西华大学数字图像处理报告
数字图像处理实习报告
数字图像处理实习报告在当今数字化的时代，数字图像处理技术在众多领域中发挥着至关重要的作用，从医疗诊断到卫星遥感，从娱乐产业到工业检测，其应用无处不在。
通过这次数字图像处理实习，我对这一领域有了更深入的了解和实践经验。
实习的初始阶段，我主要进行了相关理论知识的学习。
数字图像处理涵盖了众多概念，如图像的数字化表示、像素、灰度值、分辨率等。
了解这些基础知识是后续处理图像的基石。
同时，我还学习了常见的图像格式，如 JPEG、PNG、BMP 等，以及它们的特点和适用场景。
在掌握了一定的理论基础后，我开始接触图像处理的基本操作。
图像增强是我最先实践的部分，通过调整图像的对比度和亮度，能够使原本模糊不清或暗淡的图像变得更加清晰和易于观察。
例如，对于一张曝光不足的照片，增加亮度可以让隐藏在黑暗中的细节显现出来；而提高对比度则可以使图像中的不同区域更加分明，突出重点。
图像滤波是另一个重要的环节。
均值滤波可以有效地去除图像中的噪声，但在一定程度上会使图像变得模糊；中值滤波则能够在去除噪声的同时较好地保留图像的边缘细节。
我通过对不同类型和程度的噪声图像进行滤波处理，直观地感受到了它们的效果差异。
图像的几何变换也是实习中的关键内容。
图像的平移、旋转和缩放操作看似简单，但其背后涉及到复杂的数学计算。
在实际操作中，需要准确地计算变换矩阵，以确保图像在变换后的准确性和完整性。
实习过程中，我还深入研究了图像分割技术。
这是将图像分成不同区域或对象的过程，以便进行后续的分析和处理。
阈值分割是一种常见且简单的方法，通过设定一个阈值，将图像中的像素分为两类。
然而，对于复杂的图像，这种方法往往效果不佳，这时就需要更高级的分割算法，如基于边缘检测的分割或基于区域生长的分割。
在进行数字图像处理的过程中，我也遇到了一些挑战和问题。
例如，在处理大规模图像数据时，计算资源的限制可能导致处理速度缓慢；在选择图像处理算法时，需要根据具体的图像特点和需求进行权衡，否则可能无法达到理想的效果。
数字图像处理实验报告2
西华大学实验报告（理工类）开课学院及实验室： 实验时间 ： 年 月 日一、实验目的（1） 熟悉并学会使用MA TLAB 中图像增强的相关函数。
（2） 了解图像增强的方法，去噪的方法和效果。
二、实验原理（1） 将一幅图像视为一个二维矩阵，用MATLAB 进行图像增强。
（2） 利用MATLAB 图像处理工具箱中的函数imread （读入），imshow （显示），imnoise （加噪），filter2（滤波）对图像进行去噪处理。
（3） 图像均衡化：是通过对原图像进行某种变换，使得图像的直方图变为均匀分布的直方图，从而达到增强的效果。
（4） 图像平滑方法：邻域平均，中值滤波。
分析图像降质的性质，采用合适的去噪方法，可以去除或降低噪声对图像的影响。
中值滤波对某些信号具有不变性，适用于消除图像中的突发干扰，但如果图像含有丰富的细节，则不宜使用。
三、实验设备、仪器及材料（1） 微型计算机：Intel Pentium 及更高（2） MATLAB(安装了图像处理工具箱，即Image Processing Toolbox) （3） 自己的灰色图像文件四、实验步骤（按照实际操作过程）设计MATLAB 程序,完成下列操作：（1） 直方图均衡化处理。
读入灰度图像，用subplot 语句显示原图及直方图。
调用histeq 函数，完成直方图均衡化。
用subplot 语句显示直方图均衡化后的图像及直方图。
（2） 图像平滑。
读入一张图像。
用imnoise 函数加入椒盐噪声。
然后分别用领域平均法，中值滤波法去除噪声（filter2，medfilt2函数）。
邻域平均法要求使用高斯模板⎥⎥⎥⎦⎤⎢⎢⎢⎣⎡=121242121161H 。
用subplot 语句作图给出实验结果。
对比分析去噪效果。
（3） 图像锐化，用edge()函数来加强图像中景物的边缘和轮廓，使模糊图像变得更清晰。
其中method 包‘sobel ’、‘log ’。
数字图像处理实验报告
数字图像处理实验报告1. 引言数字图像处理是使用计算机来处理和优化图像的一种技术。
在本实验中，我们将探索几种常见的数字图像处理方法，并使用Python编程语言和相关库来实现。
2. 实验目的本实验的主要目的是：1.了解图像的基本特性和数字图像处理的基本原理；2.熟悉Python编程语言和相关图像处理库的使用；3.实现常见的图像处理算法并进行实验验证。
3. 实验方法在本实验中，我们使用Python编程语言和以下相关库来实现图像处理算法：•OpenCV：用于图像读取、显示和保存等基本操作；•Numpy：用于图像数据的处理和算术运算；•Matplotlib：用于图像的可视化和结果展示。
以下是实验涉及到的图像处理方法和步骤：1.图像读取和显示：使用OpenCV库读取图像，使用Matplotlib库显示图像；2.图像的灰度化：将彩色图像转换为灰度图像；3.图像的二值化：将灰度图像转换为黑白二值图像；4.图像的平滑处理：使用平滑滤波器对图像进行平滑处理，如均值滤波和高斯滤波；5.图像的边缘检测：使用边缘检测算法对图像进行边缘检测，如Sobel算子和Canny算子；6.图像的直方图均衡化：对灰度图像进行直方图均衡化，增强图像的对比度。
4. 实验过程和结果4.1 图像读取和显示首先，我们使用OpenCV库读取一张图像，并使用Matplotlib库显示该图像：import cv2import matplotlib.pyplot as plt# 读取图像img = cv2.imread('image.jpg')# 显示图像plt.imshow(cv2.cvtColor(img, cv2.COLOR_BGR2RGB)) plt.axis('off')plt.show()4.2 图像的灰度化接下来，我们将彩色图像转换为灰度图像：# 灰度化图像gray_img = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY) # 显示灰度图像plt.imshow(gray_img, cmap='gray')plt.axis('off')plt.show()4.3 图像的二值化然后，我们将灰度图像转换为黑白二值图像：# 二值化图像_, binary_img = cv2.threshold(gray_img, 128, 255, cv2.THRESH_BINARY)# 显示二值图像plt.imshow(binary_img, cmap='gray')plt.axis('off')plt.show()4.4 图像的平滑处理接下来，我们使用平滑滤波器对图像进行平滑处理，例如使用5x5的均值滤波器和高斯滤波器：# 均值滤波mean_img = cv2.blur(img, (5, 5))# 高斯滤波gaussian_img = cv2.GaussianBlur(img, (5, 5), 0) # 显示平滑处理后的图像plt.figure(figsize=(10, 5))plt.subplot(121)plt.imshow(cv2.cvtColor(mean_img, cv2.COLOR_BGR2R GB))plt.title('Mean Filter')plt.axis('off')plt.subplot(122)plt.imshow(cv2.cvtColor(gaussian_img, cv2.COLOR_B GR2RGB))plt.title('Gaussian Filter')plt.axis('off')plt.show()4.5 图像的边缘检测然后，我们使用边缘检测算法对图像进行边缘检测，例如使用Sobel算子和Canny算子：# 边缘检测sobel_img = cv2.Sobel(gray_img, cv2.CV_8U, 1, 1, ksize=3)canny_img = cv2.Canny(gray_img, 50, 150)# 显示边缘检测结果plt.figure(figsize=(10, 5))plt.subplot(121)plt.imshow(sobel_img, cmap='gray')plt.title('Sobel Operator')plt.axis('off')plt.subplot(122)plt.imshow(canny_img, cmap='gray')plt.title('Canny Operator')plt.axis('off')plt.show()4.6 图像的直方图均衡化最后，我们对灰度图像进行直方图均衡化，以增强图像的对比度：# 直方图均衡化equalized_img = cv2.equalizeHist(gray_img)# 显示直方图均衡化结果plt.imshow(equalized_img, cmap='gray')plt.axis('off')plt.show()5. 实验总结通过本实验，我们熟悉了数字图像处理的基本方法和步骤，并使用Python编程语言和相关库实现了图像的读取、显示、灰度化、二值化、平滑处理、边缘检测和直方图均衡化等操作。
数字图像处理实习报告
数字图像处理实习报告
本次实习主要任务是进行数字图像处理相关工作，包括图像的预处理、特征提取、图像分割和图像识别等方面的工作。
实习过程中，我主要负责了图像处理算法的编写与优化，以及实验数据的收集与分析。
通过这次实习，我对数字图像处理技术有了更深入的了解，并且提升了自己的编程能力和团队协作能力。
在图像处理算法的编写与优化过程中，我主要使用了Python
语言和常用的图像处理库，如OpenCV和PIL等。
我研究了不同的图像处理算法，并对其进行了实验验证，优化了算法的性能和效果。
通过这些工作，我深入了解了图像处理算法的实现原理和优化方法，提升了自己在图像处理领域的技术水平。
在实验数据的收集与分析过程中，我主要负责了实验数据的采集和整理工作。
我使用了各种图像采集设备，包括相机、摄像头等，对不同场景下的图像进行了采集和整理。
然后我利用Python和Matlab等工具对实验数据进行了分析和结果展示，
为后续的图像处理算法提供了重要的支持和参考。
总的来说，这次实习让我对数字图像处理有了更深入的了解，提升了自己的技术能力和实践能力。
我在实习过程中遇到了不少困难和挑战，但通过团队合作和自我努力，最终都得以克服，取得了一定的成果。
通过这次实习，我深刻地感受到了数字图像处理技术的重要性和广阔的应用前景，也对自己未来的发展方向有了更清晰的认识。
希望通过这次实习的经历，我能够为将来的学习和工作打下坚实的基础。
数字图像处理实验报告4
西华大学实验报告西华大学实验报告（理工类）开课学院及实验室：机械工程与自动化学院专业实验中心 实验时间 ：2013年 月 日学 生 姓 名学 号成 绩学生所在学院 机械工程与自动化学院年级/专业/班 2010机电4班 课 程 名 称 数字图像处理课 程 代 码 6003619实验项目名称 图像分割和目标识别项 目 代 码 指 导 教 师蒋代君项 目 学 分一、实验目的1、 掌握在MA TLAB 中边缘检测的方法；2、 了解图像分割的基本策略及方法；3、 掌握用MA TLAB 语言进行边缘检测和目标识别的方法。
二、实验原理1、 阈值分割是对一幅图象的目标和背景进行判定，⎩⎨⎧≥=elsey x f Ty x f G y x f G y x g ),()],([)],([),(2、 用中值滤波器去除图像中的噪声；3、 二值形态学基本公式：设A 表示一副二值图像，B 为结构元素则A 关于B 的膨胀和腐蚀变换分别定义为： {|(())}x A B x A B ∧⊕=⋂≠Φ{|(())}c x A B x A B Θ=⋂≠Φ其中B ∧是B 的映像。
腐蚀是表示用某种形状的结构元素对一个图像进行探测，以便找出图像内部可以放下该结构元素的区域。
它是一种消除边界点，使边界向内部收缩的过程。
可以用来消除小且无意义的物体。
三、实验设备、仪器及材料1、 计算机2、 MatLab 软件/语言包括图像处理工具箱(Image Processing Toolbox) 实验所需要的图片第 组]},[],,[|),({),(000000N y N y y N x N x x y x f Med y x f +-∈+-∈=四、实验步骤（按照实际操作过程）1、读出chrimage.bmp这幅图像，转换为灰度图像。
2、用中值滤波器去除图像中的噪声；3、采用阈值分割将图像转换为二值图像；4、对二值图像进行形态学操作，获得分析值。
五、实验过程记录(数据、图表、计算等)1.读出chrimage.bmp这幅图像，转换为灰度图像，用中值滤波器去除图像中的噪声：I = imread('chrimage.bmp');I2 = rgb2gray(I);imshow(I)s = size(I2);I4 = 255*ones(s(1), s(2), 'uint8');I5 = imsubtract(I4,I2);figure,imshow(I5);2将图像转化为二值图像。
《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是一门将图像进行数字化处理的学科，它通过计算机算法和技术手段对图像进行分析、增强、压缩和重建等操作。
在本次实验中，我们学习了数字图像处理的基本概念和常用算法，并通过实验来探索其应用和效果。
首先，我们进行了图像的读取和显示实验。
通过使用Python中的OpenCV库，我们能够轻松地读取图像文件，并将其显示在屏幕上。
这为我们后续的实验奠定了基础。
同时，我们还学习了图像的像素表示方法，了解了图像由像素点组成的原理。
这使我们能够更好地理解后续实验中的算法和操作。
接下来，我们进行了图像的灰度化实验。
灰度化是将彩色图像转换为灰度图像的过程。
在实验中，我们使用了不同的算法来实现灰度化操作，包括平均值法、最大值法和加权平均法等。
通过比较不同算法得到的灰度图像，我们发现不同算法对图像的处理效果有所差异，这使我们深入理解了灰度化的原理和应用。
随后，我们进行了图像的直方图均衡化实验。
直方图均衡化是一种用于增强图像对比度的方法。
在实验中，我们使用了直方图均衡化算法来对图像进行处理，并观察了处理前后的效果变化。
通过实验，我们发现直方图均衡化能够显著提高图像的对比度，使图像更加清晰和鲜明。
在进一步探索图像处理技术的过程中，我们进行了图像的滤波实验。
滤波是一种常用的图像处理操作，它通过对图像进行卷积操作来实现。
在实验中，我们学习了不同类型的滤波器，包括均值滤波器、高斯滤波器和中值滤波器等。
通过比较不同滤波器对图像的处理效果，我们发现每种滤波器都有其适用的场景和效果。
此外，我们还进行了图像的边缘检测实验。
边缘检测是一种用于提取图像边缘信息的方法。
在实验中，我们学习了不同的边缘检测算法，包括Sobel算子、Canny算子和Laplacian算子等。
通过比较不同算法对图像的处理效果，我们发现每种算法都有其独特的特点和应用。
最后，我们进行了图像的压缩实验。
图像压缩是一种将图像数据进行压缩以减小文件大小的方法。
数字图像处理 实验报告(完整版)
数字图像处理实验一 MATLAB数字图像处理初步一、显示图像1．利用imread( )函数读取一幅图像，假设其名为lily.tif，存入一个数组中；2．利用whos 命令提取该读入图像flower.tif的基本信息；3．利用imshow()函数来显示这幅图像；实验结果如下图：源代码：>>I=imread('lily.tif')>> whos I>> imshow(I)二、压缩图像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；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lily.jpg；语法：imwrite(原图像，新图像，‘quality’,q), q取0-100。
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flily.bmp。
7．用imread()读入图像Sunset.jpg和Winter.jpg；8．用imfinfo()获取图像Sunset.jpg和Winter.jpg的大小；9．用figure,imshow()分别将Sunset.jpg和Winter.jpg显示出来，观察两幅图像的质量。
其中9的实验结果如下图：源代码：4~6(接上面两个) >>I=imread('lily.tif')>> imfinfo 'lily.tif'；>> imwrite(I,'lily.jpg','quality',20);>> imwrite(I,'lily.bmp');7~9 >>I=imread('Sunset.jpg');>>J=imread('Winter.jpg')>>imfinfo 'Sunset.jpg'>> imfinfo 'Winter.jpg'>>figure(1),imshow('Sunset.jpg')>>figure(2),imshow('Winter.jpg')三、二值化图像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。
数字图像处理实验报告1
第组西华大学实验报告西华大学实验报告（理工类）开课学院及实验室：机械工程与自动化学院专业实验中心实验时间：2013年月日学生姓名学号成绩学生所在学院机械工程与自动化学院年级/专业/班2010机电4班课程名称数字图像处理课程代码6003619 实验项目名称Matlab图像处理工具箱的初步练习项目代码指导教师蒋代君项目学分一、实验目的1、初步了解与掌握MATLAB语言的基本用法；2、掌握MATLAB语言中图象数据与信息的读取方法；3、掌握在MATLAB语言中图像类型的转换。
二、实验原理将数字图像的RGB表示转换为YUV表示；Y=0.30R+0.59G+0.11BU=0.70R-0.59G-0.11BV=-0.30R-0.59G+0.89B三、实验设备、仪器及材料1、计算机2、 MatLab软件/语言包括图像处理工具箱(Image Processing Toolbox)3、实验所需要的图片四、实验步骤（按照实际操作过程）1、阅读资料并熟悉MatLab的基本操作2、读取MATLAB中的图象数据3、显示MATLAB中的图象文件。
用MATLAB在自建的文件夹中建立m文件，在这个文件的程序中，将MATLAB 目录下work文件夹中的tree.tif 图象文件读出，用到imread，imfinfo等命令，观察一下图象数据，了解一下数字图象在MATLAB中的处理就是处理一个矩阵的本质。
4、将3中的图象显示出来（用imshow）。
5、对MATLAB目录下work文件夹中的flowers.tif进行真彩色图像、索引色图像、灰度图像、二值图像之间的相互变换，并显示。
6、进行真彩色图像RGB（lenacolor.jpg）、YIQ图像、HSV图像、YcbCr图像的相互转换，并显示。
五、实验过程记录(数据、图表、计算等)（1）i=imread('tree.tif');imfinfo('tree.tif')ans =Filename: 'tree.tif'FileModDate: '02-Jun-2013 12:02:06'FileSize: 180650Format: 'bmp'FormatVersion: 'Version 3 (Microsoft Windows 3.x)'Width: 201Height: 299BitDepth: 24ColorType: 'truecolor'FormatSignature: 'BM'NumColormapEntries: 0Colormap: []RedMask: []GreenMask: []BlueMask: []ImageDataOffset: 54BitmapHeaderSize: 40NumPlanes: 1CompressionType: 'none'BitmapSize: 180596HorzResolution: 3780VertResolution: 3780NumColorsUsed: 0NumImportantColors: 0imshow(i);（2）1、将RGB图像转换成灰度图像：rgb=imread('flowers.tif');gray=rgb2gray(rgb);imshow(rgb);figure,imshow(gray);2、将RGB图像转换成索引色图像：imshow(rgb);[x,map]=rgb2ind(rgb,0.7);figure,imshow(x,map);3、将索引色图像转换成灰度图像：imshow(x,map);c=ind2gray(x,map);figure,imshow(c);4、将索引色图像转换成RGB图像：Imshow(x,map);d=ind2rgb(x,map);figure,imshow(d);5、将图像转换成黑白图像：b=im2bw(rgb);imshow(rgb);figure,imshow(b);6、进行真彩色图像RGB（lenacolor.jpg）、YIQ图像HSV图像、YcbCr图像的相互转换，并显示：YIQ转换：i=imread('lenacolor.jpg');imshow(i);i1=rgb2ntsc(i);figure,imshow(i1)(3) HSV转换：i=imread('lenacolor.jpg');imshow(i);i1=rgb2hsv(i);figure,imshow(i1)Ycbcr转换：i=imread('lenacolor.jpg');imshow(i);i1=rgb2ycbcr(i);figure,imshow(i1)六、实验结果分析及问题讨论。
- 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)。
实验报告（理工类）课程名称: 数字图像处理课程代码: 6003619 学生所在学院: 机械工程与自动化学院年级/专业/班: 2011级机械电子工程学生姓名: 学号: 312011080307 实验总成绩: 任课教师: 蒋代君开课学院: 机械工程与自动化学院实验中心名称: 机械工程专业实验中心第组西华大学实验报告.西华大学实验报告（理工类）开课学院及实验室：机械工程与自动化学院机房实验时间： 2014年 5月 27 日学生姓名学号成绩学生所在学院机械工程与自动化学院年级/专业/班2011级机电班课程名称数字图像处理课程代码6003619 实验项目名称Matlab图像处理工具箱的初步练习项目代码指导教师蒋代君项目学分一、实验目的二、实验原理三、实验设备、仪器及器材四、实验步骤（按照实际操作过程）五、实验过程记录（数据、图表、计算等）1、学习Matlab基本操作。
2、读取并显示lenacolor.jpg图象。
程序如下：[X,MAP]=imread('lenacolor.jpg','jpg')imfinfo('lenacolor.jpg','jpg')imshow(X,MAP),title('tenacolor.jpg')3、对lenacolor.jpg图像进行真彩色图像、索引色图像、灰度图像、二值图像之间的相互变换，并显示。
程序如下：原图像真彩色[X,MAP]=imread('lenacolor.jpg','jpg') RGB=imread('lenacolor.jpg','jpg');imfinfo('lenacolor.jpg','jpg') imshow(RGB),title('真彩色')imshow(X,MAP),title('tenacolor.jpg')真彩色转索引色图像索引色转真彩色图像map=jet(256); ZC=ind2rgb(MY,map);MY=rgb2ind(RGB,map); imshow(ZC),title('索引色转真彩色图像') imshow(MY),title('真彩色转索引色图像')索引色转灰度图像真彩色转灰度图像gray2= ind2gray(MY,map); gray1= rgb2gray(RGB)imshow(gray2),title('索引色转灰度图像')imshow(gray1),title('真彩色转灰度图像')二值图像WO=im2bw(RGB,0.5);imshow(WO),title('二值图像')4、进行真彩色图像RGB（lenacolor.jpg）、YIQ图像、HSV图像、YcbCr图像的相互转换，并显示。
程序如下：真彩色RGB转YIQ图像RGB=imread('lenacolor.jpg') RGB1=RGBimshow(RGB),title('lenacolor.jpg的真彩色')map=jet(256)yiqmap=rgb2ntsc(map)YIQ=rgb2ntsc(RGB1)imshow(YIQ),title('RGB转YIQ图像')RGB转HSV图像RGB转YCbCr图像RGB2=RGB RGB3=RGBhsvmap=rgb2ntsc(map) YcbCrmap=rgb2ycbcr(map)HSV=rgb2ntsc(RGB2) YCBCR=rgb2ycbcr(RGB3)imshow(HSV),title('RGB转HSV图像') imshow(YCBCR),title('RGB转YCbCr图像')YIQ转RGB图像HSV转RGB图像rgbmap=rgb2ntsc(yiqmap) rgbmap=hsv2rgb(hsvmap)RGB1=rgb2ntsc(YIQ) RGB2=hsv2rgb(HSV)imshow(RGB1),title('YIQ转RGB图像')imshow(RGB2),title('HSV转RGB图像')YCbCr转RGB图像rgbmap=ycbcr2rgb(YcbCrmap)RGB3=ycbcr2rgb(YCBCR)imshow(RGB3),title('YCbCr转RGB图像')六、实验结果分析及问题讨论第组西华大学实验报告西华大学实验报告（理工类）开课学院及实验室：机械工程与自动化学院机房实验时间：年月日学生姓名学号312011080307 成绩学生所在学院机械工程与自动化学院年级/专业/班2011级机电课程名称数字图像处理课程代码6003619 实验项目名称图像的频域处理方法项目代码指导教师蒋代君项目学分一、实验目的二、实验原理三、实验设备、仪器及器材四、实验步骤（按照实际操作过程）2、对图像Lenna.bmp作二维Fourier变换；（可以采用快速Fourier变换方法）3、用Fourier系数的幅度进行Fourier反变换；4、用Fourier系数的相位进行Fourier反变换；5、比较2、3的结果，评价人眼对图像幅频特性和相频特性的敏感度。
五、实验过程记录（数据、图表、计算等）1、用Fourier变换算法，对简单图像line.bmp, yuan.bmp, twoyuan.bmp, juxing.bmp, xuanzhuan.bmp, pingyiy.bmp, pingyi.bmp做Fourier变换。
程序如下：Line yuanX=imread('line.bmp') X=imread('yuan.bmp')F=fftshift(fft2(X)) F=fftshift(fft2(X))imshow(log(abs(F)),[]),title('line')imshow(log(abs(F)),[]),title('yuan')Twoyuan juxingX=imread('twoyuan.bmp') X=imread('juxing.bmp')F=fftshift(fft2(X)) F=fftshift(fft2(X))imshow(log(abs(F)),[]),title('twoyuan')imshow(log(abs(F)),[]),title('juxing')Xuanzhuan pingyiy[X,MAP]=imread('xuanzhuan.bmp') X=imread('pingyiy.bmp')F=fftshift(fft2(X)) F=fftshift(fft2(X))imshow(log(abs(F)),[]),title('xuanzhuan')imshow(log(abs(F)),[]),title('pingyiy')pingyiX=imread('pingyi.bmp')F=fftshift(fft2(X))imshow(log(abs(F)),[]),title('pingyi')2、对图像Lenna.bmp作二维Fourier变换。
程序如下：I=imread('lenna.bmp')F=fftshift(fft2(I))imshow(log(abs(F)),[]),title('lenna')3、分别用Fourier系数的幅度和相位进行Fourier反变换；程序如下：X=imread('pingyi.bmp')F=fftshift(fft2(X))imshow(log(abs(F)),[]),title('pingyi')I=imread('lenna.bmp')F=fftshift(fft2(I))imshow(log(abs(F)),[]),title('lenna')I=imread('lenna.bmp')fftI=fft2(I)sfftI=fftshift(fftI)RRfdp1=real(sfftI)IIfdp1=imag(sfftI)a=sqrt(RRfdp1.^2+IIfdp1.^2)a=(a-min(min(a)))/(max(max(a))-min(min(a)))*255figure(2)subplot(2,2,1)imshow(real(a)),xlabel('A-lena图的幅值谱图')b=angle(fftI)subplot(2,2,3)imshow(real(b)),xlabel('C-lena图的相位谱图')theta=pi/6RR1=a*cos(theta)II1=a*sin(theta)fftI1=RR1+1i.^II1C=ifft2(fftI1)*255subplot(2,2,2)imshow(real(C)),xlabel('B-利用幅值谱图重构lena图')MM=150RR2=MM*cos(angle(fftI))II2=MM*sin(angle(fftI))fftI2=RR2+1i.^II2D=ifft2(fftI2)subplot(2,2,4)imshow(real(D)),xlabel('D-利用相位谱图重构lena图') 实验结果如下：六、实验结果分析及问题讨论第组西华大学实验报告.西华大学实验报告（理工类）开课学院及实验室：机械工程与自动化学院机房实验时间： 2014年 5月 29日学生姓名学号312011080307 成绩学生所在学院机械工程与自动化学院年级/专业/班2011级机电课程名称数字图像处理课程代码6003619 实验项目名称图像的空域处理方法项目代码指导教师蒋代君项目学分一、实验目的二、实验原理三、实验设备、仪器及器材四、实验步骤（按照实际操作过程）imadjust函数将它的灰度值调整到[0，1]之间，并观察调整后的图象与原图象的差别，调整后的灰度直方图与原灰度直方图的区别。
3、运行matlab－help—demos—toolboxes—image processing—Noise Reduction filter, 进一步理解空域滤波的原理；4、读出lena.bmp这幅图像，给这幅图像加入椒盐噪声5、用均值滤波器去除图像中的噪声；6、用中值滤波器去除图像中的噪声；7、比较两种方法的处理结果。