光学图像处理实验及指导
光学图像分析与处理技术的研究与应用
光学图像分析与处理技术的研究与应用随着计算机技术和数字图像处理技术的发展，光学图像分析与处理技术已经成为了一个不可或缺的技术领域，它可以帮助我们获得更多的信息，从而更加深入地了解物体的结构与特性。
在各个领域中，光学图像分析与处理技术都具有着广泛的应用价值，下面我们就来详细地了解一下这个领域的研究进展和应用。
一、光学图像分析的原理和方法光学图像分析是指基于光学原理和数字图像处理技术对图像进行分析和处理的过程。
光学图像分析的过程包括图像采集、图像预处理、图像分割、图像特征提取、目标识别等关键步骤。
这一过程需要科学的算法和良好的计算效率来保证分析的准确性和鲁棒性。
目前，常用的光学图像分析方法有：阈值分割、边缘检测、区域生长、特征提取、形态学处理等。
这些方法都有其特点，如阈值分割适用于二值图像的处理，边缘检测可以提取目标的轮廓信息，区域生长能够进行区域的自动分割等。
同时，光学图像分析还涉及到了光学成像原理，如：像差校正、彩色滤波、空间滤波等技术，这些技术都能够对光学图像的质量进行优化，从而使得图像处理更加准确和可靠。
二、光学图像分析的应用领域1. 医学影像分析光学图像分析技术在医学影像分析领域应用广泛。
例如在CT、MRI、X光等医学影像处理过程中，就需要使用到图像分析技术来完成各种医学图形的诊断和分析。
此外，在眼科领域中，光学相干层析成像技术已经成为了一种常用的治疗手段，通过对眼球内部的图像进行分析和处理可以对眼病进行检测和诊断，从而为医学治疗提供准确的数据支持。
2. 工业质量检测光学图像分析技术在工业领域也有很大的应用价值。
例如，光学图像分析技术可以对工业零件的表面微观形貌进行分析和处理，从而对零件的缺陷和损坏进行检测，而这对于生产过程的质量控制和管理至关重要。
3. 无人驾驶汽车光学图像分析技术在无人驾驶汽车领域也有着广泛的应用。
光学图像分析技术可以对道路上各种各样的情况进行分析和处理，比如行人、车辆、标志等，从而使得自动驾驶系统更加安全和可靠。
光学信息处理实验报告
一、实验目的1. 了解光学信息处理的基本原理和常用方法。
2. 掌握光学傅里叶变换和空间滤波技术。
3. 熟悉MATLAB软件在光学信息处理中的应用。
二、实验原理光学信息处理是利用光学原理对图像进行处理的一种技术，具有处理速度快、并行性好等优点。
傅里叶变换是光学信息处理的核心，可以将空间域的图像转换为频域图像，便于进行滤波、增强等操作。
空间滤波是一种常用的图像处理方法，通过对图像的频域进行滤波，可以去除噪声、边缘提取等。
三、实验内容1. 光学傅里叶变换（1）实验步骤：1）利用MATLAB软件生成一幅随机噪声图像。
2）对图像进行傅里叶变换，得到频域图像。
3）观察频域图像，分析图像的频率成分。
4）对频域图像进行滤波处理，如低通滤波、高通滤波等。
5）对滤波后的频域图像进行逆傅里叶变换，得到处理后的图像。
（2）实验结果：1）原始噪声图像2）频域图像3）滤波后的频域图像4）逆傅里叶变换后的图像2. 空间滤波（1）实验步骤：1）利用MATLAB软件生成一幅含噪声的图像。
2）对图像进行傅里叶变换，得到频域图像。
3）在频域图像上设置一个矩形滤波器，对图像进行滤波处理。
4）对滤波后的频域图像进行逆傅里叶变换，得到处理后的图像。
（2）实验结果：1）原始含噪声图像2）频域图像3）滤波后的频域图像4）逆傅里叶变换后的图像四、实验结果分析1. 光学傅里叶变换通过实验，我们可以看到，傅里叶变换可以将空间域的图像转换为频域图像，便于进行滤波、增强等操作。
在频域图像上，我们可以清晰地观察到图像的频率成分，有助于我们更好地理解图像。
2. 空间滤波空间滤波是一种常用的图像处理方法，通过对图像的频域进行滤波，可以去除噪声、边缘提取等。
实验结果表明，空间滤波可以有效地去除图像噪声，提高图像质量。
五、实验结论1. 光学信息处理技术具有处理速度快、并行性好等优点，在图像处理领域具有广泛的应用前景。
2. 傅里叶变换是光学信息处理的核心，可以将空间域的图像转换为频域图像，便于进行滤波、增强等操作。
实验1-2+图像的加减和微分
光信息专业实验参考材料（试用）实验1－2 光学图像的加减和微分（演示型实验）一、引言：1、光学图像的相减两张相近图像的差异可以通过光学图像的相减运算来获取，在医学上可用来发现病灶的发展变化，军事上可发现敌方军事设施的变动，农业上可预测农作物的长势，工业上可用于检测工件加工质量，对地形地貌图片的相减运算可以考察草场退化情况、监视森林火情，还可用于地球资源探测、气象预测预报，以及城市发展研究等等。
光学图像相减是相干光学处理中一种最基本的运算，实现图像相减的方法很多，本实验是利用一维余弦光栅作为空间滤波器，在频域中对图像的频谱进行调制来实现图像相减运算的。
2、光学图像的微分光学图像的微分也是相干光学处理中一种最基本的运算，它利用复合光栅在频域中对图像的频谱进行调制，以实现图像边缘的增强，有着实际应用价值。
例如卫片的轮廓化、隐型军事目标的轮廓化，以及透明光学元件的检测，对位相物的识别等等。
希望通过本项实验的训练，可以深入了解和掌握图像处理的研究方法，建立光学信息处理系统的基本概念，掌握光学傅立叶变换及其逆变换原理，了解4f系统的结构、功能和调节方法，认识如何在频域进行调制，了解光栅密度对实验结果有何影响，使学到的理论知识更加巩固，继而对该学科的研究思路和研究方法有更深入的了解。
二、实验仪器实验室提供：半导体激光器（635nm/3mW），傅里叶透镜2套，准直透镜1套，扩束镜1套，一维余弦光栅1枚, 一维复合光栅1枚，输入图像，毛玻璃屏，白屏，光具座导轨（1000mm），滑块，干板架，一维调节架，二维调节架。
三、实验原理（参考教材《傅里叶光学》相关章节）四、光学系统－4 f 系统图1是用于进行图像加减和微分运算的光学系统，其中L 1为准直透镜，L 2、L 3为傅里叶变换透镜，（x 1，y 1）、（x 2，y 2）、（x 3，y 3）分别为输入平面、滤波平面和输出平面。
输入图像置于（x 1，y 1）平面，中心位于原点上，滤波的光栅，置于（x 2，y 2）平面上。
光学图像处理课程设计
光学图像处理课程设计一、课程目标知识目标：1. 学生能理解光学图像处理的基本原理，掌握图像的获取、处理和显示等关键环节。
2. 学生能掌握图像处理中常用的算法，如滤波、边缘检测、图像增强等，并理解其数学背景。
3. 学生能运用所学知识分析并解决实际光学图像处理中的问题。
技能目标：1. 学生能够运用图像处理软件（如MATLAB、OpenCV等）进行光学图像的采集、处理和分析。
2. 学生能够独立设计简单的光学图像处理实验，进行数据采集、处理和结果分析。
3. 学生能够通过小组合作，完成一个综合性的光学图像处理项目，提升实践操作和团队协作能力。
情感态度价值观目标：1. 学生通过学习光学图像处理，培养对科学研究的兴趣，增强探索精神和创新意识。
2. 学生在学习过程中，能够体会到团队协作的重要性，培养合作精神和沟通能力。
3. 学生能够认识到光学图像处理在科技发展和国民经济建设中的重要作用，增强社会责任感和使命感。
本课程针对高年级本科生，结合学生已具备的数学、物理和计算机知识，注重理论与实践相结合，提高学生的实际操作能力和解决问题的能力。
通过本课程的学习，使学生能够掌握光学图像处理的基本原理和技能，为未来从事相关领域的研究和工作打下坚实基础。
二、教学内容本课程教学内容分为五个部分，确保学生全面系统地掌握光学图像处理的知识与技能。
1. 光学图像处理基础：- 图像的基本概念、图像类型及存储方式- 光学成像系统原理与图像退化模型- 图像处理数学基础（线性代数、概率论与数理统计）2. 图像增强与滤波：- 常用图像增强方法（灰度变换、直方图均衡化等）- 图像滤波原理及常用滤波器（线性滤波、非线性滤波）3. 图像分割与边缘检测：- 图像分割方法（阈值分割、区域生长等）- 边缘检测算法（Sobel、Canny算子等）4. 图像特征提取与表示：- 基本特征提取（颜色、纹理、形状等）- 特征表示与匹配方法5. 综合应用与项目实践：- 结合实际案例，运用所学知识进行图像处理与分析- 设计综合性的图像处理项目，锻炼实践操作能力教学内容依据教材章节进行组织，结合课程目标，注重理论与实践相结合。
光学图像处理技术的研究与应用
光学图像处理技术的研究与应用随着科技的不断发展，人们越来越关注光学图像处理技术的研究及其应用。
光学图像处理技术已经被广泛应用于生物医学、机器视觉、智能交通、虚拟现实等领域，并在这些领域中发挥出了重要的作用。
生物医学领域光学图像处理技术在生物医学中的应用越来越普及。
在医学影像诊断方面，光学图像处理可以帮助医务人员更清晰地看到医学影像数据。
例如，在糖尿病眼病筛查中，光学图像处理可以帮助医生快速找出病变部位，减轻患者痛苦、提高疗效。
此外，在生物医学研究中，光学图像处理也可以让研究者更准确地分析实验图像数据，从而得出更细致、更精确的研究结论。
机器视觉领域光学图像处理技术在机器视觉中起到了至关重要的作用。
例如，在人脸识别领域，光学图像处理技术可以对人脸图像进行处理，得到人脸的特征，并用于人脸识别。
另外，在工业生产中，机器视觉技术可以实现自动化生产，并提高产品质量和生产效率。
而光学图像处理技术则可以对生产物料和工业产品的质量进行检测和控制，帮助企业实现自动化生产。
智能交通领域光学图像处理技术在智能交通领域中的应用也越来越广泛。
例如，智能交通信号灯识别系统可以通过光学图像处理技术识别红、黄、绿三种交通信号灯的颜色，并根据识别结果自动控制交通信号灯的转换。
此外，光学图像处理技术也可以帮助交通管理部门更精确地分析行车视频图像，并自动识别交通违法行为，提高交通安全。
虚拟现实领域光学图像处理技术在虚拟现实中的应用也越来越广泛。
虚拟现实技术通过计算机图形处理、传感器技术、人机交互等方式，可以为用户提供模拟的三维虚拟世界，使用户在虚拟场景中感受到真实的存在感。
而光学图像处理技术则可以对虚拟场景进行优化处理，帮助用户更快、更准地感知虚拟世界。
结语总之，光学图像处理技术在现代科技中是不可或缺的。
随着技术的不断发展，光学图像处理技术将在越来越多的领域中得到应用，并为人们生活、工作带来越来越多的便利和效益。
物理实验技术中的光学图像捕捉与处理方法
物理实验技术中的光学图像捕捉与处理方法光学图像捕捉与处理是物理实验技术中至关重要的一个环节，它可以帮助实验者更好地观察和分析物理现象。
在实验室中，光学图像的捕捉和处理主要通过使用光学仪器和图像处理软件来实现。
本文将介绍一些常见的光学图像捕捉与处理方法，并探讨它们在物理实验中的应用。
一、光学图像捕捉方法现代实验室中常用的光学图像捕捉方法有两种：摄影和数码图像捕捉。
摄影是一种传统的图像捕捉方法，它通过摄影机将物体投影在感光材料上，形成可见图像。
然而，摄影需要借助于化学处理才能得到最终的图像，并且在摄影过程中可能会带来误差。
因此，数码图像捕捉逐渐成为物理实验中更常用的方法。
数码图像捕捉利用光敏传感器将光信号转化为电信号，然后通过模数转换将其转化为数字信号，最终形成数字图像。
常见的数码图像捕捉设备有数码相机和高速摄像机。
数码相机具有较高分辨率和灵敏度，适用于一般的物理实验；而高速摄像机具有较高的帧率和快速曝光时间，适用于观察快速变化的物理现象，如高速碰撞实验。
二、光学图像处理方法光学图像处理可以通过计算机软件实现。
常见的图像处理软件有Adobe Photoshop、ImageJ等。
利用这些软件，实验者可以对光学图像进行增强、滤波、分析等操作。
1. 图像增强：在实验中，一些物理现象可能产生较暗的图像，而图像增强可以帮助实验者凸显出这些细节。
图像增强操作包括亮度增强、对比度增强、锐化等。
通过增强图像的亮度、对比度，实验者可以更清晰地观察物理现象。
2. 图像滤波：在实验中，光学图像可能会因噪声、模糊等原因导致图像质量下降。
图像滤波可以去除这些干扰，提高图像质量。
图像滤波包括均值滤波、高斯滤波、中值滤波等。
通过选择适当的滤波方法，可以去除图像中的噪声，使实验结果更加准确可靠。
3. 图像分析：在物理实验中，实验者常常需要对光学图像进行进一步的分析。
图像分析可以用于测量图像中的长度、角度、面积等物理量，或者进行图像的模式识别。
光学遥感算法实验报告
一、实验目的本次实验旨在通过光学遥感图像处理，掌握光学遥感图像的基本处理方法，包括图像预处理、图像增强、图像分割等，并熟悉常用的光学遥感图像处理算法，提高对光学遥感图像的分析和处理能力。
二、实验内容1. 实验环境（1）软件：ENVI 5.3（2）硬件：计算机2. 实验步骤（1）数据准备首先，准备一幅光学遥感图像，本实验选用的是一幅Landsat 8卫星影像。
（2）图像预处理对图像进行预处理，包括辐射校正、几何校正等。
（3）图像增强对图像进行增强，提高图像的视觉效果，便于后续处理。
本实验采用直方图均衡化、对比度拉伸等方法。
（4）图像分割对图像进行分割，提取目标区域。
本实验采用阈值分割、区域生长等方法。
（5）结果分析对分割结果进行分析，评估算法性能。
三、实验结果与分析1. 图像预处理经过辐射校正和几何校正后，图像质量得到提高，细节更加清晰。
2. 图像增强通过直方图均衡化和对比度拉伸，图像视觉效果得到明显改善。
3. 图像分割（1）阈值分割采用Otsu方法进行阈值分割，得到初步的目标区域。
但该方法存在一定局限性，如噪声干扰、目标区域内部亮度不均匀等。
（2）区域生长采用区域生长方法对图像进行分割，得到较为准确的目标区域。
区域生长方法具有以下优点：- 可以较好地处理噪声干扰；- 可以处理目标区域内部亮度不均匀的问题；- 可以根据需要设置生长参数，提高分割精度。
4. 结果分析通过对比阈值分割和区域生长两种方法，发现区域生长方法在处理光学遥感图像时具有更好的性能。
区域生长方法可以较好地处理噪声干扰和目标区域内部亮度不均匀等问题，提高分割精度。
四、实验结论1. 光学遥感图像预处理、增强和分割是光学遥感图像处理的重要环节。
2. 直方图均衡化、对比度拉伸等方法可以有效提高图像视觉效果。
3. 区域生长方法在处理光学遥感图像时具有较好的性能，可以提高分割精度。
4. 通过本次实验，掌握了光学遥感图像处理的基本方法，提高了对光学遥感图像的分析和处理能力。
光学成像实验技术的图像处理与图像恢复方法
光学成像实验技术的图像处理与图像恢复方法在现代科学技术发展中，光学成像实验技术扮演着重要的角色。
它可以帮助我们研究微观领域中的物质结构和相互作用，甚至拓展到宇宙的观测和生物医学等领域。
然而，由于各种影响因素的存在，光学成像实验中获得的图像往往不够清晰，需要进行进一步的图像处理与图像恢复。
光学成像实验中的图像处理可以视为一个信号处理的过程，目的是增强图像质量，提取有用信息，并消除噪声和畸变。
常用的图像处理方法包括图像滤波、增强、恢复和分割等。
图像滤波是一种消除图像噪声的常用方法。
在光学成像实验中，由于光线散射和系统误差等原因，图像中会出现的噪声。
为了减少这种噪声对图像质量的影响，可以通过卷积运算的方式对图像进行滤波。
其中，常用的滤波方法包括均值滤波、中值滤波和最小二乘法滤波等。
这些方法可以有效地去除不同类型的噪声，使得图像更加清晰。
图像增强是提高图像质量的重要手段。
通过对图像进行亮度调整、对比度增强、直方图均衡等操作，可以使得图像更加鲜明、细节更加清晰。
此外，还可以利用图像增强算法改善图像的分辨率，使得图像中的目标物体更加清晰可见。
当图像由于乘以一个光栅等形成畸变时，图像恢复便尤为重要。
图片恢复算法可以通过建立模型和优化算法等方法，对图像进行去畸变处理。
常用的图像恢复方法包括退卷积、去模糊和超分辨等。
这些方法可以显著提高图像质量，使得光学成像实验获得的图像更加真实可靠。
图像分割是将图像划分为若干个区域的过程，其主要目的是提取感兴趣的目标区域。
在光学成像实验中，图像分割可以帮助我们定位感兴趣的物体、提取关键信息和进行目标跟踪等。
常用的图像分割方法包括基于阈值分割、基于边缘检测和基于区域生长等。
这些方法可以根据图像的特征和目标进行自适应的分割，提高图像处理的效果。
总之，光学成像实验技术的图像处理与图像恢复方法对于提高图像质量、提取有用信息和减少噪声等方面具有重要意义。
通过图像滤波、增强、恢复和分割等方法的综合应用，可以使光学成像实验得到更加准确和可靠的结果。
- 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)。
光学图像处理实验指导书目录实验一MATLAB数字图像处理初步 (1)实验二图像的代数运算 (7)实验三图像增强—灰度变换 (15)实验四图像增强—直方图变换 (17)实验五图像增强—空域滤波 (20)实验六图像的傅立叶变换 (23)实验七图像增强—频域滤波 (26)实验八彩色图像处理 (29)实验九图像分割 (33)实验十形态学运算 (36)附录：MATLAB简介 (39)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。
规定双精度型归一化亮度图像的取值范围是[0，1](2) 二值图像一幅二值图像是一个取值只有0和1的逻辑数组。
而一幅取值只包含0和1的uint8类数组，在MATLAB中并不认为是二值图像。
使用logical函数可以把数值数组转化为二值数组或逻辑数组。
创建一个逻辑图像，其语法为：B=logical(A)其中，B是由0和1构成的数值数组。
要测试一个数组是否为逻辑数组，可以使用函数:islogical(c)若C是逻辑数组，则该函数返回1；否则，返回0。
(3) 索引图像索引颜色通常也称为映射颜色，在这种模式下，颜色都是预先定义的，并且可供选用的一组颜色也很有限，索引颜色的图像最多只能显示256种颜色。
一幅索引颜色图像在图像文件里定义，当打开该文件时，构成该图像具体颜色的索引值就被读入程序里，然后根据索引值找到最终的颜色。
(4) RGB图像一幅RGB图像就是彩色像素的一个M×N×3数组，其中每一个彩色相似点都是在特定空间位置的彩色图像相对应的红、绿、蓝三个分量。
按照惯例，形成一幅RGB彩色图像的三个图像常称为红、绿或蓝分量图像。
令fR，fG和fB分别代表三种RGB分量图像。
一幅RGB图像就利用cat(级联)操作将这些分量图像组合成彩色图像：rgb_image=cat(3,fR,fG,fB)在操作中，图像按顺序放置。
2、数据类和图像类型间的转化表1中列出了MATLAB和IPT为表示像素所支持的各种数据类。
表中的前8项称为数值数据类，第9项称为字符类，最后一项称为逻辑数据类。
工具箱中提供了执行必要缩放的函数(见表2)。
以在图像类和类型间进行转化。
表1-1 MATLAB和IPT支持数据类型表1-2 格式转换函数下面给出读取、压缩、显示一幅图像的程序(%后面的语句属于标记语句，编程时可不用输入)I=imread(‘原图像名.tif’); % 读入原图像,tif格式whos I % 显示图像I的基本信息imshow(I) % 显示图像% 这种格式知识用于jpg格式，压缩存储图像，q是0-100之间的整数imfinfo filename imwrite(I,'','quality',q);imwrite(I,''); % 以位图（BMP）的格式存储图像% 显示多幅图像，其中n为图形窗口的号数figure(n), imshow('filename');gg=im2bw('filename'); % 将图像转为二值图像figure, imshow(gg) % 显示二值图像三、实验内容及步骤1．利用imread( )函数读取一幅图像，假设其名为，存入一个数组中；2．利用whos 命令提取该读入图像的基本信息；3．利用imshow()函数来显示这幅图像；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；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。
7．用imread()读入图像：和；8．用imfinfo()获取图像和的大小；9．用figure,imshow()分别将和显示出来，观察两幅图像的质量。
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。
11．将每一步的函数执行语句拷贝下来，写入实验报告，并且将得到第3、9、10步得到的图像效果拷贝下来。
四、考核要点1、熟悉在MATLAB中如何读入图像、如何获取图像文件的相关信息、如何显示图像及保存图像等，熟悉相关的处理函数。
2、明确不同的图像文件格式，由于其具体的图像存储方式不同，所以文件的大小不同，因此当对同一幅图像来说，有相同的文件大小时，质量不同。
五、实验仪器与软件(1) PC计算机(2) MatLab软件/语言包括图像处理工具箱(Image Processing Toolbox)(3) 实验所需要的图片六、实验报告要求描述实验的基本步骤，用数据和图片给出各个步骤中取得的实验结果和源代码，并进行必要的讨论，必须包括原始图像及其计算/处理后的图像。
七、思考题(1) 简述MatLab软件的特点。
(2) MatLab软件可以支持哪些图像文件格式？(3) 说明函数imread 的用途格式以及各种格式所得到图像的性质。
(4) 为什么用I = imread(‘’) 命令得到的图像I 不可以进行算术运算？八、实验图像实验二图像的代数运算一、实验目的1．了解图像的算术运算在数字图像处理中的初步应用。
2．体会图像算术运算处理的过程和处理前后图像的变化。
二、实验原理图像的代数运算是图像的标准算术操作的实现方法，是两幅输入图像之间进行的点对点的加、减、乘、除运算后得到输出图像的过程。
如果输入图像为A(x,y)和B(x,y)，输出图像为C(x,y)，则图像的代数运算有如下四种形式：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)C(x,y) = A(x,y) / B(x,y)图像的代数运算在图像处理中有着广泛的应用，它除了可以实现自身所需的算术操作，还能为许多复杂的图像处理提供准备。
例如，图像减法就可以用来检测同一场景或物体生产的两幅或多幅图像的误差。
使用MATLAB的基本算术符(+、-、*、/ 等)可以执行图像的算术操作，但是在此之前必须将图像转换为适合进行基本操作的双精度类型。
为了更方便地对图像进行操作，MATLAB图像处理工具箱包含了一个能够实现所有非稀疏数值数据的算术操作的函数集合。
下表列举了所有图像处理工具箱中的图像代数运算函数。
表2-1 图像处理工具箱中的代数运算函数转换，这些函数能够接受uint8和uint16数据，并返回相同格式的图像结果。
虽然在函数执行过程中元素是以双精度进行计算的，但是MATLAB工作平台并不会将图像转换为双精度类型。
代数运算的结果很容易超出数据类型允许的范围。
例如，uint8数据能够存储的最大数值是255，各种代数运算尤其是乘法运算的结果很容易超过这个数值，有时代数操作（主要是除法运算）也会产生不能用整数描述的分数结果。
图像的代数运算函数使用以下截取规则使运算结果符合数据范围的要求：超出数据范围的整型数据将被截取为数据范围的极值，分数结果将被四舍五入。
例如，如果数据类型是uint8，那么大于255的结果（包括无穷大inf）将被设置为255。
注意：无论进行哪一种代数运算都要保证两幅输入图像的大小相等，且类型相同。
三、实验步骤1．图像的加法运算图像相加一般用于对同一场景的多幅图像求平均效果，以便有效地降低具有叠加性质的随机噪声。
直接采集的图像品质一般都较好，不需要进行加法运算处理，但是对于那些经过长距离模拟通讯方式传送的图像（如卫星图像），这种处理是必不可少的。
在MATLAB中，如果要进行两幅图像的加法，或者给一幅图像加上一个常数，可以调用imadd函数来实现。
imadd函数将某一幅输入图像的每一个像素值与另一幅图像相应的像素值相加，返回相应的像素值之和作为输出图像。
imadd函数的调用格式如下：Z = imadd（X，Y）其中，X和Y表示需要相加的两幅图像，返回值Z表示得到的加法操作结果。
图像加法在图像处理中应用非常广泛。
例如，以下代码使用加法操作将图中的(a)、(b)两幅图像叠加在一起：I = imread(‘’)；J = imread(‘’)；K = imadd(I,J)；imshow(K)；叠加结果如图所示。
图待叠加的两幅图像图叠加后的图像效果给图像的每一个像素加上一个常数可以使图像的亮度增加。
例如，以下代码将增加图3(a)所示的RGB图像的亮度，加亮后的结果如图3(b)所示。
RGB = imread(‘’)；RGB2 = imadd(RGB,50)；subplot(1,2,1)；imshow(RGB)；subplot(1,2,2)；imshow(RGB2)；加50 减50原图加50 减50图亮度增加与变暗两幅图像的像素值相加时产生的结果很可能超过图像数据类型所支持的最大值，尤其对于uint8类型的图像，溢出情况最为常见。