整理数字图像处理实验指导书 贵州大学.docx
《整理数字图像处理实验指导书 贵州大学.docx》由会员分享，可在线阅读，更多相关《整理数字图像处理实验指导书 贵州大学.docx（25页珍藏版）》请在冰点文库上搜索。
整理数字图像处理实验指导书贵州大学
意愿调查评估法（简称CV法）是指通过调查等方法，让消费者直接表述出他们对环境物品或服务的支付意愿（或接受赔偿意愿），或者对其价值进行判断。
在很多情形下，它是唯一可用的方法。
如用于评价环境资源的选择价值和存在价值。
仍以森林为例，营养循环、水域保护、减少空气污染、小气候调节等都属于间接使用价值的范畴。
D.环境影响研究报告
三、规划环境影响评价
2.规划环境影响评价的内容
2.量化环境影响后果
3）选择价值。
选择价值（OV）又称期权价值。
我们在利用环境资源的时候，并不希望它的功能很快消耗殆尽，也许会设想未来该资源的使用价值会更大。
（5）法律、行政法规和国务院规定的其他建设项目。
（2）建设项目周围环境的现状。
（1）资质等级。
评价机构的环评资质分为甲、乙两个等级。
环评证书在全国范围内使用，有效期为4年。
计算机科学与信息学院
《数字图像处理》
实验指导书
适用专业：
信息安全、网络工程、计算机
贵州大学
二O一三年五月
前 言
本指导书是根据数字图像处理教学大纲和实验大纲编写的，在教学过程中指导学生实验时使用。
运用MATLAB软件平台，结合图像处理工具箱，对图像处理相关算法进行编程和实现。
通过学生上机操作实践与教师指导，使学生深入理解和掌握数字图像处理的技术和方法，增强处理实际问题的能力。
考虑到《数字图像处理》课程的自身特点，以及软件的升级更新性，本实验指导书具有适应性。
本实验指导书主要适用于计算机科学与信息学院的各个相关专业。
实验一 图像基本操作
实验学时：
2
实验类型：
验证
实验要求：
必做
一、实验目的
利用MATLAB软件，熟悉图像的数据矩阵操作、图像的类型转换及图像的存储等基本操作。
1.熟悉图像矩阵的基本操作
2.掌握图像数据类型转换及图像类型转换
3.掌握图像文件的读写
4.掌握图像及灰度图像直方图的显示
5.掌握图像缩放和旋转
二、实验原理和方法
1.关于图像矩阵
MATLAB中图像数据以矩阵方式的存储。
所以有必要学会关于矩阵的操作，由于篇幅有限，这里只作简要的介绍。
生成矩阵的函数有：
eye生成单位矩阵ones全1阵zeros全零阵
rand均匀随机阵randn正态随机阵
2.图像数据类型及图像类型
2.1图像数据类型转换
MATLAB中图像数据矩阵的存储方式为双精度（double）类型即64位浮点数。
而存储图像时MATLAB有时采用无符号整型（uint8）即图像矩阵中的每个数据占用一个字节。
由于大多数运算和函数（比如最基本的矩阵加减运算）都不支持uint8类型，所以运算时通常要将图像转换成double型。
函数double将数据转换为双精度浮点类型，调用格式为：
X64=double（x8）/256
2.2 图像类型及转换
在MATLAB中，一幅图像可能包含一个数据矩阵，也可能有一个颜色映像表矩阵。
MATLAB图像处理工具箱支持四种图像类型，其区别在于数据矩阵元素的不同含意。
它们是：
●真彩色图像
●索引图像
●灰度图像
●二值图像
（１）真彩色图像
真彩色图像又称RGB图像，对于一个尺寸为M×N的彩色图像来说，在MATLAB中则存储为一个M×N×3的多维数组，像素的颜色由保存在像素位置上的R、G、B的强度值的组合来确定。
如果需要知道图像A中（x，y）处的像素值，则可以使用这样的代码A（x,y,1:
3）。
（２）索引图像
MATLAB中的索引图像包含两个结构，一个是调色板，一个是图像数据矩阵。
调色板是一个m×3的色彩映射矩阵，矩阵的每一行都代表一种色彩，与真彩色图像相同，通过3个分别代表红、绿、蓝颜色强度的双精度数，形成一种特定的颜色。
调色板通常和索引图像存在一起，当读入图像时，MATLAB同时加载调色板和图像。
（３）灰度图像
灰度图像就是只有强度信息，而没有颜色信息的图像。
存储灰度图像只需要一个数据矩阵，矩阵的每个元素表示对应位置像素的灰度值，灰度图像的数据类型可以是doubIe类型，这时值域为[0,1]，也可以uint8类刑，值域是[0,255]。
（４）二值图像
二值图像就是只有黑白两种值的图像，我们可以把它看作是特殊的灰度图像。
二值图像只需一个数据矩阵来存储，每个像素只取0或1。
MATLAB提供了若干函数，用于图像类型的转换，这些函数如下所示：
●rgb2gray将RGB图像转换成灰度图像
●Gray2ind将灰度图像转换成索引图像
●Im2bw设定阈值将图像转换为二值图像
●Im2double将图像数据阵列转换为double型
●Im2unit8将图像数据阵列转换为unit8型
●Im2unit16将图像数据阵列转换为unit16型
●Ind2gray将索引图像转换为灰度图像
●Ind2rgb将索引图像转换成真彩色图像
2.3图像读写及显示
MATLAB为用户提供了专门的函数以从图像格式的文件中读写图像数据。
（１）图像文件的读取
利用imread函数可以完成图像文件的读取操作，常见调用格式为：
A=imread（FILENAME,FMT）
其作用是将文件名用字符串FILENAME表示的、扩展名用字符串FMT（表示图像文件格式）表示的图像文件中的数据读到矩阵A中。
如果FILENAME所指的为灰度图像，则A为M×N的二维矩阵；如果FILENAME所指的为RGB图像，则A为M×N×3的三维矩阵。
（２）图像文件的写入（保存）
利用imwrite函数完成图像的写入操作，也完全支持上述各种图像文件的格式，其常用的调用格式为：
imwrite（A,FILENAME,FMT）
（３）图像文件的显示
MATLAB的图像处理工具箱提供了多种图像显示技术。
例如，imshow函数可以直接从文件显示多种类型的图像；image函数可以将矩阵作为图像显示；colorbar函数可以用来显示颜色条。
●imshow函数是最常用的显示各种图像的函数,格式为:
●imshow（I,n）; %显示灰度矩阵I, n设置显示的灰度值范围（级数），默认值为256。
●imshow（RGB） %显示真彩色图像
●imshowfilename %直接显示图像,但图像数据不在MATLAB的workspace中。
可以将多幅图像显示在一个图形窗口中，达到这一目的有两种方法：
一种方法是联合使用subplot函数和imshow函数，但此方法在一个图形窗口只能有一个调色板；另一种方法是联合使用subplot函数和subimage函数，此方法可在一个图形窗口内使用多个调色板。
subplot函数将一个图形窗口划分为多个显示区域，其调用格式如下：
subplot（m,n,p）
subplot函数将图形窗口划分为m（行）×n（列）个显示区域，并选择第p个区域作为当前绘图区。
（4）灰度直方图的显示
MATLAB图像处理工具箱提供了imhist函数来计算和显示图像的直方图，imhist函数的语法格式为：
imhist（I,n）
imhist（X,MAP）
其中imhist（I,n）计算和显示灰度图像I的直方图，n为指定的灰度级数目，默认值为256。
imhist（X,MAP）计算和显示索引色图像X的直方图，map为调色板。
3.图像的几何运算
3.1图像的缩放
MATLAB图像处理工具箱中的函数imresize可以用三种方法对图像进行插值缩放，如果不指定插值方法，则默认为最邻近插值法。
imresize函数的语法格式为：
B=imresize（A,m,method）,返回原图像A的m倍放大的图像（m小于1时效果是缩小）。
这里参数method用于指定插值的方法，可选用的值为'nearest'（最邻近法），'bilinear'（双线性插值），'bicubic'（双三次插值），默认为'nearest'。
B=imresize（A,[numrowsnumcols]），返回的图像Ｂ具有由[numrowsnumcols]指定的行、列数。
3.2图像的旋转
在工具箱中的函数imrotate可用上述三种方法对图像进行插值旋转，默认的插值方法也是最邻近插值法。
imrotate的语法格式为：
B=imrotate（A,angle,method）
函数imrotate对图像进行旋转，参数method用于指定插值的方法，可选用的值为'nearest'（最邻近法），'bilinear'（双线性插值），'bicubic'（双三次插值），默认为'nearest'。
一般说来旋转后的图像会比原图大，超出原图部分值为0。
三、实验内容和步骤
练习图像的读取、显示和保存图像数据，步骤如下：
（1）使用命令figure
（1）开辟一个显示窗口
（2）读入一幅RGB图像，变换为灰度图像和二值图像，并在同一个窗口内显示RGB图像、二值图像和灰度图像，注上文字标题。
（3）保存转换后的灰度图像和二值图像
（4）在同一个窗口显示转换后的灰度图像的直方图
（5）将原RGB图像的R、G、B三个分量图像显示在figure
（2）中，观察对比它们的特点，体会不同颜色所对应的R、G、B分量的不同之处。
（6）将图像放大1.5倍，插值方法使用三种不同方法，在figure（3）中显示放大后的图像，比较不同插值方法的结果有什么不同。
将图像放大到其它倍数，重复实验；
（7）图像顺时针旋转30度，插值方法使用三种不同方法，在figure（3）中显示旋转后的图像并比较结果有什么不同。
四、实验报告
基本内容详见附件。
实验二 图像增强
实验学时：
2
实验类型：
验证
实验要求：
必做
一、实验目的
熟悉数字图像增强的一般方法，包括：
1.掌握空域变换增强的原理、方法
2.掌握灰度变换的图像增强方法
二、实验原理和方法
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。
1.空间域滤波
1.1噪声模拟
图像平滑滤波主要是针对图像的各种噪声而言的，因此需要模拟数字图像的各种噪声来分析滤波效果。
MATLAB的图像处理工具箱提供了imnoise函数，可以用该函数给图像添加不同种类噪声，其语法格式为：
J=imnoise（I,type,parameters）
参数Type、parameters对应的噪声类型如下：
Type
parameters
说明
Gaussian
m,v
均值为m，方差为v的高斯噪声
Localvar
V
均值为0，方差为v的高斯白噪声
Possion
无
泊松噪声
Salt&pepper
D
噪声密度为D的椒盐噪声
Speckle
V
均值为0，方差为v的均匀分布随机噪声
1.2均值滤波
平滑线形空间滤波的输出（响应）是包含在滤波掩模邻域内像素的简单平均值。
因此，这些滤波器也称均值滤波器，指的是低通滤波器。
它是用滤波掩模确定的邻域内像素的平均灰度值代替图像中每个像素点的值，这种处理减小了图像灰度的“尖锐”变化。
图1显示了两个
的平滑滤波器。
第一个滤波器产生掩模下的标准像素平均值，把掩模系数代入式
（1）
（
为掩模系数，
为与该系数对应的灰度值）即可得
（2）
1
1
1
1
1
1
1
1
1
1
2
1
2
4
2
1
2
1
图1两个
均值滤波器掩模。
是由掩模定义的
邻域像素灰度的平均值。
一个
掩模应有
的归一化常数。
图1第二种掩模更重要，也称加权平均，处于掩模中心位置的像素比其他任何像素就显得不太重要。
由于对角项离中心比离正交方向相邻的像素更远，所以它的重要性比与中心直接相邻的四个像素低。
把中心点加强的最高，而随着距中心加强为最高，而随着距中心点距离的增加减小系数值，是为了减小平滑处理中的模糊。
所有系数的和是16，2的整数次幂，便于计算机的实现。
一幅
的图像经过一个
（
和
是奇数）的加权均值滤波器滤波的过程可由下式给出：
（3）
可理解为一幅完全滤波的图像是由对
和
执行式（3）得到的。
1.3中值滤波
统计滤波器是一种非线性的空间滤波器，它的响应基于图像滤波器包围的图像区域中像素的排列，然后用统计排序结果决定的值代替中心像素的值。
统计滤波器中最常见的例子是中值滤波器，是将邻域内像素灰度的中值代替该像素的值。
对处理椒盐噪声非常有效。
1.4图像滤波函数：
filter2、imfilter
MATLAB提供了基于卷积的图像滤波函数filter2进行平滑滤波，该函数用指定的滤波器模板对图像进行运算。
其调用格式为：
B=filter2（h,A）
B=filter2（h,A,shape）
其中B=filter2（h,A）返回图像A经算子h滤波后的结果，参数shape指定滤波的计算范围，即：
●shape=’full’时，作边界补零
●shape=’same’时，返回图像B与输入图像A大小相同
●shape=’valid’时，不考虑边界补零，只计算有效输出部分。
此外，也可以使用imfilter函数进行卷积或相关性滤波来实现图像平滑。
该函数的调用格式为：
B=imfilter（A,H）
B=imfilter（A,H,OPTION1,OPTION2,…）
其中B=imfilter（A,H）返回图像A经算子h滤波后的结果；
B=imfilter（A,H,OPTION1,OPTION2,…）是根据指定的OPTION参数实现图像滤波。
OPTION参数可以有下列取值：
●边界填充选项
对一幅图像进行滤波时，零填充可能会导致图像被一个黑框围绕，为了消除零填充的人工痕迹，imfilter函数支持三种可选的边界填充方法：
’symmetric’边界对称
’replicate’边界复制，缺省值
’circular’边界循环
●输出尺寸选项
其选项与filter2函数的shape参数相同。
●滤波选项
’corr’使用相关性来进行滤波，缺省使用此方法
’conv’使用卷积方法实现滤波
以上两个滤波函数的参数h可以是自定义的滤波器模板，也可以是MATLAB提供的预定义滤波器模板。
函数fspecial生成滤波所用的预定义模板。
其调用格式为：
h=fspecial（TYPE）
h=fspecial（TYPE,PARAMETERS）
其中,参数type指定滤波器的种类，parameters是与滤波器种类有关的具体参数，下表列出常用的滤波器种类
TYPE
PARAMETERS
说明
Average
Hsize
均值滤波器，如果邻域为方阵，则hsize为标量，否则由两元素向量hsize指定邻域的行数和列数
Sobel
无
近似计算垂直梯度光滑效应的水平边缘强调算子
Laplacian
Alpha
系数由alpha（0.0~1.0）决定的二维拉普拉斯操作
Prewitt
无
近似计算垂直梯度的水平边缘强调算子
Motion
len,theta
按照角度theta移动len个像素的运动滤波器
1.5中值滤波器函数：
medfilt2
调用格式为：
B=medfilt2（A）
B=medfilt2（A,[MN]）
其中,A是输入图像，B是中值滤波后输出的图像。
[MN]指定滤波模板的大小，默认模板是3×3的。
2.灰度级修正
2.1对比度调整
如果原图像f（x,y）的灰度范围是[m,M]，我们希望对图像的灰度范围进行线性调整，调整后的图像g（x,y）的灰度范围是[n,N]，那么下述变换：
就可以实现这一要求。
MATLAB图像处理工具箱中提供的imadjust函数，可以实现上述的线性变换对比度调整。
imadjust函数的语法格式为：
J=imadjust（I,[low_inhigh_in],[low_outhigh_out],gamma）
I是输入图像矩阵，J是经过灰度变换后的图像矩阵。
Low_in和high_in参数分别用来指定输入图像需要映射的灰度范围，Low_out和high_out参数指定输出图像所在的灰度范围。
灰度范围可以用[]空矩阵表示默认范围，默认值为[0,1]。
Gamma是一个可选参数，用于指定图像I与J之间映射的关系：
gamma=1表示线性映射；gamma<1表示弱映射；gamma>1表示强映射，缺省时为1。
2.2 直方图均衡化
直方图均衡化的目的是将原始图像的直方图变为均衡分布的形式，即将一已知灰度概率密度分布的图像，经过某种变换变成一幅具有均匀灰度概率密度分布的新图像，从而改善图像的灰度层次。
MATLAB图像处理工具箱中提供的histeq函数，可以实现直方图的均衡化。
对于灰度图像，histeq函数的基本调用格式为
J=histeq（I,n）
该函数返回原图像I经过直方图均衡化处理后的新图像J。
n为指定的均衡化后的灰度级数，缺省值为64。
三、实验内容和步骤
练习图像的读取、显示和保存图像数据，步骤如下：
（1）读出汽车牌照的灰度图像。
给读出的图像加入高斯噪声。
（2）分别采用不同大小的模板（3*3,5*5）对加有噪声的图像进行均值滤波，用一个图像处理对话框显示原图像、加有噪声的图像及均值滤波的图像。
比较结果。
（3）分别采用不同大小的模板（3*3,5*5）对加有噪声的图像进行中值滤波，用一个图像处理对话框显示原图像、加有噪声的图像及中值滤波的图像。
比较结果。
（4）采用大小相同的模板对加有噪声的图像分别进行均值滤波和中值滤波，用一个图像处理对话框显示原图像、加有噪声的图像、均值滤波的图像及中值滤波的图像。
比较结果。
（5）给图像加入椒盐噪声，重复均值滤波和中值滤波，比较结果。
（6）对汽车牌照的灰度图像进行灰度变化，实现图像变亮、变暗和负片效果，在同一个窗口内分成四个子窗口来分别显示，注上文字标题。
（7）用histeq函数将汽车牌照图像的灰度直方图均衡化，同时观察均衡化后的图像与前面图像的差别，均衡化后的灰度直方图与前面的灰度直方图的区别。
四、实验报告
基本内容详见附件。
实验三 图像分割
实验学时：
2
实验类型：
验证
实验要求：
必做
一、实验目的
1、理解图像边缘提取的基本概念；
2、熟悉进行边缘提取的基本方法；
3、掌握用MATLAB语言进行图像边缘提取的方法
4、用形态学运算实现灰度图像的噪声平滑和图像边缘提取。
二、实验原理和方法
图像理解是图像处理的一个重要分支，他研究为完成某一任务需要从图像中提取哪些有用的信息，以及如何利用这些信息解释图像。
边缘检测技术对于处理数字图像非常重要，因为边缘是所要提取目标和背景的分界线，提取出边缘才能将目标和背景区分开来。
在图像中，边界表明一个特征区域的终结和另一个特征区域的开始，边界所分开区域的内部特征或属性是一致的，而不同的区域内部的特征或属性是不同的，边缘检测正是利用物体和背景在某种图像特性上的差异来实现的，这些差异包括灰度，颜色或者纹理特征。
边缘检测实际上就是检测图像特征发生变化的位置。
由于噪声和模糊的存在，检测到的边界可能会变宽或在某些点处发生间断，因此，边界检测包括两个基本内容：
首先抽取出反映灰度变化的边缘点，然后剔除某些边界点或填补边界间断点，并将这些边缘连接成完整的线。
1.基于导数算子的边缘检测
边缘检测的方法大多数是基于方向导数掩模求卷积的方法。
导数算子具有突出灰度变化的作用，对图像运用导数算子，灰度变化较大的点处算得的值比较高，因此可将这些导数值作为相应点的边界强度，通过设置门限的方法，提取边界点集。
一阶导数
与
是最简单的导数算子，它们分别求出了灰度在x和y方向上的变化率，而方向α上的灰度变化率可以用下面式子计算：
对于数字图像，应该采用差分运算代替求导，相对应的一阶差分为：
方向差分为：
函数f在某点的方向导数取得最大值的方向是
，方向导数的最大值是
称为梯度模。
利用梯度模算子来检测边缘是一种很好的方法，它不仅具有位移不变性，还具有各向同性。
为了运算简便，实际中采用梯度模的近似形式，如：
、
及
等。
另外，还有一些常用的算子，如Roberts算子和Sobel算子。
Roberts算子的表达式为：
Sobel算子的表达式为：
X方向算子：
y方向算子：
其中，由于Sobel算子是滤波算子的形式，用于提取边缘。
我们可以利用快速卷积函数，简单有效，因此应用很广泛。
拉普拉斯高斯（LoG）算法是一种二阶边缘检测方法。
它通过寻找图像灰度值中二阶微分中的过零点（ZeroCrossing）来检测边缘点。
其原理为，灰度级变形成的边缘经过微分算子形成一个单峰函数，峰值位置对应边缘点；对单峰函数进行微分，则峰值处的微分值为0，峰值两侧符号相反，而原先的极值点对应于二阶微分中的过零点，通过检测过零点即可将图像的边缘提取出来。
MATLAB的图像处理工具箱中提供的edge函数可以实现检测边缘的功能，其语法格式如下：
BW=edge（I,‘sobel’）
BW=edge（I,‘sobel’,direction）
BW=edge（I,‘roberts’）
BW=edge（I,‘log’）
这里BW=edge（I,‘sobel’）采用Sobel算子进行边缘检测。
BW=edge（I,‘sobel’,direction）可以指定算子方向，即：
direction=‘horizontal’，为水平方向；
direction=‘vertical’，为垂直方向；
direction=‘both’，为水平和垂直两个方向。
BW=edge（I,‘roberts’）和BW=edge（I,‘log’）分别为用Roberts算子和拉普拉斯高斯算子进行边缘检测。
2.形态学操作
数学形态学图像处理的基本思想是利用一个称作结构元素的“探针”收集图像的信息。
当探针在图像中不断移动时，便可考察图像各个部分间的相互关系，从而了解图像各个部分的结构特征。
作为探针的结构元素，可直接携带知识（形态、大小、以及灰度和色度信息）来探测所研究图像的结构特点。
2.1二值图像数学形态学
二值形态学中的运算对象是集合，通常给出一个图像集合和一个结构元素集合，利用结构元素对图像进行操作。
其基本运算有四种：
腐蚀、膨胀、开运算和闭
升级会员 