第一篇：數(shù)字圖像處理實(shí)驗(yàn)報(bào)告

實(shí)驗(yàn)一 數(shù)字圖像的獲取

一、實(shí)驗(yàn)?zāi)康?/p>

1、了解圖像的實(shí)際獲取過程。

2、鞏固圖像空間分辨率和灰度級(jí)分辨率、鄰域等重要概念。

3、熟練掌握?qǐng)D像讀、寫、顯示、類型轉(zhuǎn)換等 matlab 函數(shù)的用法。

二、實(shí)驗(yàn)內(nèi)容

1、讀取一幅彩色圖像，將該彩色圖像轉(zhuǎn)化為灰度圖像，再將灰度圖像轉(zhuǎn)化為索引圖像并顯示所有圖像。

2、編程實(shí)現(xiàn)空間分辨率變化的效果。

三、實(shí)驗(yàn)原理

1、圖像讀、寫、顯示 I=imread(‘image.jpg’)Imview(I)Imshow(I)Imwrite(I,’wodeimage.jpg’)

2、圖像類型轉(zhuǎn)換

I=mat2gray(A,[amin,amax]);按指定的取值區(qū)間[amin,amax]將數(shù)據(jù)矩陣 A 轉(zhuǎn)化為灰度

圖像 I，amin 對(duì)應(yīng)灰度 0，amax 對(duì)應(yīng) 1，也可以不指定該區(qū)間。

[x,map]=gray2ind(I,n);按指定的灰度級(jí) n 將灰度圖像轉(zhuǎn)化為索引圖像,n 默認(rèn)為 64 I=ind2gray(x,map);索引圖像轉(zhuǎn)化為灰度圖像 I=grb2gray(RGB);真彩色圖像轉(zhuǎn)化為灰度圖像

[x,map]=rgb2ind(RGB);真彩色圖像轉(zhuǎn)化為索引圖像 RGB=ind2rgb(x,map);索引圖像轉(zhuǎn)化為真彩色圖像

BW=im2bw(I,level);將灰度圖像轉(zhuǎn)化為二值圖像,level 取值在[0,1]之間

BW=im2bw(x,map,level);將索引圖像轉(zhuǎn)化為二值圖像,level 取值在[0,1]之間 BW=im2bw(RGB,level);將真彩色圖像轉(zhuǎn)化為二值圖像,level 取值在[0,1]之間

四、實(shí)驗(yàn)代碼及結(jié)果

1、in=imread('peppers.png');i=rgb2gray(in);[x,map]=gray2ind(i,128);subplot(131),imshow(in)subplot(132),imshow(i)subplot(133),imshow(x),colormap(map)

、%空間分辨率變化的效果

clc,close all,clear i=imread('cameraman.tif');

i=imresize(i,[256,256]);i1=i(1:2:end,1:2:end);[m1,n1]=size(i)i2=i1(1:2:end,1:2:end);[m2,n2]=size(i2)i3=i2(1:2:end,1:2:end);[m3,n3]=size(i3)subplot(221),imshow(i),xlabel('256 x 256')subplot(222),imshow(i1),xlabel('128 x 128')subplot(223),imshow(i2),xlabel('64 x 64')subplot(224),imshow(i3),xlabel('32 x 32')256 x 25664 x 64128 x 12832 x 32

實(shí)驗(yàn)二

圖像的幾何變換

一、實(shí)驗(yàn)?zāi)康?/p>

掌握?qǐng)D像的基本幾何變換的方法

1、圖像的平移

2、圖像的旋轉(zhuǎn)

二、實(shí)驗(yàn)內(nèi)容

練習(xí)用matalb命令實(shí)現(xiàn)圖像的平移、旋轉(zhuǎn)操作

1、.編寫實(shí)現(xiàn)圖像平移的函數(shù)

2、用imread命令從你的硬盤讀取一幅256×256灰度圖;

3、調(diào)用平移函數(shù)，將256×256灰度圖平移100行200列，在同一個(gè)窗口中顯示平移前和平移后的圖像。

4、再開辟一個(gè)窗口，分別用最近鄰插值法、雙線性插值法實(shí)現(xiàn)圖像順勢(shì)針旋轉(zhuǎn)50°，顯示在同一窗口中，并比較兩種效果圖（在報(bào)告中）

三、實(shí)驗(yàn)原理

提示：圖片平移就是實(shí)現(xiàn)運(yùn)算

?x'??10x0??x? ?'????? ?y???01y0???y??1??001??1? ??????

?x'?x?x0即：??y'?y?y0

四、實(shí)驗(yàn)代碼及結(jié)果

1、function [I]=hmove(i,x0,y0);%編寫實(shí)現(xiàn)圖像平移的函數(shù)hmove，平移量為 [r,c]=size(i);

%x0,y0,平移前圖像矩陣為i，I(r+x0,c+y0)=0;

%平移后圖像矩陣為I for x=1:r;

for y=1:c;

x1=x+x0;

y1=y+y0;

I(x1,y1)=i(x,y);

end;end;參考程序 subplot(2,2,1)imshow(RGB)subplot(2,2,3)gray1=rgb2gray(RGB);imagesc(gray1),colormap(gray);

subplot(2,2,2)I1=hmove(gray1,100,20);subimage(gray1),axis('image');subplot(2,2,4),imagesc(I1),colormap(gray),axis([1,700],[1,820]);

2、顯示圖像的傅立葉頻譜 ? a=0:800;b=0:600;

? %[x,y]=meshgrid([-20:0.2:20],[-20:0.2:20]);? [x,y]=meshgrid(a,b);? i=imread('hr.jpg');? I=rgb2gray(i);

? subplot(1,2,1),subimage([0,800],[0,600],i);? subplot(1,2,2);? s=fft2(I,601,801);? mesh(x,y,log(abs(s)));％圖像的傅立葉幅度頻譜以三維圖形顯示 ? colormap(hsv);

實(shí)驗(yàn)三 圖像空域變換增強(qiáng)（1）

一、實(shí)驗(yàn)?zāi)康?/p>

1、掌握直方圖均衡化算法。

2、鞏固灰度變換、直方圖修正、圖像算術(shù)和邏輯運(yùn)算等基礎(chǔ)知識(shí)。

3、熟練掌握空域變換增強(qiáng)的matlab 相關(guān)函數(shù)用法，并能利用算法自己編寫matlab 程序?qū)崿F(xiàn)圖像空域變換增強(qiáng)。

二、實(shí)驗(yàn)內(nèi)容

1、用函數(shù)imcomplement 對(duì)灰度圖像cameraman.tif 取反。

2、利用如下分段變換曲線對(duì)canmeraman.tif 做線性灰度變換。

3、利用直方圖求取算法計(jì)算以及顯示pout.tif 的直方圖，并和imhist 函數(shù)生成的直方圖作比較。

三、實(shí)驗(yàn)原理

在圖像處理中，空域是指由像素組成的空間，空域增強(qiáng)方法是指直接作用于像素的增強(qiáng)方法。空域處理可以表示為：

g(x, y)=T[ f(x, y)]

j=imcomplement(i);對(duì)圖像取反 imhist();顯示圖像的直方圖 histeq();直方圖均衡化函數(shù)

imnoise(I,type,parameters);給圖像加噪聲 bitand();圖像位與運(yùn)算 bitor();圖像位或運(yùn)算

四、實(shí)驗(yàn)代碼與結(jié)果

1、i=imread('cameraman.tif');

j=imcomplement(i);subplot(121),imshow(i)subplot(122),imshow(j)

2、clear,close all,clc in1=imread('cameraman.tif');

f0=0;g0=0;f1=100;g1=60;f2=150;g2=220;f3=255;g3=255;figure,plot([f0,f1,f2,f3],[g0,g1,g2,g3])axis tight,xlabel('f'),ylabel('g')title('intensity transformation')r1=(g1-g0)/(f1-f0);b1=g0-r1*f0;r2=(g2-g1)/(f2-f1);b2=g1-r2*f1;r3=(g3-g2)/(f3-f2);b3=g2-r3*f2;[m,n]=size(in1);in2=double(in1);for i=1:m for j=1:n f=in2(i,j);g(i,j)=0;if(f>=0)&(f<=f1)g(i,j)=r1*f+b1;elseif(f>=f1)&(f<=f2)g(i,j)=r2*f+b2;elseif(f>=f2)&(f<=f3)g(i,j)=r3*f+b3;end end end figure,subplot(121),imshow(in1)subplot(122),imshow(mat2gray(g))

3、clc,clear,close all in=imread('pout.tif');[m,n]=size(in);num=zeros(1,256);% num 是每個(gè)灰度級(jí)對(duì)應(yīng)的像素個(gè)數(shù) p=zeros(1,256);% p 是每個(gè)灰度級(jí)出現(xiàn)的概率 for i=1:m for j=1:n num(1,in(i,j)+1)=num(1,in(i,j)+1)+1;% 統(tǒng)計(jì)個(gè)數(shù) end end p=num./(m*n)% 求概率 x=1:256;subplot(121),plot(x,p),axis([1 256 0 0.06])subplot(122),imhist(in)

實(shí)驗(yàn)四 圖像空域變換增強(qiáng)（2）

一、實(shí)驗(yàn)?zāi)康?/p>

1、掌握直方圖均衡化算法。

2、鞏固灰度變換、直方圖修正、圖像算術(shù)和邏輯運(yùn)算等基礎(chǔ)知識(shí)。

3、熟練掌握空域變換增強(qiáng)的matlab 相關(guān)函數(shù)用法，并能利用算法自己編寫matlab 程序?qū)崿F(xiàn)圖像空域變換增強(qiáng)。實(shí)現(xiàn)頻域線性變換，非線性變換增強(qiáng)

二、實(shí)驗(yàn)內(nèi)容

1、利用直方圖均衡化算法對(duì)圖像pout.tif 進(jìn)行增強(qiáng)運(yùn)算。

2、對(duì)圖像lena.jpg 作邏輯與和邏輯或運(yùn)算。

三、實(shí)驗(yàn)原理

j=imcomplement(i);對(duì)圖像取反 imhist();顯示圖像的直方圖 histeq();直方圖均衡化函數(shù)

imnoise(I,type,parameters);給圖像加噪聲 bitand();圖像位與運(yùn)算 bitor();圖像位或運(yùn)算

四、實(shí)驗(yàn)代碼與結(jié)果

1、clear;close all;clc;tu=imread('pout.tif');% 輸入圖像

%tu=rgb2gray(tu);% 轉(zhuǎn)換為灰度圖像

N=zeros(1,256);% N 為原始圖像各灰度級(jí)像素個(gè)數(shù) P=zeros(1,256);% P 為原始成圖像直方圖

q=zeros(1,256);% q 為原始圖像直方圖累積分布函數(shù)

newN=zeros(1,256);% newN 為新生成圖像各灰度級(jí)像素個(gè)數(shù) newP=zeros(1,256);% newP 為新生成圖像直方圖

newq=zeros(1,256);% newq 為新生成圖像直方圖累積分布函數(shù) [h w]=size(tu);new_tu=zeros(h,w);% 計(jì)算原始圖像各灰度級(jí)像素個(gè)數(shù) for x=1:h for y=1:w N(1,tu(x,y))=N(1,tu(x,y))+1;end end P=N./sum(N);% 計(jì)算原始直方圖 P % 計(jì)算原始累積分布直方圖 q(1,1)=P(1,1);for i=2:256 q(1,i)=q(1,i-1)+P(1,i);end % 計(jì)算原始直方圖對(duì)應(yīng)的新的灰度 t ,建立映射關(guān)系 for i=1:256 t(1,i)=floor(254*q(1,i)+1+0.5);end % 計(jì)算直方圖均衡化后的新圖 new_tu for x=1:h for y=1:w new_tu(x,y)=t(1,tu(x,y));end end % 統(tǒng)計(jì)新生成圖像各灰度級(jí)像素個(gè)數(shù) for x=1:h for y=1:w newN(1,new_tu(x,y))=newN(1,new_tu(x,y))+1;end end newP=newN./(h*w);% 計(jì)算新的灰度直方圖 newP % 計(jì)算新生成圖像累積分布直方圖 newq(1,1)=newP(1,1);for i=2:256 newq(1,i)=newq(1,i-1)+newP(1,i);end % 顯示信息

subplot(231),imshow(tu)subplot(232),plot(P),axis([1 256 0 0.06])subplot(233),plot(q),axis([1 256 0 1])subplot(234),imshow(new_tu,[])subplot(235),plot(newP),axis([1 256 0 0.06])subplot(236),plot(newq),axis([1 256 0

1])

2、clc,clear,close all in=imread('lena.jpg');in=rgb2gray(in);[m,n]=size(in);in=double(in);out1=ones(m,n)*255;out1(20:150,30:170)=0;chu1=zeros(m,n);chu1(20:150,30:170)=255;for i=1:m for j=1:n out2(i,j)=bitor(in(i,j),out1(i,j));chu2(i,j)=bitand(in(i,j),chu1(i,j));end end in=uint8(in);out1=uint8(out1);out2=uint8(out2);chu1=uint8(chu1);chu2=uint8(chu2);subplot(231),imshow(in)subplot(232),imshow(out1)subplot(233),imshow(out2)subplot(234),imshow(chu1)subplot(235),imshow(chu2)

實(shí)驗(yàn)五 圖像濾波增強(qiáng)

一、實(shí)驗(yàn)?zāi)康?/p>

1、掌握各種空域和頻域圖像濾波增強(qiáng)算法已經(jīng)模板運(yùn)算的基本方法。

2、鞏固卷積定理、濾波處理等基礎(chǔ)知識(shí)。

3、熟練掌握空域和頻域?yàn)V波增強(qiáng)的matlab 相關(guān)函數(shù)用法。

二、實(shí)驗(yàn)內(nèi)容

1、利用均值濾波算法對(duì)已被噪聲污染的圖像rice.png 進(jìn)行濾波除噪處理。、利用標(biāo)準(zhǔn)中值濾波算法對(duì)已被噪聲污染的圖像rice.png 進(jìn)行濾波除噪處理。3、用prewitt 算子對(duì)圖像cameraman.tif 進(jìn)行銳化濾波處理。

三、實(shí)驗(yàn)原理

H=fspecial(type);H=fspecial(type,parameters);用于創(chuàng)建一個(gè)指定的濾波器模板，type 指濾波器的類型。

parameters 是與指定的濾波器有關(guān)的參數(shù)。Y=filter2(B,X);用于進(jìn)行二維線性數(shù)字濾波，使用矩陣B 中的二維濾波器對(duì)數(shù)據(jù)X進(jìn)行濾波。結(jié)果Y 是通過二維互相關(guān)計(jì)算出來的，大小與X 一樣。

Y=filter2(B,X,’shape’);結(jié)果Y 的大小由參數(shù)shape確定，shape的取值如下： Full：返回二維戶相關(guān)的全部結(jié)果，size(Y)>size(X)Same：返回二維戶相關(guān)結(jié)果的中間部分，Y 的大小與X 相同 Valid：返回二維戶相關(guān)未使用邊緣補(bǔ)0 的部分，size(Y)

四、實(shí)驗(yàn)代碼與結(jié)果

1、clc,clear

in1=imread('rice.png');f=imnoise(in1,'salt & pepper',0.1);%f=imnoise(in1,'gaussian',0,0.02)%g 是標(biāo)準(zhǔn)均值濾波器的輸出圖像 g=biaozhunjunzhi(f,3);subplot(221),imshow(in1)%,xlabel('(a)原始圖像')subplot(222),imshow(f)%,xlabel('(b)加噪圖像')subplot(223),imshow(g)%,xlabel('(c)標(biāo)準(zhǔn)均值濾波圖像')function g=biaozhunjunzhi(f,k)[m,n]=size(f);%f1 是對(duì)邊緣像素補(bǔ)0 后得到的圖像

f1=zeros(m+(k-1),n+(k-1));[m1,n1]=size(f1);%f1 的邊緣像素值為0中間的像素值依然為f f1((1+(k-1)/2):(m1-(k-1)/2),(1+(k-1)/2):(n1-(k-1)/2))=f;%注意這條指令絕對(duì)不能少 ga=f;%取出窗口內(nèi)的像素值并作標(biāo)準(zhǔn)均值濾波處理 for i=(k+1)/2:(m1-(k-1)/2)

for j=(k+1)/2:(n1-(k-1)/2)a=0;x=1;for p=1:k for q=1:k a(x)=f1(i+(p-(k+1)/2),j+(q-(k+1)/2));x=x+1;end end %hsum 表示窗口內(nèi)所有像素值的和 hsum=0;for h=1:(k^2)hsum=hsum+a(h);end ga(i,j)=round(hsum/(k^2));end end %ga 的大小和f1 的大小一致所以必須取出中間部分像素值作為輸出 g=ga((1+(k-1)/2):(m1-(k-1)/2),(1+(k-1)/2):(n1-(k-1)/2));

2、clc,clear in1=imread('rice.png');f=imnoise(in1,'salt & pepper',0.1);%f=imnoise(in1,'gaussian',0,0.02)%g 是標(biāo)準(zhǔn)中值濾波器的輸出圖像 g=biaozhunzhongzhi(f,3);subplot(131),imshow(in1)%,xlabel('(a)原始圖像')subplot(132),imshow(f)%,xlabel('(b)加噪圖像')subplot(133),imshow(g)%,xlabel('(c)標(biāo)準(zhǔn)均值濾波圖像')function g=biaozhunzhongzhi(f,k)[m,n]=size(f);%f1 是對(duì)邊緣像素補(bǔ)0 后得到的圖像

f1=zeros(m+(k-1),n+(k-1));[m1,n1]=size(f1);%f1 的邊緣像素值為0中間的像素值依然為f f1((1+(k-1)/2):(m1-(k-1)/2),(1+(k-1)/2):(n1-(k-1)/2))=f;%注意這條指令絕對(duì)不能少 ga=f;for i=(k+1)/2:(m1-(k-1)/2)for j=(k+1)/2:(n1-(k-1)/2)a=0;x=1;for p=1:k for q=1:k a(x)=f1(i+(p-(k+1)/2),j+(q-(k+1)/2));x=x+1;

end end a=sort(a);ga(i,j)=a((k^2+1)/2);end end %ga 的大小和f1 的大小一致所以必須取出中間部分像素值作為輸出 g=ga((1+(k-1)/2):(m1-(k-1)/2),(1+(k-1)/2):(n1-(k-1)/2));

3、clc,clear,close all f=imread('cameraman.tif');[m,n]=size(f);g=f;h1=[-1-1-1;0 0 0;1 1 1];h2=[-1 0 1;-1 0 1;-1 0 1];x1=h1;x2=h2;for i=2:1:m-1 for j=2:1:n-1 sum1=0;sum2=0;sum=0;for p=1:1:3 for q=1:1:3 x1(p,q)=f(i+(p-2),j+(q-2));x2(p,q)=f(i+(p-2),j+(q-2));sum1=sum1+x1(p,q)*h1(p,q);sum2=sum2+x2(p,q)*h2(p,q);sum=sum1+sum2;end end if sum<1 g(i,j)=abs(sum);else g(i,j)=sum;end end end subplot(121),imshow(f)subplot(122),imshow(g)

實(shí)驗(yàn)六 圖像復(fù)原

一、實(shí)驗(yàn)?zāi)康?/p>

1、掌握各種空域和頻域圖像濾波增強(qiáng)算法已經(jīng)模板運(yùn)算的基本方法。

2、鞏固卷積定理、濾波處理等基礎(chǔ)知識(shí)。

3、熟練掌握空域和頻域?yàn)V波增強(qiáng)的matlab 相關(guān)函數(shù)用法并能利用算法自己編寫matlab程序?qū)崿F(xiàn)圖像空域變換增強(qiáng)。

二、實(shí)驗(yàn)內(nèi)容 利用大氣湍流引起的圖像退化模型對(duì)camerman.tif 進(jìn)行退化和復(fù)原仿真，采用逆濾波的方法復(fù)原。利用勻速直線運(yùn)動(dòng)的圖像退化模型對(duì)camerman.tif 進(jìn)行退化和復(fù)原仿真，采用逆濾波的方法復(fù)原。根據(jù)逆諧波均值濾波器的輸入輸出方程對(duì)輸入圖像camerman.tif 進(jìn)行空域?yàn)V波還原處理。

三、實(shí)驗(yàn)原理

Psf=fspecial(type,parameters)；返回指定濾波器的單位沖擊響應(yīng) Imfilter(c,psf,’circular’,’conv’)；根據(jù)psf 對(duì)圖像進(jìn)行濾波處理 Fr=deconvwnr(g,psf,ncorr,icorr)；對(duì)圖像進(jìn)行維納濾波處理

Fr=deconvreg(g,psf,noisepower,range)；對(duì)圖像進(jìn)行最小二乘方濾波處理

Tform=maketform(transform_type,transform_parameters)；對(duì)圖像進(jìn)行幾何失真校正

四、實(shí)驗(yàn)代碼與結(jié)果

1、%基于大氣湍流造成的模糊圖像及其還原

clear;close all;clc in=imread('cameraman.tif');subplot(131),imshow(in),title('原始圖像')f=fft2(in);[N1,N2]=size(f);k1=0.00005;%退化模型中的常數(shù)

%根據(jù)退化模型對(duì)輸入圖像進(jìn)行退化處理并輸出退化后的圖像 for i=1:N1 for j=1:N2 h(i,j)=exp((-k1*(i^2+j^2))^(5/6));out(i,j)=f(i,j)*h(i,j);end end out1=ifft2(out);outreal=uint8(real(out1));subplot(132),imshow(outreal),title('大氣湍流退化圖')%根據(jù)退化模型對(duì)已經(jīng)退化的圖像進(jìn)行恢復(fù)處理 k2=0.00006;%退化模型中的常數(shù)

for i=1:N1 for j=1:N2 h(i,j)=exp((-k2*(i^2+j^2))^(5/6));chu(i,j)=out(i,j)/h(i,j);end end chu1=ifft2(chu);chureal=uint8(real(chu1));subplot(133),imshow(chureal),title('大氣湍流還原圖')

2、%基于勻速直線運(yùn)動(dòng)造成的模糊圖像及其還原

clear;close all;clc in=imread('cameraman.tif');%in=rgb2gray(in1);subplot(131),imshow(in),title('原始圖像')f=fft2(in);[N1,N2]=size(f);t=1;a=0.06;b=0.04;pi=3.1415926;for u=1:N1 for v=1:N2 fenzhi=cos(pi*(u*a+v*b))-i*sin(pi*(u*a+v*b));h(u,v)=t*sin(pi*(u*a+v*b))*fenzhi/(pi*(u*a+v*b));out(u,v)=f(u,v)*h(u,v);end end out1=ifft2(out);outreal=uint8(real(out1));subplot(132),imshow(outreal),title('勻速直線運(yùn)動(dòng)退化圖')for u=1:N1 for v=1:N2 h(u,v)=t*sin(pi*(u*a+v*b))*(cos(pi*(u*a+v*b))-j*sin(pi*(u*a+v*b)))/(pi*(u*a+v*b));chu(u,v)=out(u,v)/h(u,v);end end chu1=ifft2(chu);chureal=uint8(real(chu1));

subplot(133),imshow(chureal),title('勻速直線運(yùn)動(dòng)還原圖')

a=0.06;b=0;時(shí)的運(yùn)行結(jié)果：

a=0;b=0.06;時(shí)的運(yùn)行結(jié)果：：

3、%逆諧波均值濾波舉例

clc,close all,clear in=imread('cameraman.tif');f=imnoise(in,'gaussian',0,0.05);g=nixiebojunzhi(f,3);subplot(131),imshow(in)subplot(132),imshow(f)subplot(133),imshow(g)%逆諧波函數(shù)

function g=nixiebojunzhi(f,k)[m,n]=size(f);r=2;%r 為逆諧波函數(shù)中的Q 值

%f1 是對(duì)邊緣像素補(bǔ)0 后得到的圖像

f1=zeros(m+(k-1),n+(k-1));[m1,n1]=size(f1);%f1 的邊緣像素值為0中間的像素值依然為f f1((1+(k-1)/2):(m1-(k-1)/2),(1+(k-1)/2):(n1-(k-1)/2))=f;%注意這條指令絕對(duì)不能少 ga=f;%取出窗口內(nèi)的像素值并作標(biāo)準(zhǔn)均值濾波處理 for i=(k+1)/2:(m1-(k-1)/2)for j=(k+1)/2:(n1-(k-1)/2)a=0;x=1;for p=1:k for q=1:k a(x)=f1(i+(p-(k+1)/2),j+(q-(k+1)/2));x=x+1;end end %hsum 表示窗口內(nèi)所有像素值的和 hsum1=0;hsum2=0;for h=1:(k^2)hsum1=hsum1+a(h)^(r+1);hsum2=hsum2+a(h)^r;end ga(i,j)=round(hsum1/hsum2);end end %ga 的大小和f1 的大小一致所以必須取出中間部分像素值作為輸出 g=ga((1+(k-1)/2):(m1-(k-1)/2),(1+(k-1)/2):(n1-(k-1)/2));

實(shí)驗(yàn)七 彩色圖像處理

一、實(shí)驗(yàn)?zāi)康?/p>

1、了解三色成像及各種顏色模型。

2、能用處理灰度圖像的算法和技術(shù)對(duì)真彩色圖像進(jìn)行增強(qiáng)、去噪、復(fù)原等處理。

3、理解偽彩色圖像處理技術(shù)并掌握密度分層法、灰度級(jí)彩色變換法、頻域?yàn)V波等偽彩色圖像處理算法。

二、實(shí)驗(yàn)內(nèi)容

1、生成一幅256x256 的RGB 圖像，該圖像左上角為紅色，右上角為藍(lán)色，左下角為綠色，右下角為黑色。

2、給彩色圖像加噪并去噪，可以采用灰度圖像去噪處理的任何方法。

3、密度分層偽彩色處理仿真。

4、灰度級(jí)-彩色變換法偽彩色處理仿真。

三、實(shí)驗(yàn)原理

B=cat(dim,A1,A2,A3,...)，dim 為維數(shù)，cat 函數(shù)將A1,A2,A3 等矩陣連接成維數(shù)為dim的矩陣。

四、實(shí)驗(yàn)代碼與結(jié)果

1、clc,clear,close all rin=zeros(256,256);%紅色分量 rin(1:128,1:128)=1;%左上角 gin=zeros(256,256);%綠色分量 gin(129:256,1:128)=1;%左下角 bin=zeros(256,256);%藍(lán)色分量 bin(1:128,129:256)=1;%右上角 %將三個(gè)分量進(jìn)行組合 out1=cat(3,rin,gin,bin);%也可以不用matlab 函數(shù)

out2(:,:,1)=rin;out2(:,:,2)=gin;out2(:,:,3)=bin;subplot(121),imshow(out1)subplot(122),imshow(out2)

2、%給彩色圖像加噪并去噪

clc,clear,close all in1=imread('peppers.png');in=imnoise(in1,'salt & pepper',0.8);out(:,:,1)=gaijinjunzhi(in(:,:,1),5);out(:,:,2)=gaijinjunzhi(in(:,:,2),5);out(:,:,3)=gaijinjunzhi(in(:,:,3),5);subplot(221),imshow(in1)subplot(222),imshow(in)subplot(223),imshow(out)%采用改進(jìn)均值濾波算法，函數(shù)如下 function g=gaijinjunzhi(f,k)[m,n]=size(f);%f1 是對(duì)邊緣像素補(bǔ)0 后得到的圖像

f1=zeros(m+(k-1),n+(k-1));[m1,n1]=size(f1);%f1 的邊緣像素值為0中間的像素值依然為f f1((1+(k-1)/2):(m1-(k-1)/2),(1+(k-1)/2):(n1-(k-1)/2))=f;%注意這條指令絕對(duì)不能少 ga=f;%取出窗口內(nèi)的像素值并作改進(jìn)均值濾波處理 for i=(k+1)/2:(m1-(k-1)/2)for j=(k+1)/2:(n1-(k-1)/2)a=0;x=1;for p=1:k for q=1:k a(x)=f1(i+(p-(k+1)/2),j+(q-(k+1)/2));x=x+1;end end mina=min(a);maxa=max(a);%tan 表示窗口內(nèi)既不是最大也不是最小像素值的個(gè)數(shù) %he 表示窗口內(nèi)所有既不是最大也不是最小像素值的和 tan=0;he=0;%hsum 表示窗口內(nèi)所有像素值的和 hsum=0;%取出不是最大也不是最小的像素值并求和以及個(gè)數(shù) for h=1:(k^2)hsum=hsum+a(h);if a(h)~=mina & a(h)~=maxa tan=tan+1;he=he+a(h);else end end %在噪聲密度較大的情況下有可能窗口內(nèi)所有的值都是最大值或最小值 %對(duì)其進(jìn)行判斷，如果是這種情況，就采用普通的均值濾波算法求當(dāng)前要求的像素點(diǎn)的值 if tan~=0 ga(i,j)=round(he/tan);else ga(i,j)=round(hsum/(k^2));

end end end %ga 的大小和f1 的大小一致，所以必須取出中間部分像素值作為輸出 g=ga((1+(k-1)/2):(m1-(k-1)/2),(1+(k-1)/2):(n1-(k-1)/2));

3、clc,clear,close all %[i0,map]=imread('trees.tif');d=[0.54,0.24,0.81;0.44,0.136,0.123;0.45,0.73,0.145;...0.21,0.12,0.56;0.45,0.54,0.33;0.33,0.23,0.141;...0.42,0.23,0.1;0.101,0.51,0.31;0.22,0.88,0.21;0.23,0.93,0.33];in=imread('pout.tif');[m,n]=size(in);for i=1:m for j=1:n % out(i,j,1)=map(in(i,j),1);% out(i,j,2)=map(in(i,j),2);% out(i,j,3)=map(in(i,j),3);ind=fix(in(i,j)/26);out(i,j,1)=d(ind,1);out(i,j,2)=d(ind,2);out(i,j,3)=d(ind,3);end end subplot(121),imshow(in)subplot(122),imshow(out)

4、clear,close all,clc in1=imread('moon.tif');%in1=rgb2gray(in1);%第一個(gè)獨(dú)立的變換 f10=0;g10=0;f11=127;g11=0;f12=191;g12=255;f13=255;g13=255;figure(11),plot([f10,f11,f12,f13],[g10,g11,g12,g13],'r')axis tight,xlabel('f'),ylabel('g')title('intensity transformation')r11=(g11-g10)/(f11-f10);b11=g10-r11*f10;r12=(g12-g11)/(f12-f11);b12=g11-r12*f11;r13=(g13-g12)/(f13-f12);b13=g12-r13*f12;[m,n]=size(in1);in2=double(in1);for i=1:m for j=1:n f=in2(i,j);g1(i,j)=0;if(f>=0)&(f<=f11)g1(i,j)=r11*f+b11;elseif(f>=f11)&(f<=f12)g1(i,j)=r12*f+b12;elseif(f>=f12)&(f<=f13)g1(i,j)=r13*f+b13;end end end g1=uint8(g1);figure(12),subplot(121),imshow(in1)subplot(122),imshow(g1)%imshow(mat2gray(g1))%第二個(gè)獨(dú)立的變換

f20=0;g20=0;f21=63;g21=255;f22=191;g22=255;f23=255;g23=0;figure(21),plot([f20,f21,f22,f23],[g20,g21,g22,g23],'r')axis tight,xlabel('f'),ylabel('g')title('intensity transformation')r21=(g21-g20)/(f21-f20);b21=g20-r21*f20;r22=(g22-g21)/(f22-f21);b22=g21-r22*f21;r23=(g23-g22)/(f23-f22);b23=g22-r23*f22;[m,n]=size(in1);in2=double(in1);for i=1:m for j=1:n f=in2(i,j);g2(i,j)=0;if(f>=0)&(f<=f21)g2(i,j)=r21*f+b21;elseif(f>=f21)&(f<=f22)g2(i,j)=r22*f+b22;elseif(f>=f22)&(f<=f23)g2(i,j)=r23*f+b23;end end end

g2=uint8(g2);figure(22),subplot(121),imshow(in1)subplot(122),imshow(g2)%imshow(mat2gray(g2))%第三個(gè)獨(dú)立的變換

f30=0;g30=255;f31=63;g31=255;f32=127;g32=0;f33=255;g33=0;figure(31),plot([f30,f31,f32,f33],[g30,g31,g32,g33],'r')axis tight,xlabel('f'),ylabel('g')title('intensity transformation')r31=(g31-g30)/(f31-f30);b31=g30-r31*f30;r32=(g32-g31)/(f32-f31);b32=g31-r32*f31;r33=(g33-g32)/(f33-f32);b33=g32-r33*f32;[m,n]=size(in1);in2=double(in1);for i=1:m for j=1:n f=in2(i,j);g3(i,j)=0;if(f>=0)&(f<=f31)g3(i,j)=r31*f+b31;elseif(f>=f31)&(f<=f32)g3(i,j)=r32*f+b32;elseif(f>=f32)&(f<=f33)g3(i,j)=r33*f+b33;end end end g3=uint8(g3);figure(32),subplot(121),imshow(in1)subplot(122),imshow(g3)%imshow(mat2gray(g3))%彩色合成 for i=1:m for j=1:n out(i,j,1)=g1(i,j);out(i,j,2)=g2(i,j);out(i,j,3)=g3(i,j);end end figure,imshow(out)

實(shí)驗(yàn)八 圖像檢測(cè)與分割

一、實(shí)驗(yàn)?zāi)康?/p>

1、了解圖像的實(shí)際獲取過程。

2、鞏固圖像空間分辨率和灰度級(jí)分辨率、鄰域等重要概念。

3、熟練掌握?qǐng)D像讀、寫、顯示、類型轉(zhuǎn)換等matlab 函數(shù)的用法。

二、實(shí)驗(yàn)內(nèi)容

1、應(yīng)用一階算子roberts 檢測(cè)邊緣。

2、用一階算子sobel 檢測(cè)邊緣并對(duì)邊界處的像素進(jìn)行處理。

3、用上面描述的Otsu 算法編寫matlab 程序?qū)崿F(xiàn)圖像分割。

三、實(shí)驗(yàn)原理

[g,t]=edge(image,method,threshold,direction)其中image 為輸入圖像method 為采用的方法類型：threshold 為閾值，如果給定閾值，則t= threshold，否則有函數(shù)自動(dòng)計(jì)算出來并把其值返回給t；direction 為所尋找邊緣的方向，其值可以為horizontal，vertical，both 默認(rèn)為both；g 為返回的二值圖像。

四、實(shí)驗(yàn)代碼與結(jié)果

1、clc,clear,close all f=imread('lena.jpg');t=50;g=robertsf(f,t);subplot(121),imshow(f),title('原圖')subplot(122),imshow(g),title('roberts 算子')%用roberts 算子對(duì)圖像進(jìn)行邊緣檢測(cè)的函數(shù) function g=robertsf(f,t)[m,n]=size(f);g=f;h1=[-1 0;0 1];h2=[0-1;1 0];x1=h1;x2=h2;for i=2:1:m-1 for j=2:1:n-1 sum1=0;sum2=0;sum=0;for p=1:2 for q=1:2 x1(p,q)=f(i+(p-2),j+(q-2))；x2(p,q)=f(i+(p-2),j+(q-2));sum1=sum1+x1(p,q)*h1(p,q);sum2=sum2+x2(p,q)*h2(p,q);sum=(sum1^2+sum2^2)^(1/2);end end if sum

else end end end

2、clc,clear,close all f=imread('cameraman.tif');k=3;[m,n]=size(f);b1=[-1-2-1 0 0 0 1 2 1];b2=[-1 0 1-2 0 2-1 0 1];t=150;%f1 是對(duì)邊緣像素補(bǔ)0 后得到的圖像 f1=zeros(m+(k-1),n+(k-1));[m1,n1]=size(f1);%f1 的邊緣像素值為0中間的像素值依然為f f1((1+(k-1)/2):(m1-(k-1)/2),(1+(k-1)/2):(n1-(k-1)/2))=f;%注意這條指令絕對(duì)不能少 ga=f1;%取出窗口內(nèi)的像素值并作標(biāo)準(zhǔn)均值濾波處理 for i=(k+1)/2:(m1-(k-1)/2)for j=(k+1)/2:(n1-(k-1)/2)a=0;%a 是一維數(shù)組1xk^2 x=1;%x 是數(shù)組的序號(hào) for p=1:k for q=1:k a(x)=f1(i+(p-(k+1)/2),j+(q-(k+1)/2));x=x+1;end end sum1=0;sum2=0;for w=1:k^2 sum1=sum1+a(w)*b1(w);sum2=sum2+a(w)*b2(w);end sum=(sum1^2+sum2^2)^(1/2);

if sum

3、%利用Otsu 法閾值選擇的方法分割圖像

clc,clear,close all k=8;%k 表示無符號(hào)整型數(shù)的位數(shù) L=2^k;in=imread('pout.tif');[m,n]=size(in);num=zeros(1,256);% num 是每個(gè)灰度級(jí)對(duì)應(yīng)的像素個(gè)數(shù) p=zeros(1,256);% p 是每個(gè)灰度級(jí)出現(xiàn)的概率

%p=zeros(1,256);% q 是每個(gè)灰度級(jí)出現(xiàn)的概率的累積分布函數(shù) for i=1:m for j=1:n num(1,in(i,j)+1)=num(1,in(i,j)+1)+1;% 統(tǒng)計(jì)個(gè)數(shù) end end p=num./(m*n);% 求概率 ut=0;%ut 是整幅圖像的均值 for i=1:L ut=ut+(i-1)*p(i);end for t=0:L-1 w0=0;w1=0;for i=1:t w0=w0+p(i);end w1=1-w0;u0=0;

for i=1:t if w0>0 u0=u0+i*p(i)/w0;else u0=u0+0;end end u1=0;for i=(t+1):L if w1>0 u1=u1+i*p(i)/w1;else u1=u1+0;end end rou(t+1)=w0*w1*(u0-u1)^2;%類間方差的求取 end maxrou=max(rou);%類間方差的最大值 for i=1:L if rou(i)==maxrou r=i-1;end end r %類間方差最大所對(duì)應(yīng)的灰度值 for i=1:m for j=1:n if in(i,j)>r out(i,j)=1;else out(i,j)=0;end end end subplot(121),imshow(in)subplot(122),imshow(out)運(yùn)行結(jié)果得到的閾值為：114

第二篇：數(shù)字圖像處理實(shí)驗(yàn)報(bào)告

實(shí) 驗(yàn) 報(bào) 告 書

系部學(xué)生專業(yè)班

實(shí)驗(yàn)

名稱姓名名稱 級(jí)時(shí)間：

： ： ：

：

實(shí)驗(yàn)一 直方圖均衡

一、實(shí)驗(yàn)?zāi)康?/p>

在學(xué)習(xí)圖像直方圖的概念、計(jì)算方法、性質(zhì)和相關(guān)應(yīng)用基礎(chǔ)上，生成、繪制圖像的直方圖，并應(yīng)用MATLAB編程實(shí)現(xiàn)圖像直方圖均衡化程序。

二、實(shí)驗(yàn)內(nèi)容

（1）計(jì)算并繪制圖像直方圖；

（2）編程實(shí)現(xiàn)圖像的直方圖均衡化處理，顯示均衡前后的直方圖和圖像；

三、實(shí)驗(yàn)運(yùn)行結(jié)果

四、實(shí)驗(yàn)中遇到的問題及解決方法

1、顯示無法找到圖像文件，應(yīng)將圖片與xx.m文件置于同一文件夾；

2、編程過程中應(yīng)注意標(biāo)點(diǎn)的輸入法，應(yīng)該用英文輸入，否則會(huì)報(bào)錯(cuò)。

3、編程完成后運(yùn)行時(shí)輸入文件名與保存時(shí)文件名相同，區(qū)分大小寫。

五、思考題

（1）、灰度直方圖可以反映一幅圖像的哪些特征？ 答：

1、表征了圖像的一維信息。只反映圖像中像素不同灰度值出現(xiàn)的次數(shù)（或頻數(shù)）而未反映像素所在位置。

2、與圖像之間的關(guān)系是多對(duì)一的映射關(guān)系。一幅圖像唯一確定出與之對(duì)應(yīng)的直方圖，但不同圖像可能有相同的直方圖。

3、子圖直方圖之和為整圖的直方圖。(2)均衡化后的直方圖有何特點(diǎn)？

答：經(jīng)直方圖均衡化處理后，可以得到一副改善了質(zhì)量的新圖像。這幅圖像的灰度層次將不再是呈黑暗色調(diào)的圖像，而是一副灰度層次較為適中的、比原始圖像清晰、明快得多的圖像。處理的結(jié)果使圖像更適合與人的視覺特征或機(jī)器的識(shí)別系統(tǒng)。

六、實(shí)驗(yàn)心得體會(huì)

本次實(shí)驗(yàn)中，因?yàn)槌鯇W(xué)這個(gè)軟件，我學(xué)習(xí)到了在程序中關(guān)于圖像的運(yùn)用，以及也復(fù)習(xí)了課本上的許多知識(shí)，加深了對(duì)直方圖均衡化的理解。

七、程序清單

clear all;I=imread('lena_gray_256.tif');%打開一幅灰度圖像 [m,n]=size(I);p=m*n;J=imhist(I)./p;

%計(jì)算圖像的歸一化直方圖 subplot(1,3,1),imshow(I)； subplot(1,3,2),imhist(I,64)； subplot(1,3,3),plot(J)；

（2）直方圖均衡化

clear all;Im=imread('region.jpg');J=histeq(Im);%均衡化 subplot(2,2,1);imshow(Im);title('原圖');%顯示原圖 subplot(2,2,2);imhist(Im);title('原圖直方圖');%顯示原圖的直方圖 subplot(2,2,3);imshow(J);title('均衡化結(jié)果');%顯示均衡化后的圖像 subplot(2,2,4);imhist(J);title('均衡化結(jié)果的直方圖');%顯示均衡化后的直方圖

實(shí)驗(yàn)二 頻域圖像增強(qiáng)

一、實(shí)驗(yàn)?zāi)康?/p>

1、頻域圖像增強(qiáng)

2、掌握基于頻域的圖像增強(qiáng)方法。

二、實(shí)驗(yàn)內(nèi)容

（1）編程實(shí)現(xiàn)圖像的理想低通和高通濾波；（2）編程實(shí)現(xiàn)圖像的巴特沃斯低通和高通濾波。

三、實(shí)驗(yàn)運(yùn)行結(jié)果

四、實(shí)驗(yàn)中遇到的問題及解決方法

顯示圖像無法打開，最終查出來時(shí)圖像格式弄錯(cuò)了。

五、思考題

分析為什么圖像通過低通濾波器后變得模糊？為什么通過高通濾波器后得到銳化結(jié)果？

答：圖像的精細(xì)結(jié)構(gòu)及突變部分主要由高頻成分起作用，故經(jīng)低通濾波后圖像的精細(xì)結(jié)構(gòu)消失，變得模糊；經(jīng)高通濾波后圖像得到銳化。

六、實(shí)驗(yàn)心得體會(huì)

本實(shí)驗(yàn)中遇到很多問題及錯(cuò)誤，例如圖像打不開、處理后圖像模糊等，都是經(jīng)常容易發(fā)生的錯(cuò)誤，最后實(shí)驗(yàn)幾次，就能夠逐一自己解決了。使自己對(duì)數(shù)字圖像處理課程中的許多問題有了更實(shí)際和確切的深入了解。

七、程序清單

clc;clear;data4=imread('lena.gif');subplot(3,2,1);imshow(data4);title('原圖');i=fft2(data4);subplot(3,2,2);i=fftshift(i);z=log(abs(i));x=0:1:255;y=0:1:255;[x,y]=meshgrid(x,y);mesh(z);%以三維坐標(biāo)顯示該圖像頻譜圖title('原圖頻譜');[n,m]=size(i);%for k=1:1:n for l=1:1:m if(k^2+l^2)>=190^2 % result(k,l)=0;else result(k,l)=i(k,l);end end end subplot(3,2,4);

對(duì)該圖進(jìn)行低通濾波 選取D=190

z=log(abs(result));%三維方式顯示低通濾波后的頻譜圖 x=0:1:255;y=0:1:255;[x,y]=meshgrid(x,y);mesh(z);title('理想低通濾波后的頻譜');subplot(3,2,3);%新建圖像顯示窗口 result=fftshift(result);%濾波后的數(shù)據(jù)去中心化 b=ifft2(result);%逆傅里葉變換 imshow(uint8(abs(b)));title('理想低通濾波后的圖像');subplot(3,2,6);%新建圖像顯示窗口 % [n,m]=size(c);%對(duì)原圖進(jìn)行高通濾波 for k=1:1:n for l=1:1:m if(k^2+l^2)<=190^2 %選取D=190 result(k,l)=0;else result(k,l)=i(k,l);end end end z=log(abs(result));x=0:1:255;%三維方式顯示高通濾波前的頻譜圖 y=0:1:255;[x,y]=meshgrid(x,y);mesh(z);title('理想高通濾波后的頻譜');subplot(3,2,5);result=fftshift(result);%濾波后的數(shù)據(jù)去中心化 d=ifft2(result);%逆傅里葉變換

imshow(uint8(abs(d)));title('理想高通濾波后的圖像');%頻域增強(qiáng)（巴特沃斯原型）

%二階巴特沃斯（Butterworth）低通濾波器 %clc;%clear;Figure;J1=imread('lena.gif');subplot(3,2,1);imshow(J1);title('原圖');f=double(J1);g=fft2(f);% 傅立葉變換 g=fftshift(g);% 轉(zhuǎn)換數(shù)據(jù)矩陣 subplot(3,2,2);x=0:1:255;y=0:1:255;[x,y]=meshgrid(x,y);z=log(abs(g));%取幅度 mesh(z);%以三維坐標(biāo)顯示該圖像頻譜圖 title('原圖頻譜');[M,N]=size(g);nn=2;% 二階巴特沃斯(Butterworth)低通濾波器 d0=20;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(jì)算低通濾波器傳遞函數(shù) result(i,j)=h*g(i,j);

end end subplot(3,2,4);x=0:1:255;y=0:1:255;[x,y]=meshgrid(x,y);z=log(abs(result));%取幅度 mesh(z);%以三維坐標(biāo)顯示該圖像頻譜圖 title('低通濾波后的頻譜');result=ifftshift(result);J2=ifft2(result);J3=uint8(abs(J2));subplot(3,2,3);imshow(J3);title('低通濾波后的圖像');

%利用二階巴特沃斯（Butterworth）高通濾波器

nn=2;% 二階巴特沃斯(Butterworth)高通濾波器 d0=5;m=fix(M/2);n=fix(N/2);for i=1:M for j=1:N d=sqrt((i-m)^2+(j-n)^2);if(d==0)h=0;else h=1/(1+0.414*(d0/d)^(2*nn));% 計(jì)算傳遞函數(shù) end result(i,j)=h*g(i,j);

end end subplot(3,2,6);x=0:1:255;y=0:1:255;[x,y]=meshgrid(x,y);z=log(abs(result));%取幅度 mesh(z);%以三維坐標(biāo)顯示該圖像頻譜圖 title('高通濾波后的頻譜');result=ifftshift(result);J2=ifft2(result);J3=uint8(abs(J2));subplot(3,2,5);imshow(J3);title('高通濾波后的圖像');

實(shí)驗(yàn)三 圖像邊緣檢測(cè)與連接

一、實(shí)驗(yàn)?zāi)康?/p>

圖像邊緣檢測(cè)與連接

二、實(shí)驗(yàn)內(nèi)容

（1）編程實(shí)現(xiàn)一階差分邊緣檢測(cè)算法，包括Robert梯度算子、Prewitt算子、Sobel算子等；（2）編程實(shí)現(xiàn)二階差分拉普拉斯邊緣檢測(cè)算法以及LoG檢測(cè)法和Canny檢測(cè)法；（3）分析與比較各種邊緣檢測(cè)算法的性能；

（4）編程實(shí)現(xiàn)Hough變換提取直線

（5）分析Hough變換檢測(cè)性能；

三、實(shí)驗(yàn)運(yùn)行結(jié)果

四、實(shí)驗(yàn)中遇到的問題及解決方法

拷貝文件后沒改文件名，直接執(zhí)行時(shí)出現(xiàn)錯(cuò)誤，最后重新修改后重新編譯，使之成功。

五、思考題

（1）邊緣的方向是什么意思？為什么要考慮邊緣的方向？

答：邊緣常常意味著一個(gè)區(qū)域的終結(jié)和另一個(gè)區(qū)域的開始，圖像的邊緣也包含了物體的形狀的重要信息，他不僅在分析圖像時(shí)大幅度的減少了要處理的信息量，而且還保護(hù)了目標(biāo)的邊界結(jié)構(gòu)。所以考慮邊緣的方向很重要。

（2）Hough變換原理是什么？

答：Hough變換的基本原理在于利用點(diǎn)與線的對(duì)偶性，將原始圖像空間的給定的曲線通過曲線表達(dá)形式變?yōu)閰?shù)空間的一個(gè)點(diǎn)。這樣就把原始圖像中給定曲線的檢測(cè)問題轉(zhuǎn)化為準(zhǔn)找參數(shù)空間的峰值問題。也即把檢測(cè)整體特性轉(zhuǎn)化為檢測(cè)局部特性。比如直線、橢圓、圓、弧線等。

六、實(shí)驗(yàn)心得體會(huì)

對(duì)于一些圖像處理的函數(shù)不是很了解，只能夠按課本的參照函數(shù)拷貝做實(shí)驗(yàn)，對(duì)于其中的一些函數(shù)問題理解不是很透徹，有些甚至完全不懂。還得繼續(xù)努力。

七、程序清單

1、邊緣檢測(cè)

由edge函數(shù)實(shí)現(xiàn)各算子對(duì)圖像的邊緣檢測(cè)

clear all;I = imread('d:office.bmp');I=rgb2gray(I);BW1 = edge(I,'sobel');

%利用Sobel算子進(jìn)行邊緣檢測(cè) BW2 = edge(I,'roberts');%利用roberts算子進(jìn)行邊緣檢測(cè) BW3 = edge(I,'prewitt');%利用prewitt算子進(jìn)行邊緣檢測(cè) BW4 = edge(I,'log');

%利用log算子進(jìn)行邊緣檢測(cè) BW5 = edge(I,'canny');

%利用canny算子進(jìn)行邊緣檢測(cè) subplot(2,3,1),imshow(I)subplot(2,3,2),imshow(BW1)subplot(2,3,3),imshow(BW2)subplot(2,3,4),imshow(BW3)

subplot(2,3,5),imshow(BW4)subplot(2,3,6),imshow(BW5)

2、邊緣連接

使用Hough變換作線檢測(cè)和連接

clear all;

RGB = imread('d:M_M.bmp');I=RGB;%I = rgb2gray(RGB);BW = edge(I,'canny');

% 利用Canny算子提取圖像邊緣 [H,T,R] = hough(BW,'RhoResolution',0.5,'ThetaResolution',0.5);figure(1), imshow(T,R,H,[],'notruesize'), axis on, axis normal xlabel('T'), ylabel('R')p = houghpeaks(H,5,'threshold',ceil(0.3*max(H(:))));

%找到5個(gè)較明顯的Hough變換峰值

hold on plot(T(p(:,2)),R(p(:,1)),'s','color','white');lines = houghlines(BW,T,R,p,'FillGap',10,'MinLength',10);

%查找并鏈接線段

figure, imshow(BW), hold on %在二值圖中疊加顯示這些線段 for k = 1:length(lines)

xy = [lines(k).point1;lines(k).point2];

plot(xy(:,1),xy(:,2),'LineWidth',2,'Color','green');end

第三篇：數(shù)字圖像處理實(shí)驗(yàn)報(bào)告

數(shù)字圖像處理

實(shí)驗(yàn)報(bào)告

目錄

1.數(shù)字圖像處理簡(jiǎn)介

2.實(shí)驗(yàn)?zāi)康?.實(shí)驗(yàn)內(nèi)容

4.實(shí)驗(yàn)結(jié)果及代碼展示

5.算法綜述

6.Matlab優(yōu)勢(shì)

7.總結(jié)

8.存在問題

一、數(shù)字圖像處理簡(jiǎn)介

圖像處理，是對(duì)圖像進(jìn)行分析、加工、和處理，使其滿足視覺、心理以及其他要求的技術(shù)。圖像處理是信號(hào)處理在圖像域上的一個(gè)應(yīng)用。目前大多數(shù)的圖像是以數(shù)字形式存儲(chǔ)，因而圖像處理很多情況下指數(shù)字圖像處理。此外，基于光學(xué)理論的處理方法依然占有重要的地位。

圖像處理是信號(hào)處理的子類，另外與計(jì)算機(jī)科學(xué)、人工智能等領(lǐng)域也有密切的關(guān)系。

傳統(tǒng)的一維信號(hào)處理的方法和概念很多仍然可以直接應(yīng)用在圖像處理上，比如降噪、量化等。然而，圖像屬于二維信號(hào)，和一維信號(hào)相比，它有自己特殊的一面，處理的方式和角度也有所不同。

二、實(shí)驗(yàn)?zāi)康?/p>

鞏固所學(xué)知識(shí)，提高所學(xué)能力

三、實(shí)驗(yàn)內(nèi)容

利用matlab的GUI程序設(shè)計(jì)一個(gè)簡(jiǎn)單的圖像處理程序，并含有如下基本功能： 1.讀入一幅RGB圖像，變換為灰度圖像和二值圖像，并在同一個(gè)窗口內(nèi)分成三個(gè)子窗口來分別顯示RGB圖像和灰度圖像，注上文字標(biāo)題 2.對(duì)給定圖像進(jìn)行旋轉(zhuǎn)

3．對(duì)給定的圖像添加噪聲（椒鹽噪聲、高斯噪聲）

四、實(shí)驗(yàn)結(jié)果及代碼展示

1.軟件設(shè)計(jì)界面

2.各模塊功能展示以及程序代碼

（1）讀入一幅RGB圖像，變換為灰度圖像和二值圖像，并在同一個(gè)窗口內(nèi)分成三個(gè)子窗口來分別顯示RGB圖像和灰度圖像，注上文字標(biāo)題

效果展示：

代碼：

a = imread('C:Documents and SettingsAdministrator桌面數(shù)字圖像舞美.JPG');

i = rgb2gray(a);I = im2bw(a,0.5);

subplot(3,1,1);imshow(a);title('源圖像')subplot(3,1,2);imshow(i);title('灰度圖像')subplot(3,1,3);imshow(I);title('二值圖像')

（2）圖像旋轉(zhuǎn) 原圖

效果展示：

代碼：

clc;clear all;close all;

Img=imread('D:My DocumentsMy Pictures5.JPG');Img=double(Img);[h w]=size(Img);alpha=pi/4;

wnew=w*cos(alpha)+h*sin(alpha);hnew=w*sin(alpha)+h*cos(alpha);wnew=ceil(wnew);

hnew=ceil(hnew);u0=w*sin(alpha);

T=[cos(alpha),sin(alpha);-sin(alpha),cos(alpha)];Imgnew2=zeros(hnew,wnew);Imgnew1=zeros(hnew,wnew);for u=1:hnew

for v=1:wnew

tem=T*([u;v]-[u0;0]);x=tem(1);y=tem(2);if x>=1&&x<=h&&y>=1&&y<=w x_low=floor(x);x_up=ceil(x);y_low=floor(y);y_up=ceil(y);if(x-x_low)<=(x_up-x)x=x_low;

else

x=x_up;

end

if(y-y_low)<=(y_up-y)y=y_low;

else

y=y_up;

end

p1=Img(x_low,y_low);p2=Img(x_up,y_low);p3=Img(x_low,y_low);p4=Img(x_up,y_up);s=x-x_low;t=y-y_low;Imgnew1(u,v)=Img(x,y);

Imgnew2(u,v)=(1-s)*(1-t)*p1+(1-s)*t*p3+(1-t)*s*p2+s*t*p4;end

end end

figure;imshow(Imgnew2,[]);B=imrotate(Img,alpha/pi*180);figure;imshow(B,[]);

（3）對(duì)給定的圖像添加噪聲（斑點(diǎn)噪聲、高斯噪聲）效果展示：

代碼：

I= imread('D:My DocumentsMy Pictures5.JPG');figure,subplot(211);imshow(I);title('原圖');J1=imnoise(I,'gaussian',0,0.02);

subplot(223);imshow(J);title('添加高斯噪聲');J=imnoise(I,'speckle',0.04);

subplot(224);imshow(J);title('添加斑點(diǎn)噪聲');

五、算法綜述 灰度圖像：

一幅完整的圖像，是由紅色、綠色、藍(lán)色三個(gè)通道組成的。紅色、綠色、藍(lán)色三個(gè)通道的縮覽圖都是以灰度顯示的。用不同的灰度色階來表示“ 紅，綠，藍(lán)”在圖像中的比重。通道中的純白，代表了該色光在此處為最高亮度，亮度級(jí)別是255。

通道是整個(gè)Photoshop顯示圖像的基礎(chǔ)。色彩的變動(dòng)，實(shí)際上就是間接在對(duì)通道灰度圖進(jìn)行調(diào)整。通道是Photoshop處理圖像的核心部分，所有的色彩調(diào)整工具都是圍繞在這個(gè)核心周圍使用的。

在計(jì)算機(jī)領(lǐng)域中，灰度數(shù)字圖像是每個(gè)像素只有一個(gè)采樣顏色的圖像。這類圖像通常顯示為從最暗黑色到最亮的白色的灰度，盡管理論上這個(gè)采樣可以任何顏色的不同深淺，甚至可以是不同亮度上的不同顏色。灰度圖像與黑白圖像不同，在計(jì)算機(jī)圖像領(lǐng)域中黑白圖像只有黑色與白色兩種顏色；灰度圖像在黑色與白色之間還有許多級(jí)的顏色深度。但是，在數(shù)字圖像領(lǐng)域之外，“黑白圖像”也表示“灰度圖像”，例如灰度的照片通常叫做“黑白照片”。在一些關(guān)于數(shù)字圖像的文章中單色圖像等同于灰度圖像，在另外一些文章中又等同于黑白圖像。灰度圖像經(jīng)常是在單個(gè)電磁波頻譜如可見光內(nèi)測(cè)量每個(gè)像素的亮度得到的。

用于顯示的灰度圖像通常用每個(gè)采樣像素 8 位的非線性尺度來保存，這樣可以有 256 級(jí)灰度。這種精度剛剛能夠避免可見的條帶失真，并且非常易于編程。在醫(yī)學(xué)圖像與遙感圖像這些技術(shù)應(yīng)用中經(jīng)常采用更多的級(jí)數(shù)以充分利用每個(gè)采樣 10 或 12 位的傳感器精度，并且避免計(jì)算時(shí)的近似誤差。在這樣的應(yīng)用領(lǐng)域每個(gè)采樣 16 位即 65536 級(jí)得到流行。

二值圖像：

是指每個(gè)像素不是黑就是白，其灰度值沒有中間過渡的圖像。二值圖像一般用來描述文字或者圖形，其優(yōu)點(diǎn)是占用空間少，缺點(diǎn)是，當(dāng)表示人物，風(fēng)景的圖像時(shí)，二值圖像只能描述其輪廓，不能描述細(xì)節(jié)。這時(shí)候要用更高的灰度級(jí)。

二值圖像是每個(gè)像素只有兩個(gè)可能值的數(shù)字圖像。人們經(jīng)常用黑白、B&W、單色圖像表示二值圖像，但是也可以用來表示每個(gè)像素只有一個(gè)采樣值的任何圖像，例如灰度圖像等。

二值圖像中所有的像素只能從0和1這兩個(gè)值中取，因此在MATLAB中，二值圖像用一個(gè)由0和1組成的二維矩陣表示。這兩個(gè)可取的值分別對(duì)應(yīng)于關(guān)閉和打開，關(guān)閉表征該像素處于背景，而打開表征該像素處于前景。以這種方式來操作圖像可以更容易識(shí)別出圖像的結(jié)構(gòu)特征。二值圖像操作只返回與二值圖像的形式或結(jié)構(gòu)有關(guān)的信息，如果希望對(duì)其他類型的圖像進(jìn)行同樣的操作，則首先要將其轉(zhuǎn)換為二進(jìn)制的圖像格式，可以通過調(diào)用MATLAB提供的im2bw（）來實(shí)現(xiàn)。

二值圖像經(jīng)常出現(xiàn)在數(shù)字圖像處理中作為圖像掩碼或者在圖像分割、二值化和dithering的結(jié)果中出現(xiàn)。一些輸入輸出設(shè)備，如激光打印機(jī)、傳真機(jī)、單色計(jì)算機(jī)顯示器等都可以處理二值圖像。

二值圖像經(jīng)常使用位圖格式存儲(chǔ)。

二值圖像可以解釋為二維整數(shù)格Z，圖像變形處理領(lǐng)域很大程度上就是受到這個(gè)觀點(diǎn)啟發(fā)。

圖像旋轉(zhuǎn)：

圖像旋轉(zhuǎn)是指圖像以某一點(diǎn)為中心旋轉(zhuǎn)一定的角度,形成一幅新的圖像的過程。當(dāng)然這個(gè)點(diǎn)通常就是圖像的中心。既然是按照中心旋轉(zhuǎn),自然會(huì)有這樣一個(gè)屬性：旋轉(zhuǎn)前和旋轉(zhuǎn)后的點(diǎn)離中心的位置不變.根據(jù)這個(gè)屬性,我們可以得到旋轉(zhuǎn)后的點(diǎn)的坐標(biāo)與原坐標(biāo)的對(duì)應(yīng)關(guān)系。由于原圖像的坐標(biāo)是以左上角為原點(diǎn)的,所以我們先把坐標(biāo)轉(zhuǎn)換為以圖像中心為原點(diǎn)。假設(shè)原圖像的寬為w,高為h,（x0,y0）為原坐標(biāo)內(nèi)的一點(diǎn),轉(zhuǎn)換坐標(biāo)后的點(diǎn)為（x1,y1）。那么不難得到： x1 = x0-w/2;y1 =-y0 + h/2;在新的坐標(biāo)系下,假設(shè)（x0,y0）距離原點(diǎn)的距離為r,點(diǎn)與原點(diǎn)之間的連線與x軸的夾角為b,旋轉(zhuǎn)的角度為a,旋轉(zhuǎn)后的點(diǎn)為（x1,y1）

噪聲：

是電路或系統(tǒng)中不含信息量的電壓或電流。在工業(yè)與自然界中，存在著各種干擾源（噪聲源），如大功率電力電子器件的接入、大功率用電設(shè)備的開啟與斷開、雷擊閃電等都會(huì)使空間電場(chǎng)和磁場(chǎng)產(chǎn)生有序或無序的變化，這些都是干擾源（或噪聲源）。這些源產(chǎn)生的電磁波或尖峰脈沖通過磁、電耦合或是通過電源線等路徑進(jìn)入放大電路，各種電氣設(shè)備，形成各種形式的干擾。

斑點(diǎn)噪聲：

斑點(diǎn)噪聲是SAR成像系統(tǒng)的一大特色，源自基本分辨單元內(nèi)地物的隨機(jī)散射，在圖像上表現(xiàn)為信號(hào)相關(guān)（如在空間上相關(guān)）的小斑點(diǎn)，它既降低了圖像的畫面質(zhì)量，又嚴(yán)重影響圖像的自動(dòng)分割、分類、目標(biāo)檢測(cè)以及其它定量專題信息的提取。

SAR圖像斑點(diǎn)噪聲的去除一方面要抑制圖像均勻區(qū)域斑點(diǎn)噪聲，另一方面要保持圖像邊緣和紋理細(xì)節(jié)信息。SAR斑點(diǎn)噪聲的抑制可通過非相干多視處理，也可使用空間域?yàn)V波實(shí)現(xiàn)。非相干多視處理會(huì)降低圖像的地面分辨率。因此，涌現(xiàn)出了一系列空間域?yàn)V波方法，如均值濾波、中值濾波、Lee濾波、Kuan濾波、Frost濾波、Sigma濾波以及Gamma Map濾波等。但這類算法存在自身無法克服的矛盾：一方面為增強(qiáng)斑點(diǎn)去噪效果需選較大的濾波窗口，另一方面為保持圖像的實(shí)際分辨率要求所選的窗口較小。

高斯噪聲：

所謂高斯噪聲是指它的概率密度函數(shù)服從高斯分布（即正態(tài)分布）的一類噪聲。如果一個(gè)噪聲，它的幅度分布服從高斯分布，而它的功率譜密度又是均勻分布的，則稱它為高斯白噪聲。高斯白噪聲的二階矩不相關(guān)，一階矩為常數(shù)，是指先后信號(hào)在時(shí)間上的相關(guān)性。高斯白噪聲包括熱噪聲和散粒噪聲。

實(shí)驗(yàn)中是通過MATLAB自帶的函數(shù)產(chǎn)生噪聲，各函數(shù)如下： J1=imnoise(I,'salt & pepper',0.05);%添加椒鹽噪聲

J2=imnoise(I,'gaussian',0,0.03);

%添加均值為0，方差為0.03的高斯噪聲。

六、Matlab優(yōu)勢(shì)

MATLAB是一個(gè)包含大量算法的集合。其可以快捷的實(shí)現(xiàn)用戶所需的各種計(jì)算功能。函數(shù)中所使用的算法都是科研和工程計(jì)算中的最新研究成果，而前經(jīng)過了各種優(yōu)化和差錯(cuò)處理。在通常情況下，可以用它來代替底層編程語(yǔ)言，如C和C++。在計(jì)算要求相同的情況下，使用MATLAB的編程工作量會(huì)大大減少。MATLAB的這些函數(shù)集包括從最簡(jiǎn)單最基本的函數(shù)到諸如矩陣，特征向量、快速傅立葉變換的復(fù)雜函數(shù)。函數(shù)所能解決的問題其大致包括矩陣運(yùn)算和線性方程組的求解、微分方程及偏微分方程的組的求解、符號(hào)運(yùn)算、傅立葉變換和數(shù)據(jù)的統(tǒng)計(jì)分析、工程中的優(yōu)化問題、稀疏矩陣運(yùn)算、復(fù)數(shù)的各種運(yùn)算、三角函數(shù)和其他初等數(shù)學(xué)運(yùn)算、多維數(shù)組操作以及建模動(dòng)態(tài)仿真等。圖形處理功能

圖形處理功能MATLAB自產(chǎn)生之日起就具有方便的數(shù)據(jù)可視化功能，以將向量和矩陣用圖形表現(xiàn)出來，并且可以對(duì)圖形進(jìn)行標(biāo)注和打印。高層次的作圖包括二維和三維的可視化、圖象處理、動(dòng)畫和表達(dá)式作圖。可用于科學(xué)計(jì)算和工程繪圖。新版本的MATLAB對(duì)整個(gè)圖形處理功能作了很大的改進(jìn)和完善，使它不僅在一般數(shù)據(jù)可視化軟件都具有的功能（例如二維曲線和三維曲面的繪制和處理等）方面更加完善，而且對(duì)于一些其他軟件所沒有的功能（例如圖形的光照處理、色度處理以及四維數(shù)據(jù)的表現(xiàn)等），MATLAB同樣表現(xiàn)了出色的處理能力。同時(shí)對(duì)一些特殊的可視化要求，例如圖形對(duì)話等，MATLAB也有相應(yīng)的功能函數(shù)，保證了用戶不同層次的要求。另外新版本的MATLAB還著重在圖形用戶界面（GUI）的制作上作了很大的改善，對(duì)這方面有特殊要求的用戶也可以得到滿足

模塊集合工具箱

MATLAB對(duì)許多專門的領(lǐng)域都開發(fā)了功能強(qiáng)大的模塊集和工具箱。一般來說，它們都是由特定領(lǐng)域的專家開發(fā)的，用戶可以直接使用工具箱學(xué)習(xí)、應(yīng)用和評(píng)估不同的方法而不需要自己編寫代碼。目前，MATLAB已經(jīng)把工具箱延伸到了科學(xué)研究和工程應(yīng)用的諸多領(lǐng)域，諸如數(shù)據(jù)采集、數(shù)據(jù)庫(kù)接口、概率統(tǒng)計(jì)、樣條擬合、優(yōu)化算法、偏微分方程求解、神經(jīng)網(wǎng)絡(luò)、小波分析、信號(hào)處理、圖像處理、系統(tǒng)辨識(shí)、控制系統(tǒng)設(shè)計(jì)、LMI控制、魯棒控制、模型預(yù)測(cè)、模糊邏輯、金融分析、地圖工具、非線性控制設(shè)計(jì)、實(shí)時(shí)快速原型及半物理仿真、嵌入式系統(tǒng)開發(fā)、定點(diǎn)仿真、DSP與通訊、電力系統(tǒng)仿真等，都在工具箱（Toolbox）家族中有了自己的一席之地。

七、總結(jié)

運(yùn)用matlab軟件對(duì)圖像進(jìn)行處理，讓我鞏固了之前所學(xué)的知識(shí)，同時(shí)也在這次作業(yè)中更加了解到matlab語(yǔ)言在生活中的運(yùn)用環(huán)境和掌握這門語(yǔ)言的重要性

八、存在問題

1.在進(jìn)行圖像增強(qiáng)時(shí)要不要講圖像先進(jìn)行平滑處理？ 2.如何增加這個(gè)算法的準(zhǔn)確度

3.在此次作業(yè)中，為何添加椒鹽噪聲時(shí)無法顯示

第四篇：數(shù)字圖像處理實(shí)驗(yàn)報(bào)告

數(shù)字圖像處理

實(shí)驗(yàn)報(bào)告

班級(jí):通信103 學(xué)號(hào):201027201 姓名:計(jì)富威 指導(dǎo)教師:孫潔

實(shí)驗(yàn)一 MATLAB數(shù)字圖像處理初步

一、實(shí)驗(yàn)?zāi)康呐c要求

1．熟悉及掌握在MATLAB中能夠處理哪些格式圖像。2．熟練掌握在MATLAB中如何讀取圖像。

3．掌握如何利用MATLAB來獲取圖像的大小、顏色、高度、寬度等等相關(guān)信息。

4．掌握如何在MATLAB中按照指定要求存儲(chǔ)一幅圖像的方法。5．圖像間如何轉(zhuǎn)化。

二、實(shí)驗(yàn)內(nèi)容及步驟

1．利用imread()函數(shù)讀取一幅圖像，假設(shè)其名為”第一個(gè).tif”，存入一個(gè)數(shù)組中；

>>I=imread('第一個(gè).tif');2．利用whos命令提取該讀入圖像”第一個(gè).tif”的基本信息； >>whos I 3．利用imshow()函數(shù)來顯示這幅圖像； >>imshow(I);

第一個(gè).tif 4．利用imfinfo函數(shù)來獲取圖像文件的壓縮，顏色等等其他的詳細(xì)信息；

>>imfinfo('第一個(gè).tif');5．利用imwrite()函數(shù)來壓縮這幅圖象，將其保存為一幅壓縮了像素的jpg文件,設(shè)為flower.jpg；語(yǔ)法：imwrite(原圖像，新圖像，‘quality’,q), q取0-100。

>>imwrite(I,'第一個(gè).jpg','quality',50)6．同樣利用imwrite()函數(shù)將最初讀入的tif圖象另存為一幅bmp圖像，設(shè)為flower.bmp。>>imwrite(I,'第一個(gè).bmp');7．用imread()讀入圖像：Lenna256.jpg 和camemaman.jpg； >>b=imread('lena256.bmp');>>c=imread('cameraman.tif');8．用imfinfo()獲取圖像Lenna256.jpg和camemaman.jpg 的大小； >>imfinfo('lena256.bmp');>>imfinfo('cameraman.tif');9．用figure,imshow()分別將Lenna256.jpg和camemaman.jpg顯示出來，觀察兩幅圖像的質(zhì)量。>>figure >>imshow(b);>>figure >>imshow(c);

（Lena256.jpg圖像截圖）

（cameraman.jpg圖像截圖）

10．用im2bw將一幅灰度圖像轉(zhuǎn)化為二值圖像，并且用imshow顯示出來觀察圖像的特征。>> d=im2bw(b);>>figure >>imshow(b);>>figure >>imshow(d);

（二值化截圖）

三、實(shí)驗(yàn)總結(jié)

通過實(shí)驗(yàn)MatLab軟件的基本使用有了基本的了解，學(xué)會(huì)了使用MatLab軟件來讀取一個(gè)特定格式的圖像，并通過相關(guān)的命令語(yǔ)句對(duì)圖像進(jìn)行格式轉(zhuǎn)換、圖像壓縮、二值化等的處理，掌握了利用MATLAB來獲取圖像的大小、顏色、高度、寬度等等相關(guān)信息，掌握在MATLAB中如何通過imshow()語(yǔ)句來讀取圖像等等。

第二 圖像基本運(yùn)算

一、實(shí)驗(yàn)?zāi)康?/p>

1．了解圖像的算術(shù)運(yùn)算在數(shù)字圖像處理中的初步應(yīng)用。2．體會(huì)圖像算術(shù)運(yùn)算處理的過程和處理前后圖像的變化。

二、實(shí)驗(yàn)原理

圖像的代數(shù)運(yùn)算是圖像的標(biāo)準(zhǔn)算術(shù)操作的實(shí)現(xiàn)方法，是兩幅輸入圖像之間進(jìn)行的點(diǎn)對(duì)點(diǎn)的加、減、乘、除運(yùn)算后得到輸出圖像的過程。如果輸入圖像為A(x,y)和B(x,y)，輸出圖像為C(x,y)，則圖像的代數(shù)運(yùn)算有如下四種形式：

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)

三、實(shí)驗(yàn)步驟 1．圖像的加法運(yùn)算

在MATLAB中，如果要進(jìn)行兩幅圖像的加法，或者給一幅圖像加上一個(gè)常數(shù)，可以調(diào)用imadd函數(shù)來實(shí)現(xiàn)。imadd函數(shù)將某一幅輸入圖像的每一個(gè)像素值與另一幅圖像相應(yīng)的像素值相加，返回相應(yīng)的像素值之和作為輸出圖像。imadd函數(shù)的調(diào)用格式如下：

Z = imadd（X，Y）首先讀入兩幅圖像

>>a=imread('第二個(gè)原圖1.jpg');>>b=imread('第二個(gè)原圖2.jpg')通過一個(gè)加法操作：>> c=imadd(a,b);

給圖像的每一個(gè)像素加上一個(gè)常數(shù)可以使圖像的亮度增加。如截圖

第一張為原圖，第二張為亮度加50，第三張為亮度減50 2．圖像的減法運(yùn)算

在MATLAB中，使用imsubtract函數(shù)可以將一幅圖像從另一幅圖像中減去，或者從一幅圖像中減去一個(gè)常數(shù)。imsubtract函數(shù)將一幅輸入圖像的像素值從另一幅輸入圖像相應(yīng)的像素值中減去，再將這個(gè)結(jié)果作為輸出圖像相應(yīng)的像素值。imsubtract函數(shù)的調(diào)用格式如下：

Z = imsubtract(X,Y)； 讀入一幅畫后通過減法 >>a3=imsubtract(a,50);

3.圖像的乘法運(yùn)算

在MATLAB中，使用immultiply函數(shù)實(shí)現(xiàn)兩幅圖像的乘法。immultiply函數(shù)將兩幅圖像相應(yīng)的像素值進(jìn)行元素對(duì)元素的乘法操作（MATLAB點(diǎn)乘），并將乘法的運(yùn)算結(jié)果作為輸出圖形相應(yīng)的像素值。immulitply函數(shù)的調(diào)用格式如下：

Z = immulitply(X,Y)讀入一幅圖后通過乘法操作 >> a=imread('cameraman.tif');>> b=immultiply(a,1.5);

4．圖像的除法運(yùn)算

在MATLAB中使用imdivide函數(shù)進(jìn)行兩幅圖像的除法。imdivide函數(shù)對(duì)兩幅輸入圖像的所有相應(yīng)像素執(zhí)行元素對(duì)元素的除法操作（點(diǎn)除），并將得到的結(jié)果作為輸出圖像的相應(yīng)像素值。imdivide函數(shù)的調(diào)用格式如下：

Z = imdivide(X,Y)讀入一幅圖后通過除法操作

四、實(shí)驗(yàn)總結(jié)

通過對(duì)圖像的四則運(yùn)算了結(jié)圖像的不同變化過程，對(duì)軟件的進(jìn)一步使用也有了更加深刻的認(rèn)識(shí)。

實(shí)驗(yàn)三 圖像增強(qiáng)—空域?yàn)V波

一、實(shí)驗(yàn)?zāi)康?/p>

進(jìn)一步了解MatLab軟件/語(yǔ)言，學(xué)會(huì)使用MatLab對(duì)圖像作濾波處理，使學(xué)生有機(jī)會(huì)掌握濾波算法，體會(huì)濾波效果。

了解幾種不同濾波方式的使用和使用的場(chǎng)合，培養(yǎng)處理實(shí)際圖像的能力，并為課堂教學(xué)提供配套的實(shí)踐機(jī)會(huì)。

二、實(shí)驗(yàn)設(shè)備與軟件

(1)IBM-PC計(jì)算機(jī)系統(tǒng)

(2)MatLab軟件/語(yǔ)言包括圖像處理工具箱(Image Processing Toolbox)

(3)實(shí)驗(yàn)所需要的圖片

三、實(shí)驗(yàn)內(nèi)容與步驟

a)調(diào)入并顯示原始圖像“原圖像.jpg”。>>I=imread('原圖像.jpg');b)利用imnoise命令在圖像“原圖像.jpg”上加入高斯(gaussian)噪聲

>>J = imnoise(I,'gauss',0.02);

%添加高斯噪聲 c)利用預(yù)定義函數(shù)fspecial命令產(chǎn)生平均(average)濾波器 d）分別采用3x3和5x5的模板，分別用平均濾波器以及中值濾波器，對(duì)加入噪聲的圖像進(jìn)行處理并觀察不同噪聲水平下，上述濾波器處理的結(jié)果；

>>ave1=fspecial('average',3);

%產(chǎn)生3×3的均值模版 >>ave2=fspecial('average',5);

%產(chǎn)生5×5的均值模版 >>K = filter2(ave1,J)/255;

%均值濾波3×3 >>L = filter2(ave2,J)/255;

%均值濾波5×5 e）選擇不同大小的模板，對(duì)加入某一固定噪聲水平噪聲的圖像進(jìn)行處理，觀察上述濾波器處理的結(jié)果。

>>M = medfilt2(J,[3 3]);

%中值濾波3×3模板 >>N = medfilt2(J,[4 4]);

%中值濾波4×4模板

f）利用imnoise命令在圖像Sample2-1.jpg 上加入椒鹽噪聲(salt & pepper)>>J = imnoise(I,'salt& pepper',0.02);

%添加椒鹽噪聲

四、實(shí)驗(yàn)總結(jié)

椒鹽噪聲是由圖像傳感器，傳輸信道，解碼處理等產(chǎn)生的黑白相間的亮暗點(diǎn)噪聲。椒鹽噪聲往往由圖像切割引起，去除脈沖干擾及椒鹽噪聲最常用的算法是中值濾波。椒鹽噪聲是指兩種噪聲，一種是鹽噪聲，另一種是胡椒噪聲。鹽=白色，椒=黑色。前者是高灰度噪聲，后者屬于低灰度噪聲。一般兩種噪聲同時(shí)出現(xiàn)，呈現(xiàn)在圖像上就是黑白雜點(diǎn)。這點(diǎn)我們通過實(shí)驗(yàn)結(jié)果可以明顯看到。中值濾波對(duì)于濾除圖像的椒鹽噪聲非常有效。

實(shí)驗(yàn)四圖像分割

一、實(shí)驗(yàn)?zāi)康?/p>

使用MatLab 軟件進(jìn)行圖像的分割。使學(xué)生通過實(shí)驗(yàn)體會(huì)一些主要的分割算子對(duì)圖像處理的效果，以及各種因素對(duì)分割效果的影響。

二、實(shí)驗(yàn)要求

要求學(xué)生能夠自行評(píng)價(jià)各主要算子在無噪聲條件下和噪聲條件下的分割性能。能夠掌握分割條件(閾值等)的選擇。完成規(guī)定圖像的處理并要求正確評(píng)價(jià)處理結(jié)果，能夠從理論上作出合理的解釋。

三、實(shí)驗(yàn)內(nèi)容與步驟

(1)使用Roberts 算子的圖像分割實(shí)驗(yàn)，使用的原圖是cameraman.jpg,截圖如下

(2)使用Prewitt 算子的圖像分割實(shí)驗(yàn) 截圖如下

(3)使用Sobel 算子的圖像分割實(shí)驗(yàn)

(4)使用LoG(拉普拉斯-高斯)算子的圖像分割實(shí)驗(yàn)

四、實(shí)驗(yàn)結(jié)果

對(duì)Roberts算子、Prewitt 算子、Sobel 算子、LoG(拉普拉斯-高斯)算子的運(yùn)算對(duì)圖像的結(jié)果有了基本的認(rèn)識(shí)，加深學(xué)習(xí)效果。

實(shí)驗(yàn)五 形態(tài)學(xué)運(yùn)算

1、實(shí)驗(yàn)?zāi)康?/p>

學(xué)習(xí)常見的數(shù)學(xué)形態(tài)學(xué)運(yùn)算基本方法，了解腐蝕、膨脹、開運(yùn)算、閉運(yùn)算取得的效果，培養(yǎng)處理實(shí)際圖像的能力，并為課堂教學(xué)提供配套的實(shí)踐機(jī)會(huì)。

2、實(shí)驗(yàn)要求

利用MatLab工具箱中關(guān)于數(shù)學(xué)形態(tài)學(xué)運(yùn)算的函數(shù)，計(jì)算本指導(dǎo)書中指定二值圖像進(jìn)行處理。

3、實(shí)驗(yàn)設(shè)備與軟件

1.LC-PC計(jì)算機(jī)系統(tǒng)

2.MatLab軟件/語(yǔ)言包括圖像處理工具箱(Image Processing Toolbox)3.實(shí)驗(yàn)所需要的圖片

4、實(shí)驗(yàn)內(nèi)容與步驟

1.調(diào)入并顯示圖像“原圖.jpg”； 2.調(diào)入并顯示圖像“原圖.jpg”；

3.選取合適的閾值，得到二值化圖像“原圖.jpg”； >>bw = im2bw(I,level);

%二值化 4.設(shè)置結(jié)構(gòu)元素；

5.對(duì)得到的二值圖像“原圖.jpg”進(jìn)行腐蝕運(yùn)算； >>BW2 = imerode(bw,SE1);

%腐蝕 6.對(duì)得到的二值圖像“原圖.jpg”進(jìn)行膨脹運(yùn)算； >>BW1 = imdilate(bw,SE);

%膨脹 7.對(duì)得到的二值圖像“原圖.jpg”進(jìn)行開運(yùn)算；

>>BW3 = bwmorph(bw, 'open');

%開運(yùn)算 8.對(duì)得到的二值圖像“原圖.jpg”進(jìn)行閉運(yùn)算； >>BW4 = bwmorph(bw, 'close');

%閉運(yùn)算 9.將兩種處理方法的結(jié)果作比較；

五、實(shí)驗(yàn)總結(jié)

通過本次實(shí)驗(yàn)，學(xué)習(xí)了常見的數(shù)學(xué)形態(tài)學(xué)運(yùn)算基本方法，了解腐蝕、膨脹、開運(yùn)算、閉運(yùn)算取得的效果，培養(yǎng)處理實(shí)際圖像的能力，通過自己動(dòng)手的實(shí)驗(yàn)，對(duì)課本上的知識(shí)有了更加深刻的理解。

第五篇：數(shù)字圖像處理實(shí)驗(yàn)報(bào)告

數(shù)字圖像處理實(shí)驗(yàn)

學(xué)生姓名：專業(yè)年級(jí)：報(bào)告

葉圣紅 學(xué) 號(hào)： 20097048

09級(jí)電子信息工程二班

實(shí)驗(yàn)一 常用MATLAB圖像處理命令

一、實(shí)驗(yàn)內(nèi)容

1、讀入一幅RGB圖像，變換為灰度圖像和二值圖像，并在同一個(gè)窗口內(nèi)分成三個(gè)子窗口來分別顯示RGB圖像和灰度圖像，注上文字標(biāo)題。

實(shí)驗(yàn)結(jié)果如右圖： 代碼如下： Subplot(1,3,1)

i=imread('E:數(shù)字圖象處理.jpg')imshow(i)

title('RGB')Subplot(1,3,2)j=rgb2gray(i)imshow(j)title('灰度')Subplot(1,3,3)k=im2bw(j,0.5)imshow(k)title('二值')

2、對(duì)兩幅不同圖像執(zhí)行加、減、乘、除操作，在同一個(gè)窗口內(nèi)分成五個(gè)子窗口來分別顯示，注上文字標(biāo)題。

實(shí)驗(yàn)結(jié)果如右圖： 代碼如下： Subplot(3,2,1)i=imread('E:數(shù)字圖像處理1.jpg')x=imresize(i,[250,320])imshow(x)title('原圖x')Subplot(3,2,2)j=imread(''E:數(shù)字圖像處理17.jpg')y=imresize(j,[250,320])imshow(y)title('原圖y')Subplot(3,2,3)z=imadd(x,y)imshow(z)title('相加結(jié)果')；Subplot(3,2,4)；z=imsubtract(x,y)；imshow(z)；title('相減結(jié)果')Subplot(3,2,5)；z=immultiply(x,y)；imshow(z)；title('相乘結(jié)果')Subplot(3,2,6)；z=imdivide(x,y)；imshow(z)；title('相除結(jié)果')

3、對(duì)一幅圖像進(jìn)行灰度變化，實(shí)現(xiàn)圖像變亮、變暗和負(fù)片效果，在同一個(gè)窗口內(nèi)分成四個(gè)子窗口來分別顯示，注上文字標(biāo)題。

實(shí)驗(yàn)結(jié)果如右圖：

代碼如下： Subplot(2,2,1)i=imread('E:數(shù)字圖像處理12.jpg')imshow(i)title('原圖')Subplot(2,2,2)J = imadjust(i,[],[],3);imshow(J)title('變暗')Subplot(2,2,3)J = imadjust(i,[],[],0.4)imshow(J)title('變亮')Subplot(2,2,4)J=255-i Imshow(J)title('變負(fù)')

二、實(shí)驗(yàn)總結(jié)

分析圖像的代數(shù)運(yùn)算結(jié)果，分別陳述圖像的加、減、乘、除運(yùn)算可能的應(yīng)用領(lǐng)域。

解答：圖像減運(yùn)算與圖像加運(yùn)算的原理和用法類似，同樣要求兩幅圖像X、Y的大小類型相同，但是圖像減運(yùn)算imsubtract()有可能導(dǎo)致結(jié)果中出現(xiàn)負(fù)數(shù)，此時(shí)系統(tǒng)將負(fù)數(shù)統(tǒng)一置為零，即為黑色。

乘運(yùn)算實(shí)際上是對(duì)兩幅原始圖像X、Y對(duì)應(yīng)的像素點(diǎn)進(jìn)行點(diǎn)乘(X.*Y)，將結(jié)果輸出到矩陣Z中，若乘以一個(gè)常數(shù)，將改變圖像的亮度：若常數(shù)值大于1，則乘運(yùn)算后的圖像將會(huì)變亮；叵常數(shù)值小于是，則圖像將會(huì)會(huì)暗。可用來改變圖像的灰度級(jí)，實(shí)現(xiàn)灰度級(jí)變換，也可以用來遮住圖像的某些部分，其典型應(yīng)用是用于獲得掩膜圖像。

除運(yùn)算操作與乘運(yùn)算操作互為逆運(yùn)算，就是對(duì)兩幅圖像的對(duì)應(yīng)像素點(diǎn)進(jìn)行點(diǎn)（X./Y)，imdivide()同樣可以通過除以一個(gè)常數(shù)來改變?cè)紙D像的亮度，可用來改變圖像的灰度級(jí)，其典型運(yùn)用是比值圖像處理。

加法運(yùn)算的一個(gè)重要應(yīng)用是對(duì)同一場(chǎng)景的多幅圖像求平均值

減法運(yùn)算常用于檢測(cè)變化及運(yùn)動(dòng)的物體，圖像相減運(yùn)算又稱為圖像差分運(yùn)算，差分運(yùn)算還可以用于消除圖像背景，用于混合圖像的分離。

實(shí)驗(yàn)二 圖像基本操作

一、實(shí)驗(yàn)內(nèi)容

1.調(diào)試運(yùn)行8倍減采樣程序,分析程序,對(duì)每條語(yǔ)句給出注釋,并顯示最終執(zhí)行結(jié)果。

1、調(diào)試運(yùn)行8倍減采樣程序,分析程序,對(duì)每條語(yǔ)句給出注釋,并顯示最終執(zhí)行結(jié)果。

a=imread(‘e:3.jpg’);%讀取圖片 b=rgb2gray(a)；%變?yōu)榛叶葓D像

[wid，hei]=size（b）；%改變圖片大小 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))%顯示輸出圖像

2、顯示一幅灰度圖像a，改變圖像亮度使其整體變暗得到圖像b，顯示兩幅圖像的直方圖

Subplot(1,2,1);a=imread('E:數(shù)字圖像處理實(shí)驗(yàn)數(shù)字圖像處理20.jpg');imshow(a)；title('a')；Subplot(1,2,2);b= imadjust(a,[],[],3)；title('b')

顯示直方圖程序：

Subplot(1,2,1);imhist(a);title('a的直方圖')Subplot(1,2,2);imhist(b);title('b的直方圖')

3、對(duì)圖像b進(jìn)行直方圖均衡化，顯示結(jié)果圖像和對(duì)應(yīng)直方圖。

Subplot(1,2,1);j=histeq(b);imshow(j);title('b均衡化');Subplot(1,2,2);imhist(j);title('b均衡化后的直方圖')均衡化的圖像和直方圖：

4、讀入圖像c，執(zhí)行直方圖規(guī)定化，使圖像a的灰度分布與c大致相同，顯示變換后圖像及對(duì)應(yīng)直方圖。

[counts,x]=imhist(c)；Subplot(2,2,1)；imshow(a);title('圖a');Subplot(2,2,2);c=imread('E:數(shù)字圖像處理13.jpg');imshow(c);title('圖c');Subplot(2,2,3);j=histeq(a,counts);imshow(j);Subplot(2,2,4);imhist(j)

實(shí)驗(yàn)三 圖像變換

一、實(shí)驗(yàn)內(nèi)容

1、對(duì)一幅圖像進(jìn)行縮小，顯示原始圖像與處理后圖像，分別對(duì)其進(jìn)行傅里葉變換，顯示變換后結(jié)果，分析原圖的傅里葉譜與平移后傅里葉頻譜的對(duì)應(yīng)關(guān)系。i=imread('F:數(shù)字圖象處理17.jpg');y=rgb2gray(i);subplot(2,2,1);imshow(y);title('原圖')j=imresize(y,0.5);subplot(2,2,2);imshow(j);title('縮小圖')m=fft2(y);subplot(2,2,3);imshow(abs(log(m)),[]);title('原圖傅里葉變化')n=fft2(j);subplot(2,2,4);imshow(abs(log(n)),[]);title('縮小圖傅里葉變化')

2、對(duì)一幅圖像進(jìn)行旋轉(zhuǎn)，顯示原始圖像與處理后圖像，分別對(duì)其進(jìn)行傅里葉變換，顯示變換后結(jié)果，分析原圖的傅里葉譜與旋轉(zhuǎn)后傅里葉頻譜的對(duì)應(yīng)關(guān)系。

i=imread('E:數(shù)字圖象處理18.jpg');j=rgb2gray(i);subplot(2,2,1);imshow(j);title('原圖')m=imrotate(j,45,'bilinear');subplot(2,2,2);imshow(m);title('旋轉(zhuǎn)圖')p=fftshift(fft2(j));subplot(2,2,3);imshow(abs(log(p)),[]);title('原圖傅里葉變化')q=fftshift(fft2(m));subplot(2,2,4);imshow(abs(log(q)),[]);title('旋轉(zhuǎn)圖傅里葉變化')

實(shí)驗(yàn)四 常用圖像增強(qiáng)方法

一、實(shí)驗(yàn)內(nèi)容

1、采用二維中值濾波函數(shù)medfilt2對(duì)受椒鹽噪聲干擾的圖像濾波，窗口分別采用3*3,5*5,7*7 subplot(2,2,1);

a=imread('E:數(shù)字圖像處理24.jpg');j=imnoise(a,'salt & pepper',0.04);imshow(j);

title('椒鹽噪聲圖像');subplot(2,2,2);I_Filter1=medfilt2(j,[3 3]);

imshow(I_Filter1);title('3X3');subplot(2,2,3);I_Filter2=medfilt2(j,[5 5]);

imshow(I_Filter2);title('5X5');subplot(2,2,4);I_Filter3=medfilt2(j,[7 7]);

imshow(I_Filter3);title('7X7');

2、采用MATLAB中的函數(shù)filter2對(duì)受噪聲干擾的圖像進(jìn)行均值濾波 subplot(1,2,1);a=imread('E:數(shù)字圖像處理23.jpg');j=imnoise(a,'salt & pepper',0.04);imshow(j);title('椒鹽噪聲圖像');subplot(1,2,2);h=fspecial('average');m=filter2(h,j);imshow(m);title('均值濾波')

3、采用三種不同算子對(duì)圖像進(jìn)行銳化處理。

subplot(1,4,1);i=imread('F:數(shù)字圖像處理16.jpg');i1=rgb2gray(i);imshow(i1);title('原圖像');subplot(1,4,2);h=fspecial('laplacian');i2=filter2(h,i1);imshow(i2);title('拉式算子')；subplot(1,4,3)h=fspecial('prewitt');i3=filter2(h,i1);imshow(i3);title('prewitt算子')subplot(1,4,4)h=fspecial('sobel');i4=filter2(h,i1)imshow(i4);title('sobel算子')

二、實(shí)驗(yàn)總結(jié)

1、比較不同平滑濾波器的處理效果，分析其優(yōu)缺點(diǎn)

中值濾波比低通濾波消除噪聲更有效。因?yàn)樵肼暥酁榧夥鍫罡蓴_，若用低通濾波雖能去除噪聲但陡峭的邊緣將被模糊。中值濾波能去除點(diǎn)狀尖峰干擾而邊緣不會(huì)變壞。理想低通濾波器平滑處理的概念是清晰的，但在處理過程中會(huì)產(chǎn)生較嚴(yán)重的模糊和振鈴現(xiàn)象。這種現(xiàn)象正是由于傅里葉變換的性質(zhì)決定的。

2、比較不同銳化濾波器的處理效果，分析其優(yōu)缺點(diǎn)

梯度算子: 梯度對(duì)應(yīng)的是一階導(dǎo)數(shù)，梯度算子是一階導(dǎo)數(shù)算子。梯度方向:在圖像灰度最大變化率上，反映出圖像邊緣上的灰度變化。梯度處理經(jīng)常用于工業(yè)檢測(cè)、輔助人工檢測(cè)缺陷，或者是更為通用的自動(dòng)檢測(cè)的預(yù)處理。拉普拉斯微分算子強(qiáng)調(diào)圖像中灰度的突變,弱化灰度慢變化的區(qū)域。這將產(chǎn)生一幅把淺灰色邊線、突變點(diǎn)疊加到暗背景中的圖像。

實(shí)驗(yàn)五 圖像恢復(fù)和圖像分割

一、實(shí)驗(yàn)內(nèi)容

1、產(chǎn)生運(yùn)動(dòng)模糊圖像，運(yùn)用維納濾波進(jìn)行圖像恢復(fù)，顯示結(jié)果。

i=imread('F:car.jpg');I1=rbg2gray(i)；I= im2double(I1);subplot(1,3,1)imshow(I)；title(‘原圖像’)LEN = 21;THETA = 11;

PSF = fspecial('motion', LEN, THETA);

blurred = imfilter(I, PSF, 'conv', 'circular');subplot(1,3,2);imshow(blurred);title('模擬運(yùn)動(dòng)模糊圖像')wnr2=deconvwnr(blurred,PSF);subplot(1,3,3);imshow(wnr2);title('維納濾波恢復(fù)后圖像')

2、采用三種不同算子檢測(cè)圖像邊緣，顯示結(jié)果

i = imread('F:car.jpg');I=rgb2gray(i);subplot(2,2,1);imshow(I);title('原圖像')BW1 = edge(I,'prewitt');subplot(2,2,2);imshow(BW1);title('prewit算子邊緣檢測(cè)')BW2=edge(I,'zerocross');subplot(2,2,3);imshow(BW2);title('zerocross算子邊緣檢測(cè)')BW3=edge(I,'log');subplot(2,2,4);imshow(BW3);title('log算子邊緣檢測(cè)')

3、對(duì)二值圖像分別進(jìn)行方形模板3*3和5*5的膨脹和腐蝕操作，顯示結(jié)果。

i= imread('F:16.jpg');I=im2bw(i,0.5);subplot(2,3,1);imshow(I);title('二值圖像')se=strel('square',3);se1= strel('square',5);I1 = imdilate(I,se);subplot(2,3,2);imshow(I1);title('3*3膨脹圖像')I2 = imdilate(I,se1);subplot(2,3,3);imshow(I2);title('5*5膨脹圖像')subplot(2,3,4);imshow(I);title('二值圖像')erodedBW=imerode(I,se);subplot(2,3,5);imshow(erodedBW);title('3*3腐蝕圖像')erodedBW1=imerode(I,se1);subplot(2,3,6);imshow(erodedBW1);title('5*5腐蝕圖像')

實(shí)驗(yàn)六 圖像處理實(shí)際應(yīng)用

一、實(shí)驗(yàn)內(nèi)容

1、調(diào)試運(yùn)行下列程序,分析程序,對(duì)每條語(yǔ)句給出注釋,并顯示最終執(zhí)行結(jié)果。總結(jié)算法思想及優(yōu)缺點(diǎn)

總結(jié)：對(duì)于特定位置的車牌識(shí)別算法非常高效，但對(duì)于含有噪聲等其他因素的車牌分割處理，相對(duì)來說算法還有待完善。

三、實(shí)驗(yàn)內(nèi)容

調(diào)試運(yùn)行下列程序,分析程序,對(duì)每條語(yǔ)句給出注釋,并顯示最終執(zhí)行結(jié)果。總結(jié)算法思想及優(yōu)缺點(diǎn).I=imread('Car.jpg');%讀取圖片

[y,x,z]=size(I);% 返回I各維的尺寸，并存儲(chǔ)在變量y、x、z中 myI=double(I);%換成雙精度數(shù)值

%%%%%%%%%%% RGB to HSI %%%%%%%% %begin橫向掃描

tic

%計(jì)算tic與toc之間程序的運(yùn)行時(shí)間

%%%%%%%% Y 方向 %%%%%%%%%% 分割字符按行積累量

Blue_y=zeros(y,1);%產(chǎn)生y*1的全0矩陣 for i=1:y

%給定i的范圍

for j=1:x

:x%給定j的范圍

if((myI(i,j,1)<=30)&&((myI(i,j,2)<=62)&&(myI(i,j,2)>=51))&&((myI(i,j,3)<=142)&&(myI(i,j,3)>=119)))% 藍(lán)色RGB的灰度范圍

Blue_y(i,1)= Blue_y(i,1)+1;

%藍(lán)色像素點(diǎn)統(tǒng)計(jì)

end

end

end [temp MaxY]=max(Blue_y);

% Y方向車牌區(qū)域確定

%temp為向量white_y的元素中的最大值，MaxY為該值的索引（在向量中的位置）

PY1=MaxY;

%y矩陣的最大元素

while((Blue_y(PY1,1)>=5)&&(PY1>1))

確定藍(lán)色RGB Blue_y所在位置

PY1=PY1-1;

%對(duì)車牌區(qū)域的修正，向上調(diào)整 end

PY2=MaxY;

while((Blue_y(PY2,1)>=5)&&(PY2

PY2=PY2+1;end IY=I(PY1:PY2,:,:);%IY為原始圖像I中截取的縱坐標(biāo)在PY1：PY2之間的部分 %end橫向掃描

%begin縱向掃描

%%%%%%%% X 方向 %%%%%%%%%%

Blue_x=zeros(1,x);

%產(chǎn)生y*1的全0矩陣

for j=1:x

for i=PY1:PY2

if((myI(i,j,1)<=30)&&((myI(i,j,2)<=62)&&(myI(i,j,2)>=51))&&((myI(i,j,3)<=142)&&(myI(i,j,3)>=119)))

Blue_x(1,j)= Blue_x(1,j)+1;% Blue_x 的矩陣加一

end

end

end

PX1=1;while((Blue_x(1,PX1)<3)&&(PX1

PX1=PX1+1;%對(duì)車牌區(qū)域的修正向下調(diào)整 end

PX2=x;while((Blue_x(1,PX2)<3)&&(PX2>PX1))%確定藍(lán)色RGB Blue_x的位置

PX2=PX2-1;%對(duì)車牌區(qū)域的修正向下調(diào)整 End %end縱向掃描

PX1=PX1-2;% 對(duì)車牌區(qū)域的修正 PX2=PX2+2;

Plate=I(PY1:PY2,PX1-2:PX2,:);t=toc % 讀取計(jì)時(shí)

%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%% figure,imshow(I);% 原始圖像'

figure,plot(Blue_y);grid %創(chuàng)建圖像窗口，繪制Blue_y圖像，畫出網(wǎng)格線' figure,plot(Blue_x);grid%創(chuàng)建圖像窗口，繪制Blue_x圖像，畫出網(wǎng)格線'figure,imshow(Plate);

% 車牌截取結(jié)果'