当前位置：文档之家 › 昆明理工大学数字图像处理课程综合报告(大作业)

昆明理工大学数字图像处理课程综合报告(大作业)

  • 格式：docx
  • 大小：4.37 MB
  • 文档页数：45

数字图像处理课程综合报告学生姓名：xxx学号：2012xxxxxxxx学院：理学院专业年级：2012级电子信息科学与技术指导老师：桂进斌目录实验二：反色与二值化： (3)实验三：灰度变换 (5)线性变化 (8)指数变化 (9)对数变换 (11)实验四：图像几何变换 (12)图像平移 (15)图像旋转 (17)水平镜像 (20)垂直镜像 (21)实验五：直方图均衡化 (22)实验六：图像的平滑与锐化 (25)均值滤波 (27)中值滤波 (29)梯度锐化 (32)Sobel算子锐化 (33)实验七：彩色图像处理 (34)读取R分量 (34)读取G分量 (36)读取B分量 (38)实验八：图像频域高通和低通滤波变换 (40)低通滤波 (41)高通滤波 (44)实验二：反色与二值化：图像的反色就是依次求出每个像素点的补色，由于用的是256位的图像，所以只需要使用255减去原本像素的色值即可。

图像的二值化，就是将图像上的像素点的灰度值设置为0或255，也就是将整个图像呈现出明显的只有黑和白的视觉效果。

在实验前期开发环境框架的搭建中就已经拿到图像在内存中的首地址存于Imgdata指针中，并开辟了一个用于存放处理后数据的内存空间Imgdata_tmp。

在以后的图像处理算法中只需要直接对Imgdata指向的数据进行处理，并把处理结果存放在Imgdata_tmp中即可。

实现代码：void MyBmp::Binaryzation(CDC *pDC){//binaryzation二值化if(m_DibHead==NULL)MessageBox(NULL,"获取文件头失败！","错误",MB_OK);if(m_hPalette!=NULL){HDC hdc=pDC->GetSafeHdc();::SelectPalette(hdc,m_hPalette,TRUE);}pDC->SetStretchBltMode(COLORONCOLOR);int x = m_DibHead->biWidth;int y = m_DibHead->biHeight;TmpBmp = new unsigned char[m_ImageSize];memset(TmpBmp,255,x*y);char temp;int ccc = 0;for (int i = 0;i<y; ++i)//行数for (int j = 0;j<x;++j){ccc++;temp = *(m_Image+i*x+j);if ((10*temp+10)>=255){TmpBmp[i*x+j] = (char)255;}elseTmpBmp[i*x+j] = 0;}//memcpy(m_Image,TmpBmp,x*y);二值化效果：char temp;for (int i = 0;i<y; ++i)//行数for (int j = 0;j<x;++j){temp = m_Image[i*x+j];TmpBmp[i*x+j] = 255 - temp;}//memcpy(m_Image,TmpBmp,x*y);::StretchDIBits(pDC->GetSafeHdc(),500,0,((400<=(m_DibHead->biW idth))?400:(m_DibHead->biWidth)),((400<=(m_DibHead->biHeight))?400:(m_DibHead->biHeight)),0,0, m_DibHead->biWidth,m_DibHead->biHeight,TmpBmp,(LPBITMAPINFO)m_DibHead,DIB_RGB_COLORS,SRCCOPY);delete[] TmpBmp;TmpBmp = NULL;}反色效果：实验三：灰度变换灰度线性变换是灰度变换的一种，图像的灰度变换通过建立灰度映射来调整源图像的灰度从而达到图像增强的目的。

灰度映射通常是用灰度变换曲线来表示的，如图 7所示。

灰度线性变换就是将图像的像素值通过指定的线性函数进行变换，以此增强或者减弱图像的灰度。

灰度线性变换的公式就是常见的一维线性函数：g(x, y)=kf(x, y)+d设x为原始灰度值，则变换后的灰度值y为：也可以在坐标系中表示转化关系，如图 7所示。

图 7 灰度线性变换图 7坐标中的横轴表示输入灰度值，范围是0至 255；纵坐标表示输出灰度值，范围同样是0至255；直线则为线性变换函数的图形。

如果将输入灰度值作为自变量x，则输出的灰度值就是函数y=T(x) 的运算结果。

对于线性变换而言，有T(x)=kx+d。

例如图 7中的变换函数为T(x)=x，即原公式中的k=1，d=0。

由数学知识可以知道k表示直线的斜率，也就是倾斜程度；d为线性函数在y 轴的斜率。

下面通过讨论k的取值来分析灰度线性变换的效果。

1）当k>1时此时可用于增加图像的对比度。

图像的像素值在变换后全部增大，整体显示效果被增强，如图 8所示。

图 8 变换后的图像、对应变换函数和直方图可以看到，图像经过变换后，其灰度分布被拉伸了。

读者可以与图 1中的直方图进行比较。

2）当k=1时这种情况常用于调节图像亮度。

亮度的调节就是让图像的各像素值都增加或者减少一定量。

这种情况下可以通过改变d的值达到增加或者减少图像亮度的目的，如图 9所示。

图 9 利用线性变换改变图像亮度可以看到，当d>0时图像亮度增加，反之则减少。

对应直方图的显示效果是灰度分布整体向右或者向左平移。

3）当0<k<1时效果与k>1 时刚刚相反，图像的对比度和整体效果都被削弱。

从图 10中的直方图可以看到，灰度分布被集中在一段区域上。

k越小，图像的灰度分布越窄，图像看起来也就越偏灰色。

图 10 利用线性变换改变图像对比度4）当k<0时在这种情况下，源图像较亮的区域变暗，而较暗的区域会变亮。

此时可以使函数中的k=-1，d=255让图像实现反色效果，如图 11所示。

图11 利用线性变换让图像反色代码实现线性变化MyBmp::LinearTrans(CDC *pDC,int a,int b){//LinearTrans线性变化if(m_DibHead==NULL)MessageBox(NULL,"获取文件头失败！","错误",MB_OK);if(m_hPalette!=NULL){HDC hdc=pDC->GetSafeHdc();::SelectPalette(hdc,m_hPalette,TRUE);}pDC->SetStretchBltMode(COLORONCOLOR);int x = m_DibHead->biWidth;int y = m_DibHead->biHeight;TmpBmp = new unsigned char[m_ImageSize];memset(TmpBmp,255,x*y);for (int i = 0;i<y; ++i)//行数for (int j = 0;j<x;++j){if ((a*m_Image[i*x+j]+b)>=255){TmpBmp[i*x+j] = 255;}elseTmpBmp[i*x+j] = a*m_Image[i*x+j]+b;}//memcpy(m_Image,TmpBmp,x*y);::StretchDIBits(pDC->GetSafeHdc(),500,0,((400<=(m_DibHead->biW idth))?400:(m_DibHead->biWidth))线性变换效果：指数变化memset(TmpBmp,255,x*y);for (int i = 0;i<y; ++i)//行数for (int j = 0;j<x;++j){double e = a;int m = m_Image[i*x+j];if ( (pow( e,m ))>=255 ){TmpBmp[i*x+j] = 255;}elseTmpBmp[i*x+j] = 100*pow( 1.0,m);}//memcpy(m_Image,TmpBmp,x*y);::StretchDIBits(pDC->GetSafeHdc(),500,0,((400<=(m_DibHead->biW idth))?400:(m_DibHead->biWidth)),((400<=(m_DibHead->biHeight))?400:(m_DibHead->biHeight)),0,0, m_DibHead->biWidth,m_DibHead->biHeight,TmpBmp,(LPBITMAPINFO)m_DibHead,DIB_RGB_COLORS,SRCCOPY);delete[] TmpBmp;TmpBmp = NULL;}指数变换效果：对数变换void MyBmp::Log10(CDC *pDC){if(m_DibHead==NULL)MessageBox(NULL,"获取文件头失败！","错误",MB_OK);if(m_hPalette!=NULL){HDC hdc=pDC->GetSafeHdc();::SelectPalette(hdc,m_hPalette,TRUE);}pDC->SetStretchBltMode(COLORONCOLOR);int x = m_DibHead->biWidth;int y = m_DibHead->biHeight;TmpBmp = new unsigned char[m_ImageSize];memset(TmpBmp,255,x*y);for (int i = 0;i<y; ++i)//行数for (int j = 0;j<x;++j){float m = m_Image[i*x+j]*1.0;TmpBmp[i*x+j] =50*log( static_cast<float>(m_Image[i*x+j]) );}//memcpy(m_Image,TmpBmp,x*y);::StretchDIBits(pDC->GetSafeHdc(),500,0,((400<=(m_DibHead->biW idth))?400:(m_DibHead->biWidth)),((400<=(m_DibHead->biHeight))?400:(m_DibHead->biHeight)),0,0, m_DibHead->biWidth,m_DibHead->biHeight,TmpBmp,(LPBITMAPINFO)m_DibHead,DIB_RGB_COLORS,SRCCOPY);delete[] TmpBmp;TmpBmp = NULL;}对数变换效果：实验四：图像几何变换图像几何变换的一般表达式：[u,v]为变换后图像像素的笛卡尔坐标，[x,y]为原始图像中像素的笛卡尔坐标。

合集下载

《数字图像处理》期末大作业(1)

《数字图像处理》期末大作业(1)

《数字图像处理》期末大作业大作业题目及要求：一、题目：本门课程的考核以作品形式进行。

作品必须用Matlab完成。

并提交相关文档。

二、作品要求：1、用Matlab设计实现图形化界面，调用后台函数完成设计，函数可以调用Matlab工具箱中的函数，也可以自己编写函数。

设计完成后，点击GUI图形界面上的菜单或者按钮，进行必要的交互式操作后，最终能显示运行结果。

2、要求实现以下功能：每个功能的演示窗口标题必须体现完成该功能的小组成员的学号和姓名。

1）对于打开的图像可以显示其灰度直方图，实现直方图均衡化。

2）实现灰度图像的对比度增强，要求实现线性变换和非线性变换（包括对数变换和指数变换）。

3）实现图像的缩放变换、旋转变换等。

4）图像加噪（用输入参数控制不同噪声），然后使用空域和频域进行滤波处理。

5）采用robert算子，prewitt算子，sobel算子，拉普拉斯算子对图像进行边缘提取。

6）读入两幅图像，一幅为背景图像，一幅为含有目标的图像，应用所学的知识提取出目标。

3、认真完成期末大作业报告的撰写，对各个算法的原理和实验结果务必进行仔细分析讨论。

报告采用A4纸打印并装订成册。

附录：报告模板《数字图像处理》期末大作业班级：计算机小组编号：第9组组长：王迪小组成员：吴佳达浙江万里学院计算机与信息学院2014年12月目录（自动生成）1 绘制灰度直方图，实现直方图均衡化 (5)1.1 算法原理 (5)1.2 算法设计 (5)1.3 实验结果及对比分析 (5)2 灰度图像的对比度增强 (5)2.1 算法原理 (5)2.2 算法设计 (5)2.3 实验结果及分析 (5)3 图像的几何变换 (5)3.1 算法原理 (5)3.2 算法设计 (5)3.3 实验结果及分析 (5)4 图像加噪（用输入参数控制不同噪声），然后使用空域和频域进行滤波处理 (5)4.1 算法原理 (5)4.2 算法设计 (6)4.3 实验结果及分析 (6)5 采用robert，prewitt，sobel，拉普拉斯算子对图像进行边缘提取 (6)5.1 算法原理 (6)5.2 算法设计 (6)5.3 实验结果及分析 (6)6 读入两幅图像，一幅为背景图像，一幅为含有目标的图像，应用所学的知识提取出目标 (6)6.1 算法原理 (6)6.2 算法设计 (6)6.3 实验结果及分析 (6)7 小结（感受和体会） (6)1 绘制灰度直方图，实现直方图均衡化1.1 算法原理图像增强是指按特定的需要突出一幅图像中的某些信息，同时，消弱或去除某些不需要的信息的处理方法。

昆明理工大学数字图像处理期末报告范文

昆明理工大学数字图像处理期末报告范文

昆明理工大学数字图像处理期末报告范文数字图像处理期末大作业用自己拍摄的图像，完成以下作业：作业一、MATLAB图像处理基本操作一、实验目的掌握MATLAB语言中图象数据与信息的读取方法；掌握图像灰度调整。

二、实验要求用Matlab语言完成如下实验：1）打开一个BMP文件2）将其局部区域的灰度值进行改变3）另存为一个新的BMP文件三、程序源代码clearall;I=imread('lab1.bmp');%读入原图像ubplot(1,2,1);imhow(I);%显示原始图像title('原始BMP图像');J=imadjut(I,[0.3,0.7],[]);%调整图像灰度值imwrite(J,'newlab1.bmp');%另存为新图像ubplot(1,2,2);imhow(J);%显示局部灰度改变后的图像title('局部灰度改变后的图像');四、实验结果五、实验总结通过本次实验，我学习了使用MATLAB进行图像的读入读出操作，以及对图像选中区域的灰度进行改变。

初步熟悉了MATLAB工具软件对图像处理的应用。

作业二、图像高通、低通滤波一、实验目的学会用Matlab软件对图像傅里叶变换。

对图像进行低、高通滤波，观察频谱和图像变化。

二、实验内容Matlab编程实现图像傅立叶高通、低通滤波，给出算法原理及实验结果。

三、实验原理低通滤波器：容许低频信号通过，但减弱（或减少）频率高於截止频率的信号的通过。

用在绘制长期走势或均化。

高通滤波器：容许高频信号通过、但减弱（或减少）频率低於截止频率信号通过的滤波器。

强调细节。

四、程序源代码1）傅里叶高通滤波：源程序为：clearall;I=imread('lab2.jpg');I=rgb2gray(I);figure(1),imhow(I);title( '原图像');=ffthift(fft2(I));[a,b]=ize();a0=round(a/2);b0=round(b/2);d=1 0;p=0.2;q=0.5;fori=1:aforj=1:bditance=qrt((i-a0)^2+(j-b0)^2);ifditance<=dh=0;eleh=1;end;(i,j)=(p+q某h)某(i,j);end;end;=uint8(real(ifft2(iffthift())));figure(2);imhow();title('高通滤波所得图像');2）傅里叶低通滤波：源程序为：clearall;I=imread('lab2.jpg');I=rgb2gray(I);figure(1),imhow(I);title( '原图像');=ffthift(fft2(I));[a,b]=ize();a0=round(a/2);b0=round(b/2);d=1 0;fori=1:aforj=1:bditance=qrt((i-a0)^2+(j-b0)^2);ifditance<=dh=1;eleh=0;end;(i,j)=h某(i,j);end;end;=uint8(real(ifft2(iffthift())));figure(2);imhow();title('低通滤波所得图像');五、实验结果六、实验总结通过这次实验，我熟悉了MATLAB编程结构，学会使用MATLAB提供的库函数进行图像傅里叶变化。

图像处理实验4

图像处理实验4

昆明理工大学信息工程与自动化学院学生实验报告（2016—2017学年第一学期）课程名称：数字图像基础开课实验室：445 2016年11月 28日一、实验目的及内容目的：掌握和熟悉空域滤波的基本原理及方法。

内容：1.调试教材P47页例2.8，掌握函数imfilter的使用。

2.调试教材P53页例2.11。

可以看出中心为-8的拉普拉斯滤波器得到的结果比中心为-4的拉普拉斯滤波器更清晰，基于这个例子完成下一题。

3.写一个M函数，该函数生成任意奇数尺寸的拉普拉斯滤波器，拉普拉斯滤波器的边长由该函数的参数n指定。

例如n=3时生成上题中中心为-8，周围为1的3×3拉普拉斯滤波器；若n=5，则生成中心为-24，周围为1的5×5的拉普拉斯滤波器。

4.使用上题的函数，分别采用n=3，5，9，15和25得到的5个拉普拉斯滤波器对教材P53页图2.18（a）进行拉普拉斯锐化处理，并比较结果。

5.（1）调试教材P54页例2.12；（2）学习教材P53页ordfilt2函数的使用，利用ordfilt2函数分别实现一个3×3邻域的最小滤波器、中值滤波器和最大滤波器，并对教材P54页图2.19（b）的噪声图像进行去噪处理，比较三个非线性滤波器的去噪效果。

二、要求1.对于程序调试题，在报告中给出调试运行的代码及运行结果，并对运行结果进行说明。

2.对于程序设计题（第3、4题），在报告中描述程序的设计思想、实现（代码）和结果，并对结果进行分析。

3.程序的源代码及实验报告的电子版，打包后于12月4日（周日）晚上0点前发送到马颢瑄同学邮箱：mahaoxuan123@三、结果1.代码：f=imread('C:\Documents and Settings\student\桌面\test4\Fig0216(a).tif');f=im2double(f);subplot(2,3,1);imshow(f);title('a');w=ones(31);gd=imfilter(f,w);subplot(2,3,2);imshow(gd,[]);title('b');gr=imfilter(f,w,'replicate');subplot(2,3,3);imshow(gr,[]);title('c');gs=imfilter(f,w,'symmetric');subplot(2,3,4);imshow(gs,[]);title('d');gc=imfilter(f,w,'circular');subplot(2,3,5);imshow(gc,[]);title('e');f8=im2uint8(f);g8r=imfilter(f8,w,'replicate');subplot(2,3,6);imshow(g8r,[]);title('f');实验结果：2.代码：f=imread('C:\Documents and Settings\student\桌面\test4\moon1.tif'); w4=fspecial('laplacian',0);w8=[1 1 1;1 -8 1;1 1 1];f=tofloat(f);g4=f-imfilter(f,w4,'replicate');g8=f-imfilter(f,w8,'replicate');subplot(1,3,1);imshow(f);title('a');subplot(1,3,2);imshow(g4);title('b');subplot(1,3,3);imshow(g8);title('c');实验结果：3.设计：先创建申请n个的全1矩阵，中心位置用四舍五入法的ceil函数，然后用-1*(n*n-1)公式算出中心位置的值代码：function gn = laplaciann(f,n)%UNTITLED3 Summary of this function goes here% Detailed explanation goes heref=imread('C:\Documents and Settings\student\桌面\test4\moon1.tif');w=ones(n);x=ceil(n/2);w(x,x)=-1*(n*n-1);gn=f-imfilter(f,w,'replicate');subplot(1,2,1);imshow(f);subplot(1,2,2);imshow(gn);end实验结果：4. n=3n=5n=9n=15比较结果：n值越大，图片纹理越清晰。

数字图像处理大作业-昆明理工大学-尚振宏

数字图像处理大作业-昆明理工大学-尚振宏

数字图像基础课程名称：数字图像基础学院：信息工程与自动化学院专业年级： 2010级计算机系班学号： 2010104052 学生姓名：指导教师：尚振宏日期： 2013-6-11目录目录 (1)1前言 (2)2图像分割的方法简介 (3)2.1迭代法 (3)2.2类间最大距离法 (3)2.3最大熵法 (4)2.4最大类内类间方差比法 (4)2.5局部阈值法 (5)2.6均匀性度量法 (6)3简单算法及其实现 (6)3.1最优阈值算法 (6)3.2 Canny算法 (8)4、试验对比 (10)4.1迭代法试验对比 (10)4.2类间最大距离法试验对比 (10)4.3最大熵法试验对比 (11)4.4最大类内类间方差比法试验对比 (11)4.5局部阈值法试验对比 (12)4.6均匀性度量法试验对比 (12)5、总结体会 (13)6、参考文献 (13)7、附录 (14)7.1迭代法代码 (14)7.2类间最大距离法代码 (14)7.3最大熵法代码 (15)7.4最大类内类间方差比法代码 (16)7.5局部阈值法代码 (18)7.6均匀性度量法代码 (18)1、前言图像分割是图像处理中的一项关键技术，自20世纪70年代起一直受到人们的高度重视，至今已提出上千种分割算法，但因尚无通用的分割理论，现提出的分割算法大都是针对具体问题的，并没有一种适合所有图像的通用分割算法。

另外，还没有制定出选择适用分割算法的标准，这给图像分割技术的应用带来许多实际问题。

最近几年又出现了许多新思路、新方法或改进算法。

总的来说，图像分割是图像识别和图像分析的基本前提步骤，图像分割的质量好坏直接影响后续图像处理的效果，甚至决定成败。

因此，图像分割在数字图像处理技术中占有非常重要的地位。

图像分割时指将一副图像分解为若干互不交叠的、有意义的、具有相同性质的区域。

好的图像分割应具备以下特征：⑴分割出来的各个区域对某种特性（例如灰度和纹理）而言具有相似性，区域内部是连通的且没有过多小孔。