图像运算 实验报告

评分 实验报告

课程名称 医学图像处理 实验名称 图像运算 专业班级 姓 名 学 号 实验日期 实验地点

2015—2016学年度第 2 学期 医学图像处理

第2页 共10页 一、 实验目的 MATLAB的图像处理工具箱提供了图像运算函数。本实验将具体介绍Matlab中的图像点运算、代数运算、几何和邻域操作运算。

二、实验环境 1、硬件配置：处理器：Intel（R） Core(TM) i7-3770 CPU @3.40GHz 3.40GHz 安装内存（RAM）：4.00GB 系统类型：64位操作系统 2、 软件环境：MATLAB R2013b软件

三、实验内容 利用Matlab对图像进行点运算、加法运算、减法运算、乘法运算、除法运算、改变图像的大小、旋转图像、图像的剪切、图像的邻域操作。 四、实验结果与分析 （包括实验原理、数据的准备、运行过程分析、源程序（代码）、图形图象界面等） 注：本项可以增加页数

例1 图像点运算 skull=imread('skull.tif'); %读取图像 subplot(131),imshow(skull) %生成一行三列三块区域，并在第一块区域绘制图像 I=double(skull); %转换为双精度类型 J=I*0.43+60; %利用该函数对输出图像进行压缩，使其对比度减小，图像变暗 skull2=uint8(J); %转换为uint8 subplot(132),imshow(skull2) %在第二块区域绘制图像 J=I*1.5-60; %利用该函数对输出图像进行对比度级数拓展，使其对比度增强，图像变亮 skull3=uint8(J); %转换为uint8 subplot(133),imshow(skull3) %在第三块区域绘制图像

运行结果：

图1 原图像 图2 对比度减小的图像 图3 对比度增强的图像

分析：1）subplot是用于将多个图像画到一个平面上的函数。subplot(m,n,p,)中的m表示m行，n表示n列，p表示从左到右的第几块区域； 2）uint8表示8位无符号的整型数据类型，以此方式存储的图像称作8位图像；而Matlab中数值一般采用double型的存储和运算，因此在进行本题的灰度变换运算时，应先把skull图像转化为double格式； 医学图像处理 第3页 共10页 3）线性灰度变换函数 当a=1，b=0时，输出图像像素不发生变化；当a=1，0b时，输出图像所有灰度值上移或下移；当10a时，输出图像灰度级压缩，对比度减小，如图2所示；当1a时，输出图像灰度级拓展，对比度增强，如图3所示；当0a 时，输出图像暗区域变亮，亮区域变暗，图像求反。

2、图像的代数运算 例2 图像加法运算 skull=imread('skull.tif'); %读取图像 imshow(skull) %显示图像 J=imread('cameraman.tif'); %读取图像 figure,imshow(J) %显示图像 I=imresize(skull,[256,256]); %将skull图像转换为256256的大小 K=imadd(I,J); %对两幅图像的灰度值进行加法运算 figure,imshow(K) %显示图像 K2=imadd(I,J,'uint16'); %对两幅图像的灰度值进行加法运算，并转化为uint16 figure,imshow(K2,[]) %显示图像

RGB=imread('skull.tif'); %读取图像 RGB2=imadd(RGB,50); %将图像skull与常数50相加 imshow(RGB) %显示RGB图像 figure,imshow(RGB2) %显示亮度增强50的RGB图像 RGB3=imadd(RGB,100); %将图像skull与常数100相加 figure,imshow(RGB3) %显示亮度增强100的RGB图像

运行结果：

图4 skull原图像 图5 cameraman原图像 图6 两幅相加后的图像 医学图像处理

第4页 共10页 图7 转化为uint16的图像 图8 RGB原图 图9 亮度增强50后的图像

图10 亮度增强100后的图像 分析：1）imadd是用于实现两图像灰度值相加的函数，imadd(I,J)中的I和J要求大小相等，由于我读取的skull图像的尺寸为10241280，因此在进行I和J的加法运算前须利用imresize函数把skull图像转换为256256的大小； 2）I和J进行相加后的图像如图6所示，而在I和J相加的基础上将其转换为uint16的图像如图7所示，我们可以清楚的发现图6比图7的更亮，但细节比图7的模糊，这是由于Matlab在运算后会自动将图像转换为double型，因此uint16的图像是比double型的图像更清晰； 3）imadd（RGB,50）是将一个常数50加到RGB图像上,即使图像的灰度级增强了50，如图9所示，以此类推，图10为灰度级增强了100的图像。

例3 图像减法运算 I=imread('skull.tif'); %读取图像 imshow(I) %显示图像 background=imopen(I,strel('disk',15)); %估计圆盘半径为15的背景图像 figure,imshow(background); %显示背景图 I2=imsubtract(I,background); %从原始图像中减去不均匀的背景图

运行结果：

图11 skull原图 图12 背景图 图13 减去背景图后的图像 分析：1）imopen开运算属于形态图像处理，是先腐蚀后膨胀，可以使边界平滑，消除尖刺，断开窄小的连接，保持面积大小不变；strel是用于构建结构元素对象，imopen(I,strel('disk',15))就是构建圆盘半径为15的背景图，如图12所示； 2）imsubtract函数是用于两幅图像的相减运算，如图13所示，减去不均匀的部分后，医学图像处理 第5页 共10页 图像变得更加平滑。 例4 图像的乘法运算 I=imread('skull.tif'); %读取图像 J=immultiply(I,1.2); %图像的乘法，缩放因子是1.2>1，增强图像的亮度 K=immultiply(I,0.5); %图像的乘法，缩放因子是0.5<1，减小图像的亮度 imshow(I) %显示原图像 figure,imshow(J) %显示亮度增强图像 figure,imshow(K) %显示亮度减小图像

运行结果：

图14 skull原图 图15 亮度增强后的图像 图16 亮度减小后的图像 分析：1）乘法运算可以实现掩模操作，即屏蔽掉图像的某些部分 2）一幅图像乘以一个常数通常被称为缩放。immultiply(I,1.2)，使用的缩放因数大于1，那么将增强图像的亮度，如图15所示；immultiply(I,0.5)中的因数小于1则会使图像变暗，如图16所示。

例5 图像除法运算 I=imread('skull.tif'); %读取原图像 J=double(I)*0.43+80; %利用该函数对输出图像进行处理，是对比度减小，图像变暗 J=uint8(J); %转换成uint8 K=imdivide(I,J); %除法运算 imshow(I) %显示原图像 figure,imshow(J) %显示对比度减小的图像 figure,imshow(K) %显示灰度级相除后的图片

运行结果： 医学图像处理

第6页 共10页 图17 skull原图 图18 对比度减小的图片 图19 灰度级相除后的图片 分析：1）J=double(I)*0.43+80是将skull图像转换为double型再对其进行灰度变换运算，使其灰度级减小，如图18所示； 2）imdivide(I,J)要求I和J数据类型一致，因此在进行此运算时，须先将double型的J转换为uint8，两幅图像的灰度级相除后的到的结果为[0,1]，因为其灰度级极其相近且小，肉眼无法分辨，故我们所看到的输出图像几近与纯黑色，如图19所示； 3）除法运算是用于校正成像设备的非线性影响。

例6 图像的几何运算 I=imread('skull.tif'); %读取图像 J=imresize(I,1.25); %返回图像J,其长宽是图像I的长宽的1.25倍，即放大图像 K=imresize(I,0.8); %返回图像K,其长宽是图像I的长宽的0.8倍，即缩小图像 imshow(I) %显示原图 figure,imshow(J) %显示尺寸放大的图像 figure,imshow(K) %显示尺寸减小的图像

Y=imresize(I,[100,150]); %返回图像Y，高度为100，宽度为150 figure,imshow(Y) %显示150100的图像

运行结果：

图20 skull的原图像 图21 尺寸放大的图像 图22 尺寸减小的图像 图23 150100的图像 分析：1）imresize函数可改变图像输出图像的大小，J=imresize(I,1.25)为返回图像J,其长宽是

图像I的长宽的1.25倍，即放大图像，如图21所示；K=imresize(I,0.8)为返回图像K,其长宽是图像I的长宽的0.8倍，即缩小图像，如图22所示； 2）Y=imresize(I,[100,150])是直接指定输出图像真实的大小，即返回图像Y，高度为100，