数值图像处理
数字图像处理课件ppt
06 数字图像处理的应用案例
人脸识别系统
总结词
人脸识别系统是数字图像处理技术的重要应 用之一，它利用计算机视觉和图像处理技术 识别人的面部特征，实现身份认证和安全监 控等功能。
详细描述
人脸识别系统通过采集输入的人脸图像，提 取出面部的各种特征，如眼睛、鼻子、嘴巴 等部位的形状、大小、位置等信息，并与预 先存储的人脸特征进行比对，从而判断出人 的身份。该系统广泛应用于门禁系统、安全
分类器设计
总结词
分类器设计是图像识别技术的核心，它通过训练分类器，使其能够根据提取的特征对图 像进行分类和识别。
详细描述
分类器设计通常采用机器学习算法，如支持向量机、神经网络和决策树等。这些算法通 过训练数据集进行学习，并生成分类器模型，用于对新的未知图像进行分类和识别。
模式识别
总结词
模式识别是图像识别技术的最终目标，它通 过分类器对提取的特征进行分类和识别，实 现对图像的智能理解和处理。
源调查和环境监测。
计算机视觉
为机器人和自动化系统提供视 觉感知能力，用于工业自动化
、自主导航等。
数字图像处理的基本流程
特征提取
从图像中提取感兴趣的区域、 边缘、纹理等特征，为后续分 类或识别提供依据。
图像表示与压缩
将图像转换为易于处理和分析 的表示形式，同时进行数据压 缩，减少存储和传输成本。
预处理
详细描述
模式识别在许多领域都有广泛应用，如人脸 识别、物体识别、车牌识别等。通过模式识 别技术，可以实现自动化监控、智能安防、 智能驾驶等应用。随着深度学习技术的发展 ，模式识别的准确率和鲁棒性得到了显著提 高。
05 数字图像处理中的常用算 法
傅里叶变换算法
傅里叶变换
数字图像处理技术解析
数字图像处理技术解析第一章：数字图像处理基础知识数字图像处理是一门研究如何处理和操作数字图像的学科。
数字图像是离散的表示了光的强度和颜色分布的连续图像。
数字图像处理技术可以应用于许多领域，如医学影像、机器视觉、遥感图像等。
1.1 数字图像表示与存储数字图像可以使用像素（pixel）来表示，每个像素包含一定数量的位元（bit），用于表示图像的灰度值或颜色信息。
常见的像素表示方法有灰度图像和彩色图像。
在计算机中，数字图像可以以不同的方式进行存储，如位图存储、压缩存储等。
1.2 数字图像处理的基本操作数字图像处理的基本操作包括图像增强、图像恢复、图像压缩和图像分割等。
图像增强可以改善图像的质量，使其更适于人眼观察或用于其他应用。
图像恢复是指通过去除图像中的噪声、模糊等不良因素，使图像恢复到原始清晰状态。
图像压缩可以减少图像的存储空间和传输带宽。
图像分割是将图像分成几个具有独立特征的区域，用于目标检测、目标跟踪等应用。
第二章：数字图像增强技术数字图像增强技术可以提高图像的质量和信息内容，使其更适合进行后续处理或人眼观察。
常用的图像增强方法包括灰度变换、直方图均衡化和空域滤波等。
2.1 灰度变换灰度变换是通过对图像的灰度值进行变换，来改变图像的对比度和亮度。
常见的灰度变换方法包括线性变换、非线性变换和直方图匹配等。
线性变换通过对灰度值进行线性和平移变换，可改变图像的对比度和亮度。
非线性变换使用非线性函数对灰度值进行变换，如对数变换、反转变换等。
直方图匹配是将图像的直方图变换为期望直方图，以达到对比度和亮度的调整。
2.2 直方图均衡化直方图均衡化是一种常用的图像增强方法，可以通过对图像的直方图进行变换，使得图像的灰度分布更加均匀。
直方图均衡化可以增加图像的对比度，使得图像细节更加清晰。
该方法适用于灰度图像和彩色图像。
2.3 空域滤波空域滤波是一种基于像素的图像处理方法，通过对图像的局部像素进行加权平均或非线性操作，来改变图像的特征。
数字图像处理技术
数字图像处理技术数字图像处理技术是一种针对数字图像进行处理和分析的技术。
随着计算机技术的不断发展和普及，数字图像处理技术在图像处理领域中扮演着越来越重要的角色。
本文将详细介绍数字图像处理技术的概念、原理、应用及未来发展方向。
概念数字图像处理技术是指利用计算机对数字图像进行处理和分析的技术。
数字图像是通过像素表示的图像，而像素是图像最小的单元，每个像素都有其特定的数值表示颜色和亮度。
数字图像处理技术可以对图像进行各种操作，如增强图像的质量、提取图像特征、恢复图像信息等。
原理数字图像处理技术的原理主要包括图像获取、图像预处理、图像增强、图像分割、特征提取和图像识别等基本步骤。
1.图像获取：通过相机或扫描仪等设备获取数字图像，将图像转换为数字信号。
2.图像预处理：对原始图像进行去噪、几何校正、尺度变换等预处理操作，以提高后续处理的效果。
3.图像增强：通过直方图均衡化、滤波等方法增强图像的对比度、亮度等特征。
4.图像分割：将图像分割成若干个区域或对象，以便更好地分析和处理图像。
5.特征提取：提取图像中的特征信息，如颜色、纹理、形状等，为图像识别和分类提供依据。
6.图像识别：利用机器学习、深度学习等算法对图像进行分类、识别和分析。
应用数字图像处理技术在各个领域都有广泛的应用，如医疗影像分析、无人驾驶、安防监控、智能交通等。
以下列举一些典型的应用场景：•医疗影像分析：利用数字图像处理技术分析医学影像，辅助医生进行疾病诊断和治疗。
•安防监控：通过视频监控系统、人脸识别技术等实现对安全领域的监控和警报。
•智能交通：通过交通监控系统、车辆识别技术等提高交通管理效率和道路安全。
未来发展数字图像处理技术在人工智能、物联网等新兴技术的推动下不断发展和创新，未来的发展方向主要包括以下几个方面：1.深度学习在图像处理中的应用：深度学习技术在图像分类、目标检测等方面取得重大突破，将在数字图像处理领域得到更广泛的应用。
2.虚拟现实与增强现实：数字图像处理技术将与虚拟现实、增强现实技术结合，实现更加沉浸式的用户体验。
数字图像处理技术
数字图像处理技术数字图像处理技术是一种利用计算机对图像进行处理和分析的技术。
随着计算机技术和图像采集设备的不断发展，数字图像处理技术已经广泛应用于影像处理、医学图像分析、机器视觉、模式识别等领域。
本文将重点介绍数字图像处理技术的基本原理、常见的图像处理方法和应用领域。
一、数字图像处理技术的基本原理数字图像处理是在计算机中对图像进行数值计算和变换的过程。
图像是由像素组成的二维数组，每个像素包含了图像中某一点的亮度或颜色信息。
数字图像处理技术主要包括如下几个基本步骤：1. 图像采集：利用摄像机、扫描仪等设备将实际场景或纸质图像转换成数字图像。
2. 图像预处理：对采集到的图像进行预处理，包括图像增强、去噪、几何校正等操作，以提高图像质量。
3. 图像变换：通过一系列的数值计算和变换，改变图像的亮度、对比度、颜色等特征，以满足特定的需求。
4. 图像分析：对图像进行特征提取、目标检测、模式识别等操作，以获取图像中的各种信息。
5. 图像展示：将处理后的图像显示在计算机屏幕上或输出到打印机、投影仪等设备上，以便人们观看和分析。
二、常见的图像处理方法1. 图像增强：通过调整图像的亮度、对比度、颜色等参数，使图像更清晰、更鲜艳。
2. 图像滤波：利用滤波器对图像进行低通滤波、高通滤波、中值滤波等操作，以去除噪声、平滑图像或增强边缘。
3. 图像分割：将图像分成若干个区域，以便更好地分析和识别图像中的目标。
4. 特征提取：从图像中提取出与目标相关的特征，如纹理特征、形状特征、颜色特征等。
5. 目标检测：利用机器学习、模式识别等方法，从图像中检测和识别出目标，如人脸、车辆等。
三、数字图像处理技术的应用领域数字图像处理技术在很多领域都有广泛的应用，以下列举几个主要的应用领域：1. 影像处理：数字图像处理技术可以应用于电影特效、动画制作、数字摄影等领域，提高影像的质量和逼真度。
2. 医学图像分析：数字图像处理技术可以应用于医学影像的分析、诊断和治疗，如CT扫描、核磁共振等。
数字图像处理
第一章概论一、数字图像与像素数字图像是由一个个的像素（Pixel）构成的，各像素的值(灰度，颜色)一般用整数表示。
二、数字图像处理的目的1、提高图像的视觉质量。
2、提取图像中的特征信息。
3、对图像数据进行变换、编码和压缩。
三、工程三层次图像处理、图像分析和图像理解图像理解符号目标像素高层中层低层高低抽象程度数据量操作对象小大语义图像分析图像处理四、图像处理硬件系统组成图像输入设备（采集与数字化设备，如数码相机），图像处理设备（如PC机）和图像输出设备（如显示器，打印机）第二章数字图像处理基础一、图像数字化过程----采样与量化模拟图像的数字化包括采样和量化两个过程。
细节越多，采样间隔应越小。
把采样后得到的各像素的灰度值进一步转换为离散量的过程就是量化。
一般，灰度图像的像素值量化后用一个字节(8bit)来表示。
二、采样、量化与图像质量的关系采样点数越多，图像质量越好；量化级数越多，图像质量越好。
为了得到质量较好的图像采用如下原则：对缓变图像，细量化，粗采样，以避免假轮廓。
对细节化图像，细采样，粗量化，以避免模糊。
三、图像尺寸、数据量、颜色数量的计算灰度图像的像素值量化后用一个字节(8bit)来表示。
彩色图像的像素值量化后用三个字节(24bit)来表示。
一幅512X512（256K）的真彩色图像，计算未压缩的图像数据量是多少？（必考）图像总像素：512px*512px=256K总数据量：256K*3Byte=768KB一幅256X256（64K）的真彩色图像，计算未压缩的图像数据量是多少？图像总像素：256px*256px=64K总数据量：64K*1Byte=64KB四、数字图像类型二值图像、灰度图像、索引颜色图像)和真彩色图像。
五、数字图像文件的类型jpg、bmp、tif、gifJPEG采用基于DCT变换的压缩算法,为有损压缩。
六、图像文件三要素文件头、颜色表、图像数据七、读取一个图像，并将其尺寸缩小0.5倍，将缩小后的图像旋转30度。
数字图像处理
数字图像处理概述数字图像处理是一项广泛应用于图像处理和计算机视觉领域的技术。
它涉及对数字图像进行获取、处理、分析和解释的过程。
数字图像处理可以帮助我们从图像中提取有用的信息，并对图像进行增强、复原、压缩和编码等操作。
本文将介绍数字图像处理的基本概念、常见的处理方法和应用领域。
数字图像处理的基本概念图像的表示图像是由像素组成的二维数组，每个像素表示图像上的一个点。
在数字图像处理中，我们通常使用灰度图像和彩色图像。
•灰度图像：每个像素仅包含一个灰度值，表示图像的亮度。
灰度图像通常表示黑白图像。
•彩色图像：每个像素包含多个颜色通道的值，通常是红、绿、蓝三个通道。
彩色图像可以表示图像中的颜色信息。
图像处理的基本步骤数字图像处理的基本步骤包括图像获取、前处理、主要处理和后处理。
1.图像获取：通过摄像机、扫描仪等设备获取图像，并将图像转换为数字形式。
2.前处理：对图像进行预处理，包括去噪、增强、平滑等操作，以提高图像质量。
3.主要处理：应用各种算法和方法对图像进行分析、处理和解释。
常见的处理包括滤波、边缘检测、图像变换等。
4.后处理：对处理后的图像进行后处理，包括去隐私、压缩、编码等操作。
常见的图像处理方法滤波滤波是数字图像处理中常用的方法之一，用于去除图像中的噪声或平滑图像。
常见的滤波方法包括均值滤波、中值滤波、高斯滤波等。
•均值滤波：用一个模板覆盖当前像素周围的像素，计算平均灰度值或颜色值作为当前像素的值。
•中值滤波：将模板中的像素按照灰度值或颜色值大小进行排序，取中值作为当前像素的值。
•高斯滤波：通过对当前像素周围像素的加权平均值来平滑图像，权重由高斯函数确定。
边缘检测边缘检测是用于寻找图像中物体边缘的方法。
常用的边缘检测算法包括Sobel 算子、Prewitt算子、Canny算子等。
•Sobel算子：通过对图像进行卷积运算，提取图像中的边缘信息。
•Prewitt算子：类似于Sobel算子，也是通过卷积运算提取边缘信息，但采用了不同的卷积核。
数字图像处理技术
数字图像解决技术一. 数字图像解决概述数字图像解决是指人们为了获得一定的预期结果和相关数据运用计算机解决系统对获得的数字图像进行一系列有目的性的技术操作。
数字图像解决技术最早出现在上个世纪中期, 随着着计算机的发展, 数字图像解决技术也慢慢地发展起来。
数字图像解决初次获得成功的应用是在航空航天领域, 即1964年使用计算机对几千张月球照片使用了图像解决技术, 并成功的绘制了月球表面地图, 取得了数字图像解决应用中里程碑式的成功。
最近几十年来, 科学技术的不断发展使数字图像解决在各领域都得到了更加广泛的应用和关注。
许多学者在图像解决的技术中投入了大量的研究并且取得了丰硕的成果, 使数字图像解决技术达成了新的高度, 并且发展迅猛。
二. 数字图象解决研究的内容一般的数字图像解决的重要目的集中在图像的存储和传输, 提高图像的质量, 改善图像的视觉效果, 图像理解以及模式辨认等方面。
新世纪以来, 信息技术取得了长足的发展和进步, 小波理论、神经元理论、数字形态学以及模糊理论都与数字解决技术相结合, 产生了新的图像解决方法和理论。
比如, 数学形态学与神经网络相结合用于图像去噪。
这些新的方法和理论都以传统的数字图像解决技术为依托, 在其理论基础上发展而来的。
数字图像解决技术重要涉及：⑴图像增强图像增强是数字图像解决过程中经常采用的一种方法。
其目的是改善视觉效果或者便于人和机器对图像的理解和分析, 根据图像的特点或存在的问题采用的简朴改善方法或加强特性的措施就称为图像增强。
⑵图像恢复图像恢复也称为图像还原, 其目的是尽也许的减少或者去除数字图像在获取过程中的降质, 恢复被退化图像的本来面貌, 从而改善图像质量, 以提高视觉观测效果。
从这个意义上看, 图像恢复和图像增强的目的是相同的, 不同的是图像恢复后的图像可当作时图像逆退化过程的结果, 而图像增强不用考虑解决后的图像是否失真, 适应人眼视觉和心理即可。
⑶图像变换图像变换就是把图像从空域转换到频域, 就是对原图像函数寻找一个合适变换的数学问题, 每个图像变换方法都存在自己的正交变换集, 正是由于各种正互换集的不同而形成不同的变换。
数字图像处理的概念
数字图象处理的概念数字图象处理是指利用计算机对数字图象进行各种操作和处理的技术。
数字图象处理广泛应用于医学影像、遥感图象、工业检测、安防监控、图象识别等领域。
本文将详细介绍数字图象处理的概念、原理、方法和应用。
一、概念数字图象处理是指对数字图象进行各种算法和技术处理的过程。
数字图象是由离散的像素点组成的，每一个像素点都有自己的亮度值或者颜色值。
数字图象处理通过对这些像素点进行操作，改变图象的亮度、对照度、颜色、清晰度等特征，从而达到图象增强、图象复原、图象分割、图象压缩等目的。
二、原理数字图象处理的原理基于图象的数字化表示和计算机的处理能力。
首先，将摹拟图象通过采样和量化的方式转换为数字图象。
然后，利用计算机的算法和技术对数字图象进行处理。
常用的处理方法包括滤波、变换、编码、分割、识别等。
最后，将处理后的数字图象重新转换为摹拟图象，以便显示和输出。
三、方法1. 图象增强图象增强是指通过调整图象的亮度、对照度、清晰度等特征，使图象更加清晰、鲜明和易于观察。
常用的图象增强方法有直方图均衡化、灰度拉伸、滤波、锐化等。
2. 图象复原图象复原是指通过消除图象受到的噪声和失真，恢复图象的原始信息。
常用的图象复原方法有空域滤波、频域滤波、最小二乘法、反卷积等。
3. 图象分割图象分割是将图象分成若干个区域，每一个区域具有相似的特征。
常用的图象分割方法有阈值分割、边缘检测、区域生长等。
4. 图象压缩图象压缩是通过减少图象的数据量，以达到减小存储空间和传输带宽的目的。
常用的图象压缩方法有无损压缩和有损压缩。
5. 图象识别图象识别是指通过计算机对图象中的目标进行自动识别和分类。
常用的图象识别方法有模板匹配、特征提取、机器学习等。
四、应用数字图象处理在各个领域都有广泛的应用。
1. 医学影像数字图象处理在医学影像领域中起到了重要的作用。
它可以匡助医生对病人进行诊断和治疗，如CT扫描、MRI、X光等。
2. 遥感图象数字图象处理在遥感图象领域中用于地理信息系统、农业、林业、环境保护等方面。
- 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)。
数字图像处理(实验报告)专业：电子信息工程学号：2009040201019姓名：宋军沈阳航空航天大学电子信息工程学院20012. 6《数字图像处理》实验指导书实验一、显示图像、读取文件格式实验二、空间域图像增强实验三、频率域图像增强实验四、图像恢复实验五、图像分割实验一、显示图像、读取文件格式一、实验目的熟悉常用的图像文件格式；熟悉图像矩阵的显示方法；熟悉图像矩阵的插值方法二、实验原理1图像文件的存储格式在计算机中，数据是以文件的形式存放在存储器中的，图像数据也不例外。
图像文件是采用特定数据结构表示图像数据的文件，这种特定格式，就是该图像文件的格式，图像文件一般由文件头、色调数据和像素数据三部分组成。
常用的图像文件格式：BMP、JPEG、TIFF、GIF。
在windows操作系统下能够在显示器上显示上述常用的文件格式，但有些文件格式windows系统不支持显示，比如DICOM 医学影像文件格式。
现在已有几十种常用的图像文件格式，它们是由计算机软件技术公司、计算机设备制造厂商等研究制订的，主要目的是为了图像信息交换和操作的方便性。
2图像的插值方法在浏览图像的时候经常对图像进行缩放，然而对于不同的图像缩放方法，缩放的效果也不同。
分别采用最邻近插值法、双线性插值和双三次插值法，可以发现在图像边缘处方块效应不同。
3所应用到的Matlab函数imread 读图像文件函数；imwrite 写图像文件函数图像文件信息显示Imfinfo 图像文件信息显示函数Imshow 显示图像函数.Imresize 图像缩放函数Dicomread 读取医学影像文件函数Dicominfo 医学影像文件信息显示函数rgb2gray图像文件转换函数三、实验步骤1 图像文件格式及显示•调用imread函数，读取硬盘中的图像文件；•调用imshow函数，显示图像；•调用imfinfo函数，显示图像文件信息；•调用dicomread函数，读取医学影像文件•调用dicominfo函数，显示医学影像文件信息2图像文件格式的转换•调用imread函数，读取硬盘中的图像文件；•调用imshow函数，显示图像；•调用imfinfo函数，显示图像文件信息；•调用rgb2gray函数，进行文件格式的转换，将彩色.jpg文件转换成灰度图像；•调用imfinfo函数，显示图像文件转换后的输出信息；•比较转换后文件格式的区别3图像缩放的实验•调用imread函数，读取硬盘中的图像文件；•调用imshow函数，显示图像；•调用imfinfo函数，显示图像文件信息；•调用Imresize函数，进行图像进行缩放，分别选用'bilinear'、'nearest'、'bicubic'参数，并更改缩放比例（0.5，2）；•调用imfinfo函数，显示图像文件转换后的输出信息；•调用imshow函数，显示图像；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）。
五、实验报告内容1.1源程序：I=imread('Plane211.jpg');imshow(I);imfinfo('Plane211.jpg')I2=rgb2gray(I);figure,imshow(I2);imwrite(I2,'Plane211.bmp');imfinfo('Plane211.bmp')1.2原图像：2.1源程序:clear;close all;I=imread('cameraman.tif');imshow(I);I2=imresize(I,2,'bilinear');%双线性插值图像缩放I3=imresize(I,0.5,'nearest'); %最邻近插值算法图像缩放I4=imresize(I,0.5,'bicubic'); %双三次样条插值算法图像缩放whosfigure,imshow(I2);figure,imshow(I3);figure,imshow(I4);imwrite(I2,'cameraman.bmp');imfinfo('cameraman.bmp')2.2源图像：2.3结果图像：2.4结果图像：六、思考题1比较各种图像的输出文件格式，分析它们的特点。
2比较.jpg文件格式转换后的文件输出格式，分析文件大小不同的原因；3比较图像缩放后的效果，分析原因实验二、空间域图像增强一、实验目的熟悉图像直方图的显示；熟悉图像灰度变换的方法；熟悉图像直方图均衡的方法二、实验原理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灰度对比度变换、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。
本实验以灰度对比度变换、直方图均衡化增强图像对比度的方法，其他方法同学们可以在课后自行实验。
1图像灰度对比度变换图像灰度对比度变换是一幅输入图像经过点处理将产生一幅输出图像，后者的每个象素点的灰度值仅由相应输入象素点的值决定，又称为“对比度增强”、“对比度拉伸”、“灰度变换”2. 图像直方图均衡化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。
灰度直方图是图像预处理中涉及最广泛的基本概念之一。
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。
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。
处理后的图像直方图分布更均匀了，图像在每个灰度级上都有像素点。
P f(f)——输入图像的概率密度P g(g)——输出图像的概率密度输入图像落在[f,f+Δf]经过映射函数Ψ(f)使输出图像中落在[g,g+Δg]。
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。
从处理前后的图像可以看出，许多在原始图像中看不清楚的细节在直方图均衡化处理后所得到的图像中都变得十分清晰。
3所应用到的Matlab函数imread 读图像文件函数；imwrite 写图像文件函数图像文件信息显示Imfinfo 图像文件信息显示函数imadjust图像灰度对比度变换函数：imshow 显示图像函数.imhist 图像直方图输出显示函数：例如：Imhist(J,64)将均衡化后图像的直方图显示为64级灰度histeq 图像直方图均衡变换函数：三实验步骤（一）图像灰度对比度变换实验步骤：a. 调用imread函数，读取硬盘中的图像文件.b. 调用imshow函数，显示图像.c. 调用imhist函数，显示图像直方图信息d. 调用 imadjust 函数，对图像做灰度变换（二）图像直方图均衡实验步骤：a. 调用imread函数，读取硬盘中的图像文件.b. 调用imshow函数，显示图像.c. 调用imhist函数，显示图像直方图信息d．调用histeq函数，对图像做直方图均衡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。
4记录和整理实验报告三、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。
四、实验报告内容1.1 源程序I=imread('pout.tif');imshow(I);figure,imhist(I);J=imadjust(I,[0.25 0.9], [0 1]);%图像灰度对比度变换函数figure,imshow(J);figure,imhist(J);1.2 源图像1.3 波形图像0501001502002501.4 结果图像1.4 波形图像0501001502002502.1 源程序I=imread('pout.tif');imshow(I);figure,imhist(I); %图像直方图输出显示函数[J,T]=histeq(I,64);%图像直方图均衡变换函数figure,imshow(J);figure,imhist(J);figure,plot((0:255)/255,T);J=histeq(I,32);figure,imshow(J);figure,imhist(J);2.3 波形图像0501001502002502.5 波形图像050100150200250 2.6 波形图像2.8 结果图像0501001502002503.1 源程序I=imread('eight.tif');imshow(I) ;J2=imnoise(I,'salt & pepper',0.04); % 叠加密度为0.04的椒盐噪声。
figure,imshow(J2);I_Filter1=medfilt2(J2,[3 3]); %窗口大小为3×3figure,imshow(I_Filter1);I_Filter2=medfilt2(J2,[5 5]); %窗口大小为5×5figure,imshow(I_Filter2);I_Filter3=medfilt2(J2,[7 7]); %窗口大小为7×7figure,imshow(I_Filter3);3.3 结果图像3.4 结果图像3.5 结果图像4.1 源程序[I,map]=imread('eight.tif');figure,imshow(I);title('original')J1=imnoise(I,'gaussian',0,0.02); % 受高斯噪声干扰figure,imshow(J1);M4=[0 1 0; 1 0 1; 0 1 0];M4=M4/4; % 4邻域平均滤波I_filter1=filter2(M4,J1);figure,imshow(I_filter1,map);M8=[1 1 1; 1 0 1; 1 1 1]; % 8邻域平均滤波M8=M8/8;I_filter2=filter2(M8,J1);figure,imshow(I_filter2,map);4.2 源图像original4.3 结果图像4.5 结果图像五、思考题1．直方图是什么概念？它反映了图像的什么信息？2．直方图均衡化是什么意思？它的主要用途是什么？22)2/()2/(),(N v M u v u D -+-=实验三、图像的傅立叶变换一、 实验目的1了解图像变换的意义和手段； 2熟悉傅里叶变换的孩本性质； 3熟练掌握FFT 方法的应用；4通过实验了解二维频谱的分布特点；5通过本实验掌握利用MATLAB 编程实现数字图像的傅立叶变换。