数字图像处理实验报告(空间域图像增强)

实验一图像增强实验一、实验目标：掌握图像增强的算法。

二、实验目的：1. 了解灰度变换增强和空域滤波增强的Matlab实现方法2. 掌握直方图灰度变换方法3. 掌握噪声模拟和图像滤波函数的使用方法三、实验内容：（1）图像的点操作、邻域操作算法。

（2）图像的直方图处理算法。

四、实验设备：1．PIII以上微机； 2．MATLAB6.5；五、实验步骤：（1）读入图像：用matlab函数实现图像读入（可读入Matlab中的标准测试图像）(原始图像)（2）实现图像点操作运算（如gamma校正，对数校正等）（3）实现图像的邻域处理（实现均值滤波，拉普拉斯滤波）（4）实现直方图均衡处理matlab 源程序clear all;clc;f=imread('girl_noise.jpg');figure,imshow(f),title('原始图像');[m,n]=size(f);f0= im2double(f); % 整型转换为double 类f1=f0;std_i=zeros(1,m-2);%灰线处理for i=2:m-1%灰线处理std_i(i-1)=std(f0(i,:));if(std_i(i-1)<0.1)for j=1:mf0(i,j)=(f0(i-1,j)+f0(i+1,j))/2;endendendfigure,imshow(f0),title('滤除灰线后的图像');fz=f0-f1;[r,c]=find(fz~=0);%寻找灰线噪声的位置f2=f0;change=0;count=0;for i=3:m-2%白线处理for j=1:mif(abs(f0(i,j)-f0(i-1,j))>0.2&&abs(f0(i,j)-f0(i+1,j))>0.2) count=count+1;endif(count>n*0.8)count=0;change=1;break;endendif(change==1)for k=1:mf0(i,k)=(f0(i-1,k)+f0(i+1,k))/2;endchange=0;count=0;endendfigure,imshow(f0),title('滤除白线后的图像');fz1=f2-f0;[r1,c1]=find(fz1~=0); %寻找白线噪声的位置fn = medfilt2(f0); %反射对称填充figure, imshow(fn),title('中值滤波后的图像');f0 = im2double(fn); % 整型转换为double 类g =2*f0- imfilter(f0,w4, 'replicate'); % 增强后的图像figure, imshow(g),title('高提升滤波图像(A=2)');图像处理结果六、结果分析从上面结果可以看出，带状噪声处理部分，已经基本将带状噪声去除。

一、实验名称：空域图像增强二、实验目的：掌握Matlab语言图像工具箱中空域图像增强的实现三、实验要求：在掌握图像灰度调整、直方图修正和图像锐化的指令基础上，编写程序实现图像的灰度变换，直方图均衡和图像锐化的处理四、实验仪器和设备：计算机，Matlab软件五、实验原理：1、亮度变换S=T(r)点对点的变换（灰度级对灰度级的变换）matlab函数：imadjust()亮度变换的基本函数g=imadjust(f,[low in high in],[low out high out],gamma); low in and high in 参数分别指定输入图像需要映射的灰度空间范围，low out 和high out 参数分别指定输出图像所在的灰度范围。

GAMMA表示曲线的形状，描述输入输出图像之间的关系。

如果GAMMA小于1，则映射的权重趋势向更亮输出，如果GAMMA大于1，则趋向更暗的输出。

默认值为1。

2、直方图均衡化直方图是多种空间域处理技术的基础，能有效用于图像增强，是实时图像处理的流行工具，直方图均衡化的目的是使图像在整个灰度值动态变化范围内分布均匀化，改善图像的亮度分布状态，增强视觉效果。

直方图均衡化是通过灰度变换将一幅图像转换程另一幅具有均衡性的直方图。

即在每个灰度级上都具有相同的像素点数的过程。

3、空域滤波手工滤波与函数提供滤波器的比较六、实验步骤：1、将待处理图片拷到matlab软件’work’文件夹2、实行亮度变换3、对图像进行直方图均衡处理4、空域滤波5、记录实验结果并分析七、实验程序及结果记录：1、亮度变换I=imread(‘E:\fig308.tif’);Imshow(I);Figure,imhist(I);J=imadjust(I,[0.5 0.9],[0,1]);Figure;imshow(J);Figure;imhist(J)2、直方图均衡化I=imread(‘E:\fig308.tig’);J=histea(I);Imshow(I);Title(‘原图像’);Figure;Imshow(J);Title(‘直方图均衡化后的图像’);Figure;Subplot(1,2,1);Imhist(I,64);Title(‘原图像直方图’)；Subplot(1,2,2);Imhist(J,64);Title(‘均衡变换后的直方图’);Subplot(1,2,2);Imhist(J,64);Title(‘均衡变换后的直方图’);2、空域滤波F=imread(‘E:\fig3016.tif’);W4=fspecial(‘laplacian’,1);W8=[1 1 1;-8 1;1 1 1];F=im2double(f);G4=f_imfilter(f,w4,’replicate’);G8=f_imfilter(f,w8,’replicate’);Figure;Subplot(1,3,1);Imshow(f);Title(‘原图’);Subplot(1,3,2);Imshow(g4);Title(‘中心为-4拉普拉斯的效果’);Subplot(1,3,3);Imshow(g8);Title(‘中心为-8拉普拉斯的效果’);八、实验结果分析：亮度变换直方图均衡化可以对图像进行处理，进行空域图像增强。

实验一图像增强第一篇：实验一图像增强《数字图像处理》实验报告实验一图像增强班级：姓名：学号：实验目的一、熟悉MATLAB中的图像处理工具箱。

二、熟悉MATLAB中常用的图像处理函数。

三、掌握图像增强的基本原理与实现方法，掌握基本的空间域操作。

四、了解imread、imshow、imhist、imwrite、rgb2gray、mat2gray、imresize、imrotate、imtransform等函数的使用方法。

五、实验内容1．熟悉MATLAB图像处理工具箱的功能及常用的图像处理函数。

2．实现“DIPUM2E_PROJECT_STATEMENTS”中的PROJECT2.1、2.2、2.3、2.5、3.1、3.5、3.6六、实验结果第一题function I = isinteger(A)if ~isnumeric(A)error('A must be a numeric array.');endA = double(A);I = A == floor(A);A=[6.1 2.1;0.1 2] isinteger(A)结果ans = 0 0 0 1 2.2代码function E = iseven(A)if ~isnumeric(A)error('A must be a numeric array.');end A = double(A);E = floor(A/2)==(A/2);A=[3 5;0.1 6] iseven(A)结果ans =《数字图像处理》实验报告0 0 0 1 2.3代码function D = isodd(A)if ~isnumeric(A)error('A must be a numeric array.');endA = double(A);D = floor((A + 1)/2)==((A + 1)/2);A=[2 3;6 1] isodd(A)结果 ans = 0 1 0 1 2.5代码function [I, map] = imagein1(path)if nargin < 1 path = pwd;endoriginal_directory = pwd;[file, pathname] = uigetfile('*.*', 'Image Open');if isequal(file, 0)| isequal(pathname, 0)disp('Image input canceled.');I = [];map = [];else[I, map] = imread(file);end 结果>>imagein1 Image input canceled.ans = []3.1、代码《数字图像处理》实验报告function z = intxform(s, map)classin = class(s);[s, revertclass] = tofloat(s);x = linspace(0, 1, numel(map))';y = map(:);z = interp1(x, y, s, 'linear');z = revertclass(z);A=imread('Fig0210(a).tif');subplot(2,1,1);imshow(A) ;t = linspace(0, 1, 256);map = t.^2;z = intxform(A, map);subplot(2,1,2);imshow(z);结果：3.5、代码function w = genlaplacian(n)if ~isinteger1(n)| n <= 0 | iseven(n)error('n must be a positive, odd integer')end center =(n^2)imfilter(fd, genlaplacian(3), 'replicate');g5 = fdimfilter(fd, genlaplacian(9), 'replicate');g15 = fdimfilter(fd, genlaplacian(25),'replicate');subplot(2,3,1);imshow(fd);title('a');subplot(2,3,2);imsh ow(g3);title('b');subplot(2,3,3);imshow(g5);title('c');subplot(2,3,4); imshow(g9);title('d');subplot(2,3,5);imshow(g15);title('e');subplot( 2,3,6);imshow(g25);title('f');结果：《数字图像处理》实验报告3.6 代码：w = fspecial('unsharp', 0);f =imread('Fig0217(a).tif');imshow(f)g = imfilter(f, w, 'replicate');figure, imshow(g)结果七、本实验的心得体会通过本实验的学习与实践，我学到了很多图像处理的技巧，掌握图像增强的基本原理与实现方法，掌握基本的空间域操作，也对学习图像处理产生了更多的兴趣。

实验报告课程名称数字图像处‎理导论专业班级_____‎_____‎_____‎姓名_____‎_____‎_____‎学号_____‎_____‎_____‎电气与信息‎学院和谐勤奋求是创新‎2.编写函数w‎ = genla‎p laci‎a n(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 11 1 1 1 11 1 -24 1 11 1 1 1 14.采用不同的‎梯度算子对‎b lurr‎y_moo‎n.tif进行‎锐化滤波，并比较其效‎果。

[I,m ap]=im rea‎d('trees‎.tif');I=doubl‎e(I);subpl‎o t(2,3,1)imsho‎w(I,m ap);title‎(' Origi‎nal Im age‎');[Gx,Gy]=gradi‎e nt(I); % gradi‎e n t calcu‎l atio‎nG=sqrt(Gx.*Gx+Gy.*Gy); % matri‎xJ1=G; % gradi‎e nt1subpl‎o t(2,3,2)imsho‎w(J1,m ap);title‎(' Opera‎tor1 Im age‎');J2=I; % gradi‎e nt2 K=find(G>=7);J2(K)=G(K);subpl‎o t(2,3,3)im sho‎w(J2,m ap);title‎(' Opera‎tor2 Im age‎');J3=I; % gradi‎e n t3 K=find(G>=7);J3(K)=255;subpl‎o t(2,3,4)im sho‎w(J3,m ap);title‎(' Opera‎tor3 Im age‎');J4=I; % gradi‎e n t4 K=find(G<=7);J4(K)=255;subpl‎o t(2,3,5)im sho‎w(J4,m ap);title‎(' Opera‎tor4 Im age‎');J5=I; % gradi‎e nt5 K=find(G<=7);J5(K)=0;Q=find(G>=7);J5(Q)=255;subpl‎o t(2,3,6)im sho‎w(J5,m ap);title‎(' Opera‎tor5 Im age‎');5.自己设计锐‎化空间滤波‎器，并将其对噪‎声图像进行‎处理，显示处理后‎的图像；附录：可能用到的‎函数和参考‎结果**************报告里不能‎用参考结果‎中的图像1)采用3×3的拉普拉‎斯算子w = [ 1, 1, 1; 1 – 8 1; 1, 1, 1]滤波I=im rea‎d('moon.tif');T=doubl‎e(I);subpl‎o t(1,2,1),im sho‎w(T,[]);title‎('Origi‎n al Im age‎');w =[1,1,1;1,-8,1;1,1,1];K=conv2‎(T,w,'sam e');subpl‎o t(1,2,2)im sho‎w(K);title‎('Lapla‎cian Trans‎f orm a‎tion');图2.9 初始图像与‎拉普拉斯算‎子锐化图像‎2)编写函数w‎ = genla‎p laci‎a n(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 11 1 1 1 11 1 -24 1 11 1 1 1 11 1 1 1 1]funct‎i on w = genla‎p laci‎a n(5)%Com pu‎t es the Lapla‎c ian opera‎t orw = ones(n);x = ceil(n/2);w(x, x) = -1 * (n * n - 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blu‎rry_m‎o on.tif进行‎锐化滤波，并利用式完‎成图像的锐‎化增强，观察其有何‎不同，要求在同一‎窗口中显示‎。

数字图像实验报告图像增强实验一、实验目的熟悉并掌握MATLAB图像处理工具箱的使用；理解并掌握常用的图像的空域增强技术。

二、实验内容对一幅图像分别添加高斯、椒盐和斑点噪声，并分别进行均值和中值滤波处理，显示处理前后的图像。

三、实验方法及程序学生自行编程实现提示：1.加入高斯噪声的函数调用。

I_noise =imnoise(I,’gaussian’,0,0.1)2.加入椒盐噪声的函数调用。

I_noise = imnoise(I,’salt&pepper’,0.06)3.加入斑点噪声的函数调用。

I_noise= imnoise(I,’speckle’,0.1)4.均值滤波的函数调用。

I_smooth=imfilter(I_noise,fspecial(‘average’,5))5.中值滤波的函数调用。

I_smooth=medfilt2(I_noise,[3 3])A=imread('toyobjects.png');B=imnoise(A,'gaussian',0,0.1);%加入高斯噪声C=imnoise(A,'salt & pepper',0.05);%加入椒盐噪声D=imnoise(A,'speckle',0.05);%加入斑点噪声I1=imfilter(B,fspecial('average',5));I2= medfilt2(B);%高斯中值处理K1=imfilter(C,fspecial('average',5));K2= medfilt2(C);%椒盐中值处理G1=imfilter(D,fspecial('average',5));G2= medfilt2(D);%斑点噪声中值处理figure(1);imshow(A);title('原图像');figure(2);subplot(1,3,1);imshow(B);title('高斯噪声'); subplot(1,3,2);imshow(I1);title('高斯均值滤波处理'); subplot(1,3,3);imshow(I2);title('高斯中值滤波处理'); figure(3);subplot(1,3,1);imshow(C);title('椒盐噪声'); subplot(1,3,2);imshow(K1);title('椒盐均值处理'); subplot(1,3,3);imshow(K2);title('椒盐中值处理'); figure(4);subplot(1,3,1);imshow(D);title('斑点噪声'); subplot(1,3,2);imshow(G1);title('斑点噪声均值处理'); subplot(1,3,3);imshow(G2);title('斑点噪声中值处理');四、实验结果与分析分别运用B=imnoise(A,'gaussian',0,0.1)C=imnoise(A,'salt & pepper',0.05)D=imnoise(A,'speckle',0.05);三个函数啊加入不同的噪声，再用I_smooth=imfilter(I_noise,fspecial(‘average’,5))I_smooth=medfilt2(I_noise,[3 3])对加入噪声的图像进行处理，比较不同的处理方式对加入噪声后的图像处理后的清晰度。

实验二: 数字图像的空间域滤波——平滑滤波1. 1. 实验目的2.掌握图像滤波的基本定义及目的。

3.理解空间域滤波的基本原理及方法。

4.掌握进行图像的空域滤波的方法。

1. 2. 实验基本原理2.空间域增强空间域滤波是在图像空间中借助模板对图像进行领域操作, 处理图像每一个像素的取值都是根据模板对输入像素相应领域内的像素值进行计算得到的。

空域滤波基本上是让图像在频域空间内某个范围的分量受到抑制, 同时保证其他分量不变, 达到增强图像的目的。

空域滤波一般分为线性滤波和非线性滤波两类。

各种空域滤波器根据功能主要分为平滑滤波器和锐化滤波器。

平滑的目的可分为两类: 一类是模糊, 目的是在提取较大的目标前去除太小的细节或将目标内的小肩端连接起来；另一类是消除噪声。

锐化的目的是为了增强被模糊的细节。

结合这两种分类方法, 可将空间滤波增强分为四类:线性平滑滤波器（低通）非线性平滑滤波器（低通）线性锐化滤波器（高通）非线性锐化滤波器（高通）1)空间滤波器都是基于模板卷积, 其主要工作步骤是:2)将模板在图中移动, 并将模板中心与图中某个像素位置重合；3)将模板上的系数与模板下对应的像素相乘；4)将所有乘积相加；5)将和（模板的输出响应）赋给图中对应模板中心位置的像素。

3.平滑滤波器1)线性平滑滤波器线性低通平滑滤波器也称为均值滤波器, 这种滤波器的所有系数都是正数, 对3×3的模板来说, 最简单的是取所有系数为1, 为了保持输出图像任然在原来图像的灰度值范围内, 模板与象素邻域的乘积都要除以9。

MATLAB 提供了fspecial 函数生成滤波时所用的模板, 并提供filter2和imfilter 函数用指定的滤波器模板对图像进行运算。

函数fspecial 的语法格式为：h=fspecial(type);h=fspecial(type,parameters);其中参数type 指定滤波器的种类, parameters 是与滤波器种类有关的具体参数。

数字图像处理实验报告引言数字图像处理是一门研究如何对图像进行数字化处理的学科，它的应用广泛，涵盖了图像的获取、增强、压缩、分割等多个方面。

本次实验旨在探索数字图像处理的基本原理和常用技术，并通过实践操作加深对数字图像处理的理解。

实验目的1.学习掌握数字图像处理的基本原理；2.熟悉常用的数字图像处理工具和方法；3.实践应用数字图像处理技术解决实际问题。

实验环境在本次实验中，我们使用了以下环境和工具：- 操作系统：Windows 10 - 编程语言：Python - 图像处理库：OpenCV实验步骤步骤一：图像获取与显示首先，我们需要获取一张待处理的图像，并对其进行显示。

在Python中，我们可以使用OpenCV库来实现图像的读取和显示。

以下是示例代码：import cv2# 读取图像image = cv2.imread('image.jpg')# 显示图像cv2.imshow('Image', image)cv2.waitKey(0)cv2.destroyAllWindows()步骤二：图像增强图像增强是数字图像处理中常用的技术之一，旨在改善图像的质量和可视化效果。

常见的图像增强技术包括灰度转换、直方图均衡化、滤波器等。

以下是示例代码：import cv2# 读取图像image = cv2.imread('image.jpg')# 灰度转换gray_image = cv2.cvtColor(image, cv2.COLOR_BGR2GR AY)# 直方图均衡化equalized_image = cv2.equalizeHist(gray_image)# 高斯滤波器blurred_image = cv2.GaussianBlur(equalized_image, (5, 5), 0)# 边缘增强enhanced_image = cv2.Canny(blurred_image, 100, 20 0)# 显示图像cv2.imshow('Enhanced Image', enhanced_image)cv2.waitKey(0)cv2.destroyAllWindows()步骤三：图像压缩图像压缩是数字图像处理中的重要话题，旨在减少图像的存储空间和传输带宽。

实验报告实验名称空间域图像增强课程名称数字图像处理姓名成绩班级学号日期地点1.实验目的（1）了解空间域图像增强的各种方法（点处理、掩模处理）；（2）通过编写程序掌握采用直方图均衡化进行图像增强的方法；（3）使用邻域平均法编写程序实现图像增强，进一步掌握掩模法及其改进（加门限法）消除噪声的原理；（4）总结实验过程（实验报告，左侧装订）：方案、编程、调试、结果、分析、结论。

2.实验环境（软件、硬件及条件）Windws7MATLAB 6.x or above3.实验方法对如图4.1所示的两幅128×128、256级灰度的数字图像fing_128.img和cell_128.img进行如下处理：（1）对原图像进行直方图均衡化处理，同屏显示处理前后图像及其直方图，比较异同，并回答为什么数字图像均衡化后其直方图并非完全均匀分布。

（2）对原图像加入点噪声，用4-邻域平均法平滑加噪声图像（图像四周边界不处理，下同），同屏显示原图像、加噪声图像和处理后的图像。

①不加门限；②加门限T=(1/2)*avg(f(m,n)), 其中avg（f(m,n)=(1/N^2)*f(i,j)）本次实验中的第一题，是对图像进行直方图统计和均衡化，在Matlab中有imhist()函数和histeq()函数直接调即可获得相应结果，代码如下：close all;clear all;fid=fopen('cell_128.img','r');image1=fread(fid,[128,128],'uint8');image1=uint8(image1);fclose(fid);subplot(2,2,1);%显示原图像imshow(image1,[]);title('原图像');subplot(2,2,2);%统计图像直方图imhist(image1);title('原图像直方图');%直方图均衡化ima=histeq(image1);subplot(2,2,3);%显示均衡化后的图像imshow(ima);title('直方图均衡化后图像');subplot(2,2,4);%显示直方图均衡化后的图像直方图imhist(ima);title('直方图均衡化后的直方图');本次实验的第二题，是对图像进行加噪后平滑，噪声为点噪声，分别采用不加门限的四邻域平均法和加门限的四邻域平均法进行平滑。

图像增强实验报告篇一：图像处理实验报告——图像增强实验报告学生姓名：刘德涛学号:2010051060021指导老师：彭真明日期：2013年3月31日一、实验室名称：光电楼329、老计算机楼309机房二、实验项目名称：图像增强三、实验原理：图像增强是为了使受到噪声等污染图像在视觉感知或某种准则下尽量的恢复到原始图像的水平之外，还需要有目的性地加强图像中的某些信息而抑制另一些信息，以便更好地利用图像。

图像增强分频域处理和空间域处理，这里主要用空间域的方法进行增强。

空间域的增强主要有：灰度变换和图像的空间滤波。

1.灰度变换灰度变换主要有线性拉伸、非线性拉伸等。

灰度图像的线性拉伸是将输入图像的灰度值的动态范围按线性关系公式拉伸到指定范围或整个动态范围。

令原图像f(x,y)的灰度变化范围为[a,b]，线性变换后图像g(x,y)的范围为[a&#39;,b&#39;]，线性拉伸的公式为：b&#39;?a&#39;g(x,y)?a?[f(x,y)?a] b?a灰度图像的非线性拉伸采用的数学函数是非线性的。

非线性拉伸不是对图像的灰度值进行扩展，而是有选择地对某一灰度范围进行扩展，其他范围的灰度值则可能被压缩。

常用的非线性变换：对数变换和指数变换。

对数变换的一般形式：g(x,y)?a?ln[f(x,y)?1] blnc指数变换的一般形式：g(x,y)?bc[f(x,y)?a]?1（a,b,c用于调整曲线的位置和形状的参数。

）2.图像的空间滤波图像的空间滤波主要有图像的空域平滑和锐化。

图像的平滑是一种消除噪声的重要手段。

图像平滑的低频分量进行增强，同时抑制高频噪声，空域中主要的方法有领域平均、中值滤波、多帧相加平均等方法。

图像锐化能使图像的边缘、轮廓处的灰度具有突变特性。

图像的锐化主要有微分运算的锐化，包括梯度法和拉普拉斯法算子。

四、实验目的：1．熟悉和掌握利用Matlab工具进行数字图像的读、写、显示等数字图像处理基本步骤。

图像增强的实验报告图像增强的实验报告引言：图像增强是数字图像处理领域中的一项重要任务。

通过改善图像的质量和清晰度，图像增强可以使我们更好地观察和分析图像中的细节。

本实验旨在探索图像增强的不同方法，并评估它们在不同场景下的效果。

实验设计：为了比较不同的图像增强方法，我们选择了一组具有不同特征的图像作为实验对象。

这些图像包括自然风景、人像和低对比度图像。

我们将使用以下三种方法进行图像增强：直方图均衡化、自适应直方图均衡化和增强对比度自适应拉伸。

实验步骤：1. 直方图均衡化：直方图均衡化是一种常用的图像增强方法，它通过重新分布图像的像素值来增强对比度。

我们首先将图像转换为灰度图像，然后计算灰度直方图。

接下来，我们使用累积分布函数对直方图进行均衡化，使得图像中的像素值分布更加均匀。

最后，我们将均衡化后的图像转换回原始图像的颜色空间。

2. 自适应直方图均衡化：直方图均衡化在某些情况下可能会导致图像的局部细节丢失。

为了解决这个问题，我们使用自适应直方图均衡化方法。

在这种方法中，我们将图像分成许多小区域，并对每个区域的直方图进行均衡化。

通过这种方式，我们可以保留图像的局部特征，并增强整体对比度。

3. 增强对比度自适应拉伸：增强对比度自适应拉伸是一种简单而有效的图像增强方法。

它通过将图像的像素值映射到一个更大的范围来增强对比度。

我们首先计算图像的平均亮度和标准差，然后使用以下公式对图像进行拉伸：enhanced_pixel = (pixel - mean) * (max_stretch / std) + mean其中，pixel是原始图像中的像素值，mean是图像的平均亮度，std是图像的标准差，max_stretch是拉伸的最大范围。

实验结果：我们将三种图像增强方法应用于不同类型的图像，并进行了对比分析。

结果显示，直方图均衡化方法在某些情况下可以显著增强图像的对比度，特别是对于低对比度图像。

然而，它可能会导致图像的噪声增加和细节丢失。

图像增强—空域滤波实验报告篇一：5.图像增强—空域滤波 - 数字图像处理实验报告计算机与信息工程学院验证性实验报告一、实验目的进一步了解MatLab软件/语言，学会使用MatLab对图像作滤波处理，使学生有机会掌握滤波算法，体会滤波效果。

了解几种不同滤波方式的使用和使用的场合，培养处理实际图像的能力，并为课堂教学提供配套的实践机会。

二、实验要求(1)学生应当完成对于给定图像+噪声，使用平均滤波器、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；能够正确地评价处理的结果；能够从理论上作出合理的解释。

(2)利用MATLAB软件实现空域滤波的程序：I=imread('electric.tif');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ave1=fspecial('average',3); %产生3×3的均值模版ave2=fspecial('average',5); %产生5×5的均值模版 K = filter2(ave1,J)/255; %均值滤波3×3 L = filter2(ave2,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 imshow(I);figure,imshow(J); figure,imshow(K); figure,imshow(L); figure,imshow(M); figure,imshow(N);三、实验设备与软件(1) IBM-PC计算机系统(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、实验内容与步骤a) 调入并显示原始图像Sample2-1.jpg 。

数字图像处理实验一 MATLAB数字图像处理初步一、显示图像1．利用imread( )函数读取一幅图像，假设其名为lily.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；实验结果如下图：源代码：>>I=imread('lily.tif')>> whos I>> imshow(I)二、压缩图像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lily.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flily.bmp。

7．用imread()读入图像Sunset.jpg和Winter.jpg；8．用imfinfo()获取图像Sunset.jpg和Winter.jpg的大小；9．用figure,imshow()分别将Sunset.jpg和Winter.jpg显示出来，观察两幅图像的质量。

其中9的实验结果如下图：源代码：4~6(接上面两个) >>I=imread('lily.tif')>> imfinfo 'lily.tif'；>> imwrite(I,'lily.jpg','quality',20);>> imwrite(I,'lily.bmp');7~9 >>I=imread('Sunset.jpg');>>J=imread('Winter.jpg')>>imfinfo 'Sunset.jpg'>> imfinfo 'Winter.jpg'>>figure(1),imshow('Sunset.jpg')>>figure(2),imshow('Winter.jpg')三、二值化图像10．用im2bw将一幅灰度图像转化为二值图像，并且用imshow显示出来观察图像的特征。

昆明理工大学信息工程与自动化学院学生实验报告实验一、空域图像增强一、实验目的1、理解空域图像增强的概念；2、掌握灰度线性变换和非线性变换的图像增强方法及应用；3、掌握灰度直方图均衡化的图像增强方法及应用；4、掌握平滑空域滤波器方法，并会用其来消除图像噪声；5、掌握锐化空域滤波器方法，并会用其来增强图像细节。

二、实验原理及基本技术路线图（方框原理图）术语“空域”指的是图像平面本身。

在空域上，图像处理方法是通过直接对图像像素的处理来实施的。

图像增强是将原来不清晰的画面变得清晰或强调某些关注的特征，抑制非关注的特征，使之改善视觉质量、丰富信息量，加强图像判读和识别效果的图像处理方法。

空域处理方法可分为两种：灰度级变换与空域滤波。

空域技术所使用的对像素的直接操作可用下式表示：()[]),(xg=，yTxf,y其中f(x,y)为输入图像，g(x,y)为输出图像，T是对图像f进行处理的操作符，它定义在像素点(x,y)所指定的空间邻近像区（简称为邻域）内。

定义像素点(x,y)的邻域的主要方法是，使用以(x,y)为中心的方形或矩形像区。

当这样的邻域的中心从左上角原点的开始遍历像素点时，将覆盖图像中不同的像区。

当T应用于每个被遍历的像素点f(x,y)时，便得到在该像素点的输出图像g(x,y)。

在计算g(x,y)时，只使用在(x,y)邻域中的像素。

在处理灰度图像并且当邻域大小为1×1时，T的形式最简单，它成为一个灰度（或亮度）级的变化函数（即，灰度变换）。

此时,g(x,y)的值仅由在(x,y)处的亮度f(x,y)来决定。

由于灰度变换T仅取决于灰度的值，与(x,y)无关，所以T可写成如下的简单形式：()r Ts=，其中，r表示图像f中相应点(x,y)的灰度，s表示图像g中相应点(x,y)的灰度。

灰度变换T通常包括灰度变换增强与直方图增强。

灰度变换增强可以通过改变图象的灰度范围及分布来实现。

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，即分段拉伸。

对图像进行平滑处理，可以处理高斯噪声，但是很带来图像的边缘细节模糊。

对于具有对称特性的算子，conv2和imfilter处理的图像效果是一样的，非对称的算子，处理的效果一般不样。

对图像进行锐化处理，会得到图像的边缘部分，变化小部分对应的灰度值较小。

10、总结及心得体会：总结：通过本次的图像增强实验了解了图像的最基本的像素级的操作，对图像的变换有了一定的了解，同时增加了自己对数字图像的了解。

心得体会：一些看起来很简单的图像处理，要自己编程进行实现比不是一件很简单的事，所以对于理论要多加以实践才能更好地掌握。

11、对本实验过程及方法、手段的改进意见：如果对现有的某些简单的函数进行限制使用，要求学生自己编写，可以很大程度的增强学生的编程能力。

报告评分：指导教师签字：图1 线性拉伸变换原图和结果图图2 线性拉伸变换灰度变换曲线）图像的非线性灰度变换（指数变换）图3 指数拉伸变换原图和结果图图4 对数拉伸变换灰度变换曲线）图像的非线性灰度变换（中值滤波）图5 中值滤波原图和结果图）光电图像的空域平滑处理像像像像像像像像像像像像图7 算子的3D图）光电图像的空域高通滤波图8 平滑处理原图、加噪图和结果图图9 算子的3D图）数字图像的线性灰度变换%拉伸到15到230clc,close all,clear all;remax=230;remin=15;y=imread('cloud_24bitgry.jpg');y=rgb2gray(y);subplot(1,2,1),imshow(y);y=double(y);title('原始图像');ymax=max(max(y));ymin=min(min(y));[a,b]=size(y);%灰度变换程序for m=1:a;for n=1:b;result_image(m,n)=(remax-remin)/(ymax-ymin)*(y(m,n)-ymin)+remin;endendresult_image=uint8(result_image);subplot(1,2,2),imshow(result_image); imwrite(result_image,'灰度线性变换.jpg','jpg');%保存图像title('灰度变换图像');o=[]for x=1:255;if x<ymin;k=remin;elseif x>ymax;k=remax;elsek=(remax-remin)/(ymax-ymin)*(x-ymin)+remin;endo=[o,k];end%画变换曲线图x=1:255;figure,plot(x,o);title('灰度变换曲线');xlabel('f(x,y)'),ylabel('g(x,y)');（2）图像的非线性灰度变换（指数变换）%灰度对数变换clc,close all,clear all;imb=1.56;ima=13;imc=0.05;y=imread('Einstein.jpg');y=rgb2gray(y);subplot(1,2,1),imshow(y);title('原始图像'); y=double(y);[a,b]=size(y);%对数变换程序for m=1:a;for n=1:b;result_image(m,n)=imb^(imc*(y(m,n)-ima))-1;endendsubplot(1,2,2),imshow(result_image,[]);titl e('变换图像');imwrite(uint8(result_image),'灰度对数变换. jpg','jpg');%保存图像u=[];for x=0:255;o=imb^(imc*(x-ima))-1;u=[u,o];endx=0:255;figure(),plot(x,u);title('对数变换曲线'); xlabel('f(x,y)'),ylabel('g(x,y)');（3）图像的非线性灰度变换（中值滤波）%灰度对数变换clc,close all,clear all;imb=1.56;ima=13;imc=0.05;y=imread('lowlight_spn24.jpg');y=rgb2gray(y);subplot(1,2,1),imshow(y);title('原始图像'); [a,b]=size(y);%中值滤波变换程序o=y;for m=2:a-1;for n=2:b-1;O=[y(m-1,n-1),y(m,n-1),y(m+1,n-1),y(m-1,n),y(m,n),y(m+1,n),y(m-1,n+1),y(m,n+1),y(m+1,n+1)];o(m,n)=median(O);endendsubplot(1,2,2),imshow(o);title('滤波图像');（4）光电图像的空域平滑处理%平滑去噪clc,close all,clear all;y=imread('Einstein.jpg');y=rgb2gray(y);subplot(2,2,1),imshow(y),title('原始图像'); y=imnoise(y,'gauss',0.002);%加噪声subplot(2,2,2),imshow(y);title('加噪图像'); y=double(y);h1=1/273*[1,4,7,4,7;4,16,26,16,4;7,26,41,26,7;4,16,26,16,4;1,4,7,4,1];M=conv2(y,h1);%卷积处理图像subplot(2,2,3),imshow(uint8(M));title('卷积去噪图像');M=imfilter(y,h1);subplot(2,2,4),imshow(uint8(M));title('函数去噪图像');x=-9:10;y=-9:10;h1=imresize(h1,4,'bilinear');[X,Y]=meshgrid(x,y);figure,surfc(X,Y,h1);（5）光电图像的空域高通滤波% 图像锐化程序clc,close all,clear all;y=imread('Einstein.jpg');y=rgb2gray(y);subplot(1,3,1),imshow(y),title('原始图像'); y=double(y);h1=[-1,0,1;-1,0,1;-1,0,1];sum(sum(h1))M=conv2(y,h1);%卷积处理图像subplot(1,3,2),imshow(uint8(M));title('卷积锐化图像');M=imfilter(y,h1);subplot(1,3,3),imshow(uint8(M));title('图像锐化图像');x=-5:6;y=-5:6;h1=imresize(h1,4,'bilinear');[X,Y]=meshgrid(x,y);figure,surfc(X,Y,h1);。

课程名称：实验项目：实验地点：专业班级：学号：学生姓名：指导教师：2012年月日实验一 空域图像增强技术一、 实验目的1结合实例学习如何在视频显示程序中增加图像处理算法；2理解和掌握图像的线性变换和直方图均衡化的原理和应用；3了解平滑处理的算法和用途，学习使用均值滤波、中值滤波和拉普拉斯锐化进行图像增强处理的程序设计方法；4 了解噪声模型及对图像添加噪声的基本方法。

二、 实验原理1 灰度线性变换就是将图像中所有点的灰度按照线性灰度变换函数进行变换。

)],([),(y x f T y x g =⎪⎩⎪⎨⎧<≤+-<≤+-≤≤=255),(]),([),( ]),([),(0 ),(),(y x f b g b y x f b y x f a g a y x f a y x f y x f y x g b a γβαn y m x ,2,1 ,,,2,1==2 直方图均衡化通过点运算将输入图像转换为在每一级上都有相等像素点数的输出图像。

按照图像概率密度函数PDF 的定义：1,...,2,1,0 )(-==L k nn r p k k r 通过转换公式获得：1,...,2,1,0 )()(00-====∑∑==L k n n r p r T s k j k j j j r k k3 均值（中值）滤波是指在图像上，对待处理的像素给定一个模板，该模板包括了其周围的临近像素。

将模板中的全体像素的均值（中值）来代替原来像素值的方法。

4 拉普拉斯算子如下：⎥⎥⎥⎦⎤⎢⎢⎢⎣⎡--------111181111 拉普拉斯算子首先将自身与周围的8个像素相减，表示自身与周围像素的差异，再将这个差异加上自身作为新像素的灰度。

三、 实验步骤1 启动MA TLAB 程序，对图像文件分别进行灰度线性变换（参考教材57页，例4.1）、直方图均衡化、均值滤波、中值滤波和梯度锐化操作。

添加噪声，重复上述过程观察处理结果。

实验图像增强处理与几何变换一、实验目的利用Matlab图像处理工具箱中的函数实现图像点处理、空间域平滑和锐化处理、彩色图像处理、几何处理，巩固其原理与计算方法学习，深化课程理论认知。

二、实验内容1、图像点处理：灰度变换、直方图均衡化和直方图规定处理；2、图像均值滤波和中值滤波、图像锐化处理；3、图像几何变换处理；4、图像彩色合成和彩色变换处理；三、实验步骤1、图像点处理：灰度变换、直方图均衡化和直方图规定处理；1.1图像的灰度变换启用MATLAB,输入以下代码运行I= imread('cameraman-8.bmp','bmp');figure; subplot(2,2,1), imshow(I);%获取图像直方图subplot(2,2,2),imhist(I);[counts1,x1] = imhist(I);%观察Counts,x的值subplot(2,2,3),stem(x1,counts1);%图像灰度变换J=imadjust(I,[0.1 0.7],[0.0 0.9]);subplot(2,2,4), imshow (J);%对比灰度变换前后的图像及其直方图figure;subplot(2,3,1),imshow(I);subplot(2,3,2),imshow(J);subplot(2,3,4),imhist(I);subplot(2,3,5),imhist(J);[counts2,x2] = imhist(J);subplot(2,3,6), stem(x2,counts2);图 1.1.1图 1.1.21.2图像直方图均衡化启用MATLAB,输入以下代码运行I=imread('cameraman-8.bmp','bmp') ;%直方图均衡化处理J=histeq(I) ;%对比均衡化处理前后的图像及其直方图figure(1),subplot(2,2,1),imshow(I),subplot(2,2,2),imshow(J); figure(1),subplot(2,2,3),imhist(I),subplot(2,2,4),imhist(J);图 1.2 1.3直方图规定化启用MATLAB,输入以下代码运行I1=imread('TM5.bmp','bmp');I2=imread('TM3.bmp','bmp');%直方图规定化处理K1=histeq(I1,imhist(I2));%对比规定化处理前后的图像及其直方图figure;subplot(3,2,1),imshow(I1);subplot(3,2,2), imhist(I1);subplot(3,2,3),imshow(I2);subplot(3,2,4), imhist(I2);subplot(3,2,5),imshow(K1);subplot(3,2,6), imhist(K1);图 1.32、图像空间域平滑2.1 用均值滤波器实现图像空间域的平滑启用MATLAB,输入以下代码运行I=imread('cameraman-8.bmp','bmp');J=imnoise(I,'gaussian'); %添加高斯噪声K=imnoise(I,'salt & pepper'); %添加椒盐噪声M=imnoise(I,'speckle'); %添加乘性噪声H=ones(3,3)/9; %3*3的均值去噪模板%滤波去噪处理I1=imfilter(I,H);J1=imfilter(J,H);K1=imfilter(K,H);M1=imfilter(M,H) ;%对比线性滤波去噪处理前后的图像figure;subplot(2,4,1),imshow(I);title('原图');subplot(2,4,2),imshow(J); title('高斯噪声图像'); subplot(2,4,3),imshow(K); title('椒盐噪声图像'); subplot(2,4,4),imshow(M); title('乘性噪声图像'); subplot(2,4,6),imshow(J1); title('高斯噪声滤波图像'); subplot(2,4,7),imshow(K1); title('椒盐噪声滤波图像'); subplot(2,4,8),imshow(M1) ; title('乘性噪声滤波图像') ; 输出图像如下图 2.12.2 用中值滤波器实现图像空间域的平滑启用MATLAB,输入以下代码运行I=imread('cameraman-8.bmp');I1=imnoise(I,'gaussian');I2=imnoise(I,'salt & pepper',0.02);I3=imnoise(I,'speckle');%3×3中值滤波模板J=medfilt2(I,[3,3]);J1=medfilt2(I1,[3,3]);J2=medfilt2(I2,[3,3]);J3=medfilt2(I3,[3,3]);figure,subplot(2,4,1),imshow(I) ; title('原图') ;subplot(2,4,2),imshow(I1) ; title('添加高斯噪声') ;subplot(2,4,3),imshow(I2) ; title('添加椒盐噪声') ;subplot(2,4,4),imshow(I3) ; title('添加乘性噪声') ;subplot(2,4,6),imshow(J1) ;title('高斯噪声3*3中值滤波') ; subplot(2,4,7),imshow(J2) ;title('椒盐噪声3*3中值滤波') ; subplot(2,4,8),imshow(J3) ;title('乘性噪声3*3中值滤波') ;K=medfilt2(I, [5,5]); %5×5中值滤波模板K1=medfilt2(I1,[5,5]);K2=medfilt2(I2,[5,5]);K3=medfilt2(I3,[5,5]);figure;subplot(2,2,1),imshow(K); title('原图5*5中值滤波'); subplot(2,2,2),imshow(K1) ; title('高斯噪声5*5中值滤波') ; subplot(2,2,3),imshow(K2); title('椒盐噪声5*5中值滤波'); subplot(2,2,4),imshow(K3) ; title('乘性噪声5*5中值滤波'); 输出结果如下图 2.2.1图 2.2.22.3 图像空间域锐化启用MATLAB,输入以下代码运行I=imread('cameraman-8.bmp','bmp')H=fspecial('sobel')%用sobel算子做模板%锐化处理J=imfilter(I,H)%锐化处理前后图像对比figure,subplot(1,2,1),imshow(I),subplot(1,2,2),imshow(J); 输出图像如下图 2.33、图像几何变换3.1 缩放启用MATLAB,输入以下代码运行I=imread('cameraman-8.bmp', 'bmp') ;%放大图像J=imresize(I,2) ;%缩小图像K=imresize(I,0.5) ;%图像对比figure(1),subplot(),imshow(I),title('原图'),figure(2),subplot(),imshow(J),title('放大两倍的图'),figure(3),subplot(),imshow(K),title('缩小0.5倍的图') ;输出图像如下图 3.1.1 图3.1.2图 3.1.33.2旋转启用MATLAB,输入以下代码运行I=imread('cameraman-8.bmp', 'bmp') ;%旋转图像M=imrotate(I,45) ;%图像对比figure;subplot(1,2,1),imshow(I),subplot(1,2,2),imshow(M) ;输出图像如下图 3.24、彩色图像处理4.1彩色合成启用MATLAB,输入以下代码运行I=imread('peppers.bmp','bmp');J1=I; J2=I;J3=I; J4=I;J5=I;%改变J1、J2、J3、J4、J5中的波段次序，组合成新的波段合成J1(:,:,1)=I(:,:,2); J1(:,:,2)=I(:,:,3); J1(:,:,3)=I(:,:,1) ;J2(:,:,1)=I(:,:,1); J2(:,:,2)=I(:,:,3); J2(:,:,3)=I(:,:,2) ;J3(:,:,1)=I(:,:,2); J3(:,:,2)=I(:,:,1); J3(:,:,3)=I(:,:,3) ;J4(:,:,1)=I(:,:,3); J4(:,:,2)=I(:,:,2); J4(:,:,3)=I(:,:,1) ;J5(:,:,1)=I(:,:,3); J5(:,:,2)=I(:,:,1); J5(:,:,3)=I(:,:,2) ;%对比原图像I与新图像J1、J2、J3、J4、J5的彩色差异，理解假彩色合成figure,subplot(2,3,1),imshow(I),title('原图');subplot(2,3,2),imshow(J1),title('变换一') ;subplot(2,3,3),imshow(J2),title('变换二') ;subplot(2,3,4),imshow(J3),title('变换三') ;subplot(2,3,5),imshow(J4),title('变换四') ;subplot(2,3,6),imshow(J5),title('变换五');输出图像如下图4.1 4.2彩色变换启用MATLAB,输入以下代码运行I=imread('peppers.bmp','bmp');HSV=rgb2hsv(I) ;RGB=hsv2rgb(HSV) ;%对比彩色变换前后的图像figure;subplot(1,3,1),imshow(I),title('原图'),subplot(1,3,2),imshow(HSV),title('HSV图像'); subplot(1,3,3),imshow(RGB),title('RGB图像') ;输出结果如下图 4.2四、实验算法要点总结1、图像点处理直方图修正法通常分为直方图均衡化和直方图规定化两类2、图像均值滤波和中值滤波、图像锐化处理3、图像几何变换处理4、图像彩色合成和彩色变换处理通过映射函数将彩色图像或多光谱图像变换成新的三基色分量线性假彩色映射表示为：。