实验指导书.docx

实验指导书.docx

《实验指导书.docx》由会员分享，可在线阅读，更多相关《实验指导书.docx（19页珍藏版）》请在冰点文库上搜索。

实验指导书

淮阴工学院

数字图像处理实验指导书

编者：

高尚兵

适用学院：

计算机工程学院、江淮学院

计算机工程学院

2014年6月10日

目录

实验一MATLAB数字图像处理初步和彩色图像转化成灰度图像3

实验二图像增强8

实验三灰度图像平滑滤波处理11

实验四图像增强—频域滤波13

实验一MATLAB数字图像处理初步和彩色图像转化成灰度图像

一、实验目的与要求

1．熟悉及掌握在MATLAB中能够处理哪些格式图像。

2．熟练掌握在MATLAB中如何读取图像。

3．掌握如何利用MATLAB来获取图像的大小、颜色、高度、宽度等等相关信息。

4．掌握如何在MATLAB中按照指定要求存储一幅图像的方法。

5．图像间如何转化。

6.彩色图像转化成灰度图像。

二、实验原理及知识点

1.数字图像的表示和类别

一幅图像可以被定义为一个二维函数f（x,y）,其中x和y是空间（平面）坐标，f在任何坐标处（x,y）处的振幅称为图像在该点的亮度。

灰度是用来表示黑白图像亮度的一个术语，而彩色图像是由单个二维图像组合形成的。

例如，在RGB彩色系统中，一幅彩色图像是由三幅独立的分量图像（红、绿、蓝）组成的。

因此，许多为黑白图像处理开发的技术适用于彩色图像处理，方法是分别处理三副独立的分量图像即可。

图像关于x和y坐标以及振幅连续。

要将这样的一幅图像转化为数字形式，就要求数字化坐标和振幅。

将坐标值数字化成为取样；将振幅数字化成为量化。

采样和量化的过程如图1所示。

因此，当f的x、y分量和振幅都是有限且离散的量时，称该图像为数字图像。

作为MATLAB基本数据类型的数值数组本身十分适于表达图像，矩阵的元素和图像的像素之间有着十分自然的对应关系。

图1图像的采样和量化

根据图像数据矩阵解释方法的不同，MATLAB把其处理为4类：

Ø亮度图像（Intensityimages）

Ø二值图像（Binaryimages）

Ø索引图像（Indexedimages）

ØRGB图像（RGBimages）

（1）亮度图像

一幅亮度图像是一个数据矩阵，其归一化的取值表示亮度。

若亮度图像的像素都是uint8类或uint16类，则它们的整数值范围分别是[0，255]和[0，65536]。

若图像是double类，则像素取值就是浮点数。

规定双精度型归一化亮度图像的取值范围是[0，1]

（2）二值图像

一幅二值图像是一个取值只有0和1的逻辑数组。

而一幅取值只包含0和1的uint8类数组，在MATLAB中并不认为是二值图像。

使用logical函数可以把数值数组转化为二值数组或逻辑数组。

创建一个逻辑图像，其语法为：

B=logical（A）

其中，B是由0和1构成的数值数组。

要测试一个数组是否为逻辑数组，可以使用函数:

islogical（c）

若C是逻辑数组，则该函数返回1；否则，返回0。

（3）索引图像

索引颜色通常也称为映射颜色，在这种模式下，颜色都是预先定义的，并且可供选用的一组颜色也很有限，索引颜色的图像最多只能显示256种颜色。

一幅索引颜色图像在图像文件里定义，当打开该文件时，构成该图像具体颜色的索引值就被读入程序里，然后根据索引值找到最终的颜色。

（4）RGB图像

一幅RGB图像就是彩色像素的一个M×N×3数组，其中每一个彩色相似点都是在特定空间位置的彩色图像相对应的红、绿、蓝三个分量。

按照惯例，形成一幅RGB彩色图像的三个图像常称为红、绿或蓝分量图像。

令fR，fG和fB分别代表三种RGB分量图像。

一幅RGB图像就利用cat（级联）操作将这些分量图像组合成彩色图像：

rgb_image=cat（3,fR,fG,fB）

在操作中，图像按顺序放置。

2、数据类和图像类型间的转化

表1中列出了MATLAB和IPT为表示像素所支持的各种数据类。

表中的前8项称为数值数据类，第9项称为字符类，最后一项称为逻辑数据类。

工具箱中提供了执行必要缩放的函数（见表2）。

以在图像类和类型间进行转化。

表1-1MATLAB和IPT支持数据类型

名称

描述

double

双精度浮点数，范围为

uint8

无符号8比特整数，范围为[0255]

uint16

无符号16比特整数，范围为[065536]

uint32

无符号32比特整数，范围为[04294967295]

int8

有符号8比特整数，范围为[-128127]

int16

有符号16比特整数，范围为[-3276832767]

int32

有符号32比特整数，范围为[-21474836482147483647]

single

单精度浮点数，范围为

char

字符

logical

值为0或1

表1-2格式转换函数

名称

将输入转化为

有效的输入图像数据类

im2uint8

uint8

logical,uint8,uint16和doulbe

im2uint16

uint16

logical,uint8,uint16和doulbe

mat2gray

double,范围为[01]

double

im2double

double

logical,uint8,uint16和doulbe

im2bw

logical

uint8,uint16和double

下面给出读取、压缩、显示一幅图像的程序（%后面的语句属于标记语句，编程时可不用输入）

I=imread（‘原图像名.tif’）;%读入原图像,tif格式

whosI%显示图像I的基本信息

imshow（I）%显示图像

%这种格式知识用于jpg格式，压缩存储图像，q是0-100之间的整数

imfinfofilenameimwrite（I,'filename.jpg','quality',q）;

imwrite（I,'filename.bmp'）;%以位图（BMP）的格式存储图像

%显示多幅图像，其中n为图形窗口的号数

figure（n）,imshow（'filename'）;

gg=im2bw（'filename'）;%将图像转为二值图像

figure,imshow（gg）%显示二值图像

三、实验内容及步骤

1．利用imread（）函数读取一幅图像，假设其名为flower.tif，存入一个数组中；

2．利用whos命令提取该读入图像flower.tif的基本信息；

3．利用imshow（）函数来显示这幅图像；

4．利用imfinfo函数来获取图像文件的压缩，颜色等等其他的详细信息；

5．利用imwrite（）函数来压缩这幅图象，将其保存为一幅压缩了像素的jpg文件,设为flower.jpg；语法：

imwrite（原图像，新图像，‘quality’,q）,q取0-100。

6．同样利用imwrite（）函数将最初读入的tif图象另存为一幅bmp图像，设为flower.bmp。

7．用imread（）读入图像：

Lenna.jpg和camema.jpg；

8．用imfinfo（）获取图像Lenna.jpg和camema.jpg的大小；

9．用figure,imshow（）分别将Lenna.jpg和camema.jpg显示出来，观察两幅图像的质量。

10．用im2bw将一幅灰度图像转化为二值图像，并且用imshow显示出来观察图像的特征。

11.将彩色图像像素的颜色值分解为r，g，b三基色，以三基色的平均值为灰度值生成灰度图像。

12．将每一步的函数执行语句拷贝下来，写入实验报告。

四、考核要点

1、熟悉在MATLAB中如何读入图像、如何获取图像文件的相关信息、如何显示图像及保存图像等，熟悉相关的处理函数。

2、明确不同的图像文件格式，由于其具体的图像存储方式不同，所以文件的大小不同，因此当对同一幅图像来说，有相同的文件大小时，质量不同。

3、彩色图像转换成灰度图像。

五、实验仪器与软件

（1）PC计算机

（2）MatLab软件/语言包括图像处理工具箱（ImageProcessingToolbox）

（3）实验所需要的图片

六、实验报告要求

描述实验的基本步骤，用数据和图片给出各个步骤中取得的实验结果和源代码，并进行必要的讨论，必须包括原始图像及其计算/处理后的图像。

七、实验图像

Fig.1flower.tifFig.2elephant.jpg

Fig.3Lenna.jpgFig.4camema.jpg

实验二图像增强

一、实验目的

1、了解图像增强的目的及意义，加深对图像增强的感性认识，巩固所学理论知识。

2、学会对图像直方图的分析。

3、掌握直接灰度变换的图像增强方法。

4．掌握灰度直方图的概念及其计算方法；

5．熟练掌握直力图均衡化和直方图规定化的计算过程；

6．熟练掌握空域滤波中常用的平滑和锐化滤波器；

7．掌握色彩直方图的概念和计算方法

8．利用MATLAB程序进行图像增强。

二、实验原理及知识点

术语‘空间域’指的是图像平面本身，在空间与内处理图像的方法是直接对图像的像素进行处理。

空间域处理方法分为两种：

灰度级变换、空间滤波。

空间域技术直接对像素进行操作其表达式为

g（x,y）=T[f（x,y）]

其中f（x,y）为输入图像，g（x,y）为输出图像，T是对图像f进行处理的操作符，定义在点（x,y）的指定领域内。

定义点（x,y）的空间邻近区域的主要方法是，使用中心位于（x,y）的正方形或长方形区域，。

此区域的中心从原点（如左上角）开始逐像素点移动，在移动的同时，该区域会包含不同的领域。

T应用于每个位置（x,y），以便在该位置得到输出图像g。

在计算（x,y）处的g值时，只使用该领域的像素。

灰度变换T的最简单形式是使用领域大小为1×1，此时,（x,y）处的g值仅由f在该点处的亮度决定，T也变为一个亮度或灰度级变化函数。

当处理单设（灰度）图像时，这两个术语可以互换。

由于亮度变换函数仅取决于亮度的值，而与（x,y）无关，所以亮度函数通常可写做如下所示的简单形式：

s=T（r）

其中，r表示图像f中相应点（x,y）的亮度，s表示图像g中相应点（x,y）的亮度。

图像增强是指按特定的需要突出一幅图像中的某些信息，同时，消弱或去除某些不需要的信息的处理方法。

其主要目的是处理后的图像对某些特定的应用比原来的图像更加有效。

图像增强技术主要有直方图修改处理、图像平滑化处理、图像尖锐化处理和彩色处理技术等。

本实验以直方图均衡化增强图像对比度的方法为主要内容，其他方法同学们可以在课后自行联系。

直方图是多种空间城处理技术的基础。

直方图操作能有效地用于图像增强。

除了提供有用的图像统计资料外，直方图固有的信息在其他图像处理应用中也是非常有用的，如图像压缩与分割。

直方图在软件中易于计算，也适用于商用硬件设备，因此，它们成为了实时图像处理的一个流行工具。

直方图是图像的最基本的统计特征，它反映的是图像的灰度值的分布情况。

直方图均衡化的目的是使图像在整个灰度值动态变化范围内的分布均匀化，改善图像的亮度分布状态，增强图像的视觉效果。

灰度直方图是图像预处理中涉及最广泛的基本概念之一。

图像的直方图事实上就是图像的亮度分布的概率密度函数，是一幅图像的所有象素集合的最基本的统计规律。

直方图反映了图像的明暗分布规律，可以通过图像变换进行直方图调整，获得较好的视觉效果。

直方图均衡化是通过灰度变换将一幅图像转换为另一幅具有均衡直方图，即在每个灰度级上都具有相同的象素点数的过程。

三、实验内容

1、图像数据读出

2、计算并分析图像直方图

3、利用直接灰度变换法对图像进行灰度变换

下面给出灰度变化的MATLAB程序

f=imread（'medicine_pic.jpg'）;

g=imhist（f,256）;%显示其直方图

g1=imadjust（f,[01],[10]）;%灰度转换，实现明暗转换（负片图像）

figure,imshow（g1）

%将0.5到0.75的灰度级扩展到范围[01]

g2=imadjust（f,[0.50.75],[01]）;

figure,imshow（g2）

g=imread（'point.jpg'）;

h=log（1+double（g））;%对输入图像对数映射变换

h=mat2gray（h）;%将矩阵h转换为灰度图片

h=im2uint8（h）;%将灰度图转换为8位图

figure,imshow（h）

下面给出直方图均衡化增强图像对比度的MATLAB程序：

I=imread（‘pollen.jpg）;%读入原图像

J=histeq（I）;%对原图像进行直方图均衡化处理

imshow（I）;%显示原图像

title（‘原图像’）;%给原图像加标题名

%对原图像进行屏幕控制；显示直方图均衡化后的图像

figure；imshow（J）;

%给直方图均衡化后的图像加标题名

title（‘直方图均衡化后的图像’）;

%对直方图均衡化后图像进行屏幕控制；作一幅子图，并排两幅图的第1幅

figure;subplot（1,2,1）;

imhist（I,64）;%将原图像直方图显示为64级灰度

title（‘原图像直方图’）;%给原图像直方图加标题名

subplot（1,2,2）;%作第2幅子图

imhist（J,64）;%将均衡化后图像的直方图显示为64级灰度

title（‘均衡变换后的直方图’）;%给均衡化后图像直方图加标题名

处理后的图像直方图分布更均匀了，图像在每个灰度级上都有像素点。

从处理前后的图像可以看出，许多在原始图像中看不清楚的细节在直方图均衡化处理后所得到的图像中都变得十分清晰。

四、实验仪器

PC一台，MATLAB软件

五、实验图片

Fig.1point.jpgFig.2medicine_pic.jpg

Fig.1pollen.jpg

六、思考题

1．直方图是什么概念？

它反映了图像的什么信息？

2．直方图均衡化是什么意思？

它的主要用途是什么？

实验三灰度图像平滑滤波处理

一、实验目的

进一步了解MatLab软件/语言，学会使用MatLab对图像作滤波处理，使学生有机会掌握滤波算法，体会滤波效果。

了解几种不同滤波方式的使用和使用的场合，培养处理实际图像的能力，并为课堂教学提供配套的实践机会。

二、实验要求

（1）学生应当完成对于给定图像+噪声，使用平均滤波器、中值滤波器对不同强度的高斯噪声和椒盐噪声，进行滤波处理；能够正确地评价处理的结果；能够从理论上作出合理的解释。

（2）利用MATLAB软件实现空域滤波的程序：

I=imread（'electric.tif'）;

J=imnoise（I,'gauss',0.02）;%添加高斯噪声

J=imnoise（I,'salt&pepper',0.02）;（注意空格）%添加椒盐噪声

ave1=fspecial（'average',3）;%产生3×3的均值模版

ave2=fspecial（'average',5）;%产生5×5的均值模版

K=filter2（ave1,J）/255;%均值滤波3×3

L=filter2（ave2,J）/255;%均值滤波5×5

M=medfilt2（J,[33]）;%中值滤波3×3模板

N=medfilt2（J,[44]）;%中值滤波4×4模板

imshow（I）;

figure,imshow（J）;

figure,imshow（K）;

figure,imshow（L）;

figure,imshow（M）;

figure,imshow（N）;

三、实验设备与软件

（1）IBM-PC计算机系统

（2）MatLab软件/语言包括图像处理工具箱（ImageProcessingToolbox）

（3）实验所需要的图片

四、实验内容与步骤

a）调入并显示原始图像electric.tif。

b）利用imnoise命令在图像electric.tif上加入高斯（gaussian）噪声

c）利用预定义函数fspecial命令产生平均（average）滤波器

d）分别采用3x3和5x5的模板，分别用平均滤波器以及中值滤波器，对加入噪声的图像进行处理并观察不同噪声水平下，上述滤波器处理的结果；

e）选择不同大小的模板，对加入某一固定噪声水平噪声的图像进行处理，观察上述滤波器处理的结果。

f）利用imnoise命令在图像electric.tif上加入椒盐噪声（salt&pepper）

g）重复c）~e）的步骤

h）输出全部结果并进行讨论。

五、思考题/问答题

（1）简述高斯噪声和椒盐噪声的特点。

（2）结合实验内容，定性评价平均滤波器/中值滤波器对高斯噪声和椒盐噪声的去噪效果？

（3）结合实验内容，定性评价滤波窗口对去噪效果的影响？

六、实验报告要求

描述实验的基本步骤，用数据和图片给出各个步骤中取得的实验结果，并进行必要的讨论，必须包括原始图像及其计算/处理后的图像。

七、实验图像

electric.tif（原始图像）

实验四图像增强—频域滤波

一、实验目的

1．掌握怎样利用傅立叶变换进行频域滤波

2．掌握频域滤波的概念及方法

3．熟练掌握频域空间的各类滤波器

4．利用MATLAB程序进行频域滤波

二、实验原理及知识点

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。

理想地通滤波器（ILPF）具有传递函数：

其中，

为指定的非负数，

为（u,v）到滤波器的中心的距离。

的点的轨迹为一个圆。

n阶巴特沃兹低通滤波器（BLPF）（在距离原点

处出现截至频率）的传递函数为

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

处突然不连续。

高斯低通滤波器（GLPF）的传递函数为

其中，

为标准差。

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：

利用MATLAB实现频域滤波的程序

f=imread（'room.tif'）;

F=fft2（f）;%对图像进行傅立叶变换

%对变换后图像进行队数变化，并对其坐标平移，使其中心化

S=fftshift（log（1+abs（F）））;

S=gscale（S）;%将频谱图像标度在0-256的范围内

imshow（S）%显示频谱图像

h=fspecial（'sobel'）;%产生空间‘sobel’模版

freqz2（h）%查看相应频域滤波器的图像

PQ=paddedsize（size（f））;%产生滤波时所需大小的矩阵

H=freqz2（h,PQ

（1）,PQ

（2））;%产生频域中的‘sobel’滤波器

H1=ifftshift（H）;%重排数据序列，使得原点位于频率矩阵的左上角

imshow（abs（H）,[]）%以图形形式显示滤波器

figure,imshow（abs（H1）,[]）

gs=imfilter（double（f）,h）;%用模版h进行空域滤波

gf=dftfilt（f,H1）;%用滤波器对图像进行频域滤波

figure,imshow（gs,[]）

figure,imshow（gf,[]）

figure,imshow（abs（gs）,[]）

figure,imshow（abs（gf）,[]）

f=imread（'number.tif'）;%读取图片

PQ=paddedsize（size（f））;%产生滤波时所需大小的矩阵

D0=0.05*PQ

（1）;%设定高斯高通滤波器的阈值

H=hpfilter（'gaussian',PQ

（1）,PQ

（2）,D0）;%产生高斯高通滤波器

g=dftfilt（f,H）;%对图像进行滤波

figure,imshow（f）%显示原图像

figure,imshow（g,[]）%显示滤波后图像

三、实验步骤：

1．调入并显示所需的图片；

2．利用MATLAB提供的低通滤波器实现图像信号的滤波运算，并与空间滤波进行比较。

3．利用MATLAB提供的高通滤波器对图像进行处理。

4．记录和整理实验报告。

四、实验仪器

1．计算机；

2．MATLAB程序；

3．移动式存储器（软盘、U盘等）。

4．记录用的笔、纸。

五、实验报告内容

1．叙述实验过程；

2．提交实验的原始图像和结果图像。

六、实验报告要求

描述实验的基本步骤，用数据和图片给出各个步骤中取得的实验结果，并进行必要的讨论，必须包括原始图像及其计算/处理后的图像。

七、思考题

1．结合实验，评价频域滤波有哪些优点？

2．在频域滤波过程中需要注意哪些事项？

八、实验图片

room.tifnumber.tif