数字图像处理实验报告 (1)Word文档格式.doc
《数字图像处理实验报告 (1)Word文档格式.doc》由会员分享,可在线阅读,更多相关《数字图像处理实验报告 (1)Word文档格式.doc(75页珍藏版)》请在冰点文库上搜索。
2.利用whos命令提取该读入图像flower.tif的基本信息;
whosi
NameSizeBytesClassAttributes
i1x11uint8
3.利用imshow()函数来显示这幅图像;
imshow(i)
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;
imfinfo('
)
ans=
Filename:
'
C:
\ProgramFiles\MATLAB\R2011a\bin\flower.tif'
FileModDate:
'
1-Apr-201308:
32:
36'
FileSize:
286256
Format:
tif'
FormatVersion:
[]
Width:
517
Height:
350
BitDepth:
24
ColorType:
truecolor'
FormatSignature:
[7373420]
ByteOrder:
little-endian'
NewSubFileType:
0
BitsPerSample:
[888]
Compression:
PackBits'
PhotometricInterpretation:
RGB'
StripOffsets:
[70x1double]
SamplesPerPixel:
3
RowsPerStrip:
5
StripByteCounts:
XResolution:
96
YResolution:
ResolutionUnit:
Inch'
Colormap:
PlanarConfiguration:
Chunky'
TileWidth:
TileLength:
TileOffsets:
TileByteCounts:
Orientation:
1
FillOrder:
GrayResponseUnit:
0.0100
MaxSampleValue:
[255255255]
MinSampleValue:
[000]
Thresholding:
Offset:
285464
ImageDescription:
MATLABHandleGraphics'
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。
imwrite(i,'
yasuoflower.jpg'
'
quality'
50);
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。
>
imwrite(i,'
flower.bmp'
7.用imread()读入图像:
Lenna.jpg和camema.jpg;
c=imread('
lenna.jpg'
d=imread('
camema.jpg'
8.用imfinfo()获取图像Lenna.jpg和camema.jpg的大小;
e=imfinfo('
f=imfinfo('
e=
Filename:
E:
\刘珂\数字图像处理实验指导书_2010_.files\lenna.jpg'
FileModDate:
14-Mar-201314:
37:
32'
FileSize:
49292
Format:
jpg'
FormatVersion:
Width:
300
Height:
BitDepth:
8
ColorType:
grayscale'
FormatSignature:
NumberOfSamples:
CodingMethod:
Huffman'
CodingProcess:
Sequential'
Comment:
{}
f=Filename:
\刘珂\数字图像处理实验指导书_2010_.files\camema.jpg'
42541
256
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。
figure
(1),imshow('
figure
(2),imshow('
);
Lenna.jpg
Camema.jpg
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。
I=imread('
image011.jpg'
gg=im2bw(I);
figure,imshow(gg)
二值图像.jpg
四、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
五、思考题
(1)简述MatLab软件的特点。
答:
MatLab的原文是MatrixLaboratory,它包括若干个工具箱如Communicationcontrolwavelettoolbox、Imageprocessingtoolbox等等,其中图像处理工具箱的函数可以完成Geometricoperation、neighborhoodandblockoperations、linearfiltering、transformimageanalysis、enhancementbinary、imageoperation等操作。
(2)MatLab软件可以支持哪些图像文件格式?
⑴JPEG:
一种称为联合图像专家组的图像压缩格式。
⑵BMP:
有1位、4位、8位、24位非压缩图像。
⑶PCX:
可处理1位、4位、8位、16位、24位等图像数据。
⑷TIFF:
处理1位、4位、8位、24位非压缩图像,1位、4位、8位、24位packbit压缩图像,1位CCITT压缩图像等。
⑸PNG:
包括1位、2位、4位、8位和16位灰度图像,8位和16位索引图像,24位和48位真彩色图像。
⑹GIF:
任何1位到8位的可交换的图像。
⑺HDF:
有8位、24位光栅图像数据集。
⑻ICO:
有1位、4位、8位非压缩图像。
⑼CUR:
⑽XWD:
包括1位、8位Zpixmaps,XYBitmaps,XYPixmmmaps。
⑾RAS:
有1位bitmap、8位索引、24位真彩色和带有透明度的32位真彩色。
⑿PBM
⒀PGM
⒁PPM
(3)说明函数imread的用途格式以及各种格式所得到图像的性质。
该函数用于读取图片文件中的数据。
调用格式:
A=imread(filename,fmt)
[X,map]=imread(filename,fmt)
[...]=imread(filename)
[...]=imread(URL,...)
[...]=imread(...,idx)(CUR,GIF,ICO,andTIFFonly)
[...]=imread(...,'
PixelRegion'
{ROWS,COLS})(TIFFonly)
frames'
idx)(GIFonly)
[...]=imread(...,ref)(HDFonly)
BackgroundColor'
BG)(PNGonly)
[A,map,alpha]=imread(...)(ICO,CUR,andPNGonly
所得到的图像是一个二维数组,这个二维数组存储着一张图片各个像素点的颜色索引值或颜色值。
实验二图像的代数运算
一、实验目的
1.了解图像的算术运算在数字图像处理中的初步应用。
2.体会图像算术运算处理的过程和处理前后图像的变化。
二、实验原理
图像的代数运算是图像的标准算术操作的实现方法,是两幅输入图像之间进行的点对点的加、减、乘、除运算后得到输出图像的过程。
如果输入图像为A(x,y)和B(x,y),输出图像为C(x,y),则图像的代数运算有如下四种形式:
C(x,y)=A(x,y)+B(x,y)
C(x,y)=A(x,y)-B(x,y)
C(x,y)=A(x,y)*B(x,y)
C(x,y)=A(x,y)/B(x,y)
表2-1图像处理工具箱中的代数运算函数
函数名
功能描述
Imabsdiff
两幅图像的绝对差值
Imadd
两幅图像的加法
Imcomplement
补足一幅图像
Imdivide
两幅图像的除法
Imlincomb
计算两幅图像的线性组合
Immultiply
两幅图像的乘法
imsubtract
两幅图像的减法
使用图像处理工具箱中的图像代数运算函数无需再进行数据类型间的转换,这些函数能够接受uint8和uint16数据,并返回相同格式的图像结果。
虽然在函数执行过程中元素是以双精度进行计算的,但是MATLAB工作平台并不会将图像转换为双精度类型。
三、实验步骤
1)>
I=imread(‘rice.tif’);
J=imread(‘cameraman.tif’);
K=imadd(I,J);
imshow(K);
待叠加的两幅图像
叠加后的图像效果
RGB=imread(‘camerman.tif’);
RGB2=imadd(RGB,50);
subplot(1,2,1);
imshow(RGB);
subplot(1,2,2);
imshow(RGB2);
RGB=imread(‘flower.tif’);
加50减50
原图
加50减50
2.图像的减法运算
rice=imread('
background=imopen(rice,strel('
disk'
15));
rice2=imsubtract(rice,background);
subplot(1,2,1);
imshow(rice);
subplot(1,2,2);
imshow(rice2);
原始图像减去背景图像
rice=imread('
image021.jpg'
background=imopen(rice,strel('
rice2=imsubtract(rice,background);
I=double(rice);
ip=imdivide(rice,rice2);
imshow(ip,[]);
subplot(1,3,1);
subplot(1,3,2);
subplot(1,3,3);
imshow(ip,[]);
3.图像的乘法运算
moon.tif'
r=immultiply(i,1.2);
imshow(i);
imshow(r);
原图和乘以因子1.2的图像
4.图像的除法运算
i=imread('
image029.jpg'
r=double(i);
j=r*0.43+90;
background=imopen(i,strel('
rice2=imsubtract(i,background);
i2=uint8(j);
ip=imdivide(i,rice2);
原图和减背景后的图像相除的图像效果
5.图像的四则代数运算
I=imread('
rice.tif'
I2=imread('
cameraman.tif'
K=imdivide(imadd(I,I2),2);
imshow(K);
四则运算结果
五、思考题
由图像算术运算的运算结果,思考图像减法运算在什么场合上发挥优势?
使用背景减法进行运动目标检测可以提取出完整的目标图像.可将所得标用于进一步的图像处理工作中。
除去人身体在环境中运动产生的动态区域外.背景减法对其它的场景的变化、干扰等特别敏感背景图像获取的理想情况是在场景没有运动因素,最简单背景获取方法是当场景中任何目标时采集一幅图像作为背景图像,但这种固定背景图像的方法.只适合应于外界条件较好的场。
实验三图像增强—灰度变换
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。
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。
三、实验内容:
1、图象数据读出并显示其直方图:
image038.jpg'
r=imhist(i,256);
figure,imshow(r);
h=imadjust(i,[0,1],[1,0]);
figure,imshow(h);
2、将图像灰度级进行扩展(从0.5到0.7,扩展到0-1)
y=imadjust(i,[0.5,0.7],[0,1]);
figure,imshow(y);
3、灰度变化:
g=imread('
h=log(1+double(g));
h=mat2gray(h);
h=im2uint8(h);
四、实验仪器
PC一台,MATLAB软件
五、实验图片
medical.jpgpoint.jpg
灰度图像直方图
实验四图像增强—直方图变换
1.掌握灰度直方图的概念及其计算方法;
2.熟练掌握直力图均衡化和直方图规定化的计算过程;
3.熟练掌握空域滤波中常用的平滑和锐化滤波器;
4.掌握色彩直方图的概念和计算方法
5.利用MATLAB程序进行图像增强。
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。
1打开计算机,启动MATLAB程序;
程序组中“work”文件夹中应有待处理的图像文件;
2调入“实验一”中获取的数字图像,并进行计算机均衡化处理;
I=imread('
pollen.jpg'
J=histeq(I);
imshow(I);
title('
原图像'
figure;
imshow(J);
直方图均衡化后的图像'
);
3显示原图像的直方图和经过均衡化处理过的图像直方图。
subplot(1,2,1);
imhist(I,64);
原图像直方图'
imhist(J,64);
均衡变换后的直方图'
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、思考题
1.直方图是什么概念?
它反映了图像的什么信息?
直方图是灰度级数的函数,反映了图像中具有该灰度级数的像素的个数。
2.直方图均衡化是什么意思?
它的主要用途是什么?
直方图均衡化就是把原图像的灰度直方图从比较集中的某个区间变成在全部灰度范围
内的均匀分布。
均衡化后图像的像素重新分配,使一定会度范围内的像素数量大致相同。
图像的亮度变得更亮了,增强了图像的整体效果。
七、实验图片
原图像直方图均衡化后的图像
实验五图像增强—空域滤波
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