图像运算 实验报告.docx

图像运算 实验报告.docx

《图像运算 实验报告.docx》由会员分享，可在线阅读，更多相关《图像运算 实验报告.docx（15页珍藏版）》请在冰点文库上搜索。

图像运算实验报告

评分

实验报告

课程名称医学图像处理

实验名称图像运算

专业班级

姓名

学号

实验日期

实验地点

2015—2016学年度第2学期

一、实验目的

MATLAB的图像处理工具箱提供了图像运算函数。

本实验将具体介绍Matlab中的图像点运算、代数运算、几何和邻域操作运算。

二、实验环境

1、硬件配置：

处理器：

Intel（R）Core（TM）i7-3770CPU@3.40GHz3.40GHz

安装内存（RAM）：

4.00GB系统类型：

64位操作系统

2、软件环境：

MATLABR2013b软件

三、实验内容

利用Matlab对图像进行点运算、加法运算、减法运算、乘法运算、除法运算、改变图像的大小、旋转图像、图像的剪切、图像的邻域操作。

四、实验结果与分析

（包括实验原理、数据的准备、运行过程分析、源程序（代码）、图形图象界面等）

注：

本项可以增加页数

例1图像点运算

skull=imread（'skull.tif'）;%读取图像

subplot（131）,imshow（skull）%生成一行三列三块区域，并在第一块区域绘制图像

I=double（skull）;%转换为双精度类型

J=I*0.43+60;%利用该函数对输出图像进行压缩，使其对比度减小，图像变暗

skull2=uint8（J）;%转换为uint8

subplot（132）,imshow（skull2）%在第二块区域绘制图像

J=I*1.5-60;%利用该函数对输出图像进行对比度级数拓展，使其对比度增强，图像变亮

skull3=uint8（J）;%转换为uint8

subplot（133）,imshow（skull3）%在第三块区域绘制图像

运行结果：

图1原图像图2对比度减小的图像图3对比度增强的图像

分析：

1）subplot是用于将多个图像画到一个平面上的函数。

subplot（m,n,p,）中的m表示m行，n表示n列，p表示从左到右的第几块区域；

2）uint8表示8位无符号的整型数据类型，以此方式存储的图像称作8位图像；而Matlab中数值一般采用double型的存储和运算，因此在进行本题的灰度变换运算时，应先把skull图像转化为double格式；

3）线性灰度变换函数当a=1，b=0时，输出图像像素不发生变化；当a=1，

时，输出图像所有灰度值上移或下移；当

时，输出图像灰度级压缩，对比度减小，如图2所示；当

时，输出图像灰度级拓展，对比度增强，如图3所示；当

时，输出图像暗区域变亮，亮区域变暗，图像求反。

2、图像的代数运算

例2图像加法运算

skull=imread（'skull.tif'）;%读取图像

imshow（skull）%显示图像

J=imread（'cameraman.tif'）;%读取图像

figure,imshow（J）%显示图像

I=imresize（skull,[256,256]）;%将skull图像转换为

的大小

K=imadd（I,J）;%对两幅图像的灰度值进行加法运算

figure,imshow（K）%显示图像

K2=imadd（I,J,'uint16'）;%对两幅图像的灰度值进行加法运算，并转化为uint16

figure,imshow（K2,[]）%显示图像

RGB=imread（'skull.tif'）;%读取图像

RGB2=imadd（RGB,50）;%将图像skull与常数50相加

imshow（RGB）%显示RGB图像

figure,imshow（RGB2）%显示亮度增强50的RGB图像

RGB3=imadd（RGB,100）;%将图像skull与常数100相加

figure,imshow（RGB3）%显示亮度增强100的RGB图像

运行结果：

图4skull原图像图5cameraman原图像图6两幅相加后的图像

图7转化为uint16的图像图8RGB原图图9亮度增强50后的图像

图10亮度增强100后的图像

分析：

1）imadd是用于实现两图像灰度值相加的函数，imadd（I,J）中的I和J要求大小相等，由于我读取的skull图像的尺寸为

，因此在进行I和J的加法运算前须利用imresize函数把skull图像转换为

的大小；

2）I和J进行相加后的图像如图6所示，而在I和J相加的基础上将其转换为uint16的图像如图7所示，我们可以清楚的发现图6比图7的更亮，但细节比图7的模糊，这是由于Matlab在运算后会自动将图像转换为double型，因此uint16的图像是比double型的图像更清晰；

3）imadd（RGB,50）是将一个常数50加到RGB图像上,即使图像的灰度级增强了50，如图9所示，以此类推，图10为灰度级增强了100的图像。

例3图像减法运算

I=imread（'skull.tif'）;%读取图像

imshow（I）%显示图像

background=imopen（I,strel（'disk',15））;%估计圆盘半径为15的背景图像

figure,imshow（background）;%显示背景图

I2=imsubtract（I,background）;%从原始图像中减去不均匀的背景图

运行结果：

图11skull原图图12背景图图13减去背景图后的图像

分析：

1）imopen开运算属于形态图像处理，是先腐蚀后膨胀，可以使边界平滑，消除尖刺，断开窄小的连接，保持面积大小不变；strel是用于构建结构元素对象，imopen（I,strel（'disk',15））就是构建圆盘半径为15的背景图，如图12所示；

2）imsubtract函数是用于两幅图像的相减运算，如图13所示，减去不均匀的部分后，图像变得更加平滑。

例4图像的乘法运算

I=imread（'skull.tif'）;%读取图像

J=immultiply（I,1.2）;%图像的乘法，缩放因子是1.2>1，增强图像的亮度

K=immultiply（I,0.5）;%图像的乘法，缩放因子是0.5<1，减小图像的亮度

imshow（I）%显示原图像

figure,imshow（J）%显示亮度增强图像

figure,imshow（K）%显示亮度减小图像

运行结果：

图14skull原图图15亮度增强后的图像图16亮度减小后的图像

分析：

1）乘法运算可以实现掩模操作，即屏蔽掉图像的某些部分

2）一幅图像乘以一个常数通常被称为缩放。

immultiply（I,1.2），使用的缩放因数大于1，那么将增强图像的亮度，如图15所示；immultiply（I,0.5）中的因数小于1则会使图像变暗，如图16所示。

例5图像除法运算

I=imread（'skull.tif'）;%读取原图像

J=double（I）*0.43+80;%利用该函数对输出图像进行处理，是对比度减小，图像变暗

J=uint8（J）;%转换成uint8

K=imdivide（I,J）;%除法运算

imshow（I）%显示原图像

figure,imshow（J）%显示对比度减小的图像

figure,imshow（K）%显示灰度级相除后的图片

运行结果：

图17skull原图图18对比度减小的图片图19灰度级相除后的图片

分析：

1）J=double（I）*0.43+80是将skull图像转换为double型再对其进行灰度变换运算，使其灰度级减小，如图18所示；

2）imdivide（I,J）要求I和J数据类型一致，因此在进行此运算时，须先将double型的J转换为uint8，两幅图像的灰度级相除后的到的结果为[0,1]，因为其灰度级极其相近且小，肉眼无法分辨，故我们所看到的输出图像几近与纯黑色，如图19所示；

3）除法运算是用于校正成像设备的非线性影响。

例6图像的几何运算

I=imread（'skull.tif'）;%读取图像

J=imresize（I,1.25）;%返回图像J,其长宽是图像I的长宽的1.25倍，即放大图像

K=imresize（I,0.8）;%返回图像K,其长宽是图像I的长宽的0.8倍，即缩小图像

imshow（I）%显示原图

figure,imshow（J）%显示尺寸放大的图像

figure,imshow（K）%显示尺寸减小的图像

Y=imresize（I,[100,150]）;%返回图像Y，高度为100，宽度为150

figure,imshow（Y）%显示

的图像

运行结果：

图20skull的原图像图21尺寸放大的图像图22尺寸减小的图像

图23

的图像

分析：

1）imresize函数可改变图像输出图像的大小，J=imresize（I,1.25）为返回图像J,其长宽是图像I的长宽的1.25倍，即放大图像，如图21所示；K=imresize（I,0.8）为返回图像K,其长宽是图像I的长宽的0.8倍，即缩小图像，如图22所示；

2）Y=imresize（I,[100,150]）是直接指定输出图像真实的大小，即返回图像Y，高度为100，宽度为150。

例7旋转一幅图像

I=imread（'skull.tif'）;%读取图像

J=imrotate（I,30,'bilinear'）;%将图像skull绕图像的中心点旋转30度

J1=imrotate（I,30,'bilinear','crop'）;%crop：

通过对旋转后的图像进行裁剪，保持旋转后输出图像J1的尺寸和输入图像skull的尺寸一样。

imshow（I）%显示原图

figure,imshow（J）%显示逆时针旋转30度的图像

figure,imshow（J1）%显示裁剪后的图像

J2=imrotate（I,-15,'bilinear'）;%将图像顺时针旋转15度，进行双线性插值

figure,imshow（J2）%显示顺时针旋转15度的图像

运行结果：

图24skull的原图像图25逆时针旋转

的图像图26裁剪后的图像

图27顺时针旋转

的图像

分析：

1）Imrorate（x，n）是用于对图像进行旋转的函数，其中X若为正数则表示逆时针旋转，数则表示顺时针旋转；J=imrotate（I,30,'bilinear'）表示逆时针旋转30度，如图25所示；其中bilinear为双线性插值，在两个方向分别进行一次线性插值；J2=imrotate（I,-15,'bilinear'）则表示顺时针旋转15度，如图27所示；

2）J1=imrotate（I,30,'bilinear','crop'）中的crop是通过对旋转后的图像进行裁剪，保持旋转后输出图像J1的尺寸和输入图像skull的尺寸一样，如图26所示。

例8图像剪切

%通过交互操作，从一幅图像中剪切一个矩形区域。

I=imread（'skull.tif'）;%读取图像

imshow（I）;%显示图像I

I1=imcrop;%对图像进行自由地剪切操作

figure,imshow（I1）%显示图像I1

I2=imcrop（I,[3060120160]）;%剪切图像I,坐标（30，60）往下120*160的图像

figure,imshow（I2）%显示图像I2

运行结果：

图28skull的原图像图29手动剪切后的图像图30定义剪切后的图像

分析：

1）imcrop用于返回图像的一个裁剪区域，但其也允许用户自己以交互方式使用鼠标选定要剪切的区域；因此如图29所示，为我们自己手动剪切的图像；I2=imcrop（I,[3060120160]）为剪切横坐标30-60，纵坐标60-160的图像区域，如图30所示。

例9图像的领域操作

I=imread（'skull.tif'）;%读取原图

f=inline（'max（x（:

））'）;%定义一个取最大值的函数f，构造复合函数

I2=nlfilter（I,[33],f）;%对图像I的每一个3*3滑块应用函数f，滑动邻域操作

imshow（I）%显示原图

figure,imshow（I2）%显示进行滑动邻域操作的图像

I=imread（'skull.tif'）;%读取原图

f=inline（'uint8（round（mean2（x）*ones（size（x））））'）;%构造复合函数

I2=blkproc（I,[88],f）;%对图像I的每一个8*8滑块应用函数f，分离邻域操作

imshow（I）%显示原图

figure,imshow（I2）%显示分离邻域操作的图像

运行结果：

图31skull的原图像图32滑动邻域操作的图像图33分离邻域操作的图像

分析：

1）nlfilter是对图像进行边沿操作，即进行滑动邻域操作，nlfilter（I,[33],f）为对图像I的每一个3*3滑块应用函数f进行滑动邻域操作，如图32所示；

2）blkproc是实现图像的显示块操作，即分离邻域操作，blkproc（I,[88],f）为对图像I的每一个8*8滑块应用函数f进行分离邻域操作，如图33所示；

五、实验小结：

（包括主要实验问题的最终结果描述、详细的收获体会，待解决的问题等）

在此次实验中，由于实验内容更贴近生活应用，因此比起上学期，我们更容易领悟该程序的表达，只是在细节方面还是很容易出错，甚至不容易拐过弯来。

在实验中应注意的点：

1）在编写运行文件的时候要选择正确的路径，图片保存在哪里，就应该选择哪里，不然就会出现读取错误。

2）显示图像中的以灰度级20显示图像的时候，因为灰度级定义得太小，导致无图像显示，这时我们可以用增大灰度级的方法，imshow（J，100）;或imshow（J,[0,100]）;显示部分图像信息.

3）当用imshow显示另一图像时，MATLAB会字屏幕上用新图像替换旧图像。

为保持第一幅图像并显示第二幅图像，可以用figure函数。

4）在进行图像的运算时应注意保持图像的类型和大小一致

5）明确每一种代数运算的意图，并学会理论联系实际，对输出图像进行分析。

手写签名：