北京邮电大学《数字图像处理》第四次作业报告

数字图像处理实验指导书学院：通信与电子工程学院专业：电子信息工程班级：学号：姓名：XX理工大学实验一 MATLAB数字图像处理初步一、实验目的与要求1．熟悉及掌握在MATLAB中能够处理哪些格式图像。

2．熟练掌握在MATLAB中如何读取图像。

3．掌握如何利用MATLAB来获取图像的大小、颜色、高度、宽度等等相关信息。

4．掌握如何在MATLAB中按照指定要求存储一幅图像的方法。

5．图像间如何转化。

二、实验原理及知识点1、数字图像的表示和类别一幅图像可以被定义为一个二维函数f(x,y),其中x和y是空间(平面)坐标，f 在任何坐标处(x,y)处的振幅称为图像在该点的亮度。

灰度是用来表示黑白图像亮度的一个术语，而彩色图像是由单个二维图像组合形成的。

例如，在RGB彩色系统中，一幅彩色图像是由三幅独立的分量图像(红、绿、蓝)组成的。

因此，许多为黑白图像处理开发的技术适用于彩色图像处理，方法是分别处理三副独立的分量图像即可。

图像关于x和y坐标以及振幅连续。

要将这样的一幅图像转化为数字形式，就要求数字化坐标和振幅。

将坐标值数字化成为取样；将振幅数字化成为量化。

采样和量化的过程如图1所示。

因此，当f的x、y分量和振幅都是有限且离散的量时，称该图像为数字图像。

作为MATLAB基本数据类型的数值数组本身十分适于表达图像，矩阵的元素和图像的像素之间有着十分自然的对应关系。

图1 图像的采样和量化根据图像数据矩阵解释方法的不同，MA TLAB把其处理为4类：亮度图像(Intensity images)二值图像(Binary images)索引图像(Indexed images)RGB图像(RGB images)(1) 亮度图像一幅亮度图像是一个数据矩阵，其归一化的取值表示亮度。

若亮度图像的像素都是uint8类或uint16类，则它们的整数值范围分别是[0，255]和[0，65536]。

若图像是double类，则像素取值就是浮点数。

信息与通信工程学院数字图像处理实验报告班级：姓名：学号：彩色图像处理一．实验目的1.考虑下列500*500的RGB彩色图像，框的颜色如图所示，假定将该图像转换到HSI空间，用25*25的平均模板模糊H分量图像，再转换回RGB空间，会看到什么结果?（b）重复（a），只是这次处理的是S分量。

要求做实验，并简单分析结果2.对原始图像 Beauty.jpg进行彩色图像处理，使以下问题得到改善：（1）整个画面光线偏暗（2）画面在色彩上偏紫（3）皮肤上有很多的雀斑（4）右下角偏亮二．实验环境Windows7MATLAB R2012a三．实验思路实验1：（1）生成所需图像，框的颜色为绿红蓝绿；（2）将该RGB图像转换到HSI空间；（3）用25*25的平均模板模糊H分量图像，再转换回RGB空间，并观察此时图像的变化情况；（4）重复（2）（3），这次处理的是S分量，观察图像的变化情况。

实验2：（1）将原图像转化为double型；（2）提升原图像的整体亮度；（3）对原图像进行饱和度处理，使图片偏紫得到改善；（4）通过RGB平滑去除色斑；（5）通过find函数降低图片右下角的亮度；四．实验结果实验1：结果分析：H分量为与红轴的夹角，S分量为圆上的点到圆心的距离，I分量为高。

（1）理论上，对H做均值滤波时，S和I的值是不变的，若掩膜红蓝分量相同时，转化到RGB空间为绿色，若掩膜红绿分量相同时，转换到RGB空间时依次为为红黄绿，若掩膜蓝绿分量相同时，转换到RGB空间时依次为蓝青绿，若掩膜红绿蓝分量都有时，则转换到RGB空间时，依次为蓝青绿黄红，观察实验结果，与理论相同；（2）理论上，对S做均值滤波时，H,S和I分量的值都不变，做掩膜也不会影响这几个分量，因此转换到RGB空间上观察和原图结果相同，观察实验结果，与理论相同。

实验2：（1）原图像：（2）通过亮度提升完善原图偏暗的情况：（3）对图片进行饱和度调整，完善原图像偏紫的问题：（4）对图片进行RGB平滑，去除原图像中的色斑：（5）降低原图像右下角亮度，得到最终结果：五．实验中遇到的问题及解决办法（1）由于实验1相对简单，并未遇到大问题；（2）在做实验2的时候，直接对原图进行处理，导致程序不能执行，后来将原图修改为double型以后，成功解决了该问题；（3）在做实验2的时候，由于亮度提升太高，导致结果与预期相差很大，后来降低了亮度提升的幅度以后，解决了这个问题；（4）实验2的最终效果不是很好，想了很多办法也没有解决，希望老师可以在课上具体讲解一下。

数字图像处理实验报告实验二图像变换实验1．实验目的学会对图像进行傅立叶等变换，在频谱上对图像进行分析，增进对图像频域上的感性认识，并用图像变换进行压缩。

2．实验内容对Lena或cameraman图像进行傅立叶、离散余弦、哈达玛变换。

在频域，对比他们的变换后系数矩阵的频谱情况，进一步，通过逆变换观察不同变换下的图像重建质量情况。

3. 实验要求实验采用获取的图像，为灰度图像，该图像每象素由8比特表示。

具体要求如下：（1）输入图像采用实验1所获取的图像（Lena、Cameraman）；（2）对图像进行傅立叶变换、获得变换后的系数矩阵；（3）将傅立叶变换后系数矩阵的频谱用图像输出，观察频谱；（4）通过设定门限，将系数矩阵中95%的（小值）系数置为0，对图像进行反变换，获得逆变换后图像；（5）观察逆变换后图像质量，并比较原始图像与逆变后的峰值信噪比（PSNR）。

（6）对输入图像进行离散余弦、哈达玛变换，重复步骤1-5；（7）比较三种变换的频谱情况、以及逆变换后图像的质量（PSNR）。

4. 实验结果1. DFT的源程序及结果J=imread('10021033.bmp');P=fft2(J);for i=0:size(P,1)-1for j=1:size(P,2)G(i*size(P,2)+j)=P(i+1,j);endendQ=sort(G);for i=1:size(Q,2)if (i<size(Q,2)*0.95 && i+1>=size(Q,2)*0.95)t=Q(i);endendG(abs(G)<t)=0;for n=0:size(P,1)-1for m=1:size(P,2)W(n+1,m)= G(n*size(P,2)+m);endendf2=ifft2(W);f3=uint8(f2);axes(handles.axes2);imshow(f3)axes(handles.axes1);imshow(J)psnr1=psnr(J,f3);set(handles.text3,'string',psnr1);2. DCT的源程序及结果J=imread('10021033.bmp');P=dct2(J);for i=0:size(P,1)-1for j=1:size(P,2)G(i*size(P,2)+j)=P(i+1,j);endendQ=sort(G);for i=1:size(Q,2)if (i<size(Q,2)*0.95 && i+1>=size(Q,2)*0.95)t=Q(i);endendG(abs(G)<t)=0;for n=0:size(P,1)-1for m=1:size(P,2)W(n+1,m)= G(n*size(P,2)+m);endendf2=idct2(W);f3=uint8(f2);axes(handles.axes2);imshow(f3)axes(handles.axes1);imshow(J)psnr1=psnr(J,f3);set(handles.text3,'string',psnr1);3.哈达玛变换的源程序及结果J=imread('cat.jpg');J=rgb2gray(J);P=hadamard(512)*(im2double(J))*hadamard(512);for i=0:size(P,1)-1for j=1:size(P,2)G(i*size(P,2)+j)=P(i+1,j);endendQ=sort(G);for i=1:size(Q,2)if (i<size(Q,2)*0.5 && i+1>=size(Q,2)*0.5)t=Q(i);endendG(abs(G)<t)=0;for n=0:size(P,1)-1for m=1:size(P,2)W(n+1,m)= G(n*size(P,2)+m);endendf2=inv(hadamard(512))*W*inv(hadamard(512));mm1=max(max(f2));mn1=min(min(f2));f2=255+255/(mm1-mn1)*(f2-mm1);f3=uint8(f2);axes(handles.axes2);imshow(f3)axes(handles.axes1);imshow(J)psnr1=psnr(J,f3);set(handles.text3,'string',psnr1);3实验三图像复原实验1．实验目的利用反向滤波和维纳滤波进行降质图像复原，比较不同参数选择对复原结果的影响。

实验四空域滤波一，实验目的：实现图像的线性滤波和非线性滤波变换二，实验条件1，MATLAB软件2，典型的灰度，彩色图像。

三，实验原理均值滤波是在空间域对图象进行平滑处理的一种方法，易于实现，效果也挺好。

表达式的算法是由某像素领域内各点灰度值的平均值来代替该像素原来的灰度值。

最大（小）值滤波，中值滤波是一种非线性处理技术，能抑制图象中的噪声。

在处理之后，位于窗口正中的像素的灰度值，用窗口内各像素灰度值的最大（小），中值代替。

四，实验内容（1）线性滤波，自行编写程序，实现图像的均值滤波。

模板3*3,5*5,7*7。

（2）非线性滤波，自行编写程序，实现图像的统计序滤波，（最大（小）值，中值（median），滤波）模板3*3,5*5,7*7。

（3）将滤波前后的图像进行比较，分析其异同；将原图像加噪处理（imnoise）之后，再滤波处理，结果又如何五，实验步骤（1）线性滤波，实现图像的均值滤波。

模板3*3,5*5,7*7。

以下以3*3为例：代码大致思路如下：先对图片灰度矩阵除去四边后的部分进行计算。

然后对四边除去四角后进行计算，最后对四角进行计算。

鉴于这个方法比较繁琐麻烦，所以在非线性滤波程序中改用了别的方法处理3*3模板。

I=imread('a.jpg');J=rgb2gray(I);J=double(J);A0=zeros(287,287); %A0为线性变换后的图像for i=2:286 %对图片灰度矩阵除去四边后的部分进行计算for j=2:286A0(i,j)=(1/9)*(J(i-1,j-1)+J(i-1,j)+J(i-1,j+1)+J(i,j-1)+J(i,j)+J(i,j+1)+J(i+1,j-1)+J(i+1,j)+J(i+1,j+1));endendfor i=2:286 %对四边除去四角后进行计算A0(1,i)=(1/9)*(J(i,j-1)+J(i,j)+J(i,j+1)+J(i+1,j-1)+J(i+1,j)+J(i+1,j+1));A0(287,i)=(1/9)*(J(i-1,j-1)+J(i-1,j)+J(i-1,j+1)+J(i,j-1)+J(i,j)+J(i,j+1));A0(i,1)=(1/9)*(J(i-1,j)+J(i-1,j+1)+J(i,j)+J(i,j+1)+J(i+1,j)+J(i+1,j+1));A0(i,287)=(1/9)*(J(i-1,j-1)+J(i-1,j)+J(i,j-1)+J(i,j)+J(i+1,j-1)+J(i+1,j+1));endA0(1,1)=(1/9)*(J(i,j)+J(i,j+1)+J(i+1,j)+J(i+1,j+1)); %对四角进行计算A0(1,287)=(1/9)*(J(i,j-1)+J(i,j)+J(i+1,j-1)+J(i+1,j+1));A0(287,1)=(1/9)*(J(i-1,j)+J(i-1,j+1)+J(i,j)+J(i,j+1));A0(287,287)=(1/9)*(J(i-1,j-1)+J(i-1,j)+J(i,j-1)+J(i,j));imshow(A0);线性滤波的图像如图一所示：5010015020025050100150200250图一线性变换（2）非线性滤波，实现图像的统计序滤波，（最大（小）值，中值（median ）滤波）模板3*3,5*5,7*7。

数字图像处理作业技术报告一、分割结果二、分割方法（一）树干（二）落叶（三）绿色植被三、总结一、分割结果红色部分是树干，绿色部分是落叶地面，黄色部分是兰花科植物，洋红色为右上部分的树叶，蓝色为左上部分的树叶。

黑色部分主要是原图中白色的天空和地面，以及部分没有处理好的孔洞二、分割方法由于图片树干、落叶颜色比较接近，树叶、草丛颜色也非常接近，如果单纯从颜色出发无法识别各个部分。

树干的形状区别于图中其他部分，比较完整，颜色没有大的变动，通过边缘检测（canny算子），进行一些简单的处理就可以非常精确的提取出树干。

剩下的部分，落叶地面就可以通过颜色很容易提取出来。

余下的部分由于颜色非常一致，开始考虑使用纹理区分，但是吧图片分成144份，每部分120px*120px，通过灰度共生矩阵计算纹理特征，得到角二阶矩、反差分矩阵（下图），但是和图片纹理进行对比后发现效果不好。

之后考虑对图片（已经去除树干和落叶部分）直接进行二值化处理，进行膨胀、二次提取骨架、空洞填补，最后进行四次中值滤波，成功的将各部分区分开来。

通过区域生长得到兰花草部分，其他部分也得一成功分离出来。

对图片的具体分割提取过程如下（一）树干图中树干颜色相对于其他部分比较一致，将图片转为灰度图片，利用边缘提取函数检测边缘，使用canny算子，得到边缘二值图像。

结果如下。

树干部分比较明显的区别于背景。

对上面树干边缘图进行闭运算，填充植被的斑点，得到树干的轮廓图。

同时，由于树干的颜色特征比较明显，RGB分量比较接近，对捕获的树干图像进行颜色的判断，最终得到的树干图像如图，比较精确的将树干从图中提取了出来。

效果图如下（二）落叶落叶和树干具有相近的颜色域，但是和图中其他部分颜色差别非常大。

由于树干已经成功的提取出来，所以我只通过颜色将树干和落叶部分一起取出来，然后做一个减法，将树干部分去除，得到了落叶部分的大致区域但是杂质非常多，左上角的远距树叶影响非常明显。

精品资料
数字图像处理实验四
报告
........................................
贵州大学实验报告学院：专业：班级：
3、维纳滤波
复原公式：
如果噪声为0，则维纳滤波退化为逆滤波。

如果噪声功率谱和信号功率谱都是未知或不能估计时可近似为：实
验仪器计算机一台；Matlab软件
实验步骤1、编写逆滤波复原程序。

读取图像，人工产生一个模糊图像，通过逆滤波方法对该模糊复原。

人工产生一个模糊且带有噪声的图像，过逆滤波方法对该模糊复原。

比较无噪声和有噪声时逆滤波的复原效果。

计算复原后图像的PSNR。

MES1=abs(sum(sum((I-I2).^2))/(m*n)) %均方差PSNR1=20*log10(MAX/sqrt(MES1)) %峰值信噪比%计算维纳滤波复原后图像的PSNR
MES2=abs(sum(sum((I-I3).^2))/(m*n))
PSNR2=20*log10(MAX/sqrt(MES2))
注：各学院可根据教学需要对以上栏木进行增减。

表格内容可根据内容扩充。

北京航空航天大学数字图像处理实验报告实验四：图像分割处理学院专业方向班级学号学生姓名指导教师实验四图像分割处理实验1．实验目的（1）了解图像分割的基本原理，并利用图像分割算法进行图像分割处理；（2）掌握数学形态学的基本运算。

2．实验内容（1）利用类间方差阈值算法实现图像的分割处理；（2）利用形态学处理进行处理结果修正。

3. 实验要求（1）实验用图:（2）对输入图像进行平滑处理，以减小噪声对分割处理的影响；（3）利用类间方差阈值算法对滤波处理后图像进行分割处理，获取分割图像；（4）利用数学形态学中的腐蚀和膨胀运算处理，剔除分割处理结果中的一些细小的残余误分割点，在进行腐蚀和膨胀运算时可采用半径为r的圆形结构元素，注意比较选取不同r值时的处理结果。

四、实验代码function STshiyan4_OpeningFcn(hObject, eventdata, handles, varargin) I=imread('4.bmp');I=rgb2gray(I);subplot(3,3,1);imshow(I);title('原图像');IM=medfilt2(I);%中值滤波subplot(3,3,2);imshow(IM);title('中值滤波后图像');function pushbutton1_Callback(hObject, eventdata, handles)I1=imread('4.bmp');I1=rgb2gray(I1);T=Otsu(I1);IM1=medfilt2(I1);s=size(IM1);for m=1:s(1)for n=1:s(2)if IM1(m,n)>=TIM1(m,n)=255;elseIM1(m,n)=0;endendendsubplot(3,3,3);imshow(IM1);title('最大类间方差法');function pushbutton2_Callback(hObject, eventdata, handles) I = imread('4.bmp');%--------------r=1腐蚀--------------------------se1 = strel('disk',1,8);I1 = imerode(I,se1);subplot(3,3,4);imshow(I1);title('r=1的腐蚀运算');%--------------r=2腐蚀--------------------------se2 = strel('disk',2,8);I2 = imerode(I,se2);subplot(3,3,5);imshow(I2);title('r=2的腐蚀运算');%--------------r=3腐蚀--------------------------se3 = strel('disk',3,8);I3 = imerode(I,se3);subplot(3,3,6);imshow(I3);title('r=3的腐蚀运算');function pushbutton3_Callback(hObject, eventdata, handles) I = imread('4.bmp');%--------------r=1膨胀--------------------------se1 = strel('disk',1,8);I1 = imdilate(I,se1);subplot(3,3,7);imshow(I1);title('r=1的膨胀运算');%--------------r=2膨胀--------------------------se2 = strel('disk',2,8);I2 = imdilate(I,se2);subplot(3,3,8);imshow(I2);title('r=2的膨胀运算');%--------------r=3膨胀--------------------------se3 = strel('disk',3,8);I3 = imdilate(I,se3);subplot(3,3,9);imshow(I3);title('r=3的膨胀运算');五、实验结果程序运行后，进入到GUI页面，选择相应的按钮就可以显示相应的变换图像结果，如下:。

重庆科技学院《图像处理》课程大作业院（系）:_电气与信息工程学院_专业班级:计科1004 学生姓名:谢子洋学号: 2010441747 设计地点（单位） I515设计题目:数字图像处理大作业完成日期： 2012年月日指导教师评语: _____________________________________________________________________________________________________________________________________________________________________________________________成绩（五级记分制）:______ __________指导教师（签字）:________ ________1 大作业题目1.1连续图像f(x.y)和数字图像I(r,c)中各分量的含义是什么？他们有什么联系和区别？取值范围在什么范围？答：连续图像f（x，y）对应一个2-D数组，这里想x，y表示2D空间XY里面的坐标点的位置，f则表示图像在（x，y）的某种性质F的数值，其中图像的实际尺寸更具图像的实际大小所限制的。

数字图像I（r,c）也对应一个2-D数组，I代表离散化都的f，（r,c）代表离散化后的（x,y）,r代表图像的行，c代表图像的列，这里的I，r,c都是整数。

连续图像f（x,y）代表的连续实际图像，F是指图像在f的各个分量上的值。

例如：二值灰度值图像，其中f在x，y分量上只有0 和1 两个值。

这个也适用于rgb彩色图像。

一个函数可由n阶泰特公式展开，因此，数字图像虽然没有完全刻画Original图像，利用计数机高速度计算，将这个整体的Original图像分割，以点的值存储到相应的坐标点上。

其中 f（x，y）的值是任意实数，而 I, c，r的值都是整数1.2发光强度及亮度、照度各有什么不同？答：发光强度只指光源的能量辐射强度；亮度是指扩展光源在某个方向上的单位投影面积的发光强度；照度是指光源照射到母体表面的光通量，它是光源对物体辐射的一种量度。

数字图像处理实验报告（全答案解析）..实验⼀常⽤MATLAB图像处理命令⼀、实验⽬的1、熟悉并掌握MATLAB⼯具的使⽤；2、实现图像的读取、显⽰、代数运算和简单变换。

⼆、实验环境MATLAB 6.5以上版本、WIN XP或WIN2000计算机三、常⽤函数●读写图像⽂件1 imreadimread函数⽤于读⼊各种图像⽂件，如：a=imread('e:\w01.tif')2 imwriteimwrite函数⽤于写⼊图像⽂件，如：imwrite(a,'e:\w02.tif',’tif’)3 imfinfoimfinfo函数⽤于读取图像⽂件的有关信息，如：imfinfo('e:\w01.tif') ●图像的显⽰1imageimage函数是MATLAB提供的最原始的图像显⽰函数，如： a=[1,2,3,4;4,5,6,7;8,9,10,11,12]; image(a);2 imshowimshow函数⽤于图像⽂件的显⽰，如：i=imread('e:\w01.tif');imshow(i);title（‘原图像’）%加上图像标题3 colorbarcolorbar函数⽤显⽰图像的颜⾊条，如：i=imread('e:\w01.tif');imshow(i);colorbar;4 figurefigure函数⽤于设定图像显⽰窗⼝，如：figure(1)； /figure(2)；5 subplot把图形窗⼝分成多个矩形部分，每个部分可以分别⽤来进⾏显⽰。

Subplot（m，n，p）分成m*n个⼩窗⼝，在第p个窗⼝中创建坐标轴为当前坐标轴，⽤于显⽰图形。

6 plot绘制⼆维图形plot（y）Plot（x，y）xy可以是向量、矩阵。

图像类型转换1 rgb2gray//灰⾊把真彩图像转换为灰度图像i=rgb2gray（j）2 im2bw//⿊⽩通过阈值化⽅法把图像转换为⼆值图像I=im2bw（j，level）Level表⽰灰度阈值，取值范围0~1（即0.n），表⽰阈值取⾃原图像灰度范围的n%3 imresize改变图像的⼤⼩I=imresize（j，[m n]）将图像j⼤⼩调整为m⾏n列图像运算1 imadd两幅图像相加，要求同样⼤⼩，同种数据类型Z=imadd（x，y）表⽰图像x+y2 imsubstract两幅图像相减，要求同样⼤⼩，同种数据类型Z=imsubtract（x，y）表⽰图像x-y3 immultiplyZ=immultiply（x，y）表⽰图像x*y4 imdivideZ=imdivide（x，y）表⽰图像x/y5：m = imadjust(a,[,],[0.5;1]) ;%图像变亮n = imadjust(a,[,],[0;0.5]) ;%图像变暗g=255-a;%负⽚效果四、实验内容（请将实验程序填写在下⽅合适的位置，实验图像结果拷屏粘贴）1、读⼊⼀幅RGB图像，变换为灰度图像和⼆值图像，并在同⼀个窗⼝内分成三个⼦窗⼝来分别显⽰RGB图像和灰度图像，注上⽂字标题。

中国地质大学（武汉）数字图像处理上机实习（第四专题）姓名：班级序号：学号：指导老师：傅华明一、实验题目一、图象复原3，已知p03-03-01为原图象，p03-03-02为经过高通滤波以后的退化图象，请采用逆滤波方法，假设高通滤波器为（1）高斯滤波器（2）巴特沃茨滤波器。

每组滤波器采用3组高通截止频率。

并计算均方误差最小，说明那一组参数复原的图象复原效果最好？二、几何校正1，将图象p03-06-01修正为菱形三、图象重建（根据傅立叶反变换实施图象重建）图3二、实验内容0 0 0 0 0 0 0 0 0 0 0 0 0 0 00 0 0 0 0 0 0 0 0 0 0 0 0 0 00 0 0 1 1 1 1 1 1 1 1 0 0 0 00 0 1 1 1 1 1 1 1 1 1 1 0 0 00 0 1 1 0 0 0 0 0 0 1 1 0 0 00 0 1 1 0 0 0 0 0 0 0 0 0 0 00 0 1 1 0 1 1 1 1 1 1 1 1 0 00 0 1 1 0 1 1 1 1 1 1 1 1 0 00 0 1 1 0 0 0 0 0 1 1 0 0 0 00 0 1 1 0 0 1 1 0 1 1 0 0 0 00 0 1 1 0 0 1 1 0 1 1 0 0 0 00 0 1 1 1 1 1 0 0 1 1 0 0 0 00 0 0 1 1 1 0 0 0 1 1 0 0 0 00 0 0 0 0 0 0 0 0 0 0 0 0 0 00 0 0 0 0 0 0 0 0 0 0 0 0 0 0一、图象复原：已知p03-03-01为原图象，p03-03-02为经过高通滤波以后的退化图象，请采用逆滤波方法，假设高通滤波器为（1）高斯滤波器（2）巴特沃茨滤波器。

每组滤波器采用3组高通截止频率。

并计算均方误差最小，说明那一组参数复原的图象复原效果最好？（1）算法设计先进行傅立叶变换后低通滤波，再傅立叶反变换得到退化图象，再傅立叶变换，最后逆滤波。