下载文档原格式
《数字图像处理》实验指导书数字图象处理实验的目的不仅是让学生通过用MATLAB等高级语言编写数字图像处理的一些基本算法程序，巩固和掌握图像处理技术的理论、方法和基本技能，提高实际动手能力，而且通过综合实习，让学生能探讨和应用数字图像处理技术去解决一些实际问题。
为学生进一步学习和应用数字图像技术解决实际问题奠定基础。
实验一、数字图像获取 (2)实验二、图像的傅立叶变换 (5)实验三、图像直方图增强 (7)实验四数字图像空间域平滑 (11)实验五数字图像锐化 (14)实验六、图像压缩 (17)实验七图像融合 (21)实验八图像分割 (23)实验一、数字图像获取一、实验目的1掌握使用扫描仪等数字化设备以及计算机获取数字图像的方法；2修改图像的存储格式。
二、实验原理用扫描仪获取图像也是图像的数字化过程的方法之一。
扫描仪按种类可以分为手持扫描仪，台式扫描仪和滚筒式扫描仪（鼓形扫描仪）。
扫描仪的主要性能指标有x、y方向的分辨率、色彩分辨率（色彩位数）、扫描幅面和接口方式等。
各类扫描仪都标明了它的光学分辨率和最大分辨率。
分辨率的单位是dpi，dpi 是英文Dot Per Inch的缩写，意思是每英寸的像素点数。
扫描仪工作时，首先由光源将光线照在欲输入的图稿上，产生表示图像特征的反射光（反射稿）或透射光（透射稿）。
光学系统采集这些光线，将其聚焦在CCD上，由CCD将光信号转换为电信号，然后由电路部分对这些信号进行A/D转换及处理，产生对应的数字信号输送给计算机。
当机械传动机构在控制电路的控制下，带动装有光学系统和CCD的扫描头与图稿进行相对运动，将图稿全部扫描一遍，一幅完整的图像就输入到计算机中去了。
图1.1扫描仪的工作原理扫描仪扫描图像的步骤是:首先将欲扫描的原稿正面朝下铺在扫描仪的玻璃板上，原稿可以是文字稿件或者图纸照片；然后启动扫描仪驱动程序后，安装在扫描仪内部的可移动光源开始扫描原稿。
为了均匀照亮稿件，扫描仪光源为长条形，并沿y方向扫过整个原稿；照射到原稿上的光线经反射后穿过一个很窄的缝隙，形成沿x方向的光带，又经过一组反光镜，由光学透镜聚焦并进入分光镜，经过棱镜和红绿蓝三色滤色镜得到的RGB三条彩色光带分别照到各自的CCD上，CCD将RGB光带转变为模拟电子信号，此信号又被A/D变换器转变为数字电子信号。
图像编码实验报告图像编码实验报告一、引言图像编码是一项重要的技术，它可以将图像数据进行压缩和传输，以节省存储空间和传输带宽。
本实验旨在探究图像编码的原理和方法，并通过实验验证不同编码算法的性能和效果。
二、实验目的1. 理解图像编码的基本原理和概念；2. 掌握JPEG和PNG两种常见的图像编码算法；3. 分析和比较不同编码算法的压缩率和图像质量。
三、实验过程1. 实验环境搭建在本实验中，我们使用MATLAB软件进行图像编码实验。
首先，安装MATLAB 并导入实验所需的图像处理工具箱。
2. 图像压缩选择一张分辨率较高的彩色图像作为实验对象。
首先，使用JPEG编码算法对图像进行压缩。
在压缩过程中，可以调整压缩比例参数，观察压缩后图像的质量变化。
然后，使用PNG编码算法对同一张图像进行压缩，并比较JPEG和PNG 两种算法的压缩率和图像质量。
3. 实验结果分析根据实验结果，我们可以得出以下结论：- JPEG算法在高压缩比下会出现明显的失真，但在适当的压缩比下可以获得较好的图像质量；- PNG算法在压缩过程中不会导致明显的失真，但压缩率相对较低。
四、实验讨论1. 图像编码的原理图像编码是将图像数据转换为二进制码流的过程。
常见的图像编码方法包括无损编码和有损编码。
无损编码可以完全还原原始图像，但压缩率较低；有损编码可以获得较高的压缩率，但会引入一定的失真。
2. JPEG编码算法JPEG是一种常用的有损图像编码算法。
它采用离散余弦变换（DCT）将图像从空间域转换为频域，并通过量化和熵编码实现压缩。
JPEG算法在高频部分进行较大幅度的量化，从而实现高压缩率，但也导致了明显的失真。
3. PNG编码算法PNG是一种无损图像编码算法。
它采用预测编码和差分编码的方法，将图像数据转换为无损的二进制码流。
PNG算法在压缩过程中不引入明显的失真，但压缩率相对较低。
五、实验总结通过本次实验，我们深入了解了图像编码的原理和方法，并通过实验验证了JPEG和PNG两种编码算法的性能和效果。
实验项目3、图像压缩与编码一、实验目的（1）理解图像压缩编码的基本原理；（2）掌握用程序代码实现DCT变换编码；（3）掌握用程序代码实现游程编码。
二、实验原理及知识点1、图像压缩编码图像信号经过数字化后，数据量相当大，很难直接进行保存。
为了提高信道利用率和在有限的信道容量下传输更多的图像信息，必须对图像进行压缩编码。
图像压缩技术标准一般可分为如下几种：JPEG压缩（JPEG Compression）、JPEG 2000、H.26X标准（H.26X standards）以及MPEG标准（MPEG standards）。
数字压缩技术的性能指标包括：压缩比、平均码字长度、编码效率、冗余度。
从信息论角度分，可以将图像的压缩编码方法分为无失真压缩编码和有限失真编码。
前者主要包括Huffman编码、算术编码和游程编码；后者主要包括预测编码、变换编码和矢量量化编码以及运动检测和运动补偿技术。
图像数据压缩的目的是在满足一定图像质量的条件下，用尽可能少的比特数来表示原始图像，以提高图像传输的效率和减少图像存储的容量，在信息论中称为信源编码。
图像压缩是通过删除图像数据中冗余的或者不必要的部分来减小图像数据量的技术，压缩过程就是编码过程，解压缩过程就是解码过程。
2、游程编码某些图像特别是计算机生成的图像往往包含许多颜色相同的块，在这些块中，许多连续的扫描行或者同一扫描行上有许多连续的像素都具有相同的颜色值。
在这些情况下就不需要存储每一个像素的颜色值，而是仅仅存储一个像素值以及具有相同颜色的像素数目，将这种编码方法称为游程（或行程）编码，连续的具有相同颜色值的所有像素构成一个行程。
在对图像数据进行编码时，沿一定方向排列的具有相同灰度值的像素可看成是连续符号，用字串代替这些连续符号，可大幅度减少数据量。
游程编码记录方式有两种：①逐行记录每个游程的终点列号：②逐行记录每个游程的长度3、DCT变换编码变换编码是在变换域进行图像压缩的一种技术。
图像编码的基本原理图像编码是数字图像处理中的重要环节，它通过对图像进行压缩和编码，实现对图像信息的有效存储和传输。
在图像编码的过程中，需要考虑到图像的信息量、保真度、压缩比等多个因素，因此，图像编码的基本原理显得尤为重要。
首先，图像编码的基本原理包括两个主要方面，压缩和编码。
压缩是指通过一定的算法和技术，减少图像数据的存储空间和传输带宽，而编码则是将压缩后的图像数据转换成数字信号，以便于存储和传输。
在实际的图像编码过程中，通常会采用有损压缩和无损压缩两种方式，以满足不同应用场景的需求。
有损压缩是指在压缩图像数据的同时，会损失一定的信息量，但可以获得更高的压缩比。
常见的有损压缩算法包括JPEG、MPEG等，它们通过对图像进行离散余弦变换、量化、熵编码等步骤，实现对图像数据的有损压缩。
而无损压缩则是在不损失图像信息的前提下，实现对图像数据的压缩。
无损压缩算法主要包括LZW、Huffman编码等，它们通过对图像数据的统计特性进行编码，实现对图像数据的无损压缩。
除了压缩和编码外，图像编码的基本原理还包括了对图像信息的分析和处理。
在图像编码的过程中，需要对图像进行预处理、采样、量化等操作，以便于后续的压缩和编码。
同时，还需要考虑到图像的特性和人眼的视觉感知特点，以实现对图像信息的高效编码和保真传输。
总的来说，图像编码的基本原理涉及到压缩、编码和图像信息处理等多个方面，它是数字图像处理中的重要环节，直接影响到图像的存储、传输和显示质量。
因此，对图像编码的基本原理进行深入理解和研究，对于提高图像处理技术和应用具有重要意义。
希望本文的介绍能够帮助读者更好地理解图像编码的基本原理，为相关领域的研究和应用提供参考。
图像压缩编码学院: 京江学院班级: 计算机1001姓名: 阎梦虹学号: 3101110001辅导教师: 金华一、摘要数字图像处理（Digital Image Processing）又称为计算机图像处理，它是指将图像信号转换成数字信号并利用计算机对其进行处理的过程。
数字图像处理最早出现于20世纪50年代，当时的电子计算机已经发展到一定水平，人们开始利用计算机来处理图形和图像信息。
数字图像处理作为一门学科大约形成于20世纪60年代初期。
早期的图像处理的目的是改善图像的质量，它以人为对象，以改善人的视觉效果为目的。
图像处理中，输入的是质量低的图像，输出的是改善质量后的图像，常用的图像处理方法有图像增强、复原、编码、压缩等。
首次获得实际成功应用的是美国喷气推进实验室（JPL）。
他们对航天探测器徘徊者7号在1964年发回的几千张月球照片使用了图像处理技术，如几何校正、灰度变换、去除噪声等方法进行处理，并考虑了太阳位置和月球环境的影响，由计算机成功地绘制出月球表面地图，获得了巨大的成功。
随后又对探测飞船发回的近十万张照片进行更为复杂的图像处理，以致获得了月球的地形图、彩色图及全景镶嵌图，获得了非凡的成果，为人类登月创举奠定了坚实的基础，也推动了数字图像处理这门学科的诞生。
在以后的宇航空间技术，如对火星、土星等星球的探测研究中，数字图像处理技术都发挥了巨大的作用。
数字图像处理取得的另一个巨大成就是在医学上获得的成果。
1972年英国EMI公司工程师Housfield发明了用于头颅诊断的X射线计算机断层摄影装置，也就是我们通常所说的CT（Computer Tomograph）。
CT的基本方法是根据人的头部截面的投影，经计算机处理来重建截面图像，称为图像重建。
1975年EMI公司又成功研制出全身用的CT装置，获得了人体各个部位鲜明清晰的断层图像。
1979年，这项无损伤诊断技术获得了诺贝尔奖，说明它对人类作出了划时代的贡献。
图像压缩编码方法图像压缩编码是一种通过减少图像数据的表示量来降低存储和传输成本的技术。
图像压缩编码方法包括有损压缩和无损压缩两种。
有损压缩是指在压缩过程中会丢失一定的图像信息，但通常可以接受的程度在人眼感知上是不可察觉的。
有损压缩编码方法主要通过利用图像中的冗余信息和人眼视觉系统的特性来实现图像的压缩，主要有几种方法：1. 颜色空间转换：将RBG图像转换为YUV或者将CMYK图像转换为RGB，通过减少颜色通道的数量来降低数据量。
2. 离散余弦变换（Discrete Cosine Transform，DCT）：DCT是一种将原始图像通过变换后得到一系列频率系数的方法，低频系数所表示的信息对于人眼来说更加重要，而高频系数相对不重要，因此可以对高频系数进行压缩或丢弃。
3. 量化（Quantization）：通过对DCT系数进行适当的量化，将系数的数值范围映射到较小的范围内，进一步减小数据量。
量化的精度越高，则数据量越小，但图像质量也会受到影响。
4. 预测编码（Predictive Coding）：利用图像中像素之间的相关性，通过对当前像素值的预测来减少需要传输的数据。
常用的预测编码方法有差值编码（Differential Encoding）和运动补偿（Motion Compensation）。
5. 生成码字（Codebook）：通过统计图像中各个像素值的频次来生成一个码本，将高频次出现的像素值用较短的码字表示，以减小数据量。
有损压缩编码方法的主要优点是压缩率高，但缺点是压缩后图像质量有损失。
适用于图像中存在较多冗余信息或对图像质量要求不高的场景，如网络传输、存储等。
无损压缩编码是指在压缩过程中不丢失任何图像信息，通过利用图像内部的冗余性来减小数据量。
常用的无损压缩编码方法有：1. 霍夫曼编码（Huffman Coding）：将出现频率较高的像素值用较短的编码表示，出现频率较低的像素值用较长的编码表示，以减小数据量。
数字图像处理实验指导书前言数字图像处理技术的研究内容涉及工程学、计算机科学、信息科学、统计学、物理学、生物医学工程和社会科学等领域 它已成为高等理工院校电子信息工程、通信工程、生物医学工程、信号与信息处理等学科的一门重要的专业技术课。
作为人类获取信息的重要来源及利用信息的重要手段 数字图像处理技术被广泛应用于工业、农业、交通、气象、生物医学、军事、公安、机器人视觉、导航、多媒体信息网络通信等领域 给人类带来了巨大的经济和社会效益。
考虑到实际需要，在注重理论与实践的前提下，编写了这本实验指导资料。
本书以实践为基础，利用MATLAB 图像处理工具箱在数学运算和算法验证上的优势，结合教学实际，安排了熟悉matlab编程环境和图像基本操、图像变换、图像增强和滤波增强、图像滤波恢复、图像的压缩编码、图像的边缘检测和分割、图像分割后的目标对象的参数测量以及伪彩色图像处理等部分的相关实验8个。
通过具体的上机实践，激发同学们的学习激情在学习和实践中充分体验数字图像处理的内涵和它的魅力。
实验一熟悉matlab编程环境和图像基本操作一、实验目的及要求1.熟悉MATLAB编程环境2.熟悉图像的基本操作方法：读取、显示、保存、3.熟悉简单二值图像的创建以及图像的像素平移变换二、实验任务1．从电脑中读取一幅图片并显示，然后保存到一个制定路径2．创建一幅二值灰度图像，背景灰度级为0，图像中间矩形框的灰度级为255 3．对二值图像中矩形框的像素进行平移变换三、示例代码[iname,ipath]=uigetfile({'*.jpg';'*.bmp';'*.tif';'*.*'},'load image',''); %读取图片I=[ipath,iname];image=imread(I);imshow(image); %显示图片imwrite(image, 'picture.jpg'); %保存图片bwimage=zeros(256,256,'uint8'); %创建二值图像bwimage([100:156],[100:156])=255;imshow(bwimage);[M,N]=size(bwimage);shiftdis=80; %定义像素平移量R=[1,0,shiftdis;0,1,shiftdis;0,0,1]; %定义平移矩阵temp=[0,0,1]'resultimage=zeros(M,N,'uint8');for i=100:156 %平移转换for j=100:156temp(1)=i;temp(2)=j;transdot=R*temp;resultimage(transdot(1),transdot(2))=bwimage(i,j);endendfigure;imshow(resultimage);实验二图像变换（傅里叶、离散余弦）一、实验目的及要求1.熟悉傅里叶变换和离散余弦变换的原理2.掌握傅里叶变换和离散余弦变换的算法和应用二、实验任务1．从电脑中读取一幅图片并显示2．将读取的彩色图片转换为灰度图3．对灰度图分别进行傅里叶变换和离散余弦变换三、示例代码[iname,ipath]=uigetfile({'*.jpg';'*.bmp';'*.tif';'*.*'},'load image','');I=[ipath,iname];image=imread(I);imshow(image);figure;igray=rgb2gray(image); %将彩色图转换为灰度图imshow(igray,[]);figure;X=fft2(igray); %二维傅里叶变换X2=abs(X.^2);imshow(log(X2),[]);figure;Y=fftshift(X); %将低频点移动到中心Y=abs(Y);imshow(log(Y),[]);figure;imagecos=dct2(igray); %离散余弦变换imshow(log(abs(imagecos)))实验三图像的空域增强和滤波增强一、实验目的及要求1.熟悉图像的直方图计算方法和直方图均衡化原理2.熟悉图像的巴特沃斯滤波和理想低通滤波原理2.掌握图像的直方图计算的实现和直方图均衡化算法、图像的巴特沃斯滤波和理想低通滤波算法和应用二、实验任务1．从电脑中读取一幅图片并显示2．将读取的彩色图片转换为灰度图3．计算灰度图的统计直方图并进行直方图均衡化以增强图像4. 对灰度图进行维纳滤波三、示例代码[iname,ipath]=uigetfile({'*.jpg';'*.bmp';'*.tif';'*.*'},'load image','');I=[ipath,iname];image=imread(I);imshow(image);figure;igray=rgb2gray(image); %彩色图转换为灰度图imshow(igray,[]);figure;imhist(igray); %计算灰度图的统计直方图figure;eq_igray=histeq(igray); %灰度统计直方图均衡化imshow(eq_igray);figure; %显示均衡化化后的直方图imhist(eq_igray);%巴特沃斯滤波和理想低通滤波[iname,ipath]=uigetfile({'*.jpg';'*.bmp';'*.tif';'*.*'},'load image','');I=[ipath,iname];I1=imread(I);imshow(I1);title('原始图像');I1=rgb2gray(I1);figure;imshow(I1);I2=imnoise(I1,'salt & pepper');figure;imshow(I2);title('噪声图像');f=double(I2);g=fft2(f);%二维傅里叶变换g=fftshift(g);%转换数据矩阵[N1,N2]=size(g);n=2;d0=50;n1=fix(N1/2);n2=fix(N2/2);for i=1:N1for j=2:N2d=sqrt((i-n1)^2+(j-n2)^2);h=1/(1+0.414*(d/d0)^(2*n)); %计算巴特沃斯低通滤波转换函数result1(i,j)=h*g(i,j);if(g(i,j)>50) %进行理想低通滤波result2(i,j)=0;elseresult2(i,j)=g(i,j);endendendresult1=ifftshift(result1); %巴特沃斯低通滤波后反变换result2=ifftshift(result2); %理想低通滤波后反变换X2=ifft2(result1);X3=uint8(real(X2));figure;imshow(X3);title('Butterworth 滤波图像');X4=ifft2(result2);X5=uint8(real(X4));figure;imshow(X5);title('理想低通滤波器');实验四图像的滤波恢复一、实验目的及要求1.熟悉图像恢复的基本原理2.熟悉图像的维纳滤波恢复原理2.掌握图像的维纳滤波恢复算法和应用二、实验任务1．从电脑中读取一幅图片并显示2．将读取的彩色图片转换为灰度图3．人为对灰度图增加噪声4．利用维纳滤波算法对噪声图像进行恢复以提高显示质量三、示例代码d=15; %设定长度h=zeros(2*d+1,2*d+1);h(d+1,1:2*d+1)=1/(2*d); %设定函数h[iname,ipath]=uigetfile({'*.jpg';'*.bmp';'*.tif';'*.*'},'load image','');I=[ipath,iname];f=imread(I);imshow(f);f=rgb2gray(f);figure;imshow(f);[m,n]=size(f); %计算图像大小（尺寸）fe=zeros(m+2*d,n+2*d); %扩增ffe(1:m,1:n)=f;he=zeros(m+2*d,n+2*d);he(1:2*d+1,1:2*d+1)=h; %扩增hF=fft2(fe);H=fft2(he);ns=5*rand(m+2*d,n+2*d); %产生噪声g=ifft2(F.*H)+ns; %产生噪声且加载噪声的图像G=fft2(g);K=0; %É设定K值F_est=((H.^2)./(H.^2+K)).*G./H; %维纳滤波f_est=real(ifft2(F_est)); %恢复后的图像imshow(f); 显示原始图像figure;imshow(g(d+1:m+d,d+1:n+d),[min(g(:)) max(g(:))]); %、显示模糊后加噪声的图像figure;imshow(f_est(1:m,1:n),[min(f_est(:)) max(f_est(:))]);%显示恢复后的图像实验五图像的压缩编码一、实验目的及要求1.熟悉图像的压缩编码的基本原理和方法2.在MATLAB实现用离散余弦变换（DCT）对图像进行压缩编码2.在MATLAB实现用行程编码（RLE）对图像进行压缩编码二、实验任务1．从电脑中读取一幅图片2．利用DCT对图像进行压缩编码3．利用RLE对图像进行压缩编码三、示例代码%%DCT图像压缩编码[iname,ipath]=uigetfile({'*.jpg';'*.bmp';'*.tif';'*.*'},'load image','');IPATH=[ipath,iname];I=imread(IPATH);I=rgb2gray(I);I=im2double(I); %将原图像转换为双精度数据类型T=dctmtx(8); %产生二维DCT变换矩阵B=blkproc(I,[8 8],'P1*x*P2',T,T'); %计算二维DCT 矩阵T，转置T’（函数p1*x*p2的参数）mask=[ 1 1 1 1 0 0 0 01 1 1 0 0 0 0 01 1 0 0 0 0 0 01 0 0 0 0 0 0 00 0 0 0 0 0 0 00 0 0 0 0 0 0 00 0 0 0 0 0 0 00 0 0 0 0 0 0 0]; %二值掩膜，用来压缩DCT系数，只保留DCT系数中左上角的10个B2=blkproc(B,[8 8],'P1.*x',mask); %只保留DCT变换的10个系数I2= blkproc(B2,[8,8],'P1*x*P2',T',T); %逆DCT，重构图像imshow(I);title('原图像'); %显示原图figure;imshow(I2);title('DCT压缩图像'); %显示压缩后的图像。
