数字图像处理上机实验报告

《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。

数字图像处理实验报告1. 引言数字图像处理是使用计算机来处理和优化图像的一种技术。

在本实验中，我们将探索几种常见的数字图像处理方法，并使用Python编程语言和相关库来实现。

2. 实验目的本实验的主要目的是：1.了解图像的基本特性和数字图像处理的基本原理；2.熟悉Python编程语言和相关图像处理库的使用；3.实现常见的图像处理算法并进行实验验证。

3. 实验方法在本实验中，我们使用Python编程语言和以下相关库来实现图像处理算法：•OpenCV：用于图像读取、显示和保存等基本操作；•Numpy：用于图像数据的处理和算术运算；•Matplotlib：用于图像的可视化和结果展示。

以下是实验涉及到的图像处理方法和步骤：1.图像读取和显示：使用OpenCV库读取图像，使用Matplotlib库显示图像；2.图像的灰度化：将彩色图像转换为灰度图像；3.图像的二值化：将灰度图像转换为黑白二值图像；4.图像的平滑处理：使用平滑滤波器对图像进行平滑处理，如均值滤波和高斯滤波；5.图像的边缘检测：使用边缘检测算法对图像进行边缘检测，如Sobel算子和Canny算子；6.图像的直方图均衡化：对灰度图像进行直方图均衡化，增强图像的对比度。

4. 实验过程和结果4.1 图像读取和显示首先，我们使用OpenCV库读取一张图像，并使用Matplotlib库显示该图像：import cv2import matplotlib.pyplot as plt# 读取图像img = cv2.imread('image.jpg')# 显示图像plt.imshow(cv2.cvtColor(img, cv2.COLOR_BGR2RGB)) plt.axis('off')plt.show()4.2 图像的灰度化接下来，我们将彩色图像转换为灰度图像：# 灰度化图像gray_img = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY) # 显示灰度图像plt.imshow(gray_img, cmap='gray')plt.axis('off')plt.show()4.3 图像的二值化然后，我们将灰度图像转换为黑白二值图像：# 二值化图像_, binary_img = cv2.threshold(gray_img, 128, 255, cv2.THRESH_BINARY)# 显示二值图像plt.imshow(binary_img, cmap='gray')plt.axis('off')plt.show()4.4 图像的平滑处理接下来，我们使用平滑滤波器对图像进行平滑处理，例如使用5x5的均值滤波器和高斯滤波器：# 均值滤波mean_img = cv2.blur(img, (5, 5))# 高斯滤波gaussian_img = cv2.GaussianBlur(img, (5, 5), 0) # 显示平滑处理后的图像plt.figure(figsize=(10, 5))plt.subplot(121)plt.imshow(cv2.cvtColor(mean_img, cv2.COLOR_BGR2R GB))plt.title('Mean Filter')plt.axis('off')plt.subplot(122)plt.imshow(cv2.cvtColor(gaussian_img, cv2.COLOR_B GR2RGB))plt.title('Gaussian Filter')plt.axis('off')plt.show()4.5 图像的边缘检测然后，我们使用边缘检测算法对图像进行边缘检测，例如使用Sobel算子和Canny算子：# 边缘检测sobel_img = cv2.Sobel(gray_img, cv2.CV_8U, 1, 1, ksize=3)canny_img = cv2.Canny(gray_img, 50, 150)# 显示边缘检测结果plt.figure(figsize=(10, 5))plt.subplot(121)plt.imshow(sobel_img, cmap='gray')plt.title('Sobel Operator')plt.axis('off')plt.subplot(122)plt.imshow(canny_img, cmap='gray')plt.title('Canny Operator')plt.axis('off')plt.show()4.6 图像的直方图均衡化最后，我们对灰度图像进行直方图均衡化，以增强图像的对比度：# 直方图均衡化equalized_img = cv2.equalizeHist(gray_img)# 显示直方图均衡化结果plt.imshow(equalized_img, cmap='gray')plt.axis('off')plt.show()5. 实验总结通过本实验，我们熟悉了数字图像处理的基本方法和步骤，并使用Python编程语言和相关库实现了图像的读取、显示、灰度化、二值化、平滑处理、边缘检测和直方图均衡化等操作。

《数字图像处理上机》实验报告班级:电信1101姓名:XXXXXX学号:0703110107数字图像处理上机实验1、实验目的了解matlab软件/语言，学会使用matlab的图像处理工具箱（Image Processing Toolbox）,使学生初步具备使用该软件处理图像信息的能力，并能够利用该软件完成本课程规定的其他实验和作业。

熟悉常用的图像文件格式与格式转换；熟悉图像矩阵的显示方法（灰度、索引、黑白、彩色）；熟悉图像矩阵的格式转换。

，学会使用MatLab对图像作滤波处理，使学生有机会掌握滤波算法，体会滤波效果。

了解几种不同滤波方式的使用和使用的场合，培养处理实际图像的能力.2、实验要求学生应当基本掌握matlab的操作，掌握matlab图像处理工具箱中最常用的函数用法。

练习图像读写命令imread和imwrite并进行图像文件格式之间的转换。

学生应当完成对于给定图像+噪声，使用平均滤波器、中值滤波器对不同强度的高斯噪声和椒盐噪声，进行滤波处理；能够正确地评价处理的结果；能够从理论上作出合理的解释。

3、实验内容及步骤1、图像的显示与格式转换（1）学习matlab的基本操作；（2）使用imread函数读入图像；（3）使用figure函数创建窗口；（4）使用image或imshow函数显示图像；（5）使用colorbar函数在图像的右侧显示图像的亮度条。

2、图像的滤波(1) 考察平均滤波器对高斯噪声污染的图象去噪效果；(2) 考察中值滤波器对高斯噪声污染的图象去噪效果；(3) 考察平均滤波器对椒盐噪声污染的图象去噪效果；(4) 考察中值滤波器对椒盐噪声污染的图象去噪效果。

(5) 考察滤波器模板大小对平均滤波器滤波效果的影响；(6) 考察滤波器模板大小对中值滤波器滤波效果的影响；3、图像的频域变换在Matlab workspace中生成一幅大小为256×256像素的8位灰度图, 背景为黑色，中心有一个宽80像素高40像素的白色矩形。

数字图像处理实习报告
本次实习主要任务是进行数字图像处理相关工作，包括图像的预处理、特征提取、图像分割和图像识别等方面的工作。

实习过程中，我主要负责了图像处理算法的编写与优化，以及实验数据的收集与分析。

通过这次实习，我对数字图像处理技术有了更深入的了解，并且提升了自己的编程能力和团队协作能力。

在图像处理算法的编写与优化过程中，我主要使用了Python
语言和常用的图像处理库，如OpenCV和PIL等。

我研究了不同的图像处理算法，并对其进行了实验验证，优化了算法的性能和效果。

通过这些工作，我深入了解了图像处理算法的实现原理和优化方法，提升了自己在图像处理领域的技术水平。

在实验数据的收集与分析过程中，我主要负责了实验数据的采集和整理工作。

我使用了各种图像采集设备，包括相机、摄像头等，对不同场景下的图像进行了采集和整理。

然后我利用Python和Matlab等工具对实验数据进行了分析和结果展示，
为后续的图像处理算法提供了重要的支持和参考。

总的来说，这次实习让我对数字图像处理有了更深入的了解，提升了自己的技术能力和实践能力。

我在实习过程中遇到了不少困难和挑战，但通过团队合作和自我努力，最终都得以克服，取得了一定的成果。

通过这次实习，我深刻地感受到了数字图像处理技术的重要性和广阔的应用前景，也对自己未来的发展方向有了更清晰的认识。

希望通过这次实习的经历，我能够为将来的学习和工作打下坚实的基础。