数字图像处理实验报告1

9
J2=medfilt2(J1); %用 3×3 的滤波窗口对有椒盐噪声图像进行中值滤波 J3=medfilt2(J1,[5 5]); %用 5×5 的滤波窗口对有椒盐噪声图像进行中值滤 波 subplot(2,2,1);imshow(I);title('原始图像'); subplot(2,2,2);imshow(J1);title('加入椒盐噪声的图像(参数为 0.2)'); subplot(2,2,3);imshow(J2);title('3*3 模板中值滤波图像'); subplot(2,2,4);imshow(J3);title('5*5 模板中值滤波图像'); 四、 图像边缘检测 1、实验任务
直方图均衡也称灰度均衡，目的是通过点运算使输入图像转换为在每一
灰度级上都有相同的像素点数的输出图像（即输出的直方图是平的）。
按照图像的概率密度函数的定义：
DB
f
(DA )
DMAX A0
DA
Hi
i0
p(x) 1 H (x) A0
其中 H ( x) 为直方图， A0 为图像的面积。
设转换前图像的概率密度函数为 pr (r) ，转换后图像的概率密度函数
7
研究的主要问题之一。当模板中所有系数都取同样的值时，称其为 Box 模板，常 用的 3×3 和 5×5 模板如下：
3×3 平滑模板
5×5 平滑模板
利用 Box 模板对图像进行平滑处理又称为邻域平均法平滑处理。Box 模板 对当前像素及其相邻的的像素点都一视同仁，统一进行平均处理，这样就可 以滤去图像中的噪声。
2
N 1
N 1
2
2
g(n)WNmn h(n)WNmn
n0
n0
N 1
N 1
2
2
x(2n)WNm(2n) x(2n 1)WNm(2n1)
n0
n0
N 1
N 1
2
2
x(2n)WNmn x(2n 1)WNmnWNm
n0
2
n0
2
=G(m)+WNm H(m)
因此，一个求 N 点的 FFT 可以转换成两个求 N 点的 FFT。根据以上公式 2
《数字图像处理》
课程实验报告
专业 班级 学号 学生姓名 指导教师 学期 完成日期
计算机系统结构 （1）班 1303210015 刘贺鹏 吕建平老师
2013-2014 学年第 2 学期 2014-6-10
1
《数字图像处理》实验内容及要求
一、灰度图像的快速傅立叶变换 1、 实验任务 对一幅灰度图像实现快速傅立叶变换（DFT），得到并显示出其频谱图，
像如下：
6、实验心得
6
histeq 通过一个算法，把亮度重新分配，让人看得舒服自然。比如说原 来的点都集中在暗处，1-25 之间，histeq 就可以把 25 亮度的点“拉”到 255 处，24“拉”到 240 处.. 最后图像的细节都回呈现在你面前。通过这次实验， 掌握基本的图象增强方法,观察图象增强的效果,加深对灰度直方图及直方图 均衡化的理解，掌握直方图均衡化方法。
⑵ 中值滤波法
中值滤波是一种非线性的信号处理方法，与其对应的中值滤波器是一种 非线性的滤波器。中值滤波在一定的条件下可以克服线性滤波如最小均方滤 波、均值滤波等带来的图像细节模糊问题，而且对滤除脉冲干扰及图像扫描 噪声最为有效。由于在实际运算过程中不需要图像的统计特征，因此也带来 不少方便。
中值滤波一般采用一个含有奇数个点的滑动窗口，将窗口中各点灰度值 的中值来替代指定点（一般是窗口的中心点）的灰度值。对于奇数个元素， 中值是指按大小排序后，中间的数值；对于偶数个元素，中值是指排序后中 间两个元素灰度值的平均值。对二维中值滤波来说，窗口的形状和尺寸对滤 波器的效果影响很大。不同图像内容和不同应用往往选用不同的窗口形状和 尺寸。常用的二维中值滤波窗口形状有线状、方形、圆形、十字形等。 4、实验步骤
快速傅立叶变换的基本思路是把序列分解成若干短序列，并与系数矩阵 元素巧妙结合起来计算离散傅立叶变换。若按照奇偶序列将 X(n)进行划分， 设：
g(n) x(2n) h(n) x(2n 1)
（n=0,1,2,…, N 1 ） 2
则一维傅立叶变换可以改写成下面的形式：
N 1
X (m) x(n)WNmn n0
Laplacian 算子为：
近似计算为：
11
常用的 LOG 算子是 5*5 的模板，如下所示：
4、实验步骤 ⑴ 实现灰度图像读取、保存模块； ⑵ 读入灰度图像并用 Roberts 算子检测边缘。
处理和中值滤波处理去除噪声。 2、实验条件
微机一台、Matlab R2013a 版本 3、实验原理： ⑴ 邻域平均法 图像平滑处理就是用平滑模板对图像进行处理，以减少图像的噪声。平滑模 板的思想是通过一点和周围邻域内像素点的平均来去除突然变化的点，从而滤掉 一定的噪声，其代价是图像有一定程度的模糊，减少图像的模糊是图像平滑处理
⑴ 实现灰度图像读取、保存模块； ⑵ 读入灰度图像并加入椒盐噪声； ⑶ 对图像进行中值滤波处理，并显示处理后的图像。
8
5、实验结果 实验采用大小为 256×256 的灰度图像 liuhp.jpg。原始图像、加噪后的
图像和中值滤波后的图像如下所示。
6、实验心得 平滑滤波技术用于平滑图像中的噪声。平滑噪声可以在空间域中进行，基本 方法是求像素灰度的平均值或中值。也可以在频域中用基于傅立叶的分析方法进 行。图像平滑主要是针对图像的各种噪声而言的，因此需要模拟数字图像的各种 噪声来分析滤波效果。通过此次实验让我学习到图像滤波函数 imfilter 函数。 实验代码如下： clear all； I=imread('liuhp.jpg'); I=rgb2gray(I); J1=imnoise(I,'salt & pepper',0.2);%加均值 0,方差 0.2 椒盐噪声
观察图像傅立叶变换的一些重要性质。 2、 实验条件 微机一台、Matlab R2013a 版本 3、实验原理 傅立叶变换是一种常见的图像正交变换，通过变换可以减少图像数据的相
关性，获取图像的整体特点，有利于用较少的数据量表示原始图像。 二维离散傅立叶变换的定义如下：
M 1 N 1
j 2 ( ux vy )
常用的梯度算子如下表所示：
算子 H1
名称
H2
特
点
Rober ts
边缘定位准， 对噪声敏感。
10
Prewi tt
平均、微分对 噪声有抑制作 用。
Sobel
加权平均边 宽≥2 象素。
Isotr opic Sobel
权值反比于 邻点与中心点的 距离，检测沿不 同方向边缘时梯 度幅度一致。
拉普拉斯高斯（loG）算法是一种二阶边缘检测方法。它通过寻找图像灰度 值中二阶微分中的过零点（Zero Crossing）来检测边缘点。其原理为，灰度级 变形成的边缘经过微风算子形成一个单峰函数，峰值位置对应边缘点；对单峰函 数进行微分，则峰值处的微分值为 0，峰值两侧符号相反，而原先的极值点对英 语二阶微分中的过零点，通过检测过零点即可将图像的边缘提取出来。
⑴ 了解图像边缘提取的基本概念； ⑵ 了解进行边缘提取的基本方法； ⑶ 掌握用不同算子对图像进行边缘检测的方法. ⑷ 在 Matlab 或 VC++环境下，编写程序分别用 Roberts,Sobel 和拉普拉
斯高斯算子对图像进行边缘检测,比较三种算子处理的不同之处。 2、实验条件
微机一台、Matlab R2013a 版本 3、实验原理
二、 灰度图像的直方图均匀化
4
1、实验任务 ⑴ 进一步掌握灰度图象直方图的概念，性质； ⑵ 对一幅灰度图象实现直方图均衡化，对比修正前后的图像效果 ⑶ 通过 Matlab 或 VC++开发环境，编程实现灰度图象的直方图均匀化 处理。
2、实验条件
微机一台、Matlab R2013a 版本
3、 实验原理
实验代码如下： clear all; Image1=imread('liuhp.jpg'); Image1=rgb2gray(Image1);%将此图像转化成灰度图像 Image2=histeq(Image1);%直方图均衡化 subplot(2,2,1);imshow(Image1);title('原灰度图像') subplot(2,2,2);imhist(Image1);%获取图像数据直方图 axis([0 255 0 1000]);title('原图像直方图'); subplot(2,2,3);imshow(Image2);title('直方图均衡化所得图像'); subplot(2,2,4);imhist(Image2); axis([0 300 0 2000]);title('均衡变换后的直方图'); 三、 图像平滑处理 1、实验任务 ⑴ 理解图像噪声，模板等概念； ⑵ 掌握邻域平滑法原理及实现方法； ⑶ 掌握中值滤波法原理及实现方法； ⑷ 通过 Matlab 或 VC++环境编程实现对一幅有噪声的灰度图象的邻域平滑
0
该转换公式被称为图像的累积分布函数。
直方图均衡的转换公式为：
5
DBH (u)du
0
对于离散图像，转换公式则为：
DB
f
(DA )
DMAX A0
DA
Hi
i0
4、实验步骤
⑴ 实现灰度图像读取、保存模块；
⑵ 编程实现图像的直方图均衡。
5、实验结果 实验采用大小为 256×256 的灰度图像 liuhp.jpg。实验结果所得到的图
图像的边缘是图像的最基本特征，它指的是周围像素灰度有阶跃变化或屋 顶变化的那些像素的集合。物体的边缘是由灰度的不连续性反映的。阶跃性边缘 是指它两边的像素的灰度值有着显著的不同，屋顶状边缘位于灰度值从增加到减 少的变化转折点。经典的边缘提取方法是考察图像的每个像素在某个领域内灰度 的变换，利用边缘邻近一阶或二阶方向导数变换规律，用简单的方法检测边缘， 这种方法称为边缘检测局部算子法。