东北大学数字图像处理实验.docx
《东北大学数字图像处理实验.docx》由会员分享，可在线阅读，更多相关《东北大学数字图像处理实验.docx（33页珍藏版）》请在冰点文库上搜索。
东北大学数字图像处理实验
数字图像处理
实验一：
了解数字图像处理平台
、实验目的
1）学会使用扫描仪；
2）熟悉MATLAB软件。
、实验内容
1）用扫描仪扫一幅彩色图片；一幅灰度图片。
2）熟悉MATLAB的主界面窗口中各个窗口的功能，利用不同的矩阵输入方式给矩阵赋值，了解MATLAB的简单编程及矩阵基本知识；
3）掌握使用MATLAB的帮助来获得更多的信息。
三、实验仪器设备
扫描仪、计算机和MATLAB应用软件。
、实验目的
1）通过应用MATLAB语言编程实现对图像的处理，进一步熟悉MATLAB软件的编程及应用；
2）通过实验进一步掌握图像处理的基本技术和方法。
、实验内容
1.应用MATLAB§言编写显示一幅灰度图像、二值图像、索引图像及彩色图像
的程序，并进行相互之间的转换；
（1）显示一幅RGBS像:
代码：
I=imread（'cs.jpg'）;
>>imshow（I）
效果:
■-I
I
总
（2）RGB专灰度图像
代码:
>>graycs=rgb2gray（l）;
>>subplot（1,2,1）;
>>subimage（l）>>subplot（1,2,2）;
>>subimage（graycs）
效果:
100
200
300
400
100200300400500
100
200
300
400
100200300400500
（3）RGB专索引图像
代码:
>>[indcs,map]=rgb2ind（I,0.7）;
>>subplot（1,2,1）
>>
subimage（l）;
>>
subplot（1,2,2）;
>>
subimage（indcs,map）
效果:
100
200
300
400
一t
■
100200300400500
（4）索引图像转RGB
代码：
>>l1=ind2rgb（indcs,map）;
>>
subplot（1,2,1）;
>>
subimage（indcs,map）;
>>
subplot（1,2,2）;
>>
subimage（I1）;
效果:
100
200
300
400
［的議筹菱汽.'门Q
濛
400500
（5）索引图像转灰度图像:
ss
Bs
oooooo123
ifin
JF
总，，I
"■-c
-&込点
i
X逆；获食
123
In
「一i
>s
代码:
>>i2gcs=ind2gray（indcs,map）;
>>subplot（1,2,1）;
>>subimage（indcs,map）;
>>subplot（1,2,2）;
>>subimage（i2gcs,map）;
效果:
（6）灰度图像转索引图像
代码:
>>[g2ics,map]=gray2ind（graycs,64）;
>>subplot（1,2,1）;
>>subimage（graycs）;
>>subplot（1,2,2）;
>>subimage（g2ics,map）;
效果:
100
100
200
300
400
I.■■■■--
51;纬或;e
200
300
400
100200300400500
100200300400500
（7）RGB专二值图像
代码:
>>r2bwcs=im2bw（l,0.5）;
>>subplot（1,2,1）;
>>subimage（I）;
>>subplot（1,2,2）;
>>subimage（r2bwcs）;
效果:
（8）灰度图像转二值图像
代码:
>>g2bwcs=im2bw（graycs,0.5）;
>>subplot（1,2,1）;
>>subimage（graycs）;
>>subplot（1,2,2）;
>>subimage（g2bwcs）;
效果:
100
200
300
400
100200300400500
100
200
300
400
100200300400500
（9）索引图像转二值图像
代码:
>>i2bwcs=im2bw（indcs,map,0.7）;
>>subplot（1,2,1）;
>>subimage（indcs,map）;
>>subplot（1,2,2）;
>>subimage（i2bwcs）
效果:
100
200
300
400
谿i1'
■■*'
=*
I毒呂
恤
A总
400500
100
200
300
400
駅总卞"TT閏子越-J.:
：
'耳:
:
弋a■盲菩汁笑禺¥丫曲W".■為「：
飞
fI
^hSHeH^BSSeBHI^*；■'tf
100200300400500
2.应用MATLA工具箱演示一幅图像的傅里叶变换、离散余弦变换，观察其频谱
图。
然后将它们进行逆变换，观察逆变换后的图像;
（1）傅里叶变换:
代码:
>>F=fft2（graycs）;
>>subplot（1,2,1）;
>>subimage（graycs）;
>>subplot（1,2,2）;
>>subimage（log（abs（F））,[3,10]）;
效果:
100
（2）傅里叶反变换:
代码:
>>IF=ifft2（F）;
>>subplot（1,2,1）;
>>subimage（log（abs（F））,[3,10]）;
>>subplot（1,2,2）;
>>subimage（uint8（IF））;
效果:
100
200
300
400
100200300400500
100200300400500
（3）DCT变换:
代码:
>>B=dct2（graycs）;
>>subplot（1,2,1）;
>>subimage（graycs）;
>>subplot（1,2,2）;
>>subimage（log（abs（B））,[3,5]）;
效果:
100
100
200
300
400
V,
■
200
300
400
100200300400500
100200300400500
（4）
iDCT变换
代码:
>>iB=idct2（B）;
>>subplot（1,2,1）;
>>subimage（log（abs（B））,[3,5]）;
>>subplot（1,2,2）;
效果:
200
300
400
100
200
300
400
100200300400500
100200300400500
3.应用MATLA语言编程来实现一幅图像的增强。
（1）取一幅灰度图像，对其进行线性点运算，即
Gbf（Ga）Ga
取（a,P）分别为（1.5,1.2）、（0.7,1.2）,对原图像进行线性处理，观察
处理后的结果，并分析直方图的变化。
代码:
>>graycs=double（graycs）;
>>graycs1=1.5*graycs+1.2;
>>subplot（2,2,1）;
>>subimage（uint8（graycs））;
>>subplot（2,2,2）;
>>imhist（uint8（graycs））;
>>subplot（2,2,3）;
>>subimage（uint8（graycs1））;
100
200
300
400
200
300
400
100200300400500
3000
2000
1000
▲・H
100
I
200
2
1
100
200
4
x10
0
100200300400500
（2）取一幅灰度图像，对其进行直方图均衡化处理，再对其进行规定化处理,
并对结果进行分析。
思考题：
如果将一幅图像进行一次直方图均衡化处理后，再进行一次直方图均
衡化处理，结果会发生变化吗？
观察两次均衡化的直方图是否一样。
均衡化代码：
>>graycs=uint8（graycs）;
>>eqcs=histeq（graycs）;
>>subplot（2,2,1）;
>>subimage（graycs）;
>>subplot（2,2,2）;
>>subplot（2,2,3）;
>>subimage（eqcs）;
>>subplot（2,2,4）;
>>imhist（eqcs）;
效果:
200
300
400
100200300400500
100
200
300
400
100200300400500
规定化代码:
>>hgram=50:
2:
250;
>>speciacs=histeq（graycs,hgram）;
>>subplot（2,2,1）;
>>subimage（graycs）;
>>subplot（2,2,2）;
>>imhist（graycs）;
>>subplot（2,2,3）;
200
300
400
100200300400500
100
200
300
400
100200300400500
3000
2000
1000
□
100
200
思考题:
>>graycs=uint8（graycs）;
>>eqcs1=histeq（graycs）;
>>eqcs2=histeq（eqcs1）;
>>subplot（2,2,1）;
>>subimage（eqcs1）;
>>subplot（2,2,2）;
>>imhist（eqcs1）;
>>subplot（2,2,3）;
o
o
两次均衡化结果一样。
（3）取一幅灰度图像，加入噪声后对其进行平滑滤波（均值滤波、中值滤波）
并观察不同滤波方式下的效果。
代码;
>>noisecs=imnoise（graycs,'salt&pepper'）;
>>avecs=filter2（fspecial（'average',3）,noisecs）/255;
>>medcs=medfilt2（noisecs,[3,3]）;
>>subplot（2,2,1）;
>>subimage（graycs）;
>>title（'原图'）;
>>subimage（noisecs）;
>>title（'加噪声图'>>subplot（2,2,3）;
>>subimage（avecs）;
>>title（'均值平滑图'）;
>>subplot（2,2,4）;
>>subimage（medcs）;
效果:
均值滤波的效果与所使用的领域半径大小有关，半径越大，像素点越多，则
信噪比提高越大，平滑效果越好，但是平滑图像的模糊程度越大。
中值滤波是一种非线性滤波，可以克服整形滤波器所带来的图像细节模糊,
对滤波脉冲干扰及颗粒噪声最为有效。
（4）取一幅灰度图像，采用不同的算子对其进行边缘锐化，并分析结果。
思考题：
为了达到边缘锐化的反差增强效果，实际应用中将高频增强和直方图
均衡化结合起来使用，这两个操作的次序能互换吗？
效果一样吗?
代码:
>>sobelcs=filter2（fspecial（'sobel'）,graycs）;
>>prewittcs=filter2（fspecial（'prewitt'）,graycs）;
>>laplaciancs=filter2（fspecial（'laplacian'）,graycs）;
>>subplot（2,2,1）;
>>subimage（graycs）;
>>title（'原图'）;
>>subplot（2,2,2）;
>>subimage（sobelcs）;
>>title（'sobel狗'）;
>>subplot（2,2,3）;
>>subimage（prewittcs）;
>>title（'prewitt狗'）;
>>subplot（2,2,4）;
>>subimage（laplaciancs）;
>>title（'laplacian狗'）;
效果:
思考题：
不能次序交换。
因为直方图均衡化是把原始图像的灰度直方图从某个灰
度区间变成在全部灰度范围内的均匀分布，而将高频增强明显的意思是对图像进
行高通滤波，所以如果两个处理次序互换的话会对不同频率成分产生影响，而使
效果不一样，但都可增强反差。
4.对一幅灰度图像进行模糊处理，然后进行逆滤波、维纳滤波与约束最小二乘
方滤波复原实验。
代码:
>>PSF=fspecial（'motion',30,45）;
>>blurcs=imfilter（graycs,PSF,'circular','conv'）;
>>subplot（1,2,1）;
>>subimage（graycs）;
>>titleC原图'）;
>>subplot（1,2,2）;
>>subimage（blurcs）;
>>title（'运动糊化的图'）;
效果:
逆滤波代码:
>>wnr1cs=deconvwnr（blurcs,PSF）;%逆滤波
>>subplot（1,2,1）;
>>subimage（blurcs）;
>>subplot（1,2,2）;
>>subimage（wnr1cs）;
效果：
200
300
400
100200300400500
100
200
300
400
嚓
I
I
400500
100200300
维纳滤波代码:
>>noise=0.1*randn（size（graycs））;
>>blumoics=imadd（blurcs,im2uint8（noise））;
>>wnr2cs=deconvwnr（blurnoics,PSF）;
>>NSR=sum（noise（:
）.A2）/sum（im2double（graycs（:
））.A2）;
>>wnr3cs=deconvwnr（blurnoics,PSF,NSR）;
>>subplot（1,3,1）;
>>subimage（blurnoics）;
>>title（'运动加噪声狗'）;
>>subplot（1,3,2）;
>>subimage（wnr2cs）;
>>title（'维纳滤波狗'）;
>>subimage（wnr3cs）;
5、应用MATLA语言编写实现一幅图像的旋转、剪切和缩放;
旋转代码:
>>rotatcs=imrotate（graycs,45,'nearest'）;
>>rotatcs1=imrotate（graycs,45,'bilinear'）;
>>rotatcs2=imrotate（graycs,45,'bicubic'）;
>>subplot（2,2,1）;
>>subimage（graycs）;
>>titleC原狗'）;
>>subplot（2,2,2）;
>>subimage（rotatcs）;
>>title（'最邻域旋转狗'）;
>>subplot（2,2,3）;
>>subimage（rotatcs1）;
>>title（'双线性旋转狗'）;
>>subimage（rotatcs2）;
双线性旋转狗
最邻域旋转狗
200
400
600
200400600
200
400
600
200400600
双立方旋转狗
200
400
600
200400600
剪切代码:
>>imshow（graycs）;
>>cropcs=imcrop（graycs,[100,100,200,200]）;
>>subplot（1,2,1）;
>>imshow（graycs）;
>>title（'原狗'）;
>>imshow（cropcs）;
剪切狗
缩放代码:
>>minimizecs=imresize（graycs,0.2,'nearest'）;
>>magnifycs=imresize（minimizecs,3,'bilinear'）;
>>imshow（minimizecs）;
>>imshow（magnifycs）;
效果:
6.对一幅图像进行几何失真处理后利用连接点实施图像配准复原。
代码:
>>unrealcs=imrotate（graycs,45,'bilinear'）;
>>cpselect（unrealcs,graycs）;
>>input_points_corr=cpcorr（input_points2,base_points2,unrealcs,graycs）;
>>Tlinear=cp2tform（input_points2,base_points2,'linearconformal'）;
>>subplot（1,3,1）;
>>imshow（graycs）;
>>subplot（1,3,2）;
>>imshow（unrealcs）;
>>imshow（imtransform（unrealcs,Tlinear））
7.应用MATLAB语言编程来实现一幅图像的边缘检测。
代码:
>>csedge=edge（graycs,'canny'）;
>>subplot（1,2,1）;
>>subimage（graycs）;
>>subplot（1,2,2）;
>>subimage（catedge）;
>>imshow（csedge）;
效果:
100
200
300
400
<）
200
400
600
升级会员 