数字图像处理MATLAB程序

数字图像处理实验报告实验一数字图像处理编程基础一、实验目的1. 了解MATLAB图像处理工具箱；2. 掌握MATLAB的基本应用方法；3. 掌握MATLAB图像存储/图像数据类型/图像类型；4. 掌握图像文件的读/写/信息查询；5. 掌握图像显示--显示多幅图像、4种图像类型的显示方法；6. 编程实现图像类型间的转换。

二、实验内容1. 实现对图像文件的读/写/信息查询，图像显示--显示多幅图像、4种图像类型的显示方法、图像类型间的转换。

2. 运行图像处理程序，并保存处理结果图像。

三、源代码I=imread('cameraman.tif')imshow(I);subplot(221),title('图像1');imwrite('cameraman.tif')M=imread('pout.tif')imview(M)subplot(222),imshow(M);title('图像2');imread('pout.bmp')N=imread('eight.tif')imview(N)subplot(223),imshow(N);title('图像3');V=imread('circuit.tif')imview(V)subplot(224),imshow(V);title('图像4');N=imread('C:\Users\Administrator\Desktop\1.jpg')imshow(N);I=rgb2gary(GRB)[X.map]=gary2ind(N,2)RGB=ind2 rgb(X,map)[X.map]=gary2ind(I,2)I=ind2 gary(X,map)I=imread('C:\Users\dell\Desktop\111.jpg');subplot(231),imshow(I);title('原图');M=rgb2gray(I);subplot(232),imshow(M);[X,map]=gray2ind(M,100);subplot(233),imshow(X);RGB=ind2rgb(X,map);subplot(234),imshow(X);[X,map]=rbg2ind(I);subplot(235),imshow(X);四、实验效果实验二 图像几何变换实验一、实验目的1．学习几种常见的图像几何变换，并通过实验体会几何变换的效果；2．掌握图像平移、剪切、缩放、旋转、镜像等几何变换的算法原理及编程实现；3．掌握matlab 编程环境中基本的图像处理函数。

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。

数字图像处理课程设计--基于Matlab的数字图像处理数字图像处理课程设计基于Matlab的数字图像处理——图像的运算院系信息技术学院专业班级电气6班学号 201107111282姓名何英娜指导教师章瑞平课程设计时间 2012年11月目录一、摘要 (3)二、图像代数运算1、1图像的加法运算 (4)1、2图像的减法运算 (4)1、3图像的除法运算 (4)1、4绝对差值运算 (7)1、 5 图像的求补运算 (7)3三、图像的几何运算2、1 图像插值 (7)2、2图像的旋转 (8)2、3图像的缩放 (9)2、4图像的投影变换 (10)2、4图像的剪切 (11)四、课程设计总结与体会 (13)五、参考文献 (14)摘要图像运算涵盖程序设计、图像点运算、代数运算、几何运算等多种运算；设计目的和任务：1、熟悉图像点运算、代数运算、几何运算的基本定义和常见方法；2、掌握在MTLAB中对图像进行点运算、代数运算、几何运算的方法3、掌握在MATLAB中进行插值的方法4、运用MATLAB语言进行图像的插值缩放和插值旋转5、学会运用图像的投影变换和图像的剪切46、进一步熟悉了解MATLAB语言的应用，将数字图像处理更好的应用于实际7、通过各类算法加强图像各种属性、一、图像的几何运算何运算图像代数运算是指对两幅或两幅以上输入图像对应的像素逐个进行和差积商运算以产生增强效果的图像。

图像运算是一种比较简单有效的增强处理手段是图像处理中常用方法。

四种图像处理代数运算的数学表达式如下：C(x,y)=A(x,y)+B(x,y)C(x,y)=A(x,y)-B(x,y)C(x,y)=A(x,y)*B(x,y)C(x,y)=A(x,y)/B(x,y)1图像加法运算一般用于多幅图像求平均效果，以便有效降低具有叠加性的随机噪声，在matlab中imadd用于图像相加，其调用格式为z=imadd(X,Y);程序演示如下：I=imread('rice.png');subplot(2,2,1),imshow(I),title('原图像1'); J=imread('cameraman.tif');subplot(2,2,2),imshow(J),title('原图像52');K=imadd(I,J,'uint16'););subplot(2,2,3),imshow(K,[]),title('相加后图像'2、图像减法运算也称差分运算，是用于检测图像变化及运动物体的方法；用imsubtract函数实现。

matlab边缘提取及拟合边缘提取及拟合是数字图像处理中的一个重要的步骤。

边缘可以用于图像分割、物体识别、目标跟踪等领域。

本文将介绍边缘提取的常用方法以及拟合方法，并结合MATLAB代码进行讲解。

一、边缘提取方法1. Sobel算子Sobel算子是一种基于梯度的边缘检测算法，其原理是利用像素点周围的灰度值来计算梯度，从而得到边缘。

在MATLAB中，可以使用imgradient函数实现Sobel算子。

代码示例：I = imread('lena.png');[Gx, Gy] = imgradientxy(I);[Gmag, Gdir] = imgradient(Gx, Gy);imshowpair(Gmag, Gdir, 'montage');2. Canny算子Canny算子是一种基于多级阈值的边缘检测算法，其原理是先通过高斯滤波器对图像进行平滑处理，然后计算梯度，再进行非极大值抑制和双阈值分割，最后得到边缘。

在MATLAB中，可以使用edge函数实现Canny算子。

代码示例：I = imread('lena.png');BW = edge(I, 'canny');imshow(BW);二、拟合方法1. 直线拟合直线拟合是一种常用的边缘拟合方法，其原理是通过最小二乘法对边缘点进行拟合，从而得到一条直线。

在MATLAB中，可以使用polyfit函数实现直线拟合。

代码示例：I = imread('lena.png');BW = edge(I, 'canny');[H, T, R] = hough(BW);P = houghpeaks(H, 10);lines = houghlines(BW, T, R, P);imshow(I), hold onmax_len = 0;for k = 1:length(lines)xy = [lines(k).point1; lines(k).point2];plot(xy(:,1),xy(:,2),'LineWidth',2,'Color','green');% Plot beginnings and ends of linesplot(xy(1,1),xy(1,2),'x','LineWidth',2,'Color','yellow');plot(xy(2,1),xy(2,2),'x','LineWidth',2,'Color','red');% Determine the endpoints of the longest line segmentlen = norm(lines(k).point1 - lines(k).point2);if ( len > max_len)max_len = len;xy_long = xy;endend2. 圆拟合圆拟合是一种边缘拟合方法，其原理是通过最小二乘法对边缘点进行拟合，从而得到一个圆。

数字图像处理课程设计报告姓名：学号：班级： .net设计题目：图像处理教师：赵哲老师提交日期： 12月29日一、设计内容：主题：《图像处理》详细说明：对图像进行处理（简单滤镜，模糊，锐化，高斯模糊等），对图像进行处理（上下对称，左右对称，单双色显示，亮暗程度调整等），对图像进行特效处理（反色，实色混合，色彩平衡，浮雕效果，素描效果，雾化效果等），二、涉及知识内容：1、二值化2、各种滤波3、算法等三、设计流程图四、实例分析及截图效果：运行效果截图：第一步：读取原图,并显示close all;clear;clc;% 清楚工作窗口clc 清空变量clear 关闭打开的窗口close allI=imread('1.jpg');% 插入图片1.jpg 赋给Iimshow(I);% 输出图II1=rgb2gray(I);%图片变灰度图figure%新建窗口subplot(321);% 3行2列第一幅图imhist(I1);%输出图片title('原图直方图');%图片名称一，图像处理模糊H=fspecial('motion',40);%% 滤波算子模糊程度40 motion运动q=imfilter(I,H,'replicate');%imfilter实现线性空间滤波函数，I图经过H滤波处理，replicate反复复制q1=rgb2gray(q);imhist(q1);title('模糊图直方图');二，图像处理锐化H=fspecial('unsharp');%锐化滤波算子，unsharp不清晰的qq=imfilter(I,H,'replicate');qq1=rgb2gray(qq);imhist(qq1);title('锐化图直方图');三，图像处理浮雕(来源网络)%浮雕图l=imread('1.jpg');f0=rgb2gray(l);%变灰度图f1=imnoise(f0,'speckle',0.01);%高斯噪声加入密度为0.01的高斯乘性噪声 imnoise噪声污染图像函数 speckle斑点f1=im2double(f1);%把图像数据类型转换为双精度浮点类型h3=1/9.*[1 1 1;1 1 1;1 1 1];%采用h3对图像f2进行卷积滤波f4=conv2(f1,h3,'same');%进行sobel滤波h2=fspecial('sobel');g3=filter2(h2,f1,'same');%卷积和多项式相乘 same相同的k=mat2gray(g3);% 实现图像矩阵的归一化操作四，图像处理素描(来源网络)f=imread('1.jpg');[VG,A,PPG] = colorgrad(f);ppg = im2uint8(PPG);ppgf = 255 - ppg;[M,N] = size(ppgf);T=200;ppgf1 = zeros(M,N);for ii = 1:Mfor jj = 1:Nif ppgf(ii,jj)<Tppgf1(ii,jj)=0;elseppgf1(ii,jj)=235/(255-T)*(ppgf(ii,jj)-T);endendendppgf1 = uint8(ppgf1);H=fspecial('unsharp');Motionblur=imfilter(ppgf1,H,'replicate');figure;imshow(ppgf1);调用function [VG, A, PPG] = colorgrad(f, T)if (ndims(f)~=3) || (size(f,3)~=3)error('Input image must be RGB');endsh = fspecial('sobel');sv = sh';Rx = imfilter(double(f(:,:,1)), sh, 'replicate');Ry = imfilter(double(f(:,:,1)), sv, 'replicate');Gx = imfilter(double(f(:,:,2)), sh, 'replicate');Gy = imfilter(double(f(:,:,2)), sv, 'replicate');Bx = imfilter(double(f(:,:,3)), sh, 'replicate');By = imfilter(double(f(:,:,3)), sv, 'replicate');gxx = Rx.^2 + Gx.^2 + Bx.^2;gyy = Ry.^2 + Gy.^2 + By.^2;gxy = Rx.*Ry + Gx.*Gy + Bx.*By;A = 0.5*(atan(2*gxy./(gxx-gyy+eps)));G1 = 0.5*((gxx+gyy) + (gxx-gyy).*cos(2*A) + 2*gxy.*sin(2*A));A = A + pi/2;G2 = 0.5*((gxx+gyy) + (gxx-gyy).*cos(2*A) + 2*gxy.*sin(2*A)); G1 = G1.^0.5;G2 = G2.^0.5;VG = mat2gray(max(G1, G2));RG = sqrt(Rx.^2 + Ry.^2);GG = sqrt(Gx.^2 + Gy.^2);BG = sqrt(Bx.^2 + By.^2);PPG = mat2gray(RG + GG + BG);if nargin ==2VG = (VG>T).*VG;PPG = (PPG>T).*PPG;endf1=rgb2gray(f);imhist(f1);title('素描图直方图');五，图像处理实色混合(来源网络)%实色混合I(I<=127)=0; %对像素进行处理，若值小于等于127，置0 I(I>127)=255; %对像素进行处理，若值大于127，置255 imshow(I);title('像素图');I1=rgb2gray(f);imhist(I1);title('像素图直方图');六，图像处理反色图f=imread('1.jpg');q=255-q;imshow(q);title('反色图');imhist(q1);title('反色图直方图');七，图像处理上下对称A=imread('1.jpg');B=A;[a,b,c]=size(A);a1=floor(a/2); b1=floor(b/2); c1=floor(c/2);B(1:a1,1:b,1:c)=A(a:-1:a-a1+1,1:b,1:c);figureimshow(B)title('上下对称');A=rgb2gray(A);figureimhist(A)title('上下对称直方图');八，图像处理类左右对称C=imread('1.jpg');A=C;C(1:a,1:b1,1:c)=A(1:a,b:-1:b+1-b1,1:c);figureimshow(C)title('左右对称');A=rgb2gray(A);figureimhist(A)；title('左右对称直方图');九，图像处理单双色显示a=imread('1.jpg');a1=a(:,:,1);a2=a(:,:,2); a3=a(:,:,3);aa=rgb2gray(a);a4=cat(3,a1,aa,aa); a5=cat(3,a1,a2,aa);figuresubplot(121);imshow(a4);title('单色显示');subplot(122);imshow(a5);title('双色显示');a4=rgb2gray(a4);a5=rgb2gray(a5);figuresubplot(121);imhist(a4);title('单色显示直方图');subplot(122);imhist(a5);title('双色显示直方图');十，图像处理亮暗度调整a=imread('1.jpg');a1=0.8*a;figuresubplot(121);imshow(a1);title('暗图');subplot(122);imshow(a2);title('亮图')q3=rgb2gray(a1);q4=rgb2gray(a2);figuresubplot(121);mhist(q3);title('暗图直方图') subplot(122);imhist(q4);title('亮图直方图')十一，图像处理雾化处理q=imread('1.jpg');m=size(q,1);n=size(q,2);r=q(:,:,1);g=q(:,:,2);b=q(:,:,3);for i=2:m-10for j=2:n-10k=rand(1)*10;%产生一个随机数作为半径di=i+round(mod(k,33));%得到随机横坐标dj=j+round(mod(k,33));%得到随机纵坐标r(i,j)=r(di,dj);%将原像素点用随机像素点代替 g(i,j)=g(di,dj);b(i,j)=b(di,dj);endenda(:,:,1)=r;a(:,:,2)=g;a(:,:,3)=b;imshow(a)title('雾化处理图');q=rgb2gray(a);figureimhist(q);title('雾化处理图直方图');十二，图像处理高斯滤波I = imread('1.jpg');G =fspecial('gaussian', [5 5], 2);% fspecial生成一个高斯滤波器Ig =imfilter(I,G,'same');%imfilter使用该滤波器处理图片imshow(Ig);title('高斯滤波');I1=rgb2gray(Ig);imhist(I1);title('高斯滤波直方图');十三，图像处理色彩平衡（来自网络）im=imread('1.jpg');im2=im;%存储元图像im1=rgb2ycbcr(im);%将im RGB图像转换为YCbCr空间。

基于Matlab的图像预处理算法实现目录第一章绪论 (1)1.1何谓数字图像处理 (1)1.2数字图像处理的特点及其应用 (1)1.2.1 数字图像处理的特点 (1)1.2.2图像预处理的内容 (2)1.2.3 数字图像处理的应用 (3)1.3MATLAB (4)1.3.1 matlab简述 (4)1.3.2 matlab处理图像的特点 (5)第二章数字图像处理的灰度直方图 (6)2.1灰度的定义 (6)2.2直方图定义 (6)2.2.1直方图的典型用途 (6)2.2.2灰度直方图的计算 (7)2.2.3图像直方图实现代码 (7)2.3直方图均衡 (8)2.3.1 直方图均衡原理 (8)2.3.2直方图均衡的实现 (8)第三章图像平滑与图像锐化 (12)3.1图像的平滑 (12)3.1.1领域平均法基础理论 (12)3.1.2算法实现 (13)3.2图像锐化 (15)3.2.1图像锐化的目的和意义 (15)3.2.2图像锐化算法 (16)3.2.3图像锐化的实现代码 (16)第四章图像噪声与噪声的处理 (19)4.1噪声的概念 (19)4.2图像噪声对图像的影响 (19)4.3噪声来源 (19)4.4噪声图像模型及噪声特性 (20)4.4.1 含噪模型 (20)4.4.2 噪声特性 (21)4.5图像二值化 (21)4.5.1理论基础 (21)4.5.2图像二值化的实现代码 (21)4.6二值图像的去噪 (22)4.6.1理论基础 (23)4.6.2二值图像去噪的实现代码 (23)第五章结论 (25)参考文献 (26)第一章绪论1.1何谓数字图像处理数字图像处理（Digital Image Processing），就是利用数字计算机或则其他数字硬件，对从图像信息转换而得到的电信号进行某些数学运算，以提高图像的实用性。

例如从卫星图片中提取目标物的特征参数，三维立体断层图像的重建等。

总的来说，数字图像处理包括点运算、几何处理、图像增强、图像复原、图像形态学处理、图像编码、图像重建、模式识别等。

MATLAB应用级范围___机电114班肖作硕一：MATLAB是由美国MathWorks 公司推出的用于数值计算和图形处理的软件。

MATLAB 中除主包外, 还包含许多功能各异的工具箱, 用于解决各个领域的特定问题。

它的工具箱主要有通信、控制系统、滤波器设计、图像处理、非线性控制设计、系统识别、神经网络、最优化、模糊逻辑、信号处理、鲁棒控制、统计等。

借助于这些工具箱, 用户可以非常方便地进行分析、计算及设计工作。

不仅如此, MATLAB 还具有语法简单、易学易用的特点; 它丰富的函数使开发者无需重复编程, 只要简单地调用和使用,往往在C 语言里需要几十甚至上百行的语句在MATLAB 里只用一两个函数就可代替。

为此, MATLAB 己经成为目前使用最为广泛的工程应用软件。

二：应用范围：MATLAB 产品族可以用来进行以下各种工作：●数值分析●数值和符号计算●工程与科学绘图●控制系统的设计与仿真●数字图像处理技术●数字信号处理技术●通讯系统设计与仿真●MATLAB在通讯系统设计与仿真的应用●财务与金融工程●管理与调度优化计算（运筹学）MATLAB 的应用范围非常广，包括信号和图像处理、通讯、控制系统设计、测试和测量、财务建模和分析以及计算生物学等众多应用领域。

附加的工具箱（单独提供的专用MATLAB 函数集）扩展了MATLAB 环境，以解决这些应用领域内特定类型的问题。

三： MATLAB 图像处理应用MATLAB 的图像处理工具箱功能十分强大, 支持的图像文件格式丰富, 如*.BMP 、*.JPEG、*.GIF、*.TIFF、*.PCX、*.HDF、*.XWD、*.PNG 等。

MATLAB6.5 提供了15 类图像处理函数, 涵盖了包括近期研究成果在内的几乎所有的图像处理方法。

这些函数按其功能可分为:图像显示; 图像文件I/O; 几何操作; 像素和统计处理; 图像分析;图像增强; 线性滤波; 线性二元滤波设计; 图像变换; 邻域和块处理; 二进制图像操作; 区域处理; 颜色映像处理; 颜色空间变换; 图像类型和类型转换。

MATLAB图像处理中常见问题与解决方法在当今数字图像处理的领域中，MATLAB以其强大的功能和灵活性成为了许多研究人员和工程师的首选工具。

然而，即使使用MATLAB进行图像处理，也是不乏遇到各种问题和困难的。

本文将介绍一些在MATLAB图像处理中常见的问题，并提供相应的解决方法。

一、图像读取与显示问题在处理图像之前，首先需要将图像读取到MATLAB中，并显示出来。

然而，有时候我们会遇到图像读取失败或图像显示不清晰的情况。

这些问题往往与图像的格式和质量有关。

1. 图像格式转换常见的图像格式包括JPEG、PNG、BMP等。

在读取图像时，MATLAB并不支持所有的图像格式。

如果遇到图像读取失败的情况，可以尝试将图像转换为MATLAB支持的格式，如JPEG或PNG。

可以使用imread函数读取图像，并通过imwrite函数将图像转换为需要的格式。

2. 图像质量问题有时候图像在显示时可能会出现模糊、噪声或亮度不足等问题。

这些问题往往是由于图像的分辨率较低或者光照条件不好所导致的。

可以尝试使用imresize函数调整图像的分辨率，并使用imadjust函数调整图像的亮度和对比度。

二、图像增强与滤波问题为了提取图像中的信息或改善图像的质量，我们常常需要进行图像增强或滤波操作。

然而，选择合适的增强方法和滤波器、参数设置是一个具有挑战性的任务。

1. 直方图均衡化直方图均衡化是一种常用的图像增强方法，用于改善图像的对比度。

然而，当图像的动态范围很大或图像包含噪声时，直方图均衡化可能导致过度增强或噪声增强的问题。

可以尝试使用自适应直方图均衡化方法，如CLAHE算法，来解决这个问题。

2. 图像滤波图像滤波是一种常用的降噪和平滑图像的方法。

常见的图像滤波器包括高斯滤波器、中值滤波器等。

选择合适的滤波器和参数设置对于滤波效果至关重要。

可以通过尝试不同的滤波器和参数来达到最佳的滤波效果。

三、图像分割与特征提取问题图像分割和特征提取是图像处理中的重要任务，用于从图像中提取有用的信息。