数字图像处理实验报告

实验一数字图像的获取

一、实验目的

1、了解图像的实际获取过程。

2、巩固图像空间分辨率和灰度级分辨率、邻域等重要概念。

3、熟练掌握图像读、写、显示、类型转换等matlab 函数的用法。

二、实验内容

1、读取一幅彩色图像，将该彩色图像转化为灰度图像，再将灰度图像转化为索引图像并显示所有图像。

2、编程实现空间分辨率变化的效果。

三、实验原理

1、图像读、写、显示

I=imread(‘image.jpg’)

Imview(I)

Imshow(I)

Imwrite(I,’wodeimage.jpg’)

2、图像类型转换

I=mat2gray(A,[amin,amax]);按指定的取值区间[amin,amax]将数据矩阵A 转化为灰度

图像I，amin 对应灰度0，amax 对应1，也可以不指定该区间。

[x,map]=gray2ind(I,n);按指定的灰度级n 将灰度图像转化为索引图像,n 默认为64

I=ind2gray(x,map);索引图像转化为灰度图像

I=grb2gray(RGB);真彩色图像转化为灰度图像

[x,map]=rgb2ind(RGB);真彩色图像转化为索引图像

RGB=ind2rgb(x,map);索引图像转化为真彩色图像

BW=im2bw(I,level);将灰度图像转化为二值图像,level 取值在[0,1]之间

BW=im2bw(x,map,level);将索引图像转化为二值图像,level 取值在[0,1]之间

BW=im2bw(RGB,level);将真彩色图像转化为二值图像,level 取值在[0,1]之间

四、实验代码及结果

1、in=imread('peppers.png');

i=rgb2gray(in);[x,map]=gray2ind(i,128);

subplot(131),imshow(in)

subplot(132),imshow(i)

subplot(133),imshow(x),colormap(map)

2、%空间分辨率变化的效果

clc,close all,clear

i=imread('cameraman.tif');

i=imresize(i,[256,256]);

i1=i(1:2:end,1:2:end);

[m1,n1]=size(i)

i2=i1(1:2:end,1:2:end);

[m2,n2]=size(i2)

i3=i2(1:2:end,1:2:end);

[m3,n3]=size(i3)

subplot(221),imshow(i),xlabel('256 x 256')

subplot(222),imshow(i1),xlabel('128 x 128')

subplot(223),imshow(i2),xlabel('64 x 64')

subplot(224),imshow(i3),xlabel('32 x 32')

256 x 256128 x 128

64 x 6432 x 32

实验二 图像的几何变换

一、实验目的

掌握图像的基本几何变换的方法 1、图像的平移 2、图像的旋转

二、实验内容

练习用matalb 命令实现图像的平移、旋转操作 1、.编写实现图像平移的函数

2、用imread 命令从你的硬盘读取一幅256×256灰度图;

3、调用平移函数，将256×256灰度图平移100行200列，在同一个窗口中显示平移前和平移后的图像。

4、再开辟一个窗口，分别用最近邻插值法、双线性插值法实现图像顺势针旋转50°，显示在同一窗口中，并比较两种效果图（在报告中）

三、实验原理

提示：图片平移就是实现运算

四、实验代码及结果

1、function [I]=hmove(i,x0,y0); %编写实现图像平移的函数hmove ，平移量为 [r,c]=size(i); %x0,y0,平移前图像矩阵为i ， I(r+x0,c+y0)=0; %平移后图像矩阵为I for x=1:r;

for y=1:c; x1=x+x0; y1=y+y0;

I(x1,y1)=i(x,y); end; end;

参考程序 subplot(2,2,1) imshow(RGB) subplot(2,2,3)

gray1=rgb2gray(RGB);

imagesc(gray1),colormap(gray);

??

???????????????????=??????????11001001100''y x y x y x ??

?+=+=0

0''y y y x x x 即：

subplot(2,2,2)

I1=hmove(gray1,100,20);

subimage(gray1),axis('image');

subplot(2,2,4),imagesc(I1),colormap(gray),axis([1,700],[1,820]);

2、显示图像的傅立叶频谱

a=0:800;b=0:600;

%[x,y]=meshgrid([-20:0.2:20],[-20:0.2:20]);

[x,y]=meshgrid(a,b);

i=imread('hr.jpg');

I=rgb2gray(i);

subplot(1,2,1),subimage([0,800],[0,600],i);

subplot(1,2,2);

s=fft2(I,601,801);

mesh(x,y,log(abs(s)));％图像的傅立叶幅度频谱以三维图形显示

colormap(hsv);

实验三图像空域变换增强（1）

一、实验目的

1、掌握直方图均衡化算法。

2、巩固灰度变换、直方图修正、图像算术和逻辑运算等基础知识。

3、熟练掌握空域变换增强的matlab 相关函数用法，并能利用算法自己编写matlab 程序实现图像空域变换增强。

二、实验内容

1、用函数imcomplement 对灰度图像cameraman.tif 取反。

2、利用如下分段变换曲线对canmeraman.tif 做线性灰度变换。

3、利用直方图求取算法计算以及显示pout.tif的直方图，并和imhist 函数生成的直方图作比较。

三、实验原理

在图像处理中，空域是指由像素组成的空间，空域增强方法是指直接作用于像素的增强方法。空域处理可以表示为：

g(x, y)=T[ f (x, y)]

j=imcomplement(i);对图像取反

imhist();显示图像的直方图

histeq();直方图均衡化函数

imnoise(I,type,parameters);给图像加噪声

bitand();图像位与运算

bitor();图像位或运算

四、实验代码与结果

1、i=imread('cameraman.tif');

j=imcomplement(i);

subplot(121),imshow(i)

subplot(122),imshow(j)

2、clear,close all,clc

in1=imread('cameraman.tif');

f0=0;g0=0;

f1=100;g1=60;

f2=150;g2=220;

f3=255;g3=255;

figure,plot([f0,f1,f2,f3],[g0,g1,g2,g3]) axis tight,xlabel('f'),ylabel('g')

title('intensity transformation')

r1=(g1-g0)/(f1-f0);

b1=g0-r1*f0;

r2=(g2-g1)/(f2-f1);

b2=g1-r2*f1;

r3=(g3-g2)/(f3-f2);

b3=g2-r3*f2;

[m,n]=size(in1);

in2=double(in1);

for i=1:m

for j=1:n

f=in2(i,j);

g(i,j)=0;

if (f>=0)&(f<=f1)

g(i,j)=r1*f+b1;

elseif (f>=f1)&(f<=f2)

g(i,j)=r2*f+b2;

elseif (f>=f2)&(f<=f3)

g(i,j)=r3*f+b3;

end

end

end

figure,subplot(121),imshow(in1) subplot(122),imshow(mat2gray(g))

3、clc,clear,close all

in=imread('pout.tif');

[m,n]=size(in);

num=zeros(1,256); % num 是每个灰度级对应的像素个数p=zeros(1,256); % p 是每个灰度级出现的概率

for i=1:m

for j=1:n

num(1,in(i,j)+1)=num(1,in(i,j)+1)+1;% 统计个数

end

end

p=num./(m*n)% 求概率

x=1:256;

subplot(121),plot(x,p) ,axis([1 256 0 0.06])

subplot(122),imhist(in)

实验四图像空域变换增强（2）

一、实验目的

1、掌握直方图均衡化算法。

2、巩固灰度变换、直方图修正、图像算术和逻辑运算等基础知识。

3、熟练掌握空域变换增强的matlab 相关函数用法，并能利用算法自己编写matlab 程序实现图像空域变换增强。实现频域线性变换，非线性变换增强

二、实验内容

1、利用直方图均衡化算法对图像pout.tif 进行增强运算。

2、对图像lena.jpg 作逻辑与和逻辑或运算。

三、实验原理

j=imcomplement(i);对图像取反

imhist();显示图像的直方图

histeq();直方图均衡化函数

imnoise(I,type,parameters);给图像加噪声

bitand();图像位与运算

bitor();图像位或运算

四、实验代码与结果

1、clear; close all; clc;

tu=imread('pout.tif'); % 输入图像

%tu=rgb2gray(tu); % 转换为灰度图像

N=zeros(1,256); % N 为原始图像各灰度级像素个数

P=zeros(1,256); % P 为原始成图像直方图

q=zeros(1,256); % q 为原始图像直方图累积分布函数

newN=zeros(1,256); % newN 为新生成图像各灰度级像素个数

newP=zeros(1,256); % newP 为新生成图像直方图

newq=zeros(1,256); % newq 为新生成图像直方图累积分布函数

[h w]=size(tu);

new_tu=zeros(h,w);

% 计算原始图像各灰度级像素个数

for x=1:h

for y=1:w

N(1,tu(x,y))=N(1,tu(x,y))+1;

end

end

P=N./sum(N);% 计算原始直方图P

% 计算原始累积分布直方图

q(1,1)=P(1,1);

for i=2:256

q(1,i)=q(1,i-1)+P(1,i);

end

% 计算原始直方图对应的新的灰度t ,建立映射关系

for i=1:256

t(1,i)=floor(254*q(1,i)+1+0.5);

end

% 计算直方图均衡化后的新图new_tu

for x=1:h

for y=1:w

new_tu(x,y)=t(1,tu(x,y));

end

end

% 统计新生成图像各灰度级像素个数

for x=1:h

for y=1:w

newN(1,new_tu(x,y))=newN(1,new_tu(x,y))+1;

end

end

newP=newN./(h*w);% 计算新的灰度直方图newP

% 计算新生成图像累积分布直方图

newq(1,1)=newP(1,1);

for i=2:256

newq(1,i)=newq(1,i-1)+newP(1,i);

end

% 显示信息

subplot(231),imshow(tu)

subplot(232),plot(P),axis([1 256 0 0.06])

subplot(233),plot(q),axis([1 256 0 1])

subplot(234),imshow(new_tu,[])

subplot(235),plot(newP),axis([1 256 0 0.06])

subplot(236),plot(newq),axis([1 256 0 1])

2、clc,clear,close all

in=imread('lena.jpg');

in=rgb2gray(in);

[m,n]=size(in);

in=double(in);

out1=ones(m,n)*255;out1(20:150,30:170)=0;

chu1=zeros(m,n);chu1(20:150,30:170)=255;

for i=1:m

for j=1:n

out2(i,j)=bitor(in(i,j),out1(i,j));

chu2(i,j)=bitand(in(i,j),chu1(i,j));

end

end

in=uint8(in);out1=uint8(out1);out2=uint8(out2);

chu1=uint8(chu1);chu2=uint8(chu2);

subplot(231),imshow(in)

subplot(232),imshow(out1)

subplot(233),imshow(out2)

subplot(234),imshow(chu1)

subplot(235),imshow(chu2)

实验五图像滤波增强

一、实验目的

1、掌握各种空域和频域图像滤波增强算法已经模板运算的基本方法。

2、巩固卷积定理、滤波处理等基础知识。

3、熟练掌握空域和频域滤波增强的matlab 相关函数用法。

二、实验内容

1、利用均值滤波算法对已被噪声污染的图像rice.png 进行滤波除噪处理。

2 、利用标准中值滤波算法对已被噪声污染的图像rice.png 进行滤波除噪处理。

3 、用prewitt 算子对图像cameraman.tif 进行锐化滤波处理。

三、实验原理

H=fspecial(type);

H=fspecial(type,parameters);用于创建一个指定的滤波器模板，type 指滤波器的类型。

parameters 是与指定的滤波器有关的参数。

Y=filter2(B,X); 用于进行二维线性数字滤波，使用矩阵B 中的二维滤波器对数据X进行滤波。结果Y 是通过二维互相关计算出来的，大小与X 一样。

Y=filter2(B,X,’shape’);结果Y 的大小由参数shape确定，shape的取值如下：Full：返回二维户相关的全部结果，size(Y) >size(X)

Same：返回二维户相关结果的中间部分，Y 的大小与X 相同

Valid：返回二维户相关未使用边缘补0 的部分，size(Y)

四、实验代码与结果

1、clc,clear

in1=imread('rice.png');f=imnoise(in1,'salt & pepper',0.1);

%f=imnoise(in1,'gaussian',0,0.02)

%g 是标准均值滤波器的输出图像

g=biaozhunjunzhi(f,3);

subplot(221),imshow(in1)%,xlabel('(a) 原始图像')

subplot(222),imshow(f)%,xlabel('(b) 加噪图像')

subplot(223),imshow(g)%,xlabel('(c) 标准均值滤波图像')

function g=biaozhunjunzhi(f,k)

[m,n]=size(f);

%f1 是对边缘像素补0 后得到的图像

f1=zeros(m+(k-1),n+(k-1));[m1,n1]=size(f1);

%f1 的边缘像素值为0中间的像素值依然为f

f1((1+(k-1)/2):(m1-(k-1)/2),(1+(k-1)/2):(n1-(k-1)/2))=f;

%注意这条指令绝对不能少

ga=f;

%取出窗口内的像素值并作标准均值滤波处理

for i=(k+1)/2:(m1-(k-1)/2)

for j=(k+1)/2:(n1-(k-1)/2)

a=0;x=1;

for p=1:k

for q=1:k

a(x)=f1(i+(p-(k+1)/2),j+(q-(k+1)/2));x=x+1;

end

end

%hsum 表示窗口内所有像素值的和

hsum=0;

for h=1:(k^2)

hsum=hsum+a(h);

end

ga(i,j)=round(hsum/(k^2));

end

end

%ga 的大小和f1 的大小一致所以必须取出中间部分像素值作为输出g=ga((1+(k-1)/2):(m1-(k-1)/2),(1+(k-1)/2):(n1-(k-1)/2));

2、clc,clear

in1=imread('rice.png');f=imnoise(in1,'salt & pepper',0.1);

%f=imnoise(in1,'gaussian',0,0.02)

%g 是标准中值滤波器的输出图像

g=biaozhunzhongzhi(f,3);

subplot(131),imshow(in1)%,xlabel('(a) 原始图像')

subplot(132),imshow(f)%,xlabel('(b) 加噪图像')

subplot(133),imshow(g)%,xlabel('(c) 标准均值滤波图像')

function g=biaozhunzhongzhi(f,k)

[m,n]=size(f);

%f1 是对边缘像素补0 后得到的图像

f1=zeros(m+(k-1),n+(k-1));[m1,n1]=size(f1);

%f1 的边缘像素值为0中间的像素值依然为f

f1((1+(k-1)/2):(m1-(k-1)/2),(1+(k-1)/2):(n1-(k-1)/2))=f;

%注意这条指令绝对不能少

ga=f;

for i=(k+1)/2:(m1-(k-1)/2)

for j=(k+1)/2:(n1-(k-1)/2)

a=0;x=1;

for p=1:k

for q=1:k

a(x)=f1(i+(p-(k+1)/2),j+(q-(k+1)/2));x=x+1;

end

end

a=sort(a);ga(i,j)=a((k^2+1)/2);

end

end

%ga 的大小和f1 的大小一致所以必须取出中间部分像素值作为输出g=ga((1+(k-1)/2):(m1-(k-1)/2),(1+(k-1)/2):(n1-(k-1)/2));

3、clc,clear,close all

f=imread('cameraman.tif');[m,n]=size(f);g=f;

h1=[-1 -1 -1;0 0 0;1 1 1];h2=[-1 0 1;-1 0 1;-1 0 1];

x1=h1;x2=h2;

for i=2:1:m-1

for j=2:1:n-1

sum1=0;sum2=0;sum=0;

for p=1:1:3

for q=1:1:3

x1(p,q)=f(i+(p-2),j+(q-2));x2(p,q)=f(i+(p-2),j+(q-2));

sum1=sum1+x1(p,q)*h1(p,q);sum2=sum2+x2(p,q)*h2(p,q);sum=sum1+sum2;

end

end

if sum<1

g(i,j)=abs(sum);

else

g(i,j)=sum;

end

end

end

subplot(121),imshow(f)

subplot(122),imshow(g)

实验六图像复原

一、实验目的

1、掌握各种空域和频域图像滤波增强算法已经模板运算的基本方法。

2、巩固卷积定理、滤波处理等基础知识。

3、熟练掌握空域和频域滤波增强的matlab 相关函数用法并能利用算法自己编写matlab程序实现图像空域变换增强。

二、实验内容

1 利用大气湍流引起的图像退化模型对camerman.tif 进行退化和复原仿真，采用逆滤波的方法复原。

2 利用匀速直线运动的图像退化模型对camerman.tif 进行退化和复原仿真，采用逆滤波的方法复原。

3 根据逆谐波均值滤波器的输入输出方程对输入图像camerman.tif 进行空域滤波还原处理。

三、实验原理

Psf=fspecial(type,parameters)；返回指定滤波器的单位冲击响应

Imfilter(c,psf,’circular’,’conv’)；根据psf 对图像进行滤波处理

Fr=deconvwnr(g,psf,ncorr,icorr)；对图像进行维纳滤波处理

Fr=deconvreg(g,psf,noisepower,range)；对图像进行最小二乘方滤波处理

Tform=maketform(transform_type,transform_parameters)；对图像进行几何失真校正

四、实验代码与结果

1、%基于大气湍流造成的模糊图像及其还原

clear;close all;clc

in=imread('cameraman.tif');

subplot(131),imshow(in),title('原始图像')

f=fft2(in);

[N1,N2]=size(f);

k1=0.00005; %退化模型中的常数

%根据退化模型对输入图像进行退化处理并输出退化后的图像

for i=1:N1

for j=1:N2

h(i,j)=exp((-k1*(i^2+j^2))^(5/6));

out(i,j)=f(i,j)*h(i,j);

end

end

out1=ifft2(out);

outreal=uint8(real(out1));

subplot(132),imshow(outreal),title('大气湍流退化图')

%根据退化模型对已经退化的图像进行恢复处理

k2=0.00006; %退化模型中的常数

for i=1:N1

for j=1:N2

h(i,j)=exp((-k2*(i^2+j^2))^(5/6));

chu(i,j)=out(i,j)/h(i,j);

end

end

chu1=ifft2(chu);

chureal=uint8(real(chu1));

subplot(133),imshow(chureal),title('大气湍流还原图')

2、%基于匀速直线运动造成的模糊图像及其还原

clear;close all;clc

in=imread('cameraman.tif');

%in=rgb2gray(in1);

subplot(131),imshow(in),title('原始图像')

f=fft2(in);

[N1,N2]=size(f);

t=1;

a=0.06;

b=0.04;

pi=3.1415926;

for u=1:N1

for v=1:N2

fenzhi=cos(pi*(u*a+v*b))-i*sin(pi*(u*a+v*b));

h(u,v)=t*sin(pi*(u*a+v*b))*fenzhi/(pi*(u*a+v*b));

out(u,v)=f(u,v)*h(u,v);

end

end

out1=ifft2(out);

outreal=uint8(real(out1));

subplot(132),imshow(outreal),title('匀速直线运动退化图')

for u=1:N1

for v=1:N2

h(u,v)=t*sin(pi*(u*a+v*b))*(cos(pi*(u*a+v*b))-j*sin(pi*(u*a+v*b))) /(pi*(u*a+v*b));

chu(u,v)=out(u,v)/h(u,v);

end

end

chu1=ifft2(chu);

chureal=uint8(real(chu1));

subplot(133),imshow(chureal),title('匀速直线运动还原图')

a=0.06;b=0;时的运行结果：

a=0;b=0.06; 时的运行结果：：

3、%逆谐波均值滤波举例

clc,close all,clear

in=imread('cameraman.tif');

f=imnoise(in,'gaussian',0,0.05);

g=nixiebojunzhi(f,3);

subplot(131),imshow(in)

subplot(132),imshow(f)

subplot(133),imshow(g)

%逆谐波函数

function g=nixiebojunzhi(f,k)

[m,n]=size(f);

r=2;%r 为逆谐波函数中的Q 值

%f1 是对边缘像素补0 后得到的图像

f1=zeros(m+(k-1),n+(k-1));

[m1,n1]=size(f1);

%f1 的边缘像素值为0中间的像素值依然为f

f1((1+(k-1)/2):(m1-(k-1)/2),(1+(k-1)/2):(n1-(k-1)/2))=f;

%注意这条指令绝对不能少

ga=f;

%取出窗口内的像素值并作标准均值滤波处理

for i=(k+1)/2:(m1-(k-1)/2)

for j=(k+1)/2:(n1-(k-1)/2)

a=0;x=1;

for p=1:k

for q=1:k

a(x)=f1(i+(p-(k+1)/2),j+(q-(k+1)/2));

x=x+1;

end

end

%hsum 表示窗口内所有像素值的和

hsum1=0;

hsum2=0;

for h=1:(k^2)

hsum1=hsum1+a(h)^(r+1);

hsum2=hsum2+a(h)^r;

end

ga(i,j)=round(hsum1/hsum2);

end

end

%ga 的大小和f1 的大小一致所以必须取出中间部分像素值作为输出g=ga((1+(k-1)/2):(m1-(k-1)/2),(1+(k-1)/2):(n1-(k-1)/2));

实验七彩色图像处理

一、实验目的

1、了解三色成像及各种颜色模型。

2、能用处理灰度图像的算法和技术对真彩色图像进行增强、去噪、复原等处理。

3、理解伪彩色图像处理技术并掌握密度分层法、灰度级彩色变换法、频域滤波等伪彩色图像处理算法。

二、实验内容

1、生成一幅256x256 的RGB 图像，该图像左上角为红色，右上角为蓝色，左下角为绿色，右下角为黑色。

2、给彩色图像加噪并去噪，可以采用灰度图像去噪处理的任何方法。

3、密度分层伪彩色处理仿真。

4、灰度级-彩色变换法伪彩色处理仿真。

三、实验原理

B=cat(dim,A1,A2,A3,...)，dim 为维数，cat 函数将A1,A2,A3 等矩阵连接成维数为dim的矩阵。

四、实验代码与结果

1、clc,clear,close all

rin=zeros(256,256);%红色分量

rin(1:128,1:128)=1;%左上角

gin=zeros(256,256);%绿色分量

gin(129:256,1:128)=1;%左下角

bin=zeros(256,256);%蓝色分量

bin(1:128,129:256)=1;%右上角

%将三个分量进行组合

out1=cat(3,rin,gin,bin);

%也可以不用matlab 函数

out2(:,:,1)=rin;out2(:,:,2)=gin;out2(:,:,3)=bin;

subplot(121),imshow(out1)

subplot(122),imshow(out2)

2、%给彩色图像加噪并去噪

clc,clear,close all

in1=imread('peppers.png');

in=imnoise(in1,'salt & pepper',0.8);

out(:,:,1)=gaijinjunzhi(in(:,:,1),5);

out(:,:,2)=gaijinjunzhi(in(:,:,2),5);

out(:,:,3)=gaijinjunzhi(in(:,:,3),5);

subplot(221),imshow(in1)

subplot(222),imshow(in)

subplot(223),imshow(out)

%采用改进均值滤波算法，函数如下

function g=gaijinjunzhi(f,k)

[m,n]=size(f);

%f1 是对边缘像素补0 后得到的图像

f1=zeros(m+(k-1),n+(k-1));[m1,n1]=size(f1);

%f1 的边缘像素值为0中间的像素值依然为f

f1((1+(k-1)/2):(m1-(k-1)/2),(1+(k-1)/2):(n1-(k-1)/2))=f;

%注意这条指令绝对不能少

ga=f;

%取出窗口内的像素值并作改进均值滤波处理

for i=(k+1)/2:(m1-(k-1)/2)

for j=(k+1)/2:(n1-(k-1)/2)

a=0;x=1;

for p=1:k

for q=1:k

a(x)=f1(i+(p-(k+1)/2),j+(q-(k+1)/2));x=x+1;

end

end

mina=min(a);maxa=max(a);

%tan 表示窗口内既不是最大也不是最小像素值的个数

%he 表示窗口内所有既不是最大也不是最小像素值的和

tan=0;he=0;

%hsum 表示窗口内所有像素值的和

hsum=0;

%取出不是最大也不是最小的像素值并求和以及个数

for h=1:(k^2)

hsum=hsum+a(h);

if a(h)~=mina & a(h)~=maxa

tan=tan+1;he=he+a(h);

else

end

end

%在噪声密度较大的情况下有可能窗口内所有的值都是最大值或最小值%对其进行判断，如果是这种情况，就采用普通的均值滤波算法求当前要求的像素点的值

if tan~=0

ga(i,j)=round(he/tan);

else

ga(i,j)=round(hsum/(k^2));

end

end

end

%ga 的大小和f1 的大小一致，所以必须取出中间部分像素值作为输出g=ga((1+(k-1)/2):(m1-(k-1)/2),(1+(k-1)/2):(n1-(k-1)/2));

3、clc,clear,close all

%[i0,map]=imread('trees.tif');

d=[0.54,0.24,0.81;0.44,0.136,0.123;0.45,0.73,0.145;...

0.21,0.12,0.56;0.45,0.54,0.33;0.33,0.23,0.141;...

0.42,0.23,0.1;0.101,0.51,0.31;0.22,0.88,0.21;0.23,0.93,0.33];

in=imread('pout.tif');[m,n]=size(in);

for i=1:m

for j=1:n

% out(i,j,1)=map(in(i,j),1);% out(i,j,2)=map(in(i,j),2);

% out(i,j,3)=map(in(i,j),3);

ind=fix(in(i,j)/26);

out(i,j,1)=d(ind,1);out(i,j,2)=d(ind,2);out(i,j,3)=d(ind,3);

end

end

subplot(121),imshow(in)

subplot(122),imshow(out)

数字图像处理实验1

实验一 实验内容和步骤 练习图像的读取、显示和保存图像数据，步骤如下： (1)使用命令figure(1)开辟一个显示窗口 (2)读入一幅RGB图像，变换为灰度图像和二值图像，并在同一个窗口内显示、二值图像和灰度图像，注上文字标题。 (3)保存转换后的灰度图像和二值图像 (4)在同一个窗口显示转换后的灰度图像的直方图 I=imread('BaboonRGB.bmp'); figure,imshow(I); I_gray=rgb2gray(I); figure,imshow(I_gray); I_2bw=Im2bw(I_gray); figure,imshow(I_2bw); subplot(1,3,1),imshow(I),title('RGB图像'); subplot(1,3,2),imshow(I_gray),title('灰度图像'); subplot(1,3,3),imshow(I_2bw),title('二值图像'); imwrite(I_gray,'Baboongray.png'); imwrite(I_2bw,'Baboon2bw.tif'); figure;imhist(I_gray);

RGB 图 像灰度图 像二值图 像 050100150200250 500 1000 1500 2000 2500 3000

(5)将原RGB 图像的R 、G 、B 三个分量图像显示在figure(2)中，观察对比它们的特点，体会不同颜色所对应的R 、G 、B 分量的不同之处。 [A_RGB,MAP]=imread('BaboonRGB.bmp'); subplot(2,2,1),imshow(A_RGB),title('RGB'); subplot(2,2,2),imshow(A_RGB(:,:,1)),title('R'); subplot(2,2,3),imshow(A_RGB(:,:,2)),title('G'); subplot(2,2,4),imshow(A_RGB(:,:,3)),title('B'); (6)将图像放大1.5倍，插值方法使用三种不同方法，在figure(3)中显示放大后的图像，比较不同插值方法的结果有什么不同。将图像放大到其它倍数，重复实验；A=imread('BaboonRGB.bmp'); figure(3),imshow(A),title('原图像'); B=imresize(A,1.5,'nearest'); figure(4),imshow(B),title('最邻近法') C=imresize(A,1.5,'bilinear'); ; figure(5),imshow(C),title('双线性插值'); D=imresize(A,1.5,'bicubic'); figure(6),imshow(D),title('双三次插值 '); RGB R G B

数字图像处理 课程设计报告

数字图像处理 课程设计报告 姓名： 学号： 班级： 设计题目：图像处理 教师：赵哲老师 提交日期： 12月29日

一、设计内容： 主题：《图像处理》 详细说明：对图像进行处理（简单滤镜，模糊，锐化，高斯模糊等），对图像进行处理（上下对称，左右对称，单双色显示，亮暗程度调整等），对图像进行特效处理（反色，实色混合，色彩平衡，浮雕效果，素描效果，雾化效果等）， 二、涉及知识内容： 1、二值化 2、各种滤波 3、算法等 三、设计流程图 四、实例分析及截图效果： 运行效果截图： 第一步：读取原图,并显示 close all;clear;clc; % 清楚工作窗口clc 清空变量clear 关闭打开的窗口close all I=imread(''); % 插入图片赋给I imshow(I);% 输出图I I1=rgb2gray(I);%图片变灰度图 figure%新建窗口 subplot(321);% 3行2列第一幅图 imhist(I1);%输出图片

title('原图直方图');%图片名称 一，图像处理模糊 H=fspecial('motion',40); %% 滤波算子模糊程度40 motion运动 q=imfilter(I,H,'replicate');%imfilter实现线性空间滤波函数，I图经过H滤波处理，replicate反复复制q1=rgb2gray(q); imhist(q1); title('模糊图直方图'); 二，图像处理锐化 H=fspecial('unsharp');%锐化滤波算子，unsharp不清晰的 qq=imfilter(I,H,'replicate'); qq1=rgb2gray(qq); imhist(qq1); title('锐化图直方图'); 三，图像处理浮雕(来源网络) %浮雕图 l=imread(''); f0=rgb2gray(l);%变灰度图 f1=imnoise(f0,'speckle',; %高斯噪声加入密度为的高斯乘性噪声 imnoise噪声污染图像函数 speckle斑点 f1=im2double(f1);%把图像数据类型转换为双精度浮点类型 h3=1/9.*[1 1 1;1 1 1;1 1 1]; %采用h3对图像f2进行卷积滤波 f4=conv2(f1,h3,'same'); %进行sobel滤波 h2=fspecial('sobel'); g3=filter2(h2,f1,'same');%卷积和多项式相乘 same相同的 k=mat2gray(g3);% 实现图像矩阵的归一化操作 四，图像处理素描(来源网络) f=imread(''); [VG,A,PPG] = colorgrad(f); ppg = im2uint8(PPG); ppgf = 255 - ppg; [M,N] = size(ppgf);T=200; ppgf1 = zeros(M,N); for ii = 1:M for jj = 1:N if ppgf(ii,jj)

数字图像处理四个实验报告,带有源程序

数字图像处理 实验指导书 学院：通信与电子工程学院 专业：电子信息工程 班级： 学号： 姓名： XX理工大学

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。 图1 图像的采样和量化 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)

(完整版)数字图像处理题库

[题目] 数字图像 [参考答案] 为了便于用计算机对图像进行处理，通过将二维连续（模拟）图像在空间上离散化，也即采样，并同时将二维连续图像的幅值等间隔地划分成多个等级（层次），也即均匀量化，以此来用二维数字阵列表示其中各个像素的空间位置和每个像素的灰度级数（灰度值）的图像形式称为数字图像。 图像处理 [参考答案] 是指对图像信息进行加工以满足人的视觉或应用需求的行为。 题目] 数字图像处理 [参考答案] 是指利用计算机技术或其他数字技术，对一图像信息进行某此数学运算及各种加工处理，以改善图像的视觉效果和提高图像实用性的技术。 一、绪论(名词解释，易，3分) [题目] 图像 [参考答案] 是指用各种观测系统以不同形式和手段观测客观世界而获得的、可以直接或间接作用于人的视觉系统而产生的视知觉的实体。 一、绪论(简答题，难，6分) [题目] 什么是图像？如何区分数字图像和模拟图像？ [参考答案] “图”是物体透射或反射光的分布，是客观存在的。“像”是人的视觉系统对图在大脑中形成的印象或认识，是人的感觉。图像是图和像的有机结合，既反映物体的客观存在，又体现人的心理因素；图像是对客观存在的物体的一种相似性的生动模仿或描述，或者说图像是客观对象的一种可视表示，它包含了被描述对象的有关信息。 模拟图像是空间坐标和亮度(或色彩)都连续变化的图像；数字图像是空间坐标和亮度(或色彩)均不连续的、用离散数字(一般是整数)表示的图像。

[题目] 简述研究图像恢复的基本思路。 [参考答案] 基本思路是，从图像退化的数学或概率模型出发，研究改进图像的外观，从而使恢复以后的图像尽可能地反映原始图像的本来面日，从而获得与景物真实面貌相像的图像。 一、绪论(简答题，易，5分) [题目] 简述研究图像变换的基本思路。 [参考答案] 基本思路是通过数学方法和图像变换算法对图像的某种变换，以便简化图像进一步处理的过程，或在进一步的图像处理中获得更好的处理效果。 一、绪论(简答题，易，5分) [题目] 简述一个你所熟悉的图像处理的应用实例。 [参考答案] 比如，医学上用B超检测仪对人体器官病变的检查和诊断。 一、绪论(简答题，中，5分) [题目] 一般的数字图像处理要经过几个步骤？由哪经内容组成？ [参考答案] 数字图像处理的基本步骤包括图像信息的获取、存储、处理、传输、输出和显示。 数字图像处理的内容主要包括图像数字化、图像变换、图像增强、图像恢复(复原)、图像压缩编码、图像分割、图像分析与描述和图像识别分类。 一、绪论(简答题，中，5分) [题目] 图像处理的目的是什么？针对每个目的请举出实际生活中的一个例子。 [参考答案] 图像处理就是对图像信息进行加工处理和分析，以满足人的视觉心旦需要和实际应用或某种目的(如压缩编码或机器识别)的要求。如视频图像的高清晰化处理、医学图像的识别分类及其在疾病断中的应用，就是图像处理这两个目的的实际例子。

数字图像处理实验报告

数字图像处理实验报告 实验一数字图像基本操作及灰度调整 一、实验目的 1)掌握读、写图像的基本方法。 2)掌握MATLAB语言中图像数据与信息的读取方法。 3)理解图像灰度变换处理在图像增强的作用。 4)掌握绘制灰度直方图的方法，理解灰度直方图的灰度变换及均衡化的方 法。 二、实验内容与要求 1.熟悉MATLAB语言中对图像数据读取，显示等基本函数 特别需要熟悉下列命令：熟悉imread()函数、imwrite()函数、size()函数、Subplot（）函数、Figure（）函数。 1)将MATLAB目录下work文件夹中的forest.tif图像文件读出.用到imread， imfinfo 等文件，观察一下图像数据，了解一下数字图像在MATLAB中的处理就是处理一个矩阵。将这个图像显示出来（用imshow）。尝试修改map颜色矩阵的值，再将图像显示出来，观察图像颜色的变化。 2)将MATLAB目录下work文件夹中的b747.jpg图像文件读出，用rgb2gray() 将其 转化为灰度图像，记为变量B。 2.图像灰度变换处理在图像增强的作用 读入不同情况的图像，请自己编程和调用Matlab函数用常用灰度变换函数对输入图像进行灰度变换，比较相应的处理效果。 3.绘制图像灰度直方图的方法，对图像进行均衡化处理 请自己编程和调用Matlab函数完成如下实验。 1)显示B的图像及灰度直方图，可以发现其灰度值集中在一段区域，用 imadjust函 数将它的灰度值调整到[0，1]之间，并观察调整后的图像与原图像的差别，调整后的灰

度直方图与原灰度直方图的区别。 2) 对B 进行直方图均衡化处理，试比较与源图的异同。 3) 对B 进行如图所示的分段线形变换处理，试比较与直方图均衡化处理的异同。 图1.1 分段线性变换函数 三、实验原理与算法分析 1. 灰度变换 灰度变换是图像增强的一种重要手段，它常用于改变图象的灰度范围及分布，是图象数字化及图象显示的重要工具。 1) 图像反转 灰度级范围为[0, L-1]的图像反转可由下式获得 r L s --=1 2) 对数运算：有时原图的动态范围太大，超出某些显示设备的允许动态范围， 如直接使用原图，则一部分细节可能丢失。解决的方法是对原图进行灰度压缩，如对数变换： s = c log(1 + r )，c 为常数，r ≥ 0 3) 幂次变换： 0,0,≥≥=γγc cr s 4) 对比拉伸：在实际应用中,为了突出图像中感兴趣的研究对象，常常要求 局部扩展拉伸某一范围的灰度值，或对不同范围的灰度值进行不同的拉伸处理，即分段线性拉伸： 其对应的数学表达式为：

武汉科技大学 数字图像处理实验报告

二○一四～二○一五学年第一学期电子信息工程系 实验报告书 班级：电子信息工程（DB）1102班姓名 学号： 课程名称：数字图像处理 二○一四年十一月一日

实验一图像直方图处理及灰度变换（2学时） 实验目的： 1. 掌握读、写、显示图像的基本方法。 2. 掌握图像直方图的概念、计算方法以及直方图归一化、均衡化方法。 3. 掌握图像灰度变换的基本方法，理解灰度变换对图像外观的改善效果。 实验内容： 1. 读入一幅图像，判断其是否为灰度图像，如果不是灰度图像，将其转化为灰度图像。 2. 完成灰度图像的直方图计算、直方图归一化、直方图均衡化等操作。 3. 完成灰度图像的灰度变换操作，如线性变换、伽马变换、阈值变换（二值化）等，分别使用不同参数观察灰度变换效果（对灰度直方图的影响）。 实验步骤： 1. 将图片转换为灰度图片,进行直方图均衡，并统计图像的直方图： I1=imread('pic.jpg'); %读取图像 I2=rgb2gray(I1); %将彩色图变成灰度图 subplot(3,2,1); imshow(I1); title('原图'); subplot(3,2,3); imshow(I2); title('灰度图'); subplot(3,2,4); imhist(I2); %统计直方图 title('统计直方图'); subplot(3,2,5); J=histeq(I2); %直方图均衡 imshow(J); title('直方图均衡'); subplot(3,2,6); imhist(J); title('统计直方图');

原 图 灰度图 01000 2000 3000统计直方图 100200直方图均衡 0统计直方图 100200 仿真分析： 将灰度图直方图均衡后，从图形上反映出细节更加丰富，图像动态范围增大，深色的地方颜色更深，浅色的地方颜色更前，对比更鲜明。从直方图上反应，暗部到亮部像素分布更加均匀。 2. 将图片进行阈值变换和灰度调整，并统计图像的直方图： I1=imread('rice.png'); I2=im2bw(I1,0.5); %选取阈值为0.5 I3=imadjust(I1,[0.3 0.9],[]); %设置灰度为0.3-0.9 subplot(3,2,1); imshow(I1); title('原图'); subplot(3,2,3); imshow(I2); title('阈值变换'); subplot(3,2,5); imshow(I3); title('灰度调整'); subplot(3,2,2); imhist(I1); title('统计直方图'); subplot(3,2,4);

数字图像处理实验指导书模板

《数字图像处理》实验指导书 编写: 罗建军 海南大学三亚学院 10月

目录 一、概述 ....................................................................... 错误!未定义书签。 二、建立程序框架 ....................................................... 错误!未定义书签。 三、建立图像类 ........................................................... 错误!未定义书签。 四、定义图像文档实现图像读/写.............................. 错误!未定义书签。 五、实现图像显示 ....................................................... 错误!未定义书签。 六、建立图像处理类................................................... 错误!未定义书签。 七、实现颜色处理功能............................................... 错误!未定义书签。 (一) 亮度处理................................................................. 错误!未定义书签。 (二) 对比度处理............................................................. 错误!未定义书签。 (三) 色阶处理................................................................. 错误!未定义书签。 (四) 伽马变换................................................................. 错误!未定义书签。 (五) 饱和度处理............................................................. 错误!未定义书签。 (六) 色调处理................................................................. 错误!未定义书签。 八、实现几何变换功能............................................... 错误!未定义书签。 (一) 图像缩放................................................................. 错误!未定义书签。 (二) 旋转......................................................................... 错误!未定义书签。 (三) 水平镜像................................................................. 错误!未定义书签。 (四) 垂直镜像................................................................. 错误!未定义书签。 (五) 右转90度................................................................. 错误!未定义书签。 (六) 左转90度................................................................. 错误!未定义书签。 (七) 旋转180度............................................................... 错误!未定义书签。 九、实现平滑锐化功能............................................... 错误!未定义书签。 十、图像处理扩展编程............................................... 错误!未定义书签。

数字图像处理试题集(终版)

第一章引言 一.填空题 1. 数字图像是用一个数字阵列来表示的图像。数字阵列中的每个数字，表示数字图像的一个最小单位，称为_像素_。 2. 数字图像处理可以理解为两个方面的操作：一是从图像到图像的处理，如图像增强等；二是_从图像到非图像的一种表示_，如图像测量等。 3. 数字图像处理可以理解为两个方面的操作：一是_从图像到图像的处理_，如图像增强等；二是从图像到非图像的一种表示，如图像测量等。 4. 图像可以分为物理图像和虚拟图像两种。其中，采用数学的方法，将由概念形成的物体进行表示的图像是虚拟图像_。 5. 数字图像处理包含很多方面的研究内容。其中，_图像重建_的目的是根据二维平 面图像数据构造出三维物体的图像。 二.简答题 1. 数字图像处理的主要研究内容包含很多方面，请列出并简述其中的5种。 ①图像数字化：将一幅图像以数字的形式表示。主要包括采样和量化两个过程。 ②图像增强：将一幅图像中的有用信息进行增强，同时对其无用信息进行抑制，提高图像的可观察性。 ③图像的几何变换：改变图像的大小或形状。 ④图像变换：通过数学映射的方法，将空域的图像信息转换到频域、时频域等空间上进行分析。 ⑤图像识别与理解：通过对图像中各种不同的物体特征进行定量化描述后，将其所期望获得的目标物进行提取，并且对所提取的目标物进行一定的定量分析。 2. 什么是图像识别与理解？ 图像识别与理解是指通过对图像中各种不同的物体特征进行定量化描述后，将其所期望 获得的目标物进行提取，并且对所提取的目标物进行一定的定量分析。比如要从一幅照片上确定是否包含某个犯罪分子的人脸信息，就需要先将照片上的人脸检测出来，进而将检测出来的人脸区域进行分析，确定其是否是该犯罪分子。 4. 简述数字图像处理的至少5种应用。 ①在遥感中，比如土地测绘、气象监测、资源调查、环境污染监测等方面。 ②在医学中，比如B超、CT机等方面。 ③在通信中，比如可视电话、会议电视、传真等方面。 ④在工业生产的质量检测中，比如对食品包装出厂前的质量检查、对机械制品质量的监控和筛选等方面。 ⑤在安全保障、公安方面，比如出入口控制、指纹档案、交通管理等。 5. 简述图像几何变换与图像变换的区别。 ①图像的几何变换：改变图像的大小或形状。比如图像的平移、旋转、放大、缩小等，这些方法在图像配准中使用较多。 ②图像变换：通过数学映射的方法，将空域的图像信息转换到频域、时频域等空间上进行分析。比如傅里叶变换、小波变换等。

数字图像处理实验 实验二

实验二MATLAB图像运算一、实验目的 1．了解图像的算术运算在数字图像处理中的初步应用。 2．体会图像算术运算处理的过程和处理前后图像的变化。 二、实验步骤 1．图像的加法运算-imadd 对于两个图像f x,y和 (x,y)的均值有： g x,y=1 f x,y+ 1 (x,y) 推广这个公式为： g x,y=αf x,y+β (x,y) 其中，α+β=1。这样就可以得到各种图像合成的效果，也可以用于两张图像的衔接。说明：两个示例图像保存在默认路径下，文件名分别为'rice.png'和'cameraman.tif'，要求实现下图所示结果。 代码： I1 = imread('rice.png'); I2 = imread('cameraman.tif'); I3 = imadd(I1, I2,'uint8'); I4 = imadd(I1, I2,'uint16'); subplot(2, 2, 1), imshow(I1), title('?-ê?í???1'); subplot(2, 2, 2), imshow(I2), title('?-ê?í???2'); subplot(2, 2, 3), imshow(I3), title('8??í?????ê?'); subplot(2, 2, 4), imshow(I4), title('16??í?????ê?'); 结果截图：

2．图像的减法运算-imsubtract 说明： 背景图像可通过膨胀算法得到background = imopen(I,strel('disk',15));，要求实现下图所示结果。 示例代码如下： I1 = imread('rice.png'); background = imerode(I1, strel('disk', 15)); rice2 = imsubtract(I1, background); subplot(2, 2, 1), imshow(I1), title('?-ê?í???'); subplot(2, 2, 2), imshow(background), title('±3?°í???'); subplot(2, 2, 3), imshow(rice2), title('′|àíoóμ?í???'); 结果截图： 3.图像的乘法运算-immultiply

数字图像处理技术应用课程报告

集中稀疏表示的图像恢复 董伟胜中国西安电子科技大学电子工程学院wsdong@https://www.doczj.com/doc/4d16654774.html, 张磊香港理工大学计算机系cslzhang@https://www.doczj.com/doc/4d16654774.html,.hk 石光明中国西安电子科技大学电子工程学院gmshi@https://www.doczj.com/doc/4d16654774.html, 摘要 本文对于图像恢复任务提出了一种新的称为集中稀疏表示(CSR)的稀疏表示模型。为了重建高还原度的图像，通过给定的字典，退化图像的稀疏编码系数预计应该尽可能接近那些未知的原始图像。然而，由于可用的数据是原始图像的退化版本(如噪声、模糊和/或者低采样率)，正如许多现有的稀疏表示模型一样，如果只考虑局部的稀疏图像，稀疏编码系数往往不够准确。为了使稀疏编码更加准确，通过利用非局部图像统计，引入一个集中的稀疏性约束。为了优化，局部稀疏和非局部稀疏统一到一个变化的框架内。大量的图像恢复实验验证了我们的CSR模型在以前最先进的方法之上取得了令人信服的改进。 1、介绍 图像恢复（IR）目的是为了从，比如说通过一个低端摄像头或者在有限条件下得到图像的图像退化版本（例如噪声、模糊和/或者低采样率），来恢复一副高质量的图像。对于观察的图像y，IR问题可以表示成： y = Hx + v (1) 其中H是一个退化矩阵，x是原始图像的矢量，v是噪声矢量。由于IR的病态特性，尝试把观察模型和所需解决方案的先验知识合并到一个变分公式的正则化技术，已经被广泛地研究。对于正则方法，对自然图像适当的先验知识进行寻找和建模是最重要的关注点之一，因此学习自然图像先验知识的各种方法已经被提出来了【25,5,6,12】。 近年来，对于图像恢复基于建模的稀疏表示已经被证明是一种很有前途的模型【9,5,13,20,16,21,27,15,14】。在人类视觉系统【23,24】的研究中，已经发现细胞感受区域使用少量的从一个超完备的编码集中稀疏选出的结构化基元来编码自然图像。在数学上，一个x ∈ R N的信号可以表示为一个字典Φ中的几个原子的线性组合，例如，X ≈Φα,用|0 最小化：

数字图像处理程序

数字图像处理程序

数字图像处理实验 图像处理实验（一）直方图 灰度变换是图像增强的一种重要手段，使图像对比度扩展，图像更加清晰，特 征更加明显。 灰度级的直方图给出了一幅图像概貌的描述，通过修改灰度直方图来得到图像 增强。 1、灰度直方图 （1）计算出一幅灰度图像的直方图 clear close all I=imread('004.bmp'); imhist(I) title('实验一（1）直方图'); （2）对灰度图像进行简单的灰度线形变换， figure subplot(2,2,1) imshow(I); title('试验2-灰度线性变换'); subplot(2,2,2) histeq(I); （3）看其直方图的对应变化和图像对比度的变化。 原图像 f(m,n) 的灰度范围 [a,b] 线形变换为图像 g(m,n),灰度范围[a’,b’]公式：g(m,n)=a’+(b’-a’)* f(m,n) /(b-a) figure subplot(2,2,1) imshow(I) J=imadjust(I,[0.3,0.7],[0,1],1); title(' 实验一（3）用g(m,n)=a’+(b’-a’)* f(m,n) /(b-a)进行变换 '); subplot(2,2,2) imshow(J) subplot(2,2,3) imshow(I) J=imadjust(I,[0.5 0.8],[0,1],1); subplot(2,2,4) imshow(J) (4) 图像二值化（选取一个域值，(5) 将图像变为黑白图像） figure subplot(2,2,1)

数字图像处理开卷整理后

1. 半调输出技术可以：（B） A、改善图像的空间分辨率； B、改善图像的幅度分辨率； C、利用抖动技术实现； D、消除虚假轮廓现象。 2. 数字图像木刻画效果的出现是由于下列原因所产生的：（A） A、图像的幅度分辨率过小； B、图像的幅度分辨率过大； C、图像的空间分辨率过小； D、图像的空间分辨率过大； 1. 对应于不同的场景内容，一般数字图像可以分_二值图像__、灰度图像和彩色图像三类。 4.下列算法中属于局部处理的是：（D ） A、灰度线性变换 B、二值化 C、傅立叶变换 D、中值滤波 1. 图像的数字化包含哪些步骤？简述这些步骤。 1. 图像的数字化主要包含采样、量化两个过程。采样是将空域上连续的图像变换成离散采 样点集合，是对空间的离散化。经过采样之后得到的二维离散信号的最小单位是像素。量化 就是把采样点上表示亮暗信息的连续量离散化后，用数值表示出来，是对亮度大小的离散化。 经过采样和量化后，数字图像可以用整数阵列的形式来描述。 2. 图像量化时，如果量化级比较小会出现什么现象？为什么？ 2. 如果量化级数过小，会出现伪轮廓现象。量化过程是将连续变化的颜色划分到有限个级 别中，必然会导致颜色信息损失。当量化级别达到一定数量时，人眼感觉不到颜色信息的丢失。当量化级数过小时，图像灰度分辨率就会降低，颜色层次就会欠丰富，不同的颜色之间 过度就会变得突然，可能会导致伪轮廓现象。 3. 简述二值图像、彩色图像、灰度图像的区别。 3. 二值图像是指每个像素不是黑，就是白，其灰度值没有中间过渡的图像。这种图像又称 为黑白图像。二值图像的矩阵取值非常简单，每个像素的值要么是1,要么是0,具有数据 量小的特点。 彩色图像是根据三原色成像原理来实现对自然界中的色彩描述的。红、绿、蓝这三种基 色的的灰度分别用256级表示，三基色之间不同的灰度组合可以形成不同的颜色。 灰度图像是指每个像素的信息由一个量化后的灰度级来描述的数字图像，灰度图像中不包含 彩色信息。标准灰度图像中每个像素的灰度值是0-255之间的一个值，灰度级数为256级。 我们将平面景物在投影平面上的非垂直投影称为图像的___________________________ ，该处理会是的图 像中的图形产生扭变。 1. 简述直角坐标系中图像旋转的过程。 1. （1）计算旋转后行、列坐标的最大值和最小值。 （2）根据最大值和最小值，进行画布扩大，原则是以最小的面积承载全部的图像信息。 （3）计算行、列坐标的平移量。 （4）利用图像旋转公式计算每个像素点旋转后的位置。 （5）对于空穴问题，进行填充。 2. 如何解决直角坐标系中图像旋转过程中产生的图像空穴问题？ 2. （1）对于空穴问题，需要进行填充。可以采用插值的方法来解决填充问题。 （2）阐述一下邻近行插值或者均值插值法进行空穴填充的过程。（该点参见简答题3和 3. 举例说明使用邻近行插值法进行空穴填充的过程。 3. 邻近插值法就是将判断为空穴位置上的像素值用其相邻行（或列）的像素值来填充。 例如对于下图中的空穴点f23进行填充时，使用相邻行的像素值来填充。即：f23=f22. 4. 举例说明使用均值插值法进行空穴填充的过程。 4. 均值插值法就是将判断为空穴位置上的像素值用其上、下、左、右像素值的均值来填充。

数字图像处理——彩色图像实验报告

6.3实验步骤 (1)对彩色图像的表达和显示 * * * * * * * * * * * *显示彩色立方体* * * * * * * * * * * * * rgbcube(0,0,10); %从正面观察彩色立方体 rgbcube(10,0,10); %从侧面观察彩色立方 rgbcube(10,10,10); %从对角线观察彩色立方体 %* * * * * * * * * *索引图像的显示和转换* * * * * * * * * * f=imread('D:\Picture\Fig0604(a)(iris).tif'); figure,imshow(f);%f是RGB真彩图像 %rgb图像转换成8色索引图像，不采用抖动方式 [X1,map1]=rgb2ind(f,8,'nodither'); figure,imshow(X1,map1); %采用抖动方式转换到8色索引图像 [X2,map2]=rgb2ind(f,8,'dither'); figure,imshow(X2,map2); %显示效果要好一些 g=rgb2gray(f); %f转换为灰度图像 g1=dither(g);%将灰色图像经过抖动处理，转换打二值图像figure,imshow(g);%显示灰度图像 figure,imshow(g1);%显示抖动处理后的二值图像 程序运行结果：

彩色立方体原图 不采用抖动方式转换到8色索引图像采用抖动方式转换到8色索引图像 灰度图像抖动处理后的二值图像

(2)彩色空间转换 f=imread('D:\Picture\Fig0604(a)(iris).tif'); figure,imshow(f);%f是RGB真彩图像 %转换到NTSC彩色空间 ntsc_image=rgb2ntsc(f); figure,imshow(ntsc_image(:,:,1));%显示亮度信息figure,imshow(ntsc_image(:,:,2));%显示色差信息figure,imshow(ntsc_image(:,:,3));%显示色差信息 %转换到HIS彩色空间 hsi_image=rgb2hsi(f); figure,imshow(hsi_image(:,:,1));%显示色度信息figure,imshow(hsi_image(:,:,2)); %显示饱和度信息figure,imshow(hsi_image(:,:,3));%显示亮度信息 程序运行结果： 原图 转换到NTSC彩色空间

2013数字图像处理课程设计报告

数字图像处理 课程设计报告 课设题目：彩色图像增强软件学院：信息科学与工程学院专业：电子与信息工程 班级： 1002501 姓名：曾小路 学号： 100250131 指导教师：赵占峰 哈尔滨工业大学（威海） 2013 年12月27日

目录 目录 .......................................................................................................................... I 一. 课程设计任务 (1) 二. 课程设计原理及设计方案 (2) 2.1 彩色图像基础 (2) 2.2 彩色模型 (2) 三. 课程设计的步骤和结果 (6) 3.1 采集图像 (6) 3.2 图像增强 (7) 3.3 界面设计 (9) 四. 课程设计总结 (12) 五. 设计体会 (13) 六. 参考文献 (14)

哈尔滨工业大学（威海）课程设计报告 一. 课程设计任务 1.1设计内容及要求： （1）、独立设计方案，根据所学知识，对由于曝光过度、光圈过小或图像亮度不均匀等情况下的彩色图像进行增强，提高图像的清晰度（通俗地讲，就是图像看起来干净、对比度高、颜色鲜艳）。 （2）、参考photoshop 软件，设计软件界面，对处理前后的图像以及直方图等进行对比显示； （3）、将实验结果与处理前的图像进行比较、分析。总结设计过程所遇到的问题。 1.2参考方案 1、实现图像处理的基本操作 学习使用matlab 图像处理工具箱，利用imread（）语句读入图像，例如image=imread（flower.jpg），利用彩色图像模型转换公式，将RGB 类型图像转换为HSI 类型图像，显示各分量图像(如imshow（image）)，以及计算和显示各分量图像直方图。 2、彩色图像增强实现 对HSI彩色模型图像的I分量进行对比度拉伸或直方图均衡化等处理，提高亮度图像的对比度。对S分量图像进行适当调整，使图像色彩鲜艳或柔和。 H 分量保持不变。将处理后的图像转换成RGB 类型图像，并进行显示。分析处理图像过程和结果存在的问题。 3、参照“photoshop”软件，设计图像处理软件界面 可设计菜单式界面，在功能较少的情况下，也可以设计按键式界面，视 功能多少而定；参考matlab 软件中GUI 设计，学习软件界面的设计 - 1 -

数字图像处理实验报告

数字图像处理实验报告

实验一数字图像处理编程基础 一、实验目的 1. 了解MA TLAB图像处理工具箱； 2. 掌握MA TLAB的基本应用方法； 3. 掌握MA TLAB图像存储/图像数据类型/图像类型； 4. 掌握图像文件的读/写/信息查询； 5. 掌握图像显示--显示多幅图像、4种图像类型的显示方法； 6. 编程实现图像类型间的转换。 二、实验内容 1. 实现对图像文件的读/写/信息查询，图像显示--显示多幅图像、4种图像类型的显示方法、图像类型间的转换。 2. 运行图像处理程序，并保存处理结果图像。 三、源代码 I=imread('cameraman.tif') imshow(I); subplot(221), title('图像1'); imwrite('cameraman.tif') M=imread('pout.tif') imview(M) subplot(222), imshow(M); title('图像2'); imread('pout.bmp') N=imread('eight.tif') imview(N) subplot(223), imshow(N); title('图像3'); V=imread('circuit.tif') imview(V) subplot(224), imshow(V); title('图像4');

N=imread('C:\Users\Administrator\Desktop\1.jpg') imshow(N); I=rgb2gary(GRB) [X.map]=gary2ind(N,2) RGB=ind2 rgb(X,map) [X.map]=gary2ind(I,2) I=ind2 gary(X,map) I=imread('C:\Users\dell\Desktop\111.jpg'); subplot(231),imshow(I); title('原图'); M=rgb2gray(I); subplot(232),imshow(M); [X,map]=gray2ind(M,100); subplot(233),imshow(X); RGB=ind2rgb(X,map); subplot(234),imshow(X); [X,map]=rbg2ind(I); subplot(235),imshow(X); 四、实验效果

最新数字图像处理考试简答题经典30道题

1. 数字图像处理的主要研究内容包含很多方面，请列出并简述其中的4种。 ①图像数字化：将一幅图像以数字的形式表示。主要包括采样和量化两个过程。 ②图像增强：将一幅图像中的有用信息进行增强，同时对其无用信息进行抑制，提高图像的可观察性。 ③图像的几何变换：改变图像的大小或形状。 ④图像变换：通过数学映射的方法，将空域的图像信息转换到频域、时频域等空间上进行分析。 ⑤图像识别与理解：通过对图像中各种不同的物体特征进行定量化描述后，将其所期望获得的目标物进行提取，并且对所提取的目标物进行一定的定量分析。 2. 什么是图像识别与理解？ 图像识别与理解是指通过对图像中各种不同的物体特征进行定量化描述后，将其所期望获得的目标物进行提取，并且对所提取的目标物进行一定的定量分析。比如要从一幅照片上确定是否包含某个犯罪分子的人脸信息，就需要先将照片上的人脸检测出来，进而将检测出来的人脸区域进行分析，确定其是否是该犯罪分子。 3. 简述数字图像处理的至少3种主要研究内容。 ①图像数字化：将一幅图像以数字的形式表示。主要包括采样和量化两个过程。 ②图像增强：将一幅图像中的有用信息进行增强，同时对其无用信息进行抑制，提高图像的可观察性。 ③图像的几何变换：改变图像的大小或形状。 ④图像变换：通过数学映射的方法，将空域的图像信息转换到频域、时频域等空间上进行分析。 4. 简述图像几何变换与图像变换的区别。 ①图像的几何变换：改变图像的大小或形状。比如图像的平移、旋转、放大、缩小等，这些方法在图像配准中使用较多。 ②图像变换：通过数学映射的方法，将空域的图像信息转换到频域、时频域等空间上进行分析。比如傅里叶变换、小波变换等。 5. 图像的数字化包含哪些步骤？简述这些步骤。 图像的数字化主要包含采样、量化两个过程。采样是将空域上连续的图像变换成离散采样点集合，是对空间的离散化。经过采样之后得到的二维离散信号的最小单位是像素。量化就是把采样点上表示亮暗信息的连续量离散化后，用数值表示出来，是对亮度大小的离散化。经过采样和量化后，数字图像可以用整数阵列的形式来描述。 6. 图像量化时，如果量化级比较小会出现什么现象？为什么？ 如果量化级数过小，会出现伪轮廓现象。量化过程是将连续变化的颜色划分到有限个级别中，必然会导致颜色信息损失。当量化级别达到一定数量时，人眼感觉不到颜色信息的丢失。当量化级数过小时，图像灰度分辨率就会降低，颜色层次就会欠丰富，不同的颜色之间过度就会变得突然，可能会导致伪轮廓现象。 7 . 简述二值图像与彩色图像的区别。 二值图像是指每个像素不是黑，就是白，其灰度值没有中间过渡的图像。这种图像又称为黑白图像。二值图像的矩阵取值非常简单，每个像素的值要么是1，要么是0，具有数据量小的特点。 彩色图像是根据三原色成像原理来实现对自然界中的色彩描述的。红、绿、蓝这三种基色的的灰度分别用256级表示，三基色之间不同的灰度组合可以形成不同的颜色。 8. 简述二值图像与灰度图像的区别。 二值图像是指每个像素不是黑，就是白，其灰度值没有中间过渡的图像。这种图像又称为黑白图像。二值图像的矩阵取值非常简单，每个像素的值要么是1，要么是0，具有数据量小的特点。 灰度图像是指每个像素的信息由一个量化后的灰度级来描述的数字图像，灰度图像中不包含彩色信息。标准灰度图像中每个像素的灰度值是0-255之间的一个值，灰度级数为256级。 9. 简述灰度图像与彩色图像的区别。 灰度图像是指每个像素的信息由一个量化后的灰度级来描述的数字图像，灰度图像中不 包含彩色信息。标准灰度图像中每个像素的灰度值是0-255之间的一个值，灰度级数为256级。 彩色图像是根据三原色成像原理来实现对自然界中的色彩描述的。红、绿、蓝这三种基色的的灰度分别用256级表示，三基色之间不同的灰度组合可以形成不同的颜色。 10. 均值滤波器对高斯噪声的滤波效果如何？试分析其中的原因。 均值滤波器的滤波原理是：在图像上，对待处理的像素给定一个模板，该模板包括了其周围的邻近像素。将模板中的全体像素的均值来替代原来的像素值的方法。均值滤波器对高斯噪声的滤波结果较好。 原因：高斯噪声是幅值近似正态分布，但分布在每点像素上。因为正态分布的均值为0，所以均值滤波可以消除噪声。