下载文档原格式
《数字图像处理实验报告》实验一图像的增强一.实验目的1.熟悉图像在MATLAB下的读写、输出；2.熟悉直方图；3.熟悉图像的线性指数等；4.熟悉图像的算术运算和几何变换。
二.实验仪器计算机、MATLAB软件三.实验原理图像增强是指根据特定的需要突出图像中的重要信息，同时减弱或去除不需要的信息。
从不同的途径获取的图像，通过进行适当的增强处理，可以将原本模糊不清甚至根本无法分辨的原始图像处理成清晰的富含大量有用信息的可使用图像。
其基本原理是：对一幅图像的灰度直方图，经过一定的变换之后，使其成为均匀或基本均匀的，即使得分布在每一个灰度等级上的像素个数．f=H等或基本相等。
此方法是典刑的图像空间域技术处理，但是由于灰度直方图只是近似的概率密度函数，因此，当用离散的灰度等级做变换时，很难得到完全平坦均匀的结果。
频率域增强技术频率域增强是首先将图像从空间与变换到频域，然后进行各种各样的处理，再将所得到的结果进行反变换，从而达到图像处理的目的。
常用的变换方法有傅里叶变换、DCT变换、沃尔什-哈达玛变换、小波变换等。
假定原图像为f(x，y)，经傅立叶变换为F(u，v)。
频率域增强就是选择合适的滤波器H(u,v)对F(u,v)的频谱成分进行处理，然后经逆傅立叶变换得到增强的图像。
四.实验内容及步骤1.图像在MATLAB下的读写、输出；实验过程：>> I = imread('F:\image\');figure;imshow(I);title('Original Image');text(size(I,2),size(I,1)+15, ...'', ...'FontSize',7,'HorizontalAlignment','right');Warning: Image is too big to fit on screen; displaying at 25% > In imuitools\private\initSize at 86In imshow at 1962.给定函数的累积直方图。
数字图像处理实验(MATLAB版)数字图像处理(MATLAB版)实验指导书(试用版)湖北师范学院教育信息与技术学院2009年4月试行目录实验一、数字图像获取和格式转换 2 实验二、图像亮度变换和空间滤波 6 实验三、频域处理7 实验四、图像复原9 实验五、彩色图像处理10１实验六、图像压缩11 实验七、图像分割13 教材与参考文献14２《数字图像处理》实验指导书实验一、数字图像获取和格式转换一、实验目的1掌握使用扫描仪、数码相机、数码摄像级机、电脑摄像头等数字化设备以及计算机获取数字图像的方法；2修改图像的存储格式；并比较不同压缩格式图像的数据量的大小。
二、实验原理数字图像获取设备的主要性能指标有x、y方向的分辨率、色彩分辨率（色彩位数）、扫描幅面和接口方式等。
各类设备都标明了它的光学分辨率和最大分辨率。
分辨率的单位是dpi，dpi是英文Dot Per Inch的缩写，意思是每英寸的像素点数。
扫描仪扫描图像的步骤是:首先将欲扫描的原稿正面朝下铺在扫描仪的玻璃板上，原稿可以是文字稿件或者图纸照片；然后启３动扫描仪驱动程序后，安装在扫描仪内部的可移动光源开始扫描原稿。
为了均匀照亮稿件，扫描仪光源为长条形，并沿y方向扫过整个原稿；照射到原稿上的光线经反射后穿过一个很窄的缝隙，形成沿x方向的光带，又经过一组反光镜，由光学透镜聚焦并进入分光镜，经过棱镜和红绿蓝三色滤色镜得到的RGB三条彩色光带分别照到各自的CCD 上，CCD将RGB光带转变为模拟电子信号，此信号又被A/D变换器转变为数字电子信号。
至此，反映原稿图像的光信号转变为计算机能够接受的二进制数字电子信号，最后通过串行或者并行等接口送至计算机。
扫描仪每扫一行就得到原稿x方向一行的图像信息，随着沿y方向的移动，在计算机内部逐步形成原稿的全图。
扫描仪工作原理见图1.1。
４图1.1扫描仪的工作原理在扫描仪的工作过程中，有两个元件起到了关键的作用。
一个是CCD，它将光信号转换成为电信号；另一个是A/D变换器，它将模拟电信号变为数字电信号。
数字图像处理Ch04. 图像复原OUTLINE •图像复原问题•图像退化与复原模型•图像复原方法–逆滤波–维纳滤波–约束最小二乘滤波–Lucy-Richardson算法•盲复原问题•什么是图像复原–针对图像退化而言的–数字图像获取的过程中产生的质量下降，称为图像退化–成像的每一个过程都可能引起退化–举例：成像过程干扰：运动模糊–举例：成像系统不理想：离焦、像散、像差–举例：成像条件不理想：湍流、云雾–举例：电路、传输、编解码噪声–图像复原目的是要由退化图像尽量恢复出理想图像•Importance–1964年美国水手4号火星探测飞船计划–耗资约1000万美元–Results：21 幅火星表面图像–图像退化降质意味着经济损失•Potential Applications–天文：地基观测大气扰动；成像系统不理想；噪声–遥感：大气扰动造成的降晰；相对地面移动导致的模糊；薄云–医学：噪声；分辨率增强–公安：照片复原；监控录像复原；–文件处理：文物保护和复原；扫描文档图像增强–Phase Retrieval–Super-resolution•图像复原与图像增强–图像增强更主观，目的使处理后的图像更有利于人眼观察–图像复原更倾向于客观过程，使处理后的图像最接近于理想图像•图像退化和复原建模：–物体的理想图像设为f(x,y)–由于成像不理想，实际得到的是退化图像g(x,y)–图像复原由给定g(x,y)去估计原图像f(x,y)的过程，恢复的结果记为f’(x,y)退化函数复原滤波函数图像退化复原模型•点扩散函数PSF–PSF：输入物为点光源时，经过成像过程得到的输出–原物体上的一个点若经过理想成像，应该在图像上也对应一个点–此时PSF为脉冲函数(delta)–非理想成像情况，PSF更复杂，可记做h(x, y, x’, y’)–线性成像系统，输入光场与PSF的卷积图像退化过程的描述(,)(,)(,)(,)G u v H u v F u v N u v =+=+g Hf n),(),(*),(),(y x n y x f y x h y x g +=•空域卷积形式：•频域变换形式：•矩阵形式：估计复原算子r (x ,y )估计复原算子r (x ,y )估计噪声估计噪声(,)x y η%估计退化函数估计退化函数(,)h x y %退化函数h(x,y)退化函数h(x,y)图像复原：简单情形•若认为图像退化过程中只受到噪声的干扰，则：•此时图像的复原问题即是噪滤波的问题–空域滤波–频域滤波–与图像增强中采用的技术一样。
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 1
实验题目 图像复原实验-空域滤波复原 实验室 DSP室&信号室 实验时间 2015 年 10月 13 日 实验类别 设计 同组人数 2 成 绩 指导教师签字：
一．实验目的 1. 掌握图像滤波的基本定义及目的。 2. 理解空间域滤波的基本原理及方法。 3. 掌握进行图像的空域滤波的方法。
二．实验内容 1. 读出eight.tif这幅图像，给这幅图像分别加入椒盐噪声和高斯噪声后并与前一张图显示在同一图像窗口中。 2. 对加入噪声图像选用不同的平滑（低通）模板做运算，对比不同模板所形成的效果，要求在同一窗口中显示。 3. 使用函数imfilter时，分别采用不同的填充方法（或边界选项，如零填充、’replicate’、’symmetric’、’circular’）进行低通滤波，显示处理后的图像。 4. 运用for循环，将加有椒盐噪声的图像进行10次，20次均值滤波，查看其特点,显示均值处理后的图像（提示:利用fspecial函数的’average’类型生成均值滤波器）。 5. 对加入椒盐噪声的图像分别采用均值滤波法，和中值滤波法对有噪声的图像做处理，要求在同一窗口中显示结果。 6. 自己设计平滑空间滤波器，并将其对噪声图像进行处理，显示处理后的图像。
三．实验具体实现 1. 读出（自己选定.tif）这幅图像，给这幅图像分别加入椒盐噪声和高斯噪声后并与前一张图显示在同一图像窗口中。 I=imread('trees.tif'); subplot(1,3,1) imshow(I); title(' Original Image '); J = imnoise(I,'salt & pepper',0.05); %noise density=0.05 subplot(1,3,2) imshow(J); title(' salt & pepper '); K= imnoise(I,'gaussian',0.01,0.01); subplot(1,3,3) imshow(K); title(' gaussian ') 2
2. 对加入噪声图像选用不同的平滑（低通）模板做运算，对比不同模板所形成的效果，要求在同一窗口中显示。 I=imread('moon.tif'); H = fspecial('sobel'); subplot(2,2,1) imshow(I); title(' Qriginal Image '); Sobel = imfilter(I,H,'replicate'); subplot(2,2,2) imshow(Sobel); title(' Sobel Image ') H = fspecial('laplacian',0.4); lap = imfilter(I,H,'replicate'); subplot(2,2,3) imshow(lap); title(' Laplacian Image ') 3
H = fspecial('gaussian',[3 3],0.5); gaussian = imfilter(I,H,'replicate'); subplot(2,2,4) imshow(gaussian); title(' Gaussian Image ')
3. 使用函数imfilter时，分别采用不同的填充方法（或边界选项，如零填充、’replicate’、’symmetric’、’circular’）进行低通滤波，显示处理后的图像。 originalRGB = imread('trees.tif'); subplot(3,2,1) imshow(originalRGB); title(' Qriginal Image '); h = fspecial('motion', 50, 45); %motion blurred filteredRGB = imfilter(originalRGB, h); subplot(3,2,2) imshow(filteredRGB); title(' Motion Blurred Image '); boundaryReplicateRGB = imfilter(originalRGB, h, 'replicate'); subplot(3,2,3) 4
imshow(boundaryReplicateRGB); title(' 0-Padding'); boundary0RGB = imfilter(originalRGB, h, 0); subplot(3,2,4) imshow(boundary0RGB); title('Replicate'); boundarysymmetricRGB = imfilter(originalRGB, h, 'symmetric'); subplot(3,2,5) imshow(boundarysymmetricRGB); title(' Symmetric '); boundarycircularRGB = imfilter(originalRGB, h, 'circular'); subplot(3,2,6) imshow(boundarycircularRGB); title(' Circular'); 5 4. 运用for循环，将加有椒盐噪声的图像进行10次，20次均值滤波，查看其特点,显示均值处理后的图像（提示:利用fspecial函数的’average’类型生成均值滤波器）。 I=imread('kids.tif'); J = imnoise(I,'salt & pepper',0.05); subplot(1,3,1) imshow(J); title(' salt & pepper Noise'); h=fspecial('average'); %Averaging Filtering J1=imfilter(J,h); for i=1:10 J1=imfilter(J,h); subplot(1,3,2) imshow(J1); title(' 10 Averaging Filtering'); end J2=imfilter(J,h); for i=1:20 J2=imfilter(J,h); subplot(1,3,3) imshow(J2); title(' 20 Averaging Filtering'); end 6 5. 对加入椒盐噪声的图像分别采用均值滤波法，和中值滤波法对有噪声的图像做处理，要求在同一窗口中显示结果。 I=imread('trees.tif'); J = imnoise(I,'salt & pepper',0.05); subplot(1,3,1) imshow(J); title(' Original Image '); h=fspecial('average'); %Averaging Filtering J1=imfilter(J,h); subplot(1,3,2) imshow(J1); 7
title(' Averaging Filtering '); J2=medfilt2(J); %Median Filtering subplot(1,3,3) imshow(J2); title(' Median Filtering '); 8 6. 自己设计平滑空间滤波器，并将其对噪声图像进行处理，显示处理后的图像。 domain=[0 0 8 0 0; 0 0 8 0 0; 8 8 8 8 8; 0 0 8 0 0; 0 0 8 0 0]; I=imread('trees.tif'); J = imnoise(I,'salt & pepper',0.05); subplot(1,2,1) imshow(J); title(' Original Image '); K1= ordfilt2(J,5,domain); subplot(1,2,2) imshow(K1); title(' 5*5 Smoothing Fitered Image'); 9 10 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) 读出eight.tif这幅图像，给这幅图像分别加入椒盐噪声和高斯噪声后并与前一张图显示在同一图像窗口中。 I=imread('cameraman.tif'); subplot(1,3,1) imshow(I); 11
title(' Qriginal Image '); J = imnoise(I,'salt & pepper',0.05); %noise density=0.05 subplot(1,3,2) imshow(J); title(' salt & pepper '); K= imnoise(I,'gaussian',0.01,0.01); subplot(1,3,3) imshow(K); title(' gaussian ');
图2.1 初始图像及椒盐噪声图像、高斯噪声污染图
2) 对加入噪声图像选用不同的平滑（低通）模板做运算，对比不同模板所形成的效果，要求在同一窗口中显示。 I=imread('trees.tif'); H = fspecial('sobel'); subplot(2,2,1) imshow(I); title(' Qriginal Image '); Sobel = imfilter(I,H,'replicate'); subplot(2,2,2) imshow(Sobel); title(' Sobel Image ') H = fspecial('laplacian',0.4); lap = imfilter(I,H,'replicate'); subplot(2,2,3) imshow(lap); title(' Laplacian Image ') H = fspecial('gaussian',[3 3],0.5); gaussian = imfilter(I,H,'replicate'); subplot(2,2,4) imshow(gaussian); title(' Gaussian Image ')
