图像处理实验指导书.docx
《图像处理实验指导书.docx》由会员分享，可在线阅读，更多相关《图像处理实验指导书.docx（32页珍藏版）》请在冰点文库上搜索。
图像处理实验指导书
《图像处理》
实验指导书
10学时
指导教师：
张葵
实验报告要求
1、做好实验相关预习工作，了解实验的目的与内容。
每次实验报告中，首先写清实验目的。
然后，写出实验内容中的题目、程序清单（加上必要注释）、程序运行结果（可将图像处理效果图附在实验报告中；对综合应用性较高的题目，要求在给出代码前，绘制算法设计的流程图）。
最后，给出100-50字的实验体会或总结。
要求必须写在实验报告中，图片效果可以剪贴到报告册上。
每次实验报告首页页眉写上实验时间、指导老师姓名。
2、实验报告要求手写在实验报告册中，请勿打印。
3、实验报告中，有些内容是指导性的内容，不需要写在报告中。
因此有些编号需要调整，从1开始。
4、实验报告成绩按照报告书写的质量、注释的质量、程序的质量给分。
5、实验中需要用到的图片文件已经放到机房的E盘pics文件夹下。
实验一 Matlab图像显示与图像运算
（2学时）
【实验目的】
1、熟悉Matlab的编程环境及其基本用法；
2、掌握MATLAB语言中图像数据与信息的读取方法；了解m文件的编写与调试方法；
3、熟悉图像点运算和代数运算的实现方法；
4、掌握Matlab图像几何变换的基本函数；
5、了解图像几何运算的简单应用；
【实验内容】
1、Introduction
InthefollowingwegiveashortoverviewonaverylimitedsetofbasicimageprocessingfunctionsprovidedbyMATLAB.Thefunctiondescriptionsonlycoverthebasicusage,moredetailedinformationcanbefoundinthemanualpagesbytypingdocfunctionNameattheMATLABcommandline.MATLABprovideswithit’simageprocessingtoolboxmanypowerfulandveryefficientimageprocessingfunctions（seefunctionlistoftheimageprocessingtoolbox）.Withthisitisverysimpletoimplementcompleximageprocessingapplications,especiallyforfastprototyping.Onthebackside,alotofunderstandinghowimageprocessingworksishiddenwithinblackboxesandtempstomakethingsmorecomplicatethantheyreallyare.
2、Imagerepresentation
InMATLABabinaryandgray-scaleimageisrepresentedbyone2-dimensionalarray,whereasacolorimagearerepresentedbya3-dimensionalarray（one2-dimensionalarrayforeachofthecolorplanesorcolorchannelsred,greenandblue）:
Theoriginoftheimageisintheupperleftandthesizeoftheimageisdefinedbytheparameterwidth（numberofcolumnsofthearray）andheight（numberofrowsofthearray）.Notethatthex-andy-coordinatesarechosensuchthatthez-axispointstothefront.
Asinglepointwithintheimageiscalledpixel.Agray-scaleorbinarypixelconsistsofonedatavalue,acolorpixelconsistsof3datavalues（eachforoneofthecolorchannels）.Themostcommondatatypesoftheindividualpixelsare:
uint8unsignedinteger:
datarange0..255
doubledoubleprecisionfloat:
datarange0.0...1.0
Binaryimageshavepixelvaluesof0’sand1’sresp.0.0and1.0.Inthecaseofuint8images,thelogicalflagmustbeturnedon,toberecognizedasbinaryimage（fordetailsseebelow）.
BecarefulwithdatatypesinMATLAB.Manyofthepredefinedfunctions,e.g.imadd（img1,img2）whichaddstwoimages,justtruncatesdatavaluesto255onuint8-arrays...makesureifthatiswhatyouwant.
Hints:
Toavoidproblemswithdatatypes,especiallywhenworkingwithpredefinedimageprocessingfunctions,itisadvisorytoworkwithtypedoubleandmakesurethatdataisscaledtotherange0...1.0.
3、BasicMATLABfunctions
3.1MATLABmanual
docfunctionnamedisplaysthemanualfortheMATLABfunctionfunctionname
docimagesthemanualfortheimageprocessingtoolbox
docimaqthemanualfortheimageacquisitiontoolbox
3.2Imageinformation
imfinfo（’foo.ext’）displaysinformationonimageformatetc.ofthefilefoo.ext
imformatsdisplaysanoverviewofallMATLABimageformats
whosimgdisplaysinformationaboutthearrayimg:
size,datatype,etc.
3.3Reading,writinganddisplayingimages
myImg=imread（’foo.ext’）readsfilefoo.extintoarraymyImg,imageformatisdeterminedbythefileextension（jpg,tiff,tif,gif,bmp,png,...）
imwrite（anImg,’foo.ext’）writestheimageanImgtothefilefoo.ext,wheretheimageformatischosenaccordingtotheextensionext.Validextensionsare:
tif,tiff,jpg,jpeg,gif,png
imshow（myImg）displaystheimagemyImgasgray-scale,binaryorcolorimage
dependingonthedatatypeofmyImg
imshow（myImg,[]）theimagemyImgasgray-scale,binaryorcolorimagedependingonthedatatypeofmyImgandscalestheimageproperly
figure（n）opensanewwindowwithnumbern,thenextcalltoimshow（）displaystheimagewithinthiswindow
3.4Basicimageprocessingfunctions
islogical（binImg）checkswhetherarraybinImghasthelogicalflagsetornot（returnsvalue1or0）
img=uint8（zeros（512,1024））createsablackimagewithwidth1024andheight512oftypeuint8
img=uint8（255*ones（512,1024））createsawhiteimagewithwidth1024andheight512oftypeuint8
img=double（zeros（512,1024））createsablackimagewithwidth1024andheight512oftypedouble
img=double（ones（512,1024））createsawhiteimagewithwidth1024andheight512oftypedouble
[heightwidthd]=size（myImg）retrievesheightandwidthandstoresthevaluesinvariablesheightandwidth,distsettothearraydimension.
red=myImg（:
:
1）storestheredcomponentofmyImg（rgb-image）inarrayred
green=myImg（:
:
2）storestheredcomponentofmyImginarraygreen
blue=myImg（:
:
3）storestheredcomponentofmyImginarrayblue
mx=max（myImg（:
）））computesthemaximumvalueofan2-darray
mi=min（myImg（:
）））computestheminimumvalueofan2-darray
img=double（myImg）/255convertsanuint8arraytoadoublearray（noscaling）
img=double（myImg）/double（mx）convertsuint8todoubleandscalesmaximumto1.0
img=uint8（anImg*255）convertsadoublearraytoanunit8arrayandrescalesthearraytotheproperdatarange
bw=logical（binImg）setsthelogicalflagontheunit8arraybinImg（datavalues0and1）,arraybwistheninterpretedasablackandwhiteimageandlogicaloperationscanbeapplied
gray=（+bw）*255turnsthelogicalflagoffandrescalesthearraybwtobedisplayedasunit8array
3.5Examples
3.5.1Scalingimages
Thefollowingtwostatementsscaleadoubletypeimagetotherange0.0...1.0.Thisisimportant,whentheimagecontainsnegativepixelvalues,ase.g.afterapplyingedgedetectionalgorithms.
f=f-min（f（:
））;
f=f/max（f（:
））;
3.5.2Colorplanes
Thegreenandredcolorplaneofimagergbimage.jpgareswapped:
f=imread（’rgbimage.jpg’）;
red=f（:
:
1）;
g（:
:
1）=f（:
:
2）;
g（:
:
2）=red;
g（:
:
3）=f（:
:
3）;
imshow（g）;
3.5.3Individualpixelprocessing
TheintensityoftheredcolorchannelofrgbImage.jpgisdividedby2.
f=imread（’rgbImage.jpg’）;
[MNd]=size（f）;
g=unint8（zeros（M,N,3））;
forx=1:
M
fory=1:
N
g（x,y,1）=f（x,y,1）/2;
g（x,y,2）=f（x,y,2）;
g（x,y,3）=f（x,y,3）;
end;
end;
imshow（g）;
UsingtheMATLABarraynotation,thismaybewrittenas:
f=imread（’rgbImage.jpg’）;
g=f;
g（:
:
1）=g（:
:
1）/2;
imshow（g）;
TheimagecolorimagergbImage.jpgisconvertedtoagrayscaleimage,bysimplycomputingthemeanofthethreecolorchannels（onepossiblemethod）andthenstoredinfilegrayImage.jpg.Notethatthequalityoftheresultingimageissetto100（nodataloss）:
f=imread（’rgbImage.jpg’）;
[MNd]=size（f）;
g=unint8（zeros（M,N））;
forx=1:
M
fory=1:
N
g（x,y）=（f（x,y,1）+f（x,y,2）+f（x,y,3））/3;
%Thelineabovedoesn’twork.
%Overflowoccurs,whileprocessinguint8,because
%thevaluerangeintheintermediateresultsarelimitedto255
g（x,y）=（f（x,y,1）/3+f（x,y,2）/3+f（x,y,3）/3）;
end;
end;
imshow（g）;
imwrite（g,’grayImage.jpg’,’Quality’,100）;
UsingtheMATLABarraynotation,thismaybewrittenas:
f=imread（’rgbImage.jpg’）;
g=uint8（mean（f,3））;
imshow（g）;
imwrite（g,’grayImage.jpg’,’Quality’,100）;
TheimagegrayImage.jpgisslightlyblurredbycomputingthemeanofa3x3pixelenvironmentandbysettingtheresultingcenterpixeltothismeanvalue:
f=imread（’grayImage.jpg’）;
[MNd]=size（f）;
g=unint8（zeros（M,N））;
forx=2:
M-1
fory=2:
N-1
sum=f（x-1,j-1）+f（x-1,j）+f（x-1,y+1）;
sum=sum+f（x,y-1）+f（x,y）+f（x,y+1）;
sum=sum+f（x+1,y-1）+f（x+1,y）f（x+1,y+1）;
rImg（x,y）=unint8（sum/9）;
end;
end;
imshow（g）;
Thesamefunctionalitycouldbeachieved,byusingMATLAB’spowerfulimageprocessingfunctionsandinadditionavoidstheboundaryproblem:
f=imread（’grayImage.jpg’）;
h=fspecial（’average’,3）;
g=imfilter（f,h,’replicate’）;
imshow（g）;
蓝色字体部分不用写在实验报告上，此部分实验内容辅助大家了解相关matlab图像处理函数。
有些函数课件中没有提及，请使用matlab帮助文档获取函数的详细信息。
4、上机编程题思考题
4.1读入图像‘rice.tif’，通过图像点运算改变对比度。
rice=imread（'rice.tif'）;
subplot（131）,imshow（rice）
I=double（rice）;%转换为双精度类型
J=I*0.43+60;
rice2=uint8（J）;%转换为uint8
subplot（132）,imshow（rice2）
J=I*1.5-60;
rice3=uint8（J）;%转换为uint8
subplot（133）,imshow（rice3）
4.2读入图像‘sf.tif’，改变图像大小，分别将原图像放大1.5倍和缩小0.5倍。
I=imread（'sf.tif'）;
J=imresize（I,1.25）;
K=imresize（I,0.8）;
imshow（I）
figure,imshow（J）
figure,imshow（K）
Y=imresize（I,[100,150]）;
figure,imshow（Y）
4.3将上述图像顺时针和逆时针旋转任意角度，观察显示效果。
I=imread（'sf.tif'）;
J=imrotate（I,30,'bilinear'）;
J1=imrotate（I,30,'bilinear','crop'）;
imshow（I）
figure,imshow（J）
figure,imshow（J1）
J2=imrotate（I,-15,'bilinear'）;
figure,imshow（J2）
4.4通过交互式操作，从一幅图像中剪切一个矩形区域。
I=imread（'sf.tif'）;
imshow（I）;
I1=imcrop;
figure,imshow（I1）
I2=imcrop（I,[3060120160]）;
figure,imshow（I2）
4.5读入图像‘tire.tif’，分别使用函数nlfilter和blkproc对图像进行滑动邻域操作和分离邻域操作。
I=imread（'tire.tif'）;
f=inline（'max（x（:
））'）;%构造复合函数
I2=nlfilter（I,[33],f）;%滑动邻域操作
imshow（I）
figure,imshow（I2）
I=imread（'tire.tif'）;
f=inline（'uint8（round（mean2（x）*ones（size（x））））'）;%构造复合函数
I2=blkproc（I,[88],f）;%滑动邻域操作
imshow（I）
figure,imshow（I2）
4.6对图像rice.tif和cameraman.tif进行图像叠加、旋转运算。
I=imread（'rice.tif'）;%读取图像
J=imread（'cameraman.tif'）;
I=I（1:
256,1:
256）;
K=imadd（I,J,'uint16'）;％图像的叠加
subplot（1,2,1）,imshow（K,[]）
J=imrotate（K,-90,'bilinear'）;％图像顺时针旋转90度
subplot（1,2,2）,imshow（J,[]）
4.7分别显示彩色图像flowers.tif的R、G、B三基色图像。
I=imread（'flowers.tif'）;
R=I（:
:
1）; ％图像的红色分量
G=I（:
:
2）; ％图像的绿色分量
B=I（:
:
3）; ％图像的蓝色分量
subplot（2,2,1）,imshow（I）;
subplot（2,2,2）,imshow（R）;
subplot（2,2,3）,imshow（G）;
subplot（2,2,4）,imshow（B）;
备注：
例如，在红色分量图像中，白色代表红色数值浓度最高的区域．图像中的黑色区域说明该区域不包含任何红色数值，即R=0.
实验二 图像直方图均衡化与图像滤波
（2学时）
【实验目的】
1、了解图像直方图的基本数学原理,会编写相应的m函数文件；
2、掌握matlab图像直方图均衡化、规定化函数.理解图像直方图处理的意义；
3、掌握噪
升级会员 