数字图像处理实验报告空域图像增强技术

实验一图像增强实验一、实验目标：掌握图像增强的算法。

二、实验目的：1. 了解灰度变换增强和空域滤波增强的Matlab实现方法2. 掌握直方图灰度变换方法3. 掌握噪声模拟和图像滤波函数的使用方法三、实验内容：（1）图像的点操作、邻域操作算法。

（2）图像的直方图处理算法。

四、实验设备：1．PIII以上微机； 2．MATLAB6.5；五、实验步骤：（1）读入图像：用matlab函数实现图像读入（可读入Matlab中的标准测试图像）(原始图像)（2）实现图像点操作运算（如gamma校正，对数校正等）（3）实现图像的邻域处理（实现均值滤波，拉普拉斯滤波）（4）实现直方图均衡处理matlab 源程序clear all;clc;f=imread('girl_noise.jpg');figure,imshow(f),title('原始图像');[m,n]=size(f);f0= im2double(f); % 整型转换为double 类f1=f0;std_i=zeros(1,m-2);%灰线处理for i=2:m-1%灰线处理std_i(i-1)=std(f0(i,:));if(std_i(i-1)<0.1)for j=1:mf0(i,j)=(f0(i-1,j)+f0(i+1,j))/2;endendendfigure,imshow(f0),title('滤除灰线后的图像');fz=f0-f1;[r,c]=find(fz~=0);%寻找灰线噪声的位置f2=f0;change=0;count=0;for i=3:m-2%白线处理for j=1:mif(abs(f0(i,j)-f0(i-1,j))>0.2&&abs(f0(i,j)-f0(i+1,j))>0.2) count=count+1;endif(count>n*0.8)count=0;change=1;break;endendif(change==1)for k=1:mf0(i,k)=(f0(i-1,k)+f0(i+1,k))/2;endchange=0;count=0;endendfigure,imshow(f0),title('滤除白线后的图像');fz1=f2-f0;[r1,c1]=find(fz1~=0); %寻找白线噪声的位置fn = medfilt2(f0); %反射对称填充figure, imshow(fn),title('中值滤波后的图像');f0 = im2double(fn); % 整型转换为double 类g =2*f0- imfilter(f0,w4, 'replicate'); % 增强后的图像figure, imshow(g),title('高提升滤波图像(A=2)');图像处理结果六、结果分析从上面结果可以看出，带状噪声处理部分，已经基本将带状噪声去除。

一、实验名称：空域图像增强二、实验目的：掌握Matlab语言图像工具箱中空域图像增强的实现三、实验要求：在掌握图像灰度调整、直方图修正和图像锐化的指令基础上，编写程序实现图像的灰度变换，直方图均衡和图像锐化的处理四、实验仪器和设备：计算机，Matlab软件五、实验原理：1、亮度变换S=T(r)点对点的变换（灰度级对灰度级的变换）matlab函数：imadjust()亮度变换的基本函数g=imadjust(f,[low in high in],[low out high out],gamma); low in and high in 参数分别指定输入图像需要映射的灰度空间范围，low out 和high out 参数分别指定输出图像所在的灰度范围。

GAMMA表示曲线的形状，描述输入输出图像之间的关系。

如果GAMMA小于1，则映射的权重趋势向更亮输出，如果GAMMA大于1，则趋向更暗的输出。

默认值为1。

2、直方图均衡化直方图是多种空间域处理技术的基础，能有效用于图像增强，是实时图像处理的流行工具，直方图均衡化的目的是使图像在整个灰度值动态变化范围内分布均匀化，改善图像的亮度分布状态，增强视觉效果。

直方图均衡化是通过灰度变换将一幅图像转换程另一幅具有均衡性的直方图。

即在每个灰度级上都具有相同的像素点数的过程。

3、空域滤波手工滤波与函数提供滤波器的比较六、实验步骤：1、将待处理图片拷到matlab软件’work’文件夹2、实行亮度变换3、对图像进行直方图均衡处理4、空域滤波5、记录实验结果并分析七、实验程序及结果记录：1、亮度变换I=imread(‘E:\fig308.tif’);Imshow(I);Figure,imhist(I);J=imadjust(I,[0.5 0.9],[0,1]);Figure;imshow(J);Figure;imhist(J)2、直方图均衡化I=imread(‘E:\fig308.tig’);J=histea(I);Imshow(I);Title(‘原图像’);Figure;Imshow(J);Title(‘直方图均衡化后的图像’);Figure;Subplot(1,2,1);Imhist(I,64);Title(‘原图像直方图’)；Subplot(1,2,2);Imhist(J,64);Title(‘均衡变换后的直方图’);Subplot(1,2,2);Imhist(J,64);Title(‘均衡变换后的直方图’);2、空域滤波F=imread(‘E:\fig3016.tif’);W4=fspecial(‘laplacian’,1);W8=[1 1 1;-8 1;1 1 1];F=im2double(f);G4=f_imfilter(f,w4,’replicate’);G8=f_imfilter(f,w8,’replicate’);Figure;Subplot(1,3,1);Imshow(f);Title(‘原图’);Subplot(1,3,2);Imshow(g4);Title(‘中心为-4拉普拉斯的效果’);Subplot(1,3,3);Imshow(g8);Title(‘中心为-8拉普拉斯的效果’);八、实验结果分析：亮度变换直方图均衡化可以对图像进行处理，进行空域图像增强。

实验报告实验名称空间域图像增强课程名称数字图像处理姓名成绩班级学号日期地点1.实验目的（1）了解空间域图像增强的各种方法（点处理、掩模处理）；（2）通过编写程序掌握采用直方图均衡化进行图像增强的方法；（3）使用邻域平均法编写程序实现图像增强，进一步掌握掩模法及其改进（加门限法）消除噪声的原理；（4）总结实验过程（实验报告，左侧装订）：方案、编程、调试、结果、分析、结论。

2.实验环境（软件、硬件及条件）Windws7MATLAB 6.x or above3.实验方法对如图4.1所示的两幅128×128、256级灰度的数字图像fing_128.img和cell_128.img进行如下处理：（1）对原图像进行直方图均衡化处理，同屏显示处理前后图像及其直方图，比较异同，并回答为什么数字图像均衡化后其直方图并非完全均匀分布。

（2）对原图像加入点噪声，用4-邻域平均法平滑加噪声图像（图像四周边界不处理，下同），同屏显示原图像、加噪声图像和处理后的图像。

①不加门限；②加门限T=(1/2)*avg(f(m,n)), 其中avg（f(m,n)=(1/N^2)*f(i,j)）本次实验中的第一题，是对图像进行直方图统计和均衡化，在Matlab中有imhist()函数和histeq()函数直接调即可获得相应结果，代码如下：close all;clear all;fid=fopen('cell_128.img','r');image1=fread(fid,[128,128],'uint8');image1=uint8(image1);fclose(fid);subplot(2,2,1);%显示原图像imshow(image1,[]);title('原图像');subplot(2,2,2);%统计图像直方图imhist(image1);title('原图像直方图');%直方图均衡化ima=histeq(image1);subplot(2,2,3);%显示均衡化后的图像imshow(ima);title('直方图均衡化后图像');subplot(2,2,4);%显示直方图均衡化后的图像直方图imhist(ima);title('直方图均衡化后的直方图');本次实验的第二题，是对图像进行加噪后平滑，噪声为点噪声，分别采用不加门限的四邻域平均法和加门限的四邻域平均法进行平滑。

图像处理的MATLAB 实现实验一 空域图像增强一、实验目的（1）掌握基本的空域图像增强方法，观察图像增强的效果，加深理解；（2）了解空域平滑模板的特性及其对不同噪声的影响；（3）了解空域锐化模板的特性及其对边缘的影响。

二、实验内容（1）直方图处理：直方图均衡（2）空域平滑：均值滤波、中值滤波；三、实验要求（1）用matlab 语言进行仿真实验；（2）递交实验报告，要求给出实验原理、源程序、实验结果及分析。

四、具体实验内容及要求4.1 实验内容4.1.1 直方图均衡（1）读入原图像pollen.png 并显示原图像以及直方图（2）对原图像进行直方图均衡处理（3）显示均衡后图像以及直方图。

4..1.2 图像空域平滑（1）读入原图像lena.bmp 并显示；（2）对原图像分别添加高斯噪声和椒盐噪声，并显示加噪图像；（3）采用均值滤波进行去噪处理，并显示去噪图像；（4）采用中值滤波进行去噪处理，并显示去噪图像。

4.1.3 空域锐化（1）读入原图像bridge.gif 并显示；（2）采用sobel 算子对图像进行处理，并显示结果；（3）尝试采用其他锐化模板进行处理。

4.2 实验原理4.2.1 直方图均衡实验原理对图像像素个数多的灰度级进行展宽，而对图像中像素个数少的灰度级进行压缩。

而且，输入灰度级r 与输出灰度级s 的概率密度函数()r p r 和()s p s 有如下关系()()ds dr r p s p r s = 积分形式如下()()()dw w p L r T s rr ⎰-==01 4.2.2 图像滤波 （1）、椒盐噪声的中值滤波由于椒盐噪声的出现使该点的像素比周围的亮或暗许多，如果在某个模板中，对像素由小到大重新排列，那么最暗或最亮的点一定被排在两侧，取模板中间位置的灰度值像素代替待处理图像像素的灰度值，从而达到滤除噪声的目的。

（2）、高斯噪声的均值滤波均值滤波是一种空域线性的滤波方法，用像素邻域内各像素的灰度平均值代替该像素原来的灰度值；均值滤波采用的是模板操作，将模板在图像中从左到右，从上到下的顺序移动将模板中心与每个像素重合；将模板中个系数与其对应的像素一并相乘，然后再经所有的结果一并相加；将上面相加的结果重新付给模板中心对应的像素点，那么该灰度值，就是经均值滤波后平滑后的灰度值。

实验报告课程名称数字图像处‎理导论专业班级_____‎_____‎_____‎姓名_____‎_____‎_____‎学号_____‎_____‎_____‎电气与信息‎学院和谐勤奋求是创新‎2.编写函数w‎ = genla‎p laci‎a n(n)，自动产生任‎一奇数尺寸‎n的拉普拉‎斯算子，如5×5的拉普拉‎斯算子w = [ 1 1 1 1 11 1 1 1 11 1 -24 1 11 1 1 1 14.采用不同的‎梯度算子对‎b lurr‎y_moo‎n.tif进行‎锐化滤波，并比较其效‎果。

[I,m ap]=im rea‎d('trees‎.tif');I=doubl‎e(I);subpl‎o t(2,3,1)imsho‎w(I,m ap);title‎(' Origi‎nal Im age‎');[Gx,Gy]=gradi‎e nt(I); % gradi‎e n t calcu‎l atio‎nG=sqrt(Gx.*Gx+Gy.*Gy); % matri‎xJ1=G; % gradi‎e nt1subpl‎o t(2,3,2)imsho‎w(J1,m ap);title‎(' Opera‎tor1 Im age‎');J2=I; % gradi‎e nt2 K=find(G>=7);J2(K)=G(K);subpl‎o t(2,3,3)im sho‎w(J2,m ap);title‎(' Opera‎tor2 Im age‎');J3=I; % gradi‎e n t3 K=find(G>=7);J3(K)=255;subpl‎o t(2,3,4)im sho‎w(J3,m ap);title‎(' Opera‎tor3 Im age‎');J4=I; % gradi‎e n t4 K=find(G<=7);J4(K)=255;subpl‎o t(2,3,5)im sho‎w(J4,m ap);title‎(' Opera‎tor4 Im age‎');J5=I; % gradi‎e nt5 K=find(G<=7);J5(K)=0;Q=find(G>=7);J5(Q)=255;subpl‎o t(2,3,6)im sho‎w(J5,m ap);title‎(' Opera‎tor5 Im age‎');5.自己设计锐‎化空间滤波‎器，并将其对噪‎声图像进行‎处理，显示处理后‎的图像；附录：可能用到的‎函数和参考‎结果**************报告里不能‎用参考结果‎中的图像1)采用3×3的拉普拉‎斯算子w = [ 1, 1, 1; 1 – 8 1; 1, 1, 1]滤波I=im rea‎d('moon.tif');T=doubl‎e(I);subpl‎o t(1,2,1),im sho‎w(T,[]);title‎('Origi‎n al Im age‎');w =[1,1,1;1,-8,1;1,1,1];K=conv2‎(T,w,'sam e');subpl‎o t(1,2,2)im sho‎w(K);title‎('Lapla‎cian Trans‎f orm a‎tion');图2.9 初始图像与‎拉普拉斯算‎子锐化图像‎2)编写函数w‎ = genla‎p laci‎a n(n)，自动产生任‎一奇数尺寸‎n的拉普拉‎斯算子，如5×5的拉普拉‎斯算子：w = [ 1 1 1 1 11 1 1 1 11 1 -24 1 11 1 1 1 11 1 1 1 1]funct‎i on w = genla‎p laci‎a n(5)%Com pu‎t es the Lapla‎c ian opera‎t orw = ones(n);x = ceil(n/2);w(x, x) = -1 * (n * n - 1);3)分别采用5‎×5，9×9，15×15和25‎×25大小的‎拉普拉斯算‎子对blu‎rry_m‎o on.tif进行‎锐化滤波，并利用式完‎成图像的锐‎化增强，观察其有何‎不同，要求在同一‎窗口中显示‎。

数字图像处理实验报告姓名：田蕾 学号：20091202098 专业：信号与信息处理 年级：09实验二 图像空域平滑滤波一、 实验目的理解图象锐化的概念，掌握常用空域锐化增强技术。

进一步加深理解和掌握图像锐化的原理和具体算法。

理解图象锐化增强的处理过程和特点。

二、 实验内容1、一阶微分锐化增强设计程序，分别实现Roberts 、Sobel 、Priwitt 算子的锐化处理。

观察处理前后图像效果，分析实验结果和算法特点。

2、拉普拉斯锐化增强设计程序，实现拉普拉斯图像和原始图像叠加的增强处理，即{22(,)(,)(,)(,)(,)f x y f x y f x y f x yg x y -+∇∇ （拉普拉斯模板中心系数为负和拉普拉斯模板中心系数为正） 观察处理前后图像效果，分析实验结果和算法特点。

三、 实验原理Roberts 、Sobel 、Priwitt 算子都是突出图像的细节或者是增强被模糊了的细节。

因此要对图像实现锐化处理，可以用空间微分来完成，但是，这样图像的微分增强了边缘和其他的突变（如噪声）并削弱了灰度变化缓慢区域。

拉普拉斯算子具有各向同性的特点，这种滤波器的响应与滤波器作用的图像的突变方向无关。

即各向同性滤波器旋转不变，原图像旋转后进行滤波后处理给出的结果与先对图像滤波然后再进行旋转地结果相同。

四、 算法设计（含程序设计流程图）五、 实验结果及分析（需要给出原始图像和处理后的图像）原图Roberts 算子锐化处理后图像叠加图原图sobel 算子锐化处理后图像叠加图原图P r w t t 算子锐化处理后的图像叠加图原图L a p a c e 算子锐化处理后图像叠加图实验结果分析：（1）Roberts 算子，Sobel 算子和Priwitt 算子用来实现消除图像模糊地增强的方法。

即“锐化”。

此处理是为了加强图像的边界和细节。

Roberts 算子提出的是在2*2的邻域上计算对角导数，Sobel 算子提出了一种将方向差分局部均匀相结合的方法。

实验一空域图像增强技术实验一、空域图像增强技术班级: 学号： 姓名：实验时间： 实验学时：2学时一、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 by x f a g a y x f a y x f y x f y x g b a γβαn y m x ΛΛ,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 n n 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50页，例4.1）、直方图均衡化（参考教材56页，例4.6）、均值滤波（参考教材60页，例4.9）、中值滤波（参考教材64页，例4.11）和梯度锐化操作（参考教材66页，例4.12）。

实验五图像增强--空域、频域滤波课程名称：数字图像处理技术实验日期：2015-11-03 成绩：班级：姓名：学号：一、实验目的1．了解图像空域滤波、频域滤波的基本操作；2．掌握噪声模拟和图像滤波函数的使用方法3. 实现彩色图像的增强。

二、实验内容1. （基础题）制作自己的GUI用户界面，实现图像在空域中的均值滤波、中值滤波、锐化滤波；（提高题）定义自己的过滤器实现锐化滤波。

2. （基础题）在GUI中，实现图像的频域滤波：低通滤波、高通滤波。

3. （基础题）在GUI中，实现彩色图像增强：伪彩色增强、假彩色增强、真彩色增强。

三、实验代码function pushbutton1_Callback(hObject, eventdata, handles)% hObject handle to pushbutton1 (see GCBO)% eventdata reserved - to be defined in a future version of MATLAB% handles structure with handles and user data (see GUIDATA)clear;figureA=imread('1.jpg');B=rgb2gray(A);h1=ones(7,7)/49;B2=imfilter(B,h1);h2=ones(9,9)/81;B3=imfilter(B,h2);subplot(2,2,1);imshow(B);title('灰度图像');subplot(2,2,3);imshow(B2);title('7*7均值滤波');subplot(2,2,4);imshow(B3);title('9*9均值滤波');% --- Executes on button press in pushbutton2.function pushbutton2_Callback(hObject, eventdata, handles)% hObject handle to pushbutton2 (see GCBO)% eventdata reserved - to be defined in a future version of MATLAB% handles structure with handles and user data (see GUIDATA)clear;figureA=imread('1.jpg');B=rgb2gray(A);B2=medfilt2(B,[5 5]);B3=medfilt2(B,[9 9]);subplot(2,2,1);imshow(B);title('灰度图像');subplot(2,2,3);imshow(B2);title('5*5中值滤波');subplot(2,2,4);imshow(B3);title('9*9中值滤波');% --- Executes on button press in pushbutton3.function pushbutton3_Callback(hObject, eventdata, handles)% hObject handle to pushbutton3 (see GCBO)% eventdata reserved - to be defined in a future version of MATLAB % handles structure with handles and user data (see GUIDATA) clear;figureA=imread('1.jpg');B=rgb2gray(A);h1=[1 2 1;0 0 0;-1 -2 -1];B2=imfilter(B,h1);h2=[1 0 -1;2 0 -2;1 0 -1];B3=imfilter(B,h2);subplot(2,2,1);imshow(B);title('灰度图像');subplot(2,2,3);imshow(B2);title('水平锐化');subplot(2,2,4);imshow(B3);title('竖直锐化');% --- Executes on button press in pushbutton4.function pushbutton4_Callback(hObject, eventdata, handles)% hObject handle to pushbutton4 (see GCBO)% eventdata reserved - to be defined in a future version of MATLAB % handles structure with handles and user data (see GUIDATA) clear;figureA=imread('1.jpg');f=rgb2gray(A);subplot(2,2,1);imshow(f);f=im2double(f);F=fftshift(fft2(f));[M,N]=size(F);n = 30;D0 = 40;u0=floor(M/2);v0=floor(N/2);for u=1:Mfor v=1:ND=sqrt((u-u0)^2+(v-v0)^2);H=1/(1+(D/D0)^(2*n));G(u,v)=H*F(u,v);endendg=ifft2(ifftshift(G));g=im2uint8(real(g));subplot(2,2,4);imshow(g);% --- Executes on button press in pushbutton5.function pushbutton5_Callback(hObject, eventdata, handles)% hObject handle to pushbutton5 (see GCBO)% eventdata reserved - to be defined in a future version of MATLAB % handles structure with handles and user data (see GUIDATA) clear;figureA=imread('1.jpg');f=rgb2gray(A);subplot(2,2,1);imshow(f);f=im2double(f);F=fftshift(fft2(f));[M,N]=size(F);n = 30;D0 = 40;u0=floor(M/2);v0=floor(N/2);for u=1:Mfor v=1:ND=sqrt((u-u0)^2+(v-v0)^2);H=1/(1+(D0/D)^(2*n));G(u,v)=H*F(u,v);endendg=ifft2(ifftshift(G));g=im2uint8(real(g));subplot(2,2,4);imshow(g);% --- Executes on button press in pushbutton6.function pushbutton6_Callback(hObject, eventdata, handles)% hObject handle to pushbutton6 (see GCBO)% eventdata reserved - to be defined in a future version of MATLAB % handles structure with handles and user data (see GUIDATA) clear;figureA=imread('1.jpg');B=rgb2gray(A);subplot(1,2,1);imshow(B);title('灰度图像');Y=floor(B/64);[M,N]=size(Y);for i=1:Mfor j=1:Nswitch Y(i,j)case 0Y1(i,j,1:3)=[0 0 255];case 1Y1(i,j,1:3)=[200 0 200];case 2Y1(i,j,1:3)=[255 150 0];case 3Y1(i,j,1:3)=[255 255 0];otherwiseY1(i,j,1:3)=[255 255 255];endendendsubplot(1,2,2);imshow(Y1);% --- Executes on button press in pushbutton7.function pushbutton7_Callback(hObject, eventdata, handles)% hObject handle to pushbutton7 (see GCBO)% eventdata reserved - to be defined in a future version of MATLAB % handles structure with handles and user data (see GUIDATA) clear;figureA=imread('1.jpg');f=rgb2gray(A);subplot(1,2,1);imshow(f);title('灰度图像');[M,N]=size(f);L=255;f=double(f);f1=floor(f/64);R=f1;G=f1;B=f1;for i=1:Mfor j=1:Nswitch f1(i,j)case 0R(i,j)=0;G(i,j)=4*f(i,j);B(i,j)=L;case 1R(i,j)=0;G(i,j)=L;B(i,j)=-4*f(i,j)+2*L;case 2R(i,j)=4*f(i,j)-2*L;G(i,j)=L;B(i,j)=0;case 3R(i,j)=L;G(i,j)=-4*f(i,j)+4*L;B(i,j)=0;endendendg(:,:,1)=R;g(:,:,2)=G;g(:,:,3)=B;g=uint8(g);subplot(1,2,2);imshow(g);% --- Executes on button press in pushbutton8.function pushbutton8_Callback(hObject, eventdata, handles)% hObject handle to pushbutton8 (see GCBO)% eventdata reserved - to be defined in a future version of MATLAB % handles structure with handles and user data (see GUIDATA) clear;figureRGB=imread('1.jpg');RGB = im2double(RGB);R = RGB(:, :, 1);G = RGB(:, :, 2);B = RGB(:, :, 3);subplot(1,2,1),imshow(RGB)title('原始图像');c=R.*1.26d=G.*1.03e=B.*1.15enhance=cat(3, c, d, e);subplot(1,2,2),imshow(enhance)title('RGB手动增强的图像')四、实验结果截图五、实验体会经过很长时间学会应用这些东西。

试验一一, 实验目的上机实验是为训练学生的实际程序设计能力安排的、包含在教学课时内的教学内容。

实验目的是：1 , 进一步深入理解相关部分的基本概念和授课内容。

2, 进一步提高实际动手进行程序设计的能力。

二，实验要求（1）, 熟悉Matlab软件、编程以及图像处理工具箱。

掌握Matlab的操作界面和基本操作流程掌握m文件的使用掌握Matlab关于图像的读入、输出的处理函数，比如：imread、imshow、figure、Subplot、imwrite、colormap(2), 利用图像处理工具箱进行空域图像增强实验利用Matlab的图像处理工具箱中提供的函数进行“点运算”利用Matlab的图像处理工具箱中提供的函数进行“算术运算”灰度切割、分段线性变换、位图切割：需要进行Matlab编程图像平均减少噪声：需要进行Matlab编程要求至少实现5个（包括5个）以上的，在课程中讲过的图像空域增强方法。

三，程序设计基本思想Matlab关于图像的读入，输出的处理函数以及matlab图像处理工具箱里的函数可在matlab中能直接调用，多做几个试验就能熟练掌握运用这几个函数；后面的需要用matlab编程来实现数字图像处理功能的试验需自己编写源程序，做完以上两个部分，这个试验就完成了。

四，原理概述a)学会调用matlab图像处理工具箱的函数，这个可以在matlab中直接试验。

b)第二部分，要求用matlab编程工具来实现图像的灰度切割，位图切割等功能。

（1），灰度切割的原理：灰度切割实际上是分段函数线性变换的一种处理方法，他所要实现的主要功能是变幻某一段灰度值的灰度值（将之变亮或变暗或根据要求做其他方面的变幻），编写源程序时只需提出带改变部分的灰度值，对其进行符合要求的变化即可。

（2），位图切割的原理：位图切割同样是分段线性变换的一种，不同的是文图切割中把一幅图像“分个八层”，每层都含有原图的部分信息，编写源代码时，可以去提出或除某一位图，显示出代表的信息。

数字图像实验报告图像增强实验一、实验目的熟悉并掌握MATLAB图像处理工具箱的使用；理解并掌握常用的图像的空域增强技术。

二、实验内容对一幅图像分别添加高斯、椒盐和斑点噪声，并分别进行均值和中值滤波处理，显示处理前后的图像。

三、实验方法及程序学生自行编程实现提示：1.加入高斯噪声的函数调用。

I_noise =imnoise(I,’gaussian’,0,0.1)2.加入椒盐噪声的函数调用。

I_noise = imnoise(I,’salt&pepper’,0.06)3.加入斑点噪声的函数调用。

I_noise= imnoise(I,’speckle’,0.1)4.均值滤波的函数调用。

I_smooth=imfilter(I_noise,fspecial(‘average’,5))5.中值滤波的函数调用。

I_smooth=medfilt2(I_noise,[3 3])A=imread('toyobjects.png');B=imnoise(A,'gaussian',0,0.1);%加入高斯噪声C=imnoise(A,'salt & pepper',0.05);%加入椒盐噪声D=imnoise(A,'speckle',0.05);%加入斑点噪声I1=imfilter(B,fspecial('average',5));I2= medfilt2(B);%高斯中值处理K1=imfilter(C,fspecial('average',5));K2= medfilt2(C);%椒盐中值处理G1=imfilter(D,fspecial('average',5));G2= medfilt2(D);%斑点噪声中值处理figure(1);imshow(A);title('原图像');figure(2);subplot(1,3,1);imshow(B);title('高斯噪声'); subplot(1,3,2);imshow(I1);title('高斯均值滤波处理'); subplot(1,3,3);imshow(I2);title('高斯中值滤波处理'); figure(3);subplot(1,3,1);imshow(C);title('椒盐噪声'); subplot(1,3,2);imshow(K1);title('椒盐均值处理'); subplot(1,3,3);imshow(K2);title('椒盐中值处理'); figure(4);subplot(1,3,1);imshow(D);title('斑点噪声'); subplot(1,3,2);imshow(G1);title('斑点噪声均值处理'); subplot(1,3,3);imshow(G2);title('斑点噪声中值处理');四、实验结果与分析分别运用B=imnoise(A,'gaussian',0,0.1)C=imnoise(A,'salt & pepper',0.05)D=imnoise(A,'speckle',0.05);三个函数啊加入不同的噪声，再用I_smooth=imfilter(I_noise,fspecial(‘average’,5))I_smooth=medfilt2(I_noise,[3 3])对加入噪声的图像进行处理，比较不同的处理方式对加入噪声后的图像处理后的清晰度。

数字图像处理实验一 MATLAB数字图像处理初步一、显示图像1．利用imread( )函数读取一幅图像，假设其名为lily.tif，存入一个数组中；2．利用whos 命令提取该读入图像flower.tif的基本信息；3．利用imshow()函数来显示这幅图像；实验结果如下图：源代码：>>I=imread('lily.tif')>> whos I>> imshow(I)二、压缩图像4．利用imfinfo函数来获取图像文件的压缩，颜色等等其他的详细信息；5．利用imwrite()函数来压缩这幅图象，将其保存为一幅压缩了像素的jpg文件,设为lily.jpg；语法：imwrite(原图像，新图像，‘quality’,q), q取0-100。

6．同样利用imwrite()函数将最初读入的tif图象另存为一幅bmp图像，设为flily.bmp。

7．用imread()读入图像Sunset.jpg和Winter.jpg；8．用imfinfo()获取图像Sunset.jpg和Winter.jpg的大小；9．用figure,imshow()分别将Sunset.jpg和Winter.jpg显示出来，观察两幅图像的质量。

其中9的实验结果如下图：源代码：4~6(接上面两个) >>I=imread('lily.tif')>> imfinfo 'lily.tif'；>> imwrite(I,'lily.jpg','quality',20);>> imwrite(I,'lily.bmp');7~9 >>I=imread('Sunset.jpg');>>J=imread('Winter.jpg')>>imfinfo 'Sunset.jpg'>> imfinfo 'Winter.jpg'>>figure(1),imshow('Sunset.jpg')>>figure(2),imshow('Winter.jpg')三、二值化图像10．用im2bw将一幅灰度图像转化为二值图像，并且用imshow显示出来观察图像的特征。

实验四-图像增强信息工程学院实验报告课程名称：数字图像处理班级： 姓名： 学号：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. 掌握图像空域增强算法的基本原理。

3. 掌握图像空域增强的实际应用及MATLAB 实现。

4. 掌握频域滤波的概念及方法。

5. 熟练掌握频域空间的各类滤波器。

6.掌握怎样利用傅立叶变换进行频域滤波。

7. 掌握图像频域增强增强的实际应用及MATLAB 实现。

二、实验步骤及结果分析1. 基于幂次变换的图像增强 程序代码：clear all ; close all ;I{1}=double(imread('fig534b.tif')); I{1}=I{1}/255;figure,subplot(2,4,1);imshow(I{1},[]);hold on I{2}=double(imread('room.tif')); I{2}=I{2}/255;subplot(2,4,5);imshow(I{2},[]);hold on for m=1:2 Index=0;for lemta=[0.5 5] Index=Index+1;F{m}{Index}=I{m}.^lemta;subplot(2,4,(m-1)*4+Index+1),imshow(F{m}{Index},[]) end end成 绩：指导老师(签名)：执行结果：图1 幂次变换增强结果实验结果分析：由实验结果可知，当r<1时，黑色区域被扩展，变的清晰；当r>1时，黑色区域被压缩，变的几乎不可见。

2.直方图规定化处理程序代码：clear allclcclose all%0.读图像I=double(imread('lena.tiff'));subplot(2,4,1);imshow(I,[]);title('原图')N=32;Hist_image=hist(I(:),N);Hist_image=Hist_image/sum(Hist_image);Hist_image_cumulation=cumsum(Hist_image);%累计直方图subplot(245);stem(0:N-1,Hist_image);title('原直方图');%1.设计目标直方图Index=0:N-1;%正态分布直方图Hist{1}=exp(-(Index-N/2).^2/N);Hist{1}=Hist{1}/sum(Hist{1});Hist_cumulation{1}=cumsum(Hist{1});subplot(242);stem([0:N-1],Hist{1});title('规定化直方图1');%倒三角形状直方图Hist{2}=abs(2*N-1-2*Index);Hist{2}=Hist{2}/sum(Hist{2});Hist_cumulation{2}=cumsum(Hist{2});subplot(246);stem(0:N-1,Hist{2});title('规定化直方图2');%2. 规定化处理Project{1}=zeros(N);Project{2}=zeros(N);Hist_result{1}=zeros(N);Hist_result{2}=zeros(N);for m=1:2Image=I;%SML 处理(SML,Single Mapping Law 单映射规则 for k=1:NTemp=abs(Hist_image_cumulation(k)-Hist_cumulation{m});[Temp1,Project{m}(k)]=min(Temp); end%2.2 变换后直方图 for k=1:NTemp=find(Project{m}==k); if isempty(Temp) Hist_result{m}(k)=0; elseHist_result{m}(k)=sum(Hist_imag e(Temp)); end endsubplot(2,4,(m-1)*4+3); stem(0:N-1,Hist_result{m}); title(['变换后的直方图',num2str(m)]); %2.3结果图 Step=256/N; for K=1:NIndex=find(I>=Step*(k-1)&I<Step *k);Image(Index)=Project{m}(k); endsubplot(2,4,(m-1)*4+4),imshow(I mage,[]);title(['变换后的结果图',num2str(m)]); end执行结果：原图0.020.040.060.080.100.020.040.060.080.100.020.040.060.08规定化直方图220400.050.10.150.2变换后的直方图1变换后的结果图1020400.020.040.060.080.10.12变换后的直方图2变换后的结果图2图2 直方图规定化实验结果分析：由实验结果可知，采用直方图规定化技术后，原图的直方图逼近规定化的直方图，从而有相应的变换后的结果图1和变换后的结果图2。

数字图像处理上机实验报告实验名称：图像增强学期：2014/2015上学期班级：电子信息工程1102姓名：**学号：**********实验时间：2014.11.03实验二：图像增强1 目的1.了解图像空域增强或频域增强的基本原理及二者的区别.2.掌握基于模板的空域增强技术、直方图变换空域增强技术:用模板实现图像的平滑和锐化.3.掌握频域滤波的基本原理,包括:低通、高通、带通、带阻和同态滤波,要求实现其中一种的滤波4.了解伪彩色图像增强的原理和方法2 器材1.BMP格式灰度图像2.MAtlab软件3.台式PC机3 原理图像增强分为空域增强和频域增强，空域增强有灰度变换增强，直方图变换增强，平滑增强，中值滤波，模板滤波和高能滤波等。

r(x,y)是输入图像，s(x,y)是输出图像T(.)是对图像的运算如果求某个s(x0, y0) ，只需位置(x0, y0)的像素值，则称此处理为点操作，也称灰度变换如果需要位置(x0, y0)及其邻域的像素值，则称为模板操作图像增强：改善图像质量，使图像更适合观察的图像处理技术突出更多细节；对比度更合适；边缘增强；去除噪声增强的标准带有主观性；没有完全通用的标准和技术；取决于图像希望达到的特定效果一、灰度变换强度当我们为了突出不同灰度的区间，或者要减弱某部分灰度，就可以使用灰度变换，下面我使用分段线性变换对灰度进行处理。

灰度线性变换设f(x,y)是原图像的灰度值，(x,y)是变换后的灰度值，下图就是对不同区间的线性变换，灰度变换与变量x,y没有关系，这里只关系f,g函数值也就是灰度值的变换，下面就是线性变换的公式其实，可以得出曲线只要是在y=x下的就是减弱的，因为灰度比原来的减小了。

二、直方图变换增强直方图均衡化是使原直方图变换为具有均匀密度分布的直方图，然后按该直方图调整原图像的一种图像处理技术。

直方图均衡化通常用来增加许多图像的全局对比度，均衡化的标准就是以空域面积（像素总数）这种方法对于背景和前景都太亮或者太暗的图像非常有用，这种方法尤其是可以带来X光图像中更好的骨骼结构显示以及曝光过度或者曝光不足照片中更好的细节。

图像增强—空域滤波实验报告篇一：5.图像增强—空域滤波 - 数字图像处理实验报告计算机与信息工程学院验证性实验报告一、实验目的进一步了解MatLab软件/语言，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，并为课堂教学提供配套的实践机会。

二、实验要求(1)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。

(2)利用MATLAB软件实现空域滤波的程序：I=imread('electric.tif');J = imnoise(I,'gauss',0.02); %添加高斯噪声 J = imnoise(I,'salt & pepper',0.02); %添加椒盐噪声ave1=fspecial('average',3); %产生3×3的均值模版ave2=fspecial('average',5); %产生5×5的均值模版 K = filter2(ave1,J)/255; %均值滤波3×3 L = filter2(ave2,J)/255; %均值滤波5×5 M = medfilt2(J,[3 3]);%中值滤波3×3模板 N = medfilt2(J,[4 4]); %中值滤波4×4模板 imshow(I);figure,imshow(J); figure,imshow(K); figure,imshow(L); figure,imshow(M); figure,imshow(N);三、实验设备与软件(1) IBM-PC计算机系统(2) MatLab软件/语言包括图像处理工具箱(Image Processing Toolbox) (3) 实验所需要的图片四、实验内容与步骤a) 调入并显示原始图像Sample2-1.jpg 。

实验报告实验课程:光电图像处理姓名：学号：实验地点：指导老师：实验时间：一．实验名称：空间图象增强（一）二． 实验目的1． 熟悉和掌握利用matlab 工具进行数字图像的读、写、显示、像素处理等数字图像处理的基本步骤和流程。

2． 熟练掌握各种空间域图像增强的基本原理及方法。

3． 熟悉通过灰度变换方式进行图像增强的基本原理、方法和实现。

4． 熟悉直方图均衡化的基本原理、方法和实现。

三． 实验原理（一）数字图像的灰度变换1、线性灰度变换令原图像灰度范围由[a,b]线性变换后图像灰度范围[c,d]，以便于提升原图像的对比度。

线性灰度变换公式如下：()(,),[(,)](,)(,)d f x y b d c g x y f x y a c a f x y b b a cf x y a >⎧⎪-⎪=-+≤≤⎨-⎪<⎪⎩ （1） 其中，f (x,y)为原始图像，灰度范围为[a,b]，g(x,y)为增强后的数字图像，灰度范围为[c,d]。

注：实验中[a,b]可由实际图像来确定，[c,d]可视具体情况人为给定。

2、非线性灰度变换（对数变换或幂律变换选作其一）非线性拉伸不是对图像的灰度值进行扩展，而是有选择地对某一灰度范围进行扩展，其他范围的灰度值则可能被压缩。

常用的非线性变换：对数变换和指数变换。

即对数变换公式为：()(,)log 1(,)g x y c f x y =+幂律（伽马）变换为：(,)(,)g x y cf x y γ=（二）直方图处理对图像2种定义下的直方图统计统计，并分别画出两种定义下的直方图。

直方图均衡化主要用于增强动态范围偏小的图像的反差。

该方法的基本思想是把原始的直方图变换为均匀分布的形状，这样就增加了像素灰度值的动态范围，从而达到增强图像整体对比度的效果。

四． 实验步骤（一）数字图像的灰度变换1、线性灰度变换1）读取一幅对比度低的灰度图像并显示。

2）以m 文件形式编写matlab 代码，实现数字图像的灰度范围由[a,b]到[c,d]的线性拉伸，以便于提升原图像的对比度。

昆明理工大学信息工程与自动化学院学生实验报告实验一、空域图像增强一、实验目的1、理解空域图像增强的概念；2、掌握灰度线性变换和非线性变换的图像增强方法及应用；3、掌握灰度直方图均衡化的图像增强方法及应用；4、掌握平滑空域滤波器方法，并会用其来消除图像噪声；5、掌握锐化空域滤波器方法，并会用其来增强图像细节。

二、实验原理及基本技术路线图（方框原理图）术语“空域”指的是图像平面本身。

在空域上，图像处理方法是通过直接对图像像素的处理来实施的。

图像增强是将原来不清晰的画面变得清晰或强调某些关注的特征，抑制非关注的特征，使之改善视觉质量、丰富信息量，加强图像判读和识别效果的图像处理方法。

空域处理方法可分为两种：灰度级变换与空域滤波。

空域技术所使用的对像素的直接操作可用下式表示：()[]),(xg=，yTxf,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，它定义在像素点(x,y)所指定的空间邻近像区（简称为邻域）内。

定义像素点(x,y)的邻域的主要方法是，使用以(x,y)为中心的方形或矩形像区。

当这样的邻域的中心从左上角原点的开始遍历像素点时，将覆盖图像中不同的像区。

当T应用于每个被遍历的像素点f(x,y)时，便得到在该像素点的输出图像g(x,y)。

在计算g(x,y)时，只使用在(x,y)邻域中的像素。

在处理灰度图像并且当邻域大小为1×1时，T的形式最简单，它成为一个灰度（或亮度）级的变化函数（即，灰度变换）。

此时,g(x,y)的值仅由在(x,y)处的亮度f(x,y)来决定。

由于灰度变换T仅取决于灰度的值，与(x,y)无关，所以T可写成如下的简单形式：()r Ts=，其中，r表示图像f中相应点(x,y)的灰度，s表示图像g中相应点(x,y)的灰度。

灰度变换T通常包括灰度变换增强与直方图增强。

灰度变换增强可以通过改变图象的灰度范围及分布来实现。

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，即分段拉伸。

课程名称：实验项目：实验地点：专业班级：学号：学生姓名：指导教师：2012年月日实验一 空域图像增强技术一、 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MA TLAB 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、均值滤波、中值滤波和梯度锐化操作。

添加噪声，重复上述过程观察处理结果。