当前位置：文档之家 › 数字图像处理实验报告

数字图像处理实验报告

  • 格式：docx
  • 大小：1.12 MB
  • 文档页数：36

数字图像处理实验报告实验一1.实验过程A．了解实验目的，实验原理。

B．在MATLAB中进行代码的输入。

C．选择合适的图片进行实验，并调试代码。

D．对照实验指导书，输出实验结果结果。

附实验代码：代码一：clear;clc;close all;x=imread('D:\std_test_images\flower.bmp');x=rgb2gray(x);subplot(1,2,1);imshow(x);title('original image');for i=1:256h(i)=sum(sum(x==i-1));endsubplot(1,2,2);imhist(x);title('Histogram of orignal image');y=x;s=sum(h);for i=1:256j=find(x==i-1);y(j)=sum(h(1:i))/s*255;endfigure;subplot(1,2,1);imshow(y);title('Result of histogtam equaliztion');subplot(1,2,2);imhist(y);title('Histogram of result of histogram equalization');clear;代码二：clc;close all;x=imread('D:\std_test_images\hole filling.bmp');figure;imshow(x);title('Original image');y=imnoise(x,'salt & pepper',.2);figure;imshow(y);title('Image corrupted by slat-and-peper');x1= medfilt2(y);figure;imshow(x1);title('Result of 3*3 median filter');x2=medfilt2(y,[7,7]);figure;imshow(x2);title('Result of 7*7 median filter');代码三：clear;clc;close all;x=imread('D:\std_test_images\cameraman.bmp');figure;imshow(x);title('Original image')[r,c]=size(x);y=x;for row=2:r-1for col=2:c-1h=abs(x(row+1,col-1)+2*x(row+1,col)+x(row+1,col+1)-x(row-1,col-1)-2*x (row-1,col)-x(row-1,col+1));v=abs(x(row+1,col+1)+2*x(row,col+1)+x(row-1,col+1)-x(row-1,col-1)-2*x(row,col-1)-x(row+1,col-1)); y(row,col)=v+h;endendfigure;imshow(y);title('Sobel gradient')y=x+y;y=double(y);ma=max(max(y));y=(255.*y)./ma;figure;imshow(uint8(y));title('Sobel gradient');2．实验结果原始图像&直方图均衡化图像&直方图原始图像椒盐噪声污染图像3×3中值滤波7×7中值滤波锐化前原始图像图像边缘锐化处理结果3．实验结果分析通过实验结果，可以看出均衡化后的图像的对比度增强，视觉效果更好。

中值滤波可以有效去除椒盐噪声，掩膜的大小对实验效果有明显的影响，掩膜大的去噪效果更好。

用Sobel算子可以提取图像边缘，将边缘与原始图像叠加，可以得到明显的锐化效果。

实验二1．实验过程A. 了解实验目的，实验原理。

B. 在MATLAB中进行代码的输入。

C. 选择合适的图片进行实验，并调试代码。

D. 对照实验指导书，输出实验结果结果。

附实验代码：代码一clear;clc;close all;x=imread('D:\std_test_images\1.bmp');figure;imshow(x);title('Original image')[r,c]=size(x);y=fft2(x);y=fftshift(y);y=abs(y);ma=max(max(y));y1=(255.*y)/ma;figure;imshow(uint8(y1));title('frequency spectrum scaled linearly');y2=log(1+y);ma=max(max(y2));y2=(255.*y2)/ma;figure;imshow(uint8(y2));title('Frequency spectrum of applying Log tranformation');代码二clear;clc;close all;I=imread('D:\std_test_images\1.bmp'); figure;imshow(I);title('Original image');[f1,f2]=freqspace(size(I),'meshgrid'); D=0.3;n=4;Hd=ones(size(I));r=sqrt(f1.^2+f2.^2);for i=1:size(I,1)for j=1:size(I,2)t=r(i,j)/(D*D);Hd(i,j)=1/(t^n+1);endendY=fft2(double(I));Y=fftshift(Y);Ya=Y.*Hd;Ya=ifftshift(Ya);la=ifft2(Ya);figure;imshow(uint8(la));title('Result of BLPF');for i=1:size(I,1)for j=1:size(I,2)t=(D*D)/r(i,j);Hd(i,j)=1/(t^n+1);endendY=fft2(double(I));Y=fftshift(Y);Ya=Y.*Hd;Ya=ifftshift(Ya);la=ifft2(Ya);figure;imshow(uint8(la));title('Result of BHPF');2．实验结果原始图像频谱线性变换频谱Log变换低通滤波高通滤波3．实验结果分析实验第一部分是输出了原始图像的两种频谱变换后的图像。

然后用巴特沃兹滤波算法，对原始图像进行了高通和低通处理。

得到了高低通滤波后的结果。

高通滤波后图像的轮廓明显。

实验三1．实验过程A. 了解实验目的，实验原理。

B. 在MATLAB中进行代码的输入。

C. 选择合适的图片进行实验，并调试代码。

D. 对照实验指导书，输出实验结果结果。

附实验代码：clear all;clc;close all;I=imread('D:\std_test_images\aerial_view_no_turb.tif'); figure;imshow(I);[r,c]=size(I);fftI=fft2(I);for u=1:rfor v=1:cH(u,v)=exp(-0.0015*((u-r/2).^2+(v-c/2).^2)^(5/6)); D(u,v)=sqrt((u-r/2)^2+(v-c/2)^2);if D(u,v)>r/4M(u,v)=1;elseM(u,v)=1/H(u,v);endendendma=max(max(H));figure;imshow(uint8(H.*255./ma));G=H.*fftshift(fftI);g=(ifft2(G));g=abs(real(g));figure;imshow(uint8(g));fftG=fft2(uint8(g));fftF=fftshift(fftG)./H;F=(ifft2(fftF))F=abs(real(F));ma=max(max(F));F=F.*255/ma;figure;imshow(uint8(F));fftF=fftshift(fftG).*M;F=(ifft2(fftF));F=abs(real(F));figure;imshow(uint8(F));T=(H.^2./(H.^2+0.0005));F2=(1./H).*T.*fftshift(fftG);f2=(ifft2(F2));f2=abs(real(f2));f2=f2(1:r,1:c);figure;imshow(uint8(f2));2．实验结果原始图像光学传递函数湍流退化图像全逆滤波复原半径受限逆滤波维纳滤波3．实验结果分析从结果可以看出逆滤波复原存在缺陷，N（u，v）/H（u，v）的比值决定复原的结果，当H（u，v）的值为零或接近原点时，会导致复原结果产生畸变。

维纳滤波则克服了这个缺点。

实验四1．实验过程A. 了解实验目的，实验原理。

B. 在MATLAB中进行代码的输入。

C. 选择合适的图片进行实验，并调试代码。

D. 对照实验指导书，输出实验结果结果。

附实验代码：clc;clear;img=imread('D:\std_test_images\flower.bmp');imshow(img)img1(:,:,1)=img(:,:,1);img1(:,:,2)=0;img1(:,:,3)=0;img2(:,:,2)=img(:,:,2);img2(:,:,1)=0;img2(:,:,3)=0;img3(:,:,3)=img(:,:,3);img3(:,:,1)=0;img3(:,:,2)=0;figure;imshow(img1);title('red');figure;imshow(img2);title('green');figure;imshow(img3);title('blue');rgb=im2double(img);r=rgb(:,:,1);g=rgb(:,:,2);b=rgb(:,:,3);num=0.5*((r-g)+(r-b));den=sqrt((r-g).^2+(r-b).*(g-b));theta=acos(num./(den+eps));H=theta;H(b>g)=2*pi-H(b>g);H=H/(2*pi);num=min(min(r,g),b);den=r+b+g;den(den==0)=eps;S=1-3.*num./den;H(S==0)=0;I=(r+b+g)/3;imgHSI=cat(3,H,S,I);img_H=imgHSI(:,:,1);img_S=imgHSI(:,:,2);img_I=imgHSI(:,:,3);figure;imshow(imgHSI);title('HSI');figure;imshow(img_H);title('Hue');figure;imshow(img_S);title('Saturation');figure;imshow(img_I);title('Intensity');2．实验结果原始图像红色分量图绿色分量图蓝色分量图转换后的HSI图H色调分量图S饱和度分量图I亮度分量图实验五1．实验过程A. 了解实验目的，实验原理。

合集下载

数字图像处理实验报告——图像分割实验

数字图像处理实验报告——图像分割实验

实验报告课程名称数字图像处理导论专业班级_＿____＿＿_＿___＿_姓名 __＿___＿_____＿__学号___＿＿_____＿____电气与信息学院与谐勤奋求就是创新一．实验目得1.理解图像分割得基本概念;2.理解图像边缘提取得基本概念；3.掌握进行边缘提取得基本方法；4.掌握用阈值法进行图像分割得基本方法.二。

实验内容1.分别用Roｂerｔs，Ｓobel与拉普拉斯高斯算子对图像进行边缘检测。

比较三种算子处理得不同之处；2.设计一个检测图1中边缘得程序，要求结果类似图2，并附原理说明。

3.任选一种阈值法进行图像分割、图1 图２三．实验具体实现1.分别用Robｅrts,Ｓobel与拉普拉斯高斯算子对图像进行边缘检测。

比较三种算子处理得不同之处；I=ｉｍreａｄ(’ｍｒi、ｔｉｆ');imshｏw（Ｉ)BW1=edgｅ（I，’ｒoｂerｔs’）;ｆigure ，ｉｍshow（BＷ1）,titlｅ(’用Robeｒｔs算子’)ＢW2=edgｅ(Ｉ，’sｏbel’);ｆigure,imshoｗ（BW2），ｔitle（’用Sｏbｅl算子 ')BW３＝ｅdge(I，’log’);figure，iｍshｏw（BW３)，titlｅ(’用拉普拉斯高斯算子’）比较提取边缘得效果可以瞧出,sｏbｅr算子就是一种微分算子,对边缘得定位较精确,但就是会漏去一些边缘细节.而Ｌaplaｃｉan—Gaussiaｎ算子就是一种二阶边缘检测方法，它通过寻找图象灰度值中二阶过零点来检测边缘并将边缘提取出来，边缘得细节比较丰富。

通过比较可以瞧出Ｌａplaciaｎ-Gauｓsｉan算子比sobeｒ算子边缘更完整，效果更好。

2.设计一个检测图1中边缘得程序，要求结果类似图2，并附原理说明.i=ｉmread（＇m８3、ｔif’）;subplｏｔ（１，2,1）；ｉmｈｉst（i）;ｔitle（'原始图像直方图'）;thread＝1３０/２5５；subplot（1，２，2);ｉ3=ｉｍ2bｗ(i，thrｅaｄ）；imsｈow（i3)；titlｅ('分割结果’);3.任选一种阈值法进行图像分割、i=iｍread（'tｒｅes、tif’）;subploｔ（１,2,1）；imｈist（i)；ｔitle（＇原始图像直方图’)；threａd=10０/２5５；sｕｂploｔ（１，2,2）;i3=iｍ2bｗ(i,thread）;imｓhow（i３）;titlｅ('分割结果’)1、分别用Robｅrts，Sobel与拉普拉斯高斯算子对图像进行边缘检测。

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。

数字图像处理图像变换实验报告.

数字图像处理图像变换实验报告.

实验报告实验名称：图像处理姓名：刘强班级：电信1102学号：1404110128实验一图像变换实验——图像点运算、几何变换及正交变换一、实验条件PC机数字图像处理实验教学软件大量样图二、实验目的1、学习使用“数字图像处理实验教学软件系统”，能够进行图像处理方面的简单操作；2、熟悉图像点运算、几何变换及正交变换的基本原理，了解编程实现的具体步骤；3、观察图像的灰度直方图，明确直方图的作用和意义；4、观察图像点运算和几何变换的结果，比较不同参数条件下的变换效果；5、观察图像正交变换的结果，明确图像的空间频率分布情况。

三、实验原理1、图像灰度直方图、点运算和几何变换的基本原理及编程实现步骤图像灰度直方图是数字图像处理中一个最简单、最有用的工具，它描述了一幅图像的灰度分布情况，为图像的相关处理操作提供了基本信息。

图像点运算是一种简单而重要的处理技术，它能让用户改变图像数据占据的灰度范围。

点运算可以看作是“从象素到象素”的复制操作，而这种复制操作是通过灰度变换函数实现的。

如果输入图像为A(x,y)，输出图像为B(x,y)，则点运算可以表示为：B(x,y)＝f[A(x,y)]其中f(x)被称为灰度变换（Gray Scale Transformation，GST）函数，它描述了输入灰度值和输出灰度值之间的转换关系。

一旦灰度变换函数确定，该点运算就完全确定下来了。

另外，点运算处理将改变图像的灰度直方图分布。

点运算又被称为对比度增强、对比度拉伸或灰度变换。

点运算一般包括灰度的线性变换、阈值变换、窗口变换、灰度拉伸和均衡等。

图像几何变换是图像的一种基本变换，通常包括图像镜像变换、图像转置、图像平移、图像缩放和图像旋转等，其理论基础主要是一些矩阵运算，详细原理可以参考有关书籍。

实验系统提供了图像灰度直方图、点运算和几何变换相关内容的文字说明，用户在操作过程中可以参考。

下面以图像点运算中的阈值变换为例给出编程实现的程序流程图，如下：2、图像正交变换的基本原理及编程实现步骤数字图像的处理方法主要有空域法和频域法，点运算和几何变换属于空域法。

《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。