MATLAB函数 fft2 获得，其简单语法 F=fft2(f) 。该函数返回一个大小仍为 MN的傅里叶变换，数据排列如图 4.2(a) 所示；即数据的原点在左上角，而四个四分之一周期交汇于频率矩形的中心。傅里叶频谱可以使用函数 abs 来获得，语法为： S=abs(F) 。

20、该函数计算数组的每一个元素的幅度，也就是实部和虚部平方和的平方根，即若某个元素为 F=a+bj ，则 22Sab。通过显示频谱的图像进行可视化分析是频域处理的一个重要方面。例如，图像 f(image.bmp) 我们计算它的傅里叶变换并显示其频谱：F=fft(f)S=abs(F)imshow(S,)三、实验程序及结果1.程序a=imread( 图像锐化 .jpg );b=fftshift(fft2(a);figure专业文档subplot(1,2,1),imshow(a),title( 原始图像 );subplot(1,2,2),imshow(b),title( 离散傅里叶频谱 );c=rgb2

21、gray(a);% 转化为灰度图像d=dct2(c);d(abs(d)10) = 0; %将 DCT 结果中绝对值小于 10 的令为 0，相当于压缩了数据率 ( 门限为 10 ）e=idct2(d)/255; %DCT反变换重建图像figuresubplot(1,3,1),imshow(c),title( 原始灰度图像 );subplot(1,3,2),imshow(log(abs(d),),title( 余弦变换 );subplot(1,3,3),imshow(e),title( 门限为10 的反余弦变换 );2.结果专业文档四、结果分析通过这次试验我对傅立叶变换、 离散余弦变换及其在图像处

22、理中的应用有了更深的认识。了解了 Matlab 线性滤波器的设计方法 , 并对fft2 、colormap 、fftshift 、dct2 、idct2 等函数的使用有了一定的了解。专业文档实验七：高频强调滤波增强图像一、实验目的和内容使用高通滤波器滤波， 然后进行高频强调、 直方图均衡等处理增强图像并比较结果。二、实验原理（技术探讨）频域滤波分为低通滤波和高通滤波两类， 对应的滤波器分别为低通滤 波 器 和 高 通 滤 波 器 。 频 域 低 通 过 滤 的 基 本 思 想 ：G(u,v)=F(u,v)H(u,v) 。F(u,v) 是需要钝化图像的傅立叶变换形式，H(u,v) 是选取的一个低

23、通过滤器变换函数， G(u,v) 是通过 H(u,v) 减少F(u,v) 的高频部分来得到的结果，运用傅立叶逆变换得到钝化后的图像。n阶巴特沃兹低通滤波器 (BLPF)( 在距离原点 D0 处出现截至频率 )的传递函数与理想地通滤波器不同的是， 巴特沃兹率通滤波器的传递函数并不是在 D0处突然不连续。相应的高通滤波器也包括：理想高通滤波器、 n 阶巴特沃兹高通滤波器、高斯高通滤波器。给定一个低通滤波器的传递函数，通过使用如下的简单关系，可以获得相应高通滤波器的传递函数。三、实验程序及结果1.程序I=imread( 实验七 .jpg );专业文档I=rgb2gray(I);figure(1),i

24、mshow(I);title( 原图像 );s=fftshift(fft2(I);figure(2);imshow(abs(s),);title( 图像傅里叶变换所得频谱 );figure(3);imshow(log(abs(s),);title( 图像傅里叶变换取对数所得频谱 );a,b=size(s);a0=round(a/2);b0=round(b/2);d=10;p=0.2;q=0.5for i=1:afor j=1 :bdistance=sqrt(i-a0)2+(j-b0)2);if distance=d h=0;else h=1;end ;s(i,j)=(p+q*h)*s(i,j)

25、;end ;end ;s=uint8(real(ifft2(ifftshift(s);figure(4);imshow(s);title( 高通滤波所得图像 );figure(5);imshow(s+I);title( 高通滤波所得高频增强图像 )2.结果专业文档专业文档专业文档四、结果分析这次实验按照低通滤波器和高通滤波器的定义， 按照低通滤波的过程，一步一步写先是进行傅里叶变换，再对其频谱进行平移，使其中心位于中心，再对此时的频谱进行圆形滤波 ，刚开始纠结于公式，要怎么想出一个 H（s）的滤波器的表达式，然后再进行相乘，后来没有想出来，就直接在每次循环里面直接进行乘法运算。专业文档实验八

26、陷波滤波器增强图像二、实验目的和内容在原图叠加周期性干扰， 使用陷波器滤除干扰， 显示滤波后的图像掌握巴特沃斯陷波滤波器的设计。 进一步加深理解和掌握图像频谱的特点和陷波滤波的原理。理解图像陷波滤波的处理过程和特点。三、实验原理（技术探讨）陷波滤波器也用于去除周期噪声， 虽然带阻滤波器也能可以去除周期噪声，但是带阻滤波器对噪声以外的成分也有衰减。而陷波滤波器主要对，某个点进行衰减，对其余的成分不损失。从空间域内看，图像存在着周期性噪声。其傅里叶频谱中，也能看到噪声的所在之处。如果使用带阻滤波器的话，是非常麻烦的，也会使得图像有损失。陷波滤波器，能够直接对噪声处进行衰减，可以有很好的去噪效果四、

27、实验程序及结果1.程序closeall ;figure();subplot(1,2,1);imshow(f,0 1);xlabel( a).Original Image);subplot(1,2,2);imshow(log(1 + abs(F), );xlabel( b).Fourier spectrum of a);figure();subplot(1,2,1);imshow(H_NF,0 1);专业文档xlabel(c).Butterworth Notch filter(D=30 n=2);subplot(1,2,2);h = mesh(1:10:Q,1:10:P,H_NF(1:10:P,1: