图像处理 实验报告
数字图像处理实验报告——图像分割实验
实验报告课程名称数字图像处理导论专业班级_＿____＿＿_＿___＿_姓名 __＿___＿_____＿__学号___＿＿_____＿____电气与信息学院与谐勤奋求就是创新一．实验目得1.理解图像分割得基本概念;2.理解图像边缘提取得基本概念；3.掌握进行边缘提取得基本方法；4.掌握用阈值法进行图像分割得基本方法.二。
实验内容1.分别用Roｂerｔs，Ｓobel与拉普拉斯高斯算子对图像进行边缘检测。
比较三种算子处理得不同之处；2.设计一个检测图1中边缘得程序，要求结果类似图2，并附原理说明。
3.任选一种阈值法进行图像分割、图1 图２三．实验具体实现1.分别用Robｅrts,Ｓobel与拉普拉斯高斯算子对图像进行边缘检测。
比较三种算子处理得不同之处；I=ｉｍreａｄ(’ｍｒi、ｔｉｆ');imshｏw（Ｉ)BW1=edgｅ（I，’ｒoｂerｔs’）;ｆigure ，ｉｍshow（BＷ1）,titlｅ(’用Robeｒｔs算子’)ＢW2=edgｅ(Ｉ，’sｏbel’);ｆigure,imshoｗ（BW2），ｔitle（’用Sｏbｅl算子 ')BW３＝ｅdge(I，’log’);figure，iｍshｏw（BW３)，titlｅ(’用拉普拉斯高斯算子’）比较提取边缘得效果可以瞧出,sｏbｅr算子就是一种微分算子,对边缘得定位较精确,但就是会漏去一些边缘细节.而Ｌaplaｃｉan—Gaussiaｎ算子就是一种二阶边缘检测方法，它通过寻找图象灰度值中二阶过零点来检测边缘并将边缘提取出来，边缘得细节比较丰富。
通过比较可以瞧出Ｌａplaciaｎ-Gauｓsｉan算子比sobeｒ算子边缘更完整，效果更好。
2.设计一个检测图1中边缘得程序，要求结果类似图2，并附原理说明.i=ｉmread（＇m８3、ｔif’）;subplｏｔ（１，2,1）；ｉmｈｉst（i）;ｔitle（'原始图像直方图'）;thread＝1３０/２5５；subplot（1，２，2);ｉ3=ｉｍ2bｗ(i，thrｅaｄ）；imsｈow（i3)；titlｅ('分割结果’);3.任选一种阈值法进行图像分割、i=iｍread（'tｒｅes、tif’）;subploｔ（１,2,1）；imｈist（i)；ｔitle（＇原始图像直方图’)；threａd=10０/２5５；sｕｂploｔ（１，2,2）;i3=iｍ2bｗ(i,thread）;imｓhow（i３）;titlｅ('分割结果’)1、分别用Robｅrts，Sobel与拉普拉斯高斯算子对图像进行边缘检测。
图像处理实验报告
图像处理实验报告图像处理实验报告一、引言图像处理是计算机科学与工程领域的一个重要研究方向，它涉及到对数字图像进行获取、处理、分析和显示等一系列操作。
本实验旨在通过使用图像处理技术，对一幅给定的数字图像进行处理和分析，以探索图像处理的原理和应用。
二、实验目的本实验有以下几个目的：1. 理解图像处理的基本概念和原理；2. 掌握图像处理的常用技术和方法；3. 熟悉图像处理软件的使用。
三、实验步骤1. 图像获取在本实验中，我们选择了一张风景图作为实验对象。
该图像是通过数码相机拍摄得到的，保存在计算机中的文件格式为JPEG。
我们使用图像处理软件将该图像导入到程序中，以便进行后续的处理和分析。
2. 图像预处理在进行图像处理之前，我们需要对图像进行预处理。
预处理的目的是去除图像中的噪声、平滑图像的边缘等。
我们使用了均值滤波和中值滤波两种常用的图像平滑方法。
通过对比两种方法的效果，我们可以选择合适的方法来进行图像预处理。
3. 图像增强图像增强是指通过一系列的操作，使得图像在视觉上更加鲜明、清晰、易于观察。
在本实验中，我们使用了直方图均衡化和灰度拉伸两种图像增强方法。
直方图均衡化通过对图像的像素值进行变换，使得图像的直方图更加均匀，从而增强图像的对比度。
灰度拉伸则是通过对图像的像素值进行线性变换，将图像的灰度范围拉伸到更广的范围内，从而增强图像的细节。
4. 图像分割图像分割是将图像分成若干个互不重叠的区域，每个区域具有一定的意义和特征。
在本实验中，我们使用了阈值分割和边缘检测两种图像分割方法。
阈值分割是指通过设置一个合适的阈值，将图像中的像素分为两个类别。
边缘检测则是通过检测图像中的边缘信息，将图像分割为不同的区域。
5. 图像特征提取图像特征提取是指从图像中提取出具有一定意义和特征的信息。
在本实验中，我们选择了纹理特征和颜色特征两种常用的图像特征提取方法。
纹理特征提取通过对图像的纹理进行分析，提取出图像的纹理特征。
图像处理实验报告
图像处理实验报告实验⼀基于matlab 的⼈脸识别技术⼀、实验⽬的1．熟悉⼈脸识别的⼀般流程与常见识别⽅法；2．熟悉不同的特征提取⽅法在⼈脸识别的应⽤；3．了解在实际的⼈脸识别中，学习样本数等参数对识别率的影响；4．了解⾮⼈脸学习样本库的构建在⼈脸识别的重要作⽤。
使⽤MATLAB 平台编程，采⽤K-L 变换、特征提取及图像处理技术，实现⼈脸识别⼆、实验内容与实验仪器、设备1．构建⾮⼈脸学习样本库；2．观测不同的特征提取⽅法对⼈脸识别率的影响；3．观测不同的学习样本数对⼈脸识别率的影响；1． PC 机－系统最低配置 512M 内存、P4 CPU ；2． Matlab 仿真软件－ 7.0 / 7.1 / 2006a 等版本的Matlab 软件。
3． CBCL ⼈脸样本库三、实验原理1.⼈脸特征提取的算法通过判别图像中所有可能区域是否属于“⼈脸模式”的⽅法来实现⼈脸检测。
这类⽅法有：特征脸法、⼈⼯神经⽹络法、⽀持向量机法；积分图像法。
本次使⽤的是PCA(主成分分析法)其原理是：利⽤K-L 变换抽取⼈脸的主要成分，构成特征脸空间，识别时将测试图像投影到此空间，得到⼀组投影系数，通过与各个⼈脸图像⽐较进⾏识别。
对于⼀幅M*N 的⼈脸图像，将其每列相连构成⼀个⼤⼩为D=M*N 维的列向量。
D 就是⼈脸图像的维数，即是图像空间的维数。
设n 是训练样本的数⽬；X j 表⽰第j 幅⼈脸图像形成的⼈脸向量，则所需样本的协⽅差矩阵为：1()()m Ti i i S x u x u ==--∑ （1）其中U 为训练样本的平均图像向量：11mi i u x n ==∑ （2）令A=[x 1-u,x 2-u,...x n -u]，则有S r =AA T ，其维数为D ×D 。
根据K-L 变换原理，需要求得的新坐标系由矩阵AA T 的⾮零特征值所对应的特征向量组成。
直接计算的计算量⽐较⼤，所以采⽤奇异值分解(SVD)定理，通过求解A T A 的特征值和特征向量来获得AA T 的特征值和特征向量。
图像处理美工实验报告
图像处理美工实验报告1. 实验目的本次实验旨在通过图像处理技术，提升图片的美观度。
通过对图像进行调整、修复、美化等处理，使得图片在色彩、对比度、清晰度等方面表现出更好的效果。
2. 实验环境- 操作系统：Windows 10- 编程语言：Python- 开发环境：Anaconda Navigator- 相关软件：Adobe Photoshop3. 实验过程3.1 图片调整首先，我们使用Adobe Photoshop对原始图片进行调整。
通过调整图片的亮度、对比度、色调等参数，使得图片的整体效果更加明亮、鲜艳。
3.2 图像修复接着，我们使用图像处理库中的算法对图片进行修复。
通过去除噪点、消除瑕疵、修复缺失等操作，使得图片中的细节更加清晰、完整。
3.3 图像滤镜在调整和修复完成后，我们尝试使用不同的滤镜效果来美化图片。
通过施加不同的滤镜效果，例如模糊、锐化、马赛克等，我们可以给图片加入一些艺术效果，使得图片更加具有视觉冲击力。
3.4 图像细节增强为了使得图片更加饱满、立体，我们可以对图片中的细节部分进行增强处理。
通过增强细节的锐度、增加线条的清晰程度，我们可以使得图片中的物体更加鲜活、立体。
3.5 色彩调整最后，我们对图片的色彩进行调整。
通过调整图片的色相、饱和度、明度等参数，我们可以让图片的色彩更加丰富、鲜艳。
同时，我们可以对不同色彩通道进行调整，使得图片的整体色调更加协调、统一。
4. 实验结果经过一系列的图像处理操作，我们成功提升了图片的美观度。
原始图片与经过处理后的图片相比，色彩更加明亮饱满，细节更加清晰，整体效果更加出色。
同时，通过施加不同的滤镜效果和调整色彩，我们还加入了一些艺术效果，提升了图片的视觉冲击力。
5. 总结通过本次实验，我们了解了图像处理技术在美工方面的应用。
图像处理可以对图片进行调整、修复、美化等操作，提升其美观度和质量。
合理使用图像处理技术，可以使得图片更加生动、吸引人，为设计和美工工作提供了有力的支持。
数字图像处理实验一图像的基本操作和基本统计指标计算实验报告.doc
实验一图像的基本操作和基本统计指标计算一、实验目的熟悉MATLAB图像处理工具箱，在掌握MATLAB基本操作的基础上，本课程主要依靠图像处理工具箱验证和设计图像处理算法。
对于初学者来说，勤学多练、熟悉MATLAB图像处理工具箱也是学号本课程的必经之路。
了解计算图像的统计指标的方法及其在图像处理中的意义。
了解图像的几何操作，如改变图像大小、剪切、旋转等。
二、实验主要仪器设备（1）台式计算机或笔记本电脑（2）MATLAB（安装了图像处理工具箱，即Image Processing Toolbox(IPT）)（3）典型的灰度、彩色图像文件三、实验原理（1）将一幅图像视为一个二维矩阵。
（2）利用MATLAB图像处理工具箱读、写和显示图像文件。
①调用imread函数将图像文件读入图像数组（矩阵）。
例如“I=imread(‘tire.tif’);”。
其基本格式为：“A=imread(‘filename.fmt’)”，其中，A为二维矩阵，filename.为文件名，fmt 为图像文件格式的扩展名。
②调用imwrite函数将图像矩阵写入图像文件。
例如“imwrite(A,’test_image.jpg’);”。
其基本格式为“imwrite(a,filename.fmt)”。
③调用imshow函数显示图像。
例如“imshow(‘tire.tif’);”。
其基本格式为：I为图像矩阵，N为显示的灰度级数，默认时为256。
（3）计算图像有关的统计参数。
四、实验内容（1）利用MATLAB图像处理工具箱和Photoshop读、写和显示图像文件。
（2）利用MATLAB计算图像有关的统计参数。
五、实验步骤（1）利用“读图像文件I/O”函数读入图像Italy.jpg。
（2）利用“读图像文件I/O”的iminfo函数了解图像文件的基本信息：主要包括Filename(文件名)、FileModDate(文件修改时间)、Filesize(文件尺寸)、Format(文件格式)、FormatVersion （格式版本）、Width（图像宽度）、Height（图像高度）、BitDepth（每个像素的位深度）、ColorType （彩色类型）、CodingMethod（编码方法）等。
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,明确直方图的作用与意义;4、观察图像点运算与几何变换的结果,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、点运算与几何变换的基本原理及编程实现步骤图像灰度直方图就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。
图像点运算就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。
点运算可以瞧作就是“从象素到象素”的复制操作,而这种复制操作就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与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、灰度拉伸与均衡等。
图像几何变换就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、图像缩放与图像旋转等,其理论基础主要就是一些矩阵运算,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、点运算与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与频域法,点运算与几何变换属于空域法。
图像处理实验报告
大学新闻与传播学院实验教学中心实验报告实验名称图像处理指导教师洪杰文华滢年级08 学号23 成绩一、预习部分1、实验目的2、实验基本原理3、主要仪器设备（含必要的元器件、工具）1、实验目的：（1）熟悉和掌握数字图像的基本概念和技术指标，掌握色彩模式、图像分辨率、图像深度、图像文件格式与图像的显示效果、文件容量的关系。
（2）了解和掌握数字图像压缩的概念，观察不同的压缩比对图像的影响。
（3）了解和掌握图像中色彩的确定及选取方法，掌握前景色和背景色的概念及调整方法，掌握色彩填充的基本概念及应用。
（4）了解和掌握图像处理软件Photoshop的基本功能和基本使用方法，熟练掌握图层与选择区的基本使用方法。
（5）通过创造性的构图和对布局及色彩等的巧妙处理，一幅好的图画可以将一个主题以含蓄而又深刻的方式予以提示，并往往具有比单纯的语言文字更强的表现力。
在掌握图像处理基本概念和Photoshop基本使用方法的基础上，对已有的数字图像做一些基本的创意设计和编辑处理。
2、实验基本原理：基于photoshop软件的图像处理。
3、主要仪器设备（含必要的元器件、工具）：Adobe Photoshop二、实验操作部分1、实验操作过程2、实验数据、观察到的实验现象1、实验操作过程：1.图像的基本变换（1）自选一幅不小于400×400pixel的彩色数字图像。
在Photoshop中打开该图像，记录其技术参数：文件格式、文件容量，图像尺寸（pixel和cm）、分辨率、色彩模式等。
文件格式：JPEG 图像；文件容量：59.7kb；图像尺寸（pixel和cm）：600×600pixel；分辨率：72像素/英寸；色彩模式：RGB模式。
（2）对该图像重采样，要求采样后的图像分辨率为150dpi，图像尺寸为300×300pixel。
色彩模式分别变换成灰度、Indexed和RGB模式，按BMP格式分别保存成不同名称的图像文件；重新打开并观察变换后的显示效果，并记录各个文件的容量。
1光电图像处理实验（图像基本操作）
1光电图像处理实验（图像基本操作）光电图像处理实验报告学⽣姓名：班级：学号：指导教师：实验⽇期：⼀、实验名称：图像基本操作⼆、实验⽬的：1．掌握MATLAB的操作窗⼝功能；2．熟练掌握MATLAB的图像处理基本操作，熟练掌握数字图像读取、显⽰、保存；3．熟练掌握MATLAB各种图像格式⽂件的互相转换。
三、实验原理：MATLAB是由美国mathworks公司发布的主要⾯对科学计算、可视化以及交互式程序设计的⾼科技计算环境。
它将数值分析、矩阵计算、科学数据可视化以及⾮线性动态系统的建模和仿真等诸多强⼤功能集成在⼀个易于使⽤的视窗环境中，为科学研究、⼯程设计以及必须进⾏有效数值计算的众多科学领域提供了⼀种全⾯的解决⽅案，并在很⼤程度上摆脱了传统⾮交互式程序设计语⾔（如C、Fortran）的编辑模式，代表了当今国际科学计算软件的先进⽔平。
MATLAB和Mathematica、Maple并称为三⼤数学软件。
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、连接其他编程语⾔的程序等，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。
MATLAB⼯作环境：桌⾯包括4个⼦窗⼝：命令窗⼝、⼯作空间窗⼝、当前路径窗⼝、历史命令窗⼝。
命令窗⼝是⽤户在提⽰符(>>)处键⼊MATLAB命令和表达式的地⽅，也是显⽰那些命令输出的地⽅。
⼯作空间窗⼝显⽰当前的变量名称和值。
双击可以启动数组编辑器。
当前路径窗⼝显⽰当前的⼯作⽬录。
⼯作⽬录的内容显⽰在当前⽬录窗⼝内。
可通过Set Path改变。
历史命令窗⼝包含⽤户已在命令窗⼝中输⼊的命令的记录。
如果要重新执⾏以前的MATLAB命令，可在历史命令窗⼝中双击该命令即可。
使⽤MATLAB编辑器创建M⽂件：MATLAB编辑器既是⽤于创建M⽂件的⽂本编辑器，也是调试器。
- 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)。
摘要：图像处理，用计算机对图像进行分析，以达到所需结果的技术。
又称影像处理。
基本内容图像处理一般指数字图像处理。
数字图像是指用数字摄像机、扫描仪等设备经过采样和数字化得到的一个大的二维数组，该数组的元素称为像素，其值为一整数，称为灰度值。
图像处理技术的主要内容包括图像压缩，增强和复原，匹配、描述和识别3个部分。
图像处理一般指数字图像处理。
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。
设计要求可视化界面，采用多幅不同形式图像验证系统的正确性；合理选择不同形式图像，反应各功能模块的效果及验证系统的正确性对图像进行灰度级映射，对比分析变换前后的直方图变化；1.课题目的与要求目的：基本功能：彩色图像转灰度图像图像的几何空间变换：平移，旋转，剪切，缩放图像的算术处理：加、减、乘图像的灰度拉伸方法（包含参数设置）；直方图的统计和绘制；直方图均衡化和规定化；要求：1、熟悉图像点运算、代数运算、几何运算的基本定义和常见方法；2、掌握在MTLAB中对图像进行点运算、代数运算、几何运算的方法3、掌握在MATLAB中进行插值的方法4、运用MATLAB语言进行图像的插值缩放和插值旋转等5、学会运用图像的灰度拉伸方法6、学会运用图像的直方图设计和绘制；以及均衡化和规定化7、进一步熟悉了解MATLAB语言的应用，将数字图像处理更好的应用于实际2.课题设计内容描述1>彩色图像转化灰度图像：大部分图像都是RGB格式。
RGB是指红，绿，蓝三色。
通常是每一色都是256个级。
相当于过去摄影里提到了8级灰阶。
真彩色图像通常是就是指RGB。
通常是三个8位，合起来是24位。
不过每一个颜色并不一定是8位。
比如有些显卡可以显示16位，或者是32位。
所以就有16位真彩和32位真彩。
在一些特殊环境下需要将真彩色转换成灰度图像。
1单独处理每一个颜色分量。
2.处理图像的“灰度“，有时候又称为“高度”。
边缘加强，平滑，去噪，加锐度等。
3.当用黑白打印机打印照片时，通常也需要将彩色转成灰白，处理后再打印4.摄影里，通过黑白照片体现“型体”与“线条”，“光线”。
2>图像的几何空间变化：图像平移是将图像进行上下左右的等比例变化，不改变图像的特征，只改变位置。
图像比例缩放是指将给定的图像在x轴方向按比例缩放fx倍，在y轴按比例缩放fy倍，从而获得一幅新的图像。
如果fx=fy，即在x轴方向和y轴方向缩放的比率相同，称这样的比例缩放为图像的全比例缩放。
如果fx≠fy，图像的比例缩放会改变原始图象的像素间的相对位置，产生几何畸变。
旋转。
一般图像的旋转是以图像的中心为原点，旋转一定的角度，也就是将图像上的所有像素都旋转一个相同的角度。
旋转后图像的的大小一般会改变，即可以把转出显示区域的图像截去，或者扩大图像范围来显示所有的图像。
图像的旋转变换也可以用矩阵变换来表示。
3>图像的算术处理：图像代数运算是指对两幅或两幅以上输入图像对应的像素逐个进行和差积商运算以产生增强效果的图像。
图像运算是一种比较简单有效的增强处理手段是图像处理中常用方法。
三种图像处理代数运算的数学表达式如下：C(x,y)=A(x,y)+B(x,y)C(x,y)=A(x,y)-B(x,y)C(x,y)=A(x,y)*B(x,y)4>图像的灰度拉伸方法：灰度拉伸又叫对比度拉伸，它是最基本的一种灰度变换，使用的是最简单的分段线性变换函数，它的主要思想是提高图像处理时灰度级的动态范围。
可以有选择的拉伸某段灰度区间以改善输出图像。
如图，所示的变换函数的运算结果是将原图在a到b之间的灰度拉伸到c到d之间。
如果一幅图像的灰度集中在较暗的区域而导致图像偏暗，可以用灰度拉伸功能来拉伸(斜率>1)物体灰度区间以改善图像；同样如果图像灰度集中在较亮的区域而导致图像偏亮，也可以用灰度拉伸功能来压缩(斜率<1)物体灰度区间以改善图像质量。
5>直方图设计和绘制；以及均衡化和规定化：灰度直方图是将数字图像的所有像素，按照灰度值的大小，统计其所出现的频度。
通常，灰度直方图的横坐标表示灰度值，纵坐标为半个像素个数，也可以采用某一灰度值的像素数占全图像素数的百分比作为纵坐标。
直方图均衡方法的基本原理是：对在图像中像素个数多的灰度值（即对画面起主要作用的灰度值）进行展宽，而对像素个数少的灰度值（即对画面不起主要作用的灰度值）进行归并。
从而达到清晰图像的目的。
3.总体方案设计1>GUI图像处理平台的总体设计图像处理平台设计的目的是能够将图像处理的各个独立算法集成到一个平台内，方便用户选用多种方法对图像进行处理.平台基于ＭatlabGUI设计，实现图像处理过程的交互和可视化，并为用户二次开发提供平台接口，提高图像处理算法的综合利用效率2>平台总体功能设计根据一体化的设计思想，平台主要实现算法集成、交互可视化和提供二次开发接口等功能.其中算法集成分为已有算法集成和新算法集成.具体功能描述如下：（1）已有算法集成是对Ｍatlab图像处理工具包中提供的算法进行集成，可以通过使用函数名加参数的方式直接调用.依据功能进行分类，将同类算法集成到同一菜单项内，如将傅里叶变换、小波变换、离散变换等算法归类到图像变换中，进行集成.（2）新算法集成是指对自主开发的算法进行集成，如改进水平集算法[12]、交互式图割算法[13]、细胞自动机分割算法[14]等均为自主开发的图像分割算法，同已有算法集成方式类似，集成到平台中，便于综合运用和算法分析与对比.（3）交互式可视化是指对图像处理过程及结果的可视化显示，并提供用户交互区.（4）二次开发接口是指通过调用集成模板方式，为用户提供一个将自己算法集成到平台中的一个接口3>总体布局设计一个高性能的图像处理平台应该为用户提供方便快捷的操作.平台设计中通过菜单和按钮实现快捷操作，其中菜单项提供平台的整体功能，快捷按钮显示具体的独立功能.图像处理平台的布局设计如图1所示.利用ＭatlabGUI提供的工具包和底层代码，可以实现菜单功能区、快捷按钮功能区、DEMO显示区、可视化效果显示区和用户交互区的布局设计4.程序实现和测试4.1各个功能模块的主要实现程序基本功能：彩色图像转灰度图像I=imread('C:\MATLAB7\toolbox\images\imdemos\peppers.png','png');x=rgb2gray(I);figure(1);subplot(121);imshow(I);title('原始图像');subplot(122);imshow(x);title('灰度图像');实验结果：图像的几何空间变换：平移，旋转，剪切，缩放img1=imread('C:\MATLAB7\toolbox\images\imdemos\guidemo123\jujiao3.jpg','jpg'); img1=rgb2gray(img1);figure,imshow(img1);imwrite(img1,'a1.jpg');%%%%%%平移se=translate(strel(1),[20 20]);img2=imdilate(img1,se);figure,imshow(img2);imwrite(img2,'a2.jpg');%%%%%%旋转img3=imrotate(img1,90);figure,imshow(img3); imwrite(img3,'a3.jpg'); % %%%%%缩放img4=imresize(img1,2); figure,imshow(img4); imwrite(img4,'a4.jpg');原始图像：平移图像：旋转图像：缩放图像：图像的算术处理：加、减、乘加法A=imread('C:\MATLAB7\toolbox\images\imdemos\guidemo123\jujiao3.jpg','jpg'); B=imread('C:\MATLAB7\toolbox\images\imdemos\guidemo123\jujiao1.jpg','jpg'); subplot(1,3,1);imshow(A);title('图像1');subplot(1,3,2);imshow(B);title('图像2');C=imadd(A,B);subplot(1,3,3);imshow(C);title('相加后的图像')减法A=imread('C:\MATLAB7\toolbox\images\imdemos\guidemo123\jujiao3.jpg','jpg'); B=imread('C:\MATLAB7\toolbox\images\imdemos\guidemo123\jujiao1.jpg','jpg'); subplot(2,3,1);imshow(A);title('图像1');subplot(2,3,2);imshow(B);title('图像2');C=imsubtract(A,B);subplot(2,3,3);imshow(C);title('相减后的图像')乘法A=imread('C:\MATLAB7\toolbox\images\imdemos\guidemo123\jujiao3.jpg','jpg');B=imread('C:\MATLAB7\toolbox\images\imdemos\guidemo123\jujiao1.jpg','jpg'); subplot(1,3,1);imshow(A);title('图像1');subplot(1,3,2);imshow(B);title('图像2');C=immultiply(A,B);subplot(1,3,3);imshow(C);title('相乘后的图像')图像的灰度拉伸方法（包含参数设置）；img=imread('C:\MATLAB7\toolbox\images\imdemos\guidemo123\jujiao3.jpg','jpg');figure(1);imshow(img);title('原图');[m,n]=size(img); %测量图像尺寸参数GreyHist=zeros(1,256); %预创建存放灰度出现概率的向量for k=0:255GreyHist(k+1)=length(find(img==k))/(m*n); %计算每级灰度出现的概率，将其存入GreyHist中相应位置endfigure(2);bar(0:255,GreyHist) %绘制直方图title('原直方图')xlabel('灰度值')ylabel('出现概率')%灰度拉伸imggrey=img;prompt={'请输入系数a','请输入系数b'};words='请输入线性拉伸函数:';answer = inputdlg(prompt,words,1,{'0.5','2'});a=str2double(answer(1));b=str2double(answer(2));for i=1:mfor j=1:nimg(i,j)=a*img(i,j)+b;endendfigure(3);imshow(img);title('灰度拉伸');GreyHist=zeros(1,256); %预创建存放灰度出现概率的向量for k=0:255直方图的统计和绘制；直方图均衡化和规定化；%一，图像的预处理，读入彩色图像将其灰度化img=imread('C:\MATLAB7\toolbox\images\imdemos\guidemo123\jujiao3.jpg','jpg'); %读入JPG彩色图像文件imshow(img) %显示出来title('输入的彩色JPG图像')imwrite(rgb2gray(img),'PicSampleGray.jpg'); %将彩色图片灰度化并保存img=rgb2gray(img); %灰度化后的数据存入数组%二，绘制直方图[m,n]=size(img); %测量图像尺寸参数GP=zeros(1,256); %预创建存放灰度出现概率的向量for k=0:255GP(k+1)=length(find(img==k))/(m*n); %计算每级灰度出现的概率，将其存入GP中相应位置endfigure,bar(0:255,GP,'g') %绘制直方图title('原图像直方图')xlabel('灰度值')ylabel('出现概率')%三，直方图均衡化S1=zeros(1,256);for i=1:256for j=1:iS1(i)=GP(j)+S1(i); %计算SkendendS2=round((S1*256)+0.5); %将Sk归到相近级的灰度for i=1:256GPeq(i)=sum(GP(find(S2==i))); %计算现有每个灰度级出现的概率endfigure,bar(0:255,GPeq,'b') %显示均衡化后的直方图title('均衡化后的直方图')xlabel('灰度值')ylabel('出现概率')%四，图像均衡化PA=img;for i=0:255PA(find(img==i))=S2(i+1); %将各个像素归一化后的灰度值赋给这个像素endfigure,imshow(PA) %显示均衡化后的图像 title('均衡化后图像')imwrite(PA,'PicEqual.jpg');4.3. 问题说明和总结：对在调试中发现的问题和解决方法做说明。