数字图像处理实验4
matlab 数字图像处理实验报告(五份)
《数字图像处理实验报告》实验一图像的增强一.实验目的1.熟悉图像在MATLAB下的读写、输出；2.熟悉直方图；3.熟悉图像的线性指数等；4.熟悉图像的算术运算和几何变换。
二.实验仪器计算机、MATLAB软件三.实验原理图像增强是指根据特定的需要突出图像中的重要信息，同时减弱或去除不需要的信息。
从不同的途径获取的图像，通过进行适当的增强处理，可以将原本模糊不清甚至根本无法分辨的原始图像处理成清晰的富含大量有用信息的可使用图像。
其基本原理是：对一幅图像的灰度直方图，经过一定的变换之后，使其成为均匀或基本均匀的，即使得分布在每一个灰度等级上的像素个数．f=H等或基本相等。
此方法是典刑的图像空间域技术处理，但是由于灰度直方图只是近似的概率密度函数，因此，当用离散的灰度等级做变换时，很难得到完全平坦均匀的结果。
频率域增强技术频率域增强是首先将图像从空间与变换到频域，然后进行各种各样的处理，再将所得到的结果进行反变换，从而达到图像处理的目的。
常用的变换方法有傅里叶变换、DCT变换、沃尔什-哈达玛变换、小波变换等。
假定原图像为f(x，y)，经傅立叶变换为F(u，v)。
频率域增强就是选择合适的滤波器H(u,v)对F(u,v)的频谱成分进行处理，然后经逆傅立叶变换得到增强的图像。
四.实验内容及步骤1.图像在MATLAB下的读写、输出；实验过程：>> I = imread('F:\image\624baf9dbcc4910a.jpg');figure;imshow(I);title('Original Image');text(size(I,2),size(I,1)+15, ...'IMG_20170929_130307.jpg', ...'FontSize',7,'HorizontalAlignment','right');Warning: Image is too big to fit on screen; displaying at 25% > In imuitools\private\initSize at 86In imshow at 196Original Image2.给定函数的累积直方图。
数字图像处理四个实验报告,带有源程序
数字图像处理实验指导书学院：通信与电子工程学院专业：电子信息工程班级：学号：姓名：XX理工大学实验一 MATLAB数字图像处理初步一、实验目的与要求1．熟悉及掌握在MATLAB中能够处理哪些格式图像。
2．熟练掌握在MATLAB中如何读取图像。
3．掌握如何利用MATLAB来获取图像的大小、颜色、高度、宽度等等相关信息。
4．掌握如何在MATLAB中按照指定要求存储一幅图像的方法。
5．图像间如何转化。
二、实验原理及知识点1、数字图像的表示和类别一幅图像可以被定义为一个二维函数f(x,y),其中x和y是空间(平面)坐标，f 在任何坐标处(x,y)处的振幅称为图像在该点的亮度。
灰度是用来表示黑白图像亮度的一个术语，而彩色图像是由单个二维图像组合形成的。
例如，在RGB彩色系统中，一幅彩色图像是由三幅独立的分量图像(红、绿、蓝)组成的。
因此，许多为黑白图像处理开发的技术适用于彩色图像处理，方法是分别处理三副独立的分量图像即可。
图像关于x和y坐标以及振幅连续。
要将这样的一幅图像转化为数字形式，就要求数字化坐标和振幅。
将坐标值数字化成为取样；将振幅数字化成为量化。
采样和量化的过程如图1所示。
因此，当f的x、y分量和振幅都是有限且离散的量时，称该图像为数字图像。
作为MATLAB基本数据类型的数值数组本身十分适于表达图像，矩阵的元素和图像的像素之间有着十分自然的对应关系。
图1 图像的采样和量化根据图像数据矩阵解释方法的不同，MA TLAB把其处理为4类：亮度图像(Intensity images)二值图像(Binary images)索引图像(Indexed images)RGB图像(RGB images)(1) 亮度图像一幅亮度图像是一个数据矩阵，其归一化的取值表示亮度。
若亮度图像的像素都是uint8类或uint16类，则它们的整数值范围分别是[0，255]和[0，65536]。
若图像是double类，则像素取值就是浮点数。
数字图像实验指导书
《数字图像处理》实验指导书顾相平编淮阴工学院计算机工程学院2011年1月目录实验 1 灰度图像的对比度处理 (1)实验2灰度图像平滑滤波处理 (3)实验3图像复原 (5)实验4图像压缩 (7)实验1 灰度图像平滑滤波处理一、实验目的本次实验对图像邻域平均处理，改变模板尺寸大小，对比获得的图像的效果。
二、实验原理1、采用3x3模板对图像进行平滑滤波处理；2、采用5x5模板对图像进行平滑滤波处理；3、比较两种模板处理所获得的效果。
三、实验步骤1、打开计算机，启动MA TLAB程序；2、调入“实验1”中获取的数字图像，使用不同的平滑滤波器对图像进行平滑处理并比较所得不同的图像效果。
3、记录和整理实验报告四、实验仪器1、计算机；2、MATLAB（含IPT）等程序；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、锐化后的图像。
附：以当前像素为中心，分别切出一个3x3和5x5像素组成的图像块,用这两种模板图像进行平滑处理，并比较处理结果。
主要程序清单：Dim i As IntegerDim j, gx, gy, bx, by, k1, k2 As IntegerDim r As LongDim g As LongDim b As LongDim rr, rx As IntegerDim gg As IntegerDim bb As IntegerDim n As LongDim blocksize As Shortblocksize = 3tuxiang = PictureBox1.ImageFor i = Int(blocksize / 2) To PictureBox1.Size.Width - Int(blocksize / 2) For j = Int(blocksize / 2) To PictureBox1.Si ze.Height - Int(blocksize / 2)rx = 0: gx = 0: bx = 0For k1 = -Int(blocksize / 2) To Int(blocksize / 2)For k2 = -Int(blocksize / 2) To Int(blocksize / 2)c = tuxiang.GetPixel(i + k1, j + k2)r = c.rg = c.gb = c.brx = rx + r’模板下的像素R分量求和gx = gx + gbx = bx + bNext k2Next k1rr = rx / (blocksize * blocksize)’邻域平均法c = c.FormArgb(c.a, rr, rr, rr)tuxiang.SetPixel(i,j,c)Next jPictureBox1.RefreshNext i实验2 灰度图像锐化滤波处理一、实验目的本次实验对灰度图像进行线形锐化处理，选用不同的锐化滤波器，对获得的图像效果进行比较。
数字图像处理实验四
数字图像处理—实验四一．实验内容：⑴图像的锐化：使用Sobel，Laplacian算子分别对图像进行运算，观察并体会运算结果。
⑵综合练习：对需要进行处理的图像分析，正确运用所学的知识，采用正确的步骤，对图像进行各类处理，以得到令人满意的图像效果。
[3] 编程实现Roberts梯度锐化算法。
二．实验目的：学会用Matlab中的下列函数对输入图像按实验内容进行运算；感受各种不同的图像处理方法对最终图像效果的影响。
imfilter；fspecial；imadjust；三．实验步骤：1．仔细阅读Matlab帮助文件中有关以上函数的使用说明，能充分理解其使用方法并能运用它们完成实验内容。
2．将cameraman.jpg图像文件读入Matlab，使用imfilter函数分别采用Sobel，Laplacian算子对其作锐化运算，显示运算前后的图像。
算子输入方法(两种方法都做)：(1)用fspecial函数产生（注意：fspecial仅能产生垂直方向sobel算子，产生Laplacian算子时alpha参数选择0，详见Help）。
(2)直接输入，其中Sobel算子形式为（水平Sobel）（垂直Sobel）Laplacian算子形式为。
对于Sobel算子，采用生成图像；对于Laplacian算子，直接采用计算结果作为锐化后图像。
figure;subplot(2,3,1);i1=imread('D:\images\cameraman.tif');i1=im2double(i1);imshow(i1);title('Input Image');subplot(2,3,2);h=fspecial('sobel');g=h.';T1= imfilter(i1, h);T2=imfilter(i1, g);T3=sqrt(T1.^2+T2.^2);imshow(T3);title('方法一sobel算子'); subplot(2,3,3);h = fspecial('laplacian',0);T4= imfilter(i1, h);imshow(T4);title('方法一laplacian算子'); subplot(2,3,4);dx=[-1 -2 -10 0 01 2 1];dy=[-1 0 1-2 0 2-1 0 1];T5= imfilter(i1, dx);T6= imfilter(i1, dy);T7=sqrt(T1.^2+T2.^2);imshow(T7);title('方法二sobel算子');subplot(2,3,5);h = [0 -1 0-1 4 -10 -1 0];T8= imfilter(i1, h);imshow(T8);title('方法二laplacian算子');3．将skeleton.jpg图像文件读入Matlab，按照以下步骤对其进行处理：1）用带对角线的Laplacian对其处理，以增强边缘。
新版数字图像处理实验报告四-新版.pdf
实验四空域滤波一，实验目的：实现图像的线性滤波和非线性滤波变换二，实验条件1，MATLAB软件2，典型的灰度，彩色图像。
三，实验原理均值滤波是在空间域对图象进行平滑处理的一种方法，易于实现，效果也挺好。
表达式的算法是由某像素领域内各点灰度值的平均值来代替该像素原来的灰度值。
最大（小）值滤波，中值滤波是一种非线性处理技术，能抑制图象中的噪声。
在处理之后，位于窗口正中的像素的灰度值，用窗口内各像素灰度值的最大（小），中值代替。
四，实验内容（1）线性滤波，自行编写程序，实现图像的均值滤波。
模板3*3,5*5,7*7。
（2）非线性滤波，自行编写程序，实现图像的统计序滤波，（最大（小）值，中值（median），滤波）模板3*3,5*5,7*7。
（3）将滤波前后的图像进行比较，分析其异同；将原图像加噪处理（imnoise）之后，再滤波处理，结果又如何五，实验步骤（1）线性滤波，实现图像的均值滤波。
模板3*3,5*5,7*7。
以下以3*3为例：代码大致思路如下：先对图片灰度矩阵除去四边后的部分进行计算。
然后对四边除去四角后进行计算，最后对四角进行计算。
鉴于这个方法比较繁琐麻烦，所以在非线性滤波程序中改用了别的方法处理3*3模板。
I=imread('a.jpg');J=rgb2gray(I);J=double(J);A0=zeros(287,287); %A0为线性变换后的图像for i=2:286 %对图片灰度矩阵除去四边后的部分进行计算for j=2:286A0(i,j)=(1/9)*(J(i-1,j-1)+J(i-1,j)+J(i-1,j+1)+J(i,j-1)+J(i,j)+J(i,j+1)+J(i+1,j-1)+J(i+1,j)+J(i+1,j+1));endendfor i=2:286 %对四边除去四角后进行计算A0(1,i)=(1/9)*(J(i,j-1)+J(i,j)+J(i,j+1)+J(i+1,j-1)+J(i+1,j)+J(i+1,j+1));A0(287,i)=(1/9)*(J(i-1,j-1)+J(i-1,j)+J(i-1,j+1)+J(i,j-1)+J(i,j)+J(i,j+1));A0(i,1)=(1/9)*(J(i-1,j)+J(i-1,j+1)+J(i,j)+J(i,j+1)+J(i+1,j)+J(i+1,j+1));A0(i,287)=(1/9)*(J(i-1,j-1)+J(i-1,j)+J(i,j-1)+J(i,j)+J(i+1,j-1)+J(i+1,j+1));endA0(1,1)=(1/9)*(J(i,j)+J(i,j+1)+J(i+1,j)+J(i+1,j+1)); %对四角进行计算A0(1,287)=(1/9)*(J(i,j-1)+J(i,j)+J(i+1,j-1)+J(i+1,j+1));A0(287,1)=(1/9)*(J(i-1,j)+J(i-1,j+1)+J(i,j)+J(i,j+1));A0(287,287)=(1/9)*(J(i-1,j-1)+J(i-1,j)+J(i,j-1)+J(i,j));imshow(A0);线性滤波的图像如图一所示：5010015020025050100150200250图一线性变换（2）非线性滤波，实现图像的统计序滤波，（最大（小）值，中值（median）滤波）模板3*3,5*5,7*7。
数字图像处理技术-实验4[2页]
![数字图像处理技术-实验4[2页]](https://img.taocdn.com/s3/m/cd8bab83d0f34693daef5ef7ba0d4a7302766cdf.png)
实验报告课程名称：数字图像处理技术实验名称——实验四图像分割实验日期：班级：××××××姓名：×××学号××××××××××仪器编号：××一、实验目的：1、掌握图像分割中几种主要的边缘检测方法（Roberts算子、Sobel算子、Prewitt算子和Laplacian算子）。
2、了解掌握图像的阈值分割算法。
3、掌握图像的区域分割算法。
二、实验要求1. 选择Roberts算子、Sobel算子、Prewitt算子中任意一个，要求算子模板可以选择，实现对良好图像和带噪声的图像的边缘检测，然后把边缘图与原图叠加，分别计算原图与叠加图的信息熵并显示。
2. 实现Laplacian算子。
3. 实现灰度图像和彩色图像的迭代阈值分割算法。
4. 实现对一副图像利用区域生长算法进行图像分割。
提高题：1.实现对读入的一张带人脸的图像，有效分割出人脸区域。
2. 浮雕效果的制作浮雕效果是指物体的轮廓、边缘外貌经过修整形成凸出效果，浮雕类似边缘检测，目的是突出对象的边缘和轮廓。
浮雕效果是实现图像填充色与灰色的转换，用原填充色描画边缘，使图像呈现凸起或凹进效果，出现“浮雕”图案。
浮雕处理可以采用边缘锐化、边缘检测算子检测或其相关类似方法来实现。
如下图：三、实验结果比较比较分析Roberts算子或Sobel算子或Prewitt算子（选择上面实验选做的）和Laplacian算子对不同噪声（高斯噪声和校验噪声）图像的处理结果，并通过上面计算的信息熵，分析信息有什么变化，为什么？。
四、实验体会（包括对于本次实验的小结，实验过程中碰到的问题等）。
数字图像处理实验——实验四
报告内容：（目的和要求、原理、步骤、数据、计算、小结等）图像处理综合性实验报告实验四综合实验一、实验目的1、掌握matlab编程语言进行编程。
2、用matlab及运用各种数字图像处理方法实现对图像的变换。
二、实验设备计算机、Matlab软件三、实验原理图像预处理是相对于图像识别、图像理解而言的一种前期处理。
不论采用何种装置，输入的图像往往不能令人满意。
例如，从美学的角度会感到图像中物体的轮廓过于鲜明而显得不协调；按检测对象物大小和形状的要求看，图像的边缘过于模糊；在相当满意的一幅图像上会发现多了一些不知来源的黑点或白点；图像的失真、变形等等。
总之，输入的图像在视觉效果和识别方便性等方面可能存在诸多问题，这类问题不妨统称为“质量”问题。
尽管由于目的、观点、爱好等的不同，图像质量很难有同意的定义和标准，但是，根据应用要改善图像质量却是一个共同的愿望。
改善图像质量的处理称为图像预处理，主要是指按需要对图像进行适当的变换突出某些游泳的信息，去除或削弱无用的信息，如改变图像对比度，去除噪声或强调边缘的处理等。
四、实验步骤1.对图像灰度非线性变换2.对某个图像进行直方图均衡化3.对图像进行直方图规定化4.对图像进行空间域低通滤波5.对图片进行低通滤波处理6.对图像进行空域高通滤波法7.通过各种频域低通滤波器方法对图像进行处理五、源程序清单、测试数据、结果1、灰度非线性变换图像灰度变换是图像增强的一种手段。
其中灰度非线性变换能使图像灰度的分布均匀，与人的视觉特性相匹配。
MATLAB语言编写的例程和图像运行结果如下：%GRAY TRANSFORMclc;I=imread('21.jpg');imshow(I);J=imadjust(I,[0.3 0.7],[0 1],1);%transfroms the values in the intensity image I to%values in J by linealy mapping values between %0.3 and 0.7 to values between 0 and 1figure;imshow(J);J=imadjust(I,[0.3 0.7],[0 1],1);%If GAMMA is less than 1,the mapping%is weighted toward higher (brighter)output values.figure;imshow(J);J=imadjust(I,[0.3 0.7],[0 1],1.5);% If GAMMA is greater than 1,the % mapping is weighted toward lower (darker)output values.figure;imshow(J);J=imadjust(I,[0.3 0.7],[0 1],1);% If TOP < BOTTOM,the output image % is reversed,as in a photogrphic negative.figure;imshow(J);2、对tire图像进行直方图均衡化图示：直方图均衡化是通过变换函数将原图的直方图调整为平坦的直方图。
(完整word版)数字图像处理实验 ——图像恢复
数字图像处理实验——图像恢复班级：信息10—1姓名：张慧学号：36实验四、图像复原一、实验目的1了解图像退化原因与复原技术分类化的数学模型；2熟悉图像复原的经典与现代方法；3热练掌握图像复原的应用；4、通过本实验掌握利用MATLAB编程实现数字图像的图像复原。
二、实验原理：图像复原处理是建立在图像退化的数学模型基础上的，这个退化数学模型能够反映图像退化的原因。
图像的退化过程可以理解为施加于原图像上的运算和噪声两者联合作用的结果，图像退化模型如图1所示，可以表示为：g ( x, y ) H [ f ( x, y )] n( x, y ) f ( x, y )h( x, y ) n( x, y) （1）图1 图像退化模型(1)在测试图像上产生高斯噪声lena图-需能指定均值和方差；并用滤波器（自选）恢复图像；噪声是最常见的退化因素之一，也是图像恢复中重点研究的内容，图像中的噪声可定义为图像中不希望有的部分。
噪声是一种随机过程，它的波形和瞬时振幅以及相位都随时间无规则变化，因此无法精确测量，所以不能当做具体的处理对象，而只能用概率统计的理论和方法进行分析和处理。
本文中研究高斯噪声对图像的影响及其去噪过程。
①高斯噪声的产生：所谓高斯噪声是指它的概率密度函数服从高斯分布（即正态分布）的一类噪声。
一个高斯随机变量z的PDF可表示为：P（z）()22x pz u2σ-⎡⎤-⎢⎥⎣⎦（2）其中z代表灰度，u是z的均值，σ是z的标准差。
高斯噪声的灰度值多集中在均值附近。
图2 高斯函数可以通过不同的算法用matlab 来产生高斯噪声。
②高斯噪声对信号的影响噪声影响图像处理的输入、采集、处理的各个环节以及输出结果的全过程，在图像中加高斯噪声通常会使图像变得模糊并且会出现细小的斑点，使图像变得不清晰。
③去除高斯噪声的一些方法去除高斯噪声的方法有直方图变换，低通滤波，高通滤波，逆滤波，维纳滤波，中值滤波等。
本文应用高斯平滑滤波进行去噪处理。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
实验四图像的滤波处理与图像空间变换
一、实验目的：
1、了解MATLAB工具箱中滤波器
2、掌握用滤波方式去除图像噪声算法
3、学会对图像的空间变换
二、实验内容
1、生成含有噪声的图像
分别用imnoise()，imnoise2()，imnoise3()函数生成含有噪声的图像，改变相应参数，观察图像变化，理解各参数的作用。
Imnoise2()的使用：在图像‘Fig0704(Vase).tif.tif’中加入均值为0，标准差为0.1的高斯噪声。
显示如下图。
2、噪声估计
用roipoly()、histroi()、statmoments()等函数进行图像噪声参数估计。
显示图如下。
3、设计陷波滤波器（Notch filter）
利用以下公式编程实现陷波滤波器。
显示图类似如下：
4、图像的空间变换
用测试图像（C = checkerboard()）产生一个指定形状的变形图像，学习使用函数：maketform()，imtransform()，产生类似下列各图。