数字图像处理第二次实验
注意提交实验报告的文件名格式（姓名+学号+实验报告二.doc）
实验三灰度变换增强
一、实验目的
1.熟悉matlab图像处理工具箱及直方图函数的使用；
2.了解灰度变换增强的Matlab实现方法
3.掌握直方图灰度变换方法
4.理解和掌握直方图原理和方法；
二、实验内容
1. 线段上像素灰度分布
读入灰度图像'peppers_gray.bmp'，采用交互式操作，用improfile绘制一条线段的灰度值。
imshow(rgb2gray(imread('peppers.bmp')))
improfile
读入RGB图像‘flowers.tif’，显示所选线段上红、绿、蓝颜色分量的分布
imshow('flowers.tif')
improfile
2. 直方图变换
A)直方图显示
在matlab环境中，程序首先读取图像'cameraman.tif'，然后调用直方图函数，设置相关参数，再输出处理后的图像。
I=imread('cameraman.tif'); %读取图像
subplot(1,2,1),imshow(I) %输出图像
title('原始图像') %在原始图像中加标题
subplot(1,2,2),imhist(I) %输出原图直方图
title('原始图像直方图') %在原图直方图上加标题
读入图像‘rice.png’，在一个窗口中显示灰度级n=64，128和256的图像直方图。I=imread('rice.png');
imshow(I)
figure,imhist(I,64)
figure,imhist(I,128)
figure,imhist(I,256)
B)直方图灰度调节
利用函数imadjust调解图像灰度范围，观察变换后的图像及其直方图的变化。
I=imread('rice.png');
imshow(I)
figure,imhist(I)
J=imadjust(I,[0.15 0.9],[0 1]); figure,imhist(J)
figure,imshow(J)
I=imread('cameraman.tif'); imshow(I)
figure,imhist(I)
J=imadjust(I,[0 0.2],[0.5 1]); figure,imhist(J)
figure,imshow(J)
C)直方图均衡化
在matlab环境中，程序首先读取图像，然后调用灰度均衡函数，设置相关参数，再输出处理后的图像。
I=imread('cameraman.tif'); %读取图像
subplot(2,2,1),imshow(I) %输出图像
title('原始图像') %在原始图像中加标题
subplot(2,2,3),imhist(I) %输出原图直方图
title('原始图像直方图') %在原图直方图上加标题
a=histeq(I,256); %直方图均衡化，灰度级为256
subplot(2,2,2),imshow(a) %输出均衡化后图像
title('均衡化后图像') %在均衡化后图像中加标题
subplot(2,2,4),imhist(a) %输出均衡化后直方图
title('均衡化后图像直方图') %在均衡化后直方图上加标题
分别对图像‘pout.tif’和‘tire.tif’进行直方图均衡化处理，比较处理前后图像及直方
图分布的变化。
I=imread('pout.tif');
imshow(I)
figure,imhist(I)
J=histeq(I);
figure,imhist(J)
figure,imshow(J)
I=imread('tire.tif');
imshow(I)
figure,imhist(I)
J=histeq(I);
figure,imshow(J)
figure,imhist(J)
、
三、思考题 （试回答以下问题）
1. MATLAB 程序的IPT 中有哪些图像亮（灰）度变换函数?写出函数的语法。
2. 直方图的物理含义是什么？
3. 结合实验内容，定性评价直方图均衡增强效果？
图像对比度增强的方法可以分成两类:一类是直接对比度增强方法;另一类是间接对比度增强方法。直方图拉伸和直方图均衡化是两种最常见的间接对比度增强方法。直方图拉伸是通过对比度拉伸对直方图进行调整，从而“扩大”前景和背景灰度的差别，以达到增强对比度的目的，这种方法可以利用线性或非线性的方法来实现;直方图均衡化则通过使用累积函数对灰度值进行“调整”以实现对比度的增强。
直方图均衡化处理的“中心思想”是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的均匀分布。直方图均衡化就是对图像进行非线性拉伸，重新分配图像像素值，使一定灰度范围内的像素数量大致相同。直方图均衡化就是把给定图像的直方图分布改变成“均匀”分布直方图分布。 缺点：
1）变换后图像的灰度级减少，某些细节消失；
2）某些图像，如直方图有高峰，经处理后对比度不自然的过分增强。
直方图均衡化是图像处理领域中利用图像直方图对对比度进行调整的方法。
这种方法通常用来增加许多图像的局部对比度，尤其是当图像的有用数据的对比度相当接近的时候。通过这种方法，亮度可以更好地在直方图上分布。这样就可以用于增强局部的对比度而不影响整体的对比度，直方图均衡化通过有效地扩展常用的亮度来实现这种功能。
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。这种方法的一个主要优势是它是一个相当直观的技术并且是可逆操作，如果已知均衡化函数，那么就可以恢复原始的直方图，并且计算量也不大。这种方法的一个缺点是它对处理的数据不加选择，它可能会增加背景杂讯的对比度并且降低有用信号的对比度。
实验四空域滤波增强
一、实验目的
1.了解空域滤波增强的Matlab实现方法；
2.掌握噪声模拟和图像滤波函数的使用方法；
3.能够将给定图像+噪声，使用均值滤波器、中值滤波器对不同强度的高斯噪声和椒盐噪
声，进行滤波处理；
4.能够正确地评价处理的结果；并从理论上作出合理的解释。
二、实验内容
1. 噪声模拟
利用函数imnoise给图像‘autumn.tif’分别添加高斯(gaussian)噪声和椒盐(salt & pepper)噪声。
I=imread('cameraman.tif');
imshow(I)
I1=imnoise(I,'gaussian',0,0.01);
figure,imshow(I1)
I2=imnoise(I,'salt & pepper');
figure,imshow(I2)
2. 均值滤波和中值滤波
A)均值滤波
在matlab环境中，程序首先读取图像，然后调用图像增强（）函数，设置相关参数，再输出处理后的图像。
I = imread('cameraman.tif');
figure,imshow(I);
J=filter2(fspecial('average',3),I)/255;
figure,imshow(J);
B)中值滤波
在matlab环境中，程序首先读取图像，然后调用图像增强（中值滤波）函数，设置相关参数，再输出处理后的图像。
I = imread('cameraman.tif');
figure,imshow(I);
J=medfilt2(I,[5,5]); 中值滤波
figure,imshow(J);
3. 空域滤波
A)对上述噪声图像进行均值滤波和中值滤波，比较滤波效果。
i=imread('1.jpg');
I=rgb2gray(i);
J = imnoise(I,'gauss',0.02); %添加高斯噪声
%J = imnoise(I,'salt & pepper',0.02); %添加椒盐噪声
K = filter2(fspecial('average',3),J)/255; %均值滤波3 ×3 L = filter2(fspecial('average',5),J)/255; %均值滤波5 ×5 M = medfilt2(J,[3 3]); %中值滤波3 ×3 模板N = medfilt2(J,[4 4]); % 中值滤波4 ×4 模板%显示以上滤波后的图片
imshow(I);
figure,imshow(J);
figure,imshow(K);
figure,imshow(L);
figure,imshow(M);
figure,imshow(N);
B) 总结均值滤波和中值滤波的特点及使用场合。
(1)对于均值滤波, 由以上处理后的图像可以看到:均值滤波对高斯噪声的抑制是比较好的,处理后的图像边缘模糊较少。但对椒盐噪声的影响不大,因为在削弱噪声的同时整幅图像内容总体也变得模糊，其噪声仍然存在。
(2)对于中值滤波,由图像处理的结果可以看出,它只影响了图像的基本信息,说明中值滤波对高斯噪声的抑制效果不明显。这是因为高斯噪声使用随机大小的幅值污染所有的点,因此无论怎样进行数据选择,得到的始终还是被污染的值。而由图还可以看出,中值滤波对去除“椒盐”噪声可以起到很好的效果,因为椒盐噪声只在画面中的部分点上随机出现,所以根据中值滤波原理可知,通过数据排序的方法,将图像中未被噪声污染的点代替噪声点的值的概率比较大,因此噪声的抑制效果很好,同时画面的轮廓依然比较清晰。由此看来，对于椒盐噪声密度较小时,尤其是孤立噪声点,用中值滤波的效果非常好的。 均值滤波对高斯噪声有较好的抑制作用，而对于椒盐噪声的处理中值滤波要略微有优势。
C) *对图像'saturn.tif'采用'laplacian'高通滤波器进行锐化滤波。（提示：可使用fspecial
函数）
I=double(rgb2gray(imread('saturn.png'))); imshow(I)
H=fspecial('laplacian')%用laplacian'高通滤波器对I进行滤波
I2=filter2(H,I) %lapacian 算子滤波锐化
figure,imshow(I2) % 显示滤波后的结果
三、思考题（试回答以下问题）
1、简述高斯噪声和椒盐噪声的特点。
高斯噪声是指噪声服从高斯分布，即某个强度的噪声点个数最多，离这个强度越远噪声点个数越少，且这个规律服从高斯分布。高斯噪声是一种加性噪声，即噪声直接加到原图像上，因此可以用线性滤波器滤除。
椒盐噪声类似把椒盐撒在图像上，因此得名，是一种在图像上出现很多白点或黑点的噪声，如电视里的雪花噪声等。椒盐噪声可以认为是一种逻辑噪声，用线性滤波器滤除的结果不好，一般采用中值滤波器滤波可以得到较好的结果。
2、结合实验内容，定性评价平均滤波器/中值滤波器对高斯噪声和椒盐噪声的去噪效果？
3、结合实验内容，定性评价滤波窗口对去噪效果的影响？
4、图像亮（灰）度变换与空间滤波有什么不同?
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 实验指导书 河北工业大学 计算机科学与软件学院
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．图像类型转换。 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。将坐标值数字化称为采样；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) (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。规定双精度型归一化亮度图像的取值范围是[0，1] (2) 二值图像 一幅二值图像是一个取值只有0和1的逻辑数组。 (3) 索引图像 索引颜色通常也称为映射颜色，在这种模式下，颜色都是预先定义的，并且可供选用的一组颜色也很有限，索引颜色的图像最多只能显示256种颜色。 一幅索引颜色图像在图像文件里定义，当打开该文件时，构成该图像具体颜色的索引值就被读入程序里，然后根据索引值找到最终的颜色。(4) RGB图像 一幅RGB图像就是彩色像素的一个M×N×3数组，其中每一个彩色相
静电场模拟实验预习题： 静电场模拟实验＿01 出题：魏云 什么叫物理模拟？（ A ） A，指模拟过程和被模拟过程具有相同的物理性质，如用飞机模型在风洞中模拟飞机在飞行中的受力分布； B，都是力学量或相同的量，如引力和电场力； C，稳恒电流场模拟静电场。 静电场模拟实验＿02 出题：魏云 测等位面用一般电压表可以吗？（ B ） A，可以； B，不可以。 静电场模拟实验＿03 出题：魏云 用稳恒电流场去模拟静电场，如果两种物理过程具有相同的数学方程却有不同的边界条件可以吗？（B）A，可以； B，不可以。 静电场模拟实验＿04 出题：魏云 在静电场模拟实验中，两电极间等位线的分布和形状与两电极间电位差的大小有关系吗？（ B ） A，有关系； B，没有关系。 静电场模拟实验＿05 出题：魏云 在静电场模拟实验中，将两电极电压的正负极接反，其等位线和电力线的形状有变化吗？（ B ） A，有变化； B，没有变化。 静电场模拟实验＿06 出题：魏云 用稳恒电流场模拟静电场的基础是（ A ） A，二者都服从拉普拉斯方程和安培环路定律； B，二者都服从麦克斯韦方程和高斯定律。 静电场模拟实验＿07 出题：魏云 在静电场模拟实验中，用检流计来找等位线可以吗？（ A ） A，可以； B，不可以。 静电场模拟实验＿08 出题：魏云 在静电场中等位线和电场线的关系应该（ A ） A，在空间处处正交； B，在空间处处平行。 静电场模拟实验＿09 出题：魏云 在静电场模拟实验中，载水盘中的水的作用是（ A ） A，充当导电介质； B，可有可无。 静电场模拟实验＿10 出题：魏云 用电位差计测静电场中等位线的分布可以吗？（ A ）
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：
实验一 Matlab图像处理工具箱的初步练习 一、实验目的和任务 1、初步了解与掌握MA TLAB语言的基本用法； 2、掌握MA TLAB语言中图象数据与信息的读取方法； 3、掌握在MA TLAB语言中图像类型的转换。 二、实验仪器、设备及材料 1、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 三、实验原理 将数字图像的RGB表示转换为YUV表示； Y=0.30R+0.59G+0.11B U=0.70R-0.59G-0.11B V=-0.30R-0.59G+0.89B 四、实验步骤 1、阅读资料并熟悉MatLab的基本操作 2、读取MATLAB中的图象数据 3、显示MATLAB中的图象文件。用MATLAB在自建的文件夹中建立m文件，在这个文件的程序中，将MA TLAB目录下work文件夹中的tree.tif 图象文件读出，用到imread，imfinfo等命令，观察一下图象数据，了解一下数字图象在MA TLAB中的处理就是处理一个矩阵的本质。 4、将3中的图象显示出来（用imshow）。 5、对MA TLAB目录下work文件夹中的flowers.tif进行真彩色图像、索引色图像、灰度图像、二值图像之间的相互变换，并显示。 6、进行真彩色图像RGB（lenacolor.jpg）、YIQ图像、HSV图像、YcbCr图像的相互转换，并显示。 五、实验报告要求 1、描述实验的基本步骤； 2、用图片给出步骤4、5、6中取得的实验结果； 六、实验所需图片
lenacolor.jpg 七、实验注意事项 1、学生应提前预习 2、请大家在E盘建一个目录（matlab），在每次启动时都要将这个目录加入到MATLAB的搜索路径中，添加的方法为File----Set Path----Tool---Add Path 八、思考题 1、图像之间转换的基础是什么，为什么可以实现相互的转换 九、附录 MATLAB简介 (1) MATLAB全称是Matrix Laboratory（矩阵实验室），一开始它是一种专门用于矩阵数值计算的软件，从这一点上也可以看出，它在矩阵运算上有自己独特的特点。实际上MATLAB中的绝大多数的运算都是通过矩阵这一形式进行的。这一特点也就决定了MA TLAB在处理数字图像上的独特优势。理论上讲，图像是一种二维的连续函数，然而在计算机上对图像进行数字处理的时候，首先必须对其在空间和亮度上进行数字化，这就是图像的采样和量化的过程。二维图像进行均匀采样，就可以得到一幅离散化成M×N样本的数字图像，该数字图像是一个整数阵列，因而用矩阵来描述该数字图像是最直观最简便的了。而MATLAB的长处就是处理矩阵运算，因此用MA TLAB处理数字图像非常的方便。MATLAB支持五种图像类型，即索引图像、灰度图像、二值图像、RGB图像和多帧图像阵列；支持BMP、GIF、HDF、JPEG、PCX、PNG、TIFF、XWD、CUR、ICO等图像文件格式的读，写和显示。MATLAB对图像的处理功能主要集中在它的图像处理工具箱（Image Processing Toolbox）中。图像处理工具箱是由一系列支持图像处理操作的函数组成，可以进行诸如几何操作、线性滤波和滤波器设计、图像变换、图像分析与图像增强、二值图像操作以及形态学处理等图像处理操作。 1、MATLAB中图象数据的读取 A、imread imread函数用于读入各种图象文件，其一般的用法为 [X，MAP]=imread(‘filename’,‘fmt’) 其中，X，MAP分别为读出的图象数据和颜色表数据，fmt为图象的格式，filename为读取的图象文件（可以加上文件的路径）。 例：[X，MAP]=imread（’flowers.tif’,’tif’）;
z 绪论试题 A) t =（8.50±0.445） s B) v =（343.2±2.4） m C) v =0.34325 k m ±2.3 m s D) l =25.62 m ± 0.06 m 误差理论＿02 出题：物理实验中心 用误差限0.10 mm 的钢尺测量钢丝长度，10次的测量数据为：（单位：mm ）25.8、25.7、25.5、25.6、25.8、25.6、25.5、25.4、25.7、25.6。钢丝的测量结果为(D) A) l =25.62 ± 0.04 m B) l =25.62 ± 0.10 m C) l =25.62 m ± 0.06 m D) l =25.6 ± 0.1 m 误差理论＿03 出题：物理实验中心 函数关系N =3xy ，其中直接测量量x 、y 的不确定度用x u 、y u 表示，其最佳估值用x 、y B) 3N x y =?，N u = C) 3 1 n i i i x y N n =?=∑，N u =D) 3N x y =?，N u = 误差理论＿04 出题：物理实验中心
下列测量结果正确的表示为（D ） A) 重力加速度g =9.78±0.044 B) v =343.24±2.553m/s C) E =1.34325V±2.00 mV D) I =1.3V±0.2 mA 误差理论＿05 出题：物理实验中心 用误差限0.10mm 的钢直尺测量钢丝长度，11次的测量数据为：（单位：mm ） 25.8、25.8、25.7、25.5、25.6、25.8、25.6、25.5、25.4、25.7、25.6。钢丝的测量结果为(D) A) l =25.62 ± 0.04 m B) l =27.4 ± 2.1 m C) l =25.62 m ± 0.06 m D) l =25.6 ± 0.1 m 误差理论＿06 出题：物理实验中心 函数关系2=xy N z ，其中直接测量量x 、y 的不确定度用x u 、y u 、z u 表示，其最佳估值用 x 、y 、z 表示。则物理量N 的测量结果为(A) A) 2x y N z ?= ，N u =B) 2x y N z ?= ，N u =C) 21i i n i i x y z N n =?=∑， N u =D) 2x y N z ?= ，N u = 误差理论＿07 出题：物理实验中心 以下关于最后结果表达式=x x u ±的叙述中错误的是(A) A) 它说明物理量x 的真值一定包含在~x u x u -+中 B) 它说明物理量x 的真值包含在~x u x u -+中的概率为68.3% C) u 指的是物理量x 的合成不确定度
数字图像处理 实验报告 学号：04211734 姓名：付永钦 日期：2014/6/7 1.图像直方图统计 ①原理：灰度直方图是将数字图像的所有像素，按照灰度值的大小，统计其所出现的频度。 通常，灰度直方图的横坐标表示灰度值，纵坐标为半个像素个数，也可以采用某一灰度值的像素数占全图像素数的百分比作为纵坐标。 ②算法： clear all PS=imread('girl-grey1.jpg'); %读入JPG彩色图像文件figure(1);subplot(1,2,1);imshow(PS);title('原图像灰度图'); [m,n]=size(PS); %测量图像尺寸参数 GP=zeros(1,256); %预创建存放灰度出现概率的向量 for k=0:255 GP(k+1)=length(find(PS==k))/(m*n); %计算每级灰度出现的概率end figure(1);subplot(1,2,2);bar(0:255,GP,'g') %绘制直方图 axis([0 255 min(GP) max(GP)]); title('原图像直方图') xlabel('灰度值') ylabel('出现概率') ③处理结果：
原图像灰度图 100 200 0.005 0.010.0150.020.025 0.030.035 0.04原图像直方图 灰度值 出现概率 ④结果分析：由图可以看出，原图像的灰度直方图比较集中。 2. 图像的线性变换 ①原理：直方图均衡方法的基本原理是：对在图像中像素个数多的灰度值（即对画面起主 要作用的灰度值）进行展宽，而对像素个数少的灰度值（即对画面不起主要作用的灰度值）进行归并。从而达到清晰图像的目的。 ②算法： clear all %一，图像的预处理，读入彩色图像将其灰度化 PS=imread('girl-grey1.jpg'); figure(1);subplot(2,2,1);imshow(PS);title('原图像灰度图'); %二，绘制直方图 [m,n]=size(PS); %测量图像尺寸参数 GP=zeros(1,256); %预创建存放灰度出现概率的向量 for k=0:255
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
西南交大物理实验期末试题题库误差理论 TTA standardization office【TTA 5AB- TTAK 08- TTA 2C】
z 绪论试 题 误差理论＿01 出题：物理实验中心 下列测量结果正确的表示为（B ） A) t =（±） s B) v =（±） m C) v = k m ± m s D) l = m m 误差理论＿02 出题：物理实验中心 用误差限 mm 的钢尺测量钢丝长度，10次的测量数据为：（单位： mm ）、、、、、、、、、。钢丝的测量结果为(D) A) l = m B) l = m C) l = m m D) l = m 误差理论＿03 出题：物理实验中心 函数关系N =3xy ，其中直接测量量x 、y 的不确定度用x u 、y u 表示，其最佳估值用x 、y 表示。则物理量N 的测量结果为(A)。 B) 3N x y =?，N u = C) 3 1n i i i x y N n =?=∑，N u = D) 3N x y =?，N u =
误差理论＿04 出题：物理实验中心 下列测量结果正确的表示为（D ） A) 重力加速度g =± B) v =±s C) E =± mV D) I =± mA 误差理论＿05 出题：物理实验中心 用误差限的钢直尺测量钢丝长度，11次的测量数据为：（单位：mm ） 、、、、、、、、、、。钢丝的测量结果为(D) A) l = m B) l = m C) l = m m D) l = m 误差理论＿06 出题：物理实验中心 函数关系2 =xy N z ，其中直接测量量x 、y 的不确定度用x u 、y u 、z u 表示，其最佳估值用x 、y 、z 表示。则物理量N 的测量结果为(A) A) 2x y N z ?= ，N u =B) 2x y N z ?= ，N u =C) 21i i n i i x y z N n =?=∑， N u = D) 2x y N z ?=， N u =误差理论＿07 出题：物理实验中心 以下关于最后结果表达式=x x u ±的叙述中错误的是(A) A) 它说明物理量x 的真值一定包含在~x u x u -+中 B) 它说明物理量x 的真值包含在~x u x u -+中的概率为%
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
实验一数字图像处理编程基础 一、实验目的 1. 了解MATLAB图像处理工具箱； 2. 掌握MATLAB的基本应用方法； 3. 掌握MATLAB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、实验原理 略。 三、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。 四、分析思考 归纳总结Matlab各个基本指令。 Dither 采用“抖动”方法从RGB 图像创建索引图像 grayslice 从灰度图像通过阈值处理创建索引图像 gray2ind 从灰度图像创建索引图像 ind2gray 从索引图像创建灰度图像 rgb2ind 从RGB 图像创建索引图像 ind2rgb 从索引图像创建RGB 图像 rgb2gray 从RGB 图像创建灰度图像
实验二 图像几何变换实验 一、实验目的 1．学习几种常见的图像几何变换，并通过实验体会几何变换的效果； 2．掌握图像平移、剪切、缩放、旋转、镜像等几何变换的算法原理及编程实现； 3．掌握matlab 编程环境中基本的图像处理函数。 二、实验原理 1. 初始坐标为(,)x y 的点经过平移00(,)x y ，坐标变为(',')x y ，两点之间的关系为：00 ''x x x y y y =+??=+?，以矩阵形式表示为： 00'10'01100 11x x x y y y ????????????=?????????????????? 2. 图像的镜像变换是以图象垂直中轴线或水平中轴线交换图像的变换，分为垂直镜像变换和水平镜像变换，两者的矩阵形式分别为： '100'01010011x x y y -????????????=?????????????????? '100'01010011x x y y ????????????=-?????????????????? 3. 图像缩小和放大变换矩阵相同： '00'0010011X y x S x y S y ????????????=?????????????????? 当1x S ≤，1y S ≤时，图像缩小；当1x S ≥，1y S ≥时，图像放大。 4. 图像旋转定义为以图像中某一点为原点以逆时针或顺时针方
数字图像处理试验报告 实验二：数字图像的空间滤波和频域滤波 姓名：XX学号：2XXXXXXX 实验日期：2017 年4 月26 日 1.实验目的 1. 掌握图像滤波的基本定义及目的。 2. 理解空间域滤波的基本原理及方法。 3. 掌握进行图像的空域滤波的方法。 4. 掌握傅立叶变换及逆变换的基本原理方法。 5. 理解频域滤波的基本原理及方法。 6. 掌握进行图像的频域滤波的方法。 2.实验内容与要求 1. 平滑空间滤波： 1) 读出一幅图像，给这幅图像分别加入椒盐噪声和高斯噪声后并与前一张图显示在同一 图像窗口中。 2) 对加入噪声图像选用不同的平滑（低通）模板做运算，对比不同模板所形成的效果，要 求在同一窗口中显示。 3) 使用函数 imfilter 时，分别采用不同的填充方法（或边界选项，如零填 充、’replicate’、’symmetric’、’circular’）进行低通滤波，显示处理后的图 像。 4) 运用 for 循环，将加有椒盐噪声的图像进行 10 次，20 次均值滤波，查看其特点, 显 示均值处理后的图像（提示:利用fspecial 函数的’average’类型生成均值滤波器）。 5) 对加入椒盐噪声的图像分别采用均值滤波法，和中值滤波法对有噪声的图像做处理，要 求在同一窗口中显示结果。 6) 自己设计平滑空间滤波器，并将其对噪声图像进行处理，显示处理后的图像。 2. 锐化空间滤波 1) 读出一幅图像，采用3×3 的拉普拉斯算子 w = [ 1, 1, 1; 1 – 8 1; 1, 1, 1] 对其进行滤波。 2) 编写函数w = genlaplacian(n)，自动产生任一奇数尺寸n 的拉普拉斯算子，如5 ×5的拉普拉斯算子 w = [ 1 1 1 1 1 1 1 1 1 1 1 1 -24 1 1 1 1 1 1 1 1 1 1 1 1] 3) 分别采用5×5，9×9，15×15和25×25大小的拉普拉斯算子对
《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；
数字图像处理 实验指导书
目录 实验一MATLAB数字图像处理初步实验二图像的代数运算 实验三图像增强-空间滤波 实验四图像分割 3
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)
“转动惯量测定”实验（一）判断题 1、（）转动惯量测定实验：由于g﹥﹥a（g和a分别表示重力加速度和砝码下 落的加速度），所以实验中忽略了a。 2、（）转动惯量测定实验：由于遮光片的初始位置 ．．．．与测量的时间数据有关，因此需将遮光片的初始位置设定在转台的某一光电传感器处。 3、（）转动惯量测定实验：实验可以证明，圆环的转动惯量与砝码质量 ．．．．有关。 4、（）转动惯量测定实验：实验中忽略了转台转轴所受摩擦力矩的影响。 5、（）“转动惯量测定”实验中，未考虑滑轮的摩擦力矩和滑轮质量的影响。 6、（）转动惯量测定实验：由于遮光片的初始角速度 ．．．．．与测量的时间数据有关，因此需将遮光片的初始位置设定在某一光电传感器处。 7、（）转动惯量测定实验：实验可以证明，两金属圆柱体构成的转动系统其转 动惯量与塔轮半径 ．．．．有关。 （二）填空题 1、“转动惯量测定”实验中，通过改变的距离证明刚体的转动惯量与其质量分布有关。 2、“转动惯量测定”实验中，如果测得空台转动惯量J=11.18×10-3kgm2，在不加外力矩的情况下，角加速度β=-0.043/s2，估计转轴摩擦力矩的数量级为 Nm。 3、转动惯量测定实验：电脑计时器测量的时间间隔是从到 所经历的时间。 4、“转动惯量测定”实验中，过改变圆柱体到转轴的距离证明刚体的转动惯量与 有关。 （三）选择题 1、转动惯量实验中的间接测量量是： A）角加速度 B）时间 C）圆柱体和圆盘的直径、质量 D）光电门输出的脉冲数
1 2 E ）转动惯量 2、转动惯量实验中，转台不水平会导致 。 A ）绳上张力难与转轴保持垂直 B ）转轴的摩擦力不稳定 C ）计时不准确 D ）光电门与遮光片发生碰撞 3、转动惯量实验中，①忽略了转台所受摩擦力矩的影响，②不考虑滑轮的摩擦力矩和滑轮质量的影响。这两种说法中： A ）①正确，②错误 B ）①错误，②正确 C ）①和②都正确 D ）①和②都错误 4、转动惯量实验中，电脑计时记录的是砝码从最高点下落到地面所经历的时间。这 个叙述是： A ）正确的 B ）错误的 5、单摆实验中估计摆长时，下面哪个因素所造成的误差应该估计的稍微大一些？ A ）测量所用仪器的仪器误差 B ）测量时尺子与摆线不平行造成的误差 C ）摆线自身弹性造成的误差 D ）摆球大小、偏心造成的误差 6、单摆实验中，如果想用精度为1秒的秒表来代替精度为1/100秒的电子秒表计时而且保证重力加速度的测量精度不降低，那么应该： A ）增加摆长值 B ）减小摆长值 C ）增加摆长的测量精度 7、转动惯量实验中的间接测量量是： A ）角加速度 B ）时间 C ）圆柱体和圆盘的直径、质量 D ）光电门输出的脉冲数 E ）转动惯量 8、如果忽略实验误差，测量得到的时间数据与转盘转动角度的关系是： A ）线性关系 B ）二次曲线型关系 C ）对数关系 D ）无特定的关系 9、圆盘转动惯量的理论计算式J= —mR 2中，m 是 A ）砝码的质量 B ）砝码挂钩的质量 C ）砝码、挂钩的质量和 D ）圆盘质量
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。 程序： clc;clear; figure; subplot(4,4,1); i = imread('rice.png'); i = im2double(i); imshow(i);title('1'); 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。程序： subplot(4,4,2); r=[0:0.001:1]; s=[r<0.35].*r*0.3+[r<=0.65].*[r>=0.35].*(0.105+2.6333*(r-0.35))+[r>0.65].*(1 +0.3*(r-1)); plot(r,s);title('2p'); subplot(4,4,3); T1=[i<0.35].*i*0.3+[i<=0.65].*[i>=0.35].*(0.105+2.6333*(i-0.35))+[i>0.65].*( 1+0.3*(i-1)); imshow(T1);title('2i'); imwrite(T1,'rice_T1.jpg','jpg');
3．产生灰度变换函数T2，使得： 用T2对原图像rice.jpg进行处理，使用imwrite保存处理后的新图像。 %3 subplot(4,4,4); r = [0:0.001:1];