MATLAB数字图像处理初步实验

《数字图像处理实验报告》实验一图像的增强一.实验目的1.熟悉图像在MATLAB下的读写、输出；2.熟悉直方图；3.熟悉图像的线性指数等；4.熟悉图像的算术运算和几何变换。

二.实验仪器计算机、MATLAB软件三.实验原理图像增强是指根据特定的需要突出图像中的重要信息，同时减弱或去除不需要的信息。

从不同的途径获取的图像，通过进行适当的增强处理，可以将原本模糊不清甚至根本无法分辨的原始图像处理成清晰的富含大量有用信息的可使用图像。

其基本原理是：对一幅图像的灰度直方图，经过一定的变换之后，使其成为均匀或基本均匀的，即使得分布在每一个灰度等级上的像素个数．f=H等或基本相等。

此方法是典刑的图像空间域技术处理，但是由于灰度直方图只是近似的概率密度函数，因此，当用离散的灰度等级做变换时，很难得到完全平坦均匀的结果。

频率域增强技术频率域增强是首先将图像从空间与变换到频域，然后进行各种各样的处理，再将所得到的结果进行反变换，从而达到图像处理的目的。

常用的变换方法有傅里叶变换、DCT变换、沃尔什-哈达玛变换、小波变换等。

假定原图像为f(x，y)，经傅立叶变换为F(u，v)。

频率域增强就是选择合适的滤波器H(u,v)对F(u,v)的频谱成分进行处理，然后经逆傅立叶变换得到增强的图像。

四.实验内容及步骤1.图像在MATLAB下的读写、输出；实验过程：>> I = imread('F:\image\624baf9dbcc4910a.jpg');figure;imshow(I);title('Original Image');text(size(I,2),size(I,1)+15, ...'IMG_20170929_130307.jpg', ...'FontSize',7,'HorizontalAlignment','right');Warning: Image is too big to fit on screen; displaying at 25% > In imuitools\private\initSize at 86In imshow at 196Original Image2.给定函数的累积直方图。

matlab图像处理实验实验⼀ Matlab语⾔、数字图象基本操作⼀、实验⽬的1、复习MATLAB语⾔的基本⽤法；2、掌握MATLAB语⾔中图象数据与信息的读取⽅法；3、掌握在MATLAB中绘制灰度直⽅图的⽅法，了解灰度直⽅图的均衡化的⽅法。

⼆、实验原理MATLAB是集数值计算，符号运算及图形处理等强⼤功能于⼀体的科学计算语⾔。

作为强⼤的科学计算平台，它⼏乎能够满⾜所有的计算需求。

MATLAB软件具有很强的开放性和适⽤性。

在保持内核不变的情况下，MATLAB可以针对不同的应⽤学科推出相应的⼯具箱(toolbox)。

⽬前，MATLAB已经把⼯具箱延伸到了科学研究和⼯程应⽤的诸多领域，诸如数据采集、概率统计、信号处理、图像处理和物理仿真等，都在⼯具箱（Toolbox）家族中有⾃⼰的⼀席之地。

在实验中我们主要⽤到MATLAB提供图象处理⼯具箱（Image ProcessingToolbox）。

1、MATLAB与数字图像处理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MATLAB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MATLAB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。

数字图像处理实验报告（matlab版）一．实验目的：熟悉数字图像处理中各种椒盐噪声的实质，明确各种滤波算法的的原理。

进一步熟悉matlab的编程环境，熟悉各种滤波算法对应的matlab函数。

实验结果给以数字图像处理课程各种算法处理效果一个更直观的印象。

二.实验原理:1．IPT(图像处理工具箱)基本函数介绍1. imread函数该函数用于从图形文件中读出图像。

格式A=IMRAED(FILENAME,FMT)。

该函数把FILENAME 中的图像读到A中。

若文件包含一个灰度图,则为二维矩阵。

若文件包含一个真彩图(RGB),则A为一三维矩阵。

FILENAME指明文件，FMT指明文件格式。

格式[X,MAP]=IMREAD(FILENAME,FMT).把FILENAME中的索引图读入X,其相应的调色板读到MAP中.图像文件中的调色板会被自动在范围[0,1]内重新调节。

FMT的可能取值为jpg 或jpeg,tif或tiff,bmp,png,hdf,pcx,xwd。

2.imwrite函数该函数用于把图像写入图形文件中。

格式IMWRITE(A,FILENAME,FMT)把图像A写入文件FILENAME中。

FILENAME指明文件名, FMT指明文件格式。

A既可以是一个灰度图,也可以是一个真彩图像。

格式IMWRITE(X,MAP,FILENAME,FMT)把索引图及其调色板写入FILENAME中。

MAP必须为合法的MATLAB调色板,大多数图像格式不支持多于256色的调色板。

FMT的可能取值为tif或tiff,jpg或jpeg,bmp,png,hdf,pcx,xwd。

3. imshow函数显示图像。

格式IMSHOW(I,N).用N级离散灰度级显示灰度图象I。

若省略N,默认用256级灰度显示24位图像,64级灰度显示其他系统。

格式IMSHOW(I,[LOW HIGH])，把I 作为灰度图显示。

LOW值指定为黑色,HIGH指定为白色，中间为按比例分布的灰色。

实验一 MATLAB数字图像处理初步网络121 XXX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。

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)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。

实验报告课程名称数字图像处理实验项目MATLAB图像处理编程基础指导教师学院光电信息与通信工程__专业电子信息工程班级/学号学生姓名______ __________实验日期______ _成绩______________________实验1 MATLAB图像处理编程基础一、实验目的1.了解MATLAB产品体系和了解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、特殊图像的显示技术6.编程实现图像类型间的转换和图像算术操作。

二、实验的硬件、软件平台硬件：计算机软件：操作系统：Windows XP应用软件：MATLAB 7.0.1三、MATLAB图像处理工具箱的功能图像处理工具箱是一个函数的集合，它扩展了matlab数值计算环境的能力。

这个工具箱支持了大量图像处理操作，包括：空间图像变换 Spatial image transformations形态操作 Morphological operations邻域和块操作 Neighborhood and block operations线性滤波和滤波器设计 Linear filtering and filter design格式变换 Transforms图像分析和增强 Image analysis and enhancement图像登记 Image registration清晰化处理 Deblurring兴趣区处理 Region of interest operations四、说明使用MATLAB进行图像处理所需函数调用步骤在Command Window中，以命令行单句调用某一函数只需写xxx(函数名)xxxxxxx)这样就可以调用了.五、给出MATLAB图像处理工具箱的数据类型和4种基本图像类型工具箱里的函数都是M文件，可以通过type function_name来查看代码，也可以通过写自己的matlab函数来扩展工具箱。

电子信息工程学系实验报告——适用于计算机课程课程名称：Array实验项目名称：MATLAB数字图像处理初步实验时间：班级：姓名：学号：实验目的:1. 熟悉并掌握在MATLAB中能够处理的图像类型。

2. 熟练掌握在MATLAB中如何读取图像。

3. 掌握利用MATLAB获取图像的大小、颜色、高度、宽度等相关信息。

4. 掌握在MATLAB中按照指定要求存储一幅图像。

5. 掌握图像间的转化。

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) 实验图片实验内容及过程:1. 利用imread()函数读取图像Fig_other.tif，存入一个数组中；2. 利用whos命令提取读入图像的基本信息；3. 利用imshow()函数显示这幅图像；4. 利用imfinfo函数获取这幅图像的颜色、尺寸、压缩算法等详细信息；5. 利用imwrite()函数压缩这幅图像，并将其保存为jpg文件，命名为Fig_other.jpg；语法：imwrite(I,’filename’,’quality’,q)，q取0-100。

6. 利用imwrite()函数将最初读入的tif图像另存为一幅bmp图像，命名为Fig_other.bmp。

7. 利用imread()函数分别读入图像Fig2.22(a).jpg和Fig2.22(b). jpg；8. 利用imfinfo()函数获取图像Fig2.22(a).jpg和Fig2.22(b). jpg的大小；9. 利用subplot()函数和imshow()函数将Fig2.22(a).jpg和Fig2.22(a). jpg显示在同一个图像窗口中，并分别添加标题：“Lenna图像”和“Camera图像”。

10. 利用im2bw()函数将灰度图像Fig2.22(a).jpg转化为二值图像，并用imshow()函数显示，观察图像的特征。

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。

6. 了解图像的算术运算在数字图像处理中的初步应用。

7．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)(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。

实验一用MATLAB实现图像的傅里叶变换1. 目的（1）掌握二维傅里叶变换的原理。

（2）掌握二维傅里叶变换的性质。

2. 任务（1）选择一幅灰度图像，对其进行离散傅立叶变换，观察其离散傅立叶的频谱。

（2）通过零填充改变图像的大小，对其进行离散傅立叶变换，观察其离散傅立叶的频谱，分析零填充对傅里叶变换频率分辨率的影响。

（3）对选取的灰度图像进行离散傅里叶变换，并将频谱的零频率部分由左上角平移到频谱中心，观察并分析频谱中各频率成分的分布。

（4）对选取的灰度图像旋转一定的角度，观察并分析灰度图像傅里叶频谱和旋转后图像的傅里叶频谱之间的对应关系。

3. 思考题举例说明二维傅里叶变换的应用。

答：傅立叶变换是一种非常有用的积分变换，它能把时域信息变换到频域信息进行处理。

这里我们主要讲二维傅立叶变换在图像处理中的应用。

4. 实验结果：实验二用MATLAB实现图像增强1. 目的（1）掌握图像增强的基本原理。

（2）掌握常用的图像增强技术。

（1）选择一幅直方图不均匀的灰度图像，对该图像做直方图均衡化处理，观察并分析直方图均衡化前、后图像以及它们的灰度直方图的变化。

（2）选择一幅灰度图像，利用邻域平均法对它进行滤波，观察并分析滤波器的大小对滤波结果的影响。

（3）选择一幅灰度图像，对它添加椒盐噪声，然后分别利用邻域平均和中值滤波对该图像进行滤波，比较这两种滤波器的滤波效果。

（4）选择一幅灰度图像，分别利用拉普拉斯滤波器和sobel滤波器对该图像进行锐化，比较这两种滤波器的锐化效果。

3. 思考题直方图均衡化处理的主要步骤是什么？答：直方图均衡化的基本思想是把原始图的直方图变换为均匀分布的形式，这样就增加了象素灰度值的动态范围从而可达到增强图像整体对比度的效果。

设原始图像在(x，y)处的灰度为f，而改变后的图像为g，则对图像增强的方法可表述为将在(x，y)处的灰度f映射为g。

在灰度直方图均衡化处理中对图像的映射函数可定义为:g = EQ (f)，这个映射函数EQ(f)必须满足两个条件(其中L为图像的灰度级数): (1)EQ(f)在0≤f≤L-1范围内是一个单值单增函数。

一、实验目的与要求1. 目的通过本实验，使学生了解数字图像处理的基本概念、方法和算法，掌握MATLAB 软件在图像处理方面的应用，提高学生分析问题和解决问题的能力。

2. 要求（1）熟悉MATLAB软件的基本操作。

（2）了解数字图像处理的基本概念和常用算法。

（3）能够运用MATLAB实现图像处理的基本操作和算法。

二、实验内容与步骤1. 实验内容（1）图像读取与显示。

（2）图像的基本运算（如加、减、乘、除等）。

（3）图像的滤波处理。

（4）图像的边缘检测。

（5）图像的分割与标记。

2. 实验步骤（1）打开MATLAB软件，新建一个脚本文件。

（2）导入所需图像，使用imread()函数读取图像，使用imshow()函数显示图像。

（3）进行图像的基本运算，如加、减、乘、除等，使用imadd()、imsub()、imdiv()、imconcat()等函数。

（4）对图像进行滤波处理，如使用均值滤波、中值滤波等，使用imfilter()函数。

（5）进行图像的边缘检测，如使用Sobel算子、Canny算子等，使用edge()函数。

（6）对图像进行分割与标记，如使用区域生长、阈值分割等方法，使用watershed()函数。

（7）对实验结果进行分析和讨论，总结实验心得。

三、实验注意事项1. 严格遵循实验步骤，确保实验的正确进行。

2. 合理选择参数，如滤波器的尺寸、阈值等。

3. 注意图像数据类型的转换，如浮点型、整型等。

4. 保持实验环境的整洁，避免误操作。

四、实验评价1. 评价内容（1）实验步骤的完整性。

（2）实验结果的正确性。

2. 评价标准（1）实验步骤完整，得分20分。

（2）实验结果正确，得分30分。

总分100分。

五、实验拓展1. 研究不同滤波器对图像滤波效果的影响。

2. 尝试使用其他图像分割算法，如基于梯度的分割方法、聚类分割方法等。

3. 探索图像处理在其他领域的应用，如计算机视觉、医学影像处理等。

六、实验一：图像读取与显示1. 实验目的掌握MATLAB中图像的读取和显示方法，熟悉图像处理的基本界面。

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，MATLAB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。

计算机图像处理：学号：班级：实验一：了解数字图像处理平台一、实验目的（1）学会使用扫描仪；（2）熟悉MATLAB软件。

二、实验容（1）用扫描仪扫一幅彩色图片；一幅灰度图片。

（2）熟悉MATLAB的主界面窗口中各个窗口的功能，利用不同的矩阵输入方式给矩阵赋值，了解MATLAB的简单编程及矩阵基本知识；（3）掌握使用MATLAB的帮助来获得更多的信息。

三、实验仪器设备扫描仪、计算机和MATLAB应用软件。

实验二：图像处理一、实验目的（1）通过应用MATLAB语言编程实现对图像的处理，进一步熟悉MATLAB软件的编程及应用；（2）通过实验进一步掌握图像处理的基本技术和方法。

二、实验容1.应用MATLAB语言编写显示一幅灰度图像、二值图像、索引图像及彩色图像的程序，并进行相互之间的转换。

显示原始图像：>>I=imread('D:\tu.jpg');>> imshow(I);RGB 灰度图像： 代码：>> I=imread('D:\tu.JPEG'); >> imshow(I)>> graytu=rgb2gray(I); >> subplot(1,2,1); >> subimage(I); >> subplot(1,2,2); >> subimage(graytu) 效果：1002003004005010015020025030010020030040050100150200250300RGB 转二值图像： 代码：>> [indtu,map]=rgb2ind(I,0.5); >> subplot(1,2,1); >> subimage(I); >> subplot(1,2,2); >> subimage(indtu,map) 效果：100200300400100200300100200300400100200300索引转RGB 图像： 代码：>> I1=ind2rgb(indtu,map); >> subplot(1,2,1);>> subimage(indtu,map); >> subplot(1,2,2); >> subimage(I1) 效果：100200300400100200300100200300400100200300索引转灰度图像： 代码：>> I2gtu=ind2gray(indtu,map); >> subplot(1,2,1);>> subimage(indtu,map); >> subplot(1,2,2); >> subimage(I2gtu) 效果：100200300400100200300100200300400100200300灰度转索引图像： 代码：[g2itu,map]=gray2ind(graytu,64); >> subplot(1,2,1); >> subimage(graytu); >> subplot(1,2,2); >> subimage(g2itu,map) 效果：100200300400100200300100200300400100200300RGB 转二值图像： 代码：>> r2bwtu1=im2bw(I,0.8); >> subplot(1,2,1); >> subimage(I); >> subplot(1,2,2);>> subimage(r2bwtu1)代码： 效果：100200300400100200300100200300400100200300灰度转二值图像 代码：g2bwtu1=im2bw(graytu,0.8); >> subplot(1,2,1); >> subimage(graytu); >> subplot(1,2,2); >> subimage(g2bwtu1) 效果：100200300400100200300100200300400100200300索引转二值图像 代码：>> i2bwtu=im2bw(indtu,map,0.5); >> subplot(1,2,1);>> subimage(indtu,map); >> subplot(1,2,2); >> subimage(i2bwtu) 效果：1002003004001002003001002003004001002003002. 应用MATLAB 工具箱演示一幅图像的傅里叶变换、离散余弦变换，观察其频谱图，然后将它们进行逆变换，观察逆变换后的图像 (1) 傅里叶正变换 代码：>> F=fft2(graytu); >> subplot(1,2,1); >> subimage(graytu); >> subplot(1,2,2);>> subimage(log(abs(F)),[3,10]) 效果：100200300400100200300100200300400100200300(2) 傅里叶反变换 代码：>> IF=ifft2(F); >> subplot(1,2,1);>> subimage(log(abs(F)),[3,10]); >> subplot(1,2,2); >> subimage(uint8(IF)) 效果：100200300400100200300100200300400100200300(3) DCT 变换 代码：>> B=dct2(graytu); >> subplot(1,2,1); >> subimage(graytu); >> subplot(1,2,2);>> subimage(log(abs(B)),[3,5]) 效果：100200300400100200300100200300400100200300(4) IDCT 变换 代码：>> iB=idct2(B); >> subplot(1,2,1);>> subimage(log(abs(B)),[3,5]); >> subplot(1,2,2); >> subimage(uint8(iB)) 效果：100200300400100200300100200300400100200300总结：傅里叶变化：傅里叶变换是一种特殊的积分变换。

学院：自动化学院班级：电081班姓名：***学号：********2011年10月实验一直方图均衡化一、实验目的：1. 熟悉图像数据在计算机中的存储方式；2. 掌握图像直方图均衡化这一基本处理过程。

二、实验条件：PC微机一台和MATLAB软件。

三、实验内容：1.读入图像数据到内存中，并显示读入的图像；2.实现直方图均衡化处理，显示处理前后图像的直方图。

3.显示并保存处理结果。

四、实验步骤：1．打开Matlab编程环境；2．获取实验用图像。

用’imread’函数将图像读入Matlab；用’imshow’函数显示读入的图像。

3．获取输入图像的直方图：用’imhist’函数处理图像。

4．均衡化处理：用’histeq’函数处理图像即可。

5．获取均衡化后的直方图并显示图像：用’imhist’和’imshow’函数。

6．保存实验结果：用’imwrite’函数处理。

五、实验程序及结果：1、实验程序subplot(6,2,1);i=imread('test1-1.jpg');imhist(i);title('test1-1 hist');subplot(6,2,2);i=im2double(i);imshow(i);title('test1-1 Ô-ͼÏñ');subplot(6,2,3);s=histeq(i);imhist(s);title('test1-1 balancedhist');subplot(6,2,4);imshow(s);title('test1-1 ¾ùºâ»¯ºóµÄͼÏñ');subplot(6,2,5);i=imread('test1-2.jpg');imhist(i);title('test1-2 hist');subplot(6,2,6);i=im2double(i);imshow(i);title('test1-2 Ô-ͼÏñ');subplot(6,2,7);s=histeq(i);imhist(s);title('test1-2 balancedhist'); subplot(6,2,8);imshow(s);title('test1-2 ¾ùºâ»¯ºóµÄͼÏñ');subplot(6,2,9);i=imread('test1-3.jpg');imhist(i);title('test1-3 hist');subplot(6,2,10);i=im2double(i);imshow(i);title('test1-3 Ô-ͼÏñ');subplot(6,2,11);s=histeq(i);imhist(s);title('test1-3 balancedhist'); subplot(6,2,12);imshow(s);title('test1-3 ¾ùºâ»¯ºóµÄͼÏñ');2、实验结果test1-1 hist050100150200250test1-1 原图像test1-1 balancedhist00.10.20.30.40.50.60.70.80.91test1-1 均衡化后的图像test1-2 hist050100150200250test1-2 原图像test1-2 balancedhist00.10.20.30.40.50.60.70.80.91test1-2 均衡化后的图像0test1-3 hist050100150200250test1-3 原图像test1-3 balancedhist00.10.20.30.40.50.60.70.80.91test1-3 均衡化后的图像六、实验思考1.数字图像直方图均衡化之后直方图为什么不是绝对平坦的？答：直方图均衡化是将一已知灰度概率密度分布的图像，经过某种变换，变成一幅具有均匀灰度概率密度分布的新图像。

实验一：熟悉Matlab图像处理工具箱一．实验目的：1.熟悉matlab图像处理工具箱；2.了解图像处理的函数及使用方法；3.学会简单的图像处理方法；二．实验原理1.二值图像二值图像是一种简单的图像格式，“0”表示黑色像素点，“255”表示白色像素点，二值图像处理运算是从数学形态学下的集合论发展起来的，基本运算比较简单，却可以产生复杂的效果。

2.反色图像对于彩色图像的R,G,B各彩色分量取反的技术就是反色处理，这在二值化图像的连通区域选取的时候非常重要，如物体连通域用黑色表示，而二值化后的物体连通域图像可那是白色的，二背景是黑色的，这时应手动选取图像的反色处理或有程序根据背景和物体连通域两种颜色的数量所占比例而自动选择是否选取图像的反色处理。

3.水平镜像图像的水平镜像是指将指定区域的图像以原图像的垂直中轴线为中心，将图像分为左右两部分进行对称变换显示在屏幕。

水平镜像时每行图像信息的处理方式是相同的，而且行顺序不发生变化，只是每一行的像素信息按从左到右的顺序进行了左右颠倒，所以镜像后图像的高和宽不变。

设图像的高度为Height，宽度为width，原图中坐标为（x0，y0）的点经过水平镜像后，则点（x0，y0）的坐标为（x1，y1）。

（x0，y0）和（x1，y1）的关系如下：x1=Width-x0 y1=y04.垂直翻转图像的翻转有两种，一种是水平翻转，一种是垂直翻转。

水平翻转会产生左右对调的图像，垂直翻转会产生上下对调的图像。

5.旋转30度如果果一个点（x1,y1）旋转到（x2,y2），对应的角度旋转从θ1到θ1+θ2sinθ1=y1/sqrt(x1*x1+ y1*y1)cosθ1=x1/sqrt(x1*x1+ y1*y1)sin(θ1+θ2)=sin(θ1)*cos(θ2)+cos(θ1)*sin(θ2)=y2/sqrt(x2*x2+y2*y2)；cos(θ1+θ2)=cos(θ1)*cos(θ2)-sin(θ1)*sin(θ2)=x2/sqrt(x2*x2+y2*y2)。

实验一基于ＭＡＴＬＡＢ的数字图像处理一姓名-胡青李班级-信息与计算科学11-1班学号-10114590一、实验目的与要求1．了解图像去操技术及其实现方法。

2．了解什么是“图像的噪声”和图像去噪的常用方法。

3．掌握图像畸变校正技术及其实现。

4．了解畸变产生的原因，畸变校正的原理。

5．掌握图像数字水印技术及其实现。

6.掌握数字图像压缩技术及其实现。

二、实验内容及步骤1．基于离散余弦变换，对一幅图像进行降噪处理。

我们认为图像的噪声在离散余弦变换结果中处在其高频部分，而高频部分的幅值一般很小，利用这一性质，就可以很容易实现图像的噪声抑制。

这样也会失去图像的部分细节。

2．用带噪型号预处理图片，然后利用小波变换吧信号分解到各尺度中，在每一尺度下把属于噪声的小波系数去掉，保留并增强属于信号的小波系数，最后在经过小波逆变换恢复检测信号。

小波去噪框图3．首相将输入的图像分成8*8或者16*16的图象块，然后对每个图像块进行二维DCT 变换，最后将变换的来的DCT系数量化，编码，形成压缩后的ＪＰＥＧ图像格式。

在显示ＪＰＥＧ图像时，首先将量化、编码后的ＤＣＴ系数进行解码，并对每个８＊８或者１６＊１６的块进行二维ＤＣＴ反变换，最后将操作完成后的所有块重构成一幅完整的图像。

对于一幅典型的图像而言，进行ＤＣＴ变换后，大部分的ＤＣＴ系数的值非常接近于０，如果舍弃这些接近于０的的ＤＣＴ系数，在重构图像时并不会因此带来画面质量的显著下降，这就是ＪＰＥＧ算法能够对图像进行压缩的原理。

利用JPEG的压缩原理，输入一幅图像，将其分成8*8的图象块，计算每个图象块的DCT系数。

DCT变换的特点是变换后图像大部分能量集中在左上角，因此左上角反映图像低频部分数据，右下角反映原图像高频部分数据，而图像的能量通常集中在低频部分。

因而，对二维图像进行DCT变换后，只保留DCT系数矩阵最左上角的10个系数，然后对每块图像利用这10个系数进行DCT反变换来重构。

实验1——Matlab图像处理初步
实验目的：熟悉Matlab语言关于图像处理的基本操作
实验内容：练习imread、imshow、iminfo、imwrite、subplot、for等命令以及矩阵计算有关命令。

实验要求：
1、读取并显示cameraman.tif图像（提示：imread）。

2、将图像中间的1/3部分（如图）分别作如下处理，其余部分不变
a) 每个像素点的值都乘以2，即f(x,y)=2*f(x,y)，显示处理前后的图像（提
示：imshow），同一个图像窗口左右显示（提示：subplot），左边显示原
始图像，右边显示处理后图像，处理后图像保存为cameraman1.bmp（提
示：imwrite）
b) 每个像素点取反色，即f(x,y)=255-f(x,y);显示处理前后的图像，同一个
图像窗口上下显示（提示：subplot），上边显示原始图像，下边显示处理
后图像，处理后图像保存为cameraman2.bmp（提示：imwrite）
3、撰写实验报告并附上所用程序和结果。

f=imread('cameraman.tif');
[m n]=size(f);
g=f;
r=round(m/3);
c=round(n/3);
for i=r:2*r
for j=c:2*c
g(i,j)=2*f(i,j);
end
end
subplot(2,1,1),imshow(f);
subplot(2,1,2),imshow(g);
imwrite(g,'cameraman1.bmp','bmp');
2013-12-16。

MATLAB实验Matlab在数字图像处理中的应用实验十 Matlab在数字图像处理中的应用(基础篇)一、实验目的1(熟悉图像的四种类型。

2(熟练掌握图像的读、写操作以及显示方法。

3. 熟悉图像的类型转换以及格式转换。

二、实验原理1. 图像的表示以及数字化广义的图像是指视觉信息。

举凡照片、图画、电视画面以及由透镜、光栅及全息图所构成的光学成像等均属之。

我们观察一幅单色静止图像，其亮度的明暗变化就构成图像视觉。

所以，一幅单色(monochrome)静止的图像可以表示为强度或亮度的二维分布，其中F代表图像亮度或者强度，(x,y)是二维平面点坐标。

对于黑白图像，通常Fxy(,)用不同的灰度级来表示其亮度的差异;对于彩色图像，可以视为由单个单色的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)按不同的比例组成的。

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。

此时，每一幅分量图像只有亮度的二维分布，如图1所示。

通常我们看到的图像是一幅亮度在空间连续变化的模拟图像(即图像关于亮度F 以及空间坐标x,y连续)。

例如在显微镜下看到的就是一副光学模拟图像。

连续的模拟图像经过离散化处理后变成计算机能够识别的点阵图像，称为数字图像。

把模拟图像转换成数字图像其实就是数字化 (即离散化)图像亮度F以及空间坐标x,y。

将坐标数字化称为取样;将亮度数字化称为量化。

采样和量化的过程如图2所示。

二维图像平面经过数字化后，变成一个个方形的像素(pixel)，亮度数字化之后变成一个二维的数值矩阵。

所以一副数字图像对应于一个数值矩阵，该矩阵通常称为图像的数据矩阵。

图像数据矩阵的大小即是图像像素的数目，矩阵的行与列决定一个像素点，矩阵元素值(也称像素值)反映该像素点的灰度。

例如图2右边所示的图像数据矩阵为8×8的二维矩阵，那么该数字图像包含8×8=64个像素，第一行第一列代表第一个像素，其像素值(元素值)1表达该像素的灰度。