第二章数学形态学的基本运算 2.1二值腐蚀和膨胀 二值图象是指那些灰度只取两个可能值的图象，这两个灰度值通常取为0和1。习惯上认为取值1的点对应于景物中的点，取值为0的点构成背景。这类图象的集合表示是直接的。考虑所有1值点的集合(即物体)X，则X与图象是一一对应的。我们感兴趣的也恰恰是X集合的性质。 如何对集合X进行分析呢?数学形态学认为，所谓分析，即是对集合进行变换以突出所需要的信息。其采用的是主观“探针”与客观物体相互作用的方法。“探针”也是一个集合，它由我们根据分析的目的来确定。术语上，这个“探针”称为结构元素。选取的结构元素大小及形状不同都会影响图象处理的结果。剩下的问题就是如何选取适当的结构元素以及如何利用结构元素对物体集合进行变换。为此，数学形态学定义了两个最基本的运算，称为腐蚀和膨胀即1。 2.1 .1二值腐蚀运算 腐蚀是表示用某种“探针”(即某种形状的基元或结构元素)对一个图象进行探测，以便找出图象内部可以放下该基元的区域。它是一种消除边界点，使边界向内部收缩的过程。可以用来消除小且无意义的物体。腐蚀的实现同样是基于填充结构元素的概念。利用结构元素填充的过程，取决于一个基本的欧氏空间概念—平移。我们用记号A二表示一个集合A沿矢量x平移了一段距离。即: 集合A被B腐蚀，表示为AΘB，其定义为: 其中A称为输入图象，B称为结构元素。AΘB由将B平移x仍包含在A内的所有点x组成。如果将B看作模板，那么，AΘB则由在将模板平移的过程中，所有可以填入A内部的模板的原点组成。根据原点与结构元素的位置关系，腐蚀后的图象大概可以分为两类: (1)如果原点在结构元素的内部，则腐蚀后的图象为输入图象的子集，如图2.1所示。 (2)如果原点在结构元素的外部，那么，腐蚀后的图象则可能不在输入图象的内部，如图2.2所示。 图2.1腐蚀类似于收缩
实验一 实验内容和步骤 练习图像的读取、显示和保存图像数据，步骤如下： (1)使用命令figure(1)开辟一个显示窗口 (2)读入一幅RGB图像，变换为灰度图像和二值图像，并在同一个窗口内显示、二值图像和灰度图像，注上文字标题。 (3)保存转换后的灰度图像和二值图像 (4)在同一个窗口显示转换后的灰度图像的直方图 I=imread('BaboonRGB.bmp'); figure,imshow(I); I_gray=rgb2gray(I); figure,imshow(I_gray); I_2bw=Im2bw(I_gray); figure,imshow(I_2bw); subplot(1,3,1),imshow(I),title('RGB图像'); subplot(1,3,2),imshow(I_gray),title('灰度图像'); subplot(1,3,3),imshow(I_2bw),title('二值图像'); imwrite(I_gray,'Baboongray.png'); imwrite(I_2bw,'Baboon2bw.tif'); figure;imhist(I_gray);
RGB 图 像灰度图 像二值图 像 050100150200250 500 1000 1500 2000 2500 3000
(5)将原RGB 图像的R 、G 、B 三个分量图像显示在figure(2)中，观察对比它们的特点，体会不同颜色所对应的R 、G 、B 分量的不同之处。 [A_RGB,MAP]=imread('BaboonRGB.bmp'); subplot(2,2,1),imshow(A_RGB),title('RGB'); subplot(2,2,2),imshow(A_RGB(:,:,1)),title('R'); subplot(2,2,3),imshow(A_RGB(:,:,2)),title('G'); subplot(2,2,4),imshow(A_RGB(:,:,3)),title('B'); (6)将图像放大1.5倍，插值方法使用三种不同方法，在figure(3)中显示放大后的图像，比较不同插值方法的结果有什么不同。将图像放大到其它倍数，重复实验；A=imread('BaboonRGB.bmp'); figure(3),imshow(A),title('原图像'); B=imresize(A,1.5,'nearest'); figure(4),imshow(B),title('最邻近法') C=imresize(A,1.5,'bilinear'); ; figure(5),imshow(C),title('双线性插值'); D=imresize(A,1.5,'bicubic'); figure(6),imshow(D),title('双三次插值 '); RGB R G B
数字图像处理 课程编码：3073009223 课程名称：数字图像处理 总学分： 2 总学时：32 (讲课28，实验4) 课程英文名称：Digital Image Processing 先修课程：概率论与数理统计、线性代数、C++程序设计 适用专业：自动化专业等 一、课程性质、地位和任务 数字图像处理课程是自动化专业的专业选修课。本课程着重于培养学生解决智能化检测与控制中应用问题的初步能力，为在计算机视觉、模式识别等领域从事研究与开发打下坚实的理论基础。主要任务是学习数字图像处理的基本概念、基本原理、实现方法和实用技术，并能应用这些基本方法开发数字图像处理系统，为学习图像处理新方法奠定理论基础。 二、教学目标及要求 1．了解图像处理的概念及图像处理系统组成。 2．掌握数字图像处理中的灰度变换和空间滤波的各种方法。 3．了解图像变换，主要是离散和快速傅里叶变换等的原理及性质。 4．理解图像复原与重建技术中空间域和频域滤波的各种方法。 5. 理解解彩色图像的基础概念、模型和处理方法。 6. 了解形态学图像处理技术。 7. 了解图像分割的基本概念和方法。 三、教学内容及安排 第一章：绪论（2学时） 教学目标：了解数字图像处理的基本概念，发展历史，应用领域和研究内容。通过大量的实例讲解数字图像处理的应用领域；了解数字图像处理的基本步骤；了解图像处理系统的组成。 重点难点：数字图像处理基本步骤和图像处理系统的各组成部分构成。 1.1 什么是数字图像处理 1.2 数字图像处理的起源
1.3.1 伽马射线成像 1.3.2 X射线成像 1.3.3 紫外波段成像 1.3.4 可见光及红外波段成像 1.3.5 微波波段成像 1.3.6 无线电波成像 1.3.7 使用其他成像方式的例子 1.4 数字图像处理的基本步骤 1.5 图像处理系统的组成 第二章：数字图像基础（4学时） 教学目标：了解视觉感知要素；了解几种常用的图像获取方法；掌握图像的数字化过程及其图像分辨率之间的关系；掌握像素间的联系的概念；了解数字图像处理中的常用数学工具。 重点难点：要求重点掌握图像数字化过程及图像中像素的联系。 2.1 视觉感知要素（1学时） 2.1.1 人眼的构造 2.1.2 眼镜中图像的形成 2.1.3 亮度适应和辨别 2.2 光和电磁波谱 2.3 图像感知和获取（1学时） 2.3.1 用单个传感器获取图像 2.3.2 用条带传感器获取图像 2.3.3 用传感器阵列获取图像 2.3.4 简单的图像形成模型 2.4 图像取样和量化（1学时） 2.4.1 取样和量化的基本概念 2.4.2 数字图像表示 2.4.3 空间和灰度级分辨率 2.4.4 图像内插 2.5 像素间的一些基本关系（1学时） 2.5.1 相邻像素 2.5.2 临接性、连通性、区域和边界 2.5.3 距离度量 2.6 数字图像处理中所用数学工具的介绍 2.6.1 阵列与矩阵操作
基于数学形态学的图像噪声处理 摘要 本文首先介绍了数学形态学的发展简史及其现状，紧接着详细的阐述了数学形态学在图像处理和分析中的理论基础。并从二值数学形态 学出发着重研究了数学形态学的膨胀、腐蚀、开运算、闭运算等各种 运算和性质，然后根据已有的运算，接着引入了形态滤波器设计、形态学图像处理的实用算法。由于在图像的获取中存在各种可能的噪声，比 如高斯噪声、瑞利噪声、伽马噪声、指数噪声、均匀噪声以及椒盐等 噪声，由于这些噪声的普遍存在，因此，利用数学形态学的腐蚀、膨胀、开启、闭合设计出了一种比较理想的（闭和开）形态学滤波器，并且用MATLAB语言编写程序，反复的使用这种开闭、闭开来处理图像中存在的噪声，其效果比较满意。 关键词:数学形态学图像处理腐蚀膨胀滤波Studies on Mathematical Morphology for Image Processing ABSTRACT In this paper ,we first introduced the brief history and development of mathematical morphology some general theory of mathematical morphology analysis and many experiment results are https://www.doczj.com/doc/f93051720.html,ter ,from the aspect of morphology of dual value, special emphasis on various operations and properties including dilation, erosion,open operation and close operation etc.In addition, morphology analysis method of the dual value image is also discussed and the practical and improved operations of the morphological image processing such as electric filter design, marginal pattern testing are introduced. As the image of the acquisition in the range of possible noise, such as Gaussian noise, Rayleigh noise, Gamma noise, Uniform noise Salt and Pepper noise and so on. As the prevalence of such noise, so using mathematical morphology of erosion,dilation, opening, closing designed a more ideal (open and closed morphological filter, And repeated to use opening and closing, closing and opening handle image processing in the noise. It is satisfied with its results.And the simulation results is more satisfactory after the use of MATLAB language programming. Keyword：mathematical morphology image processing erosion dilation
一．形态学基础知识理解 形态学图像处理基本的运算包括：二值腐蚀和膨胀、二值开闭运算、骨架抽取、极限腐蚀、击中击不中变换、形态学梯度、Top-hat变换、颗粒分析、流域变换、灰值腐蚀和膨胀、灰值开闭运算、灰值形态学梯度等。 1.膨胀与腐蚀 最基本的形态学操作有二种：膨胀与腐蚀(Dilation与Erosion)。膨胀是在二值图像中“加长”和“变粗”的操作。这种方式和变粗的程度由一个结构元素组成的集合来控制。腐蚀是“收缩”或“细化”二值图像中的对象。同样，收缩的方式和程度由一个结构元素控制。腐蚀和膨胀是对白色部分（高亮部分）而言的，不是黑色部分。膨胀就是图像中的高亮部分进行膨胀，“领域扩”，效果图拥有比原图更大的高亮区域。腐蚀就是原图中的高亮部分被腐蚀，“领域被蚕食”，效果图拥有比原图更小的高亮区域。 常用的三种膨胀与腐蚀的组合：开运算、闭运算、击中或击不中变换。（1）开运算和闭运算: A被B的形态学开运算是A被B腐蚀后再用B来膨胀腐蚀结果。其几何解释为：B在A完全匹配的平移的并集。形态学开运算完全删除了不能包含结构元素的对象区域，平滑了对象的轮廓，断开了狭窄的连接，去掉了细小的突出部分；（2）闭运算: A被B的形态学闭运算是先膨胀再腐蚀的结果，其几何解释为：所有不与A重叠的B的平移的并集。形态学闭运算会平滑对象的轮廓，与开运算不同的是，闭运算一般会将狭窄的缺口连接起来形成细长的弯口，并填充比结构元素小的洞。（3）击中击不中变换: 击中与击不中变换先对目标图像进行目标结构元素的腐蚀操作；后对目标图像的对偶进行背景结构元素的腐蚀操作；最后取两次结果的交集。 2.重构 重构是一种涉及到两幅图像和一个结构元素的形态学变换。一幅图像，即标记（marker），是变换的开始点。另一幅图像是掩模（mask），用来约束变换过程。结构元素用于定义连接性。 3.灰度图像形态学 对于灰度图像来说，膨胀和腐蚀是以像素邻域的最大值和最小值来定义的。膨胀和腐蚀可以组合使用，以获得各种效果。例如，从膨胀后的图像中减去腐蚀过的图像可以产生一个“形态学梯度”，可以用来度量图像局部灰度变化。 开运算和闭运算用于形态学平滑。由于开运算可以去除比结构元素更小的明亮细节，闭运算可以去除比结构元素更小的暗色细节，所以它们经常组合在一起用来平滑图像并去除噪声。
数字图像处理实验报告 实验一数字图像基本操作及灰度调整 一、实验目的 1)掌握读、写图像的基本方法。 2)掌握MATLAB语言中图像数据与信息的读取方法。 3)理解图像灰度变换处理在图像增强的作用。 4)掌握绘制灰度直方图的方法，理解灰度直方图的灰度变换及均衡化的方 法。 二、实验内容与要求 1.熟悉MATLAB语言中对图像数据读取，显示等基本函数 特别需要熟悉下列命令：熟悉imread()函数、imwrite()函数、size()函数、Subplot（）函数、Figure（）函数。 1)将MATLAB目录下work文件夹中的forest.tif图像文件读出.用到imread， imfinfo 等文件，观察一下图像数据，了解一下数字图像在MATLAB中的处理就是处理一个矩阵。将这个图像显示出来（用imshow）。尝试修改map颜色矩阵的值，再将图像显示出来，观察图像颜色的变化。 2)将MATLAB目录下work文件夹中的b747.jpg图像文件读出，用rgb2gray() 将其 转化为灰度图像，记为变量B。 2.图像灰度变换处理在图像增强的作用 读入不同情况的图像，请自己编程和调用Matlab函数用常用灰度变换函数对输入图像进行灰度变换，比较相应的处理效果。 3.绘制图像灰度直方图的方法，对图像进行均衡化处理 请自己编程和调用Matlab函数完成如下实验。 1)显示B的图像及灰度直方图，可以发现其灰度值集中在一段区域，用 imadjust函 数将它的灰度值调整到[0，1]之间，并观察调整后的图像与原图像的差别，调整后的灰
度直方图与原灰度直方图的区别。 2) 对B 进行直方图均衡化处理，试比较与源图的异同。 3) 对B 进行如图所示的分段线形变换处理，试比较与直方图均衡化处理的异同。 图1.1 分段线性变换函数 三、实验原理与算法分析 1. 灰度变换 灰度变换是图像增强的一种重要手段，它常用于改变图象的灰度范围及分布，是图象数字化及图象显示的重要工具。 1) 图像反转 灰度级范围为[0, L-1]的图像反转可由下式获得 r L s --=1 2) 对数运算：有时原图的动态范围太大，超出某些显示设备的允许动态范围， 如直接使用原图，则一部分细节可能丢失。解决的方法是对原图进行灰度压缩，如对数变换： s = c log(1 + r )，c 为常数，r ≥ 0 3) 幂次变换： 0,0,≥≥=γγc cr s 4) 对比拉伸：在实际应用中,为了突出图像中感兴趣的研究对象，常常要求 局部扩展拉伸某一范围的灰度值，或对不同范围的灰度值进行不同的拉伸处理，即分段线性拉伸： 其对应的数学表达式为：
NANCHANG UNIVERSITY 数字图象处理实验报告 专业：通信工程 班级：121班 学号：6100212024 学生姓名：徐万然 2015年4月20日
目录 实验1：图像信号的数字化 实验2：图像灰度级修正 实验3：图像的平滑滤波 实验4：图像的锐化处理 实验5：图像的伪彩色处理 实验6：图像的几何变化 实验7：图像的复原处理 实验8：图像的正交变换
实验一：图像信号的数字化 一、实验目的 通过本实验了解图像的数字化参数取样频率（象素个数）、量化层数与图像质量的关系。 二、实验内容 编写并调试图像数字化程序，要求参数k，n 可调。其中k为亚抽样比例；n 为量化比特数；选择任意图像进行处理，在显示器上观察各种数字化参数组合下的图像效果。 三、实验程序 f=imread('Water lilies.jpg'); %读入一张图片 f1=rgb2gray(f); %将rgb值转换为灰度图 subplot(3,3,1),imshow(f),title('灰度图'); %显示这幅图像 f2=im2bw(f1); %将图像转换为二值图 subplot(3,3,2),imshow(f2),title('二值图'); %显示这幅图像 f3=~f2; %对图像进行取反操作 subplot(3,3,3),imshow(f3),title('取反图'); %显示这幅图像 f4=imnoise(f,'gaussian');% subplot(3,3,4),imshow(f4),title('加高斯噪声图'); %对象进行预操作，加入高斯噪声 h=ones(5,5)/25; %设计一个5*5的均值滤波器 f5=imfilter(f4,h); %对图像进行均值滤波 subplot(3,3,5),imshow(f5),title('平滑滤波图'); %显示这幅图像 f6=imadjust(f,[0,1],[0,1]); %对图像灰度值进行归一化处理 subplot(3,3,6),imshow(f6),title('灰度级修正图1'); %显示这幅图像 f7=imadjust(f,[0,0.8],[0,1]); %降低输入的灰度值 subplot(3,3,7),imshow(f7),title('灰度级修正图2'); %显示这幅图像
《数字图像处理》复习 第一章绪论 数字图像处理技术的基本内容：图像变换、图像增强、图象恢复、图像压缩编码、图像分割、图像特征提取（图像获取、表示与描述）、彩色图像处理和多光谱及高光谱图像处理、形态学图像处理 第二章数字图像处理基础 2-1 电磁波谱与可见光 1.电磁波射波的成像方法及其应用领域： 无线电波（1m-10km）可以产生磁共振成像，在医学诊断中可以产生病人身体的横截面图像☆微波（1mm-1m）用于雷达成像，在军事和电子侦察领域十分重要 红外线（700nm-1mm）具有全天候的特点，不受天气和白天晚上的影响，在遥感、军事情报侦察和精确制导中广泛应用 可见光（400nm-700nm）最便于人理解和应用最广泛的成像方式，卫星遥感、航空摄影、天气观测和预报等国民经济领域 ☆紫外线（10nm-400nm）具有显微镜方法成像等多种成像方式，在印刷技术、工业检测、激光、生物学图像及天文观测 X射线（1nm-10nm）应用于获取病人胸部图像和血管造影照片等医学诊断、电路板缺陷检测等工业应用和天文学星系成像等 伽马射线（0.001nm-1nm）主要应用于天文观测 2-2 人眼的亮度视觉特征 2.亮度分辨力——韦伯比△I/I（I—光强△I—光照增量），韦伯比小意味着亮度值发生较小变化就能被人眼分辨出来，也就是说较小的韦伯比代表了较好的亮度分辨力 2-3 图像的表示 3. 黑白图像：是指图像的每个像素只能是黑或白，没有中间的过渡，一般又称为二值图像 （黑白图像一定是二值图像，二值图像不一定是黑白图像） 灰度图像：是指图像中每个像素的信息是一个量化了的灰度级的值，没有彩色信息。 彩色图像：彩色图像一般是指每个像素的信息由R、G、B三原色构成的图像，其中的R、B、G是由不同的灰度级来描述的。 4.灰度级L、位深度k L=2^k 5.储存一幅M×N的数字图像所需的比特 b=M×N×k 例如，对于一幅600×800的256灰度级图像，就需要480KB的储存空间（1KB=1024Byte 1Byte=8bit） 2-4 空间分辨率和灰度级分辨率 6.空间分辨率是图像中可分辨的最小细节，主要由采样间隔值决定，反映了数字化后图像的实际分辨率。一种常用的空间分辨率的定义是单位距离内可分辨的最少黑白线对数目(单位是每毫米线对数)，比如每毫米80线对。对于一个同样大小的景物来说，对其进行采样的空间分辨率越高，采样间隔就越小，图片的质量就越高。 7.灰度级分辨率是指在灰度级别中可分辨的最小变化，通常把灰度级级数L称为图像的灰度级分辨率（灰度级通常是2的整数次幂） 8.在图像空间分辨率不变的情况下，采样数越少，图像越小。同时也证实了，在景物大小不变的情况下，图像阵列M×N越小，图像的尺寸就越小； 随着空间分辨率的降低，图像大小尺寸不变，图像中的细节信息在逐渐损失，棋盘格似的粗颗粒像素点变得越来越明显。由此也说明，图像的空间分辨率越低，图像的视觉效果越差；随着灰度分辨率的降低，图像的细节信息在逐渐损失，伪轮廓信息在逐渐增加。由于伪轮
（1）矩阵图像的傅里叶变换 f=zeros(30,30); f(5:24,13:17)=1; imshow(f,'notruesize') F=fft2(f); F2=log(abs(F)); figure;imshow(F2,[-1 5],'notruesize');colormap(jet);colorbar;
-0.5 00.5 11.522.533.544.5 （2）图像的傅里叶变换 I=imread('concordorthophoto.png'); imshow(I); B=ffshift(fft2(I)); figure; imshow(log(abs(B)),[]),colorbar;
图像离散余弦变换 RGB=imread('hestain.png'); I=rgb2gray(RGB); imshow(RGB); J=dct2(I); figure,imshow(log(abs(J)),[]),colorbar; J(abs(J)<10)=0; K=idct2(J)/255; figure,imshow(K)
二(1) 直方图均衡化增强图像对比度程序I=imread('trees.tif'); J=imnoise(I,'salt & pepper',0.02); imshow(I);figure,imshow(J) K1=filter2(fspecial('average',3),J)/255; K2=filter2(fspecial('average',5),J)/255; K3=filter2(fspecial('average',7),J)/255; figure,imshow(K1) figure,imshow(K2) figure,imshow(K3)
文献综述 课题：基于数学形态学的图像边缘检测方法研究 边缘检测是图像分割的核心容，而图像分割是由图像处理到图像分析的关键步骤，在图像工程中占据重要的位置，对图象的特征测量有重要的影响。图像分割及基于分割的目标表达、特征提取和参数测量等将原始图像转化为更抽象更紧凑的形式，使得更高层的图像分析和理解成为可能。从而边缘检测在图像工程中占有重要的地位和作用。因此对边缘检测的研究一直是图像技术研究中热点，人们对其的关注和研究也是日益深入。 首先，边缘在边界检测、图像分割、模式识别、机器视觉等中有很重要的作用。边缘是边界检测的重要基础，也是外形检测的基础。同时，边缘也广泛存在于物体与背景之间、物体与物体之间,基元与基元之间，是图像分割所依赖的重要特征。其次，边缘检测对于物体的识别也是很重要的。第一，人眼通过追踪未知物体的轮廓而扫视一个未知的物体。第二，如果我们能成功地得到图像的边缘，那么图像分析就会大大简化，图像识别就会容易得多。第三，很多图像并没有具体的物体，对这些图像的理解取决于它们的纹理性质，而提取这些纹理性质与边缘检测有极其密切的关系。 理想的边缘检测是能够正确解决边缘的有无、真假、和定向定位。长期以来，人们一直关心这一问题的研究，除了常用的局
部算子及以后在此基础上发展起来的种种改进方法外，又提出了许多新的技术，其中，比较经典的边缘检测算子有 Roberts cross算子、Sobel算子、Laplacian算子、Canny算子等，近年来又有学者提出了广义模糊算子，形态学边缘算子等。这些边缘检测的方法各有其特点，但同时也都存在着各自的局限性和不足之处。 本次研究正是在已有的算法基础上初步进行改进特别是形 态学边缘算子，以期找到一个更加简单而又实用的算子，相信能对图像处理中的边缘检测方法研究以及应用有一定的参考价值。 一、课题背景和研究意义： 伴随着计算机技术的高速发展，数字图像处理成为了一门新兴学科，并且在生活中的各个领域得以广泛应用。图像边缘检测技术则是数字图像处理和计算机视觉等领域最重要的技术之一。在实际图像处理中，图像边缘作为图像的一种基本特征，经常被用到较高层次的图像处理中去。边缘检测技术是图像测量、图像分割、图像压缩以及模式识别等图像处理技术的基础，是数字图像处理重要的研究课题之一。 边缘检测是图像理解、分析和识别领域中的一个基础又重要的课题, 边缘是图像中重要的特征之一，是计算机视觉、模式识别等研究领域的重要基础。图像的大部分主要信息都存在于图像的边缘中，主要表现为图像局部特征的不连续性，是图像中灰度变化比较强烈的地方，也即通常所说的信号发生奇异变化的地
数字图像处理 实验 实验八：彩色图像处理 学院：信息工程学院 姓名： 学号： 专业及班级： 指导教师：
一、实验目的 使用MatLab 软件对图像进行彩色处理。使学生通过实验熟悉使用MatLab软件进行图像彩色处理的有关方法，并体会到图像彩色处理技术以及对图像处理的效果。二、实验内容 要求学生能够完成彩色图像的分析，能正确讨论彩色图像的亮度、色调等性质；会对彩色图像进行直方图均衡，并能正确解释均衡处理后的结果；能够对单色图像进行伪彩色处理、利用多波长图像进行假彩色合成、进行单色图像的彩色变换。 利用MATLAB软件实现彩色图像处理的程序： rgb_image=imread('flower1.tif'); %读取图像flower1.tif fR=rgb_image(:,:,1); %获取图像的红色分量 fG=rgb_image(:,:,2); %获取图像的绿色分量 fB=rgb_image(:,:,3); %获取图像的蓝色分量 figure(1),imshow(fR) %分别显示图像 figure(2),imshow(fG) figure(3),imshow(fB) %实现rgb图像转化为NTSC彩色空间的图像 yiq_image=rgb2ntsc(rgb_image); fY=yiq_image(:,:,1); %图像flower1.tif的亮度 fI=yiq_image(:,:,2); %图像flower1.tif的色调 fQ=yiq_image(:,:,3); %图像flower1.tif的饱和度 figure(4),imshow(fY) figure(5),imshow(fI) figure(6),imshow(fQ) fR=histeq(fR,256); %对彩色图像的分量进行直方图均衡化 fG=histeq(fG,256); fB=histeq(fB,256); RGB_image=cat(3,fR,fG,fB); %将直方图均衡化后的彩色图像合并 figure,imshow(RGB_image) %观察处理后的彩色图色度，亮度参照前面 f1=imread('v1_red.jpg'); f2=imread('v1_green.jpg'); f3=imread('v1_blue.jpg'); f4=imread('infer_near.jpg'); ture_color=cat(3,f1,f2,f3); figure,imshow(ture_color) %显示由红、绿、蓝三幅图合成的彩色图 false_color=cat(3,f4,f2,f3); %用近红外图像代替R分量 figure,imshow(false_color) %显示由近红外、绿、蓝三幅图合成的假彩色图 f=imread('head.jpg'); cut_1=imadjust(f,[0.0925 0.5],[0.0925 0.5]);%提取灰度在16-128之间的像素 cut_2=imadjust(f,[0.5 1],[0.5 1]); %提取灰度在128-256之间的像素
实验四：数学形态学及其应用 1．实验目的 1.了解二值形态学的基本运算 2.掌握基本形态学运算的实现 3.了解形态操作的应用 2．实验基本原理 腐蚀和膨胀是数学形态学最基本的变换，数学形态学的应用几乎覆盖了图像处理的所有领域，给出利用数学形态学对二值图像处理的一些运算。 膨胀就是把连接成分的边界扩大一层的处理。而收缩则是把连接成分的边界点去掉从而缩小一层的处理。 二值形态学 I(x,y), T(i,j)为 0/1图像Θ 腐蚀：[]),(&),(),)((),(0 ,j i T j y i x I AND y x T I y x E m j i ++=Θ== 膨胀：[]),(&),(),)((),(0,j i T j y i x I OR y x T I y x D m j i ++=⊕== 灰度形态学 T(i,j)可取10以外的值 腐蚀： []),(),(min ),)((),(1 ,0j i T j y i x I y x T I y x E m j i -++=Θ=-≤≤ 膨胀： []),(),(max ),)((),(1 ,0j i T j y i x I y x T I y x D m j i +++=⊕=-≤≤ 1.腐蚀Erosion: {}x B x B X x ?=Θ: 1B 删两边 2B 删右上 图5-1 剥去一层（皮） 2.膨胀Dilation: {}X B x B X x ↑⊕:＝ 1B 补两边
2B 补左下 图5-2 添上一层（漆） 3.开运算open ：B B X ⊕Θ=)(X B 4.闭close ：∨ Θ⊕=B B X X B )( 5.HMT(Hit-Miss Transform:击中——击不中变换) 条件严格的模板匹配 ),(21T T T =模板由两部分组成。1T ：物体，2T ：背景。 {} C x x i X T X T X T X ??=?21, 图5-3 击不中变换示意图 性质： （1）φ=2T 时，1T X T X Θ=? （2）)()()(21T X T X T X C Θ?Θ=? C T X T X )()(21Θ?Θ= )/()(21T X T X ΘΘ= 6.细化/粗化 (1)细化（Thin ） C T X X T X XoT )(/??=?= 去掉满足匹配条件的点。 图5-4 细化示意图 系统细化{}n B oB XoB T Xo ))(((21=， i B 是1 -i B 旋转的结果（90?，180?，270?） 共8种情况 适于细化的结构元素 1 1110 00d d I = d d d L 1011 00= (2)粗化（Thick ） X 21 1 1 2 3 T ? XoT X ? X X ?T X ΘT T ⊕
数字图像处理实验 报告 学生姓名：学号： 专业年级： 09级电子信息工程二班
实验一常用MATLAB图像处理命令 一、实验内容 1、读入一幅RGB图像，变换为灰度图像和二值图像，并在同一个窗口内分成三个子窗口来分别显示RGB图像和灰度图像，注上文字标题。 实验结果如右图： 代码如下： Subplot (1,3,1) i=imread('E:\数字图像处理\2.jpg') imshow(i) title('RGB') Subplot (1,3,2) j=rgb2gray(i) imshow(j) title('灰度') Subplot (1,3,3) k=im2bw(j,0.5) imshow(k) title('二值') 2、对两幅不同图像执行加、减、乘、除操作，在同一个窗口内分成五个子窗口来分别显示，注上文字标题。 实验结果如右图： 代码如下： Subplot (3,2,1) i=imread('E:\数字图像处理 \16.jpg') x=imresize(i,[250,320]) imshow(x) title('原图x') Subplot (3,2,2) j=imread(''E:\数字图像处理 \17.jpg') y=imresize(j,[250,320]) imshow(y) title('原图y') Subplot (3,2,3) z=imadd(x,y) imshow(z)
title('相加结果')；Subplot (3,2,4)；z=imsubtract(x,y)；imshow(z)；title('相减结果') Subplot (3,2,5)；z=immultiply(x,y)；imshow(z)；title('相乘结果') Subplot (3,2,6)；z=imdivide(x,y)；imshow(z)；title('相除结果') 3、对一幅图像进行灰度变化，实现图像变亮、变暗和负片效果，在同一个窗口内分成四个子窗口来分别显示，注上文字标题。 实验结果如右图： 代码如下： Subplot (2,2,1) i=imread('E:\数字图像处理 \23.jpg') imshow(i) title('原图') Subplot (2,2,2) J = imadjust(i,[],[],3); imshow(J) title('变暗') Subplot (2,2,3) J = imadjust(i,[],[],0.4) imshow(J) title('变亮') Subplot (2,2,4) J=255-i Imshow(J) title('变负') 二、实验总结 分析图像的代数运算结果，分别陈述图像的加、减、乘、除运算可能的应用领域。 解答：图像减运算与图像加运算的原理和用法类似，同样要求两幅图像X、Y的大小类型相同，但是图像减运算imsubtract()有可能导致结果中出现负数，此时系统将负数统一置为零，即为黑色。 乘运算实际上是对两幅原始图像X、Y对应的像素点进行点乘(X.*Y)，将结果输出到矩阵Z中，若乘以一个常数，将改变图像的亮度：若常数值大于1，则乘运算后的图像将会变亮；叵常数值小于是，则图像将会会暗。可用来改变图像的灰度级，实现灰度级变换，也可以用来遮住图像的某些部分，其典型应用是用于获得掩膜图像。 除运算操作与乘运算操作互为逆运算，就是对两幅图像的对应像素点进行点（X./Y)， imdivide()同样可以通过除以一个常数来改变原始图像的亮度，可用来改变图像的灰度级，其典型运用是比值图像处理。 加法运算的一个重要应用是对同一场景的多幅图像求平均值 减法运算常用于检测变化及运动的物体，图像相减运算又称为图像差分运算，差分运算还可以用于消除图像背景，用于混合图像的分离。
实验一 Matlab图像基本操作 一、实验目的 熟悉利用Matlab进行图像处理的基本操作，了解图像数据的存储形式及进行图像处理编程的步骤方法。 二、实验内容 1、图像读写与显示 重点函数：imread, imwrite, imshow 2、彩色图像灰度化 计算公式：Y = R*0.299 + G*0.587 + B*0.114 3、图像马赛克 局部平均，改变窗口大小比较处理结果，如取2×2、4×4或更大尺寸的窗口 4、图像平移 分别完成图像水平方向、竖直方向和两个方向的平移 三、实验要求 1、编写代码，完成各项实验内容 2、总结实验中遇到问题及解决方案，书写实验报告 实验二图像点运算 一、实验目的 理解图像灰度变换和直方图的概念，掌握灰度变换和直方图均衡化的原理及实现方法。 二、实验内容 1、线性灰度变换 2、非线性变换 =，修改指数γ观察图像效果，总结指数项γ合理取值的一般规律 s crγ 3、直方图 绘制直方图，观察图像效果与直方图的关系 4、直方图均衡化 利用直方图均衡化确定灰度变换关系，画出变换曲线及图像处理前后的直方图 三、实验要求 1、编写代码，完成各项实验内容 2、总结实验中遇到问题及解决方案，书写实验报告
实验三邻域运算 一、实验目的 1.巩固对图像增强的认识，明确图像空域处理的类型 2.理解图像平滑与图像锐化的概念 3.掌握图像模板卷积运算的实现方法 4.锻炼编程开发图像处理算法的能力 二、实验准备 1.了解图像处理点运算和邻域运算的区别 2.学习利用模板卷积的方法进行图像邻域运算 3.复习均值滤波和中值滤波的原理 4.列出常用的模板形式，思考中值滤波要用到的简单排序方法 5.分析对比图像平滑和图像锐化模板的差异 三、实验内容与步骤 1.列出常用的卷积模板 2.基于3×3的模板，编写均值滤波的处理程序，处理含有加性高斯噪声和椒盐噪声的图像，观察处理结果 3.编写中值滤波程序，处理相同的图像与均值滤波进行比较；改变模板尺寸观察处理结果 4.编程实现利用一阶微分算子和二阶拉普拉斯算子进行图像锐化的程序 5.对比不同的邻域运算结果，体会图像锐化与图像平滑的区别 四、实验报告与思考题 1.总结实验内容及步骤方法完成实验报告，报告中要求有关键代码的注释说明及程序运行和图像处理结果 2.实验报告中回答以下问题 (1)均值滤波和中值滤波分别适用于处理哪类图像？ (2)图像平滑和图像锐化所采用的模板有什么不同？ (3)邻域运算的模板尺寸对处理结果有什么影响？
数字图形处理第八章课后偶数题号作业 8.2 (a)一个单一的原始数据包含2n 位。而最大的长度为2n ，因此需要n 位来表示。每一个行的起始坐标还需要n 位，并且它可以随意的设置在2n 的像素位置。 由21n n =和)1(2)(22N N n avg avg n n n n + =++ =得知： 1) 1(22 2 1>+ = = N n n avg n n C ，即得：12 1 -< -n n avg N (b)当10=n 时，2.5010 10 110 2 2 9 1 10=-= -< -N avg 8.4 根据灰度级数据｛12，12，13，13，10，13，57，54｝可得这条线经过精度为6比特的均匀量化可得他的IGS 编码。具体如下所示： 例如108=01101100，而其中0110为6，可得IGS 量化编码值为-12。同理，根据灰度级数据可得相应的量化误差为｛-12，-11，-7，-4，-12，-13，-8，-3｝所以得到： 84 .7)492(8 1)96416916164925144(8 1== +++++++= e rms 相应信噪比计算如下： 353 492 96 64160176240 12814496 2 2222 2 22 =+++++ ++= SNR rms 8.6 因为x a x b b a log log log 1 = 得知，一个哈特利(Hartley)等于3.322 bits 。通常 信息以e 为底的单元通常称为一个奈特(nat)，从而一个奈特等于1.4427 bits 。 8.8 有两种代码可知：0，11，10和1，00，01。而这些代码相互补充。是根据霍夫曼编码规则得以计算的。 8.10 由题意可得，为a a a a a a a a a 422252663
数学形态学图像处理的基本运算实现及分析 一、基本原理 数学形态学是一种应用于图像处理和模式识别领域的新的方法。它的基本思想是用具有一定形态的结构元素去度量和提取图像中的对应形状以达到对图像进行分析和识别的目的。数学形态学的数学基础和所用语言是集合论。数学形态学的应用可以简化图像数据，保持它们基本的形状特性，并除去不相干的结构。另一方面，数学形态学的算法具有天然的并行实现的结构。 1、基本运算 数学形态学的基本运算有四个：膨胀、腐蚀、开启和关。 如用A 表示图像集合，B 表示结构元素，形态学运算就是用B 对A 进行操 作。 A 被 B 膨胀，记为A ⊕B ，⊕为膨胀算子，膨胀的定义为 A B ⊕?{|[()]}x x B A =≠? 该式表明的膨胀过程是B 首先做关于原点的映射，然后平移x 。A 被B 的膨胀是 B 被所有x 平移后与A 至少有一个非零公共元素。 A 被 B 腐蚀，记为A ⊙B ，⊙为腐蚀算子，腐蚀的定义为 A B Θ?{|[()]}x x B A =≠? 也就是说，A 被B 的腐蚀的结果为所有使B 被x 平移后包含于A 的点x 的集合。 换句话说，用B 来腐蚀A 得到的集合是B 完全包括在A 中时B 的原点位置的集合。 膨胀和腐蚀并不互为逆运算，所以它们可以级连结合使用。例如，利用同一个结构元素B ，先对图像腐蚀然后膨胀其结果，或先对图像膨胀然后瘸蚀其结果，前一种运算称为开运算，后一种运算称为关运算。它们也是数学形态学中的重要运算。 开启的运算符为o ，A 用B 来开启写作AoB ，其定义为: A o ()B A B B =Θ⊕ 关的运算符为·，A 用B 来关写作A ·B ，其定义为: A ·()B A B B =⊕Θ 开和关两种运算都可以去除比结构元素小的特定图像细节，同时保证不产生全局的几何失真。开运算可以把比结构元素小的椒盐噪声滤除，切断细长搭接而起到分离作用。关运算可使比结构元素小的缺口或孔填补上，搭接短的间断而起到连通作用。 2、实际应用 近年来，数学形态学在图像处理方面得到了日益广泛的应用。下面主要就数学形态学在边缘检测、骨架提取等方面的应用做简要介绍。
数 字 图 像 处 理 II 实 验 报 告 课程名称：数字图像处理 II 专业：印刷工程班级： 学生姓名：学号： 指导教师：
一．直方图的定义、性质？打开图像，调整直方图，然后看有什么效果？ 答：直方图定义：颜色直方图是在许多图像检索系统中被广泛采用的颜色特征。它所描述的是不同色彩在整幅图像中所占的比例，而并不关心每种色彩所处的空间位置，即无法描述图像中的对象或物体。颜色直方图特别适于描述那些难以进行自动分割的图像。 直方图的性质：直方图中的数值都是统计而来，描述了该图像中关于颜色的数量特征，可以反映图像颜色的统计分布和基本色调;直方图只包含了该图像中某一颜色值出现的频数，而丢失了某象素所在的空间位置信息;任一幅图像都能唯一的给出一幅与它对应的直方图，但不同的图像可能有相同的颜色分布，从而就具有相同的直方图，因此直方图与图像是一对多的关系;如将图像划分为若干个子区域，所有子区域的直方图之和等于全图直方图;一般情况下，由于图像上的背景和前景物体颜色分布明显不同，从而在直方图上会出现双峰特性，但背景和前景颜色较为接近的图像不具有这个特性。 在PS上进行调整： 原图： 调整直方图：
二．说明什么是平滑与锐化？说明分别的原理及其应用中各个参数的意义？ 答：平滑：压制、弱化或消除图像中的细节、突变、边缘和噪声, 平滑原理：图像平滑是对图像作低通滤波,可在空间域或频率域实现。空问域图像平滑方法主要用低通卷积滤波、中值滤波等；频率域图像平滑常用的低通滤波器有低通梯形滤波器、低通高斯滤波器、低通指数滤波器、巴特沃思低通滤波器等。 锐化：图像锐化(image sharpening)就是补偿图像的轮廓，增强图像的边缘及灰度跳变的部分，使图像变得清晰，亦分空域处理和频域处理两类。 锐化原理：图像锐化技术，使图像的边缘变的清晰。图像锐化处理的目的是为了使图像的边缘、轮廓线以及图像的细节变的清晰，经过平滑的图像变得模糊的根本原因是因为图像受到了平均或积分运算，因此可以对其进行逆运算（如微分运算）就可以使图像变的清晰。从频率域来考虑，图像模糊的实质是因为其高频分量被衰减，因此可以用高通滤波器来使图像清晰。 在水下图像的增强处理中除了去噪，对比度扩展外，有时候还需要加强图像中景物的边缘和轮廓。而边缘和轮廓常常位于图像中灰度突变的地方，因而可以直观地想到用灰度的差分对边缘和轮廓进行提取。 模糊的参数和作用 1 动感模糊 作用：模拟了摄像中拍摄运动物体时间接曝光的功能，从而使图像产生一种动态效果。 参数：①角度：控制图像的模糊方向。 ②距离：控制图像的模糊强度。 2 高斯模糊 作用：根据高斯钟形曲线调节像素色值，控制模糊效果，甚至能造成难以辨认的