第一篇：數字圖像處理期中作業報告

西安科技大學

通信學院

數字圖像處理實驗報告

直 方 圖 均 衡 化

西安科技大學

通信學院

題目：直方圖均衡化

一、實驗目的

1.通過實驗理解直方圖均衡化的原理及步驟； 2.編程實現圖像（灰度或彩色）的直方圖均衡化；

3.通過實驗更深刻的理解課本知識和加強動手實踐能力。

二、實驗要求

（1）讀入一幅圖像；

（2）編程繪制給定圖象的灰度直方圖；

（3）編程實現給定圖象的直方圖均衡，得到均衡后的新圖象；（4）比較均衡前后的兩幅圖象以及各自的灰度直方圖，分析討論直方圖均衡提高圖象對比度的效果；

三、實驗原理

1.直方圖均衡化概述

圖像的對比度增強的方法可以分成兩類:一類是直接對比度增強方法;另一類是間接對比度增強方法。直方圖拉伸和直方圖均衡化是兩種最常見的間接對比度增強方法。直方圖拉伸是通過對比度拉伸對直方圖像素分布進行調整，從而“擴大”前景和背景灰度的差別，以達到增強對比度的目的，這種方法可以利用線性或非線性的方法來實現;直方圖均衡化則通過使用累積函數對灰度值進行“調整”以實現對比度的增強。

直方圖均衡化是圖像處理領域中利用圖像直方圖對對比度進行調整的方法。這種方法通常用來增加許多圖像的局部對比度，尤其是當圖像的有用數據的對比度相當接近的時候。通過這種方法，亮度可以 2

西安科技大學

通信學院

更好地在直方圖上分布。這樣就可以用于增強局部的對比度而不影響整體的對比度，直方圖均衡化通過有效地擴展常用的亮度來實現這種功能。

2.基本思想

直方圖均衡化處理的“中心思想”是把原始圖像的灰度直方圖從比較集中的某個灰度區間變成在全部灰度范圍內的均勻分布。直方圖均衡化就是對圖像進行非線性拉伸，重新分配圖像像素值，使一定灰度范圍內的像素數量大致相同。直方圖均衡化就是把給定圖像的直方圖分布改變成“均勻”分布直方圖分布。

直方圖均衡化的基本思想是把原始圖的直方圖變換為均勻分布的形式，這樣就增加了象素灰度值的動態范圍從而可達到增強圖像整體對比度的效果。設原始圖像在(x，y)處的灰度為f，而改變后的圖像為s，則對圖像增強的方法可表述為將在(x，y)處的灰度f映射為g。在灰度直方圖均衡化處理中對圖像的映射函數可定義為:s = EQ(f)，這個映射函數EQ(f)必須滿足兩個條件(其中L為圖像的灰度級數):(1)EQ(f)在0≤f≤L-1范圍內是一個單值單增函數。這是為了保證增強處理沒有打亂原始圖像的灰度排列次序，原圖各灰度級在變換后仍保持從黑到白(或從白到黑)的排列。

(2)對于0≤f≤L-1有0≤s≤L-1，這個條件保證了變換前后灰度值動態范圍的一致性。

累積分布函數(cumulative distribution function，CDF)即可以滿足上述兩個條件，并且通過該函數可以完成將原圖像f的分布轉換

西安科技大學

通信學院

成s的均勻分布。此時的直方圖均衡化映射函數為:sk = EQ(fk)=(ni/n)= Pf(fi)，(k=0，1，2，??，L-1)上述求和區間為0到k，根據該方程可以由源圖像的各像素灰度值直接得到直方圖均衡化后各像素的灰度值。在實際處理變換時，一般先對原始圖像的灰度情況進行統計分析，并計算出原始直方圖分布，然后根據計算出的累計直方圖分布求出fk到sk的灰度映射關系。在重復上述步驟得到源圖像所有灰度級到目標圖像灰度級的映射關系后，按照這個映射關系對源圖像各點像素進行灰度轉換，即可完成對源圖的直方圖均衡化。

離散情況下的直方圖均衡化的算法： 列出原始圖像的灰度級fj,j?0,1,?,L?1 統計各灰度級的像素數目nj,j?0,1,?,L?1

計算原始圖像直方圖各灰度級的頻數Pf(fj)?nj/n,j?0,1,?,L?1

k計算累積分布函數:C(f)??P(f),j?0,1,?,k,?L?1

fjj?0應用以下公式計算映射后的輸出圖像的灰度級，P為輸出圖像灰度級的個數，其中INT為取整符號：

g?INT[(g?g)C(f)?g?0.5] imaxminmin用的映射關系修改原始圖像的灰度級，從而獲得直方圖近似為均勻分布的輸出圖像。

四、程序代碼

(調庫函數)

西安科技大學

通信學院

clc;clear all;I=imread('F:數字圖像處理常用圖片lena1.jpg');figure(1);subplot(2,2,1);imshow(I);title('原始圖像');subplot(2,2,2);imhist(I);title('原始圖像灰度直方圖');I1=im2double(I);I2=log(I1+1);%對數變換

I3=mat2gray(I2);%把圖像的灰度范圍變換為【0,1】

subplot(2,2,3);imshow(I3);title('對數變換增強后的圖像')subplot(2,2,4);imhist(I3);title('對數變換后灰度直方圖')

figure(2);B=imadjust(I,[0.05 0.7],[0.1 1.0]);subplot(2,2,1);imshow(B);title('灰度級線性調整');subplot(2,2,2);imhist(B);title('灰度級線性調整后直方圖');J=histeq(I);subplot(2,2,3);imshow(J);title('直方圖規定化');subplot(2,2,4);imhist(J);title('直方圖規定化后直方圖');

截圖：

原始圖像30002000100000對數變換增強后的圖像原始圖像灰度直方圖100200對數變換后的圖像灰度直方圖***.51

西安科技大學

通信學院

灰度級線性調整***000直方圖規定化4000100200灰度級線性調整后直方圖直方圖規定化后直方圖200000100200

(編寫算法)clc;clear all %一，圖像的預處理，讀入彩色圖像將其灰度化

I=imread('F:數字圖像處理常用圖片pepper.tif');%讀入JPG彩色圖像文件 figure(1);subplot(1,2,1);imshow(I);%顯示出來 title('輸入的彩色JPG圖像')imwrite(rgb2gray(I),'PicSampleGray.bmp');%將彩色圖片灰度化并保存 I_1=rgb2gray(I);%灰度化后的數據存入數組 %二，繪制直方圖

[height,width]=size(I_1);%測量圖像尺寸參數

GP=zeros(1,256);%預創建存放灰度出現概率的向量 for k=0:255 GP(k+1)=length(find(I_1==k))/(height*width);%計算每級灰度出現的概率，將其存入GP中相應位置 end figure(2);subplot(1,2,1);bar(0:255,GP,'r')%繪制直方圖 title('原圖像直方圖');xlabel('灰度值');ylabel('出現概率')axis([-5 250 0 0.012])%三，直方圖均衡化 S1=zeros(1,256);for i=1:256

西安科技大學

通信學院

for j=1:i S1(i)=GP(j)+S1(i);%計算Sk end end S2=round((S1*256)+0.5);%將Sk歸到相近級的灰度 for i=1:256 GPeq(i)=sum(GP(find(S2==i)));%計算現有每個灰度級出現的概率 end figure(2);subplot(1,2,2);bar(0:255,GPeq,'y')%顯示均衡化后的直方圖 title('均衡化后的直方圖');xlabel('灰度值');ylabel('axis([-5 270 0 0.012])%四，圖像均衡化 PA=I;for i=0:255 PA(find(I==i))=S2(i+1);%給這個像素 end figure(1);subplot(1,2,2);imshow(PA)%title('均衡化后圖像')imwrite(PA,'PicEqual.bmp');

截圖：

輸入的彩色JPG圖像 7

出現概率')將各個像素歸一化后的灰度值賦顯示均衡化后的圖像 均衡化后圖像

西安科技大學

通信學院

原圖像直方圖0.0120.012均衡化后的直方圖0.010.010.0080.008出現概率0.006出現概率0.0060.0040.0040.0020.0020050100灰度值***50100150灰度值200250

五、實驗結果

分析：從上述實驗結果可以看出，經過直方圖均衡化后的圖片的對比度更高，且邊緣效果更高。這些圖片非常有利于人眼的觀看識別。直方圖均衡化可以達到增強圖像的顯示效果的作用。通過原圖像的直方圖可以觀察出，圖像中各種亮度所占的比例大都分布不均勻，直方圖增強的方法就是壓縮直方圖中比例少的像素所占用的灰度范圍，多出來的灰度空間按照統計比例分配給直方圖中比例高的像素使用。這種方法主要是針對人眼對灰度差別越大的圖像更容易分辨的特點而做的增強。

直方圖均衡化由于可能會丟失一些灰度級，所以造成圖片信息在一定程度上的損失。變換后圖像的灰度級減少也會使某些細節消失。并且某些圖像經均衡化處理后的對比度不自然的過分增強。

六、成員分工

七、心得體會

通過近幾周的設計，我們學到了很多東西，對如何獲得知識也有

西安科技大學

通信學院

了一定的感知。首先，對這個設計題目，要做好充分的準備工作，經過在圖書館查找一些相關的資料，上網搜索一些相關的知識后，我們終于對需要的流程有了一定的規劃。其次，在實際設計過程中，我們充分地利用課本上和老師提過的一些知識、思路。同時與組內同學認真交談，相互領會對方的思路和方法，提高自己的交際能力和團隊精神。再次，通過對此設計，我們對圖像處理的知識有了更加深入的了解，知道了什么是圖像增強，知道了怎樣均衡化，知道了怎樣利用圖像增強的知識處理學習、生活中遇到的一些問題。

在此次程序課程設計中，收獲知識的同時也收獲了成熟。我們不僅培養了思考問題的能力，也提高了獲取知識的能力，并且相互合作的過程中感受到一個人的力量遠沒有團隊的力量大，遇到問題時，集體的智慧才會更有效解決，因此只有相互團結，互相學習交流，這樣大家都會懂得更多，進步更快。平時也要學會謙虛向其他人學習，我們以后會更加珍惜和重視這樣的機會。

第二篇：數字圖像處理上機作業

數字圖像處理上機實驗題

一、產生右圖所示圖像 f1(m,n)，其中圖像大小為256×256，中間亮條為128×32，暗處=0，亮處=100。對其進行 FFT：

1、屏顯示原圖 f1(m,n)和FFT(f1)的幅度譜圖；

2、令f2(m,n)=（-1）^（m+n）*f1(m,n)，重復以上過程，比較二者幅度譜的異同，簡述理由；

3、若將f2(m,n)順時針旋轉 90 度得到f3(m,n)，試顯示 FFT(f3)的幅度譜，并與 FFT(f2)的幅度譜進行比較；

4、若將f1(m,n)順時針旋轉 90 度得到f4(m,n)，令f5(m,n)=f1(m,n)+f4(m,n)，試顯示 FFT(f5)的幅度譜，并指出其與 FFT(f1)和FFT(f4)的關系；

5、若令f6(m,n)=f2(m,n)+f3(m,n)，試顯示 FFT(f6)的幅度譜，并指出其與 FFT(f 2)和FFT(f3)的關系，比較 FFT(f6)和FFT(f5)的幅度譜。

代碼

f1=zeros(256,256);

for i =64:1:191 for j = 112:1:143 f1(i,j)= 100;

end

end

f2 = fft2(f1);

%f2(m,n)= f3

f3 =((-1)^(i+j))*f1;f4 = fft2(f3);

%f3(m,n)= f5

f5 = imrotate(f3,90,'bilinear');f6 = fft2(f5);

%f4(m,n)= f7

f7 = imrotate(f1,90,'bilinear');f8 = fft2(f7);

%f5(m,n)= f8 f9 = f1 + f7;f10 = fft2(f9);

%f6(m,n)= f2(m,n)+f3(m,n)f11 = f3 + f5;f12 = fft2(f11);

figure(1)subplot(1,2,1);imshow(abs(f1));title('原圖f1');subplot(1,2,2);imshow(abs(f2));title('幅度譜fft2(f1)');figure(2)subplot(2,2,1)imshow(abs(f1));title('原圖f1')subplot(2,2,2)imshow(abs(f2));title('幅度譜fft2(f1)');subplot(2,2,3);imshow(abs(f3))title('變換譜f2');subplot(2,2,4);imshow(abs(f4));title('幅度譜fft2(f2)');figure(3)subplot(2,2,1)imshow(abs(f3))title('變換譜f2');subplot(2,2,2);imshow(abs(f4));title('幅度譜fft2(f2)');subplot(2,2,3);imshow(abs(f5))title('變換譜f3');subplot(2,2,4);imshow(abs(f6));title('幅度譜fft2(f3)');figure(4)subplot(3,2,1);imshow(f7);

title('f1旋轉圖f4');subplot(3,2,2);imshow(abs(f8));title('幅度譜fft2(f4)');subplot(3,2,3);imshow(f9);

title('f5(m,n)=f1+f4');subplot(3,2,4);imshow(abs(f10));title('幅度譜fft2(f5)');subplot(3,2,5)imshow(abs(f1));title('原圖f1');subplot(3,2,6);imshow(abs(f2));title('幅度譜fft2(f1)');figure(5)subplot(3,2,1)imshow(abs(f3))title('變換譜f2');subplot(3,2,2);imshow(abs(f4));title('幅度譜fft2(f2)');subplot(3,2,3);imshow(abs(f5))title('變換譜f3');subplot(3,2,4);imshow(abs(f6));title('幅度譜fft2(f3)');subplot(3,2,5)imshow(abs(f11))title('變換譜f6=f2+f3');subplot(3,2,6);imshow(abs(f12));title('幅度譜fft2(f6)');

figure(6)subplot(2,2,1);imshow(f9);

title('f5(m,n)=f1+f4');subplot(2,2,2);imshow(abs(f10));title('幅度譜fft2(f5)');subplot(2,2,3)imshow(abs(f11))

title('變換譜f6(m,n)=f2+f3');subplot(2,2,4);imshow(abs(f12));title('幅度譜fft2(f6)');

結果

分析

2、F2(m,n)與F1(m,n)幅度值相同，f2(m,n)=（-1）^（m+n）*f1(m,n)中，并未改變幅值。

3、FFT(f2)比FFT(f3)幅值大。

4、f5=f1+f4，即幅值相加。

5、f6=f2+f3，即幅值相加。

二、產生教材 104 頁題圖 4.18（右圖）所示的二值圖像（白為1，黑為0），編程實現習題4.18 所要求的處理（3*3 的平均濾波和中值濾波）功能（圖像四周邊界不考慮，處理結果按四舍五入仍取（0或1），顯示處理前后的圖像，比較其異同。

代碼

I=[ 1,0,1,0,1,0,1,0;0,1,0,1,0,1,0,1;1,0,1,0,1,0,1,0;0,1,0,1,0,1,0,1;1,0,1,0,1,0,1,0;0,1,0,1,0,1,0,1;1,0,1,0,1,0,1,0;0,1,0,1,0,1,0,1;];J=imhist(I,2);

K=filter2(fspecial('average',3),I);K1=round(K);J1=imhist(K1,2);K2=medfilt2(I);J2=imhist(K2,2);

figure(1)subplot(2,2,1)imshow(I);title('原圖像');subplot(2,2,2)imshow(J);

title('原圖像直方圖');subplot(2,2,3)imshow(K1);

title('3*3領域平均');subplot(2,2,4)imshow(J1);

title('領域平均圖像直方圖')figure(2)subplot(2,2,1)imshow(I);title('原圖像');subplot(2,2,2)imshow(J);

title('原圖像直方圖');subplot(2,2,3)imshow(K2);title('中值濾波');subplot(2,2,4)imshow(J2);

title('中值濾波圖像直方圖')

結果

三、產生教材 104 頁題圖 4.16 所示的灰度圖像（白為255，黑為0），分別加入高斯白噪聲和椒鹽噪聲，再分別進行 3′ 3 的平均濾波和中值濾波，顯示原圖像、加噪圖像和濾波結果圖像，并比較四種濾波結果。

代碼

f=zeros(256,256);for i =23:1:23

3for j=28:1:35 f(i,j)=255;

end

for j=52:1:59 f(i,j)=255;

end

for j=76:1:83 f(i,j)=255;

end

for j=100:1:107 f(i,j)=255;

end

for j=124:1:131 f(i,j)=255;

end

for j=148:1:155 f(i,j)=255;

end

for j=172:1:179 f(i,j)=255;

end

for j=196:1:203 f(i,j)=255;

end

for j=220:1:227 f(i,j)=255;

end end

g=imnoise(f,'gaussian',0.2);s=imnoise(f,'salt & pepper',0.2);k1=filter2(fspecial('average',3),g);G1=round(k1);G2=medfilt2(g);

k2=filter2(fspecial('average',3),s);S1=round(k2);S2=medfilt2(s);

figure(1)imshow(f)

title('?-ê?í???');figure(2)subplot(3,2,1)imshow(g)

title('???1í???');subplot(3,2,2)imshow(s)

title('?·??í???');subplot(3,2,3)imshow(G1)

title('???ù??2¨???1í???');subplot(3,2,5)imshow(G2)

title('?D?μ??2¨???1í???');subplot(3,2,4)imshow(S1)

title('???ù??2¨?·??í???');subplot(3,2,6)imshow(S2)

title('?D?μ??2¨?·??í???');

結果

四、對某一灰度圖像，進行如下處理：

（1）分別利用 Roberts、Prewitt和Sobel 邊緣檢測算子進行邊緣檢測；

（2）將Roberts、Prewitt和Sobel 邊緣檢測算子修改為銳化算子，對原圖像進行銳化，同屏顯示原圖像、邊緣檢測結果和銳化后圖像，說明三者之間的關系。

代碼

f1=imread('C:UsershpPictures1.jpg');f2=rgb2gray(f1);k1=edge(f2,'Roberts');k2=edge(f2,'Prewitt');k3=edge(f2,'Sobel');

k4=filter2(fspecial('Prewitt'),f2);k5=filter2(fspecial('Prewitt'),f2);k6=filter2(fspecial('Sobel'),f2);

figure(1)subplot(4,2,1)imshow(f1);title('yuanshi');subplot(4,2,2)imshow(f2);title('huidu');subplot(4,2,3)imshow(k1);title('Roberts');subplot(4,2,5)imshow(k2);title('Prewitt');subplot(4,2,7)imshow(k3);title('Sobel');subplot(4,2,4)imshow(k4);title('log');subplot(4,2,6)imshow(k5);title('Prewitt');subplot(4,2,8)imshow(k6);title('Sobel');

結果

二值化。

五、編程實現教材 214 頁所給圖像門限化分割的迭代閾值算法，實現對某一灰度圖像的代碼

f1=imread('C:UsershpPictures11.jpg');f2=rgb2gray(f1);f3=f2;

zm=max(f2(:));zi=min(f2(:));k=2;

T(k)=(zm+zi)/2;while T(k)~=T(k-1);r1=find(f2<=T(k));r2=find(f2>T(k));k=k+1;

T(k)=(mean(f2(r1))+mean(f2(r2)))/2;end

r3=find(f3<=T(k));r4=find(f3>T(k));f3(r3)=0;f3(r4)=255;

figure(1)subplot(221)imshow(f1)title('原始圖像');subplot(222)imshow(f2)title('灰度圖像');subplot(223)imshow(f3)

title('迭代閾值算法二值化');

結果

心得體會

通過此次作業讓我明白了很多，實際操作起來往往比理論所想的要復雜很多。當然，在課設的進行過程中，我還是遇到了不少問題。例如，起初由于我對句柄使用以及一些函數使用的不恰當。隨著課設的進行，對matlab的的熟悉度逐步加深。

總體來說，此次的課程設計，還是較為滿意的。它不但鞭策著我去鞏固matlab的基礎理論知識，還提高了我對matlab的實際操作運用，使得理論與實踐相結合，為進一步學習matlab打下堅實的基礎；同時，在實踐的工程中，也讓我體會到一種努力付出并得到回報的滿足感覺。

第三篇：《數字圖像處理》

實驗五 圖像的幾何變換

一．實驗目的及要求

掌握圖像幾何變換的基本原理，熟練掌握數字圖像的縮放、旋轉、平移、鏡像和轉置的基本原理及其MATLAB編程實現方法。

二、實驗內容

（一）研究以下程序，分析程序功能；輸入執行各命令行，認真觀察命令執行的結果。熟悉程序中所使用函數的調用方法，改變有關參數，觀察試驗結果。

1.圖像縮放 clear all, close all I = imread('cameraman.tif');Scale = 1.35;

% 將圖像放大1.35倍

J1 = imresize(I, Scale, 'nearest');

% using the nearest neighbor interpolation J2 = imresize(I, Scale, 'bilinear');

% using the bilinear interpolation imshow(I), title('Original Image');figure, imshow(J1), title('Resized Image--using the nearest neighbor interpolation ');figure, imshow(J2), title('Resized Image--using the bilinear interpolation ');help imresize

% 查看imresize使用幫助

1.95倍

I = imread('cameraman.tif');Scale = 1.96;

% 將圖像放大1.96倍

J1 = imresize(I, Scale, 'nearest');

% using the nearest neighbor interpolation J2 = imresize(I, Scale, 'bilinear');

% using the bilinear interpolation imshow(I), title('Original Image');figure, imshow(J1), title('Resized Image--using the nearest neighbor interpolation ');figure, imshow(J2), title('Resized Image--using the bilinear interpolation ');

說明：

?注意觀察不同插值方法的圖像表現； ?改變圖像縮放因子Scale，重做上述實驗。2.圖像旋轉

clear all, close all I = imread('cameraman.tif');Theta = 45;

% 將圖像逆時針旋轉45?。

J1 = imrotate(I, Theta, 'nearest');

% using the nearest neighbor interpolation Theta =-45;

% 將圖像順時針旋轉45?。

J2 = imrotate(I, Theta, 'bilinear', 'crop');% using bilinear interpolation and crops the output image imshow(I), title('Original Image');figure, imshow(J1), title('Rotated Image--using the nearest neighbor interpolation ');figure, imshow(J2), title(' Rotated Image--using the bilinear interpolation ');% 查看imrotate使用幫助 help imrotate %-------

圖像旋轉30順時針逆時針

clear all, close all I = imread('cameraman.tif');Theta = 30;

% 將圖像逆時針旋轉30。

J1 = imrotate(I, Theta, 'nearest');

% using the nearest neighbor interpolation Theta =-30;

% 將圖像順時針旋轉30。

J2 = imrotate(I, Theta, 'bilinear', 'crop');% using bilinear interpolation and crops the output image imshow(I), title('Original Image');figure, imshow(J1), title('Rotated Image--using the nearest neighbor interpolation ');figure, imshow(J2), title(' Rotated Image--using the bilinear interpolation ');7 說明：

?注意觀察不同插值方法和輸出圖像后處理方法的圖像表現； ?改變旋轉角度大小和方向，重做上述實驗。

3．圖像水平鏡象

clear all, close all I = imread('cameraman.tif');I1 = flipdim(I,2);

I2 = flipdim(I,1);figure(1), subplot(1,2,1), imshow(I);subplot(1,2,2), imshow(I1);figure(2), subplot(2,1,1), imshow(I);subplot(2,1,2), imshow(I2);%----

(二)用MATLAB編程實現以下圖像幾何變換（參考自編講義相關章節）

1．圖像扭曲變換 2．球面變換

三、實驗設備

1．PIII以上微機； 2．MATLAB6.5；

四、預習與思考

1．預習實驗內容，閱讀教材熟悉實驗原理；

2．查閱資料，熟悉實驗中涉及的有關MATLAB函數；

3．利用課余時間，采用MATLAB底層函數編程實現實驗內容

（二）中的圖像平移、圖像轉置等幾何變換。

五、實驗報告要求

1．簡述試驗的目的和試驗原理；

2．敘述各段程序功能，改變有關函數的參數，分析比較實驗結果； 3．打印出所編寫的實驗程序。4．寫出本實驗的心得體會及意見。

實驗六

數字圖像處理應用

一．實驗目的及要求

1．利用MATLAB提供的圖像處理函數實現圖像中物體屬性的測量； 2．訓練綜合運用MATLAB圖像處理函數的能力； 3．了解數字圖像處理基本應用。

二、實驗內容

以大米粒特性測量為例，綜合應用課程中圖像分割、形態學濾波、圖像增強、圖像特征提取等圖像處理方法，實現大米粒特性自動測量。實驗過程簡述：

1． 讀取和顯示圖像 2． 估計圖像背景 3． 獲取背景均勻的圖像 4． 圖像增強 5． 圖像二值化分割 6． 區域標記及為彩色處理

7． 測量圖像中的區域特性（面積、質心等）

8．統計大米粒的特性分布規律。

（一）研究以下程序，分析程序功能；輸入執行各命令行，認真觀察命令執行的結 果。熟悉程序中所使用函數的調用方法，改變有關參數，觀察試驗結果。

% Read and Display an Image clear, close all,close all;I = imread('rice.png');

figure, imshow(I)

% Use Morphological Opening to Estimate the Background

background = imopen(I,strel('disk',15));

figure, imshow(background);

%Display the Background Approximation as a Surface

figure, surf(double(background(1:8:end,1:8:end))),zlim([0 255]);set(gca,'ydir','reverse');% Subtract the Background Image from the Original Image I2 = imsubtract(I,background);figure, imshow(I2)% Adjust the Image Contrast I3 = imadjust(I2, stretchlim(I2), [0 1]);figure, imshow(I3);% Apply Thresholding to the Image level = graythresh(I3);bw = im2bw(I3,level);figure, imshow(bw)% Determine the Number of Objects in the Image [labeled,numObjects] = bwlabel(bw,4);

% Label components.numObjects % Examine the Label Matrix RGB_label = label2rgb(labeled, @spring, 'c', 'shuffle');figure, imshow(RGB_label);% Measure Object Properties in the Image graindata = regionprops(labeled,'basic')allgrains = [graindata.Area];% Compute Statistical Properties of Objects in the Image max(allgrains);biggrain = find(allgrains==695)mean(allgrains);figure, hist(allgrains,20);12

(詳見MATLAB IPT的 幫助文檔demo中的Correcting Nonuniform Illumination)

（二）查看MATLAB IPT 幫助文檔，研究其它應用演示

三、實驗設備 1．PIII以上微機； 2．MATLAB6.5；

四、預習與思考

1．預習實驗內容，閱讀教材熟悉實驗原理； 2．查閱資料，熟悉實驗中涉及的有關函數。

3．利用課余時間，采用MATLAB函數編程實現實驗內容

（二）。

五、實驗報告要求

1．簡述試驗的目的和試驗原理；

2．敘述各段程序功能，改變有關函數的參數，分析比較實驗結果； 3．打印出所編寫的實驗程序。4．寫出本實驗的心得體會及意見。

第四篇：數字圖像處理

中南大學

數字圖像處理實驗 實驗名稱：空間濾波和頻域濾波

班級：電子信息0802班

姓名：李哲 學號：0909080609 實驗日期：2010年12月22日

目錄

一，實驗目的???????????????????????3 二，給圖像添加噪聲????????????????????4 三，對被噪聲污染的圖像進行中值濾波和均值濾波???????5 四，對圖像進行空間域的銳化????????????????6 五，MATLAB以外函數空間濾波和圖像銳化??????????7 六，自帶函數傅立葉變換和反變換??????????????8 七，低通濾波器程序????????????????????9 八，心得體會 ??????????????????????10 九，參考文獻 ??????????????????????10

一、實驗目的 1，空間濾波：

圖像平滑主要目的是減少噪聲。噪聲有很多種類，不同的噪聲有不同的抑制措施。本實驗要求用平滑線性濾波和中值濾波2種最典型、最常用的處理算法進行程序設計，學習如何對已被噪聲污染的圖像進行“凈化”。通過平滑處理，對結果圖像加以比較，得出自己的實驗結論。學習如何用銳化處理技術來加強圖像的目標邊界和圖像細節，對圖像進行梯度算子、拉普拉斯算子，使圖像的某些特征（如邊緣、輪廓等）得以進一步的增強及突出。本實驗銳化處理主要在空間域中進行 2，頻域濾波：

掌握傅里葉變換的基本性質； 掌握傅里葉正變換和反變換； 通過實驗了解二維頻譜的分布特點； 掌握怎樣利用傅立葉變換進行頻域濾波

利用MATLAB程序數字圖像的傅立葉變換并且進行頻域濾波

二，給圖像添加椒鹽噪聲或者高斯噪聲： 原理：利用MATLAB自帶函數添加噪聲 程序代碼：A=imread('onion.png');I=rgb2gray(A);imshow(I);J = imnoise(I,'salt & pepper',0.05);figure,imshow(J),title('椒鹽噪聲');%添加椒鹽噪聲 K = imnoise(I,'gaussian',0,0.03);

figure,imshow(K),title('高斯噪聲');%添加高斯噪聲

三，對被噪聲污染的圖像進行中值濾波和均值濾波： 原理：自帶函數進行中值濾波和均值濾波 源程序：A=imread('onion.png');I=rgb2gray(A);J = imnoise(I,'salt & pepper',0.05);k2=medfilt2(J,[5 5]);k3=medfilt2(J,[7 7]);imshow(J),title('原圖');figure,imshow(k2),title('中值濾波5*5模板');figure,imshow(k3),title('中值濾波7*7模板');

四，對圖像進行空間域的銳化： 原理：自帶函數進行空間銳化。源程序：I=imread('coins.png');subplot(121),imshow(I),title('原圖像');H=fspecial('sobel');I2=filter2(H ,I);subplot(122),imshow(I2),title('sobel算子銳化圖像');

五，MATLAB以外函數空間濾波和圖像銳化：

源程序：I = imread('eight.tif');J = imnoise(I,'salt & pepper',0.02);K = medfilt2(J);imshow(J);title('噪聲干擾圖像')figure, imshow(K);title('medfilt2濾波圖像')X=J;a=2;b=2;k=floor(a*b/2)+1;[M,N]=size(X);uint8 Y=zeros(M,N);funBox=zeros(a,b);temp=zeros(a*b);

for i=1:M-a

for j=1:N-b

funBox=X(i:i+a,j:j+b);

temp=funBox(:);

tempSort=sort(temp);

Y(i,j)=tempSort(k);

end;end;figure, imshow(Y);title('濾波圖像')

六，利用Matlab的圖像處理工具箱中提供的函數實現圖像的傅立葉變換和反變換： 源程序：

A=imread('onion.png');f=rgb2gray(A);subplot(131),imshow(f),title('原圖');F=fft2(f);% 快速傅立葉變換

subplot(132),imshow(F),title('傅里葉變換')Fabs=abs(F);% 求幅頻絕對值 Fc=fftshift(Fabs);% 中心移位 SFc=log(1+Fc);% 對數變換

iFc1=ifftshift(Fc);% 中心移位的逆變換，絕對值 iF2=ifft2(iFc1);% 快速傅立葉變換的逆變換

subplot(133),imshow(iF2),title('快速傅立葉變換的逆變換')

七，低通濾波器程序：

I=imread('testpat1.png');subplot(221),imshow(I);title('原始圖像')J1=imnoise(I,'gaussian',0.02);% 疊加高斯白噪聲

subplot(222),imshow(J1);title('添加高斯白噪聲的圖像')f=double(J1);

% 數據類型轉換 g=fft2(f);

% 傅立葉變換 g=fftshift(g);

[M,N]=size(g);nn=2;

% 二階巴特沃斯(Butterworth)低通濾波器 d0=50;

% 設置截止頻率 m=fix(M/2);n=fix(N/2);for i=1:M for j=1:N

d=sqrt((i-m)^2+(j-n)^2);

h=1/(1+0.414*(d/d0)^(2*nn));% 計算低通濾波器傳遞函數

result(i,j)=h*g(i,j);end end result=ifftshift(result);J2=ifft2(result);J3=uint8(real(J2));subplot(223),imshow(J3);title('低通濾波后圖像')

心得體會

1，進一步熟悉了Matlab軟件、編程以及圖像處理工具箱 2，學會利用自帶函數對圖像做簡單的處理，例如：均值化等。3，熟練了一些基本函數的運用，例如fspecial，imfilter等。4，加深了對MATLAB編程的理解。

5，對于試驗中的出現的一些問題，懂得怎樣去處理。6，通過實際操作，增強了自己的動手能力，把理論用于實踐。

參考文獻：數字圖像處理第二版

MATLAB教程

第五篇：數字圖像處理上機報告

練習一 常用MATLAB圖像處理命令

一、練習目的

1、熟悉并掌握MATLAB工具的使用；

2、實現圖像的讀取、顯示、代數運算和簡單變換。

二、練習環境

Windows操作系統

Matlab 6.5或以上應用軟件

三、練習內容

1、圖像文件的讀寫

（1）imread函數用來實現圖像文件的讀取。輸入以下程序：

A=imread('文件名.擴展名');%用imread函數來讀入圖像 注：設置路徑 imshow(A);%用imshow函數來顯示圖像 得到的結果如圖：

（2）imfinfo函數用來查詢圖像文件信息。輸入以下程序：

info=imfinfo('文件名.擴展名');% 用imfinfo函數查詢圖像文件信息 得到： info =

Filename: '文件名.擴展名'

（4）imshow函數用來顯示圖像。

剛才介紹imread函數時已使用此函數。

（5）colorbar函數將顏色條添加到坐標軸對象中。輸入以下程序：

RGB=imread('***');%圖像讀入

I=rgb2gray(RGB);%把RGB圖像轉換成灰度圖像

imshow(I),colorbar('vert')% 將顏色條添加到坐標軸對象中

得到如圖：

2、圖像處理的基本操作

一、圖像代數運算

（1）imadd函數實現兩幅圖像的相加或者給一幅圖像加上一個常數。給圖像每個像素都增加亮度的程序如下： I=imread('***');J=imadd(I,100);%給圖像增加亮度 subplot(1,2,1),imshow(I)%填充 subplot(1,2,2),imshow(J)結果如圖5。

（2）imsubtract函數實現從一幅圖像中減去一個常數。輸入以下程序實現從一幅圖像中減去一個常數：

（3）immultiply實現兩幅圖像的相乘或者一幅圖像的亮度縮放（圖像乘以小于1或大于1的參數，比較效果）。輸入以下程序：

（4）imdivide函數實現兩幅圖像的除法或一幅圖像的亮度縮放。輸入以下程序：

二、圖像的空間域操作

（1）imrotate函數實現圖像的旋轉。輸入以下程序： I=imread('***');J=imrotate(I,45);%對圖像進行旋轉 subplot(1,2,1),imshow(I);subplot(1,2,2),imshow(J);得到圖：

練習二 數字圖像處理的基本操作

一、練習目的

1、練習使用MATLAB工具進行數字圖像處理；

2、實現圖像的邊緣提取、濾波、直方圖修正等操作。

二、練習環境

Windows操作系統

Matlab 6.5或以上應用軟件

三、練習內容

（1）imresize函數實現圖像的縮放。輸入以下程序：

J=imread('文件名.擴展名');X1=imresize(J,2);%對圖像進行縮放 figure,imshow(J)結果如圖

（2）imcrop函數實現圖像的剪切。輸入以下程序： I=imread('***');I2=imcrop(I);%對圖像進行剪切 subplot(填充),imshow(填充);subplot(填充),imshow(填充);如圖：

圖像變換

（1）fft2函數和ifft2函數分別是計算二維的FFT和反變換。輸入以下程序： f=zeros(100,100);f(20:70,40:60)=1;imshow(f);F=fft2(f);% 計算二維的FFT F2=log(abs(F));%對幅值取對數 imshow(F2),colorbar

（2）dct2函數采用基于FFT的算法，用于實現較大輸入矩陣的離散余弦變換。與之對應，idct2函數實現圖像的二維逆離散余弦變換 輸入以下程序： RGB=imread('***');I=rgb2gray(RGB);J=dct2(I);% 對I進行離散余弦變換 imshow(log(abs(J))),colorbar J(abs(J)<10)=0;K=idct2(J);% 圖像的二維逆離散余弦變換 figure,imshow(I);figure,imshow(K,[0,255])得到如圖：

（3）edge函數用于提取圖像的邊緣。輸入以下程序：

RGB=imread('drum.bmp');I=rgb2gray(RGB);BW=edge(I);% 提取圖像的邊緣 imshow(I),figure,imshow(BW);得到圖

圖像增強、分割和編碼

（1）imhist函數產生圖像的直方圖。A=imread('drum.bmp');%讀入圖像

B=rgb2gray(A);%把RGB圖像轉化成灰度圖像 imshow(B);%顯示灰度圖像

imhist(B)%顯示灰度圖像的直方圖 得到圖

（2）histeq函數用于對圖像的直方圖均衡化。接上面程序：

C=histeq(B);%對圖像B進行均衡化 imshow(C);%顯示圖像

imhist(C)；%得到均衡化后的灰度直方圖 得到如圖

filter2函數實現均值濾波。輸入以下程序：

a=imread('noise.drum.jpg');I=rgb2gray(a);imshow(I);K1=filter2(fspecial('average',3),I)/255;% 3?3的均值濾波 K2=補充;

% 5?5的均值濾波 K3=補充;

% 7?7的均值濾波 figure,imshow(K1);figure,imshow(K2);figure,imshow(K3);得到圖

（5）medfilt2函數實現中值濾波。輸入以下程序：

自查函數如何使用，并編程： 結果如圖：

練習三

圖像采樣及圖像類型轉換

一、練習目的

1、熟悉并掌握MATLAB圖像處理工具箱的使用；

2、試對自選圖像分別進行4和16倍剪采樣，查看其剪采樣效果

3、將所給圖，轉換成256級灰度圖像，8級灰度圖像和2值圖像

二、練習環境

MATLAB 6.5或以上版本、WIN XP或以上計算機

三、練習內容

使用MATLAB，對圖像進行減采樣。

a = imread('***.JPG');b = rgb2gray(a);[wid,hei]=size(b);%4倍減抽樣

quartimg = zeros(wid/2+1,hei/2+1);i1 = 1;j1 = 1;for i=1:2:wid

for j=1:2:hei

quartimg(i1,j1)= b(i,j);

j1 = j1 + 1;

end i1 = i1 + 1;j1 = 1;end figure

imshow(uint8(quartimg))練習結果如圖

%16倍減抽樣

編程并運行顯示圖像結果：

圖像類型

1、練習內容

試將自選圖，轉換成256級灰度圖像，8級灰度圖像和2值圖像

2、練習方法及程序

使用MATLAB，進行圖像類型變換。

a = imread('***.jpg');b = rgb2gray(a);

figure imshow(b)[wid,hei]=size(b);img8 = zeros(wid,hei);img2 = zeros(wid,hei);for i=1:wid

for j=1:hei

img8(i,j)= floor(b(i,j)/32);%得到8級灰度圖像

end end figure

imshow(uint8(img8),[0,7])for i=1:wid

for j=1:hei

補充;end end figure

imshow(uint8(img8),[0,2])%得到2值圖像

練習結果如圖

練習四

數字圖像的空間域處理

一、練習目的

1、熟悉并掌握MATLAB圖像處理工具箱的使用；

2、熟悉圖像相加的方法及效果

3、熟悉圖像灰度擴展的方法及效果

4、熟悉圖像縮放、旋轉的方法及效果

二、練習環境

MATLAB 6.5或以上版本、WIN XP或以上計算機

三、練習內容 Part 1（1）選擇一幅圖像***.jpg，設置輸入輸出變換的灰度級范圍，a=0.3, b=0.6, c=0.1, d=0.9；

（2）設置非線性擴展函數的參數c=2；

（3）采用灰度倒置變換函數s=255-r進行圖像變換；

（4）設置二值化圖像的閾值，分別為level=0.4,level=0.7參考程序如下： I=imread('***.jpg');figure;subplot(1,3,1);imshow(I);title('原圖');J=imadjust(I,[0.3;0.6],[0.1;0.9]);%設置灰度變換的范圍 subplot(1,3,2);imshow(J);title('線性擴展');I1=double(I);%將圖像轉換為double類型 I2=I1/255;%歸一化此圖像 C=2;K=C*log(1+I2);%求圖像的對數變換 subplot(1,3,3);imshow(K);title('非線性擴展');M=255-I;%將此圖像取反 figure;subplot(1,3,1);imshow(M);title('灰度倒置');N1=im2bw(I,0.4);%將此圖像二值化，閾值為0.4 N2=im2bw(I,0.7);%將此圖像二值化，閾值為0.7 subplot(1,3,2);imshow(N1);title('二值化閾值0.4');subplot(1,3,3);imshow(N2);title('二值化閾值0.7');練習結果與分析

（1）練習結果如圖3.7所示。

Part 2 讀取一幅圖片，如***.jpg，設置圖像旋轉的角度分別為450和900，采用圖形旋轉函數imrotate對圖像進行旋轉。程序如下，結果如圖3.10。

I=imread('i_lena.jpg');J=imrotate(I,45);%圖像進行逆時針旋轉，默認采用最近鄰法進行插值處理 K=imrotate(I,90);%默認旋轉出界的部分不被截出 subplot(1,3,1);imshow(I);subplot(1,3,2);imshow(J);subplot(1,3,3);imshow(K);練習結果與分析

（1）練習結果如圖3.10所示。

練習五 數字圖像的頻域處理

一、練習目的

1、熟悉并掌握MATLAB工具的使用；

2、實現圖像離散傅里葉變換并觀察效果

3、實現圖像離散余弦變換并觀察效果

二、練習環境

Windows操作系統 Matlab 6.5或以上應用軟件

三、練習內容 Part 1 選取一幅圖像，進行離散傅里葉變換，再對其分別進行X軸與Y軸上的平移，得其離散傅里葉變換，觀察三幅結果圖。

I=imread('1.bmp');figure(1)imshow(real(I));I=I(:,:,3);fftI=fft2(I);sfftI=fftshift(fftI);%求離散傅里葉頻譜

%對原始圖像進行二維傅里葉變換，并將其坐標原點移到頻譜圖中央位置

RRfdp1=real(sfftI);IIfdp1=imag(sfftI);a=sqrt(RRfdp1.^2+IIfdp1.^2);a=(a-min(min(a)))/(max(max(a))-min(min(a)))*225;

figure(2)imshow(real(a));練習結果與分析

Part 2 選取一幅圖像，進行離散傅里葉變換，再對其進行一定角度的旋轉，進行離散傅里葉變換。

%構造原始圖像

I = zeros(256,256);

I(88:168,124:132)= 1;%圖像范圍是256*256,前一值是縱向比，后一值是橫向比 imshow(I)

%求原始圖像的傅里葉頻譜

J = fft2(I);F = abs(J);J1 = fftshift(F);figure imshow(J1,[5 50])

%對原始圖像進行旋轉

J = imrotate(I,90,'bilinear','crop');figure imshow(J)%求旋轉后圖像的傅里葉頻譜

J1 = fft2(J);F = abs(J1);J2 = fftshift(F);figure imshow(J2,[5 50])練習結果與分析

1）練習結果如圖4.4所示.Part 3 選取一幅圖像，進行離散余弦變換，并對其進行離散余弦反變換，觀察其結果。

%對***.jpg文件計算二維DCT變換 RGB = imread('***.jpg ');figure(1)imshow(RGB)I = rgb2gray(RGB);%真彩色圖像轉換成灰度圖像 J = dct2(I);%計算二維DCT變換 figure(2)imshow(log(abs(J)),[])%圖像大部分能量集中在上左角處 figure(3);J(abs(J)< 10)= 0;%把變換矩陣中小于10的值置換為0，然后用idct2重構圖像 K = idct2(J)/255;imshow(K)練習結果與分析