例5.1 函数说明。
clc,clear,close all;
%函数demo
f=imread('Fig0604(a)(iris).tif');
subplot 131;imshow(f);title('(a)RGB图像');
[X1,map1]=rgb2ind(f,8,'nodither');
subplot 132;imshow(X1,map1);title('(b)未经抖动处理的颜色数减少到8的图像');
[X2,map2]=rgb2ind(f,8,'dither');
subplot 133;imshow(X2,map2);title('(c)经抖动处理的颜色数减少到8的图像');
g=rgb2gray(f); g1=dither(g);
figure;subplot 121;imshow(g);
title('(d)使用函数rgb2gray得到的图(a)的灰度图像');
subplot 122;imshow(g1);
title('(e)抖动处理后的灰度图像（二值图像）');
运行结果：
例5.2 RGB转化为HSI。
clc,clear,close all;
%从RGB转化到HSI
f=imread('Fig0602(b)(RGB_color_cube).tif'); subplot 221;imshow(f);
title('(a)RGB图像');
f1=rgb2hsi(f);
H=f1(:,:,1);
S=f1(:,:,2);
I=f1(:,:,3);
subplot 222;imshow(H);title('(b)色调图像'); subplot 223;imshow(S);title('(c)饱和度图像'); subplot 224;imshow(I);title('(d)亮度图像');
运行结果：
例5.3 基于L*a*b彩色空间创建一个感觉上一致的彩色空间。
clc,clear,close all;
L=linspace(40,80,1024); %创建40到80之间等分1024个值的斜坡
radius=70; %明显不同的相邻颜色，通过改变彩色的色调满足，
theta=linspace(0,pi,1024); %色调对应于a*b*平面中彩色坐标的极角
a=radius*cos(theta); b=radius*sin(theta);
L=repmat(L,100,1);a=repmat(a,100,1);b=repmat(b,100,1);
%创建该L*a*b*彩色标尺的一幅100×1024×3 的图像
lab_scale=cat(3,L,a,b);
cform=makecform('lab2srgb');
rgb_scale=applycform(lab_scale,cform);
imshow(rgb_scale);title('基于L*a*b彩色空间的感觉上一致的标尺');
运行结果：
例5.4 ICC彩色剖面的软件证明。
clc,clear,close all;
f=imread('Fig0604(a)(iris).tif');
fp=padarray(f,[40 40],255,'both');%围绕图像加一较粗的白色边框和一个较细灰色边框fp=padarray(fp,[4 4],230,'both'); %便于查看模拟的新闻报纸的白度
subplot 121;imshow(fp);title('(a)带有白色边框的原始图像');
p_srgb=iccread('sRGB.icm'); %读入两个剖面，使它们把虹膜图像从sRGB转为新闻纸颜色p_snap=iccread('SNAP2007.icc');
cform1=makecform('icc',p_srgb,p_snap); fp_newsprint=applycform(fp,cform1); cform2=makecform('icc',p_snap,p_srgb,...
'SourceRenderingIntent','AbsoluteColorimetric',..
'DestRenderingIntent','AbsoluteColorimetric'); fp_proof=applycform(fp_newsprint,cform2);
subplot 122; imshow(fp_proof);title('(b)图像打印到新闻纸上后的模拟外观');
运行结果：
例5.5 单色负片和彩色分量的反映射。
clc,clear,close all;
f=imread('Fig0304(a)(breast_digital_Xray).tif');
g=ice('image',f,'space','rgb');
f1=imread('Fig0614(a)(Chalk Original).tif.tif');
g1=('image',f,'space','rgb'); %得到图像的负片
运行结果：
例5.6 单色和彩色对比度增强。
f2=imread('Fig0615(a)(Aerial Original).tif.tif');
g2=ice('image',f2,'space','rgb');
f3=imread('Fig0615(d)(Iris Original).tif.tif');
g3=ice('image',f3,'space','rgb');
运行结果：
例5.7 伪彩色映射。
f4=imread('Fig0616(a)(Weld Original).tif.tif');
g4=ice('image',f4);
运行结果：
例5.8 彩色平衡。
f5=imread('Fig0617(a)(JLK Magenta).tif.tif');
g5=ice('image',f5,'space','CMY');
运行结果：
例5.9 基于直方图的映射。
f5=imread('Fig0618(a)(Caster Original).tif.tif');imshow(f5);
g5=ice('image',f5,'space','hsi');
运行结果：
clc,clear,close all;
f=imread('Fig0619(a)(RGB_iris).tif');R=f(:,:,1); G=f(:,:,2); B=f(:,:,3);
subplot 141;imshow(f);title('(a)原图');
subplot 142;imshow(R);title('(a)R');
subplot 143;imshow(G);title('(b)G');
subplot 144;imshow(B);title('(c)B');
h=rgb2hsi(f);H=h(:,:,1);S=h(:,:,2);I=h(:,:,3);
figure;subplot 131;imshow(H);title('(a)H');
subplot 132;imshow(S);title('(b)S');
subplot 133;imshow(I);title('(c)I');
w=fspecial('average',25); I_filtered=imfilter(I,w,'replicate');
H_filtered=imfilter(H,w,'replicate'); S_filtered=imfilter(S,w,'replicate');
h=cat(3,H,S,I_filtered);F=hsi2rgb(h);
h1=cat(3,H_filtered,S_filtered,I_filtered);f2=hsi2rgb(h1);figure;
r_filtered=imfilter(R,w,'replicate'); g_filtered=imfilter(G,w,'replicate');
b_filtered=imfilter(B,w,'replicate');
f1=cat(3,r_filtered,g_filtered,b_filtered);
subplot 131;imshow(f1);title('(a)分别平滑RGB分量得到平滑后RGB图像');
subplot 132;imshow(F);title('(b)HSI中亮度分量I滤波后');
subplot 133;imshow(f2);title('(c)平滑所有三个HSI分量的结果');
运行结果：
clc,clear,close all;
f=imread('Fig0619(a)(RGB_iris).tif');
w=fspecial('average',5);
fb=imfilter(f,w,'replicate');
subplot 121;imshow(fb);title('(a)模糊图像');
lapmask=[1 1 1;1 -8 1;1 1 1];
fb=tofloat(fb); fen=fb-imfilter(fb,lapmask,'replicate');
subplot 122;imshow(fen);title('(b)使用拉普拉斯算子增强后的图像');
运行结果：
例5.11 使用函数colorgrad检测RGB图像的边缘。
clc,clear,close all;
R=imread('Fig0624(a)RGB2-red.tif');
G=imread('Fig0624(b)RGB2-green.tif');
B=imread('Fig0624(c)(RGB2-blue).tif');
f=imread('Fig0624(d)(RGB2-fullcolor).tif');
subplot 221; imshow(R); title('(a)RGB图像R分量');
subplot 222; imshow(G); title('(b)RGB图像G分量');
subplot 223; imshow(B); title('(c)RGB图像B分量');
subplot 224; imshow(f); title('(d)RGB图像'); figure;
[VG,A,PPG]=colorgrad(f);
subplot 121;imshow(VG);
title('(e)在RGB向量空间中直接计算的梯度');
subplot 122;imshow(PPG);
title('(f)分别计算每幅RGB分量图像的二维梯度并将结果相加得到的合成梯度');
figure;f1=imread('Fig0604(a)(iris).tif');
[VG1,A1,PPG1]=colorgrad(f1);
sub=abs(VG1-PPG1);
m1=max(sub); %绝对差映射到[0,1]区间
m2=max(m1);sub=sub*1/m2;
subplot 141; imshow(f1); title('(a)RGB图像');
subplot 142;imshow(VG1); title('(b)在RGB向量空间中直接计算的梯度');
subplot 143;imshow(PPG1);
title('(c)通过分别计算每幅RGB分量图像的二维梯度并将结果相加得到的合成梯度');
subplot 144;imshow(sub);
title('(d)图(b)(c)的绝对差，标定区间[0,1]');
运行结果：
例5.11 RGB彩色图像分割。
clc,clear,close all;
f=imread('Fig0627(a)(jupitermoon_original).tif');
mask=roipoly(f);
red=immultiply(mask, f(:,:,1));
green=immultiply(mask, f(:,:,2));
blue=immultiply(mask, f(:,:,3));
g=cat(3,red,green,blue);
figure;subplot 121;imshow(f);title('(a)木卫Io表面区域的伪彩色图像');
subplot 122;imshow(g);title('(b)使用函数roipoly交互提取的感兴趣区域');
[M,N,K]=size(g); %提取ROI区域中的点的坐标
I=reshape(g,M*N,3); %g中彩色像素重新排列为I的行
idx=find(mask); %找出非黑彩色分量的标准差的倍数
I=double(I(idx,1:3));[C,m]=covmatrix(I); %C的主对角线上包含RGB分量的方差d=diag(C);sd=sqrt(d)'
E25=colorseg('euclidean',f,25,m);
E50=colorseg('euclidean',f,50,m);
E75=colorseg('euclidean',f,75,m);
E100=colorseg('euclidean',f,100,m);
figure;subplot 241;imshow(E25);
title('(a)T为25时‘euclidean’选项分割的结果');
subplot 242;imshow(E50);title('(b)T为50时‘euclidean’选项分割的结果');
subplot 243;imshow(E75);title('(c)T为75时‘euclidean’选项分割的结果');
subplot 244;imshow(E100);title('(d)T为100时‘euclidean’选项分割的结果');
M25=colorseg('mahalanobis',f,25,m);M50=colorseg('mahalanobis',f,50,m);
M75=colorseg('mahalanobis',f,75,m);M100=colorseg('mahalanobis',f,100,m);
subplot 245;imshow(M25);title('(a)T为25,‘mahalanobis’选项分割的结果');
subplot 246;imshow(M50);title('(b)T为50,‘mahalanobis’选项分割的结果');
subplot 247;imshow(M75);title('(c)T为75,‘mahalanobis’选项分割的结果');
subplot 248;imshow(M100);title('(d)T为100,‘mahalanobis’选项分割的结果');运行结果：
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 第一章 1、1解释术语 (2) 数字图像: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的划分成多个等级(层次)也即均匀量化,以此来用二维数字阵列并表示其中各个像素的空间位置与每个像素的灰度级数的图像形式称为数字图像。 (3)图像处理:就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。 1、7 包括图像变化、图像增强、图像恢复、图像压缩编码、图像的特征提取、形态学图像处理方法等。彩色图像、多光谱图像与高光谱图像的处理技术沿用了前述的基本图像处理技术,也发展除了一些特有的图像处理技术与方法。 1、8基本思路就是,或简单地突出图像中感兴趣的特征,或想方法显现图像中那些模糊了的细节,以使图像更清晰地被显示或更适合于人或及其的处理与分析。 1、9基本思路就是,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目,从而获得与景物真实面貌相像的图像。 1、10基本思路就是,,在不损失图像质量或少损失图像质量的前提下,尽可能的减少图像的存储量,以满足图像存储与实时传输的应用需求。 1、11基本思路就是,通过数学方法与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过程,或在进一步的图像处理中获得更好的处理效果。 1、12基本目的就是,找出便于区分与描述一幅图像中背景与目标的方法,以方便图像中感兴趣的目标的提取与描述。 第二章 2、1解释下列术语 (18)空间分辨率:定义为单位距离内可分辨的最少黑白线对的数目,用于表示图像中可分辨的最小细节,主要取决于采样间隔值的大小。 (19)灰度分辨率:就是指在灰度级别中可分辨的最小变化,通常把灰度级数L称为图像的灰度级分辨率。 (20)像素的4邻域:对于图像中位于(x,y)的像素p来说,与其水平相邻与垂直相邻的4个像素称为该像素的4邻域像素,她们的坐标分别为(x-1,y)(x,y-1)(x,y+1)(x+1,y)。 (21)像素的8邻域:对于图像中位于(x,y)的像素p来说,与其水平相邻与垂直相邻的8个像素称为该像素的8邻域像素,她们的坐标分别为(x-1,y-1)(x-1,y)(x-1,y+1)(x,y-1)(x,y+1)(x+1,y-1)(x+1,y)(x+1,y+1)。 (28)欧氏距离:坐标分别位于(x,y)与(u,v)处的像素P与像素q之间的欧氏距离定义为:D e(p,q)=[(x-u)2+(y-v)2]1/2 (29)街区距离:欧氏距离:坐标分别位于(x,y)与(u,v)处的像素P与像素q之间的街区距离定义为:D4(p,q)=|x-u|+|y-v|。 (30)棋盘距离:欧氏距离:坐标分别位于(x,y)与(u,v)处的像素P与像素q之间的欧氏距离定义为:D8(p,q)=max(|x-u|,|y-v|)。 (33)调色板:就是指在16色或者256色显示系统中,将图像中出现最频繁的16种或者256种颜色组成的一个颜色表,并将她们分别编号为0~15或0~255,这样就使每一个4位或者8位的颜色编号或者颜色表中的24位颜色值相对应。这种4位或者8位的颜色编号称为颜色的索引号,由颜色索引号及对应的24位颜色值组成的表称为颜色查找表,即调色板。 2、7对图像进行描述的数据信息一般应至少包括: (1)图像的大小,也即图像的宽与高 (2)表示每个像素需要的位数,当其值为1时说明就是黑白图像,当其值为4时说明就是16色或16灰度级图像,当其值为8时说明就是256色或256灰度级图像,当其值为24就是说明就是真彩色图像。 同时,根据每个像素的位数与调色板的信息,可进一步指出就是16色彩色图像还就是16灰度级图像;就是256色彩色图像还就是256灰度级图像。 (3)图像的调色板信息。 (4)图像的位图数据信息。 对图像信息的描述一般用某种格式的图像文件描述,比如BMP等。在用图像文件描述图像信息时,相应的要
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：
1. 对下列信源符号进行Huffman 编码，并计算其冗余度和压缩率。 符号 a1 a2 a3 a4 a5 a6 概率 0.1 0.4 0.06 0.1 0.04 0.3 原始信源 信源简化 符号 概率 1 2 3 4 a2 0.4 0.4 0.4 0.4 0.6 a6 0.3 0.3 0.3 0.3 0.4 a1 0.1 0.1 0.2 0.3 a4 0.1 0.1 0.1 a3 0.06 0.1 a5 0.04 从最小的信源开始一直到原始的信源 编码的平均长度： 压缩率：13 1.3642.2 R avg n C L ==≈ 冗余度：11110.26691.364D R R C =- =-≈ (0.4)(1)(0.3)(2)(0.1)3(0.1)(4)(0.06)(5)(0.04)(5) 2.2/avg L bit =+++++=（）符号
1. 简述灰度分辨率、空间分辨率与图像质量的关系。: 空间分辨率是看原图像转化为数字图像的像素点数，越多图像质量越高；灰度分辨率，即每一个像素点的灰度级数，灰度级越大，图像越清晰. 2. 简述采样和量化的一般原则: 空间坐标的离散化叫做空间采样，而灰度的离散化叫做灰度量化。图像的空间分辨率主要由采样所决定，而图像的幅度分辨率主要由量化所决定。 3. 图像锐化与图像平滑有何区别与联系？: 图象锐化是用于增强边缘，导致高频分量增强，会使图象清晰；图象平滑用于去噪，对图象高频分量即图象边缘会有影响。都属于图象增强，改善图象效果。 4. 伪彩色增强与假彩色增强有何异同点？: 伪彩色增强是对一幅灰度图象经过三种变换得到三幅图象，进行彩色合成得到一幅彩色图像；假彩色增强则是对一幅彩色图像进行处理得到与原图象不同的彩色图像；主要差异在于处理对象不同。 1. 对于椒盐噪声，为什么中值滤波效果比均值滤波效果好？：均值滤波器是一种最常用的线性低通平滑滤波器，可抑制图像中的加性噪声，但同时也使图像变得模糊；中值滤波器是一种最常用的非线性平滑滤波器，可消除图像中孤立的噪声点，又可产生较少的模糊。一般情况下中值滤波的效果要比邻域平均处理的低通滤波效果好，主要特点是滤波后图像中的轮廓比较清晰。因此，滤除图像中的椒盐噪声采用中值滤波。 2.什么是区域？什么是图像分割？:图像分割就是把图像分成若干个特定 的、具有独特性质的区域并提出感兴趣目标的技术和过程。它是由图像处理到图像分析的关键步骤。 3.写出颜色RGB模型转换到HIS模型的变换公式；并说明HSI模型各分 量的含义及取值围对应的颜色信息。书上 4.灰度图像：当点足够小，观察距离足够远时，人眼就不容易分开各个小 点，从而得到比较连续，平滑的灰度图像。 5.GIF格式：GIF格式是一种公用的图像文件格式，它是8位文件格式， 所以最多只能存储256色图像，不支持24位的真彩色图像。GIF文件中的图像数据均经过压缩，采用的压缩算法是改进的LZW算法，所提供的压缩率通常在1：1到1：3之间，当图像中有随机噪声时效果不好
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);
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
数字图像处理第三版中文答案--冈萨雷斯
第二章 2.1（第二版是0.2和1.5*1.5的矩形，第三版是0.3和1.5圆形） 对应点的视网膜图像的直径x 可通过如下图题2.1所示的相似三角形几何关系得到，即 ()()017 02302.x .d = 解得x=0.06d 。根据2.1 节内容，我们知道：如果把中央凹处想象为一个有337000 个成像单元的圆形传感器阵列，它转换成一个大小25327.?π成像单元的阵列。假设成像单元之间的间距相等，这表明在总长为1.5 mm （直径） 的一条线上有655个成像单元和654个成像单元间隔。则每个成像单元和成像单元间隔的大小为s=[(1.5 mm)/1309]=1.1×10-6 m 。 如果在中央凹处的成像点的大小是小于一个可分辨的成像单元，在我们可以认为改点对于眼睛来说不可见。换句话说， 眼睛不能检测到以下直径的点： m .d .x 61011060-?<=，即m .d 6 10318-?<
2.2 当我们在白天进入一家黑暗剧场时，在能看清并找到空座时要用一段时间适应。2.1节描述的视觉过程在这种情况下起什么作用？ 亮度适应。 2.3 虽然图2.10中未显示，但交流电的却是电磁波谱的一部分。美国的商用交流电频率是77HZ 。问这一波谱分量的波长是多少？ 光速c=300000km/s ，频率为77Hz 。 因此λ=c/v=2.998 * 108(m/s)/77(1/s) = 3.894*106m = 3894 Km. 2.5 根据图2.3得：设摄像机能看到物体的长度为x (mm)，则有:500/x=35/14; 解得：x=200，所以相机的分辨率为：2048/200=10;所以能解析的线对为：10/2=5线对/mm. 2.7 假设中心在（x0,y0）的平坦区域被一个强度分布为： ])0()0[(22),(y y x x Ke y x i -+--= 的光源照射。为简单起见，假设区域的反射是恒定的，并等于1.0，令K=255。如果图像用k 比特的强度分辨率进行数
目录 实验一：数字图像的基本处理操作 (4) ：实验目的 (4) ：实验任务和要求 (4) ：实验步骤和结果 (5) ：结果分析 (8) 实验二：图像的灰度变换和直方图变换 (9) ：实验目的 (9) ：实验任务和要求 (9) ：实验步骤和结果 (9) ：结果分析 (13) 实验三：图像的平滑处理 (14) ：实验目的 (14) ：实验任务和要求 (14) ：实验步骤和结果 (14) ：结果分析 (18) 实验四：图像的锐化处理 (19) ：实验目的 (19) ：实验任务和要求 (19) ：实验步骤和结果 (19) ：结果分析 (21)
实验一：数字图像的基本处理操作 ：实验目的 1、熟悉并掌握MATLAB、PHOTOSHOP等工具的使用； 2、实现图像的读取、显示、代数运算和简单变换。 3、熟悉及掌握图像的傅里叶变换原理及性质，实现图像的傅里叶变换。：实验任务和要求 1.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，注上文字标题。 2.对两幅不同图像执行加、减、乘、除操作，在同一个窗口内分成五个子窗口来分 别显示，注上文字标题。 3.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。 4.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。 ：实验步骤和结果 1.对实验任务1的实现代码如下： a=imread('d:\'); i=rgb2gray(a); I=im2bw(a,; subplot(1,3,1);imshow(a);title('原图像'); subplot(1,3,2);imshow(i);title('灰度图像'); subplot(1,3,3);imshow(I);title('二值图像'); subplot(1,3,1);imshow(a);title('原图像'); 结果如图所示：
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
《数字图像处理》习题参考答案
《数字图像处理》习题参考答案 第1章概述 1.1 连续图像和数字图像如何相互转换？答： 数字图像将图像看成是许多大小相同、形状一致的像素组成。这样，数字图像可以 用二维矩阵表示。将自然界的图像通过光学系统成像并由电子器件或系统转化为模拟图像 （连续图像）信号，再由模拟/数字转化器（ADC）得到原始的数字图像信号。图像的数字化包括离散和量化两个主要步骤。在空间将连续坐标过程称为离散化，而进一步将图像的幅度值（可能是灰度或色彩）整数化的过程称为量化。 1.2 采用数字图像处理有何优 点？答：数字图像处理与光学等 模拟方式相比具有以下鲜明的特 点： 1．具有数字信号处理技术共有的特点。（1）处理精度高。（2）重现性能好。（3）灵活性高。2．数字图像处理后的图像是供人观察和评价的，也可能作为机器视觉的预处理结果。3．数字图像处理技术适用面宽。 4．数字图像处理技术综合性强。 1.3 数字图像处理主要包括哪些研究内容？ 答：图像处理的任务是将客观世界的景象进行获取并转化为数字图像、进行增强、变换、 编码、恢复、重建、编码和压缩、分割等处理，它将一幅图像转化为另一幅具有新的意义的图像。 1.4 讨论数字图像处理系统的组成。列举你熟悉 的图像处理系统并分析它们的组成和功能。答：如图1.8，数字图像处理系统是应用计算机或专用数字设备对图像信息进行处理的 信息系统。图像处理系统包括图像处理硬件和图像处理软件。图像处理硬件主要由图像输入设备、图像运算处理设备（微计算机）、图像存储器、图像输出设备等组成。软件系统包括操作系统、控制软件及应用软件等。
数字图像处理实验 报告 学生姓名：学号： 专业年级： 09级电子信息工程二班
实验一常用MATLAB图像处理命令 一、实验内容 1、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，注上文字标题。 实验结果如右图： 代码如下： Subplot (1,3,1) i=imread('E:\数字图像处理\2.jpg') imshow(i) title('RGB') Subplot (1,3,2) j=rgb2gray(i) imshow(j) title('灰度') Subplot (1,3,3) k=im2bw(j,0.5) imshow(k) title('二值') 2、对两幅不同图像执行加、减、乘、除操作，在同一个窗口内分成五个子窗口来分别显示，注上文字标题。 实验结果如右图： 代码如下： Subplot (3,2,1) i=imread('E:\数字图像处理 \16.jpg') x=imresize(i,[250,320]) imshow(x) title('原图x') Subplot (3,2,2) j=imread(''E:\数字图像处理 \17.jpg') y=imresize(j,[250,320]) imshow(y) title('原图y') Subplot (3,2,3) z=imadd(x,y) imshow(z)
title('相加结果')；Subplot (3,2,4)；z=imsubtract(x,y)；imshow(z)；title('相减结果') Subplot (3,2,5)；z=immultiply(x,y)；imshow(z)；title('相乘结果') Subplot (3,2,6)；z=imdivide(x,y)；imshow(z)；title('相除结果') 3、对一幅图像进行灰度变化，实现图像变亮、变暗和负片效果，在同一个窗口内分成四个子窗口来分别显示，注上文字标题。 实验结果如右图： 代码如下： Subplot (2,2,1) i=imread('E:\数字图像处理 \23.jpg') imshow(i) title('原图') Subplot (2,2,2) J = imadjust(i,[],[],3); imshow(J) title('变暗') Subplot (2,2,3) J = imadjust(i,[],[],0.4) imshow(J) title('变亮') Subplot (2,2,4) J=255-i Imshow(J) title('变负') 二、实验总结 分析图像的代数运算结果，分别陈述图像的加、减、乘、除运算可能的应用领域。 解答：图像减运算与图像加运算的原理和用法类似，同样要求两幅图像X、Y的大小类型相同，但是图像减运算imsubtract()有可能导致结果中出现负数，此时系统将负数统一置为零，即为黑色。 乘运算实际上是对两幅原始图像X、Y对应的像素点进行点乘(X.*Y)，将结果输出到矩阵Z中，若乘以一个常数，将改变图像的亮度：若常数值大于1，则乘运算后的图像将会变亮；叵常数值小于是，则图像将会会暗。可用来改变图像的灰度级，实现灰度级变换，也可以用来遮住图像的某些部分，其典型应用是用于获得掩膜图像。 除运算操作与乘运算操作互为逆运算，就是对两幅图像的对应像素点进行点（X./Y)， imdivide()同样可以通过除以一个常数来改变原始图像的亮度，可用来改变图像的灰度级，其典型运用是比值图像处理。 加法运算的一个重要应用是对同一场景的多幅图像求平均值 减法运算常用于检测变化及运动的物体，图像相减运算又称为图像差分运算，差分运算还可以用于消除图像背景，用于混合图像的分离。
《数字图像处理》 实验报告 学院：信息工程学院 专业：电子信息工程 学号： 姓名： 2015年6月18日
目录 实验一图像的读取、存储和显示 (2) 实验二图像直方图分析 (6) 实验三图像的滤波及增强 (15) 实验四噪声图像的复原 (19) 实验五图像的分割与边缘提取 (23) 附录1MATLAB简介 (27)
实验一图像的读取、存储和显示 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．图像的显示。 二、实验原理 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。 三、实验设备 (1) PC计算机 (2) MatLab软件/语言包括图像处理工具箱(Image Processing Toolbox) (3) 实验所需要的图片 四、实验内容及步骤 1．利用imread( )函数读取一幅图像，假设其名为flower.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； 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flower.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flower.bmp。 7．用imread()读入图像：Lenna.jpg 和camema.jpg； 8．用imfinfo()获取图像Lenna.jpg和camema.jpg 的大小；
; 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。 4.一个数字图像处理系统由哪几个模块组成 答：一个基本的数字图像处理系统由图像输入、图像存储、图像输出、图像通信、图像处理和分析5个模块组成
5.连续图像和数字图像如何相互转换 答：数字图像将图像看成是许多大小相同、形状一致的像素组成。这样，数字图像可以用二维矩阵表示。将自然界的图像通过光学系统成像并由电子器件或系统转化为模拟图像（连续图像）信号，再由模拟/数字转化器（ADC）得到原始的数字图像信号。图像的数字化包括离散和量化两个主要步骤。在空间将连续坐标过程称为离散化，而进一步将图像的幅度值（可能是灰度或色彩）整数化的过程称为量化。 6.采用数字图像处理有何优点 【 答：数字图像处理与光学等模拟方式相比具有以下鲜明的特点： 1．具有数字信号处理技术共有的特点。（1）处理精度高。（2）重现性能好。（3）灵活性高。 2．数字图像处理后的图像是供人观察和评价的，也可能作为机器视觉的预处理结果。 3．数字图像处理技术适用面宽。 4．数字图像处理技术综合性强。 7.数字图像处理主要包括哪些研究内容 答：图像处理的任务是将客观世界的景象进行获取并转化为数字图像、进行增强、变换、编码、恢复、重建、编码和压缩、分割等处理，它将一幅图像转化为另一幅具有新的意义的图像。 第二章@ 第三章数字图像表示及其处理 什么是量化噪声，它是什么引起的 语言信号采样量化过程中导致的噪声。如：A/D转换（模拟到数字）。在语言编码通信中，解调后信号和原传递信号的差异是因幅度和时间的量化而产生的，这种失真称为量化失真。因为这种失真和杂乱的干扰一样，听起来和元件产生的热噪声相似，所以叫做量化噪声。 1.当在白天进入一个黑暗剧场时，在能看清并找到空座位时需要适应一段时间，试述发生这种现象的视觉原理。 答：人的视觉绝对不能同时在整个亮度适应范围工作，它是利用改变其亮度适应级来完成亮度适应的。即所谓的亮度适应范围。同整个亮度适应范围相比，能同时鉴别的光强度级的总范围很小。因此，白天进入黑暗剧场时，人的视觉系统需要改变亮度适应级，因此，需要适应一段时间，亮度适
数字图像处理—实验一 一．实验内容： 图像灰度变换 二．实验目的： 学会用Matlab 软件对图像灰度进行变换；感受各种不同的灰度变换方法对最终图像效果的影响。 三．实验步骤： 1．获取实验用图像：rice.jpg. 使用imread 函数将图像读入Matlab 。 2．产生灰度变换函数T1，使得： 0.3r r < 0.35 s = 0.105 + 2.6333(r – 0.35) 0.35 ≤ r ≤ 0.65 1 + 0.3(r – 1) r > 0.65 用T1对原图像rice.jpg 进行处理，使用imwrite 函数保存处理后的新图像。 3．产生灰度变换函数T2，使得： s = 用T2对原图像rice.jpg 进行处理，使用imwrite 保存处理后的新图像。 4．分别用 s = r 0.6; s = r 0.4; s = r 0.3 对kids.tiff 图像进行处理。为简便起见，请 使用Matlab 中的imadjust 函数。使用imwrite 保存处理后的新图像。 5．对circuit.jpg 图像实施反变换（Negative Transformation ）。s =1－r; 使用 imwrite 保存处理后的新图像。 6．对rice.jpg 图像实施灰度切片（Gray-level slicing ）。具体要求如下： 当0.2 ≤ r ≤ 0.4时，将r 置为0.6, 当r 位于其他区间时, 保持其灰度与原图像一样。使用imwrite 保存处理后的新图像。 7．利用灰度变换对Picture.jpg 做增强处理，突出图中的人物，改善整个图像过 于灰暗的背景。通过调节参数，观察变换后的图像与原始图像的变化，寻找出最佳的灰度变换结果。写出所采用的拉伸表达式。(提示：用imhist 观察图像直方图，利用分段线性灰度变换。 )
一、选择题 1B 、2C 、3A 、4D 、5C 、 6A 、7D 、8A 、9D 、10A 二、判断题( 正确的打√,错误的打×。 1、√ 2、√ 3、× 4、× 5、√ 6、√ 7、× 8、× 9、× 10、√ 三、 (1策略可以分为两种。一种是将一幅彩色图像看作三幅分量图像的组合体,在处理过程中先对每幅图像单独处理,再将处理结果合成为彩色图像。另一种是将一幅彩色图像中的每个象素看作具有三个属性值,即属性现在为一个矢量,需利用对矢量的表达方法进行处理。 (2一副真彩色图像既可以分解为R 、G 、B 三个分量也可以分解为H 、S 、I 三个分量图。人眼对H 、S 、I 三个分量图的感受是比较独立的。一种简便常用的真彩色增强方法步骤为:
①将RGB 分量图转化为HIS 分量图;②利用对灰度图增强的方法增强其中的一个分量图;③再将结果转换为用RGB 分量图来显示。 亮度增强,改变I 分量图,它不改变原图的彩色内容。饱和度增强,改变S 分量图,通过对S 分量图中每个象素乘以一个大于1的常数可使图像的彩色更鲜明,而如果乘以一个小于1的常数则会使图像的彩色感减少。色调增强,改变H 分量图,若对该图的每个象素加一个常数,将会使每个目标的颜色在色谱上移动。 四、 (1 算术编码为0.23355 图略 (2 发送时,要发送A 、B 、C 、D 、E 、F 的概率,并送0.23355。 (3 算术解码如下 图略 五、 (1图像混合 设图象,(y x f 为载体图像,,(y x s 为隐藏图像。对于实数a ,称 ,(1(,(,(y x s a y x af y x b -+= 为图像,(y x f 和,(y x s 的a 混合。 (2单幅迭代 对图像,(y x f 和,(y x s 进行1α混合得,(1(,(,(111y x s a y x f a y x b -+= ,对图像,(y x f 和,(1y x b 进行2α混合得,(1(,(,(1222y x b a y x f a y x b -+=,依次进行N 次混合得到,(1(,(,(1y x b a y x f a y x b N N N N --+=。可以证明,
1.图像反转 MATLAB程序实现如下： I=imread('xian.bmp'); J=double(I); J=-J+(256-1); %图像反转线性变换 H=uint8(J); subplot(1,2,1),imshow(I); subplot(1,2,2),imshow(H); 2.灰度线性变换 MATLAB程序实现如下： I=imread('xian.bmp'); subplot(2,2,1),imshow(I); title('原始图像'); axis([50,250,50,200]); axis on; %显示坐标系 I1=rgb2gray(I); subplot(2,2,2),imshow(I1); title('灰度图像'); axis([50,250,50,200]); axis on; %显示坐标系 J=imadjust(I1,[0.1 0.5],[]); %局部拉伸，把[0.1 0.5]的灰度拉伸为[0 1]
subplot(2,2,3),imshow(J); title('线性变换图像[0.1 0.5]'); axis([50,250,50,200]); grid on; %显示网格线 axis on; %显示坐标系 K=imadjust(I1,[0.3 0.7],[]); %局部拉伸，把[0.3 0.7]的灰度拉伸为[0 1] subplot(2,2,4),imshow(K); title('线性变换图像[0.3 0.7]'); axis([50,250,50,200]); grid on; %显示网格线 axis on; %显示坐标系 3.非线性变换 MATLAB程序实现如下： I=imread('xian.bmp'); I1=rgb2gray(I); subplot(1,2,1),imshow(I1); title('灰度图像'); axis([50,250,50,200]); grid on; %显示网格线 axis on; %显示坐标系 J=double(I1);
实验一 内容（一） （1）彩色图像变灰度图像 A=imread('1.jpg'); B=rgb2gray(A); figure subplot(1,2,1), imshow(A) title('原图') subplot(1,2,2), imshow(B) title('原图灰度图像') （2）彩色图像变索引图像 A=imread('1.jpg'); figure subplot(1,2,1), imshow(A) title('原图') [X,map]=rgb2ind(A,128); subplot(1,2,2), imshow(X,map) title('原图索引图像') （3）彩色图像变二值图像 A=imread('1.jpg'); figure subplot(1,2,1), imshow(A) title('原图') C=im2bw(A,0.2); subplot(1,2,2), imshow(C) title('原图二值图像') （4）灰度图像变索引图像（一） A=imread('1.jpg'); figure B=rgb2gray(A); subplot(1,2,1), imshow(B) title('灰度图像') C=grayslice(B,39); subplot(1,2,2), imshow(C) title('灰度变索引图像')
（5）灰度图像变索引图像（二） A=imread('1.jpg'); figure B=rgb2gray(A); subplot(1,2,1), imshow(B) title('灰度图像') [X,map]=gray2ind(B,63); subplot(1,2,2), imshow(X,map) title('灰度变索引图像') （6）灰度图像变彩色图像 A=imread('1.jpg'); figure B=rgb2gray(A); subplot(1,2,1), imshow(B) title('灰度图像') C=gray2rgb(B,map); subplot(1,2,2), imshow(C) title('灰度变彩色图像') 内容（二） （1）灰度平均值 A=imread('1.jpg'); figure B=rgb2gray(A); subplot(1,2,1), imshow(B) title('灰度图像') B=double(B); [m,n]=size(B); sumg=0.0; for i=1:m; for j=1:n; sumg=sumg+B(i,j); end end avg=sumg/(m*n) % 均值 maxg=max(max(B)) % 区域最大灰度ming=min(min(B)) % 区域最小灰度 （2）彩色平均值