数字图像处理实验4

matlab 数字图像处理实验报告(五份)

《数字图像处理实验报告》实验一图像的增强一.实验目的1.熟悉图像在MATLAB下的读写、输出；2.熟悉直方图；3.熟悉图像的线性指数等；4.熟悉图像的算术运算和几何变换。

二.实验仪器计算机、MATLAB软件三.实验原理图像增强是指根据特定的需要突出图像中的重要信息，同时减弱或去除不需要的信息。

从不同的途径获取的图像，通过进行适当的增强处理，可以将原本模糊不清甚至根本无法分辨的原始图像处理成清晰的富含大量有用信息的可使用图像。

其基本原理是：对一幅图像的灰度直方图，经过一定的变换之后，使其成为均匀或基本均匀的，即使得分布在每一个灰度等级上的像素个数．f=H等或基本相等。

此方法是典刑的图像空间域技术处理，但是由于灰度直方图只是近似的概率密度函数，因此，当用离散的灰度等级做变换时，很难得到完全平坦均匀的结果。

频率域增强技术频率域增强是首先将图像从空间与变换到频域，然后进行各种各样的处理，再将所得到的结果进行反变换，从而达到图像处理的目的。

常用的变换方法有傅里叶变换、DCT变换、沃尔什-哈达玛变换、小波变换等。

假定原图像为f(x，y)，经傅立叶变换为F(u，v)。

频率域增强就是选择合适的滤波器H(u,v)对F(u,v)的频谱成分进行处理，然后经逆傅立叶变换得到增强的图像。

四.实验内容及步骤1.图像在MATLAB下的读写、输出；实验过程：>> I = imread('F:\image\624baf9dbcc4910a.jpg');figure;imshow(I);title('Original Image');text(size(I,2),size(I,1)+15, ...'IMG_20170929_130307.jpg', ...'FontSize',7,'HorizontalAlignment','right');Warning: Image is too big to fit on screen; displaying at 25% > In imuitools\private\initSize at 86In imshow at 196Original Image2.给定函数的累积直方图。

数字图像处理四个实验报告,带有源程序

数字图像处理实验指导书学院：通信与电子工程学院专业：电子信息工程班级：学号：姓名：XX理工大学实验一 MATLAB数字图像处理初步一、实验目的与要求1．熟悉及掌握在MATLAB中能够处理哪些格式图像。

2．熟练掌握在MATLAB中如何读取图像。

3．掌握如何利用MATLAB来获取图像的大小、颜色、高度、宽度等等相关信息。

4．掌握如何在MATLAB中按照指定要求存储一幅图像的方法。

5．图像间如何转化。

二、实验原理及知识点1、数字图像的表示和类别一幅图像可以被定义为一个二维函数f(x,y),其中x和y是空间(平面)坐标，f 在任何坐标处(x,y)处的振幅称为图像在该点的亮度。

灰度是用来表示黑白图像亮度的一个术语，而彩色图像是由单个二维图像组合形成的。

例如，在RGB彩色系统中，一幅彩色图像是由三幅独立的分量图像(红、绿、蓝)组成的。

因此，许多为黑白图像处理开发的技术适用于彩色图像处理，方法是分别处理三副独立的分量图像即可。

图像关于x和y坐标以及振幅连续。

要将这样的一幅图像转化为数字形式，就要求数字化坐标和振幅。

将坐标值数字化成为取样；将振幅数字化成为量化。

采样和量化的过程如图1所示。

因此，当f的x、y分量和振幅都是有限且离散的量时，称该图像为数字图像。

作为MATLAB基本数据类型的数值数组本身十分适于表达图像，矩阵的元素和图像的像素之间有着十分自然的对应关系。

图1 图像的采样和量化根据图像数据矩阵解释方法的不同，MA TLAB把其处理为4类：亮度图像(Intensity images)二值图像(Binary images)索引图像(Indexed images)RGB图像(RGB images)(1) 亮度图像一幅亮度图像是一个数据矩阵，其归一化的取值表示亮度。

若亮度图像的像素都是uint8类或uint16类，则它们的整数值范围分别是[0，255]和[0，65536]。

若图像是double类，则像素取值就是浮点数。

数字图像实验指导书

《数字图像处理》实验指导书顾相平编淮阴工学院计算机工程学院2011年1月目录实验 1 灰度图像的对比度处理 (1)实验2灰度图像平滑滤波处理 (3)实验3图像复原 (5)实验4图像压缩 (7)实验1 灰度图像平滑滤波处理一、实验目的本次实验对图像邻域平均处理，改变模板尺寸大小，对比获得的图像的效果。

二、实验原理1、采用3x3模板对图像进行平滑滤波处理；2、采用5x5模板对图像进行平滑滤波处理；3、比较两种模板处理所获得的效果。

三、实验步骤1、打开计算机，启动MA TLAB程序；2、调入“实验1”中获取的数字图像，使用不同的平滑滤波器对图像进行平滑处理并比较所得不同的图像效果。

3、记录和整理实验报告四、实验仪器1、计算机；2、MATLAB（含IPT）等程序；3、移动式存储器（软盘、U盘等）。

4、记录用的笔、纸。

五、实验报告内容1、叙述实验过程；2、提交实验的原始图像、锐化后的图像。

附：以当前像素为中心，分别切出一个3x3和5x5像素组成的图像块,用这两种模板图像进行平滑处理，并比较处理结果。

主要程序清单：Dim i As IntegerDim j, gx, gy, bx, by, k1, k2 As IntegerDim r As LongDim g As LongDim b As LongDim rr, rx As IntegerDim gg As IntegerDim bb As IntegerDim n As LongDim blocksize As Shortblocksize = 3tuxiang = PictureBox1.ImageFor i = Int(blocksize / 2) To PictureBox1.Size.Width - Int(blocksize / 2) For j = Int(blocksize / 2) To PictureBox1.Si ze.Height - Int(blocksize / 2)rx = 0: gx = 0: bx = 0For k1 = -Int(blocksize / 2) To Int(blocksize / 2)For k2 = -Int(blocksize / 2) To Int(blocksize / 2)c = tuxiang.GetPixel(i + k1, j + k2)r = c.rg = c.gb = c.brx = rx + r’模板下的像素R分量求和gx = gx + gbx = bx + bNext k2Next k1rr = rx / (blocksize * blocksize)’邻域平均法c = c.FormArgb(c.a, rr, rr, rr)tuxiang.SetPixel(i,j,c)Next jPictureBox1.RefreshNext i实验2 灰度图像锐化滤波处理一、实验目的本次实验对灰度图像进行线形锐化处理，选用不同的锐化滤波器，对获得的图像效果进行比较。

数字图像处理实验四

数字图像处理—实验四一．实验内容：⑴图像的锐化：使用Sobel，Laplacian算子分别对图像进行运算，观察并体会运算结果。

⑵综合练习：对需要进行处理的图像分析，正确运用所学的知识，采用正确的步骤，对图像进行各类处理，以得到令人满意的图像效果。

[3] 编程实现Roberts梯度锐化算法。

二．实验目的：学会用Matlab中的下列函数对输入图像按实验内容进行运算；感受各种不同的图像处理方法对最终图像效果的影响。

imfilter；fspecial；imadjust；三．实验步骤：1．仔细阅读Matlab帮助文件中有关以上函数的使用说明，能充分理解其使用方法并能运用它们完成实验内容。

2．将cameraman.jpg图像文件读入Matlab，使用imfilter函数分别采用Sobel，Laplacian算子对其作锐化运算，显示运算前后的图像。

算子输入方法(两种方法都做)：(1)用fspecial函数产生（注意：fspecial仅能产生垂直方向sobel算子，产生Laplacian算子时alpha参数选择0，详见Help）。

(2)直接输入，其中Sobel算子形式为（水平Sobel）（垂直Sobel）Laplacian算子形式为。

对于Sobel算子，采用生成图像；对于Laplacian算子，直接采用计算结果作为锐化后图像。

figure;subplot(2,3,1);i1=imread('D:\images\cameraman.tif');i1=im2double(i1);imshow(i1);title('Input Image');subplot(2,3,2);h=fspecial('sobel');g=h.';T1= imfilter(i1, h);T2=imfilter(i1, g);T3=sqrt(T1.^2+T2.^2);imshow(T3);title('方法一sobel算子'); subplot(2,3,3);h = fspecial('laplacian',0);T4= imfilter(i1, h);imshow(T4);title('方法一laplacian算子'); subplot(2,3,4);dx=[-1 -2 -10 0 01 2 1];dy=[-1 0 1-2 0 2-1 0 1];T5= imfilter(i1, dx);T6= imfilter(i1, dy);T7=sqrt(T1.^2+T2.^2);imshow(T7);title('方法二sobel算子');subplot(2,3,5);h = [0 -1 0-1 4 -10 -1 0];T8= imfilter(i1, h);imshow(T8);title('方法二laplacian算子');3．将skeleton.jpg图像文件读入Matlab，按照以下步骤对其进行处理：1）用带对角线的Laplacian对其处理，以增强边缘。

新版数字图像处理实验报告四-新版.pdf

实验四空域滤波一，实验目的：实现图像的线性滤波和非线性滤波变换二，实验条件1，MATLAB软件2，典型的灰度，彩色图像。

三，实验原理均值滤波是在空间域对图象进行平滑处理的一种方法，易于实现，效果也挺好。

表达式的算法是由某像素领域内各点灰度值的平均值来代替该像素原来的灰度值。

最大（小）值滤波，中值滤波是一种非线性处理技术，能抑制图象中的噪声。

在处理之后，位于窗口正中的像素的灰度值，用窗口内各像素灰度值的最大（小），中值代替。

四，实验内容（1）线性滤波，自行编写程序，实现图像的均值滤波。

模板3*3,5*5,7*7。

（2）非线性滤波，自行编写程序，实现图像的统计序滤波，（最大（小）值，中值（median），滤波）模板3*3,5*5,7*7。

（3）将滤波前后的图像进行比较，分析其异同；将原图像加噪处理（imnoise）之后，再滤波处理，结果又如何五，实验步骤（1）线性滤波，实现图像的均值滤波。

模板3*3,5*5,7*7。

以下以3*3为例：代码大致思路如下：先对图片灰度矩阵除去四边后的部分进行计算。

然后对四边除去四角后进行计算，最后对四角进行计算。

鉴于这个方法比较繁琐麻烦，所以在非线性滤波程序中改用了别的方法处理3*3模板。

I=imread('a.jpg');J=rgb2gray(I);J=double(J);A0=zeros(287,287); %A0为线性变换后的图像for i=2:286 %对图片灰度矩阵除去四边后的部分进行计算for j=2:286A0(i,j)=(1/9)*(J(i-1,j-1)+J(i-1,j)+J(i-1,j+1)+J(i,j-1)+J(i,j)+J(i,j+1)+J(i+1,j-1)+J(i+1,j)+J(i+1,j+1));endendfor i=2:286 %对四边除去四角后进行计算A0(1,i)=(1/9)*(J(i,j-1)+J(i,j)+J(i,j+1)+J(i+1,j-1)+J(i+1,j)+J(i+1,j+1));A0(287,i)=(1/9)*(J(i-1,j-1)+J(i-1,j)+J(i-1,j+1)+J(i,j-1)+J(i,j)+J(i,j+1));A0(i,1)=(1/9)*(J(i-1,j)+J(i-1,j+1)+J(i,j)+J(i,j+1)+J(i+1,j)+J(i+1,j+1));A0(i,287)=(1/9)*(J(i-1,j-1)+J(i-1,j)+J(i,j-1)+J(i,j)+J(i+1,j-1)+J(i+1,j+1));endA0(1,1)=(1/9)*(J(i,j)+J(i,j+1)+J(i+1,j)+J(i+1,j+1)); %对四角进行计算A0(1,287)=(1/9)*(J(i,j-1)+J(i,j)+J(i+1,j-1)+J(i+1,j+1));A0(287,1)=(1/9)*(J(i-1,j)+J(i-1,j+1)+J(i,j)+J(i,j+1));A0(287,287)=(1/9)*(J(i-1,j-1)+J(i-1,j)+J(i,j-1)+J(i,j));imshow(A0);线性滤波的图像如图一所示：5010015020025050100150200250图一线性变换（2）非线性滤波，实现图像的统计序滤波，（最大（小）值，中值（median）滤波）模板3*3,5*5,7*7。

数字图像处理技术-实验4[2页]

实验报告课程名称：数字图像处理技术实验名称——实验四图像分割实验日期：班级：××××××姓名：×××学号××××××××××仪器编号：××一、实验目的：1、掌握图像分割中几种主要的边缘检测方法（Roberts算子、Sobel算子、Prewitt算子和Laplacian算子）。

2、了解掌握图像的阈值分割算法。

3、掌握图像的区域分割算法。

二、实验要求1. 选择Roberts算子、Sobel算子、Prewitt算子中任意一个，要求算子模板可以选择，实现对良好图像和带噪声的图像的边缘检测，然后把边缘图与原图叠加，分别计算原图与叠加图的信息熵并显示。

2. 实现Laplacian算子。

3. 实现灰度图像和彩色图像的迭代阈值分割算法。

4. 实现对一副图像利用区域生长算法进行图像分割。

提高题：1.实现对读入的一张带人脸的图像，有效分割出人脸区域。

2. 浮雕效果的制作浮雕效果是指物体的轮廓、边缘外貌经过修整形成凸出效果，浮雕类似边缘检测，目的是突出对象的边缘和轮廓。

浮雕效果是实现图像填充色与灰色的转换，用原填充色描画边缘，使图像呈现凸起或凹进效果，出现“浮雕”图案。

浮雕处理可以采用边缘锐化、边缘检测算子检测或其相关类似方法来实现。

如下图：三、实验结果比较比较分析Roberts算子或Sobel算子或Prewitt算子（选择上面实验选做的）和Laplacian算子对不同噪声（高斯噪声和校验噪声）图像的处理结果，并通过上面计算的信息熵，分析信息有什么变化，为什么？。

四、实验体会（包括对于本次实验的小结，实验过程中碰到的问题等）。

数字图像处理实验——实验四

报告内容：（目的和要求、原理、步骤、数据、计算、小结等）图像处理综合性实验报告实验四综合实验一、实验目的1、掌握matlab编程语言进行编程。

2、用matlab及运用各种数字图像处理方法实现对图像的变换。

二、实验设备计算机、Matlab软件三、实验原理图像预处理是相对于图像识别、图像理解而言的一种前期处理。

不论采用何种装置，输入的图像往往不能令人满意。

例如，从美学的角度会感到图像中物体的轮廓过于鲜明而显得不协调；按检测对象物大小和形状的要求看，图像的边缘过于模糊；在相当满意的一幅图像上会发现多了一些不知来源的黑点或白点；图像的失真、变形等等。

总之，输入的图像在视觉效果和识别方便性等方面可能存在诸多问题，这类问题不妨统称为“质量”问题。

尽管由于目的、观点、爱好等的不同，图像质量很难有同意的定义和标准，但是，根据应用要改善图像质量却是一个共同的愿望。

改善图像质量的处理称为图像预处理，主要是指按需要对图像进行适当的变换突出某些游泳的信息，去除或削弱无用的信息，如改变图像对比度，去除噪声或强调边缘的处理等。

四、实验步骤1.对图像灰度非线性变换2.对某个图像进行直方图均衡化3.对图像进行直方图规定化4.对图像进行空间域低通滤波5.对图片进行低通滤波处理6.对图像进行空域高通滤波法7.通过各种频域低通滤波器方法对图像进行处理五、源程序清单、测试数据、结果1、灰度非线性变换图像灰度变换是图像增强的一种手段。

其中灰度非线性变换能使图像灰度的分布均匀，与人的视觉特性相匹配。

MATLAB语言编写的例程和图像运行结果如下：%GRAY TRANSFORMclc;I=imread('21.jpg');imshow(I);J=imadjust(I,[0.3 0.7],[0 1],1);%transfroms the values in the intensity image I to%values in J by linealy mapping values between %0.3 and 0.7 to values between 0 and 1figure;imshow(J);J=imadjust(I,[0.3 0.7],[0 1],1);%If GAMMA is less than 1,the mapping%is weighted toward higher (brighter)output values.figure;imshow(J);J=imadjust(I,[0.3 0.7],[0 1],1.5);% If GAMMA is greater than 1,the % mapping is weighted toward lower (darker)output values.figure;imshow(J);J=imadjust(I,[0.3 0.7],[0 1],1);% If TOP < BOTTOM,the output image % is reversed,as in a photogrphic negative.figure;imshow(J);2、对tire图像进行直方图均衡化图示：直方图均衡化是通过变换函数将原图的直方图调整为平坦的直方图。

(完整word版)数字图像处理实验 ——图像恢复

数字图像处理实验——图像恢复班级：信息10—1姓名：张慧学号：36实验四、图像复原一、实验目的1了解图像退化原因与复原技术分类化的数学模型；2熟悉图像复原的经典与现代方法；3热练掌握图像复原的应用；4、通过本实验掌握利用MATLAB编程实现数字图像的图像复原。

二、实验原理：图像复原处理是建立在图像退化的数学模型基础上的，这个退化数学模型能够反映图像退化的原因。

图像的退化过程可以理解为施加于原图像上的运算和噪声两者联合作用的结果，图像退化模型如图1所示，可以表示为：g ( x, y ) H [ f ( x, y )] n( x, y ) f ( x, y )h( x, y ) n( x, y) （1）图1 图像退化模型(1)在测试图像上产生高斯噪声lena图-需能指定均值和方差；并用滤波器（自选）恢复图像；噪声是最常见的退化因素之一，也是图像恢复中重点研究的内容，图像中的噪声可定义为图像中不希望有的部分。

噪声是一种随机过程，它的波形和瞬时振幅以及相位都随时间无规则变化，因此无法精确测量，所以不能当做具体的处理对象，而只能用概率统计的理论和方法进行分析和处理。

本文中研究高斯噪声对图像的影响及其去噪过程。

①高斯噪声的产生：所谓高斯噪声是指它的概率密度函数服从高斯分布（即正态分布）的一类噪声。

一个高斯随机变量z的PDF可表示为：P（z）()22x pz u2σ-⎡⎤-⎢⎥⎣⎦（2）其中z代表灰度，u是z的均值，σ是z的标准差。

高斯噪声的灰度值多集中在均值附近。

图2 高斯函数可以通过不同的算法用matlab 来产生高斯噪声。

②高斯噪声对信号的影响噪声影响图像处理的输入、采集、处理的各个环节以及输出结果的全过程，在图像中加高斯噪声通常会使图像变得模糊并且会出现细小的斑点，使图像变得不清晰。

③去除高斯噪声的一些方法去除高斯噪声的方法有直方图变换，低通滤波，高通滤波，逆滤波，维纳滤波，中值滤波等。

本文应用高斯平滑滤波进行去噪处理。

数字图像处理及MATLAB实现实验四——图像变换

数字图像处理及MATLAB实现实验四——图像变换1.图像的傅⾥叶变换⼀（平移性质）傅⾥叶变换的平移性质表明了函数与⼀个指数项相乘等于将变换后的空域中⼼移到新的位置，并且平移不改变频谱的幅值。

I=imread('1.bmp');figure(1)imshow(real(I));I=I(:,:,3);fftI=fft2(I);sfftI=fftshift(fftI); %求离散傅⾥叶频谱%对原始图像进⾏⼆维离散傅⾥叶变换，并将其坐标原点移到频谱图中央位置RRfdp1=real(sfftI);IIfdp1=imag(sfftI);a=sqrt(RRfdp1.^2+IIfdp1.^2);a=(a-min(min(a)))/(max(max(a))-min(min(a)))*225;figure(2)imshow(real(a));I=imread('2.bmp');figure(1)imshow(real(I));I=I(:,:,3);fftI=fft2(I);sfftI=fftshift(fftI); %求离散傅⾥叶频谱%对原始图像进⾏⼆维离散傅⾥叶变换，并将其坐标原点移到频谱图中央位置RRfdp1=real(sfftI);IIfdp1=imag(sfftI);a=sqrt(RRfdp1.^2+IIfdp1.^2);a=(a-min(min(a)))/(max(max(a))-min(min(a)))*225;figure(2)imshow(real(a));I=imread('3.bmp');figure(1)imshow(real(I));I=I(:,:,3);fftI=fft2(I);sfftI=fftshift(fftI); %求离散傅⾥叶频谱%对原始图像进⾏⼆维离散傅⾥叶变换，并将其坐标原点移到频谱图中央位置RRfdp1=real(sfftI);IIfdp1=imag(sfftI);a=sqrt(RRfdp1.^2+IIfdp1.^2);a=(a-min(min(a)))/(max(max(a))-min(min(a)))*225;figure(2)imshow(real(a));实验结果符合傅⾥叶变换平移性质2.图像的傅⾥叶变换⼆（旋转性质）%构造原始图像I=zeros(256,256);I(88:168,124:132)=1; %图像范围是256*256，前⼀值是纵向⽐，后⼀值是横向⽐imshow(I)%求原始图像的傅⾥叶频谱J=fft2(I);F=abs(J);J1=fftshift(F);figureimshow(J1,[550])%对原始图像进⾏旋转J=imrotate(I,90,'bilinear','crop');figureimshow(J)%求旋转后图像的傅⾥叶频谱J=fft2(I);F=abs(J);J2=fftshift(F);figureimshow(J2,[550])3.图像的离散余弦变换⼀%对cameraman.tif⽂件计算⼆维DCT变换RGB=imread('cameraman.tif');figure(1)imshow(RGB)I=rgb2gray(RGB);%真彩⾊图像转换成灰度图像J=dct2(I);%计算⼆维DCT变换figure(2)imshow(log(abs(J)),[])%图像⼤部分能量集中在左上⾓处figure(3);J(abs(J)<10)=0;%把变换矩阵中⼩于10的值置换为0，然后⽤idct2重构图像K=idct2(J)/255;imshow(K)4.图像的离散余弦变换⼆% I=imread('1.bmp');% figure(1)% imshow(real(I));% I=I(:,:,3);% fftI=fft2(I);% sfftI=fftshift(fftI); %求离散傅⾥叶频谱% %对原始图像进⾏⼆维离散傅⾥叶变换，并将其坐标原点移到频谱图中央位置% RRfdp1=real(sfftI);% IIfdp1=imag(sfftI);% a=sqrt(RRfdp1.^2+IIfdp1.^2);% a=(a-min(min(a)))/(max(max(a))-min(min(a)))*225;% figure(2)% imshow(real(a));% I=imread('2.bmp');% figure(1)% imshow(real(I));% I=I(:,:,3);% fftI=fft2(I);% sfftI=fftshift(fftI); %求离散傅⾥叶频谱% %对原始图像进⾏⼆维离散傅⾥叶变换，并将其坐标原点移到频谱图中央位置% RRfdp1=real(sfftI);% IIfdp1=imag(sfftI);% a=sqrt(RRfdp1.^2+IIfdp1.^2);% a=(a-min(min(a)))/(max(max(a))-min(min(a)))*225;% figure(2)% imshow(real(a));% I=imread('3.bmp');% figure(1)% imshow(real(I));% I=I(:,:,3);% fftI=fft2(I);% sfftI=fftshift(fftI); %求离散傅⾥叶频谱% %对原始图像进⾏⼆维离散傅⾥叶变换，并将其坐标原点移到频谱图中央位置% RRfdp1=real(sfftI);% IIfdp1=imag(sfftI);% a=sqrt(RRfdp1.^2+IIfdp1.^2);% a=(a-min(min(a)))/(max(max(a))-min(min(a)))*225;% figure(2)% imshow(real(a));% %构造原始图像% I=zeros(256,256);% I(88:168,124:132)=1; %图像范围是256*256，前⼀值是纵向⽐，后⼀值是横向⽐% imshow(I)% %求原始图像的傅⾥叶频谱% J=fft2(I);% F=abs(J);% J1=fftshift(F);figure% imshow(J1,[550])% %对原始图像进⾏旋转% J=imrotate(I,90,'bilinear','crop');% figure% imshow(J)% %求旋转后图像的傅⾥叶频谱% J=fft2(I);% F=abs(J);% J2=fftshift(F);figure% imshow(J2,[550])% %对cameraman.tif⽂件计算⼆维DCT变换% RGB=imread('cameraman.tif');% figure(1)% imshow(RGB)% I=rgb2gray(RGB);% %真彩⾊图像转换成灰度图像% J=dct2(I);% %计算⼆维DCT变换% figure(2)% imshow(log(abs(J)),[])% %图像⼤部分能量集中在左上⾓处% figure(3);% J(abs(J)<10)=0;% %把变换矩阵中⼩于10的值置换为0，然后⽤idct2重构图像% K=idct2(J)/255;% imshow(K)RGB=imread('cameraman.tif');I=rgb2gray(RGB);I=im2double(I); %转换图像矩阵为双精度型T=dctmtx(8); %产⽣⼆维DCT变换矩阵%矩阵T及其转置T'是DCT函数P1*X*P2的参数B=blkproc(I,[88],'P1*x*P2',T,T');maxk1=[ 1111000011100000110000001000000000000000000000000000000000000000 ]; %⼆值掩模，⽤来压缩DCT系数B2=blkproc(B,[88],'P1.*x',mask1); %只保留DCT变换的10个系数I2=blkproc(B2,[88],'P1*x*P2',T',T); %重构图像figure,imshow(T);figure,imshow(B2);figure,imshow(I2);RGB=imread('cameraman.tif');I=rgb2gray(RGB);I=im2double(I); %转换图像矩阵为双精度型T=dctmtx(8); %产⽣⼆维DCT变换矩阵%矩阵T及其转置T'是DCT函数P1*X*P2的参数B=blkproc(I,[88],'P1*x*P2',T,T');maxk1=[ 1111000011100000100000000000000000000000000000000000000000000000 ]; %⼆值掩模，⽤来压缩DCT系数B2=blkproc(B,[88],'P1.*x',mask1); %只保留DCT变换的10个系数I2=blkproc(B2,[88],'P1*x*P2',T',T); %重构图像figure,imshow(T);figure,imshow(B2);figure,imshow(I2);5.图像的哈达玛变换cr=0.5;I=imread('cameraman.tif');I=im2double(I)/255; %将读⼊的unit8类型的RGB图像I转换为double类型的数据figure(1),imshow(I);%显⽰%求图像⼤⼩[m_I,n_I]=size(I); %提取矩阵I的⾏列数，m_I为I的⾏数，n_I为I的列数sizi=8;snum=64;%分块处理t=hadamard(sizi) %⽣成8*8的哈达码矩阵hdcoe=blkproc(I,[sizi sizi],'P1*x*P2',t,t');%将图⽚分成8*8像素块进⾏哈达码变换%重新排列系数CE=im2col(hdcoe,[sizi,sizi],'distinct');%将矩阵hdcode分为8*8互不重叠的⼦矩阵，再将每个⼦矩阵作为CE的⼀列[Y Ind]=sort(CE); %对CE进⾏升序排序%舍去⽅差较⼩的系数，保留原系数的⼆分之⼀，即32个系数[m,n]=size(CE);%提取矩阵CE的⾏列数，m为CE的⾏数，n为CE的列数snum=snum-snum*cr;for i=1:nCE(Ind(1:snum),i)=0;end%重建图像re_hdcoe=col2im(CE,[sizi,sizi],[m_I,n_I],'distinct');%将矩阵的列重新组织到块中re_I=blkproc(re_hdcoe,[sizi sizi],'P1*x*P2',t',t);%进⾏反哈达码变换，得到压缩后的图像re_I=double(re_I)/64; %转换为double类型的数据figure(2);imshow(re_I);%计算原始图像和压缩后图像的误差error=I.^2-re_I.^2;MSE=sum(error(:))/prod(size(re_I));。

数字图像处理实验4福建农林⼤学⾦⼭学院信息⼯程类实验报告系：信息与机电⼯程系专业：电信年级： 2011级姓名：学号：实验课程：数字图像处理实验室号：_ 实验1楼608 实验设备号：实验时间： 2013.6.9 指导教师签字：成绩：实验四图像压缩编码⼀、实验⽬的1.了解有关数字图像压缩的基本概念2.理解有损压缩和⽆损压缩的概念；3.理解图像压缩的主要原则和⽬的；4.了解⼏种常⽤的图像压缩编码⽅式。

5.进⼀步熟悉DCT的概念和原理；6.掌握对灰度和彩⾊图像作离散余弦变换和反变换的⽅法；7.掌握利⽤MATLAB软件进⾏图像压缩。

⼆、实验原理1、图像压缩原理图像压缩主要⽬的是为了节省存储空间，增加传输速度。

图像压缩的理想标准是信息丢失最少，压缩⽐例最⼤。

不损失图像质量的压缩称为⽆损压缩，⽆损压缩不可能达到很⾼的压缩⽐；损失图像质量的压缩称为有损压缩，⾼的压缩⽐是以牺牲图像质量为代价的。

压缩的实现⽅法是对图像重新进⾏编码，希望⽤更少的数据表⽰图像。

信息的冗余量有许多种，如空间冗余，时间冗余，结构冗余，知识冗余，视觉冗余等，数据压缩实质上是减少这些冗余量。

⾼效编码的主要⽅法是尽可能去除图像中的冗余成分，从⽽以最⼩的码元包含最⼤的图像信息。

编码压缩⽅法有许多种，从不同的⾓度出发有不同的分类⽅法，从信息论⾓度出发可分为两⼤类。

（1）.冗余度压缩⽅法，也称⽆损压缩、信息保持编码或嫡编码。

具体说就是解码图像和压缩编码前的图像严格相同，没有失真，从数学上讲是⼀种可逆运算。

（2）信息量压缩⽅法，也称有损压缩、失真度编码或烟压缩编码。

也就是说解码图像和原始图像是有差别的，允许有⼀定的失真。

应⽤在多媒体中的图像压缩编码⽅法，从压缩编码算法原理上可以分为以下3类：（1）⽆损压缩编码种类哈夫曼（Huffman）编码，算术编码，⾏程（RLE）编码，Lempel zev编码。

（2）有损压缩编码种类预测编码，DPCM，运动补偿；频率域⽅法：正交变换编码(如DCT)，⼦带编码；空间域⽅法：统计分块编码；模型⽅法：分形编码，模型基编码；基于重要性：滤波，⼦采样，⽐特分配，向量量化；（3）混合编码。

遥感数字图像处理实验报告(四)

遥感数字图像处理实验报告（四）姓名：学号：班级：指导老师：1）项目名称：遥感图像频域增强处理2）实验目的：进一步了解ERDAS软件的使用，掌握对图像进行傅立叶变换的方法步骤，学会使用低通、高通及其它滤波器对遥感图像进行频率域的增强处理，尝试改变滤波器窗口大小，看滤波后的图像差异。

3）实验原理：傅里叶变换首先是将图像有空间域转换为频率域，把RGB图像转变为一系列不同频率的二维正弦波傅里叶图像，然后在频率域图像中对傅里叶图像进行滤波、掩膜等各种编辑，减少或滤除部分或全部高频或低频成分，最后再把频率域图像转换为RGB彩色空间域，得到经过处理的彩色图像。

傅里叶变换主要用于消除周期性噪声，此外，还可以消除由于传感器异常而引起的规则性错误。

同时这种处理技术还以模式识别的形式用于多波段图像处理。

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）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，是经裁剪后的图像。

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。

裁剪后的图像范围为河南省永城市东西城区及周边。

5）实验过程：具体步骤如下：1.傅里叶变换：——弹出对话框，选择要进行变换的图像，开始变换；2.傅里叶变换编辑，打开：——打开经傅里叶变换后的.fft文件layer1，如图1，对其进行编辑：a.低通滤波：低通滤波的目的是消弱图像的高频组分，从而让低频组份通过，使得图像更加平滑、柔和。

b.高通滤波：与低通滤波的作用相反，高通滤波是消弱图像的低频组份，而让高频组份通过，低频组保留，可以使图像锐化和边缘增强。

如图2，傅里叶逆变换，——，打开，如图3；原图像傅里叶变换后低通滤波编辑逆变换后图像高通滤波编辑1 逆变换后图像1高通滤波编辑2 逆变换后图像26）实验结果与分析：应用低通滤波时，通低频，阻高频，应用后图像平滑柔和，进行傅里叶编辑时选择的编辑范围越大则阻止的越少，反之越多，图像差异也很大；应用高通滤波时，通高频，阻低频，图像锐化，边缘突出，进行傅里叶编辑的范围越大则阻止的越少，反之越多。

《数字图像处理》上机实验报告4

《数字图像处理》上机实验报告4数字图像处理上机实验报告实验名称：彩色图像处理学期：2014/2015上学期班级：电子1102班姓名：陈玮学号：3110209424实验时间：2014.11.24实验四彩色图像处理1 目的1.了解彩色图像导入到Matlab中的书籍结构，掌握对R,G,B分量的表示方法；2.了解彩色图像处理的基本原理和方法；3.掌握彩色图像与灰度图像质检相互转化的基本原理2器材（1）bmp格式灰度图像（2）matlab软件（3）台式PC3原理1彩色图像及其增强方法(1)图像增强图像增强就是通过对图像的某些特征，如对比度、轮廓等进行强调，使之更适合于人眼的观察或机器处理的一种技术。

图像增强技术分为两大类，一类是空间域方法，即在图像平面对图像的像素灰度值进行运算处理的方法；另一类是频率域方法，是指在图像的频率域中对图像进行某种处理[1]。

(2)彩色图像与灰度图像区别彩色图像和灰度图像的根本区别是：在彩色图像中，每个像素用一个矢量（一般包括三个分量）来表示，即R分量、G分量和B分量。

而灰度图像每一个像素只用一个标量来表示。

这样，处理彩色图像时处理的是矢量，处理灰度图像处理的是标量。

我们也可以把彩色图像中的三个分量分开，分别计算加工再进行结合，这种处理技术称为基于单色的技术。

如果不把这三个分量分开计算，而是根据矢量规范将彩色信息当矢量空间中的彩色矢量来进行加工，这样的技术称为矢量值技术。

2.彩色空间简介 (1)RGB 彩色空间简介一幅RGB 图像就是彩色像素的一个3M N ??数组，其中每一个彩色像素点都是在特定空间位置的红、绿、蓝三个分量[2]。

由于彩色显示器采用红、绿和蓝来生成目标颜色，所以RGB 颜色空间是计算机图形学最通常的选择。

但是，当处理图像时，使用RGB 颜色空间并不是很有效。

此外，要在RGB 颜色空间中生成任何一种颜色，三个RGB 分量都需要占用相同的带宽。

这就使得每个RGB 颜色分量需要同样的像素深度和现实分辨率。

数字图像处理四个实验

数字图像处理实验指导书目录实验一MATLAB数字图像处理初步实验二图像的代数运算实验三图像增强-空间滤波实验四图像分割实验五形态学运算3实验一 MATLAB数字图像处理初步一、实验目的与要求1．熟悉及掌握在MATLAB中能够处理哪些格式图像。

2．熟练掌握在MATLAB中如何读取图像。

3．掌握如何利用MATLAB来获取图像的大小、颜色、高度、宽度等等相关信息。

4．掌握如何在MATLAB中按照指定要求存储一幅图像的方法。

5．图像间如何转化。

二、实验原理及知识点1、数字图像的表示和类别一幅图像可以被定义为一个二维函数f(x,y),其中x和y是空间(平面)坐标，f 在任何坐标处(x,y)处的振幅称为图像在该点的亮度。

灰度是用来表示黑白图像亮度的一个术语，而彩色图像是由单个二维图像组合形成的。

例如，在RGB彩色系统中，一幅彩色图像是由三幅独立的分量图像(红、绿、蓝)组成的。

因此，许多为黑白图像处理开发的技术适用于彩色图像处理，方法是分别处理三副独立的分量图像即可。

图像关于x和y坐标以及振幅连续。

要将这样的一幅图像转化为数字形式，就要求数字化坐标和振幅。

将坐标值数字化成为取样；将振幅数字化成为量化。

采样和量化的过程如图1所示。

因此，当f的x、y分量和振幅都是有限且离散的量时，称该图像为数字图像。

作为MATLAB基本数据类型的数值数组本身十分适于表达图像，矩阵的元素和图像的像素之间有着十分自然的对应关系。

图1 图像的采样和量化根据图像数据矩阵解释方法的不同，MA TLAB把其处理为4类：亮度图像(Intensity images)二值图像(Binary images)索引图像(Indexed images)RGB图像(RGB images)(1) 亮度图像一幅亮度图像是一个数据矩阵，其归一化的取值表示亮度。

若亮度图像的像素都是uint8类或uint16类，则它们的整数值范围分别是[0，255]和[0，65536]。

数字图像处理实验报告

数字图像处理实验报告一、引言数字图像处理是一门涉及图像获取、图像处理和图像分析的重要学科，广泛应用于计算机科学、电子工程、通信技术等领域。

本报告旨在介绍并总结我所进行的数字图像处理实验，讨论实验的目的、方法、结果和分析。

二、实验目的通过本次实验，旨在掌握和理解数字图像处理的基本原理和常见技术，包括灰度变换、空间域滤波、频域滤波等，以及层次分割、边缘检测和形态学处理等高级应用技术。

三、实验方法1. 寻找合适的图像在实验中，我选用了一张自然风景图像作为处理对象。

这张图像包含丰富的纹理和颜色信息，适合用于多种图像处理方法的验证和比较。

2. 灰度变换灰度变换是数字图像处理中常见的基础操作，可以通过对图像的像素灰度值进行线性或非线性变换，来调整图像的对比度、亮度等特征。

在实验中，我利用线性灰度变换方法将原始彩色图像转换为灰度图像，并进行对比度的调整，观察处理结果的变化。

3. 空间域滤波空间域滤波是一种基于像素邻域的图像处理方法，常用于图像去噪、边缘增强等应用。

我使用了平滑滤波和锐化滤波两种方法，并针对不同的滤波算子和参数进行了实验和比较，评估其对图像细节和边缘保留的影响。

4. 频域滤波频域滤波是一种基于图像的频谱特征的图像处理方法，广泛应用于图像增强、去噪和特征提取等方面。

我利用傅里叶变换将图像从空间域转换到频域，采用理想低通滤波器和巴特沃斯低通滤波器进行图像的模糊处理，并进行了实验对比和分析。

5. 高级应用技术在实验中，我还研究了数字图像处理中的一些高级应用技术，包括层次分割、边缘检测和形态学处理。

通过应用不同的算法和参数，我实现了图像区域分割、提取图像边缘和形态学形状变换等效果，评估处理结果的准确性和稳定性。

四、实验结果与分析通过对以上实验方法的实施，我获得了一系列处理后的图像，并进行了结果的比较和分析。

在灰度变换实验中，我发现线性变换对图像的对比度有较大影响，但对图像的细节变化不敏感；在空间域滤波实验中，平滑滤波可以有效降噪，但会导致图像细节损失，而锐化滤波可以增强图像的边缘效果，但也容易引入噪声；在频域滤波实验中，理想低通滤波对图像的模糊效果明显，而巴特沃斯低通滤波器可以在一定程度上保留图像的高频细节信息；在高级应用技术实验中，边缘检测和形态学处理对提取图像边缘和形状变换非常有效，但参数的选择会对结果产生较大影响。

数字图像处理实验报告(附答案解析)

实验一常用MATLAB图像处理命令一、实验目的1、熟悉并掌握MA TLAB工具的使用；2、实现图像的读取、显示、代数运算和简单变换。

二、实验环境MATLAB 6.5以上版本、WIN XP或WIN2000计算机三、常用函数●读写图像文件1 imreadimread函数用于读入各种图像文件，如：a=imread('e:\w01.tif')2 imwriteimwrite函数用于写入图像文件，如：imwrite(a,'e:\w02.tif',’tif’) 3 imfinfoimfinfo函数用于读取图像文件的有关信息，如：imfinfo('e:\w01.tif') ●图像的显示1imageimage函数是MATLAB提供的最原始的图像显示函数，如：a=[1,2,3,4;4,5,6,7;8,9,10,11,12];image(a);2 imshowimshow函数用于图像文件的显示，如：i=imread('e:\w01.tif');imshow(i);title（‘原图像’）%加上图像标题3 colorbarcolorbar函数用显示图像的颜色条，如：i=imread('e:\w01.tif');imshow(i);colorbar;4 figurefigure函数用于设定图像显示窗口，如：figure(1)； /figure(2)；5 subplot把图形窗口分成多个矩形部分，每个部分可以分别用来进行显示。

Subplot（m，n，p）分成m*n个小窗口，在第p个窗口中创建坐标轴为当前坐标轴，用于显示图形。

6 plot绘制二维图形plot（y）Plot（x，y）xy可以是向量、矩阵。

图像类型转换1 rgb2gray//灰色把真彩图像转换为灰度图像i=rgb2gray（j）2 im2bw//黑白通过阈值化方法把图像转换为二值图像I=im2bw（j，level）Level表示灰度阈值，取值范围0~1（即0.n），表示阈值取自原图像灰度范围的n%3 imresize改变图像的大小I=imresize（j，[m n]）将图像j大小调整为m行n列图像运算1 imadd两幅图像相加，要求同样大小，同种数据类型Z=imadd（x，y）表示图像x+y2 imsubstract两幅图像相减，要求同样大小，同种数据类型Z=imsubtract（x，y）表示图像x-y3 immultiplyZ=immultiply（x，y）表示图像x*y4 imdivideZ=imdivide（x，y）表示图像x/y5：m = imadjust(a,[,],[0.5;1]) ;%图像变亮n = imadjust(a,[,],[0;0.5]) ;%图像变暗g=255-a;%负片效果四、实验内容（请将实验程序填写在下方合适的位置，实验图像结果拷屏粘贴）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。

《数字图像处理》实验指导书

数字图像处理实验指导书电气信息工程系实验中心2008年8月目录实验一、数字图像获取实验二、图像的傅立叶变换实验三、图像增强实验四、图像压缩实验一、数字图像获取一、实验目的1．掌握使用扫描仪等数字化设备以及计算机获取数字图像的方法；2．修改图像的存储格式。

二、实验仪器1．计算机；2．扫描仪（或数码相机、数字摄像机）及其驱动程序盘；3．图像处理软件（画图，photoshop， Microsoft photo edit等）；4．记录用的笔、纸。

三、实验内容用扫描仪获取图像也是图像的数字化过程的方法之一，扫描仪按种类可以分为手持扫描仪，台式扫描仪和滚筒式扫描仪（鼓形扫描仪）。

扫描仪的主要性能指标有x、y方向的分辨率、色彩分辨率（色彩位数）、扫描幅面和接口方式等。

各类扫描仪都标明了它的光学分辨率和最大分辨率。

分辨率的单位是dpi，dpi是英文Dot Per Inch的缩写，意思是每英寸的像素点数。

扫描仪工作时，首先由光源将光线照在欲输入的图稿上，产生表示图像特征的反射光（反射稿）或透射光（透射稿）。

光学系统采集这些光线，将其聚焦在CCD上，由CCD将光信号转换为电信号，然后由电路部分对这些信号进行A/D转换及处理，产生对应的数字信号输送给计算机。

当机械传动机构在控制电路的控制下，带动装有光学系统和CCD的扫描头与图稿进行相对运动，将图稿全部扫描一遍，一幅完整的图像就输入到计算机中去了。

图1.1扫描仪的工作原理扫描仪扫描图像的步骤是:首先将欲扫描的原稿正面朝下铺在扫描仪的玻璃板上，原稿可以是文字稿件或者图纸照片；然后启动扫描仪驱动程序后，安装在扫描仪内部的可移动光源开始扫描原稿。

为了均匀照亮稿件，扫描仪光源为长条形，并沿y方向扫过整个原稿；照射到原稿上的光线经反射后穿过一个很窄的缝隙，形成沿x方向的光带，又经过一组反光镜，由光学透镜聚焦并进入分光镜，经过棱镜和红绿蓝三色滤色镜得到的RGB三条彩色光带分别照到各自的CCD上，CCD将RGB光带转变为模拟电子信号，此信号又被A/D变换器转变为数字电子信号。

数字图像处理实验报告通用

数字图像处理实验报告通用数字图像处理实验报告通用数字图像处理是现代科学技术发展过程中的一个重要方向，它广泛地涉及到了计算机、数学、物理、电子等多个学科。

数字图像处理实验是数字图像处理领域中不可或缺的重要研究手段之一。

为了更好地展示实验结果和数据，以下是数字图像处理实验报告通用模板，以供参考。

1. 实验目的本次实验的目的是掌握数字图像处理的基本概念、算法以及其应用，在实践中学习数字图像处理的基础操作和技巧。

通过实验，学生可以更深入地理解数字图像处理的原理，并掌握数字图像处理应用的方法和技术。

2. 实验原理数字图像处理是将数字信号处理和图像处理结合起来的技术。

主要基于数字通信和数字信号处理原理，将二维图像进行数字化，并对其进行处理，实现图像的获取、传输、分析和显示等功能。

3. 实验流程(1) 图像获取和预处理：获取需要处理的图像，并进行基本的预处理，包括降噪、锐化、自适应增强等。

(2) 图像增强：通过滤波、直方图均衡化、灰度拉伸等操作，增强图像的亮度、对比度等特征。

(3) 图像变换：包括几何变换（旋转、平移、缩放等）、色彩空间变换（RGB空间、HSV空间等）等。

(4) 特征提取和分类：从图像中提取出感兴趣的特征，进行分类判别、目标检测等。

(5) 结果展示和分析：将处理后的图像结果进行展示和分析，分析图像特征和处理效果。

4. 实验结果(1) 原始图像(2) 预处理后的图像(3) 增强后的图像(4) 变换后的图像(5) 提取出的特征及分类结果(6) 结果展示和分析5. 实验总结通过本次实验，我们对数字图像处理的基本概念、算法和应用有了更深的理解，并掌握了数字图像处理的基础操作和技巧。

对于未来的科学研究和工程技术领域，数字图像处理具有广泛的应用前景，我们有信心在这个领域不断深耕，为社会的发展进步做出更大的贡献。

数字图像处理实验四

数字图像处理实验四图像复原一、实验目的了解matlab有关图像复原的操作，如图像的读写，显示，加噪声，去噪声等。

二、实验要求1、使用不同模糊化方法对图像Lena进行模糊处理，对原图像及模糊化图像进行比较（注明模糊化的类型），并保存模糊图像。

(此题中所用的图像和保存的图像在Images文件夹中)I = imread('lena.tif'); %读入图像subplot(221);imshow(I);title('原始图像');H=fspecial('motion',30,45); %运动模糊PSFMotionBlur=imfilter(I,H); %卷积imwrite(MotionBlur,'运动模糊.tif'); %保存运动模糊图像subplot(222);imshow(MotionBlur);title('运动模糊图像');H=fspecial('disk',10); %圆盘状模糊PSFbulrred=imfilter(I,H);imwrite(bulrred,'圆盘状模糊.tif'); %保存圆盘状模糊图像subplot(223);imshow(bulrred);title('圆盘状模糊图像');H=fspecial('unsharp'); %钝化模糊PSFSharpened=imfilter(I,H);imwrite(Sharpened,'钝化模糊.tif'); %保存钝化模糊图像subplot(224);imshow(Sharpened);title('钝化模糊图像');原始图像运动模糊图像圆盘状模糊图像钝化模糊图像2、对图像Lena添加不同类型的噪声，对原图像及噪声图像进行比较（注明加入噪声的类型，及噪声参数），并保存噪声图像。