数字图像处理-图像平滑和锐化变换处理

数字图像处理-图像平滑和锐化变换处理
数字图像处理-图像平滑和锐化变换处理

图像平滑和锐化变换处理

一、实验内容和要求

1、灰度变换:灰度拉伸、直方图均衡、伽马校正、log变换等。

2、空域平滑:box、gauss模板卷积。

3、频域平滑:低通滤波器平滑。

4、空域锐化:锐化模板锐化。

5、频域锐化:高通滤波器锐化。

二、实验软硬件环境

PC机一台、MATLAB软件

三实验编程及调试

1、灰度变换:灰度拉伸、直方图均衡、伽马校正、log变换等。

①灰度拉伸程序如下:

I=imread('kids.tif');

J=imadjust(I,[0.2,0.4],[]);

subplot(2,2,1),imshow(I);

subplot(2,2,2),imshow(J);

subplot(2,2,3),imhist(I);

subplot(2,2,4),imhist(J);

②直方图均衡程序如下:

I=imread('kids.tif');

J=histeq(I);

Imshow(I);

Title('原图像');

Subplot(2,2,2);

Imshow(J);

Title('直方图均衡化后的图像') ;

Subplot(2,2,3) ;

Imhist(I,64);

Title('原图像直方图') ;

Subplot(2,2,4);

Imhist(J,64) ; Title('均衡变换后的直方图') ;

③伽马校正程序如下:

A=imread('kids.tif');

x=0:255;

a=80,b=1.8,c=0.009;

B=b.^(c.*(double(A)-a))-1;

y=b.^(c.*(x-a))-1;

subplot(3,2,1);

imshow(A);

subplot(3,2,2);

imhist(A);

imshow(B);

subplot(3,2,4);

imhist(B);

subplot(3,2,6);

plot(x,y);

④log变换程序如下:

Image=imread('kids.tif');

subplot(1,2,1);imshow(Image);

Image=log(1+double(Image));

subplot(1,2,2);imshow(Image,[]);

2、空域平滑:box、gauss模板卷积。A=imread('onion.png');

B=rgb2gray(A);

figure,subplot(3,2,1);imshow(B);

title('原始图象');

H=imnoise(B,'gaussian');

subplot(3,2,2);imshow(H);

title('高斯噪声');

Q=imnoise(B,'salt & pepper');

subplot(3,2,3);imshow(Q);

title('椒盐噪声');

M=fspecial('average',3*3);

E=imfilter(Q,M);

subplot(3,2,4);imshow(E);

title('3*3平均模板');

N=fspecial('average',5*5);

K=imfilter(Q,N);

subplot(3,2,5);imshow(K);

title('5*5平均模板');

Z=fspecial('average',7*7);

J=imfilter(Q,Z);

subplot(3,2,6);imshow(J);

title('7*7平均模板');

3、频域平滑:低通滤波器平滑。

频域低通滤波处理噪声的程序如下:

[f1,f2]=freqspace(25,'meshgrid');

Hd=zeros(25,25);

d=sqrt(f1.^2+f2.^2)<0.5;%0.5为截止半径大小Hd(d)=1;

h=fsamp2(Hd);

figure(1),freqz2(h,[64,64]);

RGB=imread('onion.png');

I=rgb2gray(RGB);

I1=imnoise(I,'gaussian');

I2=imnoise(I,'salt & pepper',0.02); I3=imnoise(I,'speckle');

J=imfilter(I,h,'replicate');

J1=imfilter(I1,h,'replicate');

J2=imfilter(I2,h,'replicate');

J3=imfilter(I3,h,'replicate');

figure(2),subplot(221),imshow(J); title('原图像滤波后');

subplot(222),imshow(J1);

title('高斯污染图像滤波后'); subplot(223),imshow(J2);

title('椒盐污染图像污染后'); subplot(224),imshow(J3);

title('乘法污染图像滤波后');

4、空域锐化:锐化模板锐化。I=imread('onion.png');

A=RGB2gray(I);

figure,subplot(2,3,1);

imshow(A);

title('原图');

hs=fspecial('sobel');

S=imfilter(A,hs);

hp=fspecial('prewitt');

P=imfilter(A,hs);

A=double(A);%双精度型

H=[0,1,0;1,-4,1;0,1,0];%拉普拉斯算子J=conv2(A,H,'same');

K=A-J;

subplot(2,3,2),imshow(K);

title('拉普拉斯锐化图像');

B=edge(A,'roberts',0.1);

subplot(2,3,3),imshow(B);

title('罗伯特锐化图像');

subplot(2,3,4),imshow(S);

title('sobel算子锐化图像');

subplot(2,3,5),imshow(P);

title('prewitt算子锐化图像');

5、频域锐化:高通滤波器锐化。

A=imread('onion.png');

B=rgb2gray(A);

figure,subplot(131),imshow(B);

title('原图');

B=double(B);

B=fftshift(fft2(B));

E=B;

[M,N]=size(B);

k1=round(M/2);

k2=round(N/2);

D=50;

for i=1:1:M

for j=1:1:N

juli=sqrt((i-k1)^2+(j-k2)^2);

K(i,j)=1-exp((-1/2)*juli^2*(1/D^2));E(i,j)=K(i,j)*E(i,j);

end

end

E=ifft2(ifftshift(E));

E=uint8(real(E));

subplot(132),imshow(E);title('高斯高通滤波器');

四、实验结果及分析

1、灰度变换:灰度拉伸、直方图均衡、伽马校正、log变换等。

①灰度拉伸运行结果如下:

②直方图均衡运行结果如下:

③伽马校正运行结果如下:

④log变换运行结果如下:

2、空域平滑:box、gauss模板卷积。

3、频域平滑:低通滤波器平滑。

用频率采样法构建的二维滤波器:figure(1)

图像经过二维滤波器滤波后图像,figure(2)

4、空域锐化:锐化模板锐化。

5、频域锐化:高通滤波器锐化。

数字图像处理实验四图像几何变换

课程名称数字图像处理与分析 实验序号实验4 实验项目图像几何变换 实验地点 实验学时实验类型 指导教师实验员 专业班级 学号姓名 2017年9月25日

成绩: 教 师 评 语

三、实验软硬件环境 装有MATLAB软件的电脑 四、实验过程(实验步骤、记录、数据、分析) 1、图片比例缩放 代码: I=imread('11.jpg'); J=imresize(I,1.25); J2=imresize(I,1.25,'bicubic'); imshow(I); figure,imshow(J); figure,imshow(J2); Y=imresize(I,[100150],'bilinear');%Y=imresize(I,[mrows ncols],method)---返回一个指定行列的图像。若行列比与原图不一致,输出图像将发生变形。 figure,imshow(Y) %nearest,bilinear,bicubic为最近邻插值、双线性插值、双三次插值方法。默认为nearest。 运行结果: 分析:由实验结果可知,实现了图片放大和缩小的效果。 2、图像旋转 代码:

J=imrotate(I,32,'bilinear');%J=imrotate(I,angle,method,’crop’)------crop用于剪切旋转后增大的图像部分,返回和原图大小一样的图象。 imshow(I); figure,imshow(J) 运行结果: 分析:由实验结果可知,实现了图片旋转的效果 3、图像剪切 代码:

J=imcrop(I); figure(1),imshow(I);title('yuantu'); figure(2),imshow(J);title('croptu') J1=imcrop(I,[604010090]);%对指定区域进行剪切操作figure(3),imshow(J1);title('croptu2'); 运行结果: 运行代码后,出现如下界面,选中要裁剪的区域,双击被选中的区域 出现以下界面:

数字图像处理课程设计-小波变换

摘要 小波变换的理论是近年来兴起的新的数学分支,素有“数学显微镜”的美称。它是继1822年傅立叶提出傅立叶变换之后又一里程碑式的领域,解决了很多傅立叶变换不能解决的困难问题。小波变换可以使得信号的低频长时特性和高频短时特性同时得到处理,具有良好的局部化性质,能有效地克服傅氏变换在处理非平稳复杂信号时存在的局限性,具有极强的自适应性,因此在图像处理中具有极好应用价值。本设计主要分析了基于小波变换的图像分解和图像压缩技术,并运用Matlab软件对图像进行分解,然后提取其中与原图像近似的低频信息,达到对图像进行压缩的目的。分别作第一层分解和第二层分解,并比较图像压缩的效果。 关键词:小波变换;Matlab;图像分解;图像压缩

目录 摘要 ..................................................................................................... I 第1章绪论 (1) 1.1设计背景 (1) 1.2设计要求 (1) 1.3设计思路简介 (1) 第2章小波变换处理图像设计过程 (2) 2.1小波变换的分解和重构算法 (2) 2.2小波变换在图像压缩中的应用 (4) 第3章软件设计与仿真 (6) 3.1MATLAB程序 (6) 3.2结果及分析 (7) 第4章总结与展望 (9) 参考文献 (10)

第1章绪论 1.1设计背景 小波分析是当前应用数学和工程学科中一个迅速发展的新领域,经过近10年的探索研究,重要的数学形式化体系已经建立,理论基础更加扎实。与Fourier变换相比,小波变换是空间(时间)和频率的局部变换,因而能有效地从信号中提取信息。通过伸缩和平移等运算功能可对函数或信号进行多尺度的细化分析,解决了Fourier变换不能解决的许多困难问题。小波变换联系了应用数学、物理学、计算机科学、信号与信息处理、图像处理、地震勘探等多个学科。小波分析是一个新的数学分支,它是泛函分析、Fourier分析、样调分析、数值分析的完美结晶;小波分析是时间—尺度分析和多分辨分析的一种新技术,它在信号分析、语音合成、图像识别、计算机视觉、数据压缩、地震勘探、大气与海洋波分析等方面的研究都取得了有科学意义和应用价值的成果。 1.2设计要求 利用小波变换的基本原理在MATLAB环境下编写程序对静态图像进行分解并压缩,并观察分析其处理效果。 1.3设计思路简介 一个图像作小波分解后,可得到一系列不同分辨率的子图像,不同分辨率的子图像对应的频率是不相同的。高分辨率(即高频)子图像上大部分点都接近于0,越是高频这种现象越明显。对一个图像来说,表现一个图像最主要的部分是低频部分,所以利用小波分解就可以达到去掉图像的高频部分而只保留低频部分的目的。 MATLAB是矩阵实验室(Matrix Laboratory)的简称,它在数学类科技应用软件中在数值计算方面首屈一指。MATLAB可以进行矩阵运算、绘制函数和数据、实现算法、创建用户界面、连接其它编程语言的程序等,主要应用于工程计算、控制设计、信号处理与通讯、图像处理、信号检测、金融建模设计与分析等领域。 本设计利用MATLAB工具箱中的Wavele Toolbox——小波工具箱对图像进行小波变换。

图像灰度变换实验报告

图像灰度变换报告 一.实验目的 1.学会使用Matlab ; 2.学会用Matlab 软件对图像进行灰度变换,观察采用各种不同灰度变换发法对最终图像效果的影响; 二.实验内容 1.熟悉Matlab 中的一些常用处理函数 读取图像:img=imread('filename'); //支持TIF,JPEG,GIF,BMP,PNG 等文件格式。 显示图像:imshow(img,G); //G 表示显示该图像的灰度级数,如省略则默认为256。 保存图片:imwrite(img,'filename'); //不支持GIF 格式,其他与imread 相同。 亮度变换:imadjust(img,[low_in,high_in],[low_out,high_out]); //将low_in 至high_in 之间的值映射到low_out 至high_out 之 间,low_in 以下及high_in 以上归零。 绘制直方图:imhist(img); 直方图均衡化:histeq(img,newlevel); //newlevel 表示输出图像指定的灰度级数。 2.获取实验用图像:rice.jpg. 使用imread 函数将图像读入Matlab 。 3 .产生灰度变换函数T1,使得: 0.3r r < 0.35 s = 0.105 + 2.6333(r – 0.35) 0.35 ≤ r ≤ 0.65 1 + 0.3(r – 1) r > 0.65 用T1对原图像rice.jpg 进行处理,使用imwrite 函数保存处理后的新图像。 4.产生灰度变换函数T2,使得: s = 5.用T2imwrite 保存处理后的新图像。 6.分别用 s = r 0.6; s = r 0.4; s = r 0.3 对kids.tiff 图像进行处理。为简便起见,使用Matlab 中的imadjust 函数,最后用imwrite 保存处理后的新图像。 7.对circuit.jpg 图像实施反变换(Negative Transformation )。s =1-r; 使

最新图像的平滑滤波---数字图像处理实验报告南昌大学

实验报告三 姓名:胡文松学号:6103413007 班级:生物医学工程131 实验日期:2016/5/11 实验成绩: 实验题目:图像的平滑滤波 一.实验目的 (1)熟练掌握空域平滑滤波的原理、方法及其MATLAB实现。 (2)分析模板大小对空域平滑滤波的影响,线性和非线性方法对空域平滑滤波增强效果的影响,比较不同滤波器的处理效果,分析其优缺点。 二.实验原理 (1)线性空间滤波 函数imfilter来实现线性空间滤波,语法为: g = imfilter(f, w, filtering_mode, boundary_options, size_options) 其中,f是输入图像,w为滤波模板,g为滤波结果,filtering_mode用于指定在滤波过程中是使用相关运算(‘corr’)还是卷积运算(‘conv’),相关就是按模板在图像上逐步移动运算的过程,卷积则是先将模板旋转180度,再在图像上逐步移动的过程。 (2)非线性滤波器 数字图像处理中最著名的统计排序滤波器是中值滤波器,MATLAB工具箱提供了二维中值滤波函数medfilt2,语法为:g = medfilt2(f, [m n], padopt) 矩阵[m n]定义了一个大小为m×n的邻域,中值就在该邻域上计算;而参数padopt指定了三个可能的边界填充选项:’zeros’(默认值,赋零),’symmetric’按照镜像反射方式对称地沿延其边界扩展,’indexed’,若f是double类图像,则以1来填充图像,否则以0来填充图像。 (3)线性空间滤波器 MATLAB工具箱支持一些预定义的二维线性空间滤波器,这些空间滤波器可通过函数fspecial实现。生成滤波模板的函数fspecial的语法为:w = fspecial(‘type’, parameters) ;其中,’type’表示滤波器类型,parameters进一步定义了指定的滤波器。fspecial(‘laplacian’, alpha) 一个大小为3×3的拉普拉斯滤波器,其形状由alpha指定,alpha是范围[0, 1]的数。alpha默认为0.5。 三.实验内容及结果 (1)选择一副图像fig620.jpg,分别选择3×3,7×7,25×25等平均模板进行均值滤波模糊处理,并对不同尺寸的滤波器模板操作后的图像进行比较。 (1)选择一副图像fig620.jpg,分别选择3×3,7×7,25×25等平均模板进行高斯滤波模糊处理,并对不同尺寸的滤波器模板操作后的图像进行比较。 (2)选择一副图像circuit.jpg,对图像加入椒盐噪声,检验两种滤波模板(3×3平均模板和3×3的非线性模板中值滤波器)对噪声的滤波效果。

matlab图像处理图像灰度变换直方图变换

附录1 课程实验报告格式 每个实验项目包括:1)设计思路,2)程序代码,3)实验结果,4)实验中出现的问题及解决方法。 实验一:直方图灰度变换 A:读入灰度图像‘debye1.tif’,采用交互式操作,用improfile绘制一条线段的灰度值。 imread('rice.tif'); imshow('rice.tif'),title('rice.tif'); improfile,title('主对角线上灰度值')

B:读入RGB图像‘flowers.tif’,显示所选线段上红、绿、蓝颜色分量的分布imread('flowers.tif'); imshow('flowers.tif'),title('flowers.tif'); improfile,title('主对角线红绿蓝分量') C:图像灰度变化 f=imread('rice.png'); imhist(f,256); %显示其直方图 g1=imadjust(f,[0 1],[1 0]); %灰度转换,实现明暗转换(负片图像) figure,imshow(g1)%将0.5到0.75的灰度级扩展到范围[0 1] g2=imadjust(f,[0.5 0.75],[0 1]); figure,imshow(g2) 图像灰度变换处理实例: g=imread('me.jpg'); imshow(g),title('原始图片'); h=log(1+double(g)); %对输入图像对数映射变换 h=mat2gray(h); %将矩阵h转换为灰度图片

h=im2uint8(h); %将灰度图转换为8位图 imshow(h),title('转换后的8位图'); 运行后的结果: 实验二:直方图变换 A:直方图显示 I=imread('cameraman.tif'); %读取图像 subplot(1,2,1),imshow(I) %输出图像 title('原始图像') %在原始图像中加标题 subplot(1,2,2),imhist(I) %输出原图直方图 title('原始图像直方图') %在原图直方图上加标题运行结果如下:

数字图像处理复习题

第一章绪论 一.选择题 1. 一幅数字图像是:( ) A、一个观测系统 B、一个有许多像素排列而成的实体 C、一个2-D数组中的元素 D、一个3-D空间的场景。 提示:考虑图像和数字图像的定义 2. 半调输出技术可以:( ) A、改善图像的空间分辨率 B、改善图像的幅度分辨率 C、利用抖动技术实现 D、消除虚假轮廓现象。 提示:半调输出技术牺牲空间分辨率以提高幅度分辨率 3. 一幅256*256的图像,若灰度级数为16,则存储它所需的比特数是:( ) A、256K B、512K C、1M C、2M 提示:表达图像所需的比特数是图像的长乘宽再乘灰度级数对应的比特数。 4. 图像中虚假轮廓的出现就其本质而言是由于:( ) A、图像的灰度级数不够多造成的 B、图像的空间分辨率不够高造成 C、图像的灰度级数过多造成的 D、图像的空间分辨率过高造成。 提示:平滑区域内灰度应缓慢变化,但当图像的灰度级数不够多时会产生阶跃,图像中的虚假轮廓最易在平滑区域内产生。 5. 数字图像木刻画效果的出现是由于下列原因所产生的:() A、图像的幅度分辨率过小 B、图像的幅度分辨率过大 C、图像的空间分辨率过小 D、图像的空间分辨率过大 提示:图像中的木刻效果指图像中的灰度级数很少 6. 以下图像技术中属于图像处理技术的是:()(图像合成输入是数据,图像分类输出 是类别数据) A、图像编码 B、图像合成 C、图像增强 D、图像分类。 提示:对比较狭义的图像处理技术,输入输出都是图像。 解答:1.B 2.B 3.A 4.A 5.A 6.AC 二.简答题 1. 数字图像处理的主要研究内容包含很多方面,请列出并简述其中的4种。 2. 什么是图像识别与理解? 3. 简述数字图像处理的至少3种主要研究内容。 4. 简述数字图像处理的至少4种应用。 5. 简述图像几何变换与图像变换的区别。 解答: 1. ①图像数字化:将一幅图像以数字的形式表示。主要包括采样和量化两个过程。②图像增强:将一幅图像中的有用信息进行增强,同时对其无用信息进行抑制,提高图像的可观察性。③图像的几何变换:改变图像的大小或形状。④图像变换:通过数学映射的方法,将空域的图像信息转换到频域、时频域等空间上进行分析。⑤图像识别与理解:通过对图像中各种不同的物体特征进行定量化描述后,将其所期望获得的目标物进行提取,并且对所提取的目标物进行一定的定量分析。 2. 图像识别与理解是指通过对图像中各种不同的物体特征进行定量化描述后,将其所期望获得的目标物进行提取,并且对所提取的目标物进行一定的定量分析。比如要从一幅照片上确定是否包含某个犯罪分子的人脸信息,就需要先将照片上的人脸检测出来,进而将

数字图像处理-图像平滑和锐化变换处理

图像平滑和锐化变换处理 一、实验内容和要求 1、灰度变换:灰度拉伸、直方图均衡、伽马校正、log变换等。 2、空域平滑:box、gauss模板卷积。 3、频域平滑:低通滤波器平滑。 4、空域锐化:锐化模板锐化。 5、频域锐化:高通滤波器锐化。 二、实验软硬件环境 PC机一台、MATLAB软件 三实验编程及调试 1、灰度变换:灰度拉伸、直方图均衡、伽马校正、log变换等。 ①灰度拉伸程序如下: I=imread(''); J=imadjust(I,[,],[]); subplot(2,2,1),imshow(I); subplot(2,2,2),imshow(J); subplot(2,2,3),imhist(I); subplot(2,2,4),imhist(J); ②直方图均衡程序如下: I=imread(''); J=histeq(I); Subplot(2,2,1); Imshow(I); Title('原图像'); Subplot(2,2,2);

Imshow(J); Title('直方图均衡化后的图像') ; Subplot(2,2,3) ; Imhist(I,64); Title('原图像直方图') ; Subplot(2,2,4); Imhist(J,64) ; Title('均衡变换后的直方图') ; ③伽马校正程序如下: A=imread(''); x=0:255; a=80,b=,c=; B=b.^(c.*(double(A)-a))-1; y=b.^(c.*(x-a))-1; subplot(3,2,1); imshow(A); subplot(3,2,2); imhist(A); subplot(3,2,3); imshow(B); subplot(3,2,4); imhist(B); subplot(3,2,6); plot(x,y); ④log变换程序如下: Image=imread('');

实验一Matlab图像处理基础及图像灰度变换

实验一Matlab图像处理基础及图像灰度变换 一、实验目的 了解Matlab平台下的图像编程环境,熟悉Matlab中的DIP (Digital Image Processing)工具箱;掌握Matlab中图像的表示方法,图像类型、数据类型的种类及各自的特点,并知道怎样在它们之间进行转换。掌握Matlab环境下的一些最基本的图像处理操作,如读图像、写图像、查看图像信息和格式、尺寸和灰度的伸缩等等;通过实验掌握图像直方图的描绘方法,加深直方图形状与图像特征间关系间的理解;加深对直方图均衡算法的理解。 二、实验内容 1.从硬盘中读取一幅灰度图像; 2.显示图像信息,查看图像格式、大小、位深等内容; 3.用灰度面积法编写求图像方图的Matlab程序,并画图; 4.把第3步的结果与直接用Matlab工具箱中函数histogram的结果进行比较,以衡量第3步中程序的正确性。 5.对读入的图像进行直方图均衡化,画出处理后的直方图,并比较处理前后图像效果的变化。 三、知识要点 1.Matlab6.5支持的图像图形格式 TIFF, JEPG, GIF, BMP, PNG, XWD (X Window Dump),其中GIF不支持写。 2.与图像处理相关的最基本函数 读:imread; 写:imwrite; 显示:imshow; 信息查看:imfinfo; 3.Matlab6.5支持的数据类 double, unit8, int8, uint16, int16, uint32, int32, single, char (2 bytes per element), logical. 4.Matlab6.5支持的图像类型 Intensity images, binary images, indexed images, RGB image 5.数据类及图像类型间的基本转换函数 数据类转换:B = data_class_name(A);

数字图像处理课后题答案

1. 图像处理的主要方法分几大类 答:图字图像处理方法分为大两类:空间域处理(空域法)和变换域处理(频域法)。 空域法:直接对获取的数字图像进行处理。 频域法:对先对获取的数字图像进行正交变换,得到变换系数阵列,然后再进行处理,最后再逆变换到空 间域,得到图像的处理结果 2. 图像处理的主要内容是什么 答:图形数字化(图像获取):把连续图像用一组数字表示,便于用计算机分析处理。图像变换:对图像进 行正交变换,以便进行处理。图像增强:对图像的某些特征进行强调或锐化而不增加图像的相关数据。图 像复原:去除图像中的噪声干扰和模糊,恢复图像的客观面目。图像编码:在满足一定的图形质量要求下 对图像进行编码,可以压缩表示图像的数据。图像分析:对图像中感兴趣的目标进行检测和测量,从而获 得所需的客观信息。图像识别:找到图像的特征,以便进一步处理。图像理解:在图像分析的基础上得出 对图像内容含义的理解及解释,从而指导和规划行为。 3. 名词解释:灰度、像素、图像分辨率、图像深度、图像数据量。 答:像素:在卫星图像上,由卫星传感器记录下的最小的分立要素(有空间分量和谱分量两种)。通常,表 示图像的二维数组是连续的,将连续参数 x,y ,和 f 取离散值后,图像被分割成很多小的网格,每个网格 即为像素 图像分辨率:指对原始图像的采样分辨率,即图像水平或垂直方向单位长度上所包含的采样点 数。单位是“像素点/单位长度” 图像深度是指存储每个像素所用的位数,也用于量度图像的色彩分辨率.图像深度确定彩色图像的每个像素 可能有的颜色数,或者确定灰度图像的每个像素可能有的灰度级数.它决定了彩色图像中可出现的最多颜色 数,或灰度图像中的最大灰度等级(图像深度:位图图像中,各像素点的亮度或色彩信息用二进制数位来表 示,这一数据位的位数即为像素深度,也叫图像深度。图像深度越深,能够表现的颜色数量越多,图像的 色彩也越丰富。) 图像数据量:图像数据量是一幅图像的总像素点数目与每个像素点所需字节数的乘积。 4. , 5. 什么是采样与量化 答:扫描:按照一定的先后顺序对图像进行遍历的过程。采样:将空间上连续的图像变成离散点的操作。 采样过程即可看作将图像平面划分成网格的过程。量化:将采样得到的灰度值转换为离散的整数值。灰度 级:一幅图像中不同灰度值的个数。一般取0~255,即256个灰度级 5.说明图像函数 的各个参数的具体含义。 答:其中,x 、y 、z 是空间坐标,λ是波长,t 是时间,I 是像素点的强度。它表示活动的、彩色的、三维 的视频图像。对于静止图像,则与时间t 无关;对于单色图像,则波长λ为常数;对于平面图像,则与坐 标z 无关。 1.请解释马赫带效应,马赫带效应和同时对比度反映了什么共同的问题 答:马赫带效应:基于视觉系统有趋向于过高或过低估计不同亮度区域边界值的现象。同时对比度现象: 此现象表明人眼对某个区域感觉到的亮度不仅仅依赖它的强度,而与环境亮度有关 共同点: 它们都反映了人类视觉感知的主观亮度并不是物体表面照度的简单函数。 2. 色彩具有那几个基本属性描述这些基本属性的含义。 答:色彩是光的物理属性和人眼的视觉属性的综合反映。色彩具有三个基本属性:色调、饱和度和亮度 色调是与混合光谱中主要光波长相联系的(红绿蓝)饱和度表示颜色的深浅程度,与一定色调的纯度有关, 纯光谱色是完全饱和的,随着白光的加入饱和度逐渐减少。(如深红、浅红等)亮度与物体的反射率成正比。 颜色中掺入白色越多就越明亮,掺入黑色越多亮度越小。 { 3.什么是视觉的空间频率特性什么是视觉的时间特性 答:视觉的空间频率特性:空间频率是指视像空间变化的快慢。明亮的图像(清晰明快的画面)意味着有 ),,,,(t z y x f I λ=

用matlab实现图像灰度变换课程设计

课程设计报告册 课程名称: MATLAB课程设计 课题名称:灰度变换增强 专业班级: 姓名: Bob Wang 学号: 15164 课程设计主要场所:信息楼220 时间: 指导教师:成绩:

前言 数字图像处理技术是20世界60年代发展起来的一门新兴学科,随着图像处理理论和方法的进一步完善,使得数字图像处理技术在各个领域得到了广泛应用,并显示出广阔的应用前景。MATLAB既是一种直观、高效的计算机语言,同时又是一个科学计算平台。它为数据分析和数据可视化、算法和应用程序开发提供了最核心的数学和高级图形工具。根据它提供的500多个数学和工程函数,工程技术人员和科学工作者可以在它的集成环境中交互或变成以完成各自的计算。MATLAB中集成了功能强大的图像处理工具箱。由于MATLAB语言的语法特征与C语言极为相似,而且更加简单,更加符合科技人员对数学表达式的书写格式,而且这种语言可移植性好、可扩展性强,再加上其中有丰富的图像处理函数,所以MATLAB在图像处理的应用中具有很大的优势。 MATLAB是一种以矩阵运算为基础的交互式程序语言,能够满足科学、工程计算和绘图的要求,与其它计算机语言相比,其特点是简洁和智能化,适应科技专业人员的思维方式和书写习惯,使得编程和调试效率大大提高。我们学习掌握MATLAB,也可以说是在科学工具上与国际接轨。

目录 一、课程设计目的 (2) 二、设计任务及容 (2) 三、课题设计实验条件 (3) 四、涉及知识 (3) 五、具体设计过程及调试 (4) 5.1、图像的读入和显示 5.1.1、打开图像 (4) 5.1.2、显示原图像 (5) 5.1.3、图像灰度处理 (7) 5.1.4、显示灰阶后图像 (8) 5.2、直方图均衡化 5.2.1、生成直方图 (10) 5.2.2、直方图均衡化 (12) 5.3、灰度变换 5.3.1、线性变换 (9) 5.3.2、分段线性变换 (9) 5.3.3、非线性变换.................................... (9) 六、心得体会 (17) 七、参考文献 (18) 八、程序清单 (19)

基于小波变换的数字图像处理

基于小波变换的数字图像处理(MATLAB源代码) clear all; close all; clc; M=256;%原图像长度 N=64; %水印长度 [filename1,pathname]=uigetfile('*.*','select the image'); image1=imread(num2str(filename1)); subplot(2,2,1);imshow(image1); title('original image'); % orginal image for watermarking image1=double(image1); imagew=imread('dmg2.tif'); subplot(2,2,2);imshow(imagew);title('original watermark'); %original watermark %嵌入水印 [ca,ch,cv,cd] = dwt2(image1,'db1'); [cas,chs,cvs,cds] = dwt2(ca,'db1'); for i=1:N for j=1:N if imagew(i,j)==0 a=-1; else a=1; end Ca(i,j)=cas(i,j)*(1+a*0.03); end end IM= idwt2(Ca,chs,cvs,cds,'db1') ; markedimage=double(idwt2(IM,ch,cv,cd,'db1')); %显示嵌入后水印图像 subplot(2,2,3);colormap(gray(256));image(markedimage);title('marked image'); imwrite(markedimage,gray(256),'watermarked.bmp','bmp'); %提取水印 image1=imread(num2str(filename1));image1=double(image1); imaged=imread('watermarked.bmp'); [ca,ch,cv,cd] = dwt2(image1,'db1'); [cas,chs,cvs,cds]=dwt2(ca,'db1'); [caa,chh,cvv,cdd]=dwt2(imaged,'db1'); [caas,chhs,cvvs,cdds]=dwt2(caa,'db1'); for p=1:N for q=1:N

数字图像处理实验报告--平滑滤波

数字图像处理实验报告 实验名称:线性平滑滤波器——领域平均与加权平均 姓名: 班级: 学号: 专业:电子信息工程(2+2) 指导教师:陈华华 实验日期:2012年5月17日

一,图像的平滑 图像的平滑方法是一种实用的图像处理技术,能减弱或消除图像中的高频率分量,但不影响低频率分量。因为高频率分量主要对应图像中的区域边缘等灰度值具有较大较快变化的部分,平滑滤波将这些分量滤去可减少局部灰度起伏,使图像变得比较平滑。实际应用中,平滑滤波还可用于消除噪声,或者在提取较大目标前去除过小的细节或将目标内的小间断连接起来。它的主要目的是消除图像采集过程中的图像噪声,在空间域中主要利用邻域平均法、中值滤波法和选择式掩模平滑法等来减少噪声;在频率域内,由于噪声主要存在于频谱的高频段,因此可以利用各种形式的低通滤波器来减少噪声。 二,领域平均 1.基础理论 最简单的平滑滤波是将原图中一个像素的灰度值和它周围邻近8个像素的灰度值相加,然后将求得的平均值(除以9)作为新图中该像素的灰度值。它采用模板计算的思想,模板操作实现了一种邻域运算,即某个像素点的结果不仅与本像素灰度有关,而且与其邻域点的像素值有关。模板运算在数学中的描述就是卷积运算,邻域平均法也可以用数学公式表达: 设为给定的含有噪声的图像,经过邻域平均处理后的图像为,则 ,M是所取邻域中各邻近像素的坐标,是邻域中包含的邻 近像素的个数。邻域平均法的模板为:,中间的黑点表示以该像素为中心元素,即该像素是要进行处理的像素。在实际应用中,也可以根据不同的需要选择使用不同的模板尺寸,如3×3、5×5、7×7、9×9等。 邻域平均处理方法是以图像模糊为代价来减小噪声的,且模板尺寸越大,噪声减小的效果越显著。如果是噪声点,其邻近像素灰度与之相差很大,采用邻域平均法就是用 邻近像素的平均值来代替它,这样能明显消弱噪声点,使邻域中灰度接近均匀,起到平滑灰度的作用。因此,邻域平均法具有良好的噪声平滑效果,是最简单的一种平滑方法。 Matlab代码: function average_filtering() X=imread('cameraman.tif') noise_x=imnoise(X,'salt & pepper');%加噪声方差为0.02的椒盐声

图像处理灰度变换实验

一. 实验名称:空间图像增强(一) 一.实验目的 1.熟悉和掌握利用matlab工具进行数字图像的读、写、显示、像素处理等数字图像处理的基本步骤和流程。 2.熟练掌握各种空间域图像增强的基本原理及方法。 3.熟悉通过灰度变换方式进行图像增强的基本原理、方法和实现。 4.熟悉直方图均衡化的基本原理、方法和实现。 二.实验原理 (一)数字图像的灰度变换 灰度变换是图像增强的一种经典而有效的方法。灰度变换的原理是将图像的每一个像素的灰度值通过一个函数,对应到另一个灰度值上去从而实现灰度的变换。常见的灰度变换有线性灰度变换和非线性灰度变换,其中非线性灰度变换包括对数变换和幂律(伽马)变换等。 1、线性灰度变换 1)当图像成像过程曝光不足或过度,或由于成像设备的非线性和图像记录设备动态范围太窄等因素,都会产生对比度不足的弊病,使图像中的细节分辨不清,图像缺少层次。这时,可将灰度范围进行线性的扩展或压缩,这种处理过程被称为图像的线性灰度变换。对灰度图像进行线性灰度变换能将输入图像的灰度值的动态范围按线性关系公式拉伸扩展至指定范围或整个动态范围。 2)令原图像f(x,y)的灰度范围为[a,b],线性变换后得到图像g(x,y),其灰度范围为[c,d],则线性灰度变换公式可表示为

a y x f b y x f a b y x f c c a y x f a b c d d y x g <≤≤>?????+---=),(),(),(, ,]),([,),( (1) 由(1)式可知,对于介于原图像f (x,y )的最大和最小灰度值之间的灰度值,可通过线性变换公式,一一对应到灰度范围[c,d]之间,其斜率为(d-c)/(b-a);对于小于原图像的最小灰度值或大于原图像的最大灰度值的灰度值,令其分别恒等于变换后的最小和最大灰度值。变换示意图如图1所示。 图1 线性灰度变换示意图 当斜率大于一时,变换后的灰度值范围得到拉伸,图像对比度得到提高;当斜率小于一时,变换后的灰度值范围被压缩,最小与最大灰度值的差变小,图像对比度降低;当斜率等于一时,相当于对图像不做变换。 3)由上述性质可知,线性灰度变换能选择性地加强或降低特定灰度值范围内的对比度,故线性灰度变换同样也可做分段处理:对于有价值的灰度范围,将斜率调整为大于一,用于图像细节;对于不重要的灰度范围,将图像压缩,降低对比度,减轻无用信息的干扰。最常用的分段线性变换的方法是分三段进行线性变换。 在原图像灰度值的最大值和最小值之间设置两个拐点,在拐点处,原图像的灰度值分别为r 1,r 2,该拐点对应的变换后的图像的灰度值分别为s 1,s 2,另外,取原图像灰度的最小值为r 0,最大值为r m ,对应的变换后的灰度值分别为s 0,s m 。

数字图像处理课程设计报告

本科综合课程设计报告 题 目 ____________________________ 指导教师__________________________ 辅导教师__________________________ 学生姓名__________________________ 学生学号__________________________ _______________________________ 院(部)____________________________专业________________班 ___2008___年 _12__月 _30__日 数字图像处理演示系统 信息科学与技术学院 通信工程 052

1 主要内容 1.1数字图像处理背景及应用 数字图像处理的目的是改善图像的质量,它以人为对象,以改善人的视觉效果为目的。目前,图像处理演示系统应用领域广泛医学、军事、科研、商业等领域。因为数字图像处理技术易于实现非线性处理,处理程序和处理参数可变,故是一项通用性强,精度高,处理方法灵活,信息保存、传送可靠的图像处理技术。本图像处理演示系统以数字图像处理理论为基础,对某些常用功能进行界面化设计,便于初级用户的操作。 1.2 图像处理演示系统设计要求 能加载和显示原始图像,显示和输出处理后的图像; 系统要便于维护和具备可扩展性; 界面友好便于操作; 1.3 图像处理演示系统设计任务 数字图像处理演示系统应该具备图像的几何变换(平移、缩放、旋转、翻转)、图像增强(空间域的平滑滤波与锐化滤波)的简单处理功能。 1.3.1几何变换 几何变换又称为几何运算,它是图像处理和图像分析的重要内容之一。通过几何运算,可以根据应用的需要使原图像产生大小、形状、和位置等各方面的变化。简单的说,几何变换可以改变像素点所在的几何位置,以及图像中各物体之间的空间位置关系,这种运算可以被看成是将各物体在图像内移动,特别是图像具有一定的规律性时,一个图像可以由另外一个图像通过几何变换来产生。实际上,一个不受约束的几何变换,可将输入图像的一个点变换到输出图像中的任意位置。几何变换不仅提供了产生某些特殊图像的可能,甚至还可以使图像处理程序设计简单化。从变换性质来分可以分为图像的位置变换、形状变换等 1.3.2图像增强 图像增强是数字图像处理的基本内容之一,其目的是根据应用需要突出图像中的某些“有用”的信息,削弱或去除不需要的信息,以达到扩大图像中不同物体特征之间的差别,使处理后的图像对于特定应用而言,比原始图像更合适,或者为图像的信息提取以及其他图像分析技术奠定了基础。一般情况下,经过增强处理后,图像的视觉效果会发生改变,这种变化意味着图像的视觉效果得到了改善,某些特定信息得到了增强。

数字图像处理图像平滑

1实验目的、要求 实验目的: (1)掌握图像滤波的原理与相关方法。 (2)能使用VC++实现若干种图像滤波技术。 实验要求: A部分: (1)使用VC++设计程序:对一幅256级灰度图像,使用邻域平均平滑算法进行滤波。 (2)使用VC++设计程序:对一幅256级灰度图像,使用中值滤波算法进行滤波。 (3)使用VC++设计程序:对一幅256级灰度图像,使用K近邻均值滤波器(KNNF)进行滤波。 B部分: (1)包括A部分全部要求。 (2)使用VC++设计程序:对一幅256级灰度图像,分别使用K近邻中值滤波器(KNNMF)、最小均方差滤波器进行滤波。 (3)使用VC++设计程序:对一幅24位彩色图像,使用矢量中值滤波算法进行滤波。 2实验原理 图像滤波,即在尽量保留图像细节特征的条件下对目标图像的噪声进行抑制,是图像预处理中不可缺少的操作,其处理效果的好坏将直接影响到后续图像处理和分析的有效性和可靠性。由于成像系统、传输介质和记录设备等的不完善,数字图像在其形成、传输记录过程中往往会受到多种噪声的污染。另外,在图像处理的某些环节当输入的像对象并不如预想时也会在结果图像中引入噪声。这些噪声在图像上常表现为一引起较强视觉效果的孤立象素点或象素块。一般,噪声信号与要研究的对象不相关它以无用的信息形式出现,扰乱图像的可观测信息。对于数字图像信号,噪声表为或大或小的极值,这些极值通过加减作用于图像象素的真实灰度值上,在图像造成亮、暗点干扰,极大降低了图像质量,影响图像复原、分割、特征提取、图识别等后继工作的进行。要构造一种有效抑制噪声的滤波机必须考虑两个基本问题:能有效地去除目标和背景中的噪声,同时能很好地保护图像目标的形状、大小及特定的几何和拓扑结构特征。

数字图像处理实验二:图像增强与平滑(精)

实验二图像增强与平滑 一、实验类型:验证性实验 二、实验目的 1. 掌握图像增强的基本原理。 2. 掌握常用的图像增强技术。 三、实验设备:安装有MATLAB 软件的计算机 四、实验原理 图像增强技术的目的是对图像进行加工,以得到对具体应用来说视觉 效果更好、更有用的图像。常用的图像增强技术有图像间运算、直接灰度映射、直方图修改技术、线性滤波和非线性滤波等。下面介绍三种图像增强技术:直方图均衡化、邻域平均平滑滤波和中值滤波。 3. 直方图均衡化 直方图均衡化是一种使输出图像直方图近似为均匀分布的变换算法, 是一种直方图修改技术。在MATLAB 中,可以调用函数histeq 自动完成图像的直方图均衡化。下面的例子演示如何用histeq 函数来调整一幅灰度图像。原图像的灰度对比度较低,大部分值位于灰度范围的中间。histeq 函数生成一幅灰度值在整个范围内均匀分布的输出图像。 I=imread(‘pout.tif’; J=histeq(I; imshow(J figure,imhist(J,64 4. 邻域平均平滑滤波

邻域平均平滑滤波也称为均值滤波,是一种线性滤波方法。该方法用 一个像素的平均值作为滤波结果,。下面的例子演示如何在MATLAB 中对 一幅灰度图像进行邻域平均平滑滤波。 I=imread(‘eight.tif’; J=imnoise(I,’salt & pepper’,0.02; figure,imshow(J; h=ones(3,3/9; K=imfilter(J,h; figure,imshow(K; 5. 中值滤波 中值滤波是最常用的非线性滤波算法,该算法的输出像素值是对应像素邻域内的中值。下面的例子演示如何在 MATLAB中对一幅灰度图像进行中值滤波。 I=imread(‘eight.tif’; J=imnoise(I,’salt & pepper’,0.02; figure,imshow(J; K=medfilt2(J,[3 3]; figure,imshow(K; 五、实验内容 1. 选择一幅直方图不均匀的图像,对该图像做直方图均衡化处理,比较处理前后的图像以及它们的灰度直方图。 2. 选择一幅图像,对它增加不同的噪声,然后分别利用邻域平均平滑滤波和中值滤波对该图像进行滤波,比较各滤波器的滤波效果。 六、实验步骤 在百度中找到灰度图,将图片保存在C盘中 1.直方图均衡化

《数字图像处理》习题参考答案与解析

《数字图像处理》习题参考答案 第1 章概述 1.1 连续图像和数字图像如何相互转换?答:数字图像将图像看成是许多大小相同、 形状一致的像素组成。这样,数字图像可以 用二维矩阵表示。将自然界的图像通过光学系统成像并由电子器件或系统转化为模拟图像(连续图像)信号,再由模拟/数字转化器(ADC)得到原始的数字图像信号。图像的数字化包括离散和量化两个主要步骤。在空间将连续坐标过程称为离散化,而进一步将图像的幅度值(可能是灰度或色彩)整数化的过程称为量化。 1.2 采用数字图像处理有何优点?答:数字图像处理与光学等 模拟方式相比具有以下鲜明的特点: 1.具有数字信号处理技术共有的特点。(1)处理精度高。(2)重现性能好。(3)灵活性高。 2.数字图像处理后的图像是供人观察和评价的,也可能作为机器视觉的预处理结果。 3.数字图像处理技术适用面宽。 4.数字图像处理技术综合性强。 1.3 数字图像处理主要包括哪些研究内容?答:图像处理的任务是将客观世界的景象进 行获取并转化为数字图像、进行增强、变换、 编码、恢复、重建、编码和压缩、分割等处理,它将一幅图像转化为另一幅具有新的意义的图像。 1.4 讨论数字图像处理系统的组成。列举你熟悉的图像处理系统并分析它们的组成和功能。 答:如图1.8,数字图像处理系统是应用计算机或专用数字设备对图像信息进行处理的信息系统。图像处理系统包括图像处理硬件和图像处理软件。图像处理硬件主要由图像输入设备、图像运算处理设备(微计算机)、图像存储器、图像输出设备等组成。软件系统包括操作系统、控制软件及应用软件等。 图1.8 数字图像处理系统结构 图 1

1.5 常见的数字图像处理开发工具有哪些?各有什么特点? 答.目前图像处理系统开发的主流工具为 Visual C++(面向对象可视化集成工具) 和 MATLAB 的图像处理工具箱(Image Processing Tool box)。两种开发工具各有所长且有 相互间的软件接口。 Microsoft 公司的 VC++是一种具有高度综合性能的面向对象可视化集成工具,用它开 发出来的 Win 32 程序有着运行速度快、可移植能力强等优点。VC++所提供的 Microsoft 基础类库 MFC 对大部分与用户设计有关的 Win 32 应用程序接口 API 进行了封装,提高 了代码的可重用性,大大缩短了应用程序开发周期,降低了开发成本。由于图像格式多且 复杂,为了减轻程序员将主要精力放在特定问题的图像处理算法上,VC++ 6.0 提供的动 态链接库 ImageLoad.dll 支持BMP、JPG、TIF 等常用6 种格式的读写功能。 MATLAB 的图像处理工具箱MATLAB 是由MathWorks 公司推出的用于数值计算的有力工具,是一种第四代计算机语言,它具有相当强大的矩阵运算和操作功能,力求使人们摆脱繁 杂的程序代码。MATLAB 图像处理工具箱提供了丰富的图像处理函数,灵活运用这些函数可 以完成大部分图像处理工作,从而大大节省编写低层算法代码的时间,避免程序设计中的重 复劳动。MATLAB 图像处理工具箱涵盖了在工程实践中经常遇到的图像处理手段和算法,如 图形句柄、图像的表示、图像变换、二维滤波器、图像增强、四叉树分解域边缘检测、二值 图像处理、小波分析、分形几何、图形用户界面等。但是,MATLAB 也存在不足之处限制了 其在图像处理软件中实际应用。首先,强大的功能只能在安装有MA TLAB 系统的机器上使用 图像处理工具箱中的函数或自编的 m 文件来实现。其次,MATLAB 使用行解释方式执行代码,执行速度很慢。第三,MATLAB 擅长矩阵运算,但对于循环处理和图形界面的处理不及C++ 等语言。为此,通应用程序接口API 和编译器与其他高级语言(如C、 C++、Java 等)混 合编程将会发挥各种程序设计语言之长协同完成图像处理任务。API 支持 MA TLAB 与外部数 据与程序的交互。编译器产生独立于MATLAB 环境的程序,从而使其他语言的应用程序使用MATLAB。 1.6 常见的数字图像应用软件有哪些?各有什么特点?答:图像应用软件是可直接供 用户使用的商品化软件。用户从使用功能出发,只要了解 软件的操作方法就可以完成图像处理的任务。对大部分用户来说,商品化的图像应用软件无 需用户进行编程,操作方便,功能齐全,已经能满足一般需求,因而得到广泛应用。常用图 像处理应用软件有以下几种: 1.PHOTOSHOP:当今世界上一流的图像设计与制作工具,其优越性能令其产品望尘莫及。PHOTOSHOP 已成为出版界中图像处理的专业标准。高版本的 PHOTOSHOP 支持多达 20 多种图像格式和 TWAIN 接口,接受一般扫描仪、数码相机等图像输入设备采集的图像。PHOTOSHOP 支持多图层的工作方式,只是 PHOTOSHOP 的最大特色。使用图层功能可以很 方便地编辑和修改图像,使平面设计充满创意。利用 PHOTOSHOP 还可以方便地对图像进 行各种平面处理、绘制简单的几何图形、对文字进行艺术加工、进行图像格式和颜色模式 的转换、改变图像的尺寸和分辨率、制作网页图像等。 2.CorelDRAW:一种基于矢量绘图、功能强大的图形图像制作与设计软件。位图式图像是 由象素组成的,与其相对,矢量式图像以几何、色彩参数描述图像,其内容以线条和色块为主。可见,采用不同的技术手段可以满足用户的设计要求。位图式图像善于表现连续、丰富 色调的自然景物,数据量较大;而矢量式图像强于表现线条、色块的图案,数据量较小。 合理的利用两种不同类型的图像表现方式,往往会收到意想不到的艺术效果。CorelDraw是

相关文档
最新文档