当前位置：文档之家 › 数字图像处理实验3_v2

数字图像处理实验3_v2

  • 格式：doc
  • 大小：584.00 KB
  • 文档页数：8

任课教师：马文娟《数字图像分析与艺术化处理》（2012-2013学年第2学期）实验报告学号：2011329700132姓名：班级：数字媒体与技术11(1)实验三 图像分割实验实验项目名称：图像分割实验 实验项目性质：设计性实验所属课程名称：数字图像分析与艺术化处理 实验计划学时：2 一. 实验目的(1) 进一步理解图像的阈值分割方法和边缘检测方法的原理。

(2) 掌握图像基本全局阈值方法的原理并编程实现。

(3) 掌握梯度法检测边缘的原理并编程实现。

二. 实验内容和要求在实验一的工程中实现图像二值化和梯度法检测边缘。

三. 实验主要仪器设备和材料计算机，VS2012四. 实验原理1、图像的二值化的基本原理图像的二值化处理图像分割中的一个主要内容，就是将图像上的点的灰度置为0或255，也就是讲整个图像呈现出明显的黑白效果。

用I 表示原图，R 表示二值化后的图，则二值化的过程可以用以下公式表示：{thrj i I if elsej i R >=),((2550),( thr 表示选取的阈值。

二值化的过程就是当原图的像素灰度值大于阈值就将其变白，否则就将其变黑。

即将256个亮度等级的灰度图像通过适当的阀值选取而将图像变为二个级别灰度级，这样只有二个灰度级的图像在图像处理分析过程中占有非常重要的地位，特别是在实用的图像处理中。

如果某特定物体在内部有均匀一致的灰度值，并且其处在一个具有其他等级灰度值的均匀背景下，使用阈值法就可以得到比较好的分割效果。

如果物体同背景的差别表现不在灰度值上（比如纹理不同），可以将这个差别特征转换为灰度的差别，然后利用阈值选取技术来分割该图像。

动态调节阈值实现图像的二值化可动态观察其分割图像的具体结果。

根据对全图使用统一阈值还是对不同区域使用不同阈值，可以分为全局阈值方法(global thresholding)和局部阈值方法(local thresholding ，也叫做自适应阈值方法adaptive thresholding)；这种与坐标相关的阈值也叫动态阈值，具体的方法，可以参考相关的图像处理书籍。

本实验采用基本全局阈值方法，即在整个图像中所有的象素点，其阈值thr 相同，具体步骤为：（1）选取一个初始估计值T ；（2）用T 分割图像。

这样便会生成两组像素集合：G1由所有灰度值大于T 的像素组成，而G2由所有灰度值小于或等于T 的像素组成。

（3）对G1和G2中所有像素计算平均灰度值u1和u2。

（4）计算新的阈值：T=(u1 + u2)/2。

（5）重复步骤（2）到（4），直到得到的T 值之差小于一个事先定义的参数T 0。

2、梯度法边缘检测物体的边缘以局部特征不连续性出现，也就是图像局部亮度变化最显著的部分，如，灰度，颜色，纹理结构的突变。

物体边缘是区分不同区域的分界处。

与边缘锐化类似，常常采用一阶或二阶微分算子实现边缘检测。

一阶微分是通过梯度法来实现的。

对于图像f(i,j)，它在点(i,j)处的梯度是一个矢量，定义为：1222[(,)][()()]f f G f i j i j∂∂=+∂∂利用差分法近似上述公式，得到：[][]1222[(,)](,)(1,)(,)(,1)G f i j f i j f i j f i j f i j =--+--为了便于编程和提高运算，可进一步简化为：[(,)](,)(1,)(,)(,1)G f i j f i j f i j f i j f i j =--+--利用差分运算时，图像的第一行和第一列的像素的梯度无法求得，一般用后一行或后一列的梯度值近似代替。

微分运算可以增强图像高频分量（边缘等细节），为了检测到清晰的边缘，需设定阈值对运算结果进行处理。

公式为：255,[(,)](,)0,G f i j TG i j ≥⎧=⎨⎩其他五. 实验设计步骤2、图像的阈值分割步骤一、打开实验一建立的工程空间。

步骤二、按照实验一介绍的方法建立在“图像操作”菜单栏中新建菜单项“二值化（阈值分割）”。

步骤三、按照实验一介绍的方法建立菜单项“二值化”的响应函数OnBinary （）。

步骤四、打开响应函数OnBinary （），添加代码。

步骤五、点击（！），编译运行，打开一幅24位或8位bmp 图，然后再单击“二值化”，观察效果。

2、梯度法检测边缘步骤一、按照实验一中的方法在“图像操作”菜单栏中新建“边缘检测（梯度法）”菜单项。

步骤二、添加“边缘检测”的响应函数。

步骤三、在响应函数中添加实现图像检测的功能代码。

（1） 获得原图像的首地址及图像的高和宽； （2） 开辟一块内存缓冲区，并初始化为255；（3） 计算图像的像素的梯度，将结果保存在内存缓冲区；（4） 比较像素的梯度是否大于30（阈值可以调整），是则将像素值置为255，否则，将像素值置为0； （5） 将内存中的数据复制到图像数据区。

步骤四、调试运行。

六. 实验代码void CDIB::ErZhiHua() { int nw = this->GetDIBWidth(); int nh = this->GetDIBHeight(); int i,j;// 定义阈值并赋值为100；int thr=100;if(this->GetNumberOfColors() == 8){for(j = 0; j < nh; j++)for(i = 0; i < nw; i++){if(this->m_pDIBData[j * nw + i] > thr)this->m_pDIBData[j * nw + i] = 255;elsethis->m_pDIBData[j * nw + i] = 0;}}else{for(j = 0; j < nh; j++)for(i = 0; i < nw; i++){if(this->m_pdata[j * nw + i] > thr)this->m_pdata[j * nw + i] = 255;elsethis->m_pdata[j * nw + i] = 0;}this->UpdateData();}}void CDIB::BianYuan(){BYTE *p_data; //原图数据区指针int wide,height; //原图长、宽if(this->GetNumberOfColors() == 8)p_data = this->m_pDIBData;//取得原图的数据区指针else p_data = this->m_pdata;wide = this->GetDIBWidth();height = this->GetDIBHeight();LPBYTE p_temp = new BYTE [wide*height]; //开辟图像一缓冲区memset(p_temp, 255, wide*height); //初始化为255int temp;for(int j = 1; j < height - 1; j++)for(int i = 1; i < wide - 1; i++){ //根据双向一次微分公式计算当前像素的灰度值temp = sqrt((float)(p_data[wide*j+i]-p_data[wide*j+(i-1)])*(p_data[wide*j+i]-p_data[wide*j+(i-1)])+(p_data[wide*j+i]-p_data[wide*(j-1)+i])*(p_data[wide*j+i]-p_data[wide*(j-1)+i]));if (temp>=30){p_temp[wide*j+i]=255;}if (temp<30){p_temp[wide*j+i]=0;}}if(this->GetNumberOfColors() == 8){memcpy(this->m_pDIBData,p_temp,wide*height);}else if(this->GetNumberOfColors() == 24){int lenght = 3 * wide;while(lenght % 4 != 0) lenght++;lenght = lenght - 3 * wide;for(int j = 0; j < height; j++)for(int i = 0; i < wide; i++){m_pDIBData[j * (3 * wide + lenght) + i * 3 + 0] = p_temp[wide*j+i];m_pDIBData[j * (3 * wide + lenght) + i * 3 + 1] = p_temp[wide*j+i];m_pDIBData[j * (3 * wide + lenght) + i * 3 + 2] = p_temp[wide*j+i];m_pdata[j * wide + i] = p_temp[wide*j+i];}}delete p_temp;}七.实验结果八.实验心得：。

合集下载

数字图像处理实验报告

数字图像处理实验报告

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。

数字图像处理实验报告

数字图像处理实验报告

数字图像处理实验报告数字图像处理实验报告（一）实验目的1.理解数字图像处理的基本概念与原理。

2.掌握数字图像处理的基本方法。

3.掌握常用数字滤波器的性质和使用方法。

4.熟练应用数字图像处理软件进行图像处理。

实验器材计算机、MATLAB软件实验内容1.图像的读写与显示首先，我们需要在MATLAB中读入一幅图像，并进行显示。

% 导入图像文件I = imread('myimage.jpg');% 显示图像imshow(I);2.图像的分辨率与色彩空间转换数字图像处理中的一个重要概念是图像的分辨率，通常用像素数量表示。

图像的分辨率越高，代表着图像包含更多的像素，从而更具细节和清晰度。

在数字图像处理中，常常需要将一幅图像从一种色彩空间转换为另一种色彩空间。

RGB色彩空间是最常见的图像色彩空间之一，并且常常作为其他色彩空间的基础。

% 转换图像色彩空间J = rgb2gray(I);% 显示转换后的图像imshow(J);3.图像的增强与滤波图像的增强通常指的是对图像的对比度、亮度和清晰度等方面进行调整，以改善图像的质量和可读性。

数字图像处理中的滤波是一种常用的图像增强方法。

滤波器是一个能够对图像进行局部操作的矩阵，它能够提取或抑制特定的图像特征。

% 对图像进行平滑滤波K = imgaussfilt(J, 1);% 显示滤波后的图像imshow(K);4.数字图像处理在实际应用中的例子数字图像处理在很多实际应用中被广泛应用。

这些应用包括医疗成像、计算机视觉、人脸识别、安防监控等。

下面是数字图像处理在人脸识别应用中的一个简单例子。

% 导入图像文件I = imread('face.jpg');% 进行人脸检测faceDetector = vision.CascadeObjectDetector;bbox = step(faceDetector, I);% 在图像上标记人脸位置IFaces = insertObjectAnnotation(I, 'rectangle', bbox, 'Face');imshow(IFaces);实验结论通过本次实验，我已经能够理解数字图像处理的基本概念与原理，掌握数字图像处理的基本方法，熟练应用数字图像处理软件进行图像处理。

数字图像处理实验报告

数字图像处理实验报告

实验三、图像的傅立叶变换一、实验目的1、了解图像变换的意义和手段；2、熟悉傅里叶变换的性质；3、熟练掌握FFT变换及其应用；4、通过实验了解二维频谱的分布特点；5、通过本实验掌握利用MATLAB编程实现数字图像的傅立叶变换。

二、实验设备1、计算机；2、MATLAB软件；3、记录用的笔、纸。

4、移动式存储器（软盘、U盘等）。

三、实验原理1、应用傅立叶变换进行图像处理傅里叶变换是线性系统分析的一个有力工具，它能够定量地分析诸如数字化系统、采样点、电子放大器、卷积滤波器、噪音和显示点等的作用。

通过实验培养这项技能，将有助于解决大多数图像处理问题。

2、傅立叶（Fourier）变换的定义二维Fourier变换和二维离散傅立叶变换为：图像的傅立叶变换与一维信号的傅立叶变换变换一样，有快速算法，具体参1见相关书目，有关傅立叶变换的快速算法的程序不难找到。

实际上，现在有实现傅立叶变换的芯片，可以实时实现傅立叶变换。

四、实验步骤1、打开计算机，启动MATLAB程序；2、利用MatLab工具箱中的函数编制FFT频谱显示的函数;3、 a).调入、显示“实验一”获得的图像；图像存储格式应为“.gif”;b)对这幅图像做FFT并利用自编的函数显示其频谱;4、实现数字图像傅立叶变换的部分参考程序：I=imread(‘原图像名.gif’); %读入原图像文件imshow(I); %显示原图像fftI=fft2(I); %二维离散傅立叶变换sfftI=fftshift(fftI); %直流分量移到频谱中心RR=real(sfftI); %取傅立叶变换的实部II=imag(sfftI); %取傅立叶变换的虚部A=sqrt(RR.^2+II.^2);%计算频谱幅值A=（A-min(min(A))）/(max(max(A))-min(min(A)))*225; %归一化figure; %设定窗口imshow(A); %显示原图像的频谱五、实验数据记录输入数字图像傅立叶变换的代码如下：I=imread(‘fengshu.gif’);imshow(I);fftI=fft2(I);sfftI=fftshift(fftI);RR=real(sfftI);II=imag(sfftI);A=sqrt(RR.^2+II.^2);A=（A-min(min(A))）/(max(max(A))-min(min(A)))*225;figure;imshow(A);运行以上程序原图像经傅立叶变换后的图像3实验四、图像的离散余弦变换和哈达玛变换一、实验目的1、了解图像离散余弦变换和逆变换的原理；2、理解离散余弦变换系数的特点；3、理解离散余弦变换在图像数据压缩中的应用；4、理解哈达玛变换的原理。

《数字图像处理》实验报告

《数字图像处理》实验报告

《数字图像处理》实验报告数字图像处理是一门将图像进行数字化处理的学科，它通过计算机算法和技术手段对图像进行分析、增强、压缩和重建等操作。

在本次实验中，我们学习了数字图像处理的基本概念和常用算法，并通过实验来探索其应用和效果。

首先，我们进行了图像的读取和显示实验。

通过使用Python中的OpenCV库，我们能够轻松地读取图像文件，并将其显示在屏幕上。

这为我们后续的实验奠定了基础。

同时，我们还学习了图像的像素表示方法，了解了图像由像素点组成的原理。

这使我们能够更好地理解后续实验中的算法和操作。

接下来，我们进行了图像的灰度化实验。

灰度化是将彩色图像转换为灰度图像的过程。

在实验中，我们使用了不同的算法来实现灰度化操作，包括平均值法、最大值法和加权平均法等。

通过比较不同算法得到的灰度图像，我们发现不同算法对图像的处理效果有所差异，这使我们深入理解了灰度化的原理和应用。

随后，我们进行了图像的直方图均衡化实验。

直方图均衡化是一种用于增强图像对比度的方法。

在实验中，我们使用了直方图均衡化算法来对图像进行处理，并观察了处理前后的效果变化。

通过实验，我们发现直方图均衡化能够显著提高图像的对比度，使图像更加清晰和鲜明。

在进一步探索图像处理技术的过程中，我们进行了图像的滤波实验。

滤波是一种常用的图像处理操作，它通过对图像进行卷积操作来实现。

在实验中，我们学习了不同类型的滤波器，包括均值滤波器、高斯滤波器和中值滤波器等。

通过比较不同滤波器对图像的处理效果，我们发现每种滤波器都有其适用的场景和效果。

此外，我们还进行了图像的边缘检测实验。

边缘检测是一种用于提取图像边缘信息的方法。

在实验中，我们学习了不同的边缘检测算法，包括Sobel算子、Canny算子和Laplacian算子等。

通过比较不同算法对图像的处理效果，我们发现每种算法都有其独特的特点和应用。

最后，我们进行了图像的压缩实验。

图像压缩是一种将图像数据进行压缩以减小文件大小的方法。