下载文档原格式
计算机与信息工程学院验证性实验报告一、实验目的：1、了解图像增强的目的及意义，加深对图像增强的感性认识，巩固所学理论知识。
2、学会对图像直方图的分析。
3、掌握直接灰度变换的图像增强方法。
二、实验原理及知识点术语‘空间域’指的是图像平面本身，在空间与内处理图像的方法是直接对图像的像素进行处理。
空间域处理方法分为两种：灰度级变换、空间滤波。
空间域技术直接对像素进行操作其表达式为g(x,y)=T[f(x,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，定义在点(x,y)的指定领域内。
定义点(x,y)的空间邻近区域的主要方法是，使用中心位于(x,y)的正方形或长方形区域。
此区域的中心从原点(如左上角)开始逐像素点移动，在移动的同时，该区域会包含不同的领域。
T应用于每个位置(x,y)，以便在该位置得到输出图像g。
在计算(x,y)处的g值时，只使用该领域的像素。
灰度变换T的最简单形式是使用领域大小为1×1，此时,(x,y)处的g值仅由f 在该点处的亮度决定，T也变为一个亮度或灰度级变化函数。
当处理单设(灰度)图像时，这两个术语可以互换。
由于亮度变换函数仅取决于亮度的值，而与(x,y)无关，所以亮度函数通常可写做如下所示的简单形式：s=T(r)其中，r表示图像f中相应点(x,y)的亮度，s表示图像g中相应点(x,y)的亮度。
三、实验内容：1、图像数据读出2、计算并分析图像直方图3、利用直接灰度变换法对图像进行灰度变换下面给出灰度变化的MATLAB程序f=imread('medicine_pic.jpg');g=imhist(f,256); %显示其直方图g1=imadjust(f,[0 1],[1 0]); %灰度转换，实现明暗转换(负片图像)figure,imshow(g1)%将0.5到0.75的灰度级扩展到范围[0 1]g2=imadjust(f,[0.5 0.75],[0 1]);figure,imshow(g2)g=imread('point.jpg');h=log(1+double(g)); %对输入图像对数映射变换h=mat2gray(h); %将矩阵h转换为灰度图片h=im2uint8(h); %将灰度图转换为8位图figure,imshow(h)四、实验仪器PC一台，MATLAB软件五、实验图片columbia480.bmp Fig0704(Vase).tif.tif六、实验程序及结果clc;clear allf=imread('columbia480.bmp');subplot 121;imshow(f)title('原始图像')subplot 122;imhist(f,256)title('原始图像直方图')%灰度转换，实现明暗转换(负片图像）f1=imadjust(f,[0 1],[1 0]);figure(2)subplot 121,imshow(f1)title('明暗转换后的图像')subplot 122;imhist(f1,256) title('明暗转换直方图')%将0.5到0.75的灰度级扩展到范围[0 1] f2=imadjust(f,[0.5 0.75],[0 1]); figure(3)subplot 121;imshow(f2)title('0.5到0.75的灰度级扩展到范围[0 1]的图像') subplot 122;imhist(f2,256) title('灰度级扩展直方图')原始图像0原始图像直方图100200明暗转换后的图像明暗转换直方图1002000.5到0.75的灰度级扩展到范围[0 1]的图像04灰度级扩展直方图100200clc;clear allm=imread('Fig0704(Vase).tif.tif');h=log(1+double(m)); %对输入图像对数映射变换 h=mat2gray(h); %将矩阵h 转换为灰度图片 h=im2uint8(h); %将灰度图转换为8位图 figuresubplot 221;imshow(m) title('原始图像') subplot 222;imhist(m) title('原始图像直方图') subplot 223;imshow(h)title('经log 变换后的图像') subplot 224;imhist(h)title('经log 变换后的图像直方图')原始图像原始图像直方图100200经log变换后的图像0经log 变换后的图像直方图100200教师签名：年 月 日。
1.灰度变换与空间滤波一种成熟的医学技术被用于检测电子显微镜生成的某类图像。
为简化检测任务，技术决定采用数字图像处理技术。
发现了如下问题：（1）明亮且孤立的点是不感兴趣的点；（2）清晰度不够，特别是边缘区域不明显；（3）一些图像的对比度不够；（4）技术人员发现某些关键的信息只在灰度值为I1-I2的范围，因此，技术人员想保留I1-I2区间范围的图像，将其余灰度值显示为黑色。
（5）将处理后的I1-I2范围内的图像，线性扩展到0-255灰度，以适应于液晶显示器的显示。
请结合本章的数字图像处理处理，帮助技术人员解决这些问题。
1.1问题分析及多种方法提出（1）明亮且孤立的点是不够感兴趣的点对于明亮且孤立的点，其应为脉冲且灰度值为255(uint8)噪声，即盐噪声，为此，首先对下载的细胞图像增加盐噪声，再选择不同滤波方式进行滤除。
均值滤波：均值滤波是典型的线性滤波算法，它是指在图像上对目标像素给一个模板，该模板包括了其周围的临近像素（以目标像素为中心的周围8个像素，构成一个滤波模板，即去掉目标像素本身），再用模板中的全体像素的平均值来代替原来像素值。
优点：速度快，实现简单；缺点：均值滤波本身存在着固有的缺陷，即它不能很好地保护图像细节，在图像去噪的同时也破坏了图像的细节部分，从而使图像变得模糊，不能很好地去除噪声点。
其公式如下：使用矩阵表示该滤波器则为：中值滤波：滤除盐噪声首选的方法应为中值滤波，中值滤波法是一种非线性平滑技术，它将每一像素点的灰度值设置为该点某邻域窗口内的所有像素点灰度值的中值。
其过程为：a 、存储像素1，像素2.....像素9的值；b 、对像素值进行排序操作；c 、像素5的值即为数组排序后的中值。
优点：由于中值滤波本身为一种利用统计排序方法进行的非线性滤波方法，故可以滤除在排列矩阵两边分布的脉冲噪声，并较好的保留图像的细节信息。
缺点：当噪声密度较大时，使用中值滤波后，仍然会有较多的噪声点出现。
数字图像灰度变换技术总结篇一：图像的灰度变换昆明理工大学（数字图像处理）实验报告实验名称：图像的灰度变换专业：电子信息科学与技术姓名：学号：成绩：[实验目的]1、理解并掌握灰度变换的基本原理和方法。
2、编程实现图像灰度变换。
3、分析不同的灰度变换方法对最终图像效果的影响。
[实验内容]1、灰度的线性变换；2、灰度的非线性变换；3、图像的二值化；4、图像的反色处理；[实验原理]图像的灰度变换(grayscaletransformation,GST)处理是图像增强处理技术中一种非常基础、直接的空间域图像处理方法,也是图像数字化软件和图像显示软件的一个重要组成部分。
灰度变换是指根据某种目标条件按一定变换关系逐点改变原图像中每一个像素灰度值的方法。
目的是为了改善画质,使图像的显示效果更加清晰。
灰度变换有时又被称为图像的对比度增强或对比度拉伸。
从图像输入装置得到的图像数据,以浓淡表示,(:数字图像灰度变换技术总结)各个像素与某一灰度值相对应。
设原图像像素的灰度值d=f(x,y),处理后图像像素的灰度值d′=g(x,y),则灰度增强可表示为:g(x,y)=T[f(x,y)]或d′=T(d)要求d和d′都在图像的灰度范围之内。
函数T(d)称为灰度变换函数,它描述了输入灰度值和输出灰度值之间的转换关系。
灰度变换主要针对独立的像素点进行处理,通过改变原始图像数据所占据的灰度范围而使图像在视觉上得到良好的改观,没有利用像素点之间的相互空间关系。
因此,灰度变换处理方法也叫做点运算法。
点运算可以按照预定的方式改变一幅图像的灰度直方图。
除了灰度级的改变是根据某种特定的灰度变换函数进行之外,点运算可以看做是“从像素到像素”的复制操作。
根据g(x,y)=T[f(x,y)],可以将灰度变换分为线性变换和非线性变换。
1、灰度的线性变换若g(x,y)=T[f(x,y)]是一个线性或分段线性的单值函数,例如g(x,y)=T[f(x,y)]=af(x,y)+b则由它确定的灰度变换称为灰度线性变换,简称线性变换。
实验一 数字图像基本操作及灰度调整一．实验目的1.掌握读、写图像的基本方法；2.掌握MATLAB 语言中图像数据与信息的读取方法；3.理解图像灰度变换处理在图像增强的作用；4．掌握绘制灰度直方图的方法，理解灰度直方图的灰度变换及均衡化的方法。
二．实验基本原理1. 灰度变换灰度变换是图像增强的一种重要手段，它常用于改变图象的灰度范围及分布，是图象数字化及图象显示的重要工具。
1) 图像反转灰度级范围为[0, L-1]的图像反转可由下式获得r L s --=12) 对数运算：有时原图的动态范围太大，超出某些显示设备的允许动态范围，如直接使用原图，则一部分细节可能丢失。
解决的方法是对原图进行灰度压缩，如对数变换：s = c log(1 + r )，c 为常数，r ≥ 03) 幂次变换：0,0,≥≥=γγc cr s4) 对比拉伸：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，即分段线性拉伸：其对应的数学表达式为：2. 直方图均衡化灰度直方图的横坐标是灰度级，纵坐标是该灰度级出现的频度，它是图像最基本的统计特征。
依据定义，在离散形式下， 用r k 代表离散灰度级，用p r (r k )代表p r (r )，并且有下式成立：nn r P k k r =)( 1,,2,1,010-=≤≤l k r k 式中：n k 为图像中出现r k 级灰度的像素数，n 是图像像素总数，而n k /n 即为频数。
直方图均衡化处理是以累积分布函数变换法为基础的直方图修正法。
假定变换函数为ωωd p r T s r r)()(0⎰==(a) Lena 图像 (b) Lena 图像的直方图图1-1 Lena 图像及直方图当灰度级是离散值时，可用频数近似代替概率值，即1,,1,010)(-=≤≤=l k r n n r p k k k r式中：l 是灰度级的总数目，p r (r k )是取第k 级灰度值的概率，n k 是图像中出现第k 级灰度的次数，n 是图像中像素总数。
*******************实践教学*******************XXX大学XXX学院XXXX年X季学期计算机图象处理综合训练题目：图象灰度变换程序设计专业班级：XXXXXX姓名：XXXXX学号：XXXXXXXX指导教师：XXXXX成绩：目录摘要 (1)一、前言 (2)二、算法分析与描述 (3)三、详细设计过程 (7)四、调试过程中出现的问题及相应解决办法 (11)五、程序运行截图及其说明 (13)六、简单操作手册 (15)设计总结 (19)参考资料 (20)致谢 (21)附录 (22)摘要程序实现了用直方图均衡化、对比度线形展宽和灰级窗对灰度图像进行灰度变换，从而达到使图像增强的目的。
利用VC++6.0执行效率高，可继承、封装、移植等成熟的软件技术，对直方图均衡化、对比度线形展宽和灰级窗算法进行实现。
实验表明，该程序可以快速、准确地对灰度图像进行灰度变换，达到了使图像对比度增强，改善图像质量的预期目的。
关键词：Visual C++；图像处理；图像增强；灰度变换一、前言随着数字化与多媒体时代的来临，数字图像处理已经成为必备的基础知识。
图像灰度变换处理是图像增强处理技术中一种非常基础、直接的空间域图像处理方法，也是图像数字化和图像显示的一个重要组成部分。
通常经输入系统获取的图像信息中含有各种各样的噪声域畸变，例如室外光照度不够均匀会造成图像灰度过于集中等等这些外部因素的影响。
这些不可避免地影响系统图像的清晰度，降低了图像质量，轻者表现为图像不干净，难以看清细节，重者表现为图像模糊不清，连概貌也看不出来。
因此，在对图像进行分析之前，必须要对质量进行改善，一般情况下改善的方法有两种：图像增强和图像复原。
目前在图像增强和像质改善方面主要由灰度变换、图像锐化、噪声去除、色彩变换等组成。
灰度变换主要针对独立的像素点进行处理，通过改变原始图像数据所占有的灰度范围而使图像在视觉上得到改观，没有利用像素点之间的相互关系。
数字图像处理实验报告班级：姓名：学号：数字图像处理实验报告一．实验名称：图像灰度变换二．实验目的：1 学会使用Matlab；2 学会用Matlab软件对图像灰度进行变换，感受各种不同的灰度变换方法对最终图像效果的影响。
三．实验原理：Matlab中经常使用的一些图像处理函数：读取图像：img=imread('filename'); //支持TIFF,JPEG,GIF,BMP,PNG,XWD等文件格式。
显示图像：imshow(img,G); //G表示显示该图像的灰度级数，如省略则默认为256。
保存图片：imwrite(img,'filename'); //不支持GIF格式，其他与imread相同。
亮度变换：imadjust(img,[low_in,high_in],[low_out,high_out]); //将low_in至high_in之间的值映射到low_out至high_out之间，low_in 以下及high_in以上归零。
绘制直方图：imhist(img);直方图均衡化：histeq(img,newlevel); //newlevel表示输出图像指定的灰度级数。
像平滑与锐化（空间滤波）：w=fspecial('type',parameters);imfilter(img,w); //这两个函数结合将变得十分强大，可以实现photoshop里的任意滤镜。
图像复原：deconvlucy(img,PSF); //可用于图像降噪、去模糊等处理。
四.实验步骤：1．获取实验用图像：Fig3.10(b).jpg. 使用imread函数将图像读入Matlab。
2．产生灰度变换函数T1，使得：0.3r r < 0.35s = 0.105+2.6333(r–0.35) 0.35 ≤ r ≤ 0.65 1+0.3(r–1) r > 0.65用T1对原图像Fig3.10(b).jpg进行处理，打印处理后的新图像。
数字图像处理：图像的灰度变换（Matlab实现）(1)线性变换:通过建⽴灰度映射来调整源图像的灰度。
k>1增强图像的对⽐度；k=1调节图像亮度，通过改变d值达到调节亮度⽬的；0i = imread('theatre.jpg');i = im2double(rgb2gray(i));[m,n]=size(i);%增加对⽐度Fa = 1.25; Fb = 0;O = Fa.*i + Fb/255;figure(1), subplot(221), imshow(O);title('Fa = 1.25, Fb = 0, contrast increasing');figure(2),subplot(221), [H,x]=imhist(O, 64);stem(x, (H/m/n), '.');title('Fa = 1.25, Fb = 0, contrast increasing');%减⼩对⽐度Fa =0.5; Fb = 0;O = Fa.*i + Fb/255;figure(1), subplot(222),imshow(O);title('Fa = 0.5, Fb = 0, contrast decreasing');figure(2), subplot(222), [H,x] = imhist(O, 64);stem(x, (H/m/n), '.');title('Fa = 0.5, Fb = 0, contrast decreasing');%线性亮度增加Fa = 0.5; Fb = 50;O = Fa.*i + Fb/255;figure(1), subplot(223), imshow(O);title('Fa = 0.5, Fb = 50, brightness control');figure(2), subplot(223), [H,x]=imhist(O,64);stem(x, (H/m/n), '.');title('Fa = 0.5, Fb = 50, brightness control');%反相显⽰Fa = -1; Fb = 255;O = Fa.*i + Fb/255;figure(1), subplot(224), imshow(O);title('Fa = -1, Fb = 255, reversal processing');figure(2), subplot(224),[H,x]=imhist(O, 64);stem(x, (H/m/n), '.');title('Fa = -1, Fb = 255, reversal processing');(2)对数变换：增强低灰度，减弱⾼灰度值。
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：。
