实验五 图像增强 空域滤波
计算机与信息工程学院综合性、设计性实验报告
一、 实验目的
1、进一步了解MatLab 软件
/语言，学会使用MatLab 对图像作滤波处理，掌握滤波算法，体会滤波效果。
2、了解几种不同滤波方式的使用和使用的场合，培养处理实际图像的能力。
二、实验设备与软件
1、 IBM-PC 计算机系统；
2、 MatLab 软件/语言包括图像处理工具箱(Image Processing Toolbox)；
3、 实验所需要的图片。
三、实验要求
1、完成对于给定图像+噪声，使用平均滤波器、中值滤波器对不同强度的高斯噪声和椒盐噪声进行滤波处理；
2、能够正确地评价处理的结果；
3、能够从理论上作出合理的解释。
四、实验内容与步骤
1、调入并显示原始图像Sample2-1.jpg 。
2、 利用imnoise 命令在图像Sample2-1.jpg 上加入高斯(gaussian) 噪声
3、利用预定义函数fspecial 命令产生平均(average)滤波器
111191111---????--????---?
?
4、分别采用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观察不同噪声水平下，上述滤波器处理的结果；
5、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，观察上述滤波器处理的结果。
6、利用imnoise 命令在图像Sample2-1.jpg 上加入椒盐噪声(salt & pepper)
7、重复3)~ 5）的步骤
8、输出全部结果并进行讨论。
M文件如下：
I=imread('electric.tif');
%J = imnoise(I,'gauss',0.02); %添加高斯噪声
J = imnoise(I,'salt & pepper',0.02); %(注意空格) %添加椒盐噪声ave1=fspecial('average',3); %产生3×3的均值模版
ave2=fspecial('average',5); %产生5×5的均值模版
K = filter2(ave1,J)/255; %均值滤波3×3
L = filter2(ave2,J)/255; %均值滤波5×5
M = medfilt2(J,[3 3]); %中值滤波3×3模板
N = medfilt2(J,[4 4]); %中值滤波4×4模板
imshow(I);title('原图像');
figure,imshow(J);title('添加"高斯"噪声后的图像');
%figure,imshow(J);title('添加"椒盐"噪声后的图像');
figure,imshow(K);title('均值滤波3×3');
figure,imshow(L);title('均值滤波5×5');
figure,imshow(M);title('中值滤波3×3模板');
figure,imshow(N);title('中值滤波4×4模板');
说明：运行时分两次进行，第一次观察高斯噪声把相应的椒盐噪声注释掉，如上面所示，第二次观察椒盐噪声时把相应的高斯噪声注释掉。
运行结果：
1、高斯噪声：
五、结果分析与总结
1、经过上面的处理后发现中值滤波器对椒盐噪声滤除效果很好，而对高斯噪声滤除效果却不是很好。
2、用平均滤波器时5x5的模板比起3x3的模板噪声滤除效果要好，但细节丢失较多。
实验四 图像增强和滤波实验
实验四图像增强和滤波实验 一．实验目的： 掌握基本的图像增强方法，观察图像增强的效果，加深对灰度直方图的理解。掌握基本的图像滤波方法，观察图像滤波的效果。 二．实验内容：对比度增强，灰度变换，直方图均衡化，图像滤波对给定的灰度的数字图像（图像文件名分别为cameraman.tif，rice.tif和pout.tif）进行如下处理： （1）统计原图像的灰度直方图，并利用直方图均衡化处理进行图像增强， 同屏显示处理前后图像及其灰度直方图，比较异同，并回答数字图像均衡化后其直方图分布情况。 （2）利用图像调整函数（直接灰度调整方法）进行图像增强，同屏显示处理前后图像及其灰度直方图，比较异同，并回答数字图像均衡化后其直方图分布情况。
（3）利用函数IMNOISE ，在图像（LENA256.BMP ）上分别叠加高斯噪声(gaussian)和椒盐噪声(salt&peppers)，对比高斯低通滤波器和均值滤波器的性能。 对上述实验内容，自己创造性地设计实验，得出有意义的结论。 (a)原始图像 （b ）原始直方图 (c)均衡化后的直方图 （d ）均衡化后的图像
图叠加高斯噪声图图叠加椒盐噪声图 三．实验中用到的函数： 1．图像直方图可用函数imhist创建； 2．直方图均衡化(histogram equalization)函数：histeq； 可以实现强度值调整的自动完成 3．图像调整函数：imadjust； 强度（灰度）调整技术是将图像的强度值映射为一个新的数值范围中的一种方法。 4．Subplot函数：在同一窗口里同时显示几副图时，用来划分窗口的函数5．图像中加入噪声函数imnoise IMNOISE Add noise to image. J = IMNOISE(I,TYPE,...) Add noise of a given TYPE to the intensity image I. TYPE is a string that can have one of these values: 'gaussian' Gaussian white noise with constant mean and variance
实验三 图像增强
实验三 图像增强—直方图变换 一、 实验目的 1．掌握灰度直方图的概念及其计算方法； 2．熟练掌握直力图均衡化和直方图规定化的计算过程； 3．熟练掌握空域滤波中常用的平滑和锐化滤波器； 4．利用MATLAB 程序进行图像增强。 二、 实验内容 1打开计算机，启动MATLAB 程序；输入待处理的图像文件； 2调入数字图像，并进行图像均衡化处理； 3显示原图像的直方图和经过均衡化处理过的图像直方图。 4.利用imnoise 命令在图像上加入高斯(gaussian) 噪声 5.利用预定义函数fspecial 命令产生平均(average)滤波器 111191111---????--????---? ? 6.分别采用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观察不同噪声水平下，上述滤波器处理的结果； 7.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，观察上述滤波器处理的结果。 8.利用imnoise 命令在图像上加入椒盐噪声(salt & pepper) 9.重复c)~ e ）的步骤 10输出全部结果并进行讨论。 11.记录和整理实验报告 三、 思考题 1． 直方图是什么概念？它反映了图像的什么信息？ 答：直方图是灰度级数的函数，反映了图像中具有该灰度级数的像素的个数。 2．直方图均衡化是什么意思？它的主要用途是什么？均衡化后的图像有什么特点？ 3. 简述高斯噪声和椒盐噪声的特点。 4. 结合实验内容，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？ 5. 结合实验内容，定性评价滤波窗口对去噪效果的影响？
实验一图像增强实验
实验一图像增强实验 实验目的：1.掌握图像增强的算法 2.学习利用MATLAB进行图像的增强 实验内容：1.图像的点操作、邻域操作算法 2.图像的直方图处理算法 实验步骤： 1.读入图像，用MATLAB函数实现图像读入 （1）启动MATLAB （2）在命令行窗口直接输入MATLAB命令，按“回车”键后执行（3）读入命令和显示命令分别为 imread 和 imshow （4）如A=imread('D:\上官军\medical image\woman.jpg') Imshow (A) 结果显示
2.实现图像点操作运算（gamma校正和对数校正）（1）根据图像线形变换三种形式，图像反转 S=L-1-r 、对数变换S=c*log(1+r) 、幂次变换 S=c*r .^γ编写图像点操作函数 （2）建立新的M文件，点操作函数代码如下： function s=dian(r,leixing,chengshu,gamma1) % r为处理图像，leixing为操作类型 s1=imread(r); s2=im2double(s1); %将图像转为double数据型 switch leixing case 'fanzhuan' s=1-s2; case 'duishu' s=chengshu*log(1+s2); case 'gamma' s=chengshu*s2.^gamma1; otherwise error('错误') end subplot(1,2,1), imshow(s1); subplot(1,2,2),imshow(s);
（3）实际操作，如反转： Y=dian('D:\上官军\medical image\woman.jpg','fanzhuan',1,1); 3.图像邻域处理 （1）图像邻域处理是通过设计相应的滤波器来处理相邻图像像素，主要为均值滤波器、中指滤波器、高斯滤波器等 （2）建立新的M文件，均值滤波函数代码如下： function d=avefilt(x,n) a(1:n,1:n)=1; %a即n×n模板,元素全是1 p=size(x);
实验四图像增强
信息工程学院实验报告 课程名称：数字图像处理Array 实验项目名称：实验四图像增强实验时间：2016.11.08 班级：：学号： 一、实验目的 1.了解图像增强的目的及意义，加深对图像增强的感性认识，巩固所学理论知识。 2. 掌握图像空域增强算法的基本原理。 3. 掌握图像空域增强的实际应用及MATLAB实现。 4. 掌握频域滤波的概念及方法。 5. 熟练掌握频域空间的各类滤波器。 6.掌握怎样利用傅立叶变换进行频域滤波。 7. 掌握图像频域增强增强的实际应用及MATLAB实现。 二、实验步骤及结果分析 1. 基于幂次变换的图像增强 程序代码： clear all; close all; I{1}=double(imread('fig534b.tif')); I{1}=I{1}/255; figure,subplot(2,4,1);imshow(I{1},[]);hold on I{2}=double(imread('room.tif')); I{2}=I{2}/255; subplot(2,4,5);imshow(I{2},[]);hold on for m=1:2 Index=0; for lemta=[0.5 5] Index=Index+1; F{m}{Index}=I{m}.^lemta; subplot(2,4,(m-1)*4+Index+1),imshow(F{m}{Index},[]) end end 执行结果：
图1 幂次变换增强结果 实验结果分析： 由实验结果可知，当r<1时，黑色区域被扩展，变的清晰；当r>1时，黑色区域被压缩，变的几乎不可见。 2.直方图规定化处理 程序代码： clear all clc close all %0.读图像 I=double(imread('lena.tiff')); subplot(2,4,1); imshow(I,[]); title('原图') N=32; Hist_image=hist(I(:),N); Hist_image=Hist_image/sum(Hist_image); Hist_image_cumulation=cumsum(Hist_image);%累 计直方图 subplot(245); stem(0:N-1,Hist_image); title('原直方图'); %1.设计目标直方图 Index=0:N-1; %正态分布直方图 Hist{1}=exp(-(Index-N/2).^2/N); Hist{1}=Hist{1}/sum(Hist{1}); Hist_cumulation{1}=cumsum(Hist{1}); subplot(242); title('规定化直方图1'); %倒三角形状直方图 Hist{2}=abs(2*N-1-2*Index); Hist{2}=Hist{2}/sum(Hist{2}); Hist_cumulation{2}=cumsum(Hist{2}); subplot(246); stem(0:N-1,Hist{2}); title('规定化直方图2'); %2. 规定化处理 Project{1}=zeros(N); Project{2}=zeros(N); Hist_result{1}=zeros(N); Hist_result{2}=zeros(N); for m=1:2 Image=I; %SML处理(SML,Single Mapping Law单映射规则 for k=1:N Temp=abs(Hist_image_cumulation(k)-Hist_cumulati on{m}); [Temp1,Project{m}(k)]=min(Temp); end %2.2 变换后直方图 for k=1:N
图像的对比度增强
图像的对比度增强 1.原理 增强图像对比度实际是增强原图的各部分的反差。实际中往往是通过增强原图里某两个灰度值间的动态范围来实现的。我选用的是书本上最典型的图像增强对比度。 如图所示，可以看出通过这样一个变换，原图中灰度值在0到1s 和2s 到L-1间的动态 范围减小了，而原图中灰度值在1s 和2s 间的动态范围增强了，从而这个范围内的对比度增 强了。实验中我选用的数值是s1=50,s2=120,t1=60,t2=100。 2.代码 void CImageProcessingDoc::OnImageContrast() { m_pDibInit->Save("r_temp1.bmp"); // TODO: Add your command handler code here int i,j; //循环变量 int m_Width, m_Height, m_SaveWidth; int t[256]={0},s[256]={0}; double s1=50,s2=120,t1=60,t2=100; m_Width = m_pDibInit->GetWidth(); m_Height = m_pDibInit->GetHeight(); m_SaveWidth = m_pDibInit->GetSaveWidth(); for(j=0;j
实验二-图像增强处理实习报告
实验二图像增强处理实习报告 1.实验目的和内容 1.1.实验目的 掌握图像合成和显示增强的基本方法，理解存储的图像数据与显示的图像数据之间的1.2.实验要求 熟练根据图像中的地物特征进行图像合成显示、拉伸、图像均衡化等显示增强操作。 理解直方图的含义，能熟练的利用直方图进行多波段的图像显示拉伸增强处理。 1.3.软件和数据 ENVI 软件。 TM 图像数据。上次实验合成后的图像数据文件AA。 1.4.实验内容 图像的彩色合成显示 图像的基本拉伸方法 图像均衡化方法 图像规定化 2.实验过程 通过合成和拉伸增强显示图像中的信息。 2.1.图像合成 图像合成方法：伪彩色合成、彩色合成两种方式。其中彩色合成包括：真彩色合成、假彩色合成、模拟真彩色合成。 操作： 使用（4，3，2）进行RGB 合成显示图像。图像窗口为#1。
移动图像窗口的红色选框到玄武湖，将光标十字放在红框内，双击，显示光标位置窗口。该窗口中出现了Scrn 和Data，二者后面的RGB 的值是不同的。
2.1.1伪彩色合成 在新的窗口显示第4 波段图像，窗口为#2。
操作： 菜单：窗口菜单Tools-Color Mapping-Density slice…，选择Band 4，确定。在“Density Slice”窗口中，点击“应用”按钮，窗口#2 的图像变成了彩色。
设置默认的分级数为3 个：在“Density Slice”窗口，点击Options-Set number of default range,输入3，确定。点击Options-Apply default range，点击Apply 按钮。查看窗口#2 内的变化。
实验二数字图像频域增强-研究生(1)
实验二：数字图像频域增强实验指导书 一、实验目的 （1）了解离散傅立叶变换的基本原理及其性质； （2）掌握应用MATLAB语言进行FFT及逆变换的方法； （3）了解图象在频域中处理方法，应用MATLAB语言作简单的低通及高通滤波器。 二、实验要求 （1）读入数字图像，并利用MATLAB对其进行傅立叶变换，并显示其频谱图像；对该图像进行平移、旋转和放大（或缩小）操作，记录其频谱图像并分析。实验用图像自行选择。 实验1数据记录可类似下表 输入图像FFT变换频谱图像 （2）读入数字图像，为该图像添加高斯以及椒盐噪声，利用巴特沃斯低通滤波器，高斯低通滤波器对一受噪声污染图像做处理，记录滤波后的频谱图像，再作反变换，记录处理后的新图像。设定不同截止频率参数，重复一次实验。 （3）读入数字图像，设计实现巴特沃斯高通滤波器和高斯高通滤波器，记录滤波后的频谱图像，再作反变换，记录处理后的新图像。设定不同截止频率参数，重复一次实验。 实验2,3数据记录可类似下表： 输入图像滤波器截至频率处理后频谱图像反变换后图像 三、提交作业要求 内容包括：实验1~3记录的数据（格式见如上实验要求），对应的matlab代码，以及对实验过程和结果进行分析及总结。
参考MATLAB代码： clear; I1=imread('eight.tif'); figure;subplot(2,2,1); imshow(I1);title('原始图像'); I2=imnoise(I1,'salt & pepper'); subplot(2,2,2); imshow(I2);title('噪声图像'); f=double(I2); g=fft2(f); %执行fft变换 g=fftshift(g); %移相 [N1,N2]=size(g); n=5; d0=50; %截至频率 n1=fix(N1/2); n2=fix(N2/2); for i=1:N1 for j=1:N2 d=sqrt((i-n1)^2+(j-n2)^2); h=1/(1+(d/d0)^(2*n)); % d0即为截至频率 result(i,j)=h*g(i,j); %相乘 end end result1=ifftshift(result); %反移相 X2=ifft2(result1); %反变换 X3=uint8(real(X2)); figure(); subplot(2,2,1); imshow(X3); title('巴特沃斯滤波器图像'); subplot(2,2,2); result=log(0.000001+abs(result)); imshow(result,[]),colorbar; title('巴特沃斯滤波函数'); figure(); subplot(2,2,1); g=log(0.000001+abs(g)); imshow(g,[]),colorbar; title('原始图像的傅立叶变换');
数字图像处理实验报告--直方图均衡化
数字图像处理实验报告 实验名称：直方图均衡化 ： 班级： 学号： 专业：电子信息工程（2+2） 指导教师：华华 实验日期：2012年5月24日
直方图均衡化 图像对比度增强的方法可以分成两类:一类是直接对比度增强方法;另一类是间接对比度增强方法。直方图均衡化是最常见的间接对比度增强方法。直方图均衡化则通过使用累积函数对灰度值进行“调整”以实现对比度的增强。 直方图均衡化处理的“中心思想”是把原始图像的灰度直方图从比较集中的某个灰度区间变成在全部灰度围的均匀分布。直方图均衡化就是对图像进行非线性拉伸，重新分配图像像素值，使一定灰度围的像素数量大致相同。直方图均衡化就是把给定图像的直方图分布改变成“均匀”分布直方图分布。 缺点： 1）变换后图像的灰度级减少，某些细节消失； 2）某些图像，如直方图有高峰，经处理后对比度不自然的过分增强。 直方图均衡化是图像处理领域中利用图像直方图对对比度进行调整的方法。 这种方法通常用来增加许多图像的局部对比度，尤其是当图像的有用数据的对比度相当接近的时候。通过这种方法，亮度可以更好地在直方图上分布。这样就可以用于增强局部的对比度而不影响整体的对比度，直方图均衡化通过有效地扩展常用的亮度来实现这种功能。 直方图均衡化的基本思想是把原始图的直方图变换为均匀分布的形式，这样就增加了象素灰度值的动态围从而可达到增强图像整体对比度的效果。设原始图像在(x，y)处的灰度为f，而改变后的图像为g，则对图像增强的方法可表述为将在(x，y)处的灰度f映射为g。在灰度直方图均衡化处理中对图像的映射函数可定义为:g = EQ (f)，这个映射函数EQ(f)必须满足两个条件(其中L为图像的灰度级数): (1)EQ(f)在0≤f≤L-1围是一个单值单增函数。这是为了保证增强处理没有打乱原始图像的灰度排列次序，原图各灰度级在变换后仍保持从黑到白(或从白到黑)的排列。 (2)对于0≤f≤L-1有0≤g≤L-1，这个条件保证了变换前后灰度值动态围的一致性。 累积分布函数即可以满足上述两个条件，并且通过该函数可以完成将原图像f的分布转换成g的均匀分布。此时的直方图均衡化映射函数为: gk = EQ(fk) = (ni/n) = pf(fi) ， (k=0，1，2，……，L-1) 上述求和区间为0到k，根据该方程可以由源图像的各像素灰度值直接得到直方图均衡化后各像素的灰度值。在实际处理变换时，一般先对原始图像的灰度情况进行统计分析，并计算出原始直方图分布，然后根据计算出的累计直方图分布求出fk到gk的灰度映射关系。在重复上述步骤得到源图像所有灰度级到目标图像灰度级的映射关系后，按照这个映射关系对
数字图像处理实验五
数字图像处理 实验 实验五：图像增强-空域滤波 学院：信息工程学院 姓名： 学号： 专业及班级： 指导教师：
一、 实验目的 进一步了解MatLab 软件/语言，学会使用MatLab 对图像作滤波处理，使学生有机会掌握滤波算法，体会滤波效果。 了解几种不同滤波方式的使用和使用的场合，培养处理实际图像的能力，并为课堂教学提供配套的实践机会。 二、 实验内容 (1)学生应当完成对于给定图像+噪声，使用平均滤波器、中值滤波器对不同强度的高斯噪声和椒盐噪声，进行滤波处理；能够正确地评价处理的结果；能够从理论上作出合理的解释。 (2)利用MATLAB 软件实现空域滤波的程序： I=imread('electric.tif'); J = imnoise(I,'gauss',0.02); %添加高斯噪声 J = imnoise(I,'salt & pepper',0.02); %添加椒盐噪声 ave1=fspecial('average',3); %产生3×3的均值模版 ave2=fspecial('average',5); %产生5×5的均值模版 K = filter2(ave1,J)/255; %均值滤波3×3 L = filter2(ave2,J)/255; %均值滤波5×5 M = medfilt2(J,[3 3]); %中值滤波3×3模板 N = medfilt2(J,[4 4]); %中值滤波4×4模板 imshow(I); figure,imshow(J); figure,imshow(K); figure,imshow(L); figure,imshow(M); figure,imshow(N); 三、实验具体实现 a) 调入并显示原始图像Sample2-1.jpg 。 b) 利用imnoise 命令在图像Sample2-1.jpg 上加入高斯(gaussian) 噪声 c)利用预定义函数fspecial 命令产生平均(average)滤波器 111191111---????--????---? ? d ）分别采用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观察不同噪声水平下，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，观察上述滤波器处理的结果。 f ）利用imnoise 命令在图像Sample2-1.jp g 上加入椒盐噪声(salt & pepper)
图像处理实验-图像增强和图像分割
图像处理实验 图像增强和图像分割 一、实验目的： 掌握用空间滤波进行图像增强的基本方法，掌握图像分割的基本方法。 二、 实验要求： 1、测试图像1中同时含有均值为零的均匀分布噪声和椒盐噪声。用大小为5×5的算术均值滤波器和中值滤波器对图像进行处理，在不同窗口中显示原图像及各处理结果图像，并分析哪一种滤波器去噪效果好？ 2、对测试图像2进行图像分割，求出分割测试图像2的最佳阈值。分别显示原图、原图的直方图（标出阈值）、和分割后的二值图。 实验内容： 1. 实验原理 1) 图像增强：流程图： 图像增强可以通过滤波的方式来完成，即消除一部分的噪声。滤波又可以分为均值滤波和中值滤波。 1. 中值滤波原理：中值滤波就是选用一个含有奇数个像素的滑动窗口，将该窗口在图像上扫描，把其中所含像素点按灰度级的升（或降）序排列，取位于中间的灰度值来代替窗口中心点的灰度值。
对于一维序列{N f }： 21,},...,,...,{-=∈=+-m u N i f f f M e d y u i i u i i 对于二维序列{ij F }：为滤波窗口W y ij F Med W ij }{= 2. 均值滤波原理：对于含噪声的原始图像g(s,t)的每一个像素点去一个领 域N ，用N 中所包含的相速的灰度平均值，作为领域平均处理后的图像f(x,y)的像素值，即： ∑∈=xy S t s t s g mn y x f ),(),(1),(? 2) 图像分割： 图像分割：依据图像的灰度、颜色等特征，将一幅图像分为若干个互不重叠的、具有某种同质特征的区域。
本实验中我们是根据灰度值，将灰度值大于阈值T的像素统一置为255，小于的则置为0。如何求出最合适的分割阈值，则需要用到迭代算法。 迭代法算法步骤： (1) 初始化阈值T (一般为原图像所有像素平均值)。 (2) 用T分割图像成两个集合：G1 和G2，其中G1包含所有灰度值小于T的像素，G2包含所有灰度值大于T的像素。 (3) 计算G1中像素的平均值m1及G2中像素的平均值m2。 (4) 计算新的阈值：T ＝（m1＋m2）/2 。 (5）如果新阈值跟原阈值之间的差值小于一个预先设定的范围，停止循环，否则继续（2）－（4）步。 2.程序代码与分析： 1)图像增强： clear all;clc; %读入图像 I1=imread('Fig5.12(b).jpg'); %均值滤波模板 h1=ones(5,'uint8'); %获取分辨率 [a,b]=size(I1); %创建变量 I2=zeros(a+4,b+4,'uint8'); I3=zeros(a+4,b+4,'uint8'); %复制原始图像 for n=3:a+2 for m=3:b+2 I2(n,m)=I1(n-2,m-2); I3(n,m)=I1(n-2,m-2); end end
数字图像处理实验报告(空间域图像增强)
实验报告 实验名称空间域图像增强课程名称数字图像处理 姓名成绩 班级学号 日期地点
1.实验目的 （1）了解空间域图像增强的各种方法（点处理、掩模处理）； （2）通过编写程序掌握采用直方图均衡化进行图像增强的方法； （3）使用邻域平均法编写程序实现图像增强，进一步掌握掩模法及其改进（加门限法）消除噪声的原理； （4）总结实验过程（实验报告，左侧装订）：方案、编程、调试、结果、分析、结论。 2.实验环境（软件、硬件及条件） Windws7 MATLAB 6.x or above 3.实验方法 对如图4.1所示的两幅128×128、256级灰度的数字图像fing_128.img和cell_128.img 进行如下处理： （1）对原图像进行直方图均衡化处理，同屏显示处理前后图像及其直方图，比较异同， 并回答为什么数字图像均衡化后其直方图并非完全均匀分布。 （2）对原图像加入点噪声，用4-邻域平均法平滑加噪声图像（图像四周边界不处理，下同），同屏显示原图像、加噪声图像和处理后的图像。 ①不加门限； ②加门限T=(1/2)*avg(f(m,n)), 其中avg（f(m,n)=(1/N^2)*f(i,j)） 本次实验中的第一题，是对图像进行直方图统计和均衡化，在Matlab中有imhist()函数和histeq()函数直接调即可获得相应结果，代码如下： close all; clear all; fid=fopen('cell_128.img','r'); image1=fread(fid,[128,128],'uint8'); image1=uint8(image1); fclose(fid); subplot(2,2,1); %显示原图像 imshow(image1,[]); title('原图像'); subplot(2,2,2); %统计图像直方图 imhist(image1); title('原图像直方图');
实验五 图像增强 空域滤波
计算机与信息工程学院综合性、设计性实验报告 一、 实验目的 1、进一步了解MatLab 软件 /语言，学会使用MatLab 对图像作滤波处理，掌握滤波算法，体会滤波效果。 2、了解几种不同滤波方式的使用和使用的场合，培养处理实际图像的能力。 二、实验设备与软件 1、 IBM-PC 计算机系统； 2、 MatLab 软件/语言包括图像处理工具箱(Image Processing Toolbox)； 3、 实验所需要的图片。 三、实验要求 1、完成对于给定图像+噪声，使用平均滤波器、中值滤波器对不同强度的高斯噪声和椒盐噪声进行滤波处理； 2、能够正确地评价处理的结果； 3、能够从理论上作出合理的解释。 四、实验内容与步骤 1、调入并显示原始图像Sample2-1.jpg 。 2、 利用imnoise 命令在图像Sample2-1.jpg 上加入高斯(gaussian) 噪声 3、利用预定义函数fspecial 命令产生平均(average)滤波器 111191111---????--????---? ?
4、分别采用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观察不同噪声水平下，上述滤波器处理的结果； 5、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，观察上述滤波器处理的结果。 6、利用imnoise 命令在图像Sample2-1.jpg 上加入椒盐噪声(salt & pepper) 7、重复3)~ 5）的步骤 8、输出全部结果并进行讨论。 M文件如下： I=imread('electric.tif'); %J = imnoise(I,'gauss',0.02); %添加高斯噪声 J = imnoise(I,'salt & pepper',0.02); %(注意空格) %添加椒盐噪声ave1=fspecial('average',3); %产生3×3的均值模版 ave2=fspecial('average',5); %产生5×5的均值模版 K = filter2(ave1,J)/255; %均值滤波3×3 L = filter2(ave2,J)/255; %均值滤波5×5 M = medfilt2(J,[3 3]); %中值滤波3×3模板 N = medfilt2(J,[4 4]); %中值滤波4×4模板 imshow(I);title('原图像'); figure,imshow(J);title('添加"高斯"噪声后的图像'); %figure,imshow(J);title('添加"椒盐"噪声后的图像'); figure,imshow(K);title('均值滤波3×3'); figure,imshow(L);title('均值滤波5×5'); figure,imshow(M);title('中值滤波3×3模板'); figure,imshow(N);title('中值滤波4×4模板'); 说明：运行时分两次进行，第一次观察高斯噪声把相应的椒盐噪声注释掉，如上面所示，第二次观察椒盐噪声时把相应的高斯噪声注释掉。 运行结果： 1、高斯噪声：
数字图像处理图像增强实验报告
实验报告 班级：08108班 姓名：王胤鑫 09号学号：08210224
一、实验内容 给出噪声图像Girl_noise.jpg，请选择合适的图像增强算法，给出你认为最优的增强后的图像。 可以使用Matlab - Image Processing Toolbox 中的处理函数。 原始图像如下： 二、算法分析 对于给出的图像中有灰色的噪声，因此首先处理灰色的线条，根据其方差的大小来判断其所在行。对于两条白色的噪声，根据与前后两行的对比来判断其所在位置。程序中设定灰色线条处理的均方差门限为0.1，白线处理的标准为与前后两行的差值超过0.2（转换为double型）。滤除噪声之后再通过中值滤波、拉普拉斯图像增强等方式对图像进行处理。 三、matlab 源程序 clear all;clc; f=imread('girl_noise.jpg'); figure,imshow(f),title('原始图像'); [m,n]=size(f); f0= im2double(f); % 整型转换为 double 类 f1=f0; std_i=zeros(1,m-2); %灰线处理 for i=2:m-1 %灰线处理 std_i(i-1)=std(f0(i,:)); if(std_i(i-1)<0.1) for j=1:m f0(i,j)=(f0(i-1,j)+f0(i+1,j))/2; end
end end figure,imshow(f0),title('滤除灰线后的图像'); fz=f0-f1; [r,c]=find(fz~=0);%寻找灰线噪声的位置 f2=f0; change=0; count=0; for i=3:m-2 %白线处理 for j=1:m if(abs(f0(i,j)-f0(i-1,j))>0.2&&abs(f0(i,j)-f0(i+1,j))>0.2) count=count+1; end if(count>n*0.8) count=0; change=1; break; end end if(change==1) for k=1:m f0(i,k)=(f0(i-1,k)+f0(i+1,k))/2; end change=0; count=0; end end figure,imshow(f0),title('滤除白线后的图像'); fz1=f2-f0; [r1,c1]=find(fz1~=0); %寻找白线噪声的位置 fn = medfilt2(f0); %反射对称填充 figure, imshow(fn),title('中值滤波后的图像'); f0 = im2double(fn); % 整型转换为 double 类 g =2*f0- imfilter(f0,w4, 'replicate'); % 增强后的图像 figure, imshow(g),title('高提升滤波图像(A=2)');
实验六 遥感影像增强处理
实验六遥感影像增强处理 实习目的：掌握常用的遥感影像增强处理的方法。 实习内容：遥感影像空间、辐射、光谱增强处理的主要方法 空间增强：包括卷积增强处理、纹理分析、自适应滤波等 辐射增强：LUT拉伸处理、直方图均衡化处理、直方图匹配、亮度反转处理等 光谱增强：主成份变换、缨帽变换、色彩变换、指数计算等 图像增强是改善图像质量、增加图像信息量、加强图像判读和识别效果的图像处理方法。图像增强的目的是针对给定图像的不同应用，强调图像的整体或局部特性，将原来不清晰的图像变得清晰或增强某些感兴趣区域的特征，扩大图像中不同物体特征之间的差别，满足某些特殊分析的需要。图像增强的途径是通过一定的手段对原图像附加一些信息或变换数据，有选择的突出图像中感兴趣区域的特征或抑制图像中某些不需要的特征。图像增强的方法包括空间域增强和频率域增强两类。空间域增强包括空间增强、辐射增强和光谱增强。在实际运用中，不是所有的图象增强处理方法都要用到，具体采用哪种图象增强处理方法，视具体的研究区域，研究内容和对象而定。 1．图像解译功能简介（Introduction of Image Interpreter） 利用ERADS IMAGINE 进行图像增强主要采用ERADS IMAGINE的图像解译器（Image Interpreter）模块，该模块包含了50多个用于遥感图像处理的功能模块，这些功能模块在执行过程中都需要通过各种按键或对话框定义参数，多数功能都借助模型生成器（Model Maker）建立了图形模型算法，容易调用或编辑。 图像解译器(Image Interpreter或Interpreter)，可以通过两种途径启动：ERDAS图标面板菜单条： Main/Image Interpreter--Image Interpreter 菜单 ERDAS图标面板工具条：点击Interpreter图标一Image Interpreter菜单
数字图像实验三图像增强
实验三、图像增强 一、实验目的 （1）熟悉并学会使用MATLAB中图像增强的相关函数。 （2）掌握图像灰度修正、平滑去噪、锐化加强边缘和轮廓的方法，并编程实现。 二、实验主要仪器设备 （1）台式机或笔记本电脑。 （2）MATLAB软件（含图像处理工具箱）。注意：由于软件版本的缘故，软件的界面可能有所差异，读者可以根据实际安装的软件选择相关的命令。 （3）典型的灰度、彩色图像文件。 三、实验原理 数码相机的曝光量指到达DC感光器件上的光线总量，用曝光值（EV）表示。图像的过度曝光、曝光不足时，用曝光补偿调节曝光量，这种功能可修正自动曝光设置值为上升或下降几级。例如，某些DC的EV调整范围为+3~0~-3。尝试对同一景象进行正确曝光、过度曝光和曝光不足三种情况成像情况。 （1）将一幅图像视为一个二维矩阵，用MATLAB进行图像增强。 （2）利用MATLAB图像处理工具箱中的函数imread（读入），imshow（显示），imnoise （加噪），filter2（滤波）对图像进行去噪处理。 （3）图像灰度修正：灰度变换。对不满意的图像通过线性或非线性灰度映射关系进行变换，其效果可以得到明显提高。通过分析，会发现变换前后图像的直方图 也发生相应的变化。 （4）图像平滑方法：领域平均、中值滤波。分析图像降质的性质，区分平稳性还是非平稳型、加性还是乘性等，采用合适的去噪方法，可以去除或降低噪声对图 像的影响。从频率域看，平均操作在降低噪声的同时衰减了图像的高频分量， 会影响图像细节的重现。中值滤波对某些信号具有不变形，适用于消除图像中 的突发干扰，但如果图像含有丰富的细节，则不宜使用。 （5）图像锐化方法：人眼对目标的边缘和轮廓较为敏感，对图像进行锐化，有助于突出图像的这些特征。从频率域看，锐化提升了图像的高频分量。 四、实验内容 MATLAB图像增强：①图像灰度修正；②图像平滑方法；③图像锐化方法。 五、实验步骤 MATLAB图像增强。 （1）图像灰度修正。测试图像为pout.tif、tire.tif。读入一幅灰度级分布不协调的图像，分析其直方图。根据直方图，设计灰度变换表达式，或调用imadjuct函数。调 整变换表达式的参数，直到显示图像的灰度级分布均衡为止。 （2）不均匀光照的校正。测试图像为pout.tif。采用分块处理函数blkproc和图像相减函数imsubtract校正图6.6存在的不均匀光照现象。 （3）三段线性变换增强。测试图像为eight.tif。选择合适的转折点，编程进行三段线
(整理)实验三 频域增强.
实验三傅里叶变换及频域增强 一．实验内容： 1、傅里叶变换性质 2、低通滤波 3、高通滤波 二．实验目的： 1、理解傅里叶变换的原理，掌握傅里叶变换的性质 2、掌握频域平滑原理，学会用理想低通滤波器、Butterworth低通 滤波器、高斯低通滤波器进行图像处理。 3、掌握频域锐化原理，学会用理想高通滤波器、Butterworth高通 滤波器、高斯高通滤波器进行图像处理。 三．实验步骤： 一、傅里叶变换性质 1．首先构造一幅黑白二值图像，在128×128的黑色背景中心产生一个4×4的白色方块，对其进行傅里叶变换；(Matlab中用fft2实现2D傅里叶变 换) 2．把低频分量移到图象中心，而把高频分量移到四个角上；（方法有两种：其一，在FT以前对测试图象逐点加权(-1)^(i+j);其二，利用FFTSHIFT 函数）； 3．利用图象增强中动态范围压缩的方法增强2DFT；（Y＝C*log（1＋abs （X))）； 4．构造一幅黑白二值图像，在128×128的黑色背景中令第32行至36行、第32列至第36列的值为1（即产生一个4×4的白色方块），对其进行傅 里叶变换； 5．将上图旋转300，再进行傅里叶变换(imrotate)
6．构造二幅黑白二值图像，在128×128的黑色背景中分别令第60行至68行、第60列至第68列的值为1，第64行至65行、第64列至第65列的值为1产生两幅图像，分别对这两幅图像进行傅里叶变换 程序如下： clear all; close all; clc; f=zeros(128); f(63:66,63:66)=1; g=fft2(f); m=fftshift(g); y=log(1+abs(m)); f1=zeros(128); f1(32:36,32:36)=1; h=fft2(f1); i=imrotate(h,30); j=fft2(i); f2=zeros(128); f2(60:68,60:68)=1; k=fft2(f2); f3=zeros(128); f3(64:65,64:65)=1; l=fft2(f3); figure;%1 subplot(2,2,1);imshow(f);title('template f'); subplot(2,2,2);imshow(g);title('g=fft2(f)'); subplot(2,2,3);imshow(m);title('m=fftshift(g)'); subplot(2,2,4);imshow(y);title('y=log(1+abs(m))'); figure;%2
matlab中的图像增强实验附程序代码
图像增强实验
一：试验目的 熟悉并掌握数字图像空域增强：空域变换增强，空域滤波增强 二：实验内容 （1）直方图均衡化进行图像增强代码： imag=imread('pout.tif'); imag=im2double(imag); subplot(2,2,1);imshow(imag);title('原始图像'); subplot(2,2,2);imhist(imag);title('原始图像的直方图'); imag1=histeq(imag); subplot(2,2,3);imshow(imag1);title('直方图均衡化后的图像'); subplot(2,2,4);imhist(imag1);title('直方图均衡化后的图像的直方图'); 直方图均衡化进行图像增强效果图 （2）对图像加入椒盐噪声，并分别用中值滤波和自适应的方法进行去噪处理的代码： imag2=imnoise(imag,'salt',0.02); imag3=medfilt2(imag2); imag4=wiener2(imag2); subplot(2,2,1);imshow(imag);title('原始图像'); subplot(2,2,2);imshow(imag2);title('加入椒盐噪声后的图像'); subplot(2,2,3);imshow(imag3);title('进行中值滤波后的图像'); subplot(2,2,4);imshow(imag4);title('进行自适应滤波后的图像'); 对图像加入椒盐噪声，并分别用中值滤波和自适应的方法进行去噪处理的效果 原始图 像 0.5 1 原始图像的直方图 直方图均衡化后的图像 0.5 1 0直方图均衡化后的图像的直方图
实验5 图像频域增强
实验5 图像频域增强 一、实验目的 通过本实验使学生掌握使用MATLAB的二维傅里叶变换进行频域增强的方法。 二、实验原理 本实验是基于数字图像处理课程中的图像频域增强理论来设计的。 本实验的准备知识：第四章频域图像增强中的一维傅里叶变换和二维傅里叶变换，频域图像增强的步骤，频域滤波器。根据教材285页到320页的内容，开展本实验。 可能用到的函数： 1、延拓函数 padarray 例：A=[1,2;3,4]; B=padarray(A,[2,3],’post’); 则结果为 B = 1 2 0 0 0 3 4 0 0 0 0 0 0 0 0 0 0 0 0 0 使用该函数实现图像的0延拓。Padarray还有其它用法，请用help查询。 2、低通滤波器生成函数 首先编写dftuv函数，如下 function [U,V]=dftuv(M,N) %DFTUV Computes meshgrid frequency matrices. % [U,V]=DFTUV(M,N] computes meshgrid frequency matrices U and V. U and V are useful for computing frequency-domain filter functions that can be used with DFTFILT. U and V are both M-by-N. % Set up range of variables. u=0:(M-1); v=0:(N-1); % Compute the indices for use in meshgrid. idx=find(u>M/2); u(idx)=u(idx)-M; idy=find(v>N/2); v(idy)=v(idy)-N; %Compute the meshgrid arrays. [V,U]=meshgrid(v,u); 然后编写低通滤波器函数 function [H,D]=lpfilter(type,M,N,D0,n) % LPFILTER computers frequency domain lowpass filters. % H=lpfilter(TYPE,M,N,D0,n) creates the transfer function of a lowpass