下载文档原格式
实验：计算图像的基本统计指标程序一：将图像反白I=imread('football.jpg');subplot(221);imshow(I);J=rgb2gray(I);subplot(222);imshow(J);Ave=mean2(J)SD=std2(double(J))s=size(J);all_white=255*ones(s(1),s(2));all_white_uint8=uint8(all_white);K=imsubtract(all_white_uint8,J);subplot(223);imshow(K);imwrite(K,'football_ivers.jpg');图像与结果：Ave=73.9462SD=37.1148程序二：利用imfinfo函数了解图像文件的基本信息imfinfo('football.jpg')结果：ans =Filename: 'D:\MATLAB7\toolbox\images\imdemos\football.jpg' FileModDate: '01-Mar-2001 17:52:38'FileSize: 27130Format: 'jpg'FormatVersion: ''Width: 320Height: 256BitDepth: 24ColorType: 'truecolor'FormatSignature: ''NumberOfSamples: 3CodingMethod: 'Huffman'CodingProcess: 'Sequential'Comment: {}程序三：利用corr2函数读入图像的二维相关系数I=imread('D:\others\桌面\1328601068WrNpsR.jpg');I_Gray=rgb2gray(I);subplot(221);imshow(I);subplot(223);imshow(I_Gray);J=imread('D:\others\桌面\1328601069mBgB8C.jpg');J_Gray=rgb2gray(J);subplot(222);imshow(J);subplot(224);imshow(J_Gray);rfg=corr2(I_Gray,J_Gray) %两张图片的相关系数图像与结果：rfg =0.5729程序四：确定像素的平均值，计算像素的标准偏移I=imread('D:\others\图片\p_large_Y3Z5_6720000222835c3f.jpg');subplot(211);imshow(I);J=rgb2gray(I);subplot(212);imshow(J);Ave_RGB=mean2(I) %原图片的平均值Ave_Gray=mean2(J) %灰度图片的平均值SD_RGB=std2(double(I)) %原图片的标准偏移SD_Gray=std2(double(J)) %灰度图片的标准偏移图像与结果：Ave_RGB =162.5189Ave_Gray =171.7345SD_RGB =40.3650SD_Gray =27.6878程序五：改变图像大小（imresize）Img=imread('D:\others\图片\p_large_Y3Z5_6720000222835c3f.jpg'); subplot(211);imshow(Img);Img_New=imresize(Img,[600,900]);subplot(212);imshow(Img_New);imwrite(Img_New,'D:\others\图片\p_large_Y3Z5_6720000222835c3f.jpg'); 图像与结果：程序六：旋转图像（imrotate）Img=imread('D:\others\图片\p_large_Y3Z5_6720000222835c3f.jpg'); subplot(221);imshow(Img);Img_New2=imrotate(Img,25); %将图片顺时针旋转25度subplot(222);imshow(Img_New2);imwrite(Img_New2,'D:\others\图片\p_large_Y3Z5_6720000222835c3f.jpg'); Img_New3=imrotate(Img,-25); %将照片逆时针旋转25度subplot(223);imshow(Img_New3);imwrite(Img_New3,'D:\others\图片\p_large_Y3Z5_6720000222835c3f.jpg'); 图像与结果：。
实验一图像的基本操作和基本统计指标计算一、实验目的熟悉MATLAB图像处理工具箱，在掌握MATLAB基本操作的基础上，本课程主要依靠图像处理工具箱验证和设计图像处理算法。
对于初学者来说，勤学多练、熟悉MATLAB图像处理工具箱也是学号本课程的必经之路。
了解计算图像的统计指标的方法及其在图像处理中的意义。
了解图像的几何操作，如改变图像大小、剪切、旋转等。
二、实验主要仪器设备（1）台式计算机或笔记本电脑（2）MATLAB（安装了图像处理工具箱，即Image Processing Toolbox(IPT）)（3）典型的灰度、彩色图像文件三、实验原理（1）将一幅图像视为一个二维矩阵。
（2）利用MATLAB图像处理工具箱读、写和显示图像文件。
①调用imread函数将图像文件读入图像数组（矩阵）。
例如“I=imread(‘tire.tif’);”。
其基本格式为：“A=imread(‘filename.fmt’)”，其中，A为二维矩阵，filename.为文件名，fmt 为图像文件格式的扩展名。
②调用imwrite函数将图像矩阵写入图像文件。
例如“imwrite(A,’test_image.jpg’);”。
其基本格式为“imwrite(a,filename.fmt)”。
③调用imshow函数显示图像。
例如“imshow(‘tire.tif’);”。
其基本格式为：I为图像矩阵，N为显示的灰度级数，默认时为256。
（3）计算图像有关的统计参数。
四、实验内容（1）利用MATLAB图像处理工具箱和Photoshop读、写和显示图像文件。
（2）利用MATLAB计算图像有关的统计参数。
五、实验步骤（1）利用“读图像文件I/O”函数读入图像Italy.jpg。
（2）利用“读图像文件I/O”的iminfo函数了解图像文件的基本信息：主要包括Filename(文件名)、FileModDate(文件修改时间)、Filesize(文件尺寸)、Format(文件格式)、FormatVersion （格式版本）、Width（图像宽度）、Height（图像高度）、BitDepth（每个像素的位深度）、ColorType （彩色类型）、CodingMethod（编码方法）等。
图像的数据分析图像数据分析是计算机视觉领域中的一个重要分支，它通过提取和分析图像中的数据，从而获取图像中蕴含的信息。
在图像数据分析中，常用的方法包括图像预处理、特征提取、特征选择、分类和聚类等。
图像预处理是图像数据分析的第一步，它包括图像去噪、图像增强、图像分割等。
图像去噪是为了消除图像中的噪声，提高图像质量；图像增强是为了增强图像中的某些特征，使得图像更容易被分析；图像分割是将图像分割成若干个部分，以便于分析每个部分的特征。
特征提取是图像数据分析的关键步骤，它通过提取图像中的特征，将图像转化为可分析的数字形式。
常用的特征提取方法包括边缘检测、纹理分析、形状分析等。
边缘检测是通过检测图像中的边缘，从而提取图像中的轮廓信息；纹理分析是通过分析图像中的纹理，从而提取图像中的纹理信息；形状分析是通过分析图像中的形状，从而提取图像中的形状信息。
特征选择是在特征提取的基础上，选择最有效的特征，以便于进行分类和聚类。
常用的特征选择方法包括主成分分析、线性判别分析等。
主成分分析是一种常用的特征选择方法，它通过寻找数据中的主成分，从而提取数据中的主要特征；线性判别分析是一种基于统计学的特征选择方法，它通过寻找数据中的线性判别函数，从而提取数据中的判别特征。
分类和聚类是图像数据分析的最终目的，它们通过分析图像中的特征，从而对图像进行分类和聚类。
常用的分类方法包括支持向量机、决策树、神经网络等；常用的聚类方法包括Kmeans聚类、层次聚类等。
支持向量机是一种基于统计学的分类方法，它通过寻找数据中的最优分类超平面，从而对数据进行分类；决策树是一种基于树形结构的分类方法，它通过建立树形结构，从而对数据进行分类；神经网络是一种基于人工神经网络的分类方法，它通过模拟人脑的神经元，从而对数据进行分类。
图像数据分析是一个复杂的过程，需要经过多个步骤才能完成。
通过图像数据分析，我们可以从图像中提取出有价值的信息，为图像识别、图像检索、图像等领域提供有力支持。
实验一图像的基本操作和基本统计指标计算一、实验目的熟悉MATLAB图像处理工具箱，在掌握MATLAB基本操作的基础上，本课程主要依靠图像处理工具箱验证和设计图像处理算法。
对于初学者来说，勤学多练、熟悉MATLAB图像处理工具箱也是学号本课程的必经之路。
了解计算图像的统计指标的方法及其在图像处理中的意义。
了解图像的几何操作，如改变图像大小、剪切、旋转等。
二、实验主要仪器设备（1）台式计算机或笔记本电脑（2）MATLAB（安装了图像处理工具箱，即Image Processing Toolbox(IPT）)（3）典型的灰度、彩色图像文件三、实验原理（1）将一幅图像视为一个二维矩阵。
（2）利用MATLAB图像处理工具箱读、写和显示图像文件。
①调用imread函数将图像文件读入图像数组（矩阵）。
例如“I=imread(‘tire.tif’);”。
其基本格式为：“A=imread(‘filename.fmt’)”，其中，A为二维矩阵，filename.为文件名，fmt为图像文件格式的扩展名。
②调用imwrite函数将图像矩阵写入图像文件。
例如“imwrite(A,’test_image.jpg’);”。
其基本格式为“imwrite(a,filename.fmt)”。
③调用imshow函数显示图像。
例如“imshow(‘tire.tif’);”。
其基本格式为：I为图像矩阵，N为显示的灰度级数，默认时为256。
（3）计算图像有关的统计参数。
四、实验内容（1）利用MATLAB图像处理工具箱和Photoshop读、写和显示图像文件。
（2）利用MATLAB计算图像有关的统计参数。
五、实验步骤（1）利用“读图像文件I/O”函数读入图像Italy.jpg。
（2）利用“读图像文件I/O”的iminfo函数了解图像文件的基本信息：主要包括Filename(文件名)、FileModDate(文件修改时间)、Filesize(文件尺寸)、Format(文件格式)、FormatVersion （格式版本）、Width（图像宽度）、Height（图像高度）、BitDepth（每个像素的位深度）、ColorType （彩色类型）、CodingMethod（编码方法）等。
数据统计是一项重要的工作，它可以为决策制定提供有力的支持。
然而，如何对大量的数据进行分析和处理，成为了关键问题。
图像表示数据的统计方法，成为了一种流行的数据可视化方式。
在本文中，我们将介绍一些常见的图像表示数据的统计方法，并讨论它们的优缺点。
我们来介绍直方图。
直方图是一种常见的统计图表，它可以将数据分成若干个连续的区间，并以柱形图的形式展示每个区间的数据数量。
直方图的主要功能是展示数据的分布情况。
它的优点在于能够快速反映数据的集中程度和分布规律，同时也能显示离群值的存在。
其不足之处在于，它无法反映数据之间的关系，而且对于数据集的大小和分组方式有着较高的依赖性。
接下来，我们来介绍箱线图。
箱线图也是一种常见的统计图表，它主要用于显示数据的中位数、四分位数和极端值等统计信息。
箱线图可帮助我们了解数据的总体分布情况，包括数据的最大值和最小值、中位数、离群值等。
箱线图的主要优点在于它能够反映数据的分布情况、中心趋势以及异常值的存在情况，同时可以在不同的数据集之间进行比较。
缺点是无法展示数据之间的细节关系。
除了直方图和箱线图之外，还有其他的图像表示数据的统计方法，如散点图、饼图、柱状图、折线图等。
这些方法都有其独特的优点和不足之处。
散点图适用于表示两个变量之间的关系，能够快速展示数据的变化趋势，但对于数据的离散性较高时，展示效果会受到影响。
饼图用于表示数据部分和整体之间的比例关系，但不适用于展示数据的分布情况。
柱状图和折线图适用于表示多个数据变量之间的关系，柱状图能够快速反映数据的大小关系，而折线图则更适用于展示数据的变化趋势。
总结起来，图像表示数据的统计方法是一种简单有效的可视化数据方式。
不同的图像表示方法可以用于不同的数据场景。
在选择使用哪种图像表示方法时，应根据数据的特点和目的进行选择。
只有选择适合的统计方法，才能帮助我们更好地理解数据，并做出更好的决策。
以上就是本文对于教案二：用图像表示数据的统计方法的介绍。
大学新闻与传播学院实验教学中心实验报告实验名称图像处理指导教师洪杰文华滢年级08 学号23 成绩一、预习部分1、实验目的2、实验基本原理3、主要仪器设备（含必要的元器件、工具）1、实验目的：（1）熟悉和掌握数字图像的基本概念和技术指标，掌握色彩模式、图像分辨率、图像深度、图像文件格式与图像的显示效果、文件容量的关系。
（2）了解和掌握数字图像压缩的概念，观察不同的压缩比对图像的影响。
（3）了解和掌握图像中色彩的确定及选取方法，掌握前景色和背景色的概念及调整方法，掌握色彩填充的基本概念及应用。
（4）了解和掌握图像处理软件Photoshop的基本功能和基本使用方法，熟练掌握图层与选择区的基本使用方法。
（5）通过创造性的构图和对布局及色彩等的巧妙处理，一幅好的图画可以将一个主题以含蓄而又深刻的方式予以提示，并往往具有比单纯的语言文字更强的表现力。
在掌握图像处理基本概念和Photoshop基本使用方法的基础上，对已有的数字图像做一些基本的创意设计和编辑处理。
2、实验基本原理：基于photoshop软件的图像处理。
3、主要仪器设备（含必要的元器件、工具）：Adobe Photoshop二、实验操作部分1、实验操作过程2、实验数据、观察到的实验现象1、实验操作过程：1.图像的基本变换（1）自选一幅不小于400×400pixel的彩色数字图像。
在Photoshop中打开该图像，记录其技术参数：文件格式、文件容量，图像尺寸（pixel和cm）、分辨率、色彩模式等。
文件格式：JPEG 图像；文件容量：59.7kb；图像尺寸（pixel和cm）：600×600pixel；分辨率：72像素/英寸；色彩模式：RGB模式。
（2）对该图像重采样，要求采样后的图像分辨率为150dpi，图像尺寸为300×300pixel。
色彩模式分别变换成灰度、Indexed和RGB模式，按BMP格式分别保存成不同名称的图像文件；重新打开并观察变换后的显示效果，并记录各个文件的容量。
计算机图像处理实验报告计算机图像处理实验报告实验一 MATLAB数字图像处理基本操作一、实验目的与要求1．熟悉MATLAB软件的开发环境、基本操作以及图像处理工具箱，为编写图像处理程序奠定基础。
2．掌握二值、灰度和彩色图像的读、写和显示方法，以及图像的高、宽、颜色等参数的获取方法。
3．根据实验内容进行问题的简单分析和初步编码。
二、实验内容1、读入一幅RGB图像（sunset.jpg），分别转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这三幅图像，注上文字标题，即“原图像”、“灰度图像”、“二值图像”。
源代码：A=imread('C:\Users\宗正\Desktop\学习\2016图像实验指导书\sunset.jpg');I=rgb2gray(A);J=im2bw(I);figure(1);subplot(2,2,1);imshow(A);title('原图像');subplot(2,2,2);imshow(I);title('灰度图像');subplot(2,2,3);imshow(J);title('二值图像');运行结果：2、说明以下程序的显示结果为何是一幅几乎全黑的图像。
clear; close all;myi=zeros(20,20);myi(2:2:18,2:2:18)=1;myi=uint8(myi);figure, imshow(myi,'notruesize');解释：如图，该矩阵任一3*3单元仅有中心元素为1，其余元素为0，0占绝大部分，所以整体为黑色3、阅读分析下列程序，对每条语句给出注释，运行并解释最终执行结果；若将for 循环改为方框中的程序，有何不同？clear all;close all;I=imread('d:\lena512.jpg'); [height,width]=size(I); figure;subplot(2,3,1);imshow(I);title('原图像');L=1;for m=1:5 L=2*L;k=1;n=1; for i=1:L:heightfor j=1:L:widthquartimage(k,n)=I(i,j);n=n+1;endk=k+1;n=1;endsubplot(2,3,m+1);imshow(uint8(quartimage)); End 改变前：改变后：4、编写程序将一幅灰度图像（orangutan.tif）每两行之间增加一行，即将图像的高度拉伸一倍、宽度不变，然后将其存储为图像文件。
信息工程学院实验报告课程名称：数字图像处理Array实验项目名称：实验二图像基本运算实验时间：2016.10.9班级：姓名：学号：一、实验目的1.理解图像点运算、代数运算、几何运算的基本定义和常见方法；2.掌握在MTLAB中对图像进行点运算、代数运算、几何运算的方法；3.掌握在MATLAB中进行插值的方法4.运用MATLAB语言进行图像的插值缩放和插值旋转5.进一步熟悉了解MATLAB语言的应用。
二、实验设备与软件1.PC计算机系统2.MATLAB软件，包括图像处理工具箱(Image Processing Toolbox)3.实验图片三、实验内容及结果分析3.1图像的点运算选择pout.tif作为实验图像，实验原理及内容参照《数字图像处理及MATLAB实现――学习与实验指导书》3.5.1图像的点运算。
程序代码：I=imread('pout.tif');figure;subplot(1,3,1);imshow(I);title('原图');J=imadjust(I,[0.3;0.6],[0.1;0.9]);subplot(1,3,2);imshow(J);title('线性扩展');I1=double(I);I2=I1/255;C=2;K=C*log(1+I2);subplot(1,3,3);imshow(K);title('非线性扩展');M=255-I;figure;subplot(1,3,1);imshow(M);title('灰度倒置');N1=im2bw(I,0.4);N2=im2bw(I,0.7);subplot(1,3,2);imshow(N1);title('二值化阈值0.4');subplot(1,3,3);imshow(N2);title('二值化阈值0.7');执行结果：原图线性扩展非线性扩展灰度倒置二值化阈值0.4二值化阈值0.7实验1结果图3.2图像的代数运算选择两幅图像，一幅是原图像，一幅为背景图像，采用正确的图像代数运算方法，分别实现图像叠加、混合图像的分离和图像的局部显示效果。
