图像实验报告2
图像处理实验报告
图像处理实验报告图像处理实验报告一、引言图像处理是计算机科学与工程领域的一个重要研究方向，它涉及到对数字图像进行获取、处理、分析和显示等一系列操作。
本实验旨在通过使用图像处理技术，对一幅给定的数字图像进行处理和分析，以探索图像处理的原理和应用。
二、实验目的本实验有以下几个目的：1. 理解图像处理的基本概念和原理；2. 掌握图像处理的常用技术和方法；3. 熟悉图像处理软件的使用。
三、实验步骤1. 图像获取在本实验中，我们选择了一张风景图作为实验对象。
该图像是通过数码相机拍摄得到的，保存在计算机中的文件格式为JPEG。
我们使用图像处理软件将该图像导入到程序中，以便进行后续的处理和分析。
2. 图像预处理在进行图像处理之前，我们需要对图像进行预处理。
预处理的目的是去除图像中的噪声、平滑图像的边缘等。
我们使用了均值滤波和中值滤波两种常用的图像平滑方法。
通过对比两种方法的效果，我们可以选择合适的方法来进行图像预处理。
3. 图像增强图像增强是指通过一系列的操作，使得图像在视觉上更加鲜明、清晰、易于观察。
在本实验中，我们使用了直方图均衡化和灰度拉伸两种图像增强方法。
直方图均衡化通过对图像的像素值进行变换，使得图像的直方图更加均匀，从而增强图像的对比度。
灰度拉伸则是通过对图像的像素值进行线性变换，将图像的灰度范围拉伸到更广的范围内，从而增强图像的细节。
4. 图像分割图像分割是将图像分成若干个互不重叠的区域，每个区域具有一定的意义和特征。
在本实验中，我们使用了阈值分割和边缘检测两种图像分割方法。
阈值分割是指通过设置一个合适的阈值，将图像中的像素分为两个类别。
边缘检测则是通过检测图像中的边缘信息，将图像分割为不同的区域。
5. 图像特征提取图像特征提取是指从图像中提取出具有一定意义和特征的信息。
在本实验中，我们选择了纹理特征和颜色特征两种常用的图像特征提取方法。
纹理特征提取通过对图像的纹理进行分析，提取出图像的纹理特征。
图像增强实验报告
图像增强实验报告图像增强实验报告引言：图像增强是数字图像处理中的重要技术之一，它可以通过改变图像的亮度、对比度、色彩等参数，使图像更加清晰、细节更加突出。
本实验旨在探究不同图像增强方法对图像质量的影响，并比较它们的效果。
一、实验目的通过实验比较不同的图像增强方法，包括直方图均衡化、拉普拉斯算子增强、灰度变换等，对图像质量的影响，了解各种方法的优缺点，为实际应用提供参考。
二、实验步骤1. 实验准备：准备一组包含不同场景、不同光照条件下的图像样本，以及实验所需的图像处理软件。
2. 直方图均衡化：将图像的直方图进行均衡化，使得图像的像素值分布更加均匀，从而提高图像的对比度和亮度。
3. 拉普拉斯算子增强：使用拉普拉斯算子对图像进行边缘增强，突出图像的细节和纹理。
4. 灰度变换：通过调整图像的灰度级别，改变图像的亮度和对比度，使图像更加清晰明亮。
5. 实验结果分析：对比不同图像增强方法处理后的图像，分析它们在视觉效果上的差异，并根据实验结果评估各种方法的优劣。
三、实验结果与讨论在本次实验中，我们选择了一张室内拍摄的暗淡图像作为样本进行增强处理。
首先，我们对该图像进行了直方图均衡化处理。
结果显示，通过直方图均衡化，图像的亮度和对比度得到了明显的提升，细节也更加清晰可见。
然而，由于直方图均衡化是全局处理，可能会导致图像的局部细节过于突出，从而影响整体视觉效果。
接下来，我们采用了拉普拉斯算子增强方法。
通过对图像进行边缘增强，图像的纹理和细节得到了突出展示。
然而，拉普拉斯算子增强也存在一定的局限性，对于噪声较多的图像，可能会导致边缘增强过程中出现伪影和锯齿现象。
最后，我们尝试了灰度变换方法。
通过调整图像的灰度级别，我们改变了图像的亮度和对比度，使图像的细节更加突出。
与直方图均衡化相比，灰度变换方法更加灵活，可以根据实际需求对图像进行个性化的调整。
综合对比三种图像增强方法的实验结果，我们可以得出以下结论：直方图均衡化适用于对整体亮度和对比度进行提升的场景；拉普拉斯算子增强适用于突出图像的边缘和纹理；灰度变换方法可以根据实际需求对图像进行个性化调整。
图像灰度变换实验报告
实验2a 图像的灰度变换一、实验目的：学会用Matlab软件对图像进行运算和灰度变换。
二、实验内容：用+、-、*、/、imabsdiff、imadd、imcomplment、imdivide、imlincomb、immultiply、imsubtract和imadjust等函数生成各类灰度变换图像。
三、实验相关知识1、代数运算两幅图像之间进行点对点的加、减、乘、除运算后得到输出图像。
我们可以分别使用MA TLAB的基本算术符+、-、*、/来执行图像的算术操作，但是在此之前必须将图像转换为适合进行基本操作的双精度类型（命令函数为double（））。
为了更方便对图像进行操作，图像处理工具箱中也包含了一个能够实现所有非稀疏数值数据的算术操作的函数集合。
如下所示：imabsdiff：计算两幅图像的绝对差值imadd：两个图像的加法imcomplment：一个图像的补imdivide：两个图像的除法imlincomb：计算两幅图像的线性组合immultiply：两个图像的乘法imsubtract：两个图像的减法使用图像处理工具箱中的图像代数运算函数无需再进行数据类型间的转换，这些函数能够接受uint8和uint16数据，并返回相同格式的图像结果。
代数运算的结果很容易超出数据类型允许的范围。
图像的代数运算函数使用以下截取规则使运算结果符合数据范围的要求：超出数据范围的整型数据将被截取为数据范围的极值，分数结果将被四舍五入。
2、灰度变换点运算也称为灰度变换，是一种通过对图像中的每个像素值进行运算，从而改善图像显示效果的操作。
对于特定变换函数f的灰度变换，用户可以利用MATLAB强大的矩阵运算能力，对图像数据矩阵调用各种MATLAB计算函数进行处理。
需要注意的是由于MATLAB不支持uint8类型数据的矩阵运算，所以首先要将图像数据转换为双精度类型，计算完成后再将其转换为uint8类型（命令为uint8( )）。
图像的绘制实验报告
图像的绘制实验报告1. 引言本实验旨在探索图像绘制的基本原理和方法，通过使用图像处理库和编程语言绘制简单的图像，加深对图像处理的理解和应用。
2. 实验器材和方法2.1 实验器材- 计算机- 编程语言：Python- 图像处理库：Pillow2.2 实验方法1. 安装Python和Pillow库2. 导入Pillow库3. 创建一个新的图像文件4. 绘制基本的几何图形3. 实验结果3.1 创建图像文件首先，我们使用Pillow库创建一个新的图像文件，并指定图像的尺寸和背景颜色：pythonfrom PIL import Image创建一个新的图像文件image = Image.new("RGB", (500, 500), "white")3.2 绘制基本的几何图形接下来，我们可以使用Pillow库提供的绘图函数，在图像文件上绘制几何图形。
例如，我们可以绘制一个红色的正方形：pythonfrom PIL import ImageDraw创建一个ImageDraw对象draw = ImageDraw.Draw(image)绘制一个红色的正方形draw.rectangle([(100, 100), (400, 400)], fill="red")除了正方形，我们还可以绘制其他几何图形，如圆形、椭圆、直线等。
3.3 保存图像文件最后，我们将绘制好的图像文件保存到本地：python保存图像文件image.save("result.png")4. 结论通过本次实验，我们学习了使用Pillow库进行图像处理的基本方法。
我们可以使用Pillow库创建一个新的图像文件，并在图像文件上绘制各种基本的几何图形。
这些方法和技巧对于图像处理和计算机视觉的研究和应用具有重要的意义和价值。
5. 参考文献[1] Pillow官方文档. Pillow Documentation. [Online] Available:[2] Python官方文档. PIL / Pillow ImageGui. [Online] Available:。
图像处理美工实验报告
图像处理美工实验报告1. 实验目的本次实验旨在通过图像处理技术，提升图片的美观度。
通过对图像进行调整、修复、美化等处理，使得图片在色彩、对比度、清晰度等方面表现出更好的效果。
2. 实验环境- 操作系统：Windows 10- 编程语言：Python- 开发环境：Anaconda Navigator- 相关软件：Adobe Photoshop3. 实验过程3.1 图片调整首先，我们使用Adobe Photoshop对原始图片进行调整。
通过调整图片的亮度、对比度、色调等参数，使得图片的整体效果更加明亮、鲜艳。
3.2 图像修复接着，我们使用图像处理库中的算法对图片进行修复。
通过去除噪点、消除瑕疵、修复缺失等操作，使得图片中的细节更加清晰、完整。
3.3 图像滤镜在调整和修复完成后，我们尝试使用不同的滤镜效果来美化图片。
通过施加不同的滤镜效果，例如模糊、锐化、马赛克等，我们可以给图片加入一些艺术效果，使得图片更加具有视觉冲击力。
3.4 图像细节增强为了使得图片更加饱满、立体，我们可以对图片中的细节部分进行增强处理。
通过增强细节的锐度、增加线条的清晰程度，我们可以使得图片中的物体更加鲜活、立体。
3.5 色彩调整最后，我们对图片的色彩进行调整。
通过调整图片的色相、饱和度、明度等参数，我们可以让图片的色彩更加丰富、鲜艳。
同时，我们可以对不同色彩通道进行调整，使得图片的整体色调更加协调、统一。
4. 实验结果经过一系列的图像处理操作，我们成功提升了图片的美观度。
原始图片与经过处理后的图片相比，色彩更加明亮饱满，细节更加清晰，整体效果更加出色。
同时，通过施加不同的滤镜效果和调整色彩，我们还加入了一些艺术效果，提升了图片的视觉冲击力。
5. 总结通过本次实验，我们了解了图像处理技术在美工方面的应用。
图像处理可以对图片进行调整、修复、美化等操作，提升其美观度和质量。
合理使用图像处理技术，可以使得图片更加生动、吸引人，为设计和美工工作提供了有力的支持。
图像处理实验报告实验报告
一、实验目的1、熟悉位图文件的文件格式，掌握位图数据读取并在屏幕上显示的方法。
2、掌握在计算机上进行直方图均衡化以及线性增强的方法。
3、通过实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。
4、熟练掌握应用MATLAB软件编程进行图像处理。
二、实验环境一台pc机，MATLAB软件编程环境。
三、实验内容1、图像的现实和读取：运用MATLAB软件编程，读取指定的256色灰度图像的数据，显示该文件的文件头和信息头数据的值，并在屏幕上显示该图象。
2、直方图的显示和均衡化：运用MATLAB软件编程，实现内容1中图像直方图的显示和均衡化。
3、图像分割：使用Prewitt 算子、Sobel 算子对图像进行边缘检测处理，完成图像分割实验。
4、图像增强：编写线性增强的程序及相应的显示程序，对指定图象进行线性增强，将原始图象及增强后的图象都显示于屏幕上，比较增强的效果。
四、实验步骤1、打开计算机，启动MATLAB程序。
2、图像读取与显示。
MATLAB中从图像文件中读取数据用函数imread()，这个函数的作用就是将图像文件的数据读入矩阵中，用imshow（）函数显示出来。
imread('C:\Users\weixiaoxu\Desktop\图像处理\图像处理.jpg','jpg');imshow('C:\Users\weixiaoxu\Desktop\图像处理\图像处理.jpg');title('原图像')3、直方图的显示A=imread('C:\Users\weixiaoxu\Desktop\图像处理\图像处理.jpg','jpg'); figure;imhist(A),title('对应直方图')4、直方图均衡化MATLAB提供了histeq函数（自动直方图均衡化）I=imread('C:\Users\weixiaoxu\Desktop\图像处理\图像处理.jpg','jpg'); K=histeq(I);figure;imshow(K),title('经直方图均衡化后的图')figure;imhist(K),title('直方图均衡化后的直方图')5、图像的边缘检测用Sobel算子做边缘检测[A,map]=imread('C:\Users\weixiaoxu\Desktop\图像处理\图像处理.jpg','jpg'); image=double(A);u=zeros(1,9);k=zeros(1,9);for i=2:255,for j=2:255,u(1)=0*image(i,j);u(2)=2*image(i,j+1);u(3)=1*image(i-1,j+1);u(4)=0*image(i-1,j);u(5)=-1*image(i-1,j-1);u(6)=-2*image(i,j-1);u(7)=-1*image(i+1,j-1);u(8)=0*image(i+1,j);u(9)=1*image(i+1,j+1);rimage1(i,j)=abs(sum(u));k(1)=0*image(i,j);k(2)=0*image(i,j+1);k(3)=1*image(i-1,j+1);k(4)=2*image(i-1,j);k(5)=1*image(i-1,j-1);k(6)=0*image(i,j-1);k(7)=-1*image(i+1,j-1);k(8)=-2*image(i+1,j);k(9)=-1*image(i+1,j+1);rimage2(i,j)=abs(sum(k));xiaoqiu(i,j)=rimage1(i,j)+rimage2(i,j);end,end,figure,imshow(xiaoqiu,map),title('Sobel锐化');用prewitt算子做边缘检测[A,map]=imread('C:\Users\weixiaoxu\Desktop\图像处理\图像处理.jpg','jpg'); image=double(A);u=zeros(1,9);k=zeros(1,9);for i=2:255,for j=2:255,u(1)=0*image(i,j);u(2)=1*image(i,j+1);u(3)=1*image(i-1,j+1);u(4)=0*image(i-1,j);u(5)=-1*image(i-1,j-1);u(6)=-1*image(i,j-1);u(7)=-1*image(i+1,j-1);u(8)=0*image(i+1,j);u(9)=1*image(i+1,j+1);rimage1(i,j)=abs(sum(u));k(1)=0*image(i,j);k(2)=0*image(i,j+1);k(3)=-1*image(i-1,j+1);k(4)=1*image(i-1,j);k(5)=1*image(i-1,j-1);k(6)=0*image(i,j-1);k(7)=-1*image(i+1,j-1);k(8)=-1*image(i+1,j);k(9)=-1*image(i+1,j+1); rimage2(i,j)=abs(sum(k));xiaoqiu(i,j)=rimage1(i,j)+rimage2(i,j);end,end,figure,imshow(xiaoqiu,map),title('prewitt边缘检测');7、图像的处理均值滤波I=imread('C:\Users\weixiaoxu\Desktop\图像处理\图像处理.jpg','jpg');h=fspecial('average',3);I2=uint8(round(filter2(h,I)));imshow(I2),title('均值滤波')中值滤波I=imread('C:\Users\weixiaoxu\Desktop\图像处理\图像处理.jpg','jpg');I3=medfilt2(I,[3,3]);imshow(I3),title('中值滤波')五、实验总结通过本次试验基本掌握了应用MATLAB软件编程进行图像处理的方法，熟悉了位图文件的文件格式，掌握了位图数据读取显示，直方图均衡化以及线性增强的方法，并学会了运用分割算子对图像进行边缘检测和图像分割处理的方法。
数字图像处理图像变换实验报告
实验报告实验名称:图像处理姓名:刘强班级:电信1102学号:1404110128实验一图像变换实验——图像点运算、几何变换及正交变换一、实验条件PC机数字图像处理实验教学软件大量样图二、实验目的1、学习使用“数字图像处理实验教学软件系统”,能够进行图像处理方面的简单操作;2、熟悉图像点运算、几何变换及正交变换的基本原理,了解编程实现的具体步骤;3、观察图像的灰度直方图,明确直方图的作用与意义;4、观察图像点运算与几何变换的结果,比较不同参数条件下的变换效果;5、观察图像正交变换的结果,明确图像的空间频率分布情况。
三、实验原理1、图像灰度直方图、点运算与几何变换的基本原理及编程实现步骤图像灰度直方图就是数字图像处理中一个最简单、最有用的工具,它描述了一幅图像的灰度分布情况,为图像的相关处理操作提供了基本信息。
图像点运算就是一种简单而重要的处理技术,它能让用户改变图像数据占据的灰度范围。
点运算可以瞧作就是“从象素到象素”的复制操作,而这种复制操作就是通过灰度变换函数实现的。
如果输入图像为A(x,y),输出图像为B(x,y),则点运算可以表示为:B(x,y)＝f[A(x,y)]其中f(x)被称为灰度变换(Gray Scale Transformation,GST)函数,它描述了输入灰度值与输出灰度值之间的转换关系。
一旦灰度变换函数确定,该点运算就完全确定下来了。
另外,点运算处理将改变图像的灰度直方图分布。
点运算又被称为对比度增强、对比度拉伸或灰度变换。
点运算一般包括灰度的线性变换、阈值变换、窗口变换、灰度拉伸与均衡等。
图像几何变换就是图像的一种基本变换,通常包括图像镜像变换、图像转置、图像平移、图像缩放与图像旋转等,其理论基础主要就是一些矩阵运算,详细原理可以参考有关书籍。
实验系统提供了图像灰度直方图、点运算与几何变换相关内容的文字说明,用户在操作过程中可以参考。
下面以图像点运算中的阈值变换为例给出编程实现的程序流程图,如下:2、图像正交变换的基本原理及编程实现步骤数字图像的处理方法主要有空域法与频域法,点运算与几何变换属于空域法。
图形学实验报告
图形学实验报告图形学实验报告概述：在本次图形学实验中，我们将探索和学习计算机图形学的基本概念和技术。
通过实验，我们深入了解了图形学的原理和应用，以及如何使用计算机生成和处理图像。
实验一：像素和颜色在这个实验中，我们学习了图像是由像素组成的，每个像素都有自己的颜色值。
我们使用了Python编程语言和PIL库来创建一个简单的图像，并设置了不同的像素颜色。
通过改变像素的颜色值，我们可以创建出各种各样的图像效果。
实验二：坐标系统和变换在这个实验中，我们学习了坐标系统和图形变换。
我们使用OpenGL库来创建一个简单的二维图形，并通过平移、旋转和缩放等变换操作来改变图形的位置和形状。
这些变换操作使我们能够在屏幕上创建出各种不同的图案和效果。
实验三：线段和多边形在这个实验中，我们学习了如何使用线段和多边形来绘制图形。
我们使用了Bresenham算法来绘制直线，并学习了如何使用多边形填充算法来填充图形。
通过这些技术，我们可以创建出更加复杂和精细的图像。
实验四：光照和阴影在这个实验中，我们学习了光照和阴影的原理和应用。
我们使用了光照模型来模拟光线的传播和反射，以及计算物体的明暗效果。
通过调整光照参数和材质属性，我们可以创建出逼真的光照和阴影效果。
实验五：纹理映射和渲染在这个实验中，我们学习了纹理映射和渲染的概念和技术。
我们使用了纹理映射来将图像贴到三维物体表面，以增加物体的细节和真实感。
通过渲染技术，我们可以模拟光线的折射和反射，以及创建出逼真的材质效果。
实验六：三维建模和动画在这个实验中，我们学习了三维建模和动画的基本原理和方法。
我们使用了三维建模工具来创建三维模型，并学习了如何使用关键帧动画来实现物体的运动和变形。
通过这些技术，我们可以创建出逼真的三维场景和动画效果。
总结：通过这次图形学实验，我们深入了解了计算机图形学的原理和应用。
我们学习了像素和颜色、坐标系统和变换、线段和多边形、光照和阴影、纹理映射和渲染，以及三维建模和动画等技术。
图像处理实验报告
大学新闻与传播学院实验教学中心实验报告实验名称图像处理指导教师洪杰文华滢年级08 学号23 成绩一、预习部分1、实验目的2、实验基本原理3、主要仪器设备（含必要的元器件、工具）1、实验目的：（1）熟悉和掌握数字图像的基本概念和技术指标，掌握色彩模式、图像分辨率、图像深度、图像文件格式与图像的显示效果、文件容量的关系。
（2）了解和掌握数字图像压缩的概念，观察不同的压缩比对图像的影响。
（3）了解和掌握图像中色彩的确定及选取方法，掌握前景色和背景色的概念及调整方法，掌握色彩填充的基本概念及应用。
（4）了解和掌握图像处理软件Photoshop的基本功能和基本使用方法，熟练掌握图层与选择区的基本使用方法。
（5）通过创造性的构图和对布局及色彩等的巧妙处理，一幅好的图画可以将一个主题以含蓄而又深刻的方式予以提示，并往往具有比单纯的语言文字更强的表现力。
在掌握图像处理基本概念和Photoshop基本使用方法的基础上，对已有的数字图像做一些基本的创意设计和编辑处理。
2、实验基本原理：基于photoshop软件的图像处理。
3、主要仪器设备（含必要的元器件、工具）：Adobe Photoshop二、实验操作部分1、实验操作过程2、实验数据、观察到的实验现象1、实验操作过程：1.图像的基本变换（1）自选一幅不小于400×400pixel的彩色数字图像。
在Photoshop中打开该图像，记录其技术参数：文件格式、文件容量，图像尺寸（pixel和cm）、分辨率、色彩模式等。
文件格式：JPEG 图像；文件容量：59.7kb；图像尺寸（pixel和cm）：600×600pixel；分辨率：72像素/英寸；色彩模式：RGB模式。
（2）对该图像重采样，要求采样后的图像分辨率为150dpi，图像尺寸为300×300pixel。
色彩模式分别变换成灰度、Indexed和RGB模式，按BMP格式分别保存成不同名称的图像文件；重新打开并观察变换后的显示效果，并记录各个文件的容量。
遥感数字图像处理实验报告(二)
遥感数字图像处理实验报告（二）姓名：学号：班级：指导老师：1）项目名称：熟悉遥感软件、图像预处理2）实验目的：1. 熟悉遥感软件的使用，了解图像大小、投影、直方图等信息查看方法，了解相关软件的各项功能；2. 掌握遥感图像的几何精校正方法及步骤。
3）实验原理：几何校正就是将图像数据投影平面上，使其符合地图投影系统的过程。
而将地图坐标系统赋予到图像的过程，称为地理参考。
由于所有的地图投影系统都尊从于一定的地图坐标系统，所以几何校正的过程包含了地理参考过程。
对图像进行几何校正就是赋予其完整的地图坐标系统。
4）数据来源及数据基本信息：（下载源、波段数、对应的波长、分辨率、投影、地区）待校正图像来自Google Earth 2004年9月15日的影像，大致位置在东经116度20分，北纬33度57分，使用的是 DIGITAL GLOBLE 的QUICK BIRD卫星影像的0.6米分辨率的航拍照片，三波段，无投影。
待校正图像。
参考图像数据来自国际科学数据服务平台，Landsat5 2010年9月18日的图像，图像共7个波段，波段1-5和波段7的空间分辨率为30米，6波段（热红外波段）的空间分辨率为120米。
对应的波段、波长、分辨率、主要作用如表：图像采用的投影为WGS 84投影，条带号为122，行编号为36，覆盖豫东、皖北、苏北、鲁西四省交界地区。
5）实验过程：1）多波段合成：对参考图像数据进行波段组合2）打开图像，用两个Viewer窗口分别打开待校正图像和参考图像，查看其投影信息：待校正图像投影信息（无投影）参考图像投影信息（有投影）几何校正：————弹出图1窗口，点击Slecte Vewer——点击Viewer1，弹出图2窗口图1图4图3图2选择Polynomial多项式模型，OK——Polynomial Order选1，Map Units 选Meters，Apply, Close，弹出图3窗口，OK——点击Viewer窗口，选择要参考图像，弹出图4，点击OK，进入采点界面，开始采集地面控制点图5 图6图7采点完成后点击Geo Correction Tools 如(图5)中图标，弹出图6 对话框，输入保存路径，保存校正后的图像。
图像变换实验报告
图像变换实验报告图像变换实验报告一、引言图像变换是计算机图形学中的重要研究方向，它涉及到将图像从一种形式转换为另一种形式，常见的变换包括旋转、缩放、镜像等。
本实验旨在通过实际操作，探索图像变换的原理和应用。
二、实验目的1. 了解图像变换的基本概念和原理；2. 掌握图像变换的常用算法和方法；3. 利用编程语言实现图像变换，并观察结果。
三、实验步骤1. 实验准备：a. 下载并安装图像处理软件；b. 准备一组测试图像。
2. 图像旋转变换：a. 打开图像处理软件，选择一张测试图像；b. 在软件中选择旋转变换功能，并设置旋转角度；c. 运行程序，观察图像旋转结果。
3. 图像缩放变换：a. 选择另一张测试图像；b. 在软件中选择缩放变换功能，并设置缩放比例；c. 运行程序，观察图像缩放结果。
4. 图像镜像变换：a. 选择第三张测试图像；b. 在软件中选择镜像变换功能，并选择水平或垂直镜像；c. 运行程序，观察图像镜像结果。
5. 图像变换算法比较：a. 将同一张测试图像分别使用不同的图像变换算法进行处理；b. 观察不同算法处理后的图像效果，并比较它们的差异。
四、实验结果与分析通过实验，我们成功实现了图像的旋转、缩放和镜像变换，并获得了相应的结果。
在图像旋转变换中，我们观察到图像按照指定角度旋转后，保持了原始图像的形状和内容，但位置发生了变化。
在图像缩放变换中，我们发现图像按照设定的比例进行缩放后，尺寸发生了变化，但整体结构和细节保持了一定的相似性。
在图像镜像变换中，我们发现图像在水平或垂直方向上翻转后，整体形状和内容发生了镜像对称的变化。
通过比较不同的图像变换算法，我们发现不同算法对于同一张图像可能会产生不同的效果。
这是因为不同算法对图像的处理方式和策略不同，导致最终的结果也有所差异。
因此，在实际应用中，我们需要根据具体需求选择适合的图像变换算法，以达到最佳的效果。
五、实验总结本实验通过实际操作，深入了解了图像变换的原理和应用。
图像增强实验报告
图像增强实验报告篇一：图像处理实验报告——图像增强实验报告学生姓名：刘德涛学号:2010051060021指导老师：彭真明日期：2013年3月31日一、实验室名称：光电楼329、老计算机楼309机房二、实验项目名称：图像增强三、实验原理：图像增强是为了使受到噪声等污染图像在视觉感知或某种准则下尽量的恢复到原始图像的水平之外，还需要有目的性地加强图像中的某些信息而抑制另一些信息，以便更好地利用图像。
图像增强分频域处理和空间域处理，这里主要用空间域的方法进行增强。
空间域的增强主要有：灰度变换和图像的空间滤波。
1.灰度变换灰度变换主要有线性拉伸、非线性拉伸等。
灰度图像的线性拉伸是将输入图像的灰度值的动态范围按线性关系公式拉伸到指定范围或整个动态范围。
令原图像f(x,y)的灰度变化范围为[a,b]，线性变换后图像g(x,y)的范围为[a',b']，线性拉伸的公式为：b'?a'g(x,y)?a?[f(x,y)?a] b?a灰度图像的非线性拉伸采用的数学函数是非线性的。
非线性拉伸不是对图像的灰度值进行扩展，而是有选择地对某一灰度范围进行扩展，其他范围的灰度值则可能被压缩。
常用的非线性变换：对数变换和指数变换。
对数变换的一般形式：g(x,y)?a?ln[f(x,y)?1] blnc指数变换的一般形式：g(x,y)?bc[f(x,y)?a]?1（a,b,c用于调整曲线的位置和形状的参数。
）2.图像的空间滤波图像的空间滤波主要有图像的空域平滑和锐化。
图像的平滑是一种消除噪声的重要手段。
图像平滑的低频分量进行增强，同时抑制高频噪声，空域中主要的方法有领域平均、中值滤波、多帧相加平均等方法。
图像锐化能使图像的边缘、轮廓处的灰度具有突变特性。
图像的锐化主要有微分运算的锐化，包括梯度法和拉普拉斯法算子。
四、实验目的：1．熟悉和掌握利用Matlab工具进行数字图像的读、写、显示等数字图像处理基本步骤。
图像融合的实验报告
图像融合的实验报告实验报告：图像融合一、实验目的本实验的目的是研究和实践图像融合的方法，探究图像融合在多种应用中的作用和效果。
二、实验原理图像融合是将两幅或多幅图像以某种方式进行合成，生成一幅新的图像，使之具有源图像的一些特征和信息。
在图像融合中，常使用的方法包括像素级融合和特征级融合。
像素级融合是将不同图像中的像素点通过某种算法进行融合，产生新的像素值；特征级融合则是将不同图像中的特征提取出来，然后进行融合得到新的特征。
三、实验步骤1. 收集源图像：从不同角度和距离拍摄相同目标的不同图像，作为源图像；2. 图像预处理：对源图像进行预处理，包括灰度化、图像增强、去噪等操作，以便提取和融合图像的特征；3. 特征提取：使用特征提取算法，如边缘检测、角点检测等，从源图像中提取出不同的特征；4. 图像融合：根据所选的融合方法，将不同图像的像素点或特征进行融合；5. 融合结果评估：对融合结果进行评估，包括图像质量评估、信息保留度评估等。
四、实验结果与分析经过以上步骤，我们将图像进行了融合，并得到了融合后的图像。
对融合后的图像进行质量评估发现，融合后的图像与原图相比，整体上有明显的信息保留，且清晰度较高，细节丰富。
这说明我们所选择的特征融合方法在一定程度上是有效的。
五、实验应用图像融合在多个领域有着广泛的应用。
在军事领域，图像融合可以用于红外图像和可见光图像的融合，以提高目标探测和识别的准确率。
在医学领域，图像融合可以将不同类型的医学图像进行融合，帮助医生更准确地进行诊断和治疗。
在遥感领域，图像融合可以将多源的遥感图像融合，提高地物的分类精度和信息提取能力。
六、实验总结本实验通过对图像融合的研究和实践，了解了图像融合的原理和方法，并在实验中得到了一定的实际经验。
图像融合在多个领域都有重要的应用，可以提高图像质量、增强图像信息特征、准确识别目标等。
未来，我们可以进一步研究更多的图像融合方法，优化融合结果，并在更多领域中应用图像融合技术。
电子科技大学数字图像处理实验报告2
电子科技大学数字图像处理实验报告实验名称彩色图像处理实验序号学生姓名学生学号指导教师提交日期摘要本实验利用MATLAB软件，对彩色图像作了一些简单处理。
通过访问数字图像RGB三个通道的对应矩阵，改变数字图像的色彩，得到了原图像的补色图像。
并编写了图像的RGB模型与HSI模型相互转换的程序，实现了两个模型之间的互相转换。
为了得到HSI模型的补色，可将HSI模型转换为RGB模型，用RGB的反色来近似HSI的反色。
然后对彩色图像加入高斯与椒盐噪声，观察了加入噪声后RGB三个通道的图像效果，并通过算术均值滤波与中值滤波分别对三个通道进行去噪，达到对整个彩色图像的去噪。
最后证明了单个通道的噪声会通过到HSI的转换扩散到所有HSI图像上。
实验原理：1、三基色原理：人的眼睛就像一个三色接收器的体系，大多数的颜色可以通过红、绿、蓝三色按照不同的比例合成产生。
同样绝大多数单色光也可以分解成红(red)绿(green)蓝(blue)三种色光。
这是色度学的最基本原理，即三基色原理。
三种基色是相互独立的，任何一种基色都不能由其它两种颜色合成。
红绿蓝是三基色，这三种颜色合成的颜色范围最为广泛。
红绿蓝三基色按照不同的比例相加合成混色称为相加混色。
人眼接收色彩的方法：加法混色。
光色(红色+绿色)=黄色(yellow)光色(红色+蓝色)=紫红(magenta)光色(蓝色+绿色)=青色(cyan)印刷四色：减法呈色颜料(黄色+青色)=白色-红色-蓝色=绿色颜料(紫红+青色)=白色-红色-绿色=蓝色颜料(黄色+紫红)=白色-绿色-蓝色=红色颜料色另外会附加一个黑色，即cyan、magenta、yellow、black四色(cmyk)。
2、彩色图像表示方法：RGB图像：一幅RGB图像就是彩色像素的一个M×N×3数组，其中每一个彩色像素点都是在特定空间位置的彩色图像相对应的红绿蓝三个分量。
RGB图像可以看成是一个有三幅灰度图像形成的“堆”，形成一幅RGB图像的三个图像常称为红、绿或蓝分量图像。
图像几何变换实验报告
图像几何变换实验报告图像几何变换实验报告引言：图像几何变换是计算机视觉领域的重要研究方向之一。
通过对图像进行旋转、缩放、平移等变换操作，可以改变图像的形状、大小和位置，从而实现图像处理和分析的目的。
本实验旨在通过编程实现常见的图像几何变换算法，并对其效果进行评估和分析。
一、图像旋转变换图像旋转变换是指将图像按照一定的角度进行旋转操作。
在实验中，我们使用了旋转矩阵来实现图像的旋转。
通过调整旋转角度，我们可以观察到图像在不同旋转角度下的变化。
实验结果显示，当旋转角度较小时，图像的形状基本保持不变，但会出现一定程度的畸变。
随着旋转角度的增加，图像的形状逐渐发生变化，出现明显的扭曲和形变现象。
二、图像缩放变换图像缩放变换是指改变图像的尺寸大小。
在实验中，我们通过调整缩放系数来实现图像的缩放操作。
实验结果表明，当缩放系数小于1时，图像会变小，细节信息会丢失；而当缩放系数大于1时，图像会变大，但可能会出现像素过度拉伸的情况。
因此，在进行图像缩放时，需要根据实际需求选择合适的缩放系数，以保证图像的质量和清晰度。
三、图像平移变换图像平移变换是指将图像沿着水平或垂直方向进行移动操作。
在实验中，我们通过调整平移距离来实现图像的平移。
实验结果显示，当平移距离较小时，图像的位置变化不明显；而当平移距离较大时，图像的位置会发生明显的偏移。
因此，在进行图像平移时，需要根据实际需求选择合适的平移距离，以确保图像的位置调整符合预期。
四、图像仿射变换图像仿射变换是指通过线性变换和平移变换来改变图像的形状、大小和位置。
在实验中，我们通过调整仿射变换矩阵的参数来实现图像的仿射变换。
实验结果表明，仿射变换可以实现图像的旋转、缩放和平移等多种操作，且变换后的图像形状基本保持不变。
然而，当仿射变换矩阵的参数设置不当时，可能会导致图像的形变和失真现象。
五、图像透视变换图像透视变换是指通过透视投影将图像从一个平面映射到另一个平面。
在实验中，我们通过调整透视变换矩阵的参数来实现图像的透视变换。
图像处理实验报告
图像处理实验报告第一次实验课：绘制直方图f=imread('bld.tif');imshow(f)imhist(f)原图像：直方图：第二次实验课：图像增强f=imread('hua.jpg');imshow(f)g=gscale(f);figure,imshow(g)原图像：处理后的图像：第三次实验课：图像平滑f=imread('noisy.jpg');imshow(f)f1=imnoise(f,'salt & pepper',0.1);figure,imshow(f1)f2=medfilt2(f1);figure,imshow(f2)imwrite(f2,'w.tif')原图像：加噪声后的图像：平滑后的图像：第四次实验课：图像分割f=imread('bld.tif');imshow(f)[gc,t]=edge(f,'canny');figure,imshow(gc)tt =0.0188 0.0469[gc,t]=edge(f,'canny',[0.04 0.10]); figure,imshow(gc)[gc,t]=edge(f,'canny',[0.04 0.10],1.5); figure,imshow(gc)原图像：线检测后得到如下图像：第五次实验课：彩色图像处理f=imread('iris.tif');imshow(b)fr=f(:,:,1);fg=f(:,:,2);fb=f(:,:,3);w=fspecial('disk',3.5);fr_f=imfilter(fr,w,'replicate');fg_f=imfilter(fg,w,'replicate');fb_f=imfilter(fb,w,'replicate');f1=cat(3,fr_f,fg_f,fb_f);原图像：处理后图片为：第六次实验课：形态学处理f=imread('calculator.tif');imshow(f)se=strel('line',55,0);f0=imopen(f,se);f1=imsubtract(f,f0);figure,imshow(f1)原图像：处理后图像：第七次实验课：频域处理f=imread('periodic.jpg');[m,n]=size(f)sig=30;h=lpfilter('gaussian',m,n,sig);F=fft2(double(f));G=h.*F;figure,imshow(abs(G),[])x=real(ifft2(G));figure,imshow(x,[])原图像：处理后图像：f=imread('noise.jpg'); imshow(f)g=fft2(f);s=abs(g);figure,imshow(double(s))figure,imshow(double(s),[])h=fftshift(g);figure,imshow(double(abs(g)),[]) figure,imshow(double(abs(h)),[]) ss=log(1+s);figure,imshow(double(ss),[])原图像：处理后图像：。
图像融合实验报告
图像融合实验报告
《图像融合实验报告》
图像融合是一种将多幅图像融合为一幅图像的技术，它可以用于增强图像的质量、提取图像的信息以及实现图像的特定应用。
本实验报告将介绍图像融合的
基本原理和实验过程，并展示实验结果。
首先，我们选取了两幅不同类型的图像，一幅是自然风景图像，另一幅是人像
图像。
然后，我们利用图像融合算法，将这两幅图像进行融合。
在融合过程中，我们采用了多种融合策略，包括像素级融合、特征级融合和深度学习融合等。
通过比较不同融合策略的效果，我们得出了最佳的融合方法。
在实验过程中，我们发现图像融合可以有效地提取出图像的特征信息，使得融
合后的图像更加清晰、丰富。
同时，图像融合还可以实现不同类型图像的融合，从而创造出新的图像效果。
这些实验结果表明，图像融合技术具有广泛的应用
前景，可以在医学影像、遥感图像、安防监控等领域发挥重要作用。
总之，本实验报告通过图像融合实验展示了图像融合技术的基本原理和应用效果，为进一步研究和应用图像融合技术提供了重要参考。
希望通过本报告的介绍，能够引起更多人对图像融合技术的关注和研究。
图像去噪实验报告
姓名：学号：图像去噪——数字图像处理实验二报告一、实验目的1. 熟悉图像高斯噪声和椒盐噪声的特点；2. 掌握利用均值滤波和中值滤波去除图像噪声的方法。
二、实验内容1. 打开Matlab 编程环境。
2. 读入图像，在图像上分别添加高斯噪声和椒盐噪声。
3. 显示原图像和噪声图像。
4. 对噪声图像进行均值滤波和中值滤波处理。
5. 显示处理效果图。
三、实验程序及结果1.实验程序2.实验结果图 1. 原图像图2. 加入噪声后的图像图3. 处理后的图像四、实验思考：1. 比较均值滤波和中值滤波的对高斯噪声和椒盐噪声图像的处理效果，分析原理？答：(1).从实验结果可以看出：○1对于加了椒盐噪声的图像，利用中值滤波抑制噪声得到的效果更好；○2对于加了高斯噪声的图像，利用均值滤波抑制噪声得到的效果更好；○3均值滤波是图像变得平滑、模糊；○4中值滤波对高斯噪声的抑制作用更差，中值滤波适合处理含椒盐噪声的图像。
(2).分析如下：○1椒盐噪声包含椒噪声（低灰度值）和盐噪声（高灰度）。
若进行中值滤波，对模板中的像素从小到大排列，取模板中排在中间位置的像素值来替代原来的像素值，则最亮和最暗的点一定被排在两侧，排在中间位置的像素值接近原像素值，这样就能达到滤除噪声的目的。
若进行均值滤波，用模板中全体像素点均值来替代原来的像素值，则较大和较小的像素值对结果影响大，这样就把椒盐噪声平均到了最终结果中，不利于滤除噪声。
○2高斯噪声是服从高斯分布（即正态分布）的噪声。
若进行中值滤波，则随机地将噪声像素点的灰度值加到了最终得到的像素值中，不利于滤除噪声。
若进行均值滤波，则可以将高斯噪声取平均隐含于最终得到的像素值中，能较好地滤除噪声。
○3由于均值滤波是用模板中全体像素点均值来替代原来的像素值，所以它在降低噪声的同时会使图像模糊，特别是边缘和细节处。
而且邻域越大，在去噪能力增强的同时模糊程度也越严重。
○4由于中值滤波对模板中的像素从小到大排列，取模板中排在中间位置的像素值来替代原来的像素值，则最亮和最暗的点一定被排在两侧，排在中间位置的像素值接近原像素值，所以中值滤波对去除椒盐噪声有奇效。
ps实验报告_2
讨论、心得（必填）
通过对本次的实验,我掌握了Photoshop CS5基本工具的使用方法,能够将不同工具结合起来使用,达到自己的图像处理目的。此外,我还了解了图像处理后的不同存储格式,增进了自己在图像格式方面的知识,知道了具体什么情况该使用哪种图像格式。
实验目的和要求（必填）
1Hale Waihona Puke 会数字图像的基本编辑方法2学会将图像保存为不同的图像格式文件
3基本掌握Photoshop CS5的基本操作
4比较不同格式对文件体积和质量的影响
实验内容和原理（必填）
1.掌握Photoshop基本工具的用法。
2.根据设计要求准备相关素材。
2、应用Photoshop CS5的基本工具,对素材进行再创作
2.应用Photosho.CS5基本工具，并结合图层与蒙版等技术对素材进行处理
3.选择不同的格式进行保存
3.选择不同的格式进行保存
实验数据记录和处理（可选）
不同格式图像的大小分别是: BMP为MB, TIFF为MB, JPG为MB, PSD为MB
实验结果与分析（必填）
不同保存格式文件体积明显不同,其中PSD和TIFF格式是未压缩的格式,所用明显大于其他格式,而BMP有压缩但体积任然较大,压缩率最大的是JPG格式,并且图像的损失也较小,几乎不明显.
3.将作品以不同的格式输出并保存
3、将作品以不同的格式输出并保存
主要仪器设备（可选）
计算机
处理器: Intel 2.13GHz软件: Photoshop CS5
数字图像处理实验报告
数字图像处理实验报告数字图像处理实验报告第一章总论数字图像处理是计算机图形学、数字信号处理等学科交叉的一门学科。
它是基于数字计算机对图像信号进行数字处理的一种方法。
数字图像处理技术已广泛应用于医学影像诊断、遥感图像处理、图像识别、安防监控等领域，在当今社会中具有不可替代的重要作用。
本次实验主要介绍了数字图像处理的基本方法，包括图像采集、图像增强、图像恢复、图像分割、图像压缩等几个方面。
在实验过程中，我们采用了一些常用的数字图像处理方法，并通过 Matlab 图像处理工具箱进行实现和验证。
第二章实验过程2.1 图像采集在数字图像处理中，图像采集是一个重要的步骤。
采集到的图像质量直接影响到后续处理结果的准确性。
本次实验使用的图像是一张 TIF 格式的彩色图像，通过 Matlab 读取图像文件并显示，代码如下：```Matlabim = imread('test.tif');imshow(im);```执行代码后，可以得到如下图所示的图像：2.2 图像增强图像增强是指利用某些方法使图像具有更好的视觉效果或者变得更适合某种应用。
本次实验我们主要采用直方图均衡化、灰度变换等方法进行图像增强。
2.2.1 直方图均衡化直方图均衡化是一种常用的增强方法，它可以增加图像的对比度和亮度，使图像更加清晰。
代码实现如下：```Matlabim_eq = histeq(im);imshow(im_eq);```执行代码后，会得到直方图均衡化后的图像，如下图所示：可以看出，经过直方图均衡化处理后，图像的对比度和亮度得到了明显提高。
2.2.2 灰度变换灰度变换是一种用于调整图像灰度级别的方法。
通过变换某些像素的灰度级别，可以增强图像的视觉效果。
本次实验我们采用对数变换和幂函数变换两种方法进行灰度变换。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
甘肃政法学院本科生实验报告( 一）姓名:周红学院:信息工程学院专业:信息管理与信息系统班级:2014级信管班实验课程名称:图形图像处理实验实验日期: 2017年4月27日开课时间: 2016-2017学年第二学期甘肃政法学院实验管理中心印制结果如下：图1_1_1椒盐噪声图高斯噪声代码如下：import cv2import numpy as npimport matplotlib.pyplot as pltimg=cv2.imread('D:\\man.jpg',0)param=30grayscale=256w=img.shape[1]h=img.shape[0]newimg=np.zeros((h,w),np.uint8)for x in xrange(0,h):for y in xrange(0,w,2):r1=np.random.random_sample()r2=np.random.random_sample()z1=param*np.cos(2*np.pi*r2)*np.sqrt((-2)*np.log(r1))z2=param*np.sin(2*np.pi*r2)*np.sqrt((-2)*np.log(r1)) fxy=int(img[x,y]+z1)fxy1=int(img[x,y+1]+z2)if fxy<0:fxy_val=0eliffxy>grayscale-1:fxy_val=grayscale-1else:fxy_val=fxyif fxy1<0:fxy1_val=0elif fxy1>grayscale-1:fxy1_val=grayscale-1else:fxy1_val=fxy1newimg[x,y]=fxy_valnewimg[x,y+1]=fxy1_valplt.subplot(1,2,1),plt.imshow(img,'gray')plt.subplot(1,2,2),plt.imshow(newimg,'gray')结果如图：图1_1_2 高斯噪声结果图2) 对加入噪声图像选用不同的平滑（低通）模板做运算，对比不同模板所形成的效果，要求在同一窗口中显示。
采用3×3的椒盐噪声的低通滤波代码如下：import cv2import numpy as npimport matplotlib.pyplot as pltimg=cv2.imread('G:\\lena.jpg',0)param=20w=img.shape[1]h=img.shape[0]newimg=np.array(img)noisecount=5000for i in xrange(0,noisecount):xi=int(np.random.uniform(0,newimg.shape[1]))xj=int(np.random.uniform(0,newimg.shape[0]))newimg[xj][xi]=255res=cv2.blur(newimg,(3,3))plt.subplot(1,2,1),plt.imshow(newimg,'gray')plt.subplot(1,2,2),plt.imshow(res,'gray')结果如图：图1_2椒盐噪声的低通滤波处理结果图3) 使用函数imfilter时，分别采用不同的填充方法（或边界选项，如零填充、’replicate’、’symmetric’、’circular’）进行低通滤波，显示处理后的图像。
import cv2import numpy as npimport matplotlib.pyplot as pltimg=cv2.imread('d:\\man.jpg',0)img1=np.float32(img)kernel=np.ones((5,5),np.float32)/25dst=cv2.filter2D(img1,-1,kernel)plt.subplot(1,2,1),plt.imshow(img1,'gray')plt.subplot(1,2,2),plt.imshow(dst,'gray')结果如图：图1_3 低通滤波处理结果图4) 运用for循环，将加有椒盐噪声的图像进行10次，20次均值滤波，查看其特点。
10次均值滤波代码如下：import cv2import numpy as npimport matplotlib.pyplot as pltimg=cv2.imread('d:\\man.jpg',0)param=20w=img.shape[1]h=img.shape[0]newimg=np.array(img)noisecount=5000for i in xrange(0,noisecount):xi=int(np.random.uniform(0,newimg.shape[1])) xj=int(np.random.uniform(0,newimg.shape[0]))newimg[xj][xi]=255for k in range(1,10):res=cv2.blur(newimg,(3,3))plt.subplot(1,2,1),plt.imshow(newimg,'gray')plt.subplot(1,2,2),plt.imshow(res,'gray')结果如图：图1_4 10次均值滤波处理结果图20次均值滤波代码如下：import cv2import numpy as npimport matplotlib.pyplot as pltimg=cv2.imread('D:\\man.jpg',0)param=20w=img.shape[1]h=img.shape[0]newimg=np.array(img)noisecount=5000for i in xrange(0,noisecount):xi=int(np.random.uniform(0,newimg.shape[1]))xj=int(np.random.uniform(0,newimg.shape[0]))newimg[xj][xi]=255for k in range(1,20):res=cv2.blur(newimg,(3,3))plt.subplot(1,2,1),plt.imshow(newimg,'gray')plt.subplot(1,2,2),plt.imshow(res,'gray')结果如图：图1_4 20次均值滤波处理结果图5) 对加入椒盐噪声的图像分别采用均值滤波法，和中值滤波法对有噪声的图像做处理，要求在同一窗口中显示结果。
代码如下：import cv2import numpy as npimport matplotlib.pyplot as pltimg=cv2.imread('d:\\man.jpg',0)param=20w=img.shape[1]h=img.shape[0]newimg=np.array(img)noisecount=5000for i in xrange(0,noisecount):xi=int(np.random.uniform(0,newimg.shape[1]))xj=int(np.random.uniform(0,newimg.shape[0]))newimg[xj][xi]=255res1=cv2.blur(newimg,(3,3))res2=cv2.medianBlur(newimg,5)#plt.subplot(1,2,1),plt.imshow(newimg,'gray')plt.subplot(1,2,1),plt.imshow(res1,'gray')plt.subplot(1,2,2),plt.imshow(res2,'gray')结果如图：图1_5 均值滤波和中值滤波结果图2. 锐化空间滤波1) 读入图像，采用3×3的拉普拉斯算子对图像进行滤波。
代码如下：import cv2src=cv2.imread('d:\\man.jpg',0)src=cv2.GaussianBlur(src,(3,3),0)gray_lap=placian(src,cv2.CV_16S,ksize=3)dst=cv2.convertScaleAbs(gray_lap)cv2.imshow('Laplacian',dst)cv2.waitKey(0)cv2.destroyAllWindows()结果如图：图2_1 3×3拉普拉斯算子滤波2) 分别采用1×1，3×3，5×5和7×7大小的拉普拉斯算子对图像进行锐化滤波处理。
实验代码：import cv2src=cv2.imread('d:\\man.jpg',0)src=cv2.GaussianBlur(src,(3,3),0)gray_lap1=placian(src,cv2.CV_16S,ksize=1) dst1=cv2.convertScaleAbs(gray_lap1)cv2.imshow('Laplacian1',dst1)gray_lap2=placian(src,cv2.CV_16S,ksize=3) dst2=cv2.convertScaleAbs(gray_lap2)cv2.imshow('Laplacian2',dst2)gray_lap3=placian(src,cv2.CV_16S,ksize=5) dst3=cv2.convertScaleAbs(gray_lap3)cv2.imshow('Laplacian3',dst3)gray_lap4=placian(src,cv2.CV_16S,ksize=7) dst4=cv2.convertScaleAbs(gray_lap4)cv2.imshow('Laplacian4',dst4)cv2.waitKey(0)cv2.destroyAllWindows()结果如图：图3_1 1×1大小图3_2 3×3大小图3_3 5×5大小图3_4 7×7大小3) 采用不同的梯度算子对图像进行锐化滤波，并比较其效果。