第三次实验报告数字图像处理实验 —图像的几何变换

数字图像处理实习报告在当今数字化的时代，数字图像处理技术在众多领域中发挥着至关重要的作用，从医疗诊断到卫星遥感，从娱乐产业到工业检测，其应用无处不在。

通过这次数字图像处理实习，我对这一领域有了更深入的了解和实践经验。

实习的初始阶段，我主要进行了相关理论知识的学习。

数字图像处理涵盖了众多概念，如图像的数字化表示、像素、灰度值、分辨率等。

了解这些基础知识是后续处理图像的基石。

同时，我还学习了常见的图像格式，如 JPEG、PNG、BMP 等，以及它们的特点和适用场景。

在掌握了一定的理论基础后，我开始接触图像处理的基本操作。

图像增强是我最先实践的部分，通过调整图像的对比度和亮度，能够使原本模糊不清或暗淡的图像变得更加清晰和易于观察。

例如，对于一张曝光不足的照片，增加亮度可以让隐藏在黑暗中的细节显现出来；而提高对比度则可以使图像中的不同区域更加分明，突出重点。

图像滤波是另一个重要的环节。

均值滤波可以有效地去除图像中的噪声，但在一定程度上会使图像变得模糊；中值滤波则能够在去除噪声的同时较好地保留图像的边缘细节。

我通过对不同类型和程度的噪声图像进行滤波处理，直观地感受到了它们的效果差异。

图像的几何变换也是实习中的关键内容。

图像的平移、旋转和缩放操作看似简单，但其背后涉及到复杂的数学计算。

在实际操作中，需要准确地计算变换矩阵，以确保图像在变换后的准确性和完整性。

实习过程中，我还深入研究了图像分割技术。

这是将图像分成不同区域或对象的过程，以便进行后续的分析和处理。

阈值分割是一种常见且简单的方法，通过设定一个阈值，将图像中的像素分为两类。

然而，对于复杂的图像，这种方法往往效果不佳，这时就需要更高级的分割算法，如基于边缘检测的分割或基于区域生长的分割。

在进行数字图像处理的过程中，我也遇到了一些挑战和问题。

例如，在处理大规模图像数据时，计算资源的限制可能导致处理速度缓慢；在选择图像处理算法时，需要根据具体的图像特点和需求进行权衡，否则可能无法达到理想的效果。

数字图像处理实验—图像得几何变换姓名:张慧班级:信息１0－1学号:36号实验三、图像得几何变换一、实验目得1．学习几种常见得图像几何变换，并通过实验体会几何变换得效果；2．掌握图像平移、剪切、缩放、旋转、镜像、错切等几何变换得算法原理及编程实现3．掌握matlａb编程环境中基本得图像处理函数4．掌握图像得复合变换二、实验原理１初始坐标为（, ）得点经过平移(，)，坐标变为（，)，两点之间得关系为：，以矩阵形式表示为:2 图像得镜像变换就是以图象垂直中轴线或水平中轴线交换图像得变换,分为垂直镜像变换与水平镜像变换，两者得矩阵形式分别为：3图像缩小与放大变换矩阵相同：当时,图像缩小；时，图像放大。

4 图像旋转定义为以图像中某一点为原点以逆时针或顺时针方向旋转一定角度。

其变换矩阵为：该变换矩阵就是绕坐标轴原点进行得，如果就是绕一个指定点()旋转，则现要将坐标系平移到该点，进行旋转，然后再平移回到新得坐标原点。

三、实验步骤1启动MAＴＬAB程序，对图像文件分别进行平移、垂直镜像变换、水平镜像变换、缩放与旋转操作,与实验箱运行结果进行比对;２记录与整理实验报告四、实验程序Ｘ=imreaｄ（’E：\tｅｓｔ、ｊｐg’）；ｆigure，ｉmshow（X）;tｉtle（＇原图'）％缩放Ａ=［0、5 ０0;0 2 0;0 0 1]；T=makｅtfｏrｍ（’ａfｆine’,Ａ）;Z=ｉｍtｒansｆorm(X,T）；figurｅ，ｉmshow（Z)，ｔitle（'图像缩放＇)；％图像旋转A=［cos（pi/４）ｓｉn（pi／4）０；－sin(pi/4）ｃos（pi/４）0；0 ０1]; T＝makｅtｆoｒm(’affiｎｅ’，A);Z＝ｉmｔranｓform(X，T）；ｆｉgure,iｍｓhｏｗ(Z);title（＇图像旋转'）；％水平剪切Ａ=[１0 0；0、５ 1 0；0 0 1］；T=mａketfｏrm('affｉne’，A）；Z=iｍtrａnｓform（X，T）;figure，imsｈoｗ(Z）；tiｔlｅ（＇水平剪切＇)；％垂直剪切Ａ＝[10、50;0 1 0；0 0 1];T＝ｍaｋｅtforｍ（＇affｉｎe’,A）;Z=ｉmｔrａnsfoｒm(X,T）；figure，ｉmsｈow(Ｚ)；title(’垂直剪切’）；%水平镜像Ａ=［-１0 0；0 1 0;１0 1］;T=ｍakｅtform('ａffinｅ’，A）；Ｚ=imｔransfoｒm（X,Ｔ);ｆiguｒｅ，iｍｓｈow(Z);title（'水平镜像＇）;%垂直镜像A=［1 00；0 —1 ０;0 11]；T＝maketfｏrm（'affine'，A);Ｚ=iｍtｒａnsform（X，T）；ｆigure,imｓhｏw(Z);ｔitｌe（'垂直镜像＇)；五、实验结果图原图图像缩放图像旋转水平剪切垂直剪切水平镜像垂直镜像六、结果分析1．图像得平移。

实验报告几何变换实验实验报告：几何变换实验引言：几何变换是计算机图形学中的重要概念，它可以改变图像的形状、位置和大小。

在本次实验中，我们将通过对几何变换的实际操作，深入了解几何变换的原理和应用。

一、实验目的本次实验的主要目的是探究几何变换在图像处理中的应用，具体包括平移、旋转、缩放和翻转等几何变换操作。

通过实际操作和观察，我们将了解几何变换对图像的影响，并学习如何使用计算机编程实现这些变换。

二、实验材料和方法1. 实验材料：- 一台计算机- 图像处理软件（如Photoshop、GIMP等）- 编程软件（如Python、MATLAB等）2. 实验方法：- 步骤一：选择一张图片作为实验对象，并导入到图像处理软件中。

- 步骤二：使用图像处理软件进行平移操作，观察图像的位置变化。

- 步骤三：使用图像处理软件进行旋转操作，观察图像的旋转效果。

- 步骤四：使用图像处理软件进行缩放操作，观察图像的大小变化。

- 步骤五：使用图像处理软件进行翻转操作，观察图像的翻转效果。

- 步骤六：使用编程软件编写程序，实现上述几何变换操作，并观察结果。

三、实验结果与分析1. 平移操作：在实验中，我们发现通过平移操作，可以将图像在水平和垂直方向上进行移动。

通过调整平移的距离和方向，我们可以改变图像在画布上的位置。

这种操作常用于图像的对齐和拼接等应用中。

2. 旋转操作：旋转操作可以改变图像的角度和方向。

通过调整旋转的角度和中心点，我们可以使图像以不同的角度进行旋转。

这种操作常用于图像的矫正、仿射变换等应用中。

3. 缩放操作：缩放操作可以改变图像的大小。

通过调整缩放的比例，我们可以使图像变得更大或更小。

这种操作常用于图像的放大、缩小、裁剪等应用中。

4. 翻转操作：翻转操作可以改变图像的方向。

通过水平或垂直翻转，我们可以使图像在左右或上下方向发生镜像反转。

这种操作常用于图像的镜像处理、对称效果等应用中。

四、实验总结通过本次实验，我们深入了解了几何变换在图像处理中的应用。

实验报告实验名称:图像处理姓名:刘强班级:电信1102学号:1404110128实验一图像变换实验——图像点运算、几何变换及正交变换一、实验条件PC机数字图像处理实验教学软件大量样图二、实验目的1、学习使用“数字图像处理实验教学软件系统”,能够进行图像处理方面的简单操作;2、熟悉图像点运算、几何变换及正交变换的基本原理,了解编程实现的具体步骤;3、观察图像的灰度直方图,明确直方图的作用与意义;4、观察图像点运算与几何变换的结果,比较不同参数条件下的变换效果;5、观察图像正交变换的结果,明确图像的空间频率分布情况。

三、实验原理1、图像灰度直方图、点运算与几何变换的基本原理及编程实现步骤图像灰度直方图就是数字图像处理中一个最简单、最有用的工具,它描述了一幅图像的灰度分布情况,为图像的相关处理操作提供了基本信息。

图像点运算就是一种简单而重要的处理技术,它能让用户改变图像数据占据的灰度范围。

点运算可以瞧作就是“从象素到象素”的复制操作,而这种复制操作就是通过灰度变换函数实现的。

如果输入图像为A(x,y),输出图像为B(x,y),则点运算可以表示为:B(x,y)＝f[A(x,y)]其中f(x)被称为灰度变换(Gray Scale Transformation,GST)函数,它描述了输入灰度值与输出灰度值之间的转换关系。

一旦灰度变换函数确定,该点运算就完全确定下来了。

另外,点运算处理将改变图像的灰度直方图分布。

点运算又被称为对比度增强、对比度拉伸或灰度变换。

点运算一般包括灰度的线性变换、阈值变换、窗口变换、灰度拉伸与均衡等。

图像几何变换就是图像的一种基本变换,通常包括图像镜像变换、图像转置、图像平移、图像缩放与图像旋转等,其理论基础主要就是一些矩阵运算,详细原理可以参考有关书籍。

实验系统提供了图像灰度直方图、点运算与几何变换相关内容的文字说明,用户在操作过程中可以参考。

下面以图像点运算中的阈值变换为例给出编程实现的程序流程图,如下:2、图像正交变换的基本原理及编程实现步骤数字图像的处理方法主要有空域法与频域法,点运算与几何变换属于空域法。

数字图像处理上机实验报告实验名称：图像的几何变换（象素空间关系）学期：2014/2015上学期班级：电子信息工程1102姓名：陈玮学号：3110209424实验时间：2014.09.29实验一：图像的几何变换（象素空间关系）1 目的①了解MATLAB的基本功能，掌握采用MA TLAB进行图像处理的方法；②了解图像象素空间关系；③掌握基本坐标变换，包括平移，缩放，旋转等；④了解形态变换，掌握特殊的形态变换，包括相似变换，刚体变换，等距变换等2 器材装有MATLAB的PC机一台3 原理双线性内差值法：1.数学原理已知的红色数据点与待插值得到的绿色点假如我们想得到未知函数f在点P= (x,y) 的值，假设我们已知函数f在Q11 = (x1,y1)、Q12 = (x1,y2),Q21 = (x2,y1) 以及Q22 = (x2,y2) 四个点的值。

首先在x方向进行线性插值，得到R1和R2，然后在y方向进行线性插值，得到P.这样就得到所要的结果f(x,y).其中红色点Q11,Q12,Q21,Q22为已知的4个像素点.第一步：X方向的线性插值,插入蓝色第二步：做完X方向的插值后再做Y方向的点R1和R2. 插值,由R1与R2计算P点.x方向上Y方向上插入绿色点P.线性插值的结果与插值的顺序无关。

首先进行y方向的插值，然后进行x方向的插值，所得到的结果是一样的。

但双线性插值插值方法这种方法并不是线性的，首先进行y方向的插值，然后进行x 方向的插值，与首先进行x方向的插值，然后进行y方向的插值，所得到的R1与R2是不一样的。

如果选择一个坐标系统使得的四个已知点坐标分别为(0, 0)、(0, 1)、(1, 0) 和(1, 1)，那么插值公式就可以化简为f(x,y)=f(0,0)(1-x)(1-y)+f(0,1)(1-x)y+f(1,1)xy+f(1,0)x(1-y)在x与y方向上，z值成单调性特性的应用中，此种方法可以做外插运算，即可以求解Q1~Q4所构成的正方形以外的点的值。

线性灰度变换一、实验目的1结合实例学习如何在视频显示程序中增加图像处理算法；2理解和掌握图像的线性变换和直方图均衡化的原理和应用；3了解平滑处理的算法和用途，学习使用均值滤波、中值滤波和拉普拉斯锐化进行图像增强处理的程序设计方法；4 了解噪声模型及对图像添加噪声的基本方法。

二、实验原理1 灰度线性变换就是将图像中所有点的灰度按照线性灰度变换函数进行变换。

)],([),(y x f T y x g =⎪⎩⎪⎨⎧<≤+-<≤+-≤≤=255),(]),([),( ]),([),(0 ),(),(y x f b g b y x f b y x f a g a y x f a y x f y x f y x g b a γβαn y m x ,2,1 ,,,2,1==2 直方图均衡化通过点运算将输入图像转换为在每一级上都有相等像素点数的输出图像。

按照图像概率密度函数PDF 的定义：1,...,2,1,0 )(-==L k nn r p k k r 通过转换公式获得：1,...,2,1,0 )()(00-====∑∑==L k n n r p r T s k j k j j j r k k3 均值（中值）滤波是指在图像上，对待处理的像素给定一个模板，该模板包括了其周围的临近像素。

将模板中的全体像素的均值（中值）来代替原来像素值的方法。

4 拉普拉斯算子如下：⎥⎥⎥⎦⎤⎢⎢⎢⎣⎡--------111181111 拉普拉斯算子首先将自身与周围的8个像素相减，表示自身与周围像素的差异，再将这个差异加上自身作为新像素的灰度。

三、实验步骤1 启动MATLAB 程序，对图像文件分别进行灰度线性变换（参考教材57页，例4.1）、直方图均衡化（参考教材64页，例4.6）、均值滤波（参考教材69页，例4.9）、中值滤波（参考教材73页，例4.11）和梯度锐化操作（参考教材76页，例4.12）。

添加噪声，重复上述过程观察处理结果。

数字图像处理---图像的⼏何变换图像的⼏何变换图像的⼏何变换包括了图像的形状变换和图像的位置变换图像的形状变换图像的形状变换是指图像的放⼤、缩⼩与错切图像缩⼩图像的缩⼩是对原有的数据进⾏挑选或处理，获得期望缩⼩尺⼨的数据，并尽量保持原有的特征不消失分为按⽐例缩⼩和不按⽐例缩⼩两种最简单的⽅法是等间隔地选取数据图像缩⼩实现设原图像⼤⼩为M ∗N ,缩⼩为K 1M ∗K 2N (K 1<1,K 2<1)1. 设原图为F (i ,j ),i =1,2,...,M ,j =1,2,...,N ；压缩后地图像为G (x ,y ),x =1,2,...,k 1M ,y =1,2,...,k 2N2. G (x ,y )=F (c 1∗i ,c 2∗j );其中,c 1=1/k 1,c 2=1/k 2图像放⼤图像放⼤时对多出的空位填⼊适当的值，是信息的估计最简单的思想是将原图像中的每个像素放⼤为k ∗k 的⼦块图像放⼤实现设原图像⼤⼩为M ∗N ,缩⼩为K 1M ∗K 2N (K 1>1,K 2>1)1. 设原图为F (i ,j ),i =1,2,...,M ,j =1,2,...,N ；压缩后地图像为G (x ,y ),x =1,2,...,k 1M ,y =1,2,...,k 2N2. G (x ,y )=F (c 1∗i ,c 2∗j );其中,c 1=1/k 1,c 2=1/k 2图像错切图像错切变换实际上是平⾯景物在投影平⾯上的⾮垂直投影效果图像错切的数学模型x ′=x +d x y y ′=y(x ⽅向的错切,dx =tan θ)x ′=x y ′=y +d y x(y ⽅向的错切,dy =tan θ)图像的位置变换图像的位置变换是指图像的平移、镜像与旋转，即图像的⼤⼩和形状不发⽣变化主要⽤于⽬标识别中的⽬标配准图像平移公式：{{x ′=x +Δx y ′=y +Δy图像镜像图像镜像分为⽔平镜像和垂直镜像，即左右颠倒和上下颠倒公式：图像⼤⼩为M*Nx ′=x y ′=−y (⽔平镜像)x ′=−x y ′=y(垂直镜像)由于不能为负，因此需要再进⾏⼀次平移x ′=x y ′=N +1−y (⽔平镜像)x ′=M +1−xy ′=y(垂直镜像)图像旋转公式：x ′=xcos θ−ysin θy ′=xsin θ+ycos θ由于计算结果值所在范围与原有值不同，因此需要在进⾏扩⼤画布、取整、平移等处理画布扩⼤原则：以最⼩的⾯积承载全部的画⾯信息⽅法：根据公式x ′=xcos θ−ysin θy ′=xsin θ+ycos θ计算x ′min ,x ′max ,y ′min ,y ′max旋转后可能导致像素之间相邻连接不再连续，因此需要通过增加分辨率的⽅式填充空洞插值最简单的⽅式就是⾏插值(列插值)⽅法1. 找出当前⾏的最⼩和最⼤的⾮背景点坐标，记作:(i,k1)、(i,k2)2. 在(k1,k2)范围内进⾏插值，插值⽅法为空点的像素值等于前⼀点的像素值3. 重复上述操作直⾄没有空洞图像的仿射变换图像的仿射变换即通过通⽤的仿射变换公式，表⽰⼏何变换{{{{{{{齐次坐标原坐标为(x,y),定义齐次坐标为(wx,wy,w)实质上是通过增加坐标量来解决问题仿射变换通式通过齐次坐标定义仿射变换通式为x ′=ax +by +Δx y ′=cx +dy +Δy⇒x ′y ′=a b Δx c dΔyx y⼏何变换表⽰1. 平移x ′y ′1=10Δx 01Δy 001x y12. 旋转x ′y ′1=cos θ−sin θ0sin θcos θ0001x y 13. ⽔平镜像x ′y ′1=−10001001x y14. 垂直镜像x ′y ′1=1000−10001x y15. 垂直错切x ′y ′1=1d x 00−10001x y16. ⽔平错切x ′y ′1=100d y −10001x y1图像的⼏何校正由于图像成像系统的问题，导致拍摄的图⽚存在⼀定的⼏何失真⼏何失真分为{[][][][][][][][][][][][][][][][][][][][][]1. 系统失真:有规律的、可预测的2. ⾮系统失真：随机的⼏何校正的基本⽅法是先建⽴⼏何校正的数学模型，其次利⽤已知条件确定模型参数，最后根据模型对图像进⾏⼏何校正步骤：1. 图像空间坐标的变换2. 确定校正空间各像素的灰度值（灰度内插）途径：1. 根据畸变原因，建⽴数学模型2. 参考点校正法，根据⾜够多的参考点推算全图变形函数空间坐标变换实际⼯作中利⽤⼀幅基准图像f(x,y)，来校正失真图像g(x′,y′)根据⼀些控制点对，建⽴两幅图像之间的函数关系，通过坐标变换，以实现失真图像的⼏何校正两幅图像上的f(x,y)=g(x′,y′)时，称其为对应像素（同名像素）通过表达式x′=h1(x,y)y′=h2(x,y)表⽰两幅图像之间的函数关系通常⽤多项式x′=n∑i=0n−i∑j=0a ij x i y jy′=n∑i=0n−i∑j=0b ij x i y j来近似h1(x,y)、h2(x,y)当多项式系数n=1时，畸变关系为线性变换x′=a00+a10x+a01yy′=b00+b10x+b01y六个未知数需要⾄少三个已知点来建⽴⽅程式当多项式系数n=2时，畸变关系式为x′=a00+a10x+a01y+a20x2+a11xy+a02y2y′=b00+b10x+b01y+b20x2+b11xy+b02y2 12个未知数需要⾄少6个已知点来建⽴⽅程式当超过已知点数⽬超过要求时，通过最⼩⼆乘法求解n=2时多项式通式为B2∗n=H2∗6A6∗n(n为待求点数)B2∗n=x′1x′2⋯x′n y′1y′2⋯y′n{ []H 2∗6=a 00a 10a 01a 20a 11a 02b 00b 10b 01b 20b 11b 02A 6∗n =11⋯1x 1x 2⋯x n y 1y 2⋯y n x 21x 22⋯x 2n x 1y 1x 2y 2⋯x n y ny 21y 22⋯y 2n同名点对要求1. 数量多且分散2. 优先选择特征点直接法利⽤已知点坐标，根据x ′=h 1(x ,y )y ′=h 2(x ,y )⇒x =h ′1(x ′,y ′)y =h ′2(x ′,y ′)x =n ∑i =0n −i∑j =0a ′ij x ′i y′jy =n ∑i =0n −i∑j =0b ′ijx ′i y ′j解求未知参数；然后从畸变图像出发，根据上述关系依次计算每个像素的校正坐标，同时把像素灰度值赋予对应像素，⽣成校正图像由于像素分布的不规则，导致出现像素挤压、疏密不均等现象，因此最后还需要进⾏灰度内插，⽣成规则图像间接法间接法通过假定⽣成图像的⽹格交叉点，从⽹格交叉点(x,y)出发，借助已知点求取未知参数，根据x ′=n ∑i =0n −i∑j =0a ij x i y jy ′=n ∑i =0n −i∑j =0b ij x i y j推算⽹格交叉点(x,y)对应畸变图像坐标(x',y'),由于对应坐标⼀般不为整数，因此需要通过畸变图像坐标周围点的灰度值内插求解，作为⽹格交叉点(x,y)的灰度值间接法相对直接法内插较为简单，因此常采⽤间接法作为⼏何校正⽅法像素灰度内插最近邻元法最近邻元法即根据四邻域中最近的相邻像素灰度决定待定点灰度值该⽅法效果较佳，算法简单，但是校正后图像存在明显锯齿，即存在灰度不连续性双线性内插法[][]{{双线性内插法是利⽤待求点四个邻像素的灰度在两个⽅向上作线性内插该⽅法相较最近邻元法更复杂，计算量更⼤，但是没有灰度不连续的缺点，且具有低通滤波性质，图像轮廓较为模糊三次内插法三次内插法利⽤三次多项式S(x)来逼近理论最佳插值函数sin(x)/xS(x)=1−2|x|2+|x|30≤|x|<1 4−8|x|+5|x|2−|x|31≤|x|<20|x|≥2该算法计算量最⼤，但是内插效果最好，精度最⾼{Processing math: 100%。

实验报告课程名称数字图像处理实验名称图像的几何变换姓名__ 冯倩学号____201007120207_ 专业班级_ 数媒1002实验日期__2012_ 年_10 _月_18 日成绩_____ __ 指导教师___李湘娟_ 一、实验目的掌握图像平移、缩放、旋转与镜像变换；二、实验原理图像平移，自写平移函数immove.mfunction outImage=immove(inImage,Tx,Ty)[m, n] = size(inImage);%计算图象大小outImage = uint8(zeros(m+abs(Ty), n+abs(Tx)));if(Tx>0&&Ty>0) %往右下角平移的情况outImage(1+Ty:m+Ty,1+Tx:n+Tx) = inImage;else if(Tx<0&&Ty<0) %往左上角平移的情况outImage(1:m,1:n) = inImage;else if (Tx<0&&Ty>0) %往左下角平移的情况outImage(1+Ty:m+Ty,1:n) = inImage;else % 往右上角平移的情况outImage(1:m,1+Tx:n+Tx) = inImage;endendend主函数I=imread('C:\Documents and Settings\K46\桌面\1.jpg');J=rgb2gray(I);imshow(J);title('原图像');H=immove(J,100,-100);figure;imshow(H);title('平移后图像');B=immove(J,80,-50);figure;imshow(B);title('平移后图像');G=imresize(J,0.5);figure;imshow(G);title('缩放后图像');C=imresize(J,2);figure;imshow(C);title('缩放后图像');D=imrotate(J,30);figure;imshow(D);title('旋转后图像');E=imrotate(J,54);figure;imshow(E);title('旋转后图像');F = flipdim(J,1);figure;imshow(F);title('垂直镜像图像');G = flipdim(J,2);figure;imshow(G);title('水平镜像图像');三、实验环境Window 2000Matlab 7.0.1四、实验内容与步骤读取并显示一幅灰度图像；对原图像进行平移操作，调整平移参数，记录不同结果；对原图像进行缩放操作，调整缩放参数，将图像缩放至不同大小；对原图像进行旋转操作，调整角度参数，记录不同结果；对原图像进行水平镜像和垂直镜像操作。

实验三图像的几何变换一．实验目的及要求掌握图像几何变换的基本原理，熟练掌握数字图像的缩放、旋转、平移、镜像和转置的基本原理及其MATLAB编程实现方法。

二、实验内容（一）研究以下程序，分析程序功能；输入执行各命令行，认真观察命令执行的结果。

熟悉程序中所使用函数的调用方法，改变有关参数，观察试验结果。

1. 图像缩放clear all, close allI = imread('cameraman.tif');Scale = 1.35; % 将图像放大1.35倍J1 = imresize(I, Scale, 'nearest'); %using the nearest neighbor interpolationJ2 = imresize(I, Scale, 'bilinear'); %using the bilinear interpolationimshow(I), title('Original Image');figure, imshow(J1), title('Resized Image-- using the nearest neighbor interpolation ');figure, imshow(J2), title('Resized Image-- using the bilinear interpolation ');% 查看imresize使用帮助help imresizeCommand窗口显示如下：IMRESIZE Resize image.B = IMRESIZE(A, SCALE) returns an image that is SCALE times thesize of A, which is a grayscale, RGB, or binary image.B = IMRESIZE(A, [NUMROWS NUMCOLS]) resizes the image so that it hasthe specified number of rows and columns. Either NUMROWS or NUMCOLS may be NaN, in which case IMRESIZE computes the number of rows orcolumns automatically in order to preserve the image aspect ratio.[Y, NEWMAP] = IMRESIZE(X, MAP, SCALE) resizes an indexed image.[Y, NEWMAP] = IMRESIZE(X, MAP, [NUMROWS NUMCOLS]) resizes an indexed image.T o control the interpolation method used by IMRESIZE, add a METHODargument to any of the syntaxes above, like this:IMRESIZE(A, SCALE, METHOD)IMRESIZE(A, [NUMROWS NUMCOLS], METHOD),IMRESIZE(X, MAP, M, METHOD)IMRESIZE(X, MAP, [NUMROWS NUMCOLS], METHOD) METHOD can be a string naming a general interpolation method: 'nearest' - nearest-neighbor interpolation'bilinear' - bilinear interpolation'bicubic' - cubic interpolation; the default method METHOD can also be a string naming an interpolation kernel: 'box' - interpolation with a box-shaped kernel'triangle' - interpolation with a triangular kernel(equivalent to 'bilinear')'cubic' - interpolation with a cubic kernel(equivalent to 'bicubic')'lanczos2' - interpolation with a Lanczos-2 kernel'lanczos3' - interpolation with a Lanczos-3 kernelFinally, METHOD can be a two-element cell array of the form {f,w}, where f is the function handle for a custom interpolation kernel, andw is the custom kernel's width. f(x) must be zero outside the interval -w/2 <= x < w/2. Your function handle f may be called with a scalar or a vector input.You can achieve additional control over IMRESIZE by using parameter/value pairs following any of the syntaxes above. For example:B = IMRESIZE(A, SCALE, PARAM1, VALUE1, PARAM2, VALUE2, ...)Parameters include:'Antialiasing' - true or false; specifies whether to performantialiasing when shrinking an image. Thedefault value depends on the interpolationmethod you choose. For the 'nearest' method,the default is false; for all other methods,the default is true.'Colormap' - (only relevant for indexed images) 'original'or 'optimized'; if 'original', then theoutput newmap is the same as the input map.If it is 'optimized', then a new optimizedcolormap is created. The default value is'optimized'.'Dither' - (only for indexed images) true or false;specifies whether to perform colordithering. The default value is true.'Method' - As described above'OutputSize' - A two-element vector, [MROWS NCOLS],specifying the output size. One element maybe NaN, in which case the other value iscomputed automatically to preserve the aspectratio of the image.'Scale' - A scalar or two-element vector specifying theresize scale factors. If it is a scalar, thesame scale factor is applied to eachdimension. If it is a vector, it containsthe scale factors for the row and columndimensions, respectively.Examples--------Shrink by factor of two using the defaults of bicubic interpolation and antialiasing.I = imread('rice.png');J = imresize(I, 0.5);figure, imshow(I), figure, imshow(J)Shrink by factor of two using nearest-neighbor interpolation. (This is the fastest method, but it has the lowest quality.)J2 = imresize(I, 0.5, 'nearest');Resize an indexed image.[X, map] = imread('trees.tif');[Y, newmap] = imresize(X, map, 0.5);imshow(Y, newmap)Resize an RGB image to have 64 rows. The number of columns is computed automatically.RGB = imread('peppers.png');RGB2 = imresize(RGB, [64 NaN]);Note----The function IMRESIZE in previous versions of the Image ProcessingT oolbox used a somewhat different algorithm by default. If you need the same results produced by the previous implementation, call the function IMRESIZE_OLD.Class Support-------------The input image A can be numeric or logical and it must be nonsparse. The output image is of the same class as the input image. The inputindexed image X can be uint8, uint16, or double.See also imresize_old, imrotate, imtransform, tformarray.Reference page in Help browserdoc imresize执行程序所得结果如下：改变参数Scale =0.5得到图形结果如下：对以上实验结果，分析如下：通过查看命令窗口查看imresize函数的使用方法。