数字图像处理实验报告12170
数字图像处理实验报告实验一数字图像基本操作及灰度调整一、实验目的1)掌握读、写图像的基本方法。
2)掌握MATLAB语言中图像数据与信息的读取方法。
3)理解图像灰度变换处理在图像增强的作用。
4)掌握绘制灰度直方图的方法，理解灰度直方图的灰度变换及均衡化的方法。
二、实验内容与要求1.熟悉MATLAB语言中对图像数据读取，显示等基本函数特别需要熟悉下列命令：熟悉imread()函数、imwrite()函数、size()函数、Subplot（）函数、Figure（）函数。
1)将MATLAB目录下work文件夹中的forest.tif图像文件读出.用到imread，imfinfo 等文件，观察一下图像数据，了解一下数字图像在MATLAB中的处理就是处理一个矩阵。
将这个图像显示出来（用imshow）。
尝试修改map颜色矩阵的值，再将图像显示出来，观察图像颜色的变化。
2)将MATLAB目录下work文件夹中的b747.jpg图像文件读出，用rgb2gray()将其转化为灰度图像，记为变量B。
2.图像灰度变换处理在图像增强的作用读入不同情况的图像，请自己编程和调用Matlab函数用常用灰度变换函数对输入图像进行灰度变换，比较相应的处理效果。
3.绘制图像灰度直方图的方法，对图像进行均衡化处理请自己编程和调用Matlab函数完成如下实验。
1)显示B的图像及灰度直方图，可以发现其灰度值集中在一段区域，用imadjust函数将它的灰度值调整到[0，1]之间，并观察调整后的图像与原图像的差别，调整后的灰度直方图与原灰度直方图的区别。
2)对B进行直方图均衡化处理，试比较与源图的异同。
3) 对B 进行如图所示的分段线形变换处理，试比较与直方图均衡化处理的异同。
图1.1 分段线性变换函数三、实验原理与算法分析1. 灰度变换灰度变换是图像增强的一种重要手段，它常用于改变图象的灰度范围及分布，是图象数字化及图象显示的重要工具。
1) 图像反转灰度级范围为[0, L-1]的图像反转可由下式获得r L s --=12) 对数运算：有时原图的动态范围太大，超出某些显示设备的允许动态范围，如直接使用原图，则一部分细节可能丢失。
解决的方法是对原图进行灰度压缩，如对数变换：s = c log(1 + r )，c 为常数，r ≥ 03) 幂次变换：0,0,≥≥=γγc cr s4) 对比拉伸：在实际应用中,为了突出图像中感兴趣的研究对象，常常要求局部扩展拉伸某一范围的灰度值，或对不同范围的灰度值进行不同的拉伸处理，即分段线性拉伸：其对应的数学表达式为：2. 直方图均衡化灰度直方图的横坐标是灰度级，纵坐标是该灰度级出现的频度，它是图像最基本的统计特征。
依据定义，在离散形式下， 用r k 代表离散灰度级，用p r (r k )代表p r (r )，并且有下式成立：nn r P kk r =)( 1,,2,1,010-=≤≤l k r k 式中：n k 为图像中出现r k 级灰度的像素数，n 是图像像素总数，而n k /n 即为频数。
直方图均衡化处理是以累积分布函数变换法为基础的直方图修正法。
假定变换函数为ωωd p r T s r r)()(0⎰==(a) Lena 图像 (b) Lena 图像的直方图图1.2 Lena 图像及直方图当灰度级是离散值时，可用频数近似代替概率值，即1,,1,010)(-=≤≤=l k r nn r p k k k r式中：l 是灰度级的总数目，p r (r k )是取第k 级灰度值的概率，n k 是图像中出现第k 级灰度的次数，n 是图像中像素总数。
所以积分可以表示为下列累计分布函数(cumulative distribution function, CDF)1,,1,010)()(0-=≤≤===∑∑==l k r r p nn r T s j kj j r kj j k k四、实验步骤1. 熟悉MATLAB 语言中对图像数据读取，显示等基本函数 1) 文件读取与信息显示：load trees;[X,map]=imread('forest.tif');subimage(X,map);I=imread('forest.tif');imshow(I);imfinfo('forest.tif');2)map颜色矩阵的修改[X,map]=imread('forest.tif');map1=map+map;subimage(X,map1);3)灰度图像的转化RGB=imread('b747.jpg');B=rgb2gray(RGB);2.图像灰度变换处理在图像增强的作用g1=imadjust(I,[0 1],[1 0]);g2=imcomplement(g1);g3=im2uint8(mat2gray(log(1+double(I))));3.绘制图像灰度直方图的方法，对图像进行均衡化处理1)图像灰度直方图的显示与灰度调整imhist(B);J = imadjust(B,[],[0 1]);imhist(J);subimage(J);2)对B进行直方图均衡化处理，试比较与原图的异同。
I = imread('pout.tif');[J,T] = histeq(I);figure,plot((0:255)/255,T);3)对B进行如图所示的分段线形变换处理，试比较与直方图均衡化处理的异同。
x1=0:0.01:0.125;x2=0.125:0.01:0.75;x3=0.75:0.01:1;y1=2*x1;y2=0.25+0.6*(x2-0.125);y3=0.625+1.5*(x3-0.75);x=[x1,x2,x3];y=[y1,y2,y3];subplot(2,2,4);plot(x,y);五、实验结果分析与讨论1.熟悉MATLAB语言中对图像数据读取，显示等基本函数1)图像文件的读出与图像数据的观察图1.3 真彩色图像与灰度图像显示ans =Filename: 'F:\MATLAB\R2007a\toolbox\images\imdemos\forest.tif' FileModDate: '04-Dec-2000 13:57:58'FileSize: 124888Format: 'tif'FormatVersion: []Width: 447Height: 301BitDepth: 8ColorType: 'indexed'FormatSignature: [73 73 42 0]ByteOrder: 'little-endian'NewSubFileType: 0BitsPerSample: 8Compression: 'PackBits'PhotometricInterpretation: 'RGB Palette'StripOffsets: [17x1 double]SamplesPerPixel: 1RowsPerStrip: 18StripByteCounts: [17x1 double]XResolution: 72YResolution: 72ResolutionUnit: 'Inch'Colormap: [256x3 double]PlanarConfiguration: 'Chunky'TileWidth: []TileLength: []TileOffsets: []TileByteCounts: []Orientation: 1FillOrder: 1GrayResponseUnit: 0.0100MaxSampleValue: 255MinSampleValue: 0Thresholding: 1ImageDescription: 'Carmanah Ancient Forest, British Columbia, Canada' map颜色矩阵修改后图像颜色的变化图1.4 原图像与map矩阵值增强一倍后的图像新的颜色矩阵值变成原文件的2倍，图像明显变亮，颜色的R、G、B值增强。
2)图像文件转化为灰度图像图1.5 真彩色图像与转化成的灰度图像2.图像灰度变换处理在图像增强的作用图1.6 灰度变化增强（图像反转、求补、对数变换）图中对图像文件进行了基本的灰度变换，包括用式s = L – 1 – r 得到的图像反转，对反转图像的求补，以及对数变换的采用。
3.绘制图像灰度直方图的方法，对图像进行均衡化处理1)图像灰度及灰度直方图的调整图1.7 灰度范围的调整与直方图显示在原始图像中，直方图的组成成分集中在高灰度等级（亮）一侧，且图像灰度范围为[0,1]，故将灰度值调整到[0,1]间后直方图无明显变化。
类似的，将灰度值调整到[0,0.5]时，整个图像变暗，直方图横向压缩1倍。
2)直方图均衡化图1.8 原图像与灰度直方图均衡化结果原图像中目标物的灰度主要集中于高亮度部分，而且象素总数较多，所占的灰度等级较少。
经过直方图均衡后，目标物的所占的灰度等级得到扩展，对比度加强，使整个图像得到增强。
数字图像均衡化后，其直方图并非完全均匀分布，这是因为图像的象素个数和灰度等级均为离散值，而且均衡化使灰度级并归。
因此，均衡化后，其直方图并非完全均匀分布。
3)对B进行如图所示的分段线性变换处理图1.9 原图像与灰度直方图均衡化结果图1.10 线性变换函数图通过在所关心范围内为所有灰度值指定一个较高值，而为其他灰度指定一个较低值，或将所需范围变亮，分段线性变换可提高图像中特定灰度范围的亮度，常用于图像特征值的提取。
这里将原始图像位于[0.125,0.75]间的灰度值调低，放大其余的灰度值，突出显示图像低频域和高频域的部分。
六、参考文献[美] Rafael C.Gonzalez.数字图像处理（第二版）[M].阮秋琦阮宇智，译.北京：电子工业出版社，2003.3.实验二数字图像的空间域滤波和频域滤波一、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。
二、实验内容与要求1.平滑空间滤波：1)读出eight.tif这幅图像，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。
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。
数字图像处理实验报告(图像灰度变换处理)
数字图像处理实验报告班级：姓名：学号：数字图像处理实验报告一．实验名称：图像灰度变换二．实验目的：1 学会使用Matlab；2 学会用Matlab软件对图像灰度进行变换，感受各种不同的灰度变换方法对最终图像效果的影响。
三．实验原理：Matlab中经常使用的一些图像处理函数：读取图像：img=imread('filename'); //支持TIFF,JPEG,GIF,BMP,PNG,XWD等文件格式。
显示图像：imshow(img,G); //G表示显示该图像的灰度级数，如省略则默认为256。
保存图片：imwrite(img,'filename'); //不支持GIF格式，其他与imread相同。
亮度变换：imadjust(img,[low_in,high_in],[low_out,high_out]); //将low_in至high_in之间的值映射到low_out至high_out之间，low_in 以下及high_in以上归零。
绘制直方图：imhist(img);直方图均衡化：histeq(img,newlevel); //newlevel表示输出图像指定的灰度级数。
像平滑与锐化（空间滤波）：w=fspecial('type',parameters);imfilter(img,w); //这两个函数结合将变得十分强大，可以实现photoshop里的任意滤镜。
图像复原：deconvlucy(img,PSF); //可用于图像降噪、去模糊等处理。
四.实验步骤：1．获取实验用图像：Fig3.10(b).jpg. 使用imread函数将图像读入Matlab。
2．产生灰度变换函数T1，使得：0.3r r < 0.35s = 0.105+2.6333(r–0.35) 0.35 ≤ r ≤ 0.65 1+0.3(r–1) r > 0.65用T1对原图像Fig3.10(b).jpg进行处理，打印处理后的新图像。
数字图像处理
数字图象处理实验报告一、实验目的：1.掌握二维傅里叶变换,了解图像频谱特征;2.掌握频域理想低通滤波器和指数型低通滤波器设计方法. 二、实验内容：1. 对Lena 图像施加高斯白噪声(均方差为图像最大灰度值5%左右),然后进行傅里叶变换,并进行频谱中心化处理.2. 对上述加噪图像进行频域理想低通滤波(取频域的四个角(1/4边长),其它置0).3.对上述加噪图像进行频域指数型低通滤波. (D 0取最大谱值一半.注意:先进行频谱中心化处理.)三.程序及运行结果：1 在MATLAB 上新建M-FILE 文件。
在M-FILE 中输入程序：clc; clear;y=imread('C:\Documents and Settings\Administrator\桌面\62138.jpg'); f0=rgb2gray(y); [m,n]=size(f0);f=double(f0)+10*randn(m,n); %加噪 f(:,n+1)=f(:,n); F=fft2(f);y1=fftshift(F); for i=1:mfor j=1:n+1f2(i,j)=f(i,j)*(-1)^(i+j); end endF1=fft2(f2);d0=max(abs(F(:))); d1=max(abs(F1(:)));subplot(2,2,1);imshow(f0);title('原图像');subplot(2,2,2);imshow(uint8(f));title('加噪图像');subplot(2,2,3);imshow(abs(F1)/d1*255);title('中心化图像')运行得到结果：原图像加噪图像中心化图像clc;clear;y=imread('C:\Documents and Settings\Administrator\桌面\62138.jpg');f0=rgb2gray(y); [m,n]=size(f0);f=double(f0)+15*randn(m,n);%加噪F=fft2(f); ;%二维离散快速付氏变换for i=1:mfor j=1:nabsf(i,j)=abs(F(i,j));%求幅度谱endendd0=max(absf(:));i=round(m/8):round(m*7/8);%将F(u,v)中m/8~m*7/8行元素置0.实现低通去噪. F(i,:)=0;j=round(n/8):round(n*7/8);;%将F(u,v)中n/8~n*7/8列元素置0.F(:,j)=0;f1=ifft2(F); %付氏反变换subplot(2,2,1);imshow(f0);title('原图像');subplot(2,2,2);imshow(uint8(f));title('加噪图像');subplot(2,2,3);imshow(uint8(f1));title('付氏变换低通滤波去噪后图像'); subplot(2,2,4);imshow(absf/d0*255);title('加噪图像付氏变换幅度频谱');运行得到结果：原图像加噪图像付氏变换低通滤波去噪后图像加噪图像付氏变换幅度频谱clc;clear;y=imread('C:\Documents and Settings\Administrator\桌面\62138.jpg');f0=rgb2gray(y); [m,n]=size(f0);f=double(f0); %转换为double类型f1=f+20*randn(m,n); %加入噪声F=fft2(f1); %二维傅立叶变换for i=1:m %二次循环for j=1:nf2(i,j)=f1(i,j)*(-1)^(i+j); %频谱原点中心化 endendF1=fft2(f2); %傅立叶变换D0=17000;for i=1:mfor j=1:nF2(i,j)=F1(i,j)*exp(-((i-m/2)^2+(j-n/2)^2)/D0);%指数型滤波器endendf3=ifft2(F2); %快速傅立叶反变换for i=1:mfor j=1:nf4(i,j)=f3(i,j)*(-1)^(i+j); %原点还原endendsubplot(2,2,1);imshow(f0);title('原图像');subplot(2,2,2);imshow(uint8(f1));title('加噪后图像');subplot(2,2,3);imshow(uint8(f4));title('去噪后图像');运行得到结果：原图像加噪后图像去噪后图像四、回答问题和收获体会：答：通过此次实验，（1）我掌握了二维离散傅立叶变换对定义（2）同时加深了对添加白噪声的知识的运用掌握。
《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
数字图像处理试验报告实验二:数字图像的空间滤波与频域滤波姓名: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与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,查瞧其特点, 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,与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 – 8 1; 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与25×25大小的拉普拉斯算子对blurry_moon、tiff (x, y) -∇2 f (x, y) 完成图像的锐化增强,观察其有何进行锐化滤波,并利用式g(x, y) =不同,要求在同一窗口中显示。
数字图像处理实验报告
数字图像处理实验报告引言数字图像处理是一门研究如何对图像进行数字化处理的学科，它的应用广泛，涵盖了图像的获取、增强、压缩、分割等多个方面。
本次实验旨在探索数字图像处理的基本原理和常用技术，并通过实践操作加深对数字图像处理的理解。
实验目的1.学习掌握数字图像处理的基本原理；2.熟悉常用的数字图像处理工具和方法；3.实践应用数字图像处理技术解决实际问题。
实验环境在本次实验中，我们使用了以下环境和工具：- 操作系统：Windows 10 - 编程语言：Python - 图像处理库：OpenCV实验步骤步骤一：图像获取与显示首先，我们需要获取一张待处理的图像，并对其进行显示。
在Python中，我们可以使用OpenCV库来实现图像的读取和显示。
以下是示例代码：import cv2# 读取图像image = cv2.imread('image.jpg')# 显示图像cv2.imshow('Image', image)cv2.waitKey(0)cv2.destroyAllWindows()步骤二：图像增强图像增强是数字图像处理中常用的技术之一，旨在改善图像的质量和可视化效果。
常见的图像增强技术包括灰度转换、直方图均衡化、滤波器等。
以下是示例代码：import cv2# 读取图像image = cv2.imread('image.jpg')# 灰度转换gray_image = cv2.cvtColor(image, cv2.COLOR_BGR2GR AY)# 直方图均衡化equalized_image = cv2.equalizeHist(gray_image)# 高斯滤波器blurred_image = cv2.GaussianBlur(equalized_image, (5, 5), 0)# 边缘增强enhanced_image = cv2.Canny(blurred_image, 100, 20 0)# 显示图像cv2.imshow('Enhanced Image', enhanced_image)cv2.waitKey(0)cv2.destroyAllWindows()步骤三：图像压缩图像压缩是数字图像处理中的重要话题，旨在减少图像的存储空间和传输带宽。
数字图像处理 实验报告(完整版).doc
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
数字图像处理实验报告图像处理课程的目标是培养学生的试验综合素质与能力。
使学生通过实践，理解相关理论学问，将各类学问信息进行新的组合，制造出新的方法和新的思路，提高学生的科学试验与实际动手操作能力[1]。
从影像科筛选有价值的图像，建成影像学数字化试验教育平台，系统运行正常；具备图像上传、图像管理、图像检索与扫瞄、试验报告提交、老师批阅等功能；能满意使用要求[2]。
1.试验内容设计思路1.1项目建设内容和方法数字图像处理的内容：完整的数字图像处理大体上分为图像信息的猎取，存储，传送，处理，输出，和显示几个方面。
数字图像信息的猎取主要是把一幅图像转换成适合输入计算机和数字设备的数字信号，包括摄取图像，光、电转换及数字化。
数字图像信息的存储，数字图像信息的突出特点是数据量巨大，为了解决海量存储问题，数字图像的存储主要研究图像压缩，图像格式及图像数据库技术。
数字图像信息的传送数字图像信息的传送可分为系统内部传送与远距离传送[4]数字图像信息处理包括图像变换，图像增加，图像复原，彩色与多光谱处理图像重建，小波变换，图像编码，形态学，目标表示与描述。
数字图像输出和显示，最终目的是为人和机器供应一幅便于解释和识别的图像，数字图像的输出和显示也是数字图像处理的重要内容之一。
1.2数字图像处理的方法大致可以分为两大类，既空域法和频域法空域法：是把图像看做平面中各个像素组成的集合，然后直接对一维和二维函数进行相应处理，依据新图像生成方法的不同，空域处理法可为点处理法，区处理法，叠代处理法，跟踪处理法，位移不变与位移可变处理法。
点处理法的优点，点处理的典型用途a）灰度处理b）图像二值处理点处理方法的优点a）可用LUT方法快速实现b）节省存储空间。
区处理法，邻域处理法。
它依据输入图像的小邻域的像素值，按某些函数得到输出像素。
区处理法主要用于图象平滑和图像的锐化。
叠代处理法：叠代就是反复进行某些处理运算，图像叠代处理也是如此，拉普拉斯算子或平滑处理的结果是物体轮廓，该图像轮廓边缘太宽或粗细不一，要经过多次叠代把它处理成单像素轮廓——图像细化。
数字图像处理实验报告总结
数字图像处理实验报告总结一、实训目的通过实训，使我们进一步掌握图形图像处理的基本方法和基本技能;熟练使用photoshop软件，并能用它来完成图形图像的设计、制作和处理。
培养我们能按要求设计和制作一般性的商标和网页设计，并能对即成的图像做进一步处理，创造出一定水平和价值的作品，使我们的实践动手能力和创新能力得到提高，同时为今后的图形图像比赛奠定好基础。
二、教学实验内容与精心安排我们的Photoshop实训时间为本学期的第18周。
我们的实训一共有5个项目：ppt设计、logo设计、展板设计、专业网页设计和个人艺术照片设计。
老师让我们自由分组。
我虽然上课时认真听老师讲解，但没有记笔记的习惯，导致有很多学过的东西运用不上，最后，雷柱、李娟、杨月霞和我组成了一组，我们综合各自的优势对本次的实训任务进行了分工。
杨月霞负责logo设计、雷柱负责个人艺术照设计、我负责展板设计、ppt设计和网页设计由我们一起完成。
星期一的晚上我们在课堂上一起展开教学实验，因为教室里无法联网，所以我们无法展开网络上的资料收集，于是我们都就是各自了解了自己对项目的整体设计。
星期三的3、4文言我们按时走进了教学实验楼，为各自的项目都搞资料的搜集。
我们之间相互协助，很快，我们就只要搞最后的设计了。
星期四从中午12点已经开始，我们一直挤至下午5点，费和了好多心思，终于把所有的教学实验项目顺利完成了，看著我们自己辛勤工作的成果，心里真的很高兴。
三、实训心得这几天来，涂抹老师没像是以前听课那样存有详尽的传授和细心的提示信息，仅靠我们自己对PhotoShop自学的基础去自己顺利完成制作。
这次教学实验不仅仅就是对我们的实地考察，也就是一个自我总结，补漏伯粉的难得的机会。
经过这五天的自学，稳固和加强了我们的基本知识和基本技能，尤其就是Photoshop的基本知识和操作技能。
Photoshop作品要做的好就必须有一个好的创意。
我觉得学习photoshop不是在于把所有的工具都要深入去了解，只要把自己常用的会用就可以了，因为只有有创意，才可以做出一副好的作品来。