数字图像处理实验二 图像变换与二维数字滤波(精编文档).doc
数字图像处理实验报告
数字图像处理实验报告实验一数字图像处理编程基础一、实验目的1. 了解MATLAB图像处理工具箱；2. 掌握MATLAB的基本应用方法；3. 掌握MATLAB图像存储/图像数据类型/图像类型；4. 掌握图像文件的读/写/信息查询；5. 掌握图像显示--显示多幅图像、4种图像类型的显示方法；6. 编程实现图像类型间的转换。
二、实验内容1. 实现对图像文件的读/写/信息查询，图像显示--显示多幅图像、4种图像类型的显示方法、图像类型间的转换。
2. 运行图像处理程序，并保存处理结果图像。
三、源代码I=imread('cameraman.tif')imshow(I);subplot(221),title('图像1');imwrite('cameraman.tif')M=imread('pout.tif')imview(M)subplot(222),imshow(M);title('图像2');imread('pout.bmp')N=imread('eight.tif')imview(N)subplot(223),imshow(N);title('图像3');V=imread('circuit.tif')imview(V)subplot(224),imshow(V);title('图像4');N=imread('C:\Users\Administrator\Desktop\1.jpg')imshow(N);I=rgb2gary(GRB)[X.map]=gary2ind(N,2)RGB=ind2 rgb(X,map)[X.map]=gary2ind(I,2)I=ind2 gary(X,map)I=imread('C:\Users\dell\Desktop\111.jpg');subplot(231),imshow(I);title('原图');M=rgb2gray(I);subplot(232),imshow(M);[X,map]=gray2ind(M,100);subplot(233),imshow(X);RGB=ind2rgb(X,map);subplot(234),imshow(X);[X,map]=rbg2ind(I);subplot(235),imshow(X);四、实验效果实验二 图像几何变换实验一、实验目的1．学习几种常见的图像几何变换，并通过实验体会几何变换的效果；2．掌握图像平移、剪切、缩放、旋转、镜像等几何变换的算法原理及编程实现；3．掌握matlab 编程环境中基本的图像处理函数。
数字图像处理实验报告
数字图像处理实验报告数字图像处理实验报告（一）实验目的1.理解数字图像处理的基本概念与原理。
2.掌握数字图像处理的基本方法。
3.掌握常用数字滤波器的性质和使用方法。
4.熟练应用数字图像处理软件进行图像处理。
实验器材计算机、MATLAB软件实验内容1.图像的读写与显示首先，我们需要在MATLAB中读入一幅图像，并进行显示。
% 导入图像文件I = imread('myimage.jpg');% 显示图像imshow(I);2.图像的分辨率与色彩空间转换数字图像处理中的一个重要概念是图像的分辨率，通常用像素数量表示。
图像的分辨率越高，代表着图像包含更多的像素，从而更具细节和清晰度。
在数字图像处理中，常常需要将一幅图像从一种色彩空间转换为另一种色彩空间。
RGB色彩空间是最常见的图像色彩空间之一，并且常常作为其他色彩空间的基础。
% 转换图像色彩空间J = rgb2gray(I);% 显示转换后的图像imshow(J);3.图像的增强与滤波图像的增强通常指的是对图像的对比度、亮度和清晰度等方面进行调整，以改善图像的质量和可读性。
数字图像处理中的滤波是一种常用的图像增强方法。
滤波器是一个能够对图像进行局部操作的矩阵，它能够提取或抑制特定的图像特征。
% 对图像进行平滑滤波K = imgaussfilt(J, 1);% 显示滤波后的图像imshow(K);4.数字图像处理在实际应用中的例子数字图像处理在很多实际应用中被广泛应用。
这些应用包括医疗成像、计算机视觉、人脸识别、安防监控等。
下面是数字图像处理在人脸识别应用中的一个简单例子。
% 导入图像文件I = imread('face.jpg');% 进行人脸检测faceDetector = vision.CascadeObjectDetector;bbox = step(faceDetector, I);% 在图像上标记人脸位置IFaces = insertObjectAnnotation(I, 'rectangle', bbox, 'Face');imshow(IFaces);实验结论通过本次实验，我已经能够理解数字图像处理的基本概念与原理，掌握数字图像处理的基本方法，熟练应用数字图像处理软件进行图像处理。
用matlab数字图像处理四个实验
数字图像处理实验指导书目录实验一MATLAB数字图像处理初步实验二图像的代数运算实验三图像增强-空间滤波实验四图像分割3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。
数字图像处理实验报告（全答案）
数字图像处理实验报告（全答案）常用MATLAB图像处理命令一、实验目的1、熟悉并掌握MATLAB工具的使用；2、实现图像的读取、显示、代数运算和简单变换。
二、实验环境MATLAB 6.5以上版本、WIN XP或WIN2000计算机三、常用函数●读写图像文件1 imreadimread函数用于读入各种图像文件，如：a=imread('e:\w01.tif')2 imwriteimwrite函数用于写入图像文件，如：imwrite(a,'e:\w02.tif',’tif’)3 imfinfoimfinfo函数用于读取图像文件的有关信息，如：imfinfo('e:\w01.tif') ●图像的显示1imageimage函数是MATLAB提供的最原始的图像显示函数，如：a=[1,2,3,4;4,5,6,7;8,9,10,11,12];image(a);2 imshowimshow函数用于图像文件的显示，如：i=imread('e:\w01.tif');imshow(i);title（‘原图像’）%加上图像标题3 colorbarcolorbar函数用显示图像的颜色条，如：i=imread('e:\w01.tif');imshow(i);colorbar;4 figurefigure函数用于设定图像显示窗口，如：figure(1)； /figure(2)；5 subplot把图形窗口分成多个矩形部分，每个部分可以分别用来进行显示。
Subplot（m，n，p）分成m*n个小窗口，在第p个窗口中创建坐标轴为当前坐标轴，用于显示图形。
6 plot绘制二维图形plot（y）Plot（x，y）xy可以是向量、矩阵。
图像类型转换1 rgb2gray把真彩图像转换为灰度图像i=rgb2gray（j）2 im2bw通过阈值化方法把图像转换为二值图像I=im2bw（j，level）Level表示灰度阈值，取值范围0~1（即0.n），表示阈值取自原图像灰度范围的n%3 imresize改变图像的大小I=imresize（j，[m n]）将图像j大小调整为m行n列图像运算1 imadd两幅图像相加，要求同样大小，同种数据类型Z=imadd（x，y）表示图像x+y2 imsubstract两幅图像相减，要求同样大小，同种数据类型Z=imsubtract（x，y）表示图像x-y3 immultiplyZ=immultiply（x，y）表示图像x*y4 imdivideZ=imdivide（x，y）表示图像x/y四、实验内容（请将实验程序填写在下方合适的位置，实验图像结果拷屏粘贴）1、读入一幅RGB图像，变换为灰度图像和二值图像，并在同一个窗口内分成三个子窗口来分别显示RGB图像和灰度图像，注上文字标题。
数字图像处理图像变换实验报告.
实验报告实验名称：图像处理姓名：刘强班级：电信1102学号：1404110128实验一图像变换实验——图像点运算、几何变换及正交变换一、实验条件PC机数字图像处理实验教学软件大量样图二、实验目的1、学习使用“数字图像处理实验教学软件系统”，能够进行图像处理方面的简单操作；2、熟悉图像点运算、几何变换及正交变换的基本原理，了解编程实现的具体步骤；3、观察图像的灰度直方图，明确直方图的作用和意义；4、观察图像点运算和几何变换的结果，比较不同参数条件下的变换效果；5、观察图像正交变换的结果，明确图像的空间频率分布情况。
三、实验原理1、图像灰度直方图、点运算和几何变换的基本原理及编程实现步骤图像灰度直方图是数字图像处理中一个最简单、最有用的工具，它描述了一幅图像的灰度分布情况，为图像的相关处理操作提供了基本信息。
图像点运算是一种简单而重要的处理技术，它能让用户改变图像数据占据的灰度范围。
点运算可以看作是“从象素到象素”的复制操作，而这种复制操作是通过灰度变换函数实现的。
如果输入图像为A(x,y)，输出图像为B(x,y)，则点运算可以表示为：B(x,y)＝f[A(x,y)]其中f(x)被称为灰度变换（Gray Scale Transformation，GST）函数，它描述了输入灰度值和输出灰度值之间的转换关系。
一旦灰度变换函数确定，该点运算就完全确定下来了。
另外，点运算处理将改变图像的灰度直方图分布。
点运算又被称为对比度增强、对比度拉伸或灰度变换。
点运算一般包括灰度的线性变换、阈值变换、窗口变换、灰度拉伸和均衡等。
图像几何变换是图像的一种基本变换，通常包括图像镜像变换、图像转置、图像平移、图像缩放和图像旋转等，其理论基础主要是一些矩阵运算，详细原理可以参考有关书籍。
实验系统提供了图像灰度直方图、点运算和几何变换相关内容的文字说明，用户在操作过程中可以参考。
下面以图像点运算中的阈值变换为例给出编程实现的程序流程图，如下：2、图像正交变换的基本原理及编程实现步骤数字图像的处理方法主要有空域法和频域法，点运算和几何变换属于空域法。
数字图像处理实验报告
数字图像处理（MATLAB编程）实验报告一实验目的（1）使用MA TLAB程序语言对各个滤波器进行仿真，了解不同滤波器的滤波效果。
（2）通过各个滤波器的直方图，进一步加深对滤波器滤波效果的理解。
二实验原理实验中所用到的函数：imread-读出图像;imshow-显示图像;imhist-计算图像数据的直方图;histeq-用直方图均衡的方法增强图像的对比度;imfilter-线性滤波；fspecial-Create predefined 2-D filter；Imnoise-加噪声；medfilt2-中值滤波；三实验内容（1）给出一幅灰度图像，请加上高斯噪声，绘制其直方图，选择合适的滤波器滤波，并做直方图均衡。
（利用IPT函数）（2）给出一幅图像，请加上高斯噪声，选择合适的滤波器滤波，并做直方图均衡。
（不能使用IPT加噪声、滤波与直方图均衡函数）四实验程序（1）I = imread('D:\cameraman.tif');imshow(I);figure;%加高斯噪声f = imnoise(I,'gaussian');figure;imshow(f);figure;%对图像进行均值滤波¨h1=fspecial('average');f1=imfilter(f,h1);figure;%对图像进行高斯滤波h2=fspecial('gaussian');f2=imfilter(f,h2);figure;imshow(f2);%对图像进行拉普拉斯滤波h3=fspecial('laplacian');f3=imfilter(f,h3);figure;imshow(f3)%对图像进行中值滤波f4= medfilt2(f);figure;imshow(f4);原图：加了高斯噪声后的图像：均值滤波图像：高斯滤波图像：拉普拉斯滤波图像：中值滤波图像：经对比，我们发现对于高斯噪声，均值滤波、中值滤波、高斯滤波去除噪声的效果依次递减，因此最好选择均值滤波器对图像进行滤波。
数字图像处理实验二
imshow(log(abs(g)),[]),color(jet(64));
title('傅立叶变换后的频谱');
fft2(g)));
subplot(223);
imshow(g);
title('通过理想滤波器');
I=imread('C:\picture\lena.bmp');%巴特沃斯低通滤波器
实验原理21应用傅立叶变换进行图像处理傅里叶变换是线性系统分析的一个有力工具它能够定量地分析诸如数字化系统采样点电子放大器卷积滤波器噪音和显示点等的作用
实验名称
频域图像增强
指导老师
毕务忠
班级
信处152
实验日期
2018/4/17
实验地点
5205
学生信息
（依次填入姓名、学号）
张南卿
2015021118
成绩
colorbar;%显示图像的颜色条
title('离散傅立叶频谱');%图像命名
%理想低通滤波器
J=imread('C:\picture\lena.bmp');
figure(5);
subplot(221);
imshow(J);
title('原图像');
J=double(J);
f=fft2(J);
g=fftshift(f);
4.对频谱分别进行巴特沃兹、高斯滤波(高通和低通)，比较其锐化和平滑效果
5.记录和整理实验报告。
5、实验结果及分析（包括程序和数据的记录及分析、实验总结等，可另附页）
i=imread('C:\picture\lena.bmp');%读入原图像文件
数字图像处理实验报告.doc
数字图像处理试验报告实验二：数字图像的空间滤波和频域滤波姓名： XX学号： 2XXXXXXX实验日期：2017年4月26日1. 实验目的1. 掌握图像滤波的基本定义及目的。
2. 理解空间域滤波的基本原理及方法。
3. 掌握进行图像的空域滤波的方法。
4. 掌握傅立叶变换及逆变换的基本原理方法。
5. 理解频域滤波的基本原理及方法。
6. 掌握进行图像的频域滤波的方法。
2. 实验内容与要求1. 平滑空间滤波：1) 读出一幅图像，给这幅图像分别加入椒盐噪声和高斯噪声后并与前一张图显示在同一图像窗口中。
2)对加入噪声图像选用不同的平滑（低通）模板做运算，对比不同模板所形成的效果，要求在同一窗口中显示。
3)使用函数 imfilter时，分别采用不同的填充方法（或边界选项，如零填充、’ replicate ’、’ symmetric ’、’ circular ’）进行低通滤波，显示处理后的图像。
4) 运用 for 循环，将加有椒盐噪声的图像进行10 次， 20 次均值滤波，查看其特点, 显示均值处理后的图像（提示 : 利用 fspecial 函数的’ average ’类型生成均值滤波器）。
5) 对加入椒盐噪声的图像分别采用均值滤波法，和中值滤波法对有噪声的图像做处理，要求在同一窗口中显示结果。
6)自己设计平滑空间滤波器，并将其对噪声图像进行处理，显示处理后的图像。
2.锐化空间滤波1) 读出一幅图像，采用3×3 的拉普拉斯算子 w = [ 1, 1, 1; 1 – 81;1,1, 1]对其进行滤波。
2) 编写函数 w = genlaplacian(n) ，自动产生任一奇数尺寸n 的拉普拉斯算子，如 5×5的拉普拉斯算子w = [ 1 1 1 1 11 1 1 1 11 1 -24 1 11 1 1 1 11 1 1 1 1]3) 分别采用5×5，9×9，15×15 和 25×25 大小的拉普拉斯算子对blurry_moon.tif进行锐化滤波，并利用式 g(x, y)2 f (x, y) 完成图像的锐化增强，观察其有何f (x, y)不同，要求在同一窗口中显示。
- 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)。
【最新整理，下载后即可编辑】
实验二、图像变换与二维数字滤波
一、实验目的
1、了解图像正变换和逆变换的原理。
2、理解图像变换系数的特点。
3、掌握常用图像变换的实现过程。
4、了解图像变换在图像数据压缩等方面的应用。
5、掌握二维数字滤波器的作用以及在图像滤波中的实际
应用。
二、实验主要仪器设备
1、计算机
2、安装了图像处理工具箱的MATLAB 软件。
三、实验原理
1、二维离散傅里叶变换、余弦变换、小波变换的正逆变
换公式。
2、图像的频谱分析原理。
3、讨论正交变换的应用。
4、二维FIR滤波器在图像滤波中的应用。
四、实验内容
1、在MATLAB环境中，进行图像的离散傅里叶变换和离
散余弦变换，观察图像的频谱并减少DCT系数，观察重建信号和误差信号，理解正交变换在压缩编码中的应用。
2、在zMATLAB环境中，进行图像的近似图像和各方向
的细节图像，观察重建图像，理解小波变换在图像特征检测（如边缘检测、方向检测等）中的应用。
3、在MATLAB环境中，实验图像的二维FIR滤波。
五、实验步骤
1、选择典型图像作为研究对象（football.jpg）。
2、显示原始图像。
3、进行图像变换（DFT、DCT、DWT）。
4、对图像进行处理（如选择不同个数的变换系数可以进
行压缩）。
5、对图像进行逆变换复原图像，观察重建图像和误差图
像进行分析。
六、实验程序
（1）
I=imread('italy.jpg');subplot(3,3,1);imshow(I);
J=rgb2gray(I);subplot(3,3,2);imshow(J);
F1=fft2(J);
subplot(3,3,3);
imshow(log(abs(F1)+1),[0 10]);
F2=fftshift(F1);
subplot(3,3,4);
imshow(log(abs(F2)+1),[0 10]);
K=dct2(J);
subplot(3,3,5),imshow(log(abs(K))+1,[0 10]);
（2）
I=imread('italy.jpg');subplot(3,3,1);imshow(I);title('原图');
X=rgb2gray(I);subplot(3,3,2);imshow(X);title('灰度');
[cA1,cH1,cV1,cD1]=dwt2(X,'bior3.7');
[cA1,cH1,cV1,cD1]=dwt2(X,'bior3.7');
A1=upcoef2('a',cA1,'bior3.7',1);
H1=upcoef2('h',cH1,'bior3.7',1);
V1=upcoef2('v',cH1,'bior3.7',1);
D1=upcoef2('d',cD1,'bior3.7',1);
V1=upcoef2('v',cV1,'bior3.7',1);
subplot(3,3,3);
image(wcodemat(A1,192));
title('近似A1');
subplot(3,3,5);
subplot(3,3,4);
image(wcodemat(H1,192));
title('水平细节H1');
subplot(3,3,5);
image(wcodemat(V1,192));
title('垂直细节V1');
subplot(3,3,6);
image(wcodemat(D1,192));
title('对角细节D1');
Y=2.0*idwt2(A1,H1,V1,D1,'bior3.7');
Y1=imresize(Y,0.461);
subplot(3,3,7);image(Y);title('逆变换');
（3）
I=imread('italy.jpg');subplot(3,3,1);imshow(I);title('原图');
X=rgb2gray(I);subplot(3,3,2);imshow(X);title('灰度');
[cA1,cH1,cV1,cD1]=dwt2(X,'bior3.7');
[cA1,cH1,cV1,cD1]=dwt2(X,'bior3.7');
A1=upcoef2('a',cA1,'bior3.7',1);
H1=upcoef2('h',cH1,'bior3.7',1);
V1=upcoef2('v',cH1,'bior3.7',1);
D1=upcoef2('d',cD1,'bior3.7',1);
V1=upcoef2('v',cV1,'bior3.7',1);
subplot(3,3,3);
image(wcodemat(A1,192));
title('近似A1');
subplot(3,3,5);
subplot(3,3,4);
image(wcodemat(H1,192));
title('水平细节H1');
subplot(3,3,5);
image(wcodemat(V1,192));
title('垂直细节V1');
subplot(3,3,6);
image(wcodemat(D1,192));
title('对角细节D1');
Y=2.0*idwt2(A1,H1,V1,D1,'bior3.7');
Y1=imresize(Y,0.461);
subplot(3,3,7);image(Y);title('逆变换');
ca1=wcodemat(cA1,440,'mat',0);
cal=0.5*ca1;
subplot(3,3,8);
image(cal);
title('第一次压缩图像');
cal2=0.3*ca1;
subplot(3,3,9);
image(cal2);
title('第二次压缩图像');
七、实验结果图
八、思考题
1、信号从一维变换到二维变换，在计算方法上有何新的
特点？如何实验快速算法？
图像经过变换后，成为变换域的矩阵，空间域图像的处理问题转化为变化域的滤波处理，这时处理速度更快。
二维多分辨率分析与一维情况类似。
与一维小波变换只用一个尺度函数和一个小波函数不同的是，二维情形引入的尺度函数换成了尺度函数和三个小波函数。
如果小波函数是一维多分辨率分析的正交小波基，则二维多分辨率分析的尺度函数和三个方向小波函数见p68.
2、如何对重建图像进行主观评价和客观评价，分析重建
图像的质量与重建系数的关系？
重建图像是以一系列的函数变换对图像进行重建。
有利于图像的压缩或传送及方便学者学习或研究，如医学图像分析等等。
DCT的重建系数可以直接影响重建图像的质量。
3、对图像单方向的滤波（行滤波、列滤波）与双方向滤
波的计算复杂度进行比较，采用快速算法呢？
双边滤波算法考虑到了空间域和值域两个方面，实现双边滤波的基本思路是：
对于模板的各个点来说：
1、从空间域出发，计算出模板的点与目标点的距
离（利用勾股定理）,然后计算得出空域权重
2、从值域出发，计算出模板的点与目标点值的差
值（取绝对值），然后计算得到值域权重
3、同时让模板各个点的像素值乘以该点的w，并
加起来得到sum_pixel
4、最后让sum_pixel除以sumw就得到目标点最
终的像素值了。