下载文档原格式
《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图像处理实验报告《Matlab图像处理实验报告》摘要：本实验报告通过使用Matlab软件进行图像处理实验，对图像进行了灰度化、二值化、边缘检测、图像增强等处理，通过实验结果分析，验证了Matlab在图像处理领域的实用性和有效性。
1. 实验目的本实验旨在通过Matlab软件进行图像处理实验，掌握图像处理的基本方法和技术，提高对图像处理算法的理解和应用能力。
2. 实验原理图像处理是对图像进行数字化处理的过程，主要包括图像获取、图像预处理、图像增强、图像分割和图像识别等步骤。
Matlab是一种功能强大的科学计算软件，具有丰富的图像处理工具箱，可用于图像的处理、分析和识别。
3. 实验内容（1）图像灰度化首先，通过Matlab读取一幅彩色图像，并将其转换为灰度图像。
利用Matlab 中的rgb2gray函数，将RGB图像转换为灰度图像，实现图像的灰度化处理。
（2）图像二值化接着，对灰度图像进行二值化处理，将图像转换为黑白二值图像。
利用Matlab 中的im2bw函数，根据设定的阈值对灰度图像进行二值化处理，实现图像的二值化处理。
（3）边缘检测然后，对二值图像进行边缘检测处理，提取图像的边缘信息。
利用Matlab中的edge函数，对二值图像进行边缘检测处理，实现图像的边缘检测处理。
（4）图像增强最后，对原始图像进行图像增强处理，改善图像的质量和清晰度。
利用Matlab 中的imadjust函数，对原始图像进行图像增强处理，实现图像的增强处理。
4. 实验结果分析通过实验结果分析，可以发现Matlab在图像处理领域具有较高的实用性和有效性。
通过Matlab软件进行图像处理实验，可以快速、方便地实现图像的处理和分析，提高图像处理的效率和精度，为图像处理技术的研究和应用提供了重要的工具和支持。
5. 结论本实验通过Matlab图像处理实验，掌握了图像处理的基本方法和技术，提高了对图像处理算法的理解和应用能力。
数字图像处理实验指导书学院：通信与电子工程学院专业：电子信息工程班级：学号：姓名：XX理工大学实验一 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。
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。
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得基本信息；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得压缩，颜色等等其她得详细信息；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得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()函数将最初读入得tiｆ图象另存为一幅bmp图像，设为flilｙ、bmｐ。
7。
用imrｅad（)读入图像Sunｓet、jpg与Ｗinｔeｒ、jpg；8.用ｉmｆｉnfo()获取图像Sｕnｓeｔ、ｊpg与Winter、ｊpg得大小；9.用ｆｉｇurｅ，imｓhow()分别将Ｓunｓet、ｊｐg与Winter、jpg显示出来,观察两幅图像得质量.其中9得实验结果如下图：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显示出来观察图像得特征。
五、实验过程原始记录(数据、图表、计算等)原始图像camera.jpg lenna.jpgrose.jpg在Matlab中输入以下语句。
I=imread('E:\tupian\rose.tif');whos(I)imshow(I)imwrite(I,'Rose.jpg','quality',10)imfinfo('Rose.jpg')imwrite(I,'Rose.bmp')A=imread('E:\tupian\lenna.jpg');B=imread('E:\tupian\camera.jpg');imfinfo('lenna.jpg')imfinfo('camera.jpg')figure;imshow(A)figure;imshow(B)C=imread('E:\tupian\camera.jpg');C1=im2bw(C);imshow(C1)六、实验结果及分析通过whos I查看图像信息。
二值化后图片转化成黑白图片，即灰度值小于等于127时赋值为0，灰度值大于127时赋值为1。
五、实验过程原始记录(数据、图表、计算等)原始图像在Matlab中输入以下语句。
A=imread('E:\tupian\lianhua.jpg');B=imread('E:\tupian\add1.jpg');C=imadd(A,B);imshow(C)A=imread('E:\tupian\camera.jpg');A1=imadd(A,50);A2=imadd(A,-50); %同imsubtract(A,50)subplot(131);imshow(A);title('原图')subplot(132);imshow(A1);title('+50')subplot(133);imshow(A2);title('-50')A=imread('E:\tupian\camera.jpg');background=imopen(A,strel('disk',50));Ip=imsubtract(A,background);subplot(121);imshow(A);subplot(122);imshow(Ip);I=imread('E:\tupian\house.jpg');J=immultiply(I,1.5);subplot(121);imshow(I);subplot(122);imshow(J);A=imread('E:\tupian\camera.jpg');A=rgb2gray(A);I=double(A);J= I*0.43+90;A1=uint8(J);Ip=imdivide(A,A1);imshow(Ip,[])六、实验结果及分析1．叠加后的图像2. 减去背景后的图像4．乘以1.5后的结果六、实验结果及分析1. 绘制图像直方图2. 图像的明暗转换3. 图像的对数变换由图可以看出，图片对数变换后显示更多的内容，即对低频进行拉伸，对高频进行压缩。
《数字图像处理》实验报告学院：专业：班级：姓名：学号：实验一实验名称：图像增强实验目的：1.熟悉图像在Matlab下的读入，输出及显示；2.熟悉直方图均衡化；3.熟悉图像的线性指数等；4.熟悉图像的算术运算及几何变换.实验仪器：计算机，Matlab软件实验原理：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。
图像的直方图实际上就是图像的各像素点强度概率密度分布图，是一幅图像所有像素集合的最基本统计规律，均衡化是指在每个灰度级上都有相同的像素点过程。
实验容如下：I=imread('E:\cs.jpg');%读取图像subplot(2,2,1),imshow(I),title('源图像')J=rgb2gray(I)%灰度处理subplot(2,2,2),imshow(J) %输出图像title('灰度图像') %在原始图像中加标题subplot(2,2,3),imhist(J) %输出原图直方图title('原始图像直方图')I=imread('E:\cs.jpg');%读取图像subplot(1,2,1),imshow(I);theta = 30;K = imrotate(I,theta);subplot(1,2,2),imshow(K)对数运算：I=imread('E:\dog.jpg');subplot(2,2,1),imshow(I),title('源图像')J=rgb2gray(I)%灰度处理subplot(2,2,2),imshow(J),title('灰度变换后图像') J1=log(1+double(J));subplot(2,2,3),imshow(J1,[]),title('对数变换后')指数运算:I=imread('E:\dog.jpg');f=double(I);g=(2^2*(f-1))-1f=uint8(f); g=uint8(g);subplot(1,2,1);subimage(f),title('变换一') subplot(1,2,2);subimage(g),title('变换二')加法运算：clc;clear all;close all; i = imread('E:\dog.jpg');j = imnoise(i,'gaussian',0,0.02);subplot(1,3,1),imshow(i),title('图一') subplot(1,3,2),imshow(j),title('图二') k=zeros(242,308); for p=1:100j = imnoise(i,'gaussian',0,0.02); j1 = im2double(j); k = k + j1; end k=k/100;subplot(1,3,3),imshow(k),title('图三')变换一200400600100200300400500变换二200400600100200300400500实验二实验名称：图像变换实验目的：（1）进一步对matlab的了解和使用；（2）学习如何在matlab中对数字图像的处理；实验原理：图像和其他信号一样，既能在空间域处理，也能在频率域处理。
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。
