数字图像处理实验报告(共37页).doc

《数字图像处理实验报告(共37页).doc》由会员分享，可在线阅读，更多相关《数字图像处理实验报告(共37页).doc（37页珍藏版）》请在淘文阁 - 分享文档赚钱的网站上搜索。

1、精选优质文档-倾情为你奉上数字图像处理实验报告实验一 数字图像处理编程基础一、实验目的1. 了解MATLAB图像处理工具箱；2. 掌握MATLAB的基本应用方法；3. 掌握MATLAB图像存储/图像数据类型/图像类型；4. 掌握图像文件的读/写/信息查询；5. 掌握图像显示-显示多幅图像、4种图像类型的显示方法；6. 编程实现图像类型间的转换。二、实验内容1. 实现对图像文件的读/写/信息查询，图像显示-显示多幅图像、4种图像类型的显示方法、图像类型间的转换。2. 运行图像处理程序，并保存处理结果图像。三、源代码I=imread(cameraman.tif)imshow(I);subplot(

2、221),title(图像1);imwrite(cameraman.tif)M=imread(pout.tif)imview(M)subplot(222),imshow(M);title(图像2);imread(pout.bmp)N=imread(eight.tif)imview(N)subplot(223),imshow(N);title(图像3);V=imread(circuit.tif)imview(V)subplot(224),imshow(V);title(图像4);N=imread(C:UsersAdministratorDesktop1.jpg)imshow(N);I=rgb2g

3、ary(GRB)X.map=gary2ind(N,2)RGB=ind2 rgb(X,map)X.map=gary2ind(I,2)I=ind2 gary(X,map)I=imread(C:UsersdellDesktop111.jpg); subplot(231),imshow(I);title(原图);M=rgb2gray(I); subplot(232),imshow(M); X,map=gray2ind(M,100);subplot(233),imshow(X); RGB=ind2rgb(X,map); subplot(234),imshow(X); X,map=rbg2ind(I);s

4、ubplot(235),imshow(X); 四、实验效果 实验二 图像几何变换实验一、实验目的1学习几种常见的图像几何变换，并通过实验体会几何变换的效果；2掌握图像平移、剪切、缩放、旋转、镜像等几何变换的算法原理及编程实现； 3掌握matlab编程环境中基本的图像处理函数。二、实验原理1. 初始坐标为的点经过平移，坐标变为，两点之间的关系为：，以矩阵形式表示为： 2. 图像的镜像变换是以图象垂直中轴线或水平中轴线交换图像的变换，分为垂直镜像变换和水平镜像变换，两者的矩阵形式分别为： 3. 图像缩小和放大变换矩阵相同：当，时，图像缩小；当，时，图像放大。4. 图像旋转定义为以图像中某一点为原点

5、以逆时针或顺时针方向旋转一定 角度。其变换矩阵为：该变换矩阵是绕坐标轴原点进行的，如果是绕一个指定点旋转，则先要将坐标系平移到该点，进行旋转，然后再平移回到新的坐标原点。三、实验内容1. 启动MATLAB程序，对图像文件分别进行平移、垂直镜像变换、水平镜像变换、缩放和旋转操作。2运行图像处理程序，并保存处理结果图像。四、源代码及实验效果1.平移I=imread(circuit.tif);subplot(121),imshow(I);title(before);I=double(I);M=zeros(size(I); N=size(I);x=10;y=10;M(x+1:N(1),y+1:N(2)

6、=I(1:N(1)-x,1:N(2)-y);subplot(122),imshow(uint8(M);title(after);2.水平垂直镜像I=imread(pout.tif);subplot(131),imshow(I);title(before);I=double(I);A=zeros(size(I);B=zeros(size(I);M=size(I);A(1:M(1),1:M(2)=I(M(1):-1:1,1:M(2);B(1:M(1),1:M(2)=I(1:M(1),M(2):-1:1);subplot(132),imshow(uint8(A);title(竖直);subplot(

7、133),imshow(uint8(B);title(水平);3. 缩放I=imread(pout.tif);subplot(131),imshow(I);title(before);I=double(I);A=zeros(size(I);B=zeros(size(I);m,n=size(I);x=1.8;y=1.8;x2=0.85;y2=0.85;for i=1:m for j=1:n i1=round(i*x); j1=round(j*y); i2=round(i*x2); j2=round(j*y2); if(j1=0)&(i1=0)&(i1=m)&(j1=0)&(i2=0)&(i2=m

8、)&(j2=1 & pix(2)=1 & pix(1) = h & pix(2) M,N=size(I); g=zeros(M,N); I=double(I); g=double(g); k1=min(min(I); k2=max(max(I); a=(k2-k1)/2;b=k2-80;c=k1-20; for i=1:M for j=1:N g(i,j)=b(c*(I(i,j)-a)-1;endend figure; subplot(121); imshow(I,); subplot(122); imshow(g,); 3. 直方图均衡化增强I=imread(pout.tif); grayd

9、is=zeros(1,256); %设置矩阵大小graydispro=zeros(1,256);new_graydis=zeros(1,256);new_graydispro=zeros(1,256);h w=size(I);N=zeros(h,w);%计算原始直方图各灰度级像素个数graydisfor x=1:h for y=1:w graydis(1,I(x,y)=graydis(1,I(x,y)+1; endend%计算原始直方图graydisprograydispro=graydis./sum(graydis);subplot(2,2,1);plot(graydispro);title

10、(灰度直方图);xlabel(灰度值);ylabel(像素的概率密度);%计算原始累计直方图for i=2:256 graydispro(1,i)=graydispro(1,i)+graydispro(1,i-1);end%计算和原始灰度对应的新的灰度t，建立映射关系for i=1:256t(1,i)=floor(254*graydispro(1,i)+0.5);end%统计新直方图各灰度级像素个数for i=1:256 new_graydis(1,t(1,i)+1)=new_graydis(1,t(1,i)+1)+graydis(1,i);end%计算新的灰度直方图new_graydispr

11、onew_graydispro=new_graydis./sum(new_graydis);subplot(2,2,2);plot(new_graydispro);title(均衡化后的灰度直方图);xlabel(灰度值);ylabel(像素的概率密度);%计算直方图均衡后的新图new_tufor x=1:h for y=1:w N(x,y)=t(1,I(x,y); endendsubplot(2,2,3),imshow(I,);title(原图);subplot(2,2,4),imshow(N,);title(直方图均衡化后的图);实验四 图像滤波实验一、实验目的掌握中值滤波方法，掌握图像锐

12、化方法，比较各个梯度算子锐化的效果。掌握频域滤波方法，观察低通滤波和高通滤波的效果。二、实验原理中值滤波是一种非线性平滑滤波，它是用一个有奇数点的滑动窗口，将窗口中心点的值用窗口各点的中值代替。图像的锐化是使边缘和轮廓线模糊的图像变得清晰，使其细节更加清晰。从数学上看，图像模糊的实质是图像受到平均或者积分运算的影响，因此对其进行逆运算（如微分运算）就可以使图像清晰。在频域上卷积被表示为乘积，因此在频域上对图像进行滤波就变得更加直观了。在频域上进行滤波的步骤：计算需增强的图像的傅里叶变化。将其与1个传递函数相乘。再将结果进行傅里叶逆变化可以得到增强的图像。三、实验内容1. 选择测试图像分别添加高

13、斯、椒盐、泊松噪声，实现中值滤波； 2. 选择测试图像实现两种常用梯度算子（Sobel算子、Prewitt算子）； 3. 选择测试图像实现理想低通滤波； 4. 选择测试图像实现巴特沃斯高通滤波。四、分析思考依次给出“均值滤波器、中值滤波器、laplace滤波器”是线性还是非线性的。 答：均值滤波器和中值滤波器是线性的，laplace滤波器是非线性的。5、 源代码及实验效果1.椒盐噪声I=imread(cameraman.tif); I=imnoise(I,salt & pepper,0.02); I=double(I);dep,wide=size(I); M=ones(size(I); for

14、 i=3:dep-2 for j=3:wide-2 M(i,j)=median(I(i-2,j-2) I(i-2,j-1) I(i-2,j) I(i-2,j+1) I(i-2,j+2) I(i-1,j-2) I(i-1,j-1) I(i-1,j) I(i-1,j+1) I(i-1,j+2) I(i,j-2) I(i,j-1) I(i,j) I(i,j+1) I(i,j+2) I(i+1,j-2) I(i+1,j-1) I(i+1,j) I(i+1,j+1) I(i+1,j+2) I(i+2,j-2) I(i+2,j-1) I(i+2,j) I(i+2,j+1) I(i+2,j+2); ende

15、nd for i=3:dep-2M(i,1)=M(i,3); M(i,2)=M(i,3); M(i,wide-1)=M(i,wide-2); end M(1,:)=M(3,:); M(2,:)=M(3,:); M(dep,:)=M(dep-2,:); M(dep-1,:)=M(dep-2,:); figure subplot(121),imshow(uint8(I); subplot(122),imshow(uint8(M);2. 高斯噪声3. 泊松噪声4. SobelI=imread(cameraman.tif); H,W=size(I); M=double(I); J=M; for i=2

16、:H-1 for j=2:W-1 J(i,j)=abs(M(i-1,j+1)-M(i-1,j-1)+2*M(i,j+1)-2*M(i,j-1)+M(i+1,j+1)-M(i+1,j-1)+abs(M(i-1,j-1)-M(i+1,j-1)+2*M(i-1,j)-2*M(i+1,j)+M(i-1,j+1)-M(i+1,j+1); end; end; subplot(1,2,1);imshow(I);title(原图); subplot(1,2,2);imshow(uint8(J);title(Sobel 处理后); 5. PrewwitI=imread(cameraman.tif); H,W=s

17、ize(I); M=double(I); J=M; for i=2:H-1 for j=2:W-1 J(i,j)=abs(M(i-1,j+1)-M(i-1,j-1)+M(i,j+1)-M(i,j-1)+M(i+1,j+1)-M(i+1,j-1)+abs(M(i-1,j-1)-M(i+1,j-1)+M(i-1,j)-M(i+1,j)+M(i-1,j+1)-M(i+1,j+1); end; end; subplot(1,2,1);imshow(I);title(原图); subplot(1,2,2);imshow(uint8(J);title(Prewitt处理后); 6. 理想低通滤波 G=im

18、read(pout.tif);J=imnoise(G,salt & pepper,0.02);subplot(121),imshow(J);title(添加椒盐噪声图像);J=double(J);%采用傅立叶变换f=fft2(J);%采用矩阵平衡g=fftshift(f);M,N=size(f);n=3;d0=45;n1=floor(M/2);%向下取整n2=floor(N/2);for i=1:M for j=1:N d=sqrt(i-n1)2+(j-n2)2); if d robertThreshold) M(j,k)=255; else M(j,k)=0; end endendsubpl

19、ot(122),imshow(M);title(roberts); 2. SobelI=imread(cameraman.tif);%读取原图像subplot(121),imshow(I);title(before);I=mat2gray(I);%实现图像矩阵的归一化操作m,n=size(I);M=I;%为保留图像的边缘一个像素sobelNum=0;%经sobel算子计算得到的每个像素的值sobelThreshold=0.8;%设定阈值for j=2:m-1 %进行边界提取 for k=2:n-1 sobelNum=abs(I(j-1,k+1)+2*I(j,k+1)+I(j+1,k+1)-I(

20、j-1,k-1)-2*I(j,k-1)-I(j+1,k-1)+abs(I(j-1,k-1)+2*I(j-1,k)+I(j-1,k+1)-I(j+1,k-1)-2*I(j+1,k)-I(j+1,k+1); if(sobelNum sobelThreshold) M(j,k)=255; else M(j,k)=0; end endendsubplot(122),imshow(M);title(Sobel);3. PrewwitI=imread(cameraman.tif);%读取原图像subplot(121),imshow(I);title(before);I=mat2gray(I);%实现图像矩

21、阵的归一化操作m,n=size(I);M=I;%为保留图像的边缘一个像素PrewittNum=0;%经Prewitt算子计算得到的每个像素的值PrewittThreshold=0.5;%设定阈值for j=2:m-1 %进行边界提取 for k=2:n-1 PrewittNum=abs(I(j-1,k+1)-I(j+1,k+1)+I(j-1,k)-I(j+1,k)+I(j-1,k-1)-I(j+1,k-1)+abs(I(j-1,k+1)+I(j,k+1)+I(j+1,k+1)-I(j-1,k-1)-I(j,k-1)-I(j+1,k-1); if(PrewittNum PrewittThresh

22、old) M(j,k)=255; else M(j,k)=0; end endendsubplot(122),imshow(M);title(Prewitt);4. 二值clear all;close all;clc; img=imread(rice.png); tt=graythresh(img);img=im2bw(img,tt);subplot(121); %图像二值化imshow(img);m,n=size(img); imgn=zeros(m,n); %边界标记图像ed=-1 -1;0 -1;1 -1;1 0;1 1;0 1;-1 1;-1 0; %从左上角像素判断for i=2:m

23、-1 for j=2:n-1 if img(i,j)=1 %如果当前像素为1 for k=1:8 ii=i+ed(k,1); jj=j+ed(k,2); if img(ii,jj)=0 %当前像素周围如果是背景，边界标记图像相应像素标记 imgn(ii,jj)=1; end end end endend subplot(122)imshow(imgn,);5. 分水岭clc;f=rgb2gray(imread(pout.tif); subplot(1,2,1); imshow(f); title(原始图像);f=double(f); hv=fspecial(prewitt); %建立一个预定义

24、的滤波算子hh=hv; %计算梯度图 gv=abs(imfilter(f,hv,replicate); gh=abs(imfilter(f,hh,replicate); g=sqrt(gv.2+gh.2); %计算距离L=watershed(g); wr=L=0;subplot(1,2,2);imshow(wr); title(分水岭); 实验六 运动目标检测实验一、实验目的掌握背景差值法对运动目标的检测原理及其程序设计，并实现背景更新；了解图像图像差分法和基于光流的分割方法。二、实验原理背景差值法假设图像背景是静止不变的，用表示，定义图像序列为，其中为图像位置的坐标；为图像帧数。将每一帧图像

25、的灰度值减去背景的灰度值可得到一个差值图像：通过设置阈值T可得到二值化差值图像：其中取值为1和0的像素点分别对应于前景（运动目标区）和背景（非运动目标区）。三、实验内容1.实现背景差值法对运动目标的检测；2.实现背景的更新。 四、分析思考如何去除背景噪声，当场景受光照等环境因素影响时，该如何处理背景。答：如果有光影影响时，可以尝试对图像进行形态学处理，或者对所用的阈值进行调整，再加入滤波器，可以使效果得到改善。五、源代码及效果图1. 将视频转化为图片clc;clear;video_file=666.avi;avi=VideoReader(video_file);video = read(avi); numFrames = get(avi, NumberOfFrames);for i=1:numFrames image_name=strcat(num2str(i); image_name=strcat(image_name,.jpg); I = read(avi,i);