桂林电子科技大学图像处理实验3
图像处理实验报告模板
Ai实验报告
实验一：机器猫
1、实验目的、要求：
2、
掌握Ai的基本操做作,学会利用Ai处理各种图形.
3、实验原理：
工具：Ai软件中的选择工具、直接选择工具、钢笔工具、直线工具、椭圆工具、矩形工具、剪刀工具、比例缩放工具、镜像工具等命令：画椭圆、用钢笔工具画轮廓、用路径查找器实现图像的交集、减集和联集
4、实验环境要求：
电脑硬件 Ai 软件图片素材
4、实验内容：
A、创作计划、相关过程以及资料：
从网上下载机器猫图片
5、制作步骤
头：用椭圆工具绘制机器猫的头、眼睛、鼻子
用镜像工具进行复制，然后等比例缩放复制出机器猫的脸
同样方法绘制出机器猫的眼睛
用椭圆工具绘制出一个椭圆，然后用剪刀工具剪出机器猫的嘴
用直线段工具绘制机器猫的胡须
身体：用钢笔工具勾画出机器猫的身体
肚皮：画圆--->修改锚点，把圆调整到适合
口袋：两椭圆进行处理，减去顶层，取消编组
项圈：两椭圆进行处理，减去顶层，取消编组
铃铛：画圆--->左右各添加锚点、按住shift对锚点进行操作--->重复上一步
对机器猫的各部分进行相应的颜色填充
完成图片编组、保存、导出
6、在实验中遇到的问题及解决方法
用钢笔工具画出身体后不好调整形状
--解决方法：先画出比较相似的身体形状，然后再进行调整
下面为图片介绍：
第一张为网上搜到的图片
第二张为模仿完成的图片。
桂电图像处理实验程序汇总
实验1 InImg=ImRead('E:\2.JPG');I=rgb2gray(InImg);subPlot(2,3,1);Imshow(InImg)subPlot(2,3,2);Imshow(I)bw1=im2bw(I,0.3);bw2=im2bw(I,0.5);bw3=im2bw(I,0.8);subPlot(2,3,3);Imshow(bw1)subPlot(2,3,4);Imshow(bw2)subPlot(2,3,5);Imshow(bw3)J=rand(16,16);G=mat2gray(J);subPlot(2,3,6);Imshow(G)imwrite(G,'E:\0900830118\k.jpg')实验2 InImg=ImRead('E:\2.jpg');I=rgb2gray(InImg);J=histeq(I);subPlot(5,3,1);Imshow(I);subPlot(5,3,2);Imshow(J);subPlot(5,3,3);imhist(I);subPlot(5,3,4); imhist(J);J1=imadjust(I,[0 1], [1 0],2);subPlot(5,3,5);Imshow(J1);j2=imadjust(I,[0 1], [1 0],0.5);subPlot(5,3,6);Imshow(j2);J3=imnoise(I, 'gaussian',0,0.01);J4=imnoise(I, 'salt & pepper',0.05);J5=imnoise(I,'speckle',0.01);subPlot(5,3,7);Imshow(J3);subPlot(5,3,8);Imshow(J4);subplot(5,3,9);imshow(J5);S1=medfilt2(J3);subPlot(5,3,10);Imshow(S1);S2=medfilt2(J4);subPlot(5,3,11);Imshow(S2);S3=medfilt2(J5);subPlot(5,3,12);Imshow(S3);实验3 InImg=ImRead('E:\2.jpg');I=rgb2gray(InImg);F1=fft2(I);f1=ifft2(F1);I1=abs(f1);I1= mat2gray(I1);subPlot(3,3,1);Imshow(I);subPlot(3,3,2);Imshow(I1) ;Pha=ANGLE(F1);Pha1 =mat2gray(Pha);F=fftshift(F1);R= abs(F);R1 =mat2gray(R);Imshow(R1);R1=log(R);R1 =mat2gray(R1);subPlot(3,3,3);Imshow(R1);subPlot(3,3,4);Imshow(Pha1);I2=ifft2(Pha);I2= abs(I2);I2 =mat2gray(I2);I1=ifft2(R);I3= abs(I1);I3 =mat2gray(I3);subPlot(3,3,5);Imshow(I3) ;subPlot(3,3,6);Imshow(I2) ;J1=imnoise(I, 'salt & pepper',0.05);f=double(J1);g=fft2(f);g=fftshift(g);[M,N]=size(g);nn=2;d0=50;m=fix(M/2);n=fix(N/2);for i=1:Mfor j=1:Nd=sqrt((i-m)^2+(j-n)^2);h=1/(1+0.414*(d/d0)^(2*nn));result(i,j)=h*g(i,j);endendresult=ifftshift(result);j2=ifft2(result);j3=uint8(real(j2));subplot(3,3,7);imshow(J1);subplot(3,3,8);imshow(j3);实验41、经典滤波算法(average\ gaussian\ disk) InImg=ImRead('E:\2.jpg');I=rgb2gray(InImg);J1=imnoise(I, 'gaussian');J2=imnoise(I, 'salt & pepper');H = fspecial('average',[5 5]);Blurred1 = imfilter (J1,H);Blurred2 = imfilter (J2,H);H = fspecial('gaussian',[5 5]);Blurred3 = imfilter (J1,H);Blurred4 = imfilter (J2,H);H = fspecial('disk',5);Blurred5 = imfilter (J1,H);Blurred6 = imfilter (J2,H);K1 = wiener2(J1,[5 5]);K2=wiener2(J2,[5 5]);subPlot(4,4,1);Imshow(J1);subPlot(4,4,2);Imshow(J2);subPlot(4,4,3);Imshow(Blurred1);subPlot(4,4,4);Imshow(Blurred2);subPlot(4,4 ,5);Imshow(Blurred3);subPlot(4,4,6);Imshow(Blurred4);subPlot(4,4,7);Imshow(Blurred5);subPlot(4,4,8);Imshow(Blurred6)subPlot(4,4,9);Imshow(K1) ;subPlot(4,4,10);Imshow(K2) ;2、数字图像空域滤波（3*3,、5*5）InImg=ImRead('E:\2.jpg')I=rgb2gray(InImg)J = imnoise(I,'gaussian',0,0.005);B1=[0 0.2 0.1;0.2 0 0.1; 0.1 0.2 0]B2=[0 -1 0;-1 4 -1; 0 -1 0]B3=[1 2 3;4 5 6;7 8 9]C1=conv2(J,B1, 'same')C2=conv2(I,B2, 'same')C3=conv2(I,B3, 'same')C1=mat2gray(C1)C2=mat2gray(C2)C3=mat2gray(C3)B4=[0 0 0.1 0 0;0.1 0 0 0 0.1; 0.1 0 0 0 0.1;0.1 0 0 0 0.1 ;0.1 0.1 0.1 0 0]B5=[0 -1 -1 0 0;-1 1 4 1 -1; 0 -1 -1 -1 0;0 2 -2 2 0;0 -1 2 -2 0] B6=[1 2 3 4 5;4 5 6 7 8;7 8 9 9 8;9 8 7 6 5;6 8 8 9 5]C4=conv2(J,B4, 'same')C4=mat2gray(C4)C5=conv2(I,B5, 'same')C5=mat2gray(C5)C6=conv2(I,B6, 'same')C6=mat2gray(C6)subPlot(3,3,1);Imshow(I);subPlot(3,3,2);Imshow(J);subPlot(3,3,3);Imshow(C1);subPlot(3,3,4);Imshow(C2);subPlot(3,3,5);Imshow(C3);subPlot(3,3,6);Imshow(C4);subPlot(3,3,7);Imshow(C5);subPlot(3,3,8);Imshow(C6);3、数字图像频域滤波器设计[f1 f2]=freqspace([30 40],'meshgrid')R=sqrt(f1.^2+ f2.^2)LD=ones([30 40]);LD(R<0 | R>0.5)=0;win= fspecial('gaussian',[30 40],2) win= win./max(win(:))L=fwind2(LD,win)[A,Fx,Fy] = Freqz2(L) HD=ones([30 40]);HD((R<0) | (R<0.2))=0;win= fspecial('gaussian',[30 40],2) win= win./max(win(:))H=fwind2(HD,win)[A,Fx,Fy] = Freqz2(H)InImg=ImRead('E:\2.jpg')I=rgb2gray(InImg)J = imnoise(I,'gaussian',0,0.005);K1 = imfilter (J,L);K2 = imfilter (J,H);subPlot(2,2,1);Imshow(I);subPlot(2,2,2);Imshow(J);subPlot(2,2,3);Imshow(K1)subPlot(2,2,4);Imshow(K2);实验5主程序global HufData;global Len;img=imread('E:\gd.jpg');subplot(1,2,1);imshow(img);title('彩图');I=rgb2gray(img);subplot(1,2,2);imshow(I);imhist(I);title('直方图'); GrayStatistics=imhist(I);%统计GrayStatistics=GrayStatistics';GrayRatioo=GrayStatistics/sum(GrayStatistics);GrayRatioNO=find(GrayRatioo~=0);Len=length(GrayRatioNO);GrayRatio=ones(1,Len); %初始化灰度集，防止系统随即赋予其垃圾值for i=1:LenGrayRatio(i)=GrayRatioo(i);endGrayRatio=abs(sort(-GrayRatio));for i=1:Len %将图像灰度概率赋予结构体HufData(i).value=GrayRatio(i);end%计算哈夫曼编码HuffmanCode(Len);%显示信息zippedHuffman=1;for i=1:LentmpData=HufData(i).code;str='';for j=1:length(tmpData)str=strcat(str,num2str(tmpData(j)));zippedHuffman=zippedHuffman+1;enddisp(strcat('a',num2str(i),'= ',str))end%计算计算机一共输出多少个哈夫曼编码zippedHuffman;%计算在删去0灰度级压缩之前的原始图像直接容量unzipped_delete=i*8;%计算压缩比率ratio_delete=zippedHuffman/unzipped_delete;%计算图像压缩比率ad=num2str(ratio_delete*100);str2=strcat(ad,'%');disp(strcat('哈夫曼编码压缩比率','=',str2));%排序function HuffmanCode(OriginSize)global HufData;global Len;global SortList;for i=1:OriginSizeHufData(i).left=1;%%霍夫曼编码树左边纪录为1HufData(i).right=0;%%霍夫曼编码树右边纪录为0HufData(i).code=[];%%输出码初始化为0SortList(i).symbol=i;%%排序列表初始化SortList(i).value=HufData(i).value;endnewsymbol=OriginSize;%初始化原始消息数目for n=OriginSize:-1:2SortList=sortdata(SortList,n);%将N个消息进行排序newsymbol=newsymbol+1;%将最后两个出现概率最小的消息合成一个消息HufData(newsymbol).value=SortList(n-1).value+SortList(n).value;HufData(newsymbol).left=SortList(n-1).symbol;HufData(newsymbol).right=SortList(n).symbol;SortList(n-1).symbol=newsymbol;%将消息添加到列队的最后，为N-1个消息重新排序作好准备SortList(n-1).value=HufData(newsymbol).value;endvisit(newsymbol,Len,[]);%遍历霍夫曼树，获得霍夫曼编码/哈夫曼编码end遍历霍夫曼编码function visit(node,n,ocode)global HufDataif node<=n%如果没有哈夫曼编码/霍夫曼编码树的子接点直接输出原始码，这里为空码（[]）HufData(node).code=ocode;elseif(HufData(node).left>0)%遍历左分支接点输出1，这里采用子函数嵌套调用ocode1=[ocode 1];visit(HufData(node).left,n,ocode1);endif(HufData(node).right>0)%遍历右分支接点输出0，这里采用子函数嵌套调用ocode2=[ocode 0];visit(HufData(node).right,n,ocode2);endendend排序function reData=sortdata(SortList,n)%根据消息概率进行排序for k=n:-1:2for j=1:k-1min=SortList(j).value;sbl=SortList(j).symbol;if(min<SortList(j+1).value)SortList(j).value=SortList(j+1).value;SortList(j+1).value=min;SortList(j).symbol=SortList(j+1).symbol;SortList(j+1).symbol=sbl;endendendreData=SortList;enda1=0111a2=01001a3=100110a4=001100a5=000110a6=000101a7=000100a8=000011a9=000010......a246=000000010100a247=1011100100011a248=1011100100010a249=1001011001101a250=1001011001100a251=0101110011101a252=0101110011100a253=0101001001101a254=0101001001100a255=0011110010101a256=0011110010100哈夫曼编码压缩比率=110.9863%实验6 %1.图像几何校正、边缘检测inimg=imread('E:\hua.jpg');I=rgb2gray(inimg);B1=imresize(I,1.5,'nearest');B2=imresize(I,0.15,'bilinear');C1=imrotate(I,45,'nearest');C2=imrotate(I,125,'bilinear');BW1=edge(I,'sobel',0.04);BW2=edge(I,'prewitt',0.04);BW3=edge(I,'robert',0.04);BW4=edge(I,'log',0.05,0.002);subplot(3,4,1);imshow(inimg);title('原始图像 ');subplot(3,4,2);imshow(I);title('原始图像灰度图');subplot(3,4,3);imshow(B1);title('最近邻插值图像');subplot(3,4,4);imshow(B2);title('双线性插值图像');subplot(3,4,5);imshow(C1);title('最近邻插值旋转图像');subplot(3,4,6);imshow(C2);title('双线性插值旋转图像');subplot(3,4,7);imshow(BW1);title('边缘增强滤波器边缘图像'); subplot(3,4,8);imshow(BW2);title(''prewitt算子边缘检测图像 '); subplot(3,4,9);imshow(BW3);title('robert算子边缘检测图像 '); subplot(3,4,10);imshow(BW4);title('高斯-拉普拉斯滤波器图像'); %2、噪声图像边缘提取figure;J=imnoise(I,'gaussian',0,0.005);[f1 f2]=freqspace([30 40],'meshgrid');R=sqrt(f1.^2+f2.^2);HD=ones([30 40]);HD(R>0.4)=0;win=fspecial('gaussian',[30 40],2);win=win./max(win(:));H=fwind2(HD,win);[A,fx,fy]=freqz2(H);K=imfilter(J,H);B=[0 0 0 0 -1 0 0 0 0 ;0 0 0 -1 -1 -1 0 0 0 ;0 0 -1 -1 -1 -1 -1 0 0;0 -1 -1 -1 -1 -1 -1 -1 0-1 -1 -1 -1 40 -1 -1 -1 -1;0 -1 -1 -1 -1 -1 -1 -1 00 0 -1 -1 -1 -1 -1 0 0;0 0 0 -1 -1 -1 0 0 0;0 0 0 0 -1 0 0 0 0 ];C=conv2(J,B,'same');C=mat2gray(C);BW=im2bw(C,0.55);subplot(2,2,1);imshow(J);title('加噪图像');subplot(2,2,2);imshow(K);title('去噪图像');subplot(2,2,3);imshow(C);title('锐化图像');subplot(2,2,4);imshow(BW);title('边缘提取图像);%3.数字图像频域滤波figure;f=double(I);g=fft2(f);g=fftshift(g);[M,N]=size(g);nn=2;d0=25;m=fix(M/2);n=fix(N/2);for i=1:Mfor j=1:Nd=sqrt((i-m)^2+(j-n)^2);if (d==0)h=0;elseh=1/(1+0.414*(d0/d)^(2*nn));endresult(i,j)=h*g(i,j);endendresult=ifftshift(result);J2=ifft2(result);J3=uint8(real(J2));C=mat2gray(J3);BW=im2bw(C,0.1);subplot(1,2,1);imshow(J3);subplot(1,2,2);imshow(BW);。
数字图像处理实验三报告
贵州大学实验报告学院：专业：班级：姓名学号实验组实验时间指导教师成绩实验项目名称实验二：数字图像的频域增强处理实验目的通过本实验的学习使学生熟悉和掌握数字图像中频域增强的基本原理及应用。
实验要求集中授课的教学方式实验原理1、频域增强原理：设函数f (x, y) 与线性位不变算子h(x, y) 的卷积结果是g(x, y)，即g(x, y) = h(x, y)* f (x, y)那么根据卷积定理在频域有G(u, v) = H(u, v) F(u, v)其中，G(u, v) 、H(u, v) 、F(u, v) 分别是g(x, y)、h(x, y)、f (x, y)的傅立叶变换。
频域增强的主要步骤：（1）计算所需增强图像的傅立叶变换；（2）将其与一个（根据需要设计的）转移函数相乘；（3）再将结果进行傅立叶反变换以得到增强的图。
2、低通滤波器图像的能量大部分集中在幅度谱的低频和中频部分，而图像的边缘和噪声对应于高频部分，所以低通滤波器可以降低噪声的影响。
（1）理想低通滤波器其中D0 是一非负整数D(u, v) 是从点(u, v) 到频率平面原点的距离。
（2）巴特渥斯低通滤波器3、高通滤波器图像中的边缘对应高频分量，所以要锐化图像可以采用高通滤波。
（1）理想高通滤波器（2）巴特渥斯高通滤波器实验仪器计算机一台；Matlab软件实验步骤1、编写程序。
读取图像，并对其加入“盐和胡椒”噪声。
对噪声图像做理想低通滤波和巴特渥斯低通滤波处理。
比较选择不同参数时的实验结果。
2、编写程序。
读取图像。
对图像做理想高通滤波和巴特渥斯高通滤波处理。
比较选择不同参数时的实验结果。
实验内容1、利用低通滤波器对图像增强。
2、利用高通滤波器对图像增强。
实验数据步骤1代码部分clear all;close all;clc;I=imread('D:\用户目录\我的文档\MATLAB\图像处理\字母表.jpg');[f1,f2]=freqspace(size(I),'meshgrid'); %生成频率序列矩阵r=sqrt(f1.^2+f2.^2); %构造低通滤波器决策函数I=imnoise(I,'salt & pepper',0.04); %加椒盐噪声%理想低通滤波Hd1=ones(size(I)); %构造低通滤波器的大小Hd1(r>0.1)=0; %构造低通滤波器Y=fft2(double(I)); %对I进行Fourier变换Y=fftshift(Y); %频谱平移Ya1=Y.*Hd1; %低通滤波器Ya1=ifftshift(Ya1); %反变换Ia1=ifft2(Ya1);%巴特沃斯低通滤波D=0.4; %截止频率n=1; %nHd2=ones(size(I));for i=1:size(I,1)for j=1:size(I,2)t=r(i,j)/(D*D);Hd2(i,j)=1/(t^n+1); %构造滤波函数endendYa2=Y.*Hd2;Ya2=ifftshift(Ya2);Ia2=ifft2(Ya2);%输出figure;subplot(1,3,1);imshow(I);title('加噪图');subplot(1,3,2);imshow(uint8(Ia1));title('理想低通滤波');subplot(1,3,3);imshow(uint8(Ia2));title('巴特沃斯低通滤波');步骤2从滤波器形状来看，高通与低通滤波器的形状相反实验总结注：各学院可根据教学需要对以上栏木进行增减。
图像处理3个实验内容
图像处理实验报告格式一、封皮的填写：（1）实验课程名称：图像处理（2）实验名称：按顺序填写图像的二维离散傅立叶变换、图象的增强、图像二值化（3）年月：二、纸张要求：统一采用A4大小纸张，左侧装订，装订顺序与实验顺序一致。
三、书写要求：（1）报告除实验图像可以打印外，其余均须手写。
（2）实验图像及结果图像可以打印，图像均位于实验结果与分析部分，图像打印于纸张上部，下部空白处手写实验分析。
（3）报告中图要有图序及名称，表要有表序及名称，每个实验的图序和表序单独标号，具体格式参照毕业设计手册。
不合格者扣除相应分数。
（4）每个实验均需另起一页书写。
四、关于雷同报告：报告上交后，如有雷同，则课程考核以不及格处理。
五、报告撰写格式及实验内容如下：实验一图像的二维离散傅立叶变换一、实验目的掌握图像的二维离散傅立叶变换以及性质二、实验要求1)建立输入图像，在64⨯64的黑色图像矩阵的中心建立16⨯16的白色矩形图像点阵，形成图像文件。
对输入图像进行二维傅立叶变换，将原始图像及变换图像（三维、中心化）都显示于屏幕上。
2)调整输入图像中白色矩形的位置，再进行变换，将原始图像及变换图像（三维、中心化）都显示于屏幕上，比较变换结果。
3)调整输入图像中白色矩形的尺寸（40⨯40，4⨯4），再进行变换，将原始图像及变换图像（三维、中心化）都显示于屏幕上，比较变换结果。
三、实验仪器设备及软件HP D538、MATLAB四、实验原理以自己的语言结合课堂笔记进行总结，要求过程推导清晰明了。
五、实验步骤及程序实验步骤、程序流程、实验源程序齐全（全部手写）六、实验结果与分析实验二图像的增强一、实验目的1)掌握在计算机上进行直方图统计，以及直方图均衡化、线性变换的图像增强的方法2)掌握在计算机上进行图象平滑、图象锐化特别是中值滤波平滑及拉普拉斯算子锐化的方法二、实验要求1)显示图像（cameraman.tif）及灰度直方图。
2)对指定图像（cameraman.tif）进行直方图均衡化和线性变换，将原始图像及增强后的图像都显示于屏幕上，比较增强的效果。
《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。
电子科技大学-数字图像处理-课程设计报告
电子科技大学数字图像处理课程设计课题名称数字图像处理院（系）通信与信息工程学院专业通信工程姓名学号起讫日期指导教师2015年12月15日目录摘要： (03)课题一：图像的灰度级分辨率调整 (04)课题二：噪声的叠加与频域低通滤波器应用 (06)课题三：顶帽变换在图像阴影校正方面的应用 (13)课题四：利用Hough变换检测图像中的直线 (15)课题五：图像的阈值分割操作及区域属性 (20)课题六：基于MATLAB®的GUI程序设计 (23)结束语： (36)参考文献： (37)基于MATLAB®的数字图像处理课题设计摘要本文首先对数字图像处理的相关定义、概念、算法与常用变换进行了介绍；并通过七个课题实例，借助MATLAB®的图像处理工具箱（Computer Vision System Toolbox）对这些案例逐一实现，包括图像的灰度值调整、图像噪声的叠加、频域低通滤波器、阈值分割、Hough变换等，常用的图像变化与处理；然后通过MATLAB®的GUI程序设计，对部分功能进行模块化整合，设计出了数字图像处理的简易软件；最后给出了软件的帮助文件以及该简易程序的系统结构和m代码。
关键词：灰度值调整噪声图像变换MATLAB® GUI设计课题一：图像的灰度级分辨率调整设计要求：128,64,32,16,8,4,2，并在同一个figure窗口将图像的灰度级分辨率调整至{}上将它们显示出来。
设计思路：灰度级分辨率又称色阶，是指图像中可分辨的灰度级的数目，它与存储灰度级别所使用的数据类型有关。
由于灰度级度量的是投射到传感器上的光辐射值的强度，所以灰度级分辨率又称为辐射计量分辨率。
随着图像灰度级分辨率的的逐渐降低，图像中所包含的颜色数目将变得越来越少，从而在颜色维度造成图像信息量的退化。
MATLAB®提供了histeq函数用于图像灰度值的改变，调用格式如下：J = histeq(I,n)其中J为变换后的图像，I为输入图像，n为变换的灰度值。
数字图像处理的第三次实验报告
实验报告专业：信息与计算科学班级：08级（一）班指导老师：汪太月姓名：肖浩学号：200841210140 实验室：K7-407实验名称:图像灰度修正和直方图均衡化时间：2011.4.22一、实验目的及要求（一）实验目的1、掌握图像的灰度修正技术原理和实现方法；2、掌握图像的直方图均衡化处理的方法；3、掌握图像的常用增强方法；（二）实验要求1、练习图像的灰度修正技术原理和实现方法；2、练习图像的直方图均衡化处理的方法；3、练图像的常用增强方法；二、实验设备（环境）及要求1、支持Intel Pentium Ⅲ及其以上CPU，内存256MB以上、硬盘1GB以上容量的微机；软件配有Windows98/2000/XP操作系统及MA TLAB软件；2、实验过程中，务必分析实验结果，按要求写出实验报告。
（建议同时网上提交电子版实验报告：yw6895@）三、实验内容与步骤1、练习图像的灰度修正技术原理和实现方法I=imread('cameraman.tif');subplot(121),imshow(I)subplot(122),imhist(I) %显示灰度图像的直方图运行结果如下：I=imread('circuit.tif');subplot(121),imshow(I)subplot(122),imcontour(I,3) %显示灰度图像的的等灰度值图运行结果如下：2、练习图像的直方图均衡化处理的方法I=imread('pout.tif');J=imadjust(I,[0.3 0.7],[]);subplot(121),imshow(I)subplot(122),imshow(J)figure,subplot(121),imhist(I)subplot(122),imhist(J)运行结果如下：I=imread('tire.tif');J=histeq(I);subplot(121),imshow(I);subplot(122),imshow(J);figure,subplot(121),imhist(I,64)subplot(122),imhist(I,64)3、练图像的常用增强方法例一：rgb=imread('peppers.png');h=ones(5,5)/25;rgb2=imfilter(rgb,h); %真彩色增强subplot(121),imshow(rgb)subplot(122),imshow(rgb2)运行结果如下：例二：I=imread('rice.png');J1=imnoise(I,'gaussian',0,0.02); %加入高斯噪声J2=imnoise(I,'salt & pepper',0.02); %加入椒盐噪声J3=imnoise(I,'speckle',0.02); %加入乘性噪声subplot(221),imshow(I);subplot(222),imshow(J1);subplot(223),imshow(J2);subplot(224),imshow(J3);运行结果如下：结论通过本次实验的学习了解了用matlab软件进行图像的直方图均衡化处理，以及对图像进行增强处理，由于matlab中工具箱库函数较多，因此要熟练操作并经常练习才能掌握之。
数字图像处理实验报告3
实验三图像分割实验一．实验目的1. 掌握基本的图像分割方法2.观察图像分割的效果3.加深对边缘提取的理解二.实验原理1.边缘检测：图象的边缘是指图象局部区域亮度变化显著的部分，该区域的灰度剖面一般可以看作是一个阶跃，既从一个灰度值在很小的缓冲区域内急剧变化到另一个灰度相差较大的灰度值。
图象的边缘部分集中了图象的大部分信息，图象边缘的确定与提取对于整个图象场景的识别与理解是非常重要的，同时也是图象分割所依赖的重要特征，边缘检测主要是图象的灰度变化的度量、检测和定位。
2.灰度阈值分割即是先确定一个处于图像灰度取值范围内的灰度阈值，然后将图像中各个像素的灰度值与这个阈值相比较：划分成像素灰度大于阈值的一类和小于阈值的一类。
3. 双峰法的原理及其简单：它认为图像由前景和背景组成，在灰度直方图上，前后二景都形成高峰，在双峰之间的最低谷处就是图像的阈值所在三.实验内容1.实验步骤1.打开matlab编程环境；2.利用“imread”函数导入图像数据；3.利用“imshow”显示所读入的图像数据；4.进行图像分割处理；5.记录和整理实验报告；2. 按下面要求编写程序并运行结果1. 用sobel方法对一幅灰度图像进行边缘提I=imread('cameraman.bmp');R=double(I(:,:,1));G=double(I(:,:,2));B=double(I(:,:,3));[rows,cols]=size(R);I=0.299*R+0.587*G+0.114*B;[H,W]=size(I);M=double(I);J=M;for i=2:H-1for j=2:W-1J(i,j)=abs(M(i-1,j+1)-M(i-1,j-1)+2*M(i,j+1)-2*M(i,j-1)+M(i+1,j+1)-M(i+1,j-1))+abs(M(i-1,j-1)-M(i+1,j-1)+2*M(i-1,j)-2*M(i+1,j)+M(i-1,j+1)-M(i+1,j+1));end;end;for i=2:H-1for j=2:W-1if J(i,j)>254J(i,j)=255;elseJ(i,j)=0;endendendsubplot(1,2,1);imshow(uint8(I));title('原图');subplot(1,2,2);imshow(uint8(J));title('Sobel 处理后');2.用 Laplacian-Gaussian方法对一幅灰度图像进行边缘提取I = imread('cameraman.bmp');R=double(I(:,:,1));G=double(I(:,:,2));B=double(I(:,:,3));[rows,cols]=size(R);I=0.299*R+0.587*G+0.114*B;s=fftshift(fft2(I));[M,N]=size(s);n=2;d0=400;n1=floor(M/2);n2=floor(N/2);for i=1:Mfor j=1:Nd=sqrt((i-n1)^2+(j-n2)^2);h=1*exp(-1/2*(d^2/d0^2));s(i,j)=h*s(i,j);endends=ifftshift(s);s=uint8(real(ifft2(s))); subplot(1,2,1),imshow(s);title('GLPF滤波');s=double(s);[r,c]= size(s);R=zeros(r,c);core1=[-1 -1 -1;-1 8 -1;-1 -1 -1];core2=[0 -1 0;-1 4 -1;0 -1 0];for x=2:r-1for y=2:c-1Z=[s(x-1,y-1) s(x-1,y) s(x-1,y+1);s(x,y-1) s(x,y) s(x,y+1);s(x+1,y-1) s(x+1,y) s(x+1,y+1)];A=core1*Z;B=core2*Z;R(x,y)=max(abs(sum(sum(A))),abs(sum(sum(B))));endendfor x=2:r-1for y=2:c-1if R(x,y)>250R(x,y)=255;elseR(x,y)=0;endendendsubplot(1,2,2),imshow(uint8(R));title('拉普拉斯处理后 ');3. 利用双峰法对一幅灰度图像进行灰度分割处理I = imread('lena.bmp');I=double(I);sum_obj=0;obj_counter=0;sum_backgnd=0;backgnd_counter=0;[rows,cols]=size(I);cols_c=floor(cols/20);rows_c=floor(rows/20);corners=[I(1:rows_c,1:cols_c);I(1:rows_c,(end-cols_c+1):end);I((en d-rows_c+1):end,1:cols_c);I((end-rows_c+1):end,(end-cols_c+1):end) ];threshold=mean(mean(corners));while 1for i=1:rowsfor j=1:colsif(I(i,j)>threshold)sum_obj=sum_obj+I(i,j);obj_counter=obj_counter+1;elsesum_backgnd=sum_backgnd+I(i,j);backgnd_counter=backgnd_counter+1;endendendnew_threshold=((sum_backgnd/backgnd_counter)+(sum_obj/obj_counter))/2 ;if(abs(threshold-new_threshold)<=0.01)break;endthreshold=new_threshold;endfor i=1:rowsfor j=1:colsIf(I(i,j)<=threshold)I(i,j)=0;elseI(i,j)=255;endendendimshow(I);四.实验结果及分析1. sobel边缘提取placian-Gaussian方法边缘提取3.双峰法对一幅灰度图像进行灰度分割处理五.实验小结与体会1.本次实验以图像分割为主线，涉及边缘提取2. 通过实验结果的比较，对课堂上的理论有了直观的认识，也为更好的理解理论奠定了基础，培养了兴趣。
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。
电子科技大学14秋《数字图像处理》在线作业3答案
14秋《数字图像处理》在线作业3
一,单选题
1. 下列算法中属于点处理的是（）。
A. 梯度锐化
B. 二值化
C. 傅立叶变换
D. 中值滤波，
?
正确答案：B
2. 灰度直方图的横坐标是灰度级，纵坐标是（）。
A. 灰度级出现的时间
B. 象素点位置
C. 灰度级出现的频率
D. 灰度大小
?
正确答案：C
3. 假定对一幅大小为128×128的图像进行分裂，最高层次小方块像素为16×16，则分裂层数是（）。
A. 2
B. 3
C. 6
D. 8
?
正确答案：B
4. 源数据编码与解码的模型中量化器(Quantizer)的作用是减少（）冗余。
A. 高频
B. 低频
C. 听觉
D. 心里视觉
?
正确答案：D
5. 采样密度是指图像上单位长度所包含的取样点数，其倒数是（）。
A. 象素
B. 象素间距
C. 分辨率
D. 取样频率
?
正确答案：B。
数字图像处理实验报告（五个实验全）
数字图像处理实验报告（五个实验全）实验⼀ Matlab图像⼯具的使⽤1、读图I=imread(＇lena.jpg＇);imshow(I);2、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。
a=imread(＇lena.jpg＇)i = rgb2gray(a)I = im2bw(a,0.5)subplot(3,1,1);imshow(a);subplot(3,1,2);imshow(i);subplot(3,1,3);imshow(I);原图像灰度图像⼆值图像实验⼆图像变换1、对⼀幅图像进⾏平移，显⽰原始图像与处理后图像，分别对其进⾏傅⾥叶变换，显⽰变换后结果，分析原图的傅⾥叶谱与平移后傅⾥叶频谱的对应关系。
s=imread(＇beauty.jpg＇);i=rgb2gray(s)i=double(i)j=fft2(i);k=fftshift(j); 原图像原图的傅⾥叶频谱l=log(abs(k));m=fftshift(j);RR=real(m);II=imag(m);A=sqrt(RR.^2+II.^2);A=(A-min(min(A)))/(max(max(A)))*255;b=circshift(s,[800 450]);b=rgb2gray(b)b=double(b) 平移后的图像平移后的傅⾥叶频谱c=fft2(b);e=fftshift(c);l=log(abs(e));f=fftshift(c);WW=real(f);ZZ=imag(f);B=sqrt(WW.^2+ZZ.^2);B=(B-min(min(B)))/(max(max(B)))*255;subplot(2,2,1);imshow(s);subplot(2,2,2);imshow(uint8(b));subplot(2,2,3);imshow(A);subplot(2,2,4);imshow(B);2、对⼀幅图像进⾏旋转，显⽰原始图像与处理后图像，分别对其进⾏傅⾥叶变换，显⽰变换后结果，分析原图的傅⾥叶谱与旋转后傅⾥叶频谱的对应关系。
数字图像处理上机实验报告 (三)
图像处理上机实验报告第三次指导老师：许永忠组员姓名：龙斌王国健学号： 05102344（龙）05102350（王）班级：地物10-2班时间： 2013年6月中国矿业大学资源学院上机实验报告课程名称：数字图像处理班级地物10-2班组员姓名龙斌王国健组员学号0510234405102350指导教师许永忠日期2013.05.26第15 周星期日第7,8节上机时数2学时实验名称数字图像处理PS的简单应用实验目的1.学会进行一些简单的字体特效制作以及简单的图像合成。
2.学会辨别细微的真假变化。
实验内容1.继续熟悉ps的基本运用，理解ps技术在生活中的重要性；2.用ps技术合成一张自己的图片；3.比较两个三角形出现差异的原因。
实验步骤1. 照片合成a．选择一张风景图（图1）和自己一张生活照（图2），用钢笔工具沿着图2中的人物作路径，完成后ctrl+enter转化为选区，然后ctrl+j复制选区；图1 图2b．拖动选区至图1，ctrl+t调整选区大小，使选区下的人物在图1中的一个合适位置和比例；c．作水中倒影。
ctrl+j复制刚刚调整好的选区，再ctrl+t，选择垂直翻转，然后调整至适当的位置，使人物倒影于水中；d．选择“滤镜”—“扭曲”—“波纹”，使人物图像有轻微的水波荡漾状扭曲，然后调整其透明度，使倒影更逼真；e．做彩虹。
Ctrl+n新建一个空白图层，背景为透明。
选择渐变工具，对渐变色进行调整，从左到右依次为“赤橙黄绿青蓝紫”渐变；f．在图层中作小小拖动，然后选择滤镜—扭曲—极坐标即完成。
g．把“彩虹”拖至图层1，同理ctrl+t调整大小和位置，并与图层1进行滤色叠加，使彩虹颜色变淡，然后与人物倒影一样对彩虹做倒影即可；h．ctrl+s保存，最后效果如图3合图4。
j．同理照一张有老鹰，一张含老虎和一张自己图片，分别做选区抠出其中的老虎，老鹰和自己，然后都拖到草原中，再用橡皮工具进行适当擦除，使其充分与背景融合，再ctrl+l调整一下色相饱和度即可，成果见图5.1.龙斌合成成果图图32.王国健合成成果图2.三角形的比较有三种方法可比较出现这种情况的原因：第一种：图形直观比较：把上面的三角形按其边缘复制，并与下面三角形（有空白的）重合，我们会很容易的发现：虽然两个三角形的底边和高相等，但他们的斜边并不相等，即有空白正方形的三角形斜边并不是直线，而是一条微向上凸起的曲线(但由于很小，肉眼较难分辨)，而它凸起的那小部分面积恰好就是空白正方形的面积。
《数字图像处理》上机实验报告2
数字图像处理上机实验报告实验名称：图像增强学期：2014/2015上学期班级：电子信息工程1102姓名：**学号：**********实验时间：2014.11.03实验二：图像增强1 目的1.了解图像空域增强或频域增强的基本原理及二者的区别.2.掌握基于模板的空域增强技术、直方图变换空域增强技术:用模板实现图像的平滑和锐化.3.掌握频域滤波的基本原理,包括:低通、高通、带通、带阻和同态滤波,要求实现其中一种的滤波4.了解伪彩色图像增强的原理和方法2 器材1.BMP格式灰度图像2.MAtlab软件3.台式PC机3 原理图像增强分为空域增强和频域增强，空域增强有灰度变换增强，直方图变换增强，平滑增强，中值滤波，模板滤波和高能滤波等。
r(x,y)是输入图像，s(x,y)是输出图像T(.)是对图像的运算如果求某个s(x0, y0) ，只需位置(x0, y0)的像素值，则称此处理为点操作，也称灰度变换如果需要位置(x0, y0)及其邻域的像素值，则称为模板操作图像增强：改善图像质量，使图像更适合观察的图像处理技术突出更多细节；对比度更合适；边缘增强；去除噪声增强的标准带有主观性；没有完全通用的标准和技术；取决于图像希望达到的特定效果一、灰度变换强度当我们为了突出不同灰度的区间，或者要减弱某部分灰度，就可以使用灰度变换，下面我使用分段线性变换对灰度进行处理。
灰度线性变换设f(x,y)是原图像的灰度值，(x,y)是变换后的灰度值，下图就是对不同区间的线性变换，灰度变换与变量x,y没有关系，这里只关系f,g函数值也就是灰度值的变换，下面就是线性变换的公式其实，可以得出曲线只要是在y=x下的就是减弱的，因为灰度比原来的减小了。
二、直方图变换增强直方图均衡化是使原直方图变换为具有均匀密度分布的直方图，然后按该直方图调整原图像的一种图像处理技术。
直方图均衡化通常用来增加许多图像的全局对比度，均衡化的标准就是以空域面积（像素总数）这种方法对于背景和前景都太亮或者太暗的图像非常有用，这种方法尤其是可以带来X光图像中更好的骨骼结构显示以及曝光过度或者曝光不足照片中更好的细节。
图像处理上机实验报告图像处理实验报告
实 验 报 告课程名称： 图像处理实验题目： 图像处理上机实验报告姓名： ***院 系： 理学院数学系班 级： 09*****学 号： 109*******递交时间： 2012 年 07 月11 日评阅时间： 年 月 日评阅成绩：实 验 报 告 ☆ 装 订 线 ☆ 请将实验报告内容写在装订线目录一．读入图像，显示图像，以及对图像的基本操作；二．噪音图像的产生，热方程去噪以及PM模型去噪；三．经典TV模型；四．动态边界（拓扑分离）五．Guass磨光算子去噪正文一．读入图像，显示图像，以及对图像的基本操作1.读入图像，显示图像程序:Mypage1=imread('C5.bmp');figure(1);imshow(Mypage1);以上语句依次实现：imread命令将图像'C5.bmp'读入图像像素矩阵Mypage1→→开一个窗口→→命令将该矩阵在屏幕上显示，即显示图像'C5.bmp' ，这里显示的是彩色图像。
注意：imread()和imshow()既可以用来显示灰度图像，也用来显示彩色图像。
运行结果：2.对图像的基本操作1)将原图像转成灰度图像程序：Mypage11=Mypage1(:,:,1);figure(2);imshow(Mypage11);以上语句依次实现：将原图像转成灰度图像→→开一个窗口→→显示转化后的灰度图像Mypage11。
运行结果：2）图像色做差补.彩色图像作色差补程序：Mypage12=255-Mypage1;figure(3);imshow(Mypage12);以上语句依次实现：将彩色图像Mypage1的颜色做差补得到新图像→→开一个窗口→→显示做差补后的彩色图像Mypage12。
运行结果：.灰度图像作色差补程序：Mypage13=255-Mypage11;figure(4);imshow(Mypage13);以上语句依次实现：将灰度图像Mypage11的颜色做差补得到新图像→→开一个窗口→→显示做差补后的灰度图像Mypage13。
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重要研究方向之一，它涉及到对图像进行获取、处理、分析和识别等一系列操作。
本实验旨在通过对图像处理算法的实现和应用，探索图像处理的基本原理和方法。
二、实验目的1. 学习图像处理的基本概念和算法；2. 掌握常用的图像处理工具和软件；3. 实现并应用图像处理算法，提高图像质量和识别效果。
三、实验方法1. 实验环境：使用Python编程语言和OpenCV图像处理库；2. 实验工具：Jupyter Notebook；3. 实验步骤：a) 图像读取：使用OpenCV读取图像文件，并将其转换为灰度图像；b) 图像增强：对灰度图像进行直方图均衡化，增强图像的对比度；c) 图像滤波：使用高斯滤波器对图像进行平滑处理，去除噪声；d) 边缘检测：应用Canny算法进行边缘检测，并提取图像中的边缘信息；e) 图像分割：使用基于阈值的方法对图像进行分割，得到目标区域；f) 特征提取：计算图像中目标区域的形状、纹理等特征；g) 图像识别：使用机器学习算法对提取的特征进行分类和识别。
四、实验结果与分析1. 图像增强：经过直方图均衡化处理后，图像的对比度得到了明显的提升，细节更加清晰；2. 图像滤波：高斯滤波器的应用能够有效平滑图像，去除噪声，使图像更加平滑自然；3. 边缘检测：Canny算法能够准确地检测出图像中的边缘，提取出目标物体的轮廓；4. 图像分割：基于阈值的分割方法能够将图像中的目标区域与背景区域分离开来，方便后续的特征提取和识别；5. 特征提取：通过计算目标区域的形状、纹理等特征，可以对图像进行更加细致的描述和识别；6. 图像识别：应用机器学习算法对提取的特征进行分类和识别，可以实现对图像中目标物体的自动识别和分类。
五、实验总结通过本次实验，我们深入学习了图像处理的基本原理和方法，并通过实际操作实现了图像的增强、滤波、边缘检测、分割、特征提取和识别等一系列操作。
数字图像处理 实验报告(完整版)
数字图像处理实验一 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 命令提取该读入图像flower.tif的基本信息；3．利用imshow()函数来显示这幅图像；实验结果如下图：源代码：>>I=imread('lily.tif')>> whos I>> imshow(I)二、压缩图像4．利用imfinfo函数来获取图像文件的压缩，颜色等等其他的详细信息；5．利用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()获取图像Sunset.jpg和Winter.jpg的大小；9．用figure,imshow()分别将Sunset.jpg和Winter.jpg显示出来，观察两幅图像的质量。
其中9的实验结果如下图：源代码：4~6(接上面两个) >>I=imread('lily.tif')>> imfinfo 'lily.tif'；>> imwrite(I,'lily.jpg','quality',20);>> imwrite(I,'lily.bmp');7~9 >>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显示出来观察图像的特征。
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。
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。
数字图像处理实验(全完整答案)
实验一常用MATLAB图像处理命令一、实验目得1、熟悉并掌握ＭAＴLＡB工具得使用;2、实现图像得读取、显示、代数运算与简单变换。
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')３imfiｎｆｏimfｉnｆｏ函数用于读取图像文件得有关信息,如:ｉmfｉnfo('e:\ｗ０1、tif’)●图像得显示1imａｇeｉmagｅ函数就是MATLAB提供得最原始得图像显示函数,如:ａ=[1,2,3,4;４,5,6,７;８,9,10,１１,1２］;imaｇｅ(a);2 imsｈowimshow函数用于图像文件得显示,如:i＝ｉmreａｄ('e:＼w0１、tiｆ');iｍshow(ｉ);tiｔｌe(‘原图像’)％加上图像标题3 cｏlｏrbaｒｃolorbａr函数用显示图像得颜色条,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可以就是向量、矩阵。
图像类型转换１ｒgb２gray把真彩图像转换为灰度图像i=ｒgb2gｒａｙ(ｊ)2 iｍ２bw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得n%3 imresize改变图像得大小Ｉ=imrｅsize(j,［m n］)将图像j大小调整为m行ｎ列图像运算１ｉmadd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/y四、实验内容(请将实验程序填写在下方合适得位置,实验图像结果拷屏粘贴)1、读入一幅RGＢ图像,变换为灰度图像与二值图像,并在同一个窗口内分成三个子窗口来分别显示ＲGＢ图像与灰度图像,注上文字标题。
图像处理实验平台的对比研究
３ ． Ｐ ｙ ｔ ｈ ｏ ｎ 。 ｈ ｔ ｔ ｐ ＝ ／ ／ｗ ｗ ｗ． ｐ ｙ ｔ ｈ ｏ ｎ ． ｏ ｒ ｇ Ｐ １ ０ ｎ 是一 门通 用的 计算 机语 言 。 自身对 矩 阵运 算、 图像 处理 的 能力 有 限・ 但 是￣ Ｌ ｈ Ｏ Ｄ ＿ 可 以使用 其他 语言 （ 主 要是 ｃ ／ ｃ ＋ ＋） 的库， 所 以Ｐ ｊ ｒ 廿 ｌ ０ ｎ 语言 结 合Ｐ ｙ ｔ ｈ ｏ ｎ Ｉ ｍ ａ ｇ ｅ Ｌ ｉ ｂ ａｒ ｒ ｙ （ 简称Ｐ Ｉ Ｌ ） 、 Ｎ ｕ ｍ Ｐ ｙ ／ Ｓ ｃ ／ Ｐ ｙ ￣Ｍａ ｔ ｐ ｌ ｏ ｔ ｌ ｉ ｂ 等库的组 合， 能够完成图像处理课程的所有实验。 其中， Ｐ Ｉ Ｌ 提供了对多种图像文件的读 写功能， 并且可以对图像进行基本操作 。 Ｎｌ 蚰Ｐ ｙ Ｐ ｙ 提供了对读取出来的图 像矩阵数据的运算 Ｉ Ｍａ ｔ ｐ ｌ ｏ ｔ ｌ ｉ ｂ ￣供了类似Ｍａ ｔ ｌ ａ ｂ 函数的绘图功能， 用于将处 理结果以可视化的方式显示出来。 如果呦 然不能满足图像处理的需求， 用户 也可 以在 Ｐ ｙ ｔ ｈ ｏ ｎ 中使 用Ｏｐ ｅ ｎ Ｃ Ｖ和Ｉ ｍ ａ ｇ ｅ Ｍａ ｇ ｉ ｃ ｋ 库。 用户 也 可 以在Ｐ ｙ ｔ ｈ ｏ ｎ 中 使 用ｇ ｎ ｕ ｐ ￣ ｏ ｔ 库， 绘制 ２ Ｄ／ ３ Ｄ图 。 使用ｐ ｙ ２ ｅ ｘ ｅ （ 仅用于ｗｉ ｎ ｄ ｏ ｗ ｓ 平台） ｐ ｙ ｉ ｎ ｓ ｔ ａ ｌ ｌ ｅ ｒ （ 跨平台） 等工具， 可以打 包、 分发Ｐ ｙ ｔ ｈ ｏ ｎ 应用程序． 用户无需安装Ｐ ｙ ｔ ｈ ｏ ｎ ， 也可以运行它 。 ４ ， ｃ ｈ ， ｈ ｔ ｔ ｐ ． ／ ／ ｗ ｗ ｗ ． ｓ ｏ ｆ ｔ ｉ ｎ ｔ ｅ ｇ ｒ ａ ｔ ｉ ｏ ｎ ． ０ ０ ＝ ／ 美国加州大学戴维斯分校程辉（ Ｈ ａ ｒ ｒ ｙ Ｈ． Ｃ ｈ ｅ ｎ ｇ ） 教授有多年Ｃ 语言相关 的教学和科研工作经验 他设计的跨平台Ｃ ／ Ｃ ＋ ＋ 解释器Ｃ ｈ ， 能直接分析、 解释 执行Ｃ ／Ｃ ＋＋ 源代码， 而无需产生中间码或字节码 。 Ｃ ｈ 为Ｃ语言添加了很多 Ｆ ｏ ｒ ｔ ｒ ａ ｎ 、 Ｍａ ｔ ｌ ａ ｂ 和Ｍａ ｔ ｈ ｅ ｍ ａ ｔ ｉ ｃ ａ 等语言的特性。 与Ｃ 语言相比， Ｃ ｈ 简化了编写 数值计算和分析程序的过程 Ｃ ｈ 支持Ｉ Ｓ Ｏ Ｃ 标准Ｃ ９ ０ 、 ０ ９ ９ 的部分特性、 Ｃ ＋ ＋的 类ｌ 另一方 面 ， 很多 Ｃ ｈ 首 先实现 的特性被 Ｃ ９ ９ 采纳 。 使 用Ｃ ｈ 可 以写一 次 Ｃ ／ Ｃ ＋ ＋ 源程序 ， 在多个主流操作系统（ Ｗｉ ｎ ｄ ｏ ｗｓ 、 Ｌ ｉ ｎ ｕ ｘ 、 Ｍａ ｃ Ｏ Ｓ ｘ 等等） 上运行。 虽然 ｃ ｈ 专业版是商业软件， 但是ｃ ｈ 学生版是免费的， 且具有几乎和专业版一样的功