图像处理实验报告.docx

《图像处理实验报告.docx》由会员分享，可在线阅读，更多相关《图像处理实验报告.docx（18页珍藏版）》请在淘文阁 - 分享文档赚钱的网站上搜索。

1、图像处理实验报告实 实 验 报 告 试验课程名称图像处理（其次版）指 指 导 老 师邓天明 学 学 院交通运输年级2022 级 专业及班级交通信息与限制工程二班 学 学 生 姓 名 田飞 学号 631205090230 开 开 课 时 间 2022至2022学年第 2学期 总 总 成 绩老师签名试验名称 直方图均衡化 试验类型 验证型 试验时间 2022/6/2 试验地点 基础试验楼北 501 试验目的：1. 熟识图像数据在计算机中的存储方式； 2. 驾驭图像直方图均衡化这一基本处理过程。仪器、设备名称：PC 微机一台和 MATLAB 软件。试验要求及留意事项：本次试验留意事项总结如下：1、要

2、学会利用 Matlab 中的帮助信息，因为许多函数的调用方法都是可以在帮助中找到的。在调用函数时应重点看 Examples 中的方式。2、在 Matlab 中进行重复操作时，可以用方向上键重复吩咐，也可以在吩咐窗口中进行复制粘贴。3、运用软件处理图像时，留意不要运用困难图像，以免处理时间过长且显示效果不志向。试验内容、操作步骤：试验内容：1. 读入图像数据到内存中，并显示读入的图像； 2. 实现直方图均衡化处理，显示处理前后图像的直方图。3. 显示并保存处理结果。试验步骤：1打开 Matlab 编程环境； 2获得试验用图像。用’imread’函数将图像读入 Matlab

3、；用’imshow’函数显示读入的图像。3获得输入图像的直方图：用’imhist’函数处理图像。4均衡化处理：用’histeq’函数处理图像即可。5获得均衡化后的直方图并显示图像：用’imhist’和’imshow’函数。6保存试验结果：用’imwrite’函数处理。试验结果分析（含数据、图表整理）：程序源代码 ：A = imread(‘D:TF.gif’, ‘gif’); imshow(A); imhi

4、st(A); histeq(A); Imhist(A); Imshow(A); Imwrite(A, ‘D:TF.gif’, ‘GIF’); 处理结果： 图 1灰度图图 2均衡化图 图 3直方图试验收获、心得及建议：直方图均衡化是直方图变换方法中的一种，进行图像增加的方法是以概率论为基础的。直方图均衡化主要用于增加动态范围偏小的图像的反差。这个方法基本思想是把原始图的直方图变换为匀称分布的形式，这样就增加了像素灰度值的动态范围，从而达到增加图像整体对比度德效果。数字图像直方图均衡化之后直方图不是肯定平坦的，因为不能将同一个灰度值的各个像素变换到不

5、同灰度级（或说此时仅依据灰度值区分不开不同的像素），所以数字图像直方图均衡化的结果一般只是近似均衡化的直方图。在本次试验中发觉：直方图均衡化在增加反差的同时也增加了图像的可视粒度。 试验名称 频域平滑滤波 试验类型 验证型 试验时间 2022/6/9 试验地点 基础试验楼北 501 试验目的：1. 熟识图像数据在频率域的表示； 2. 驾驭频域图像增加的基本步骤。仪器、设备名称：PC 微机一台、MATLAB 软件、GIF 格式图片一张。试验要求及留意事项：在选择图片时应当选择 TTF 格式或者 GIF 格式的图片，若不是这种格式则应当在画图工具中改为上述格式，因为其他格式都打不开。试验内容、操作

6、步骤：试验内容：1. 综合利用所学的数字图像基本存储结构、图像变换、图像增加等学问实现频率域图像增加； 2. 在频率域进行用半径值分别为 5，15，30，80 和 230 的志向低通滤波器对图像进行平滑，并视察滤波效果。操作步骤：1打开 Matlab 编程环境； 2获得试验用图像。用’imread’函数将图像读入 Matlab；用’imshow’函数显示读入的图像。3将图像’uint8’格式转换为’double’格式，并将各点数据乘以-1 的（x+y）次方以便 FFT 变换后的结果中低频数据处于图像

7、中心。4用’fft2’函数对图像数据进行二维 FFT 变换，得到频率域图像数据。5计算频率域图像的幅值并进行对数变换，利用’imshow’显示频率域图像。6在频率图像上去除滤波半径意外的数据（置 0）。7计算频率域图像的幅值并进行对数变换，利用’imshow’显示频率域图像。8用’fft2’函数对图像数据进行二维 FFT 逆变换，并用’real’函数取其实部，得到处理过的空间域图像数据。9将图像数据各点数据乘以-1 的（x+y）次方。10用’imshow&rsqu

8、o;函数显示处理结果图像数据，并用’imwrite’函数保存图像处理结果数据。试验结果分析（含数据、图表整理）：程序源代码：functionidlvbo(r)I=imread(E: tu bailong1.gif);subplot(1,2,1),imshow(I);% 显示原图title(bailong2 原 图 );k=double(I);% ‘ uint8 格式转换为‘ double ’g=fft2(k);% 傅里叶变换g=fftshift(g);% 实现低频数据处于图像中心figure,imshow(g);% % 除去滤波半径以

9、外的数据M ,N=size(g);% 计算幅值m=fix(M/2);n=fix(N/2);%m=round(M/2);%n=round(N/2);for i=1:Mfor j=1:Nd=sqrt(i- - m)2+(j- - n)2);ifd<=rh=1;elseh=0;endy(i,j)=h*g(i,j);endendy=ifftshift(y);E1=ifft2(y);E2=uint8(real(E1);subplot(1,2,2),imshow(E2);title( 处理后的图像 );imwrite(E2,E2.tif,tif);处理结果：原图r=5 的结果图 r=15 的结果图

10、r=30 的结果图r=80 的结果图r=230 的结果图 试验收获、心得及建议：在频域空间，图像的信息表现为不同频率重量的组合。假如能让某个范围内的重量或某些频率的重量受到抑制而让其他重量不受影响，就可以输出图的频率分布，达到不同的增加目的。频域空间的增加方法有三个步骤：1、 将图像从图像空间转换到频域空间； 2、 在频域空间对图像进行增加； 3、 将增加后的图像再从频域空间转换到图像空间； 本次试验中在 FFT 变换前后，将各点数乘以-1 的（x+y）次方，是为了将图像处理后它的中低频数据处于图像中心位置。频率域图像处理是把图像看成一种二维信号，对其进行基于二维傅里叶改变的信号增加；空间域图

11、像增加的方法是干脆对图像中的像素进行处理的过程。 试验名称 图像去噪 试验类型 验证型 试验时间 2022/6/9 试验地点 基础试验楼北 501 试验目的：1. 熟识图像高斯噪声的特点； 2. 驾驭利用中值滤波器去除图像噪声的方法。仪器、设备名称：PC 微机一台、MATLAB 软件、GIF 格式图片一张。试验要求及留意事项：在选择图片时应当选择 TTF 格式或者 GIF 格式的图片，若不是这种格式则应当在画图工具中改为上述格式，因为其他格式都打不开。试验内容、操作步骤：试验内容：编写代码实现中值滤波算法，并视察增加效果。操作步骤：1. 打开 Matlab 编程环境。2. 利用’i

12、mread’ 函数读入包含噪声的原始图像数据。3. 利用’imshow’ 显示所读入的图像数据。4. 编写代码实现中值滤波算法，并对原始噪声图像进行滤波处理。5. 利用’imshow’ 显示处理结果图像数据。6. 利用’imwrite’函数保存图像处理结果数据。试验结果分析（含数据、图表整理）：程序源代码：I1=imread(D:tfYUAN.jpg);I3=rgb2gray(I1); I2=imnoise(I3,salt & pepper,0.02); subplot(1,2,1);imshow(I2

13、); title(jia zao yin);L=medfilt2(I2);subplot(1,2,2);imshow(L); title( 中值滤波所得图像); 处理结果： 去噪声后的图像对比 试验收获、心得及建议： 噪声是常见的退化因素之一，也是图像复原中重点探讨的主要内容。图像中的噪声可定义为图像中不希望有的部分，或图像中不须要的部分。中值滤波算法处理速度快。均值滤波对一个像素，取其四周的像素均值作为当前像素的值；中值滤波对一个像素，取其四周的像素的中间值作为当前像素的值，不须要求出均值，因此中值滤波算法较快。先得到图像的频率空间，然后对得到的二维空间数据进行比较得到最大值和最小值，求这两

14、个值的平均值得到。它比中值滤波算法慢。本次试验中，通过相关软件自带函数对图像进行处理，实现图像噪点的处理。试验名称 Matlab 在数字图像处理中的应用试验类型 验证行 试验时间 2022/6/16 试验地点 基础试验楼北 501 室 试验目的：1熟识图像的四种类型。2娴熟驾驭图像的读、写操作以及显示方法。3. 熟识图像的类型转换以及格式转换。仪器、设备名称：计算机、MATLAB 软件、图像处理试验指导（电子版）、MATLAB 相关书籍 试验要求及留意事项：1、留意在 Matlab 中不同图像对应的格式。在 Matlab 中采纳 4 种不同的方式把图像数据矩阵中的元素值（又称像素值）说明为对应

15、像素的颜色。2、运用 Matlab 中自带的函数可以实现不同格式的图像的格式间的转换。要熟识相应的函数的运用参数。试验内容、过程记录：1利用 imread( )函数分别读取四种类型的图像。2读取一幅 RGB 图片，并将它转换成其他几种图像类型。3. 读取一幅 TIF 格式的图像，将它转换成 JPG 文件格式，并尝试运用不同的压缩品质(运用 help imwrite 查询其‘quality’参数的用法)压缩文件，比较压缩前后文件的大小和图像质量。4（选做）.读取一幅索引图像，将图像显示出来。尝试修改 MAP 颜色矩阵的值，再将图像显示出来，对比视察图像颜色的改变。试验分析

16、结果（含数据、图表整理）：程序源代码：function dutuI=imread(C: ABCDEFG - TF tf tf.jpg);subplot(2,2,1),imshow(I);B title(RGB 原图 );A=dither(I,gray);subplot(2,2,2),imshow(A);title( 索引图 );imwrite(A ,suoyin.tif,tif);B=rgb2gray(I);subplot(2,2,3),imshow(B);title( 灰度图 );imwrite(B,huidu.tif,tif);C=im2bw(I,0.4);subplot(2,2,4),i

17、mshow(C);title( 二值图 );imwrite(C,erzhi.tif,tif);endfunction gaituclcclearI=imread(C: ABCDEFG - TF tff .tif);subplot(2,2,1),imshow(I);title( TF1.tif);imwrite(I,TF1.jpg,jpg);B=imread(C: ABCDEFG - TF TF1.jpg);subplot(2,2,2),imshow(B);title(TF1.jpg);imwrite(I,TF1(25).jpg,quality,25);C=imread(C: ABCDEFG -

18、 TF TF1(25).jpg);subplo t(2,2,3),imshow(C);title(TF1(25).jpg);imwrite(I,TF1(50).jpg,quality,50);D=imread(C: ABCDEFG - TF TF1(50).jpg);subplot(2,2,4),imshow(D);title(TF1(50).jpg);end1、图像格式间的转换 结果见下图 图 1 图像格式转换结果图 运用 imread 函数读入一张 RGB 图像，然后运用dither、rgb2gray、im2bw函数实现 RGB 图像向索引图像、灰度图像、二值图像的转换。图像结果运用imw

19、rite函数进行保存。2. 读取一幅 TIF 格式的图像，将它转换成 JPG 文件格式图 2 tif 格式转换为 jpg 格式结果 使 用 imwrite 函 数 使 tif 格 式 转 换 为 jpg 格 式 ， 然 后 使 用 imwrite（I,TF1(25).jpg,quality,25）和imwrite（I,TF1(50).jpg,quality,50）使图像分别以 25 和 50 的质量进行压缩保存。试验收获、心得及建议：试验中主要留意的时运用函数时，要与函数要求的格式相对应。处理不同类型的图像，所运用的函数语句是不一样的，对于结果的显示也会有所不同。有时图像的变更在显示时变更的迹

20、象可能不太明显，这时可以通过查看图像的格式，详细的属性参数直观的看到改动。查看文件的格式时可以依据其文件的后缀名。或者查看 imread 函数读到的矩阵格式。比如 TIFF 格式的文件，其文件包含文件头、参数指针表与参数域、参数数据表和图像数据 4 部分，这样读入到 MATLAB 中的矩阵格式就会为<A×B×4 uint8>格式。本文来源：网络收集与整理，如有侵权，请联系作者删除，谢谢！第18页 共18页第 18 页 共 18 页第 18 页 共 18 页第 18 页 共 18 页第 18 页 共 18 页第 18 页 共 18 页第 18 页 共 18 页第 18 页 共 18 页第 18 页 共 18 页第 18 页 共 18 页第 18 页 共 18 页