2023年数字图像处理 实验报告(完整版).docx

《2023年数字图像处理 实验报告(完整版).docx》由会员分享，可在线阅读，更多相关《2023年数字图像处理 实验报告(完整版).docx（40页珍藏版）》请在淘文阁 - 分享文档赚钱的网站上搜索。

1、2023年数字图像处理 实验报告(完整版) 第一篇：数字图像处理 试验报告(完好版) 数字图像处理 试验一 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 叮嘱提取该读入图像flower.tif的基本信息； 3利用imshow()函数来显示这幅图像； 试验结果如下列图： 源代码： I=imread(lily.tif) whos I imshow(I) 二、压缩图像 4利用imfinfo函数来获得图像文件的压缩，颜色等等其他的具体信息； 5利用imwrite()函数来压缩这幅图象，将其保存为一幅压缩

2、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()获得图像Sunset.jpg和Winter.jpg的大小； 9用figure,imshow()分别将Sunset.jpg和Winter.jpg显示出来，视察两幅图像的质量。其中9的试验结果如下列图： 源代码： 46(接上面两个) I=imread(lily.tif) imfinfo

3、 lily.tif； imwrite(I,lily.jpg,quality,20); imwrite(I,lily.bmp);79 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显示出来视察图像的特征。试验结果如下列图： 源代码： I=imread(lily.tif)gg=im2bw(I,

4、0.4);Figure, imshow(gg) 原始图像： 四、思索题 (1)简述MatLab软件的特点。 答：高效的数值计算及符号计算功能，能运用户从繁杂的数学运算分析中解脱出来； 具有完备的图形处理功能,实现计算结果和编程的可视化; 友好的用户界面及接近数学表达式的自然化语言，使学者易于学习和驾驭； 功能丰富的应用工具箱(如信号处理工具箱、通信工具箱等),为用户供应了大量便利好用的处理工具。 (2)MatLab软件可以支持哪些图像文件格式？ JPEG、JPEG、PCX、TIFF、PNG、GIF、HDF、XWD等等。(3)说明函数imread 的用处格式以及各种格式所得到图像的性质。 imr

5、ead函数用于读入各种图像文件，其一般的用法为 =imread(filename,fmt)其中，X，MAP分别为读出的图像数据和颜色表数据，fmt为图像的格式，filename为读取的图像文件可以加上文件的路径。 (4)为什么用I = imread(lena.bmp)叮嘱得到的图像I 不行以进行算术运算？ Matlab系统默认的算术运算时针对双精度类型double的数据，而上述叮嘱产生的矩阵的数据类型是无符号8位，干脆 进行运算会溢出。 试验二 图像的代数运算 一图像的加法运算 在MATLAB中，假如要进行两幅图像的加法，或者给一幅图像加上一个常数，可以调用imadd函数来实现。imadd函数

6、将某一幅输入图像的每一个像素值与另一幅图像相应的像素值相加，返回相应的像素值之和作为输出图像。imadd函数的调用格式如下： Z = imaddX，Y 其中，X和Y表示需要相加的两幅图像，返回值Z表示得到的加法操作结果。试验结果如下列图： 源代码： I = imread(Sunset.jpg)； J = imread(Bluehills.jpg)； K = imadd(I,J)； imshow(K)；(两幅图尺寸大小一样)原始图像： 给图像的每一个像素加上一个常数可以使图像的亮度增加。效果如下： 源代码 RGB = imread(cameraman.tif)； RGB2 = imadd(RGB

7、,50)； subplot(1,2,1)；imshow(RGB)； subplot(1,2,2)；imshow(RGB2)； 二、图像的减法运算 在MATLAB中，运用imsubtract函数可以将一幅图像从另一幅图像中减去，或者从一幅图像中减去一个常数。imsubtract函数将一幅输入图像的像素值从另一幅输入图像相应的像素值中减去，再将这个结果作为输出图像相应的像素值。imsubtract函数的调用格式如下： Z = imsubtract(X,Y)； 其中，Z是X-Y操作的结果。试验结果如下列图： 源代码 rice = imread(cameraman.tif)background = i

8、mopen(rice, strel(disk,15)rice2 = imsubtract(rice, background)subplot(1,2,1);imshow(rice);subplot(1,2,2);imshow(rice2); 三、图像的乘法运算 在MATLAB中，运用immultiply函数实现两幅图像的乘法。immultiply函数将两幅图像相应的像素值进行元素对元素的乘法操作MATLAB点乘，并将乘法的运算结果作为输出图形相应的像素值。immulitply函数的调用格式如下： Z = immulitply(X,Y)其中，Z=X*Y。试验结果如下列图： 源代码 I = imre

9、ad(zhaowei.bmp)J = immultiply(I,1.2)subplot(1,2,1);imshow(I)subplot(1,2,2);imshow(J) 四、图像的除法运算 在MATLAB中运用imdivide函数进行两幅图像的除法。imdivide函数对两幅输入图像的全部相应像素执行元素对元素的除法操作点除，并将得到的结果作为输出图像的相应像素值。imdivide函数的调用格式如下： Z = imdivide(X,Y)其中，Z=X/Y。试验结果如下列图： 源代码 Rice = imread(cameraman.tif);I = double(Rice);J= I * 0.43

10、 + 90 Rice2 = uint8(J)Ip = imdivide(Rice, Rice2)Imshow(Ip, ) 原图像 五、思索题 由图像算术运算的运算结果，思索图像减法运算在什么场合上发挥优势？ 答：运用背景减法进行运动目标检测可以提取出完好的目标图像可将所得标用于进一步的图像处理工作中。 除去人身体在环境中运动产生的动态区域外背景减法对其它的动态场景的转变、干扰等特别敏感背景图像获得的志向状况是在场景没有运动因素，最简洁背景获得方法是当场景中任何目标时采集一幅图像作为背景图像，但这种固定背景图像的方法只适合应于外界条件较好的场。 试验三 图像增加空域滤波 一、试验内容与步骤 a)

11、调入并显示原始图像Sample2-1.jpg。 b)利用imnoise 叮嘱在图像Sample2-1.jpg 上加入高斯(gaussian)噪声 c)利用预定义函数fspecial 叮嘱产生平均(average)滤波器 -1-1-1-19-1-1-1-1 d分别接受3x3和5x5的模板，分别用平均滤波器以及中值滤波器，对加入噪声的图像进行处理并视察不同噪声水平下，上述滤波器处理的结果； e选择不同大小的模板，对加入某一固定噪声水平噪声的图像进行处理，视察上述滤波器处理的结果。 f利用imnoise 叮嘱在图像Sample2-1.jpg 上加入椒盐噪声(salt & pepper)g重复c) e

12、的步骤 h输出全部结果并进行探讨。 二、试验结果与源代码 源代码 I=imread(cameraman.tif);J = imnoise(I,gauss,0.02);J = imnoise(I,salt & pepper,0.02);ave1=fspecial(average,3);ave2=fspecial(average,5);K = filter2(ave1,J)/255;L = filter2(ave2,J)/255;M = medfilt2(J,);N = medfilt2(J,);imshow(I);figure,imshow(J);figure,imshow(K);figure,

13、imshow(L);figure,imshow(M);figure,imshow(N); 三、思索题/问答题 (1)简述高斯噪声和椒盐噪声的特点。 高斯噪声是指噪声的概率密度函数听从高斯分布即正态分布的一类噪声。假如一个噪声，它的幅度分布听从高斯分布，而它的功率谱密度又是均匀分布的，则称它为高斯白噪声。高斯白噪声的二阶矩不相关，一阶矩为常数，是指先后信号在时间上的相关性。高斯白噪声包括热噪声和散粒噪声。而椒盐噪声是指椒盐噪声是由图像传感器，传输信道，解码处理等产生的黑白相间的亮暗点噪声。椒盐噪声往往由图像切割引起。 2)结合试验内容，定性评价平均滤波器/中值滤波器对高斯噪声和椒盐噪声的去噪效果

14、？ 通过试验可以看出，中值滤波对椒盐噪声的消噪处理效果比较好，但是对高斯噪声的消噪处理效果不是很志向 (3)结合试验内容，定性评价滤波窗口对去噪效果的影响？ 对比试验结果可以觉察：觉察对于椒盐噪声，中值滤波效果更好。对于高斯噪声，选用5*5窗口滤波效果好于3*3窗口滤波，但图像模糊程度加重了。 试验四 图像分割 一、试验内容与步骤 (1)运用Roberts 算子的图像分割试验 调入并显示图像room.tif中图像；运用Roberts 算子对图像进行边缘检测处理； Roberts 算子为一对模板： 相应的矩阵为：rh = ； rv = ；这里的rh 为水平Roberts 算子，rv为垂直Robe

15、rts 算子。分别显示处理后的水平边界和垂直边界检测结果；用“欧几里德距离和“街区距离方式计算梯度的模，并显示检测结果；对于检测结果进行二值化处理，并显示处理结果； (2)运用Prewitt 算子的图像分割试验 运用Prewitt 算子进行内容(1)中的全部步骤。(3)运用Sobel 算子的图像分割试验 运用Sobel 算子进行内容(1)中的全部步骤。(4)运用LoG(拉普拉斯-高斯)算子的图像分割试验 运用LoG(拉普拉斯-高斯)算子进行内容(1)中的全部步骤。提示1：处理后可以干脆显示处理结果，无须另外计算梯度的模。提示2：留意调整噪声的强度以及LoG(拉普拉斯-高斯)算子的参数，视察处理

16、结果。 二、试验结果与源程序 试验结果如下列图： 源程序f=imread(cameraman.tif);=edge(f,sobel,vertical);imshow(gv)=edge(f,sobel,horizontal);figure,imshow(gb)w45=;g45=imfilter(double(f),w45,replicate);T=0.3*max(abs(g45(:);g45=g45=T;figure,imshow(g45); 三、思索题/问答题 1、评价一下Roberts 算子、Prewitt 算子、Sobel 算子对于噪声条件下边界检测的性能。 Roberts 算子边缘定位精

17、度较高，但易丢失一部分边缘，同时由于没经过图像平滑计算，因此不能抑制噪声。该算子对具有陡峭的低噪声图像响应最好。 Sobel算子很简洁在空间上实现，对噪声具有平滑作用，受噪声影响较小，可供应较为精确的边缘方向信息，但同时也会检测出许多伪边缘，检测到的边缘宽度较粗，边缘位置定位精度不高。 Prewitt 算子与Sobel 算子运用方法一样，都是对图像进行差分和滤波运算，差异只在于运用的模板不一 样，Prewitt 算子比Sobel 算子运算略微简洁。 2、为什么LoG梯度检测算子的处理结果不需要象Prewitt 等算子那样进行幅度组合？ LOG 算子是根据图像的信噪比来求出检测边缘的最优滤波器。

18、该方法首先接受高斯函数对图像进行低通平滑滤波，然后接受Laplacia 算子进行高通滤波，根据二阶导数的过零点来检测图像的边缘。因此不需要象Prewitt 等算子那样进行幅度组合。 3、试验中所运用的四种算子所得到的边界有什么异同？ Roberts 算子检测出的图像轮廓边缘很细，连续性较差，边缘信息有确定丢失，出现的噪点比较多。 Sobel 和Prewitt 两个算子检测出的边缘效果几乎一样，比Roberts 算子的检测结果要好，边缘较为连续，对噪声不敏感，但是线条稍粗，出现了一些伪边缘。 二阶LOG 算子检测出来的图像边缘更加连续，边缘也比较细小。但是由于二阶算子的特性，对噪声比较敏感。当的

19、值越小，平滑的程度就越小，于是会出现零星的假边缘；而的值越大，平滑的程度也越大，但是部分真实的边缘会丢失，出现边缘间断现象 试验五 形态学运算 一、试验内容与步骤 1.调入并显示图像Plane2.jpg； 2.选取合适的阈值，得到二值化图像Plane2-2.jpg； 3.设置结构元素； 4.对得到的二值图像Plane2-2.jpg进行腐蚀运算； 5.对得到的二值图像Plane2-2.jpg进行膨胀运算； 6.对得到的二值图像Plane2-2.jpg进行开运算； 7.对得到的二值图像Plane2-2.jpg进行闭运算； 8.将两种处理方法的结果作比较； 二、试验结果与源程序 试验结果如下列图：

20、源程序 I=imread(Sunset.jpg);level = graythresh(I); %得到合适的阈值 bw = im2bw(I,level); %二值化 SE = strel(square,3); %设置膨胀结构元素 BW1 = imdilate(bw,SE); %膨胀 SE1 = strel(arbitrary,eye(5); %设置腐蚀结构元素 BW2 = imerode(bw,SE1); %腐蚀 BW3 = bwmorph(bw, open); %开运算 BW4 = bwmorph(bw, close); %闭运算 imshow(I);figure,imshow(bw);fi

21、gure,imshow(BW1);figure,imshow(BW2);figure,imshow(BW3);figure,imshow(BW4); 三、思索题/问答题 1.结合试验内容，评价腐蚀运算与膨胀运算的效果。 腐蚀是一种消退边界点，它使边界向内部收缩，消退小且无意义的物体。膨胀是将与物体接触的全部背景点合并到该物体中，使边界向外部扩张的过程。可以用来填补物体中的空洞。 2.结合试验内容，评价开运算与闭运算的效果。 先腐蚀后膨胀的过程称为开运算。试验中，开运算能够去除孤立的小点，毛刺和小桥(即连通两块区域的小点)，而总的位置和形态不变。 先膨胀后腐蚀称为闭运算。试验中，闭运算能够填平小

22、湖(即小孔)，弥合小裂缝，而总的位置和形态不变。 3.腐蚀、膨胀、开、闭运算的适用条件是什么？ 由于噪声的影响，图象在阈值化后所得到边界往往是很不平滑的，物体区域具有一些噪声孔，背景区域上散布着一些小的噪声物体。连续的开和闭运算可以有效地改善这种状况。有时需要经过多次腐蚀之后再加上相同次数的膨胀，才可以产生比较好的效果。 其次篇：数字图像处理试验报告 数字图像处理 试验报告 书目 1.数字图像处理简介 2.试验目的3.试验内容 4.试验结果及代码展示 5.算法综述 6.Matlab优势 7.总结 8.存在问题 一、数字图像处理简介 图像处理，是对图像进行分析、加工、和处理，使其满意视觉、心理以

23、及其他要求的技术。图像处理是信号处理在图像域上的一个应用。目前大多数的图像是以数字形式存储，因此图像处理很多状况下指数字图像处理。此外，基于光学理论的处理方法照旧占有重要的地位。 图像处理是信号处理的子类，另外与计算机科学、人工智能等领域也有亲热的关系。 传统的一维信号处理的方法和概念很多照旧可以干脆应用在图像处理上，比方降噪、量化等。然而，图像属于二维信号，和一维信号相比，它有自己特殊的一面，处理的方式和角度也有所不同。 二、试验目的 稳固所学学问，提高所学实力 三、试验内容 利用matlab的GUI程序设计一个简洁的图像处理程序，并含有如下基本功能： 1.读入一幅RGB图像，变换为灰度图像

24、和二值图像，并在同一个窗口内分成三个子窗口来分别显示RGB图像和灰度图像，注上文字标题 2.对给定图像进行旋转 3对给定的图像添加噪声椒盐噪声、高斯噪声 四、试验结果及代码展示 1.软件设计界面 2.各模块功能展示以及程序代码 1读入一幅RGB图像，变换为灰度图像和二值图像，并在同一个窗口内分成三个子窗口来分别显示RGB图像和灰度图像，注上文字标题 效果展示： 代码： a = imread(C:Documents and SettingsAdministrator桌面数字图像舞美.JPG); i = rgb2gray(a);I = im2bw(a,0.5); subplot(3,1,1);im

25、show(a);title(源图像)subplot(3,1,2);imshow(i);title(灰度图像)subplot(3,1,3);imshow(I);title(二值图像) 2图像旋转 原图 效果展示： 代码： clc;clear all;close all; Img=imread(D:My DocumentsMy Pictures5.JPG);Img=double(Img);=size(Img);alpha=pi/4; wnew=w*cos(alpha)+h*sin(alpha);hnew=w*sin(alpha)+h*cos(alpha);wnew=ceil(wnew); hnew

26、=ceil(hnew);u0=w*sin(alpha); T=;Imgnew2=zeros(hnew,wnew);Imgnew1=zeros(hnew,wnew);for u=1:hnew for v=1:wnew tem=T*(-);x=tem(1);y=tem(2);if x=1&x=1&yI=imread(第一个.tif);2利用whos叮嘱提取该读入图像第一个.tif的基本信息； whos I 3利用imshow()函数来显示这幅图像； imshow(I); 第一个.tif 4利用imfinfo函数来获得图像文件的压缩，颜色等等其他的具体信息； imfinfo(第一个.tif);5利用

27、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flower.jpg；语法：imwrite(原图像，新图像，quality,q), q取0-100。 imwrite(I,第一个.jpg,quality,50)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flower.bmp。imwrite(I,第一个.bmp);7用imread()读入图像：Lenna256.jpg 和camemaman.jpg； b=imread(lena256.bmp);c=imread(cameraman.tif);8用imfinfo()获得图像Lenna

28、256.jpg和camemaman.jpg 的大小； imfinfo(lena256.bmp);imfinfo(cameraman.tif);9用figure,imshow()分别将Lenna256.jpg和camemaman.jpg显示出来，视察两幅图像的质量。figure imshow(b);figure imshow(c); Lena256.jpg图像截图 cameraman.jpg图像截图 10用im2bw将一幅灰度图像转化为二值图像，并且用imshow显示出来视察图像的特征。 d=im2bw(b);figure imshow(b);figure imshow(d); 二值化截图 三、

29、试验总结 通过试验MatLab软件的基本运用有了基本的了解，学会了运用MatLab软件来读取一个特定格式的图像，并通过相关的叮嘱语句对图像进行格式转换、图像压缩、二值化等的处理，驾驭了利用MATLAB来获得图像的大小、颜色、高度、宽度等等相关信息，驾驭在MATLAB中如何通过imshow()语句来读取图像等等。 其次 图像基本运算 一、试验目的 1了解图像的算术运算在数字图像处理中的初步应用。2体会图像算术运算处理的过程和处理前后图像的转变。 二、试验原理 图像的代数运算是图像的标准算术操作的实现方法，是两幅输入图像之间进行的点对点的加、减、乘、除运算后得到输出图像的过程。假如输入图像为A(x

30、,y)和B(x,y)，输出图像为C(x,y)，则图像的代数运算有如下四种形式： 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、试验步骤 1图像的加法运算 在MATLAB中，假如要进行两幅图像的加法，或者给一幅图像加上一个常数，可以调用imadd函数来实现。imadd函数将某一幅输入图像的每一个像素值与另一幅图像相应的像素值相加，返回相应的像素值之和作为输出图像。imadd函数的调用格式如下： Z = imaddX，Y首先读入两幅图像 a=imread(其次个原图

31、1.jpg);b=imread(其次个原图2.jpg)通过一个加法操作： c=imadd(a,b); 给图像的每一个像素加上一个常数可以使图像的亮度增加。如截图 第一张为原图，其次张为亮度加50，第三张为亮度减50 2图像的减法运算 在MATLAB中，运用imsubtract函数可以将一幅图像从另一幅图像中减去，或者从一幅图像中减去一个常数。imsubtract函数将一幅输入图像的像素值从另一幅输入图像相应的像素值中减去，再将这个结果作为输出图像相应的像素值。imsubtract函数的调用格式如下： Z = imsubtract(X,Y)； 读入一幅画后通过减法 a3=imsubtract(a

32、,50); 3.图像的乘法运算 在MATLAB中，运用immultiply函数实现两幅图像的乘法。immultiply函数将两幅图像相应的像素值进行元素对元素的乘法操作MATLAB点乘，并将乘法的运算结果作为输出图形相应的像素值。immulitply函数的调用格式如下： Z = immulitply(X,Y)读入一幅图后通过乘法操作 a=imread(cameraman.tif); b=immultiply(a,1.5); 4图像的除法运算 在MATLAB中运用imdivide函数进行两幅图像的除法。imdivide函数对两幅输入图像的全部相应像素执行元素对元素的除法操作点除，并将得到的结果作

33、为输出图像的相应像素值。imdivide函数的调用格式如下： Z = imdivide(X,Y)读入一幅图后通过除法操作 四、试验总结 通过对图像的四则运算了结图像的不同转变过程，对软件的进一步运用也有了更加深刻的相识。 试验三 图像增加空域滤波 一、试验目的 进一步了解MatLab软件/语言，学会运用MatLab对图像作滤波处理，使学生有机会驾驭滤波算法，体会滤波效果。 了解几种不同滤波方式的运用和运用的场合，培育处理实际图像的实力，并为课堂教学供应配套的实践机会。 二、试验设备与软件 (1)IBM-PC计算机系统 (2)MatLab软件/语言包括图像处理工具箱(Image Processi

34、ng Toolbox) (3)试验所需要的图片 三、试验内容与步骤 a)调入并显示原始图像“原图像.jpg。I=imread(原图像.jpg);b)利用imnoise叮嘱在图像“原图像.jpg上加入高斯(gaussian)噪声 J = imnoise(I,gauss,0.02); %添加高斯噪声 c)利用预定义函数fspecial叮嘱产生平均(average)滤波器 d分别接受3x3和5x5的模板，分别用平均滤波器以及中值滤波器，对加入噪声的图像进行处理并视察不同噪声水平下，上述滤波器处理的结果； ave1=fspecial(average,3); %产生33的均值模版 ave2=fspeci

35、al(average,5); %产生55的均值模版 K = filter2(ave1,J)/255; %均值滤波33 L = filter2(ave2,J)/255; %均值滤波55 e选择不同大小的模板，对加入某一固定噪声水平噪声的图像进行处理，视察上述滤波器处理的结果。 M = medfilt2(J,); %中值滤波33模板 N = medfilt2(J,); %中值滤波44模板 f利用imnoise叮嘱在图像Sample2-1.jpg 上加入椒盐噪声(salt & pepper)J = imnoise(I,salt& pepper,0.02); %添加椒盐噪声 四、试验总结 椒盐噪声是由

36、图像传感器，传输信道，解码处理等产生的黑白相间的亮暗点噪声。椒盐噪声往往由图像切割引起，去除脉冲干扰及椒盐噪声最常用的算法是中值滤波。椒盐噪声是指两种噪声，一种是盐噪声，另一种是胡椒噪声。盐=白色，椒=黑色。前者是高灰度噪声，后者属于低灰度噪声。一般两种噪声同时出现，呈如今图像上就是黑白杂点。这点我们通过试验结果可以明显看到。中值滤波对于滤除图像的椒盐噪声特殊有效。 试验四图像分割 一、试验目的 运用MatLab 软件进行图像的分割。使学生通过试验体会一些主要的分割算子对图像处理的效果，以及各种因素对分割效果的影响。 二、试验要求 要求学生能够自行评价各主要算子在无噪声条件下和噪声条件下的分割

37、性能。能够驾驭分割条件(阈值等)的选择。完成规定图像的处理并要求正确评价处理结果，能够从理论上作出合理的说明。 三、试验内容与步骤 (1)运用Roberts 算子的图像分割试验，运用的原图是cameraman.jpg,截图如下 (2)运用Prewitt 算子的图像分割试验 截图如下 (3)运用Sobel 算子的图像分割试验 (4)运用LoG(拉普拉斯-高斯)算子的图像分割试验 四、试验结果 对Roberts算子、Prewitt 算子、Sobel 算子、LoG(拉普拉斯-高斯)算子的运算对图像的结果有了基本的相识，加深学习效果。 试验五 形态学运算 1、试验目的 学习常见的数学形态学运算基本方法

38、，了解腐蚀、膨胀、开运算、闭运算取得的效果，培育处理实际图像的实力，并为课堂教学供应配套的实践机会。 2、试验要求 利用MatLab工具箱中关于数学形态学运算的函数，计算本指导书中指定二值图像进行处理。 3、试验设备与软件 1.LC-PC计算机系统 2.MatLab软件/语言包括图像处理工具箱(Image Processing Toolbox)3.试验所需要的图片 4、试验内容与步骤 1.调入并显示图像“原图.jpg； 2.调入并显示图像“原图.jpg； 3.选取合适的阈值，得到二值化图像“原图.jpg； bw = im2bw(I,level); %二值化 4.设置结构元素； 5.对得到的二值

39、图像“原图.jpg进行腐蚀运算； BW2 = imerode(bw,SE1); %腐蚀 6.对得到的二值图像“原图.jpg进行膨胀运算； BW1 = imdilate(bw,SE); %膨胀 7.对得到的二值图像“原图.jpg进行开运算； BW3 = bwmorph(bw, open); %开运算 8.对得到的二值图像“原图.jpg进行闭运算； BW4 = bwmorph(bw, close); %闭运算 9.将两种处理方法的结果作比较； 五、试验总结 通过本次试验，学习了常见的数学形态学运算基本方法，了解腐蚀、膨胀、开运算、闭运算取得的效果，培育处理实际图像的实力，通过自己动手的试验，对课本

40、上的学问有了更加深刻的理解。 第四篇：数字图像处理试验报告 试验一 数字图像的获得 一、试验目的 1、了解图像的实际获得过程。 2、稳固图像空间区分率和灰度级区分率、邻域等重要概念。 3、娴熟驾驭图像读、写、显示、类型转换等 matlab 函数的用法。 二、试验内容 1、读取一幅彩色图像，将该彩色图像转化为灰度图像，再将灰度图像转化为索引图像并显示全部图像。 2、编程实现空间区分率转变的效果。 三、试验原理 1、图像读、写、显示 I=imread(image.jpg)Imview(I)Imshow(I)Imwrite(I,wodeimage.jpg) 2、图像类型转换 I=mat2gray(A

41、,);按指定的取值区间将数据矩阵 A 转化为灰度 图像 I，amin 对应灰度 0，amax 对应 1，也可以不指定该区间。 =gray2ind(I,n);按指定的灰度级 n 将灰度图像转化为索引图像,n 默认为 64 I=ind2gray(x,map);索引图像转化为灰度图像 I=grb2gray(RGB);真彩色图像转化为灰度图像 =rgb2ind(RGB);真彩色图像转化为索引图像 RGB=ind2rgb(x,map);索引图像转化为真彩色图像 BW=im2bw(I,level);将灰度图像转化为二值图像,level 取值在之间 BW=im2bw(x,map,level);将索引图像转化

42、为二值图像,level 取值在之间 BW=im2bw(RGB,level);将真彩色图像转化为二值图像,level 取值在之间 四、试验代码及结果 1、in=imread(peppers.png);i=rgb2gray(in);=gray2ind(i,128);subplot(131),imshow(in)subplot(132),imshow(i)subplot(133),imshow(x),colormap(map) 、%空间区分率转变的效果 clc,close all,clear i=imread(cameraman.tif); i=imresize(i,);i1=i(1:2:end,1:2:end);=size(i)i2=i1(1:2:end,1:2:end);=size(i2)i3=i2(1:2:end,1:2:end);=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