图像处理上机实验
数字图像处理上机实验
数字图象处理上机实验题1、产生右图所示亮块图像f(x,y)（128×128大小，暗处=0，亮处=255），对其进行FFT：（1）同屏显示原图f1和FFT(f1)的幅度谱图；（2）若令f2(x,y)=（-1）x+y f1(x,y)，重复以上过程，比较二者幅度谱的异同，简述理由；（3）若将f2(x,y)顺时针旋转45度得到f3(x,y)，试显示FFT(f3)的幅度谱，并与FFT(f2)的幅度谱进行比较。
解：（1）程序：clc;close;clear;%生成图形f1f1=zeros(128,128);for i=34:1:94for j=54:1:74f1(i,j)=1;endend%FFT变换fft_f1=log(1+abs(fftshift(fft2(f1))));figure;subplot(1,2,1);imshow(f1);title('f1的图像');subplot(1,2,2);imshow(fft_f1,[]);title('fft_f1的幅度频谱');结果：（2）程序：clc;close;clear;%计算f2f2=zeros(128,128);for i=1:128;for j=1:128;f2(i,j)=((-1)^(i+j))*f1(i,j); end endfft_f21=log(1+abs(fft2(f2)));fft_f22=log(1+abs(fftshift(fft2(f2)))); figure;subplot(1,3,1);imshow(f2);title('f2图像');subplot(1,3,2);imshow(fft_f22,[]);title('f2的幅度频谱');subplot(1,3,3);imshow(fft_f21,[]);title('f2的原始幅度频谱'); 结果：根据傅里叶变换对的平移性质：),(),(00)//(200v v u u F e y x f N y v M x u j --⇔+π；当2/0M u =且2/0N v =时，有：y x y x j N y v M x u j e e +++-==)1()()//(200ππ因此可得到：)2/,2/()1)(,(N v M u F y x f y x --⇔-+所以，)),(FFT(2y x f 就是)),((FFT 1y x f 频谱中心化后的结果。
数字图像处理上机实验
人民武装学院学生姓名：__________ 周云_____________ 学号：PB102027115专业: 电子信息科学与技术年级: 2010 级________________ 扌旨导老师：_____ 陈其松老师_________时间：2011 年12月24日第二章：一张纸，当放在桌子上时看上去似乎比较白，当用纸来遮蔽眼睛直视明亮的天空时, 来总是黑的>> colormap(gray);>> dark=zeros(256,256);>> dark(64:192,64:192)=0.5;>> subplot(1,3,1);imshow(dark)>> middle(1:256,1:256)=0.7;>> middle(64:192,64:192)=0.5;>> subplot(1,3,2);imshow(bright)>> subplot(1,3,2);imshow(middle)>> bright=o nes(256,256);>> bright(64:192,64:192)=0.5;>> subplot(1,3,3);imshow(bright)1.二值图像>> clear >> x=zeros(10,10);>> x(2:2:10,2:2:10)=1;>> imshow(x)>> x x =Colu mns 1 through 80 0 0 0 1 0 0 0 0 0 1 0 0 0 0 0 1 0 0 0 0 0 0 01 0 1 0 0 01 0 10 0 01 0 10 0 0111纸看起0 1 0 1 0 1 0 1 0 0 0 0 0 0 0 0 0 1 0111Colu mns 9 through 100 0 0 1 0 0 0 1 0 0 0 1 0 0 0 1 0 0 01□ d a «鸣札,#圧/l二值图像 2•亮度图像：>> X=imread('D:\le na.bmp'); >> imshow(X); >> Y=X(128:138,128:138); >> figure,imshow(Y); >> Y Y =Colu mns 1 through 8 194 183 173 160 145 127 113111 186 172 175 171 153 128 112110 185 178 173 162 145 128 117 114 188 181 168 150 136 128 123 118 192 176 162 145 133 128 125120 192 165 156 144 135 129 124 119 187 157 152 143 136 130 124118 181157 149 139 133 129 125 118 179159148135129129126 118172 153 142 130 127 129 129 168151143 135133133131Colu mns 9 through 11115 116 116 116 118 118 115 119 120 115 120120115 118 118 115 115 115 114 111 112 112 109 110 110 109 110 115 108 112 115113 115(b )获取的部分灰度图像 3•索引图像：>> RGB=imread('D:\flowers.tif); >> [X,m ap]=rgb2i nd(RGB,128); >>imshow(X,map) >> X(1)(a)原始图像122 123ans =127 >> X(2) ans =127>> map(127,:,:,:) ans =0.7647 0.61180.6549>> whos Name Size RGB 362x500x3 X 362x500 ans1x3map 128x34.RGB 图像：>> [X,map]=imread('D:\xia ngjiao.bmp'); >> Y=X(90:95,90:95); >> imshow(Y)>> R=X(90:95,90:95,1); >> G=X(90:95,90:95,2); >> B=X(90:95,90:95,3); >> R,G,B R =175 181 185 189 181 155 171176 185 188 175 146 171 173 182 186 176 161 171 176 184 186 181 178 170181 187 186 183 182 170180 180 181 183180175181185189181155Grand total is 724387 elements using 727096 bytes索引图像Bytes Class 543000 uin t8 array 181000 uint8 array24 double array 3072 double array171 176 185 188 175 146171 173 182 186 176 161171 176 184 186 181 178170 181 187 186 183 182170 180 180 181 183 180B =175 181 185 189 181 155171 176 185 188 175 146171 173 182 186 176 161171 176 184 186 181 178170 181 187 186 183 182170 180 180 181 183 180(a)(b)第三章例3.1把一幅图加上高斯噪声，再通过100次相加求平均的方法去除噪声l=imread('D:eight.tif);>> J=im noise(l,'gaussia n',0,0.02);>> subplot(1,2,1),imshow(l);>> subplot(1,2,2),imshow(J);>> K=zeros(242,308);>> for i=1:100J=imno ise(l,'gaussia n',0,0.02);J仁im2double(J);K=K+J1;end>> K=K/100;>> figure;imshow(K);(a)原图(b)加噪图(c)求平均后的图例3.3图像的乘法运算:I=imread('D:\m oon .tif);>> J=immultiply(l,1.2);>> K=immultiply(l,2);>> subplot(1,3,1),imshow(l);>> subplot(1,3,2),imshow(J);>> subplot(1,3,3),imshow(K);|>li I K.- fin .tara a Irili tawi分别为：原图、乘以 1.2、乘以2例3.4除法运算moon=imread('m oon .tif);>> I=double(m oon);>> J=l*0.43+90;>> K=I*0.1+90;>> L=l*0.01+90;>> moon2=uin t8(J);>> moo n3=ui nt8(K);>> moon4=uin t8(L);>> J=imdivide(m oon,moon 2);>> K=imdivide(m oon,moon 3);>>L=imdivide(m oon,moon 4);>> subplot(2,2,1),imshow(m oon);>> subplot(2,2,2),imshow(J,[]);>> subplot(2,2,3),imshow(K,[]);>> subplot(2,2,4),imshow(L,[]);分别为：原图、J=l*0.43+90、K=l*0.1+90、L=l*0.01+90例3.5逻辑运算:>> l=imread('D:\m oon .tif);>> A=zeros(128);>> A(40:67,60:100)=1;>> figure(1);>> imshow(A);>> B=zeros(128);>> B(50:80,40:70)=1;>> figure(2);>> imshow(B);>> C=a nd(A,B);>> figure(3);>> imshow(C);>> D=or(A,B);>> figure(4);>> imshow(D);>> E=not(A);>> figure(5);(a) A 图(b) B 图(c)A、B相与结果图(d)A、B相或结果图(c)A取反结果图例3.6实现把一副图像旋转60度，并分别采用把转出显示区域的图像截去和扩大显示区域范围以显示图像的全部两种方式>> l=imread('D:\9.jpg');>> J=imrotate(l,60,'bili nea。
数字图像处理上机实验报告
数字图像处理上机实验报告姓名：李青学号： 104090423学院：物理与电子信息学院班级： 10电子实验课题: 五类图像处理的运算方法任课教师：石俊生（教授）填表日期：2013年11月3日一．实验内容实验1：直方图均衡图像增强；实验2: 空域处理：不同平均模板大小：3⨯3、5⨯5、7⨯7去噪；实验3: 空域处理：不同中值模板大小：3⨯3、5⨯5、7⨯7去噪；实验4: 频域处理：对图像低通、高通、带通处理结果比较；实验5：常用边缘检测算子检测；实验6：逆滤波和维纳滤波对运动模糊复原；实验7：DPCM图像压缩。
二．实验目的学会用Matlab中的下列函数对输入图像进行上述5类运算；感受各种不同的图像处理方法对最终图像效果的影响。
Imhist；histeq；nlfilter；mean2；std2；fspecial；filter2；medfilt2；三．实验结果实验1：直方图均衡图像增强（a）原始图像及直方图均衡化后的图像（b）均衡化前后图像的直方图（c）调整灰度原始图像和调整灰度增强后图像实验2: 空域处理：不同平均模板大小：3⨯3、5⨯5、7⨯7去噪(a)原始图像和3*3模板去噪后图像（b）原始图像和5*5模板去噪后图像（c）原始图像和7*7模板去噪后图像实验3: 空域处理：不同中值模板大小：3⨯3、5⨯5、7⨯7去噪实验4: 频域处理：对图像低通、高通、带通处理结果比较（a）原图像与低通滤波图像（b）原图像与高通滤波图像（c）原图像与带通滤波图像实验5：常用边缘检测算子检测(1)lena(2)camaraman(3)Cell(4)rice(5)tire实验6：逆滤波和维纳滤波对运动模糊复原实验7：DPCM图像压缩四．结论与讨论（1）直方图均衡化是通过对原图像进行某种变换，重新分配图像像素值，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范围内均匀分布的形式，从而使原始图像的直方图改变成均匀分布的直方图，达到增强图像整体对比度的效果。
图像处理上机实验报告
实验一:学习Photoshop 软件和图像处理的基本知识一．目的要求１．学会 Photoshop 的基本操作。
２．熟悉图像的颜色模式；３．对图像作简单的处理。
二．实验内容：Photoshop 是功能十分强大的图象处理软件，是由Adobe 公司在1990 年首次推出的。
Adobe 公司成立于1982 年，在图象处理和电脑绘图领域里一直处于领先位置。
1994 年以后，随着Adobe 公司的发展，同时也加快了Photoshop 功能的升级。
将原有功能更加完善，成为当今一流的图象处理与图象设计工具。
通过多媒体教学及上机指导书，学习 Photoshop 的使用。
1．学会 photoshop 的软件安装。
2．学习File 菜单中的各命令，了解各种图像文件格式，学会打开、保存图像文件。
3．熟悉 Photoshop 的界面，如控制面板、工具箱及菜单等的使用。
初步掌握工具栏中的各命令功能。
4．打开一RGB 图像，理解彩色的合成模式。
并对一图像作简单的变换处理。
实验二：用Photoshop 软件进行图像处理一．目的要求：１．进一步学习 Photoshop 的使用，了解Photoshop 提供的各种处理方法。
２．掌握 photoshop 图像处理的各种方法。
二．实验内容：1．结合课堂讲授，学习photoshop 的深入处理。
2．每人根据所提供的材料，结合自已的实际做出二至三个photoshop 图像处理成果。
3．比较三角形大小。
注：要写明 photoshop 处理的基本过程；分析比较过程及结论。
3实验三Matlab/VB 语言图像处理基础MATLAB 是近几年来在国外广泛流行的一种可视化科学计算软件，它不但具有语法结构简单、数值计算高效、图形功能完备和图像处理方便的特点，已成为适合多学科、多部门的新一代科技应用软件。
MATLAB 名字由MATrix 和LABoratory 两词的前三个字母组合而成。
在欧美大学里，诸如应用代数、数理统计、自动控制、数字信号处理、模拟与数字通信、时间序列分析、动态系统仿真等课程的教科书都把MATLAB 作为内容。
数字图像处理上机实验三
医学图像处理实验三1、计算图像的梯度，梯度值和梯度角。
I=imread('C:\Users\Administrator\Desktop\cat.jpg'); B=rgb2gray(I);C=double(B);e=1e-6;%10^-6[dx,dy]=gradient(C);%计算梯度G=sqrt(dx.*dx+dy.*dy);%梯度幅值figure,imshow(uint8(G)),title('梯度图像');pha=atan(dy./(dx+e))figure,imshow(pha,[])图 1图 2 梯度角图2、计算图像边缘检测，用滤波器方式实现各种算子。
（1）Roberts算子clear;I=imread('C:\Users\admin\Desktop\mao.jpg');B=rgb2gray(I);[m,n]=size(B);nB=B;robertsnum=0;%经roberts算子计算得到的每一个像素的值robertsthreshold=0.6;%设定阈值for j=1:m-1;%进行边界提取for k=1:n-1robertsnum=abs(B(j,k)-B(j+1,k+1))+abs(B(j+1,k)-B(j,k+1)); if(robertsnum>robertsthreshold)nB(j,k)=255;elsenB(j,k)=0;endendendsubplot(1,2,1);imshow(B);title('原图');subplot(1,2,2);imshow(nB,[]);title('Robert算子处理后的图像');图 3（2）Sobel算子clear;I=imread('C:\Users\admin\Desktop\mao.jpg');B=rgb2gray(I);[m,n]=size(B);f=double(B);u=double(B);usobel=B;for i=2:m-1%sobel边缘检测for j=2:n-1;gx=(u(i+1,j-1)+2*u(i+1,j)+f(i+1,j+1)-(u(i-1,j-1)+2*u(i-1,j)+f(i-1,j+1)));gy=(u(i-1,j+1)+2*u(i,j+1)+f(i+1,j+1)-(u(i-1,j-1)+2*u(i,j-1)+f(i+1,j-1)));usobel(i,j)=sqrt(gx^2+gy^2);endendsubplot(1,2,1);imshow(B);title('原图');subplot(1,2,2);imshow(im2uint8(usobel));title('Sobel边缘检测后的图像');图 4（3）Prewitt算子clear;I=imread('C:\Users\admin\Desktop\mao.jpg');B=rgb2gray(I);[m,n]=size(B);nB=B;prewittnum=0;%经prewitt算子计算得到的每一个像素的值prewittthreshold=0.6;%设定阈值for j=2:m-1;%进行边界提取for k=2:n-1prewittnum=abs(B(j-1,k+1)-B(j+1,k+1))+B(j-1,k)-B(j+1,k)+B(j-1,k-1)-B(j+1,k-1)+abs(B(j-1,k +1)+B(j,k+1)+B(j+1,k+1)-B(j-1,k-1)-B(j,k-1)-B(j+1,k-1));if(prewittnum>prewittthreshold)nB(j,k)=255;elsenB(j,k)=0;endendendsubplot(1,2,1);imshow(B);title('原图');subplot(1,2,2);imshow(nB,[]);title('Prewitt算子处理后的图像');图 5（4）Laplace边缘检测function flapEdge=LaplaceEdge(pic,Moldtype,thresh)[m,n]=size(pic);flapEdge=zeros(m,n);%四邻域拉普拉斯边缘检测算子if 4==Moldtypefor i=2:m-1for j=2:n-1temp=-4*pic(i,j)+pic(i-1,j)+pic(i+1,j)+pic(i,j-1)+pic(i,j+1);if temp>threshflapEdge(i,j)=255;elseflapEdge(i,j)=0;endendendend%八邻域拉普拉斯边缘检测算子if 8==Moldtypefor i=2:m-1for j=2:n-1temp=-8*pic(i,j)+pic(i-1,j)+pic(i+1,j)+pic(i,j-1)+pic(i,j+1)+pic(i-1, j-1)+pic(i+1,j+1)+pic(i+1,j-1)+pic(i-1,j+1);if temp>threshflapEdge(i,j)=255;elseflapEdge(i,j)=0;endendendend主函数：clear;I=imread('C:\Users\admin\Desktop\mao.jpg');B=rgb2gray(I);C=double(B);t=60;Lapmodtype=8;%设置模板方式flapEdge=LaplaceEdge(C,Lapmodtype,t); fgrayLapedge=uint8(flapEdge);figure()imshow(fgrayLapedge),title('laplace边缘检测图像');图 6（4）Kirsch算子clearclcclose allI=imread('C:\Users\admin\Desktop\mao.jpg');B=rgb2gray(I);figure(1)imshow(B,[])title('原始图象')%对图象进行均值滤波bw2=filter2(fspecial('average',3),B);%对图象进行高斯滤波bw3=filter2(fspecial('gaussian'),bw2);%利用小波变换对图象进行降噪处理[thr,sorh,keepapp]=ddencmp('den','wv',bw3); %获得除噪的缺省参数bw4=wdencmp('gbl',bw3,'sym4',2,thr,sorh,keepapp);%图象进行降噪处理%---------------------------------------------------------------------%提取图象边缘t=3000; %设定阈值bw5=double(bw4);[m,n]=size(bw5);g=zeros(m,n);d=zeros(1,8);%利用Kirsch算子进行边缘提取for i=2:m-1for j=2:n-1d(1)=(5*bw5(i-1,j-1)+5*bw5(i-1,j)+5*bw5(i-1,j+1)-3*bw5(i,j-1)-3*bw5(i,j+1 )-3*bw5(i+1,j-1)-3*bw5(i+1,j)-3*bw5(i+1,j+1))^2;d(2)=((-3)*bw5(i-1,j-1)+5*bw5(i-1,j)+5*bw5(i-1,j+1)-3*bw5(i,j-1)+5*bw5(i, j+1)-3*bw5(i+1,j-1)-3*bw5(i+1,j)-3*bw5(i+1,j+1))^2;d(3)=((-3)*bw5(i-1,j-1)-3*bw5(i-1,j)+5*bw5(i-1,j+1)-3*bw5(i,j-1)+5*bw5(i, j+1)-3*bw5(i+1,j-1)-3*bw5(i+1,j)+5*bw5(i+1,j+1))^2;d(4)=((-3)*bw5(i-1,j-1)-3*bw5(i-1,j)-3*bw5(i-1,j+1)-3*bw5(i,j-1)+5*bw5(i, j+1)-3*bw5(i+1,j-1)+5*bw5(i+1,j)+5*bw5(i+1,j+1))^2;d(5)=((-3)*bw5(i-1,j-1)-3*bw5(i-1,j)-3*bw5(i-1,j+1)-3*bw5(i,j-1)-3*bw5(i, j+1)+5*bw5(i+1,j-1)+5*bw5(i+1,j)+5*bw5(i+1,j+1))^2;d(6)=((-3)*bw5(i-1,j-1)-3*bw5(i-1,j)-3*bw5(i-1,j+1)+5*bw5(i,j-1)-3*bw5(i, j+1)+5*bw5(i+1,j-1)+5*bw5(i+1,j)-3*bw5(i+1,j+1))^2;d(7)=(5*bw5(i-1,j-1)-3*bw5(i-1,j)-3*bw5(i-1,j+1)+5*bw5(i,j-1)-3*bw5(i,j+1 )+5*bw5(i+1,j-1)-3*bw5(i+1,j)-3*bw5(i+1,j+1))^2;d(8)=(5*bw5(i-1,j-1)+5*bw5(i-1,j)-3*bw5(i-1,j+1)+5*bw5(i,j-1)-3*bw5(i,j+1 )-3*bw5(i+1,j-1)-3*bw5(i+1,j)-3*bw5(i+1,j+1))^2;g(i,j) = max(d);endend%显示边缘提取后的图象for i=1:mfor j=1:nif g(i,j)>tbw5(i,j)=255;elsebw5(i,j)=0;endendendfigure(2)imshow(bw5,[])title('Kirsch ')图7（5）LoG和canny算子clear;I=imread('C:\Users\admin\Desktop\mao.jpg');B=rgb2gray(I);bw1=edge(B,'log',0.01);bw3=edge(B,'canny',0.1);figure;subplot(1,2,1);imshow(bw1,[]);title('loG边缘检测'); subplot(1,2,2);imshow(bw3,[]);title('canny边缘检测');图83、大津法实现图像分割clear;I=imread('C:\Users\admin\Desktop\cat.jpg');B=rgb2gray(I);T = graythresh(B);%求阈值BW = im2bw(B,T);%二值化imshow(BW,[])图9。
《数字图像处理》上机实验报告1
数字图像处理上机实验报告实验名称：图像的几何变换（象素空间关系）学期：2014/2015上学期班级：电子信息工程1102姓名：陈玮学号：3110209424实验时间：2014.09.29实验一：图像的几何变换（象素空间关系）1 目的①了解MATLAB的基本功能，掌握采用MA TLAB进行图像处理的方法；②了解图像象素空间关系；③掌握基本坐标变换，包括平移，缩放，旋转等；④了解形态变换，掌握特殊的形态变换，包括相似变换，刚体变换，等距变换等2 器材装有MATLAB的PC机一台3 原理双线性内差值法：1.数学原理已知的红色数据点与待插值得到的绿色点假如我们想得到未知函数f在点P= (x,y) 的值，假设我们已知函数f在Q11 = (x1,y1)、Q12 = (x1,y2),Q21 = (x2,y1) 以及Q22 = (x2,y2) 四个点的值。
首先在x方向进行线性插值，得到R1和R2，然后在y方向进行线性插值，得到P.这样就得到所要的结果f(x,y).其中红色点Q11,Q12,Q21,Q22为已知的4个像素点.第一步：X方向的线性插值,插入蓝色第二步：做完X方向的插值后再做Y方向的点R1和R2. 插值,由R1与R2计算P点.x方向上Y方向上插入绿色点P.线性插值的结果与插值的顺序无关。
首先进行y方向的插值，然后进行x方向的插值，所得到的结果是一样的。
但双线性插值插值方法这种方法并不是线性的，首先进行y方向的插值，然后进行x 方向的插值，与首先进行x方向的插值，然后进行y方向的插值，所得到的R1与R2是不一样的。
如果选择一个坐标系统使得的四个已知点坐标分别为(0, 0)、(0, 1)、(1, 0) 和(1, 1)，那么插值公式就可以化简为f(x,y)=f(0,0)(1-x)(1-y)+f(0,1)(1-x)y+f(1,1)xy+f(1,0)x(1-y)在x与y方向上，z值成单调性特性的应用中，此种方法可以做外插运算，即可以求解Q1~Q4所构成的正方形以外的点的值。
图像处理上机实验
1/ 11
3． 产生教材 104 页题图 4.16 所示的灰度图像(白为 255，黑为 0),分别加入高斯 白噪声和椒盐噪声，再分别进行 3*3 的平均滤波和中值滤波，显示原图像、加噪 图像和滤波结果图像，并比较四种滤波结果。 解答： 确定白色区域和黑色区域的坐标产生 256*256 图像，分别加入高斯白噪声 和椒盐噪声， 再分别进行 3*3 的平均滤波和中值滤波。 得到下图， 程序在附录。 对于高斯白噪声，使用平均滤波和中值滤波效果都不太好。平均滤波稍强。对于 椒盐噪声，中值滤波有很好的效果，而均值滤波效果较差。
数字图像处理上机实验题
1.产生右图所示图像 f1 (m, n)， 其中图像大小为 256×256， 中间亮条为 128×32， 暗处=0，亮处=100。对其进行FFT： ① 同屏显示原图f1 (m, n)和 FFT(f1 )的幅度谱图； ② 若令f 2 (m, n) = (−1)m+n f1 (m, n)，重复以上过程， 比较二者幅度谱的异同，简述理由； ③ 若将 f2 (m, n)顺时针旋转 90 度得到 f3 (m, n)， 试显示 FFT(f3 )的幅度谱，并与 FFT(f2 )的幅度谱进行比较； ④ 若将f1 (m, n)顺时针旋转 90 度得到f4 (m, n)，令f5 (m, n) = f1 (m, n) + f4 (m, n)，试显示FFT(f5 )的幅度谱，并指出其与 FFT(f1 )和FFT(f4 )的关系； ⑤ 若令f6 (m, n) = f2 (m, n) + f3 (m, n)，试显示FFT(f6 )的幅度谱， 并指出其 与 FFT(f2 )和FFT(f3 )的关系，比较FFT(f6 )和 FFT(f5 )的幅度谱。
4. 对某一灰度图像，进行如下处理： （1）分别利用 Roberts、Prewitt 和 Sobel 边缘检测算子进行边缘检测； （2）将 Roberts、Prewitt 和 Sobel 边缘检测算子修改为锐化算子，对原图 像进行锐化，同屏显示原图像、边缘检测结果和锐化后图像，说明三者 之间的关系。
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。
上机实验2
实验目的：1）熟悉MATLAB语言关于图像处理的基本操作。
2）了解MATLAB打开和显示图像，并完成图像格式的转换；实验任务：实验前准备工作：所使用的图像文件都保存在MATLAB安装目录下的\toolbox\images\imdemos子目录下。
（MATLAB默认处理当前工作目录下的图像文件）1）图像的显示：运用MATLAB图像处理工具箱中的imread函数分别读入灰度图像pout.tif、二值图像blobs.png、索引图像trees.tif和RGB图像peppers.png，观察相应的图像矩阵，并运用imshow 函数显示相应图像。
2）读取图像moon.tif，分别按256灰度级显示、按8灰度级显示、按指定灰度范围[64,128]显示。
3）图像的格式转换：用im2bw将灰度图像pout.tif转化为二值图像，并且用imshow显示出来观察图像的特征；用rgb2gray将RGB图像peppers.png转化为灰度图像，并且用imshow显示出来观察图像的特征。
4）对一个RGB彩色图像peppers.png，分别抽取其R、G、B三个分量层，并显示各层图像。
5）保存图像：用imwrite函数将tif图像canoe.tif保存为jpg图像，并保存在D盘附：●函数imread可以从任何MATLAB支持的图像文件格式中，以任意位深度读取一幅图像。
格式为：[X,MAP]=imread('FILENAME.FMT')，其中：FILENAME－为需要读入的图像文件名称，FMT－为图像格式。
●imshow(I)I 为所显示的灰度图像的数据矩阵●imshow(I, n)n为整数，显示灰度级为n的图像，n 缺省为256。
●imshow(I, [low high])I为要显示的图像矩阵。
[low high]为指定显示灰度图像的灰度范围。
高于high的像素被显示成白色；低于low的像素被显示成黑色；介于High和low之间的像素被按比例拉伸后显示为各种等级的灰色。
数字图像处理上机实验报告
数字图像处理上机实验报告数字图像处理上机实验报告实验⼀：MATLAB⼯具箱的使⽤实验⽬的：11：了解matlab语⾔，熟悉并掌握matlab相关的处理语句。
2：了解matlab在图像处理中的优缺点。
3 熟悉matlab的使⽤技巧，能⽤matlab熟悉的对数字图像进⾏各种处理。
1 将⼀幅灰度图像转换成索引⾊图像。
I=imread('ngc4024m.tif');X=grayslice(I,16);imshow(I)figure,imshow(X,hot(16))2：对⼀副图像进⾏⼆值化处理。
load treesBW=im2bw(X,map,0.4);imshow(X,map)figure,imshow(BW)3:将索引⾊图像转化成灰度图像。
load trees I=ind2gray(X,map);imshow(X,map)figure,imshow(I)4:显⽰⼀幅图像。
load clown image(10,10,X) colormap(map)试验⼆图像变换实验⽬的：1 熟悉掌握DFT和DCT变换的matlab实现。
2 利⽤matlab试验DFT和DCT的变换，求出图像的频谱。
1．⼆维离散傅⾥叶变换的旋转型。
I=zeros(256,256);>> I(28:228,108:148)=1;>> imshow(I)J=fft2(I);>> F=abs(J);>> J1=fftshift(F);figure>> imshow(J1,[5 50])>> I(28:228,108:148)=1;>> J=imrotate(I,315,'bilinear','crop'); >>figure >> imshow(J)J1=fft2(J);>> F=abs(J1);>> J2=fftshift(F);figure>> imshow(J2,[5 50])2．图像的傅⾥叶频谱。
数字图像处理实验报告
重庆邮电大学《数字图像处理》课程上机实验学院生物信息学院专业生物医学工程班级 0611302姓名李霞学号 **********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。
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。
数字图像处理上机实验报告(基于Matlab)
除法运算可用于校正成像设备的非线性影响。MATLAB中调用imdivide函数进行两幅图像相除。调用格式如下：
Z=imdivide(X,Y)，其中Z=X÷Y。
图像四则运算
因对uint8、uintl6数据，每步运算都要进行数据截取，将会减少输出图像的信息量。图像四则运算较好的办法是使用函数imlincomb。该函数按双精度执行所有代数运算操作，仅对最后的输出结果进行截取，该函数的调用格式如下：
s=uint8(real(ifft2(s)));
subplot(2,3,4),imshow(h);title('传递函数'); %显示GHPF滤波器的传递函数
subplot(2,3,5),imshow(s); title('ILPF滤波（d0=50)'); %显示ILPF滤波后的图像
运行结果窗口截图：
第二次实验
1.图像复原算法
图像在形成、传输和记录过程中，由于受到多种原因的影响，图像的质量就会有所下降，典型的表现为图像模糊、失真、有噪声等，这一过程称为图像的退化。
图像复原是试图利用退化过程的先验知识使已退化的图像恢复本来面目，即根据退化的原因，分析引起退化的环境因素，建立相应的数学模型，并沿着使图像降质的逆过程恢复图像。目的在于消除或减轻在图像获取以及传输的过程中造成的图像品质下降，恢复图像的本来面目。因此，复原技术就是把退化模型化，并采用相反的过程进行处理，以便尽可能复原被退化图像的本来面目。
C=A(:,:,1); %取单色%
D=B(:,:,1);
figure('Name','图像逻辑运算')
res1=C&D; %C&D%
res2=C|D; %C|D%
《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。
- 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)。
作业一：使用直方图均衡增强测试图片testimg.txt
图像增强定义：增强图像中的有用信息，改善图像的视觉效果。
方法：空间域法，频率域法
空间域法：直方图均衡
1. 直方图的定义：
2. 方法：累积分布函数
一是为什么要选用累积分布函数？
二是为什么使用累积分布函数处理后像素值会均匀分布？
第一个问题。
均衡化过程中，必须要保证两个条件：①像素无论怎么映射，一定要保证原来的大小关系不变，较亮的区域，依旧是较亮的，较暗依旧暗，只是对比度增大，绝对不能明暗颠倒；②如果是八位图像，那么像素映射函数的值域应在0和255之间的，不能越界。
综合以上两个条件，累积分布函数是个好的选择，因为累积分布函数是单调增函数（控制大小关系），并且值域是0到1（控制越界问题），所以直方图均衡化中使用的是累积分布函数。
累积分布函数定义:
其中，n是图像中像素的总和，是当前灰度级的像素个数，L是图像中可能的灰度级总数。
来看看通过上述公式怎样实现的拉伸。
假设有如下图像：
得图像的统计信息如下图所示，并根据统计信息完成灰度值映射：
映射后的图像如下所示：
作业二：使用2D DCT变换将testimg.txt转换到频域，并输出结果。
要求以8x8为处理单元。
注：不能使用任何matlab和opencv自带的处理函数。