数字图像处理实验报告材料94986

院系：计算机科学学院专业：计算机科学与技术年级： 2012级

课程名称：数字图像处理组号：

(学号)：

指导教师：高志荣

2015年 5月 25日

实验原理（算法流程）2.运行结果

1-1-1图查看2012213500.png图片的基本信息和显示图片过程

1-1-2图将2012213500.png图片保存为2012213500.bmp图片3.实验分析

实验原理（算法流程）

先用imread()函数将2012213500.png存入I数组中，可见1-1-1图右上角的Workspace中的I。然后用imfinfo()函数和ans函数读取该图像的大小、类型等信息，具体在1-1-1图的Command Window中可见。至于图片格式的转换，就是用rgb2gray()函数将保存在I数组中的数据转换成灰度格式保存在原来的数组I中。最后将变换所得到的数据保存于2012213500.bmp文件中。

实验（2）：

1.代码实现

I=imread(2012213500.bmp');%读取灰度图片

subplot(221),imshow(I,[]),title('256*256,256')

I=I(1:2:end,1:2:end);%图片采样

subplot(222),imshow(I,[]),title('128*128,256')

I=I(1:2:end,1:2:end);%图片采样

subplot(223),imshow(I,[]),title('64*64,256')

I=I(1:2:end,1:2:end);%图片采样

subplot(224),imshow(I,[]),title('32*32,256')

2.运行结果

1-2 图图片空间分辨率对图片的影响

3.实验分析

由1-2图可以看出，在保持灰度级数一定的条件下，随着图片空间分辨率的减半，即256*256,128*128,64*64,32*32的图像，图中的各个区域边缘处的棋盘模式越来越明显，并且全图的像素颗粒越来越粗。证明了空间分辨率是影响图片清晰度的因素之一。

实验（3）：

1.代码实现

I=imread('2012213500.bmp');%读取灰度图片

subplot(221),imshow(I,256),title('256*256,256')%灰度级为256

subplot(222),imshow(I,50),title('256*256,50') %灰度级为50

subplot(223),imshow(I,10),title('256*256,10') %灰度级为10

subplot(224),imshow(I,5),title('256*256,5') %灰度级为5

实

验

原

理

（

算

法

流

程

）

2-1图图像求反、线性灰度变换、对数变换效果对比

3.实验分析

上图中的四幅图片从左到右，从上到下分别是原图、图像求反效果图、图像线性灰度变换效果图、图像对数变换效果图。从上图可看出，原图像与求反图像之间存在很大差异，而求反的操作就是I=256-1-I这条语句实现的，图像可以说是由黑变白。线性灰度变换图像的效果和原图最接近，其主要是将图像灰度级拉伸，增强对比度，将不需要的细节灰度级压缩，所以线性变换图像看起来比原图相对清楚、明亮。而对数是对原图像进行动态围的的压缩，因此图片的细节可见程度相对明显。

实验（2）：

1.代码实现

I=imread('mandi.tif');

subplot(221),imshow(I),title('原图和其直方图');

subplot(222),imhist(I); %显示图像直方图

I1=histeq(I); %对图像进行直方图均衡化处理

subplot(223),imshow(I1),title('直方图均衡化后的图和其直方图');

subplot(224),imhist(I1); %显示直方图均衡化后的图和其直方图

实

验

原

理

（

算

法

流

程

）

2-2图图片直方图均衡处理效果图和直方图

3.实验分析

由2-2图的直方图均衡处理效果图及其直方图的比较我们可以很容易发现。原图的直方图的灰度值相对集中靠左，所以看原图的效果显得相对较暗，而且动态围偏小，对比度很低。通过直方图均衡化后的，图像的直方图显示相对平均，而且动态围也变大了。

其主要思想就是通过把原来不均衡的直方图变换为均衡的分布形式，来增强灰度的动态围，从而达到增强图像整体对比度的效果。

实验（3）：

1.代码实现

f=imread('onion.png');

f=rgb2gray(f); %把彩色图像转换为灰度图像

[M,N]=size(f);

ff1=zeros(M,N);

for i=1:18

ff(:,:,i)=imnoise(f,'gaussian',0,0.02);%添加噪声

实验原理（算法流程）

ff1=ff1+double(ff(:,:,i));

if or(or(i==1,i==3),or(i==9,i==18));

figure;

imshow(uint8(ff1/i));

end

end

2.运行结果

2-3图图像相加求平均去噪效果图

3.实验分析

该实验目的主要是验证通过图像加法求平均能否达到减少噪声，即图像增强功能。上图分别先通过随机高斯噪声处理后，再分别进行1,3,9,18的图像相加求平均，最后得到上图结果。上图，从左至右，从上至下，分别为1,3,9,18求平均。通过图像处理后效果的比较，我们可以得出，相加并求平均的图像数越多，图像去噪增强的效果越明显

实验（4）：

1.代码实现

I=imread('eight.tif');

subplot(231),imshow(I);title('原图');

J=imnoise(I,'gaussian',0,0.01);

subplot(232),imshow(J);title('随机噪声图像');