第一篇：图像处理 实验报告
摘要：
图像处理，用计算机对图像进行分析，以达到所需结果的技术。又称影像处理。基本内容 图像处理一般指数字图像处理。数字图像是指用数字摄像机、扫描仪等设备经过采样和数字化得到的一个大的二维数组，该数组的元素称为像素，其值为一整数，称为灰度值。图像处理技术的主要内容包括图像压缩，增强和复原，匹配、描述和识别3个部分。图像处理一般指数字图像处理。
数字图像处理的目的是改善图像的质量，它以人为对象，以改善人的视觉效果为目的。目前，图像处理演示系统应用领域广泛医学、军事、科研、商业等领域。因为数字图像处理技术易于实现非线性处理，处理程序和处理参数可变，故是一项通用性强，精度高，处理方法灵活，信息保存、传送可靠的图像处理技术。本图像处理演示系统以数字图像处理理论为基础，对某些常用功能进行界面化设计，便于初级用户的操作。设计要求
可视化界面，采用多幅不同形式图像验证系统的正确性；
合理选择不同形式图像，反应各功能模块的效果及验证系统的正确性 对图像进行灰度级映射，对比分析变换前后的直方图变化；
1.课题目的与要求 目的：
基本功能：彩色图像转灰度图像
图像的几何空间变换：平移，旋转，剪切，缩放 图像的算术处理：加、减、乘
图像的灰度拉伸方法（包含参数设置）； 直方图的统计和绘制；直方图均衡化和规定化； 要求：
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等
5、学会运用图像的灰度拉伸方法
6、学会运用图像的直方图设计和绘制；以及均衡化和规定化
7、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
2.课题设计内容描述
1>彩色图像转化灰度图像：
大部分图像都是RGB格式。RGB是指红，绿，蓝三色。通常是每一色都是256个级。相当于过去摄影里提到了8级灰阶。
真彩色图像通常是就是指RGB。通常是三个8位，合起来是24位。不过每一个颜色并不一定是8位。比如有些显卡可以显示16位，或者是32位。所以就有16位真彩和32位真彩。
在一些特殊环境下需要将真彩色转换成灰度图像。1单独处理每一个颜色分量。
2.处理图像的“灰度“，有时候又称为“高度”。边缘加强，平滑，去噪，加锐度等。
3.当用黑白打印机打印照片时，通常也需要将彩色转成灰白，处理后再打印 4.摄影里，通过黑白照片体现“型体”与“线条”，“光线”。2>图像的几何空间变化：
图像平移是将图像进行上下左右的等比例变化，不改变图像的特征，只改变位置。
图像比例缩放是指将给定的图像在x轴方向按比例缩放fx倍，在y轴按比例缩放fy倍，从而获得一幅新的图像。如果fx=fy，即在x轴方向和y轴方向缩放的比率相同，称这样的比例缩放为图像的全比例缩放。如果fx≠fy，图像的比例缩放会改变原始图象的像素间的相对位置，产生几何畸变。
旋转。一般图像的旋转是以图像的中心为原点，旋转一定的角度，也就是将图像上的所有像素都旋转一个相同的角度。旋转后图像的的大小一般会改变，即可以把转出显示区域的图像截去，或者扩大图像范围来显示所有的图像。图像的旋转变换也可以用矩阵变换来表示。3>图像的算术处理：
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。三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)4>图像的灰度拉伸方法：
灰度拉伸又叫对比度拉伸，它是最基本的一种灰度变换，使用的是最简单的分段线性变换函数，它的主要思想是提高图像处理时灰度级的动态范围。可以有选择的拉伸某段灰度区间以改善输出图像。如图，所示的变换函数的运算结果是将原图在a到b之间的灰度拉伸到c到d之间。如果一幅图像的灰度集中在较暗的区域而导致图像偏暗，可以用灰度拉伸功能来拉伸(斜率>1)物体灰度区间以改善图像；同样如果图像灰度集中在较亮的区域而导致图像偏亮，也可以用灰度拉伸功能来压缩(斜率<1)物体灰度区间以改善图像质量。
5>直方图设计和绘制；以及均衡化和规定化：
灰度直方图是将数字图像的所有像素，按照灰度值的大小，统计其所出现的频度。通常，灰度直方图的横坐标表示灰度值，纵坐标为半个像素个数，也可以采用某一灰度值的像素数占全图像素数的百分比作为纵坐标。
直方图均衡方法的基本原理是：对在图像中像素个数多的灰度值（即对画面起主要作用的灰度值）进行展宽，而对像素个数少的灰度值（即对画面不起主要作用的灰度值）进行归并。从而达到清晰图像的目的。
3.总体方案设计
1> GUI图像处理平台的总体设计
图像处理平台设计的目的是能够将图像处理的各个独立算法集成到一个平台内，方便用户选用多种方法对图像进行处理.平台基于ＭatlabGUI设计，实现图像处理过程的交互和可视化，并为用户二次开发提供平台接口，提高图像处理算法的综合利用效率
2>平台总体功能设计 根据一体化的设计思想，平台主要实现算法集成、交互可视化和提供二次开发接口等功能.其中算法集成分为已有算法集成和新算法集成.具体功能描述如下：
（1）已有算法集成是对Ｍatlab图像处理工具
包中提供的算法进行集成，可以通过使用函数名加参数的方式直接调用.依据功能进行分类，将同类算法集成到同一菜单项内，如将傅里叶变换、小波变换、离散变换等算法归类到图像变换中，进行集成.（2）新算法集成是指对自主开发的算法进行集成，如改进水平集算法[12]、交互式图割算法[13]、细胞自动机分割算法[14]等均为自主开发的图像分割算法，同已有算法集成方式类似，集成到平台中，便于综合运用和算法分析与对比.（3）交互式可视化是指对图像处理过程及结果的可视化显示，并提供用户交互区.（4）二次开发接口是指通过调用集成模板方式，为用户提供一个将自己算法集成到平台中的一个接口
3>总体布局设计
一个高性能的图像处理平台应该为用户提供
方便快捷的操作.平台设计中通过菜单和按钮实现快捷操作，其中菜单项提供平台的整体功能，快捷按钮显示具体的独立功能.图像处理平台的布局设计如图1所示.利用ＭatlabGUI提供的工具包和底层代码，可以实现菜单功能区、快捷按钮功能区、DEMO显示区、可视化效果显示区和用户交互区的布局设计
4.程序实现和测试
4.1各个功能模块的主要实现程序 基本功能：彩色图像转灰度图像
I=imread('C:MATLAB7toolboximagesimdemospeppers.png','png');x=rgb2gray(I);figure(1);subplot(121);imshow(I);title('原始图像');subplot(122);imshow(x);title('灰度图像');实验结果：
图像的几何空间变换：平移，旋转，剪切，缩放
img1=imread('C:MATLAB7toolboximagesimdemosguidemo123jujiao3.jpg','jpg');img1=rgb2gray(img1);figure,imshow(img1);imwrite(img1,'a1.jpg');%%%%%%平移
se=translate(strel(1),[20 20]);img2=imdilate(img1,se);figure,imshow(img2);imwrite(img2,'a2.jpg');%%%%%%旋转 img3=imrotate(img1,90);figure,imshow(img3);imwrite(img3,'a3.jpg');% %%%%%缩放 img4=imresize(img1,2);figure,imshow(img4);imwrite(img4,'a4.jpg');
原始图像：
平移图像：
旋转图像：
缩放图像：
图像的算术处理：加、减、乘
加法
A=imread('C:MATLAB7toolboximagesimdemosguidemo123jujiao3.jpg','jpg');B=imread('C:MATLAB7toolboximagesimdemosguidemo123jujiao1.jpg','jpg');subplot(1,3,1);imshow(A);title('图像1');subplot(1,3,2);imshow(B);title('图像2');C=imadd(A,B);subplot(1,3,3);imshow(C);title('相加后的图像')
减法
A=imread('C:MATLAB7toolboximagesimdemosguidemo123jujiao3.jpg','jpg');B=imread('C:MATLAB7toolboximagesimdemosguidemo123jujiao1.jpg','jpg');subplot(2,3,1);imshow(A);title('图像1');subplot(2,3,2);imshow(B);title('图像2');C=imsubtract(A,B);subplot(2,3,3);imshow(C);title('相减后的图像')
乘法
A=imread('C:MATLAB7toolboximagesimdemosguidemo123jujiao3.jpg','jpg');B=imread('C:MATLAB7toolboximagesimdemosguidemo123jujiao1.jpg','jpg');subplot(1,3,1);imshow(A);title('图像1');subplot(1,3,2);imshow(B);title('图像2');C=immultiply(A,B);subplot(1,3,3);imshow(C);title('相乘后的图像')
图像的灰度拉伸方法（包含参数设置）；
img=imread('C:MATLAB7toolboximagesimdemosguidemo123jujiao3.jpg','jpg');figure(1);imshow(img);title('原图');[m,n]=size(img);%测量图像尺寸参数
GreyHist=zeros(1,256);%预创建存放灰度出现概率的向量 for k=0:255 GreyHist(k+1)=length(find(img==k))/(m*n);%计算每级灰度出现的概率，将其存入GreyHist中相应位置
end figure(2);bar(0:255,GreyHist)%绘制直方图 title('原直方图')xlabel('灰度值')ylabel('出现概率')%灰度拉伸 imggrey=img;prompt={'请输入系数a','请输入系数b'};words='请输入线性拉伸函数:';answer = inputdlg(prompt,words,1,{'0.5','2'});a=str2double(answer(1));b=str2double(answer(2));for i=1:m for j=1:n img(i,j)=a*img(i,j)+b;end end figure(3);imshow(img);title('灰度拉伸');GreyHist=zeros(1,256);%预创建存放灰度出现概率的向量 for k=0:255
直方图的统计和绘制；直方图均衡化和规定化；
%一，图像的预处理，读入彩色图像将其灰度化
img=imread('C:MATLAB7toolboximagesimdemosguidemo123jujiao3.jpg','jpg');%读入JPG彩色图像文件
imshow(img)%显示出来 title('输入的彩色JPG图像')imwrite(rgb2gray(img),'PicSampleGray.jpg');%将彩色图片灰度化并保存 img=rgb2gray(img);%灰度化后的数据存入数组 %二，绘制直方图
[m,n]=size(img);%测量图像尺寸参数
GP=zeros(1,256);%预创建存放灰度出现概率的向量 for k=0:255 GP(k+1)=length(find(img==k))/(m*n);%计算每级灰度出现的概率，将其存入GP中相应位置 end figure,bar(0:255,GP,'g')%绘制直方图 title('原图像直方图')xlabel('灰度值')ylabel('出现概率')%三，直方图均衡化 S1=zeros(1,256);for i=1:256 for j=1:i S1(i)=GP(j)+S1(i);%计算Sk end end S2=round((S1*256)+0.5);%将Sk归到相近级的灰度 for i=1:256 GPeq(i)=sum(GP(find(S2==i)));%计算现有每个灰度级出现的概率 end figure,bar(0:255,GPeq,'b')%显示均衡化后的直方图 title('均衡化后的直方图')xlabel('灰度值')ylabel('出现概率')%四，图像均衡化 PA=img;for i=0:255 PA(find(img==i))=S2(i+1);%将各个像素归一化后的灰度值赋给这个像素 end figure,imshow(PA)%显示均衡化后的图像 title('均衡化后图像')imwrite(PA,'PicEqual.jpg');
4.3.问题说明和总结：对在调试中发现的问题和解决方法做说明。
图像处理，是对图像进行分析、加工、和处理，使其满足视觉、心理以及其他要求的技术。图像处理是信号处理在图像域上的一个应用。目前大多数的图像是以数字形式存储，因而图像处理很多情况下指数字图像处理。
进行程序调试的过程中，最重要的是输入图像，刚开始是为了找到原始图像耗费了很多时间，一般的条件书上有，但要对其进行磨合。程序编写时，应该注意大小写。应该注意最后的输出部分，保证输出条件与输入条件相同。
5．总结与体会 这次使用MATALB进行图像处理的编写，是我对MATALB软件有了更深入的了解，对其的应用能力也有了相应的提高，更深入的了解到MATALB作为绘图软件的方便与快捷。在进行程序调试的过程中，最重要的是输入图像，只有找到图像的原始位置，才能进行下面的程序编码。编码程序时，应该在MATLAB原始文档的位置先行输入，输入时应该注意大小写。程序应该尽可能地简单，只要能达到目的就行，程序越复杂，运行时的错误就越多。以上是我的程序编码经验与感受。
6．参考文献
《数字图像处理实验指导书》 厍向阳 曹颖超 编著 《MATLAB与数学实验》 艾冬梅 李艳晴 编著 《图像处理和分析技术》 章毓晋 编著 《MATLAB实用教程》 郑阿奇 编著
第二篇：图像处理实验报告
实 实 验 报 告
实验课程名称
图像处理（第二版）
指 指 导 老 师
邓天明
学 学
院
交通运输
年级
2012 级
专业及班级
交通信息与控制工程二班
学 学 生 姓 名
田
飞
学
号 631205090230
开 开 课 时 间
2014
至
2015
学年第 2
学期
总 总 成 绩
教师签名
实验名称 直方图均衡化 实验类型 验证型 实验时间 2015/6/2 实验地点 基础实验楼北 501 实验目的：
1.熟悉图像数据在计算机中的存储方式； 2.掌握图像直方图均衡化这一基本处理过程。
仪器、设备名称：
PC 微机一台和 MATLAB 软件。
实验要求及注意事项：
本次实验注意事项总结如下：
1、要学会利用 Matlab 中的帮助信息，因为很多函数的调用方法都是可以在帮助中找到的。在调用函数时应重点看 Examples 中的方式。
2、在 Matlab 中进行重复操作时，可以用方向上键重复命令，也可以在命令窗口中进行复制粘贴。
3、使用软件处理图像时，注意不要使用复杂图像，以免处理时间过长且显示效果不理想。
实验内容、操作步骤：
实验内容：
1.读入图像数据到内存中，并显示读入的图像； 2.实现直方图均衡化处理，显示处理前后图像的直方图。
3.显示并保存处理结果。
实验步骤：
1．打开 Matlab 编程环境； 2．获取实验用图像。用’imread’函数将图像读入 Matlab；用’imshow’函数显示读入的图像。
3．获取输入图像的直方图：用’imhist’函数处理图像。
4．均衡化处理：用’histeq’函数处理图像即可。
5．获取均衡化后的直方图并显示图像：用’imhist’和’imshow’函数。
6．保存实验结果：用’imwrite’函数处理。
实验结果分析（含数据、图表整理）：
程序源代码 ：
A = imread(‘D:TF.gif’, ‘gif’);imshow(A);imhist(A);histeq(A);Imhist(A);Imshow(A);Imwrite(A, ‘D:TF.gif’, ‘GIF’);
处理结果：
图 1
灰度图
图 2
均衡化图
图 3
直方图
实验收获、心得及建议：
直方图均衡化是直方图变换方法中的一种，进行图像增强的方法是以概率论为基础的。
直方图均衡化主要用于增强动态范围偏小的图像的反差。这个方法基本思想是把原始图的直方图变换为均匀分布的形式，这样就增加了像素灰度值的动态范围，从而达到增强图像整体对比度德效果。
数字图像直方图均衡化之后直方图不是绝对平坦的，因为不能将同一个灰度值的各个像素变换到不同灰度级（或说此时仅根据灰度值区分不开不同的像素），所以数字图像直方图均衡化的结果一般只是近似均衡化的直方图。
在本次实验中发现：直方图均衡化在增强反差的同时也增强了图像的可视粒度。
实验名称 频域平滑滤波 实验类型 验证型 实验时间 2015/6/9 实验地点 基础实验楼北 501 实验目的：
1.熟悉图像数据在频率域的表示； 2.掌握频域图像增强的基本步骤。
仪器、设备名称：
PC 微机一台、MATLAB 软件、GIF 格式图片一张。
实验要求及注意事项：
在选择图片时应当选择 TTF 格式或者 GIF 格式的图片，若不是这种格式则应该在画图工具中改为上述格式，因为其他格式都打不开。
实验内容、操作步骤：
实验内容：
1.综合利用所学的数字图像基本存储结构、图像变换、图像增强等知识实现频率域图像增强； 2.在频率域进行用半径值分别为 5，15，30，80 和 230 的理想低通滤波器对图像进行平滑，并观察滤波效果。
操作步骤：
1．打开 Matlab 编程环境； 2．获取实验用图像。用’imread’函数将图像读入 Matlab；用’imshow’函数显示读入的图像。
3．将图像’uint8’格式转换为’double’格式，并将各点数据乘以-1 的（x+y）次方以便 FFT 变换后的结果中低频数据处于图像中央。
4．用’fft2’函数对图像数据进行二维 FFT 变换，得到频率域图像数据。
5．计算频率域图像的幅值并进行对数变换，利用’imshow’显示频率域图像。
6．在频率图像上去除滤波半径意外的数据（置 0）。
7．计算频率域图像的幅值并进行对数变换，利用’imshow’显示频率域图像。
8．用’fft2’函数对图像数据进行二维 FFT 逆变换，并用’real’函数取其实部，得到处理过的空间域图像数据。
9．将图像数据各点数据乘以-1 的（x+y）次方。
10．用’imshow’函数显示处理结果图像数据，并用’imwrite’函数保存图像处理结果数据。
实验结果分析（含数据、图表整理）：
程序源代码：
function
idlvbo(r)
I=imread(“E: tu bailong1.gif”);
subplot(1,2,1),imshow(I);% 显示原图
title(“bailong2 原 图 ”);
k=double(I);% ‘ uint8 格式转换为‘ double ’
g=fft2(k);% 傅里叶变换
g=fftshift(g);% 实现低频数据处于图像中心
figure,imshow(g);
% % 除去滤波半径以外的数据
[M ,N]=size(g);% 计算幅值
m=fix(M/2);
n=fix(N/2);
%m=round(M/2);
%n=round(N/2);
for i=1:M
for j=1:N
d=sqrt((i--m)^2+(j--n)^2);
if
d<=r
h=1;
else
h=0;
end
y(i,j)=h*g(i,j);
end
end
y=ifftshift(y);
E1=ifft2(y);
E2=uint8(real(E1));
subplot(1,2,2),imshow(E2);
title(“ 处理后的图像 ”);
imwrite(E2,“E2.tif”,“tif”);
处理结果：
原图
r=5 的结果图
r=15 的结果图
r=30 的结果图
r=80 的结果图
r=230 的结果图
实验收获、心得及建议：
在频域空间，图像的信息表现为不同频率分量的组合。如果能让某个范围内的分量或某些频率的分量受到抑制而让其他分量不受影响，就可以输出图的频率分布，达到不同的增强目的。
频域空间的增强方法有三个步骤：
1、将图像从图像空间转换到频域空间； 2、在频域空间对图像进行增强； 3、将增强后的图像再从频域空间转换到图像空间； 本次试验中在 FFT 变换前后，将各点数乘以-1 的（x+y）次方，是为了将图像处理后它的中低频数据处于图像中央位置。
频率域图像处理是把图像看成一种二维信号，对其进行基于二维傅里叶变化的信号增强；空间域图像增强的方法是直接对图像中的像素进行处理的过程。
实验名称 图像去噪 实验类型 验证型 实验时间 2015/6/9 实验地点 基础实验楼北 501 实验目的：
1.熟悉图像高斯噪声的特点； 2.掌握利用中值滤波器去除图像噪声的方法。
仪器、设备名称：
PC 微机一台、MATLAB 软件、GIF 格式图片一张。
实验要求及注意事项：
在选择图片时应当选择 TTF 格式或者 GIF 格式的图片，若不是这种格式则应该在画图工具中改为上述格式，因为其他格式都打不开。
实验内容、操作步骤：
实验内容：
编写代码实现中值滤波算法，并观察增强效果。
操作步骤：
1.打开 Matlab 编程环境。
2.利用’imread’ 函数读入包含噪声的原始图像数据。
3.利用’imshow’ 显示所读入的图像数据。
4.编写代码实现中值滤波算法，并对原始噪声图像进行滤波处理。
5.利用’imshow’ 显示处理结果图像数据。
6.利用’imwrite’函数保存图像处理结果数据。
实验结果分析（含数据、图表整理）：
程序源代码：
I1=imread(“D:tfYUAN.jpg”);
I3=rgb2gray(I1);I2=imnoise(I3,“salt & pepper”,0.02);subplot(1,2,1);
imshow(I2);
title(“jia zao yin”);
L=medfilt2(I2);
subplot(1,2,2);
imshow(L);
title(“ 中值滤波所得图像”);处理结果：
去噪声后的图像对比
实验收获、心得及建议：
噪声是常见的退化因素之一，也是图像恢复中重点研究的主要内容。图像中的噪声可定义为图像中不希望有的部分，或图像中不需要的部分。
中值滤波算法处理速度快。均值滤波对一个像素，取其周围的像素均值作为当前像素的值；中值滤波对一个像素，取其周围的像素的中间值作为当前像素的值，不需要求出均值，因此中值滤波算法较快。先得到图像的频率空间，然后对得到的二维空间数据进行比较得到最大值和最小值，求这两个值的平均值得到。它比中值滤波算法慢。
本次实验中，通过相关软件自带函数对图像进行处理，实现图像噪点的处理。
实验名称 Matlab 在数字图像处理中的应用
实验类型 验证行 实验时间 2015/6/16 实验地点 基础实验楼北 501 室 实验目的：
1．熟悉图像的四种类型。
2．熟练掌握图像的读、写操作以及显示方法。
3.熟悉图像的类型转换以及格式转换。
仪器、设备名称：
计算机、MATLAB 软件、《图像处理实验指导（电子版）》、MATLAB 相关书籍 实验要求及注意事项：
1、注意在 Matlab 中不同图像对应的格式。在 Matlab 中采用 4 种不同的方式把图像数据矩阵中的元素值（又称像素值）解释为对应像素的颜色。
2、使用 Matlab 中自带的函数可以实现不同格式的图像的格式间的转换。要熟悉相应的函数的使用参数。
实验内容、过程记录：
1．利用 imread()函数分别读取四种类型的图像。
2．读取一幅 RGB 图片，并将它转换成其他几种图像类型。
3.读取一幅 TIF 格式的图像，将它转换成 JPG 文件格式，并尝试使用不同的压缩品质(使用 help imwrite 查询其‘quality’参数的用法)压缩文件，比较压缩前后文件的大小和图像质量。
4（选做）.读取一幅索引图像，将图像显示出来。尝试修改 MAP 颜色矩阵的值，再将图像显示出来，对比观察图像颜色的变化。
实验分析结果（含数据、图表整理）：
程序源代码：
function dutu
I=imread(“C: ABCDEFG-------TF tf tf.jpg”);
subplot(2,2,1),imshow(I);
B title(“RGB 原图 ”);
A=dither(I,gray);
subplot(2,2,2),imshow(A);
title(“ 索引图 ”);
imwrite(A ,“suoyin.tif”,“tif”);
B=rgb2gray(I);
subplot(2,2,3),imshow(B);
title(“ 灰度图 ”);
imwrite(B,“huidu.tif”,“tif”);
C=im2bw(I,0.4);
subplot(2,2,4),imshow(C);
title(“ 二值图 ”);
imwrite(C,“erzhi.tif”,“tif”);
end
function gaitu
clc
clear
I=imread(“C: ABCDEFG-------TF tff.tif”);
subplot(2,2,1),imshow(I);
title(“ TF1.tif”);
imwrite(I,“TF1.jpg”,“jpg”);
B=imread(“C: ABCDEFG-------TF TF1.jpg”);
subplot(2,2,2),imshow(B);
title(“TF1.jpg”);
imwrite(I,“TF1(25).jpg”,“quality”,25);
C=imread(“C: ABCDEFG-------TF TF1(25).jpg”);
subplo t(2,2,3),imshow(C);
title(“TF1(25).jpg”);
imwrite(I,“TF1(50).jpg”,“quality”,50);
D=imread(“C: ABCDEFG-------TF TF1(50).jpg”);
subplot(2,2,4),imshow(D);
title(“TF1(50).jpg”);
end
1、图像格式间的转换 结果见下图
图 1 图像格式转换结果图 使用 imread 函数读入一张 RGB 图像，然后使用“dither”、“rgb2gray”、“im2bw”函数实现 RGB 图像向索引图像、灰度图像、二值图像的转换。图像结果使用“imwrite”函数进行保存。
2.读取一幅 TIF 格式的图像，将它转换成 JPG 文件格式
图 2 tif 格式转换为 jpg 格式结果 使 用 imwrite 函 数 使 “tif” 格 式 转 换 为 “jpg” 格 式，然 后 使 用 “ imwrite（I,“TF1(25).jpg”,“quality”,25）”和“imwrite（I,“TF1(50).jpg”,“quality”,50）”使图像分别以 25 和 50 的质量进行压缩保存。
实验收获、心得及建议：
实验中主要注意的时使用函数时，要与函数要求的格式相对应。处理不同类型的图像，所使用的函数语句是不一样的，对于结果的显示也会有所不同。有时图像的改变在显示时改变的迹象可能不太明显，这时可以通过查看图像的格式，具体的属性参数直观的看到改动。
查看文件的格式时可以根据其文件的后缀名。或者查看 imread 函数读到的矩阵格式。比如 TIFF 格式的文件，其文件包含文件头、参数指针表与参数域、参数数据表和图像数据 4 部分，这样读入到 MATLAB 中的矩阵格式就会为
第三篇：遥感图像处理实验报告
遥感图像处理实验报告
班级 11资环 姓名 学号 实验专题 实验室 F楼机房 成绩评定 教师签字
专题一：DEM图像进行彩色制图··························································2（叙述制图过程并把自己处理结果加载到本文档里）
专题二：TM与SPOT数据融合····························································3（叙述该过程并处理结果加载到本文档里。注意用两种方法融合的过程）
专题三：航片的配准与镶嵌·····························································4（叙述该过程并处理结果加载到本文档）
专题四：切取某研究区域的操作·························································5（具体要求：卫星影象叠加，选择其中三波段彩色合成，采用ROI切取研究区）
专题五：地图制图的方法·······························································6（主要是快速制图。并任选一样例加载制图后结果）
专题六：使用ENVI进行三维曲面的浏览与飞行············································7（叙述该过程并处理结果加载到本文档里）
专题七：监督分类试验（任选一种监督分类方法，并叙述···································8（其过程将其结果加载到本档里）。实验专题： 专题一：DEM图像进行彩色制图
1、加载一幅DEM的灰度图像，使用系统默认的IDL颜色表来调整屏幕的颜色表。
2、给生成的彩色图像添加图名、格网、比例尺、灰度条、等高线及数值等信息。
3、调整位置，保存图像。结果如下图 实验专题： 专题二：TM与SPOT数据融合
1、主图象窗口选择Transform > Image Sharpening > HSV，从一个打开的彩色图像中选择三个波段进行变换。
2、对原DEM图像进行拉伸处理。
3、将HSV图像重新转换为RGB图像。分别对应H-R,S-G,拉伸图像-B。
4、加载最终图像，并保存结果。结果如图所示：
实验专题： 专题三：航片的配准与镶嵌
1、加载两幅图像，其中一幅作为base image，一幅作为warp image。
2、在主菜单Registration里的Select GCP(Ground Control Points)来选择地面控制点，并调整误差。
3、执行图像—地图配准。
4、图像镶嵌。执行Map> Mosaicking > Pixel Based。
5、在Pixel Based Mosaic对话框，选择Import > Import Files and Edit Properties，调整羽化、背景等参数。
6、输入其他参数，加载结果图并保存。结果如图：
实验专题： 专题四：切取某研究区域的操作
1、加载一多波段彩色图像，在主图像窗口中，选择Overlay > Region of Interest。
2、ROI的类型选择polygon，在image窗口中画出研究的区域。
3、通过选择Basic Tools > Masking > Build Mask，建立掩膜。
4、选择Basic Tools > Masking > Apply Mask，应用掩膜来切取研究区域。结果如下：
实验专题： 专题五：地图制图的方法
1、打开显示要输出的图像。
2、从主图像显示窗口中，选择File>Quickmap>New Quickmap，修改输出页的大小、页的范围以及地图的比例。
3、设置图名、投影并添加map key等信息，保存图像。结果如下：
实验专题： 专题六：使用ENVI进行三维曲面的浏览与飞行
1、在显示图像的主图像窗口中，选择Tools> 3-D SurfaceView。
2、选择相应的数字高程模型（DEM）输入文件及所需要的DEM Resolution（像元数）复选框。
3、调整垂直方向的放大系数，输入的值将使得垂直方向真正放大。值越高，放大越多。
4、执行User Defined Mode对话框以调整3D图像的位置，角度等信息。
5、选取最佳视觉位置保存。
实验专题： 专题七：监督分类试验
1、首先选择感兴趣区域，即ROI。
2、选择Classification > Supervised > 需要的分类方法，以平行六面体(Parallelepiped)为例。
3、输入一般的分类参数（分类参数对话框中列出的那些），这一对话框包含了一个额外的参数—标准差数，用于ROI平均值周围。在“Max stdev from Mean”文本框里，键入一个数值。标准差的默认值3被自动输入到这一文本框里。
4、执行，并保存结果。如图所示
第四篇：数字图像处理——彩色图像实验报告
6.3实验步骤
(1)对彩色图像的表达和显示
* * * * * * * * * * * *显示彩色立方体* * * * * * * * * * * * *
rgbcube(0,0,10);
%从正面观察彩色立方体
rgbcube(10,0,10);%从侧面观察彩色立方 rgbcube(10,10,10);%从对角线观察彩色立方体
%* * * * * * * * * *索引图像的显示和转换* * * * * * * * * f=imread('D:PictureFig0604(a)(iris).tif');figure,imshow(f);
%f是RGB真彩图像
%rgb图像转换成8色索引图像，不采用抖动方式
[X1,map1]=rgb2ind(f,8,'nodither');figure,imshow(X1,map1);
%采用抖动方式转换到8色索引图像
[X2,map2]=rgb2ind(f,8,'dither');figure,imshow(X2,map2);%显示效果要好一些 g=rgb2gray(f);
%f转换为灰度图像
g1=dither(g);
%将灰色图像经过抖动处理，转换打二值图像figure,imshow(g);
%显示灰度图像
figure,imshow(g1);
%显示抖动处理后的二值图像
程序运行结果：
*
彩色立方体原图
不采用抖动方式转换到8色索引图像采用抖动方式转换到8色索引图像
灰度图像抖动处理后的二值图像
(2)彩色空间转换
f=imread('D:PictureFig0604(a)(iris).tif');figure,imshow(f);
%转换到NTSC彩色空间
%f是RGB真彩图像
ntsc_image=rgb2ntsc(f);
figure,imshow(ntsc_image(:,:,1));%显示亮度信息 figure,imshow(ntsc_image(:,:,2));%显示色差信息 figure,imshow(ntsc_image(:,:,3));%显示色差信息
%转换到HIS彩色空间
hsi_image=rgb2hsi(f);
figure,imshow(hsi_image(:,:,1));%显示色度信息 figure,imshow(hsi_image(:,:,2));%显示饱和度信息 figure,imshow(hsi_image(:,:,3));%显示亮度信息
程序运行结果：
原图
转换到NTSC彩色空间
显示亮度信息显示色差信息显示色差信息
转换到HIS彩色空间
显示色差信息显示饱和度信显示亮度信息
(3)彩色变换
f=imread('D:PictureFig0614(a)(Chalk Original).tif');
G=ice('image',f);
%打开ice窗口对图像进行调整
%在窗口中执行以下操作：
%a）得到图像的补色
%b）拖动映射曲线，对图像显示效果进行修改
%c）在颜色通道中选中某一颜色，然后对映射曲线进行修改
程序运行结果(1)：
全彩色图片ICE窗口
它的补色ICE窗口
拖动映射曲线，图像的显示效果
ICE窗口
f2=imread('D:Picture JLK Magenta.tif');figure,imshow(f2);%在CMYK彩色空间内打开图像 选择Red
ICE窗口
g2=ice('image',f2,'space','CMYK');
%f2的图像色彩偏红，拖动映射曲线，%调整映射参数，使图像的色彩看起来比较正常。
程序运行结果(2)
原图
在CMYK彩色空间内打开图像
调整映射参数后
ICE窗口
(4)彩色空间滤波
%* * * * * * * * * * * * * * * * * * * * 彩色图像平滑 * * * * * * * * * * * * * * * * * * * * * *
fc=imread('D:PictureFig0604(a)(iris).tif');figure,imshow(fc);h=rgb2hsi(fc);
H=h(:,:,1);
S=h(:,:,2);
I=h(:,:,3);
%转换到HIS彩色空间
%色度分量
%饱和度分量
%亮度分量
%25×25的方形平滑算子 w=fspecial('average',25);
I_filtered=imfilter(I,w,'replicate');%对亮度分量进行平滑操作 H1=cat(3,H,S,I_filtered);%将H、S、I三个分量重新组合起来f=hsi2rgb(H1);
f=min(f,1);
%转换到RGB彩色空间
%f的值控制在[0,1]之间
figure,imshow(f);
%彩色图像平滑处理 %* * * **** * * * * * * * * * * * * 彩色图像锐化 * * * * * * * * * * * * * * * * * * * * * *
fb=imread('D:PictureFig0604(a)(iris).tif');lapmask=[1 1 1;1-8 1;1 1 1];%拉普拉斯算子 g=imfilter(fb,lapmask,'replicate');%拉普拉斯算子处理 figure,imshow(g);
%图像锐化后与原图像相减
fen=imsubtract(fb,g);
figure,imshow(fen);%显示差值图像
程序运行结果：
原图彩色图像平滑处理
拉普拉斯算子处理
锐化处理
(5)彩色图像分割
%* * * * * * * * * * * * * * * * * 彩色边缘检测* * * * * * * * * * * *
close all;clear;clc;
f=imread('iris.tif');%f如图6-4所示
%直接计算彩色边缘VG，并得到对单独彩色平面的二维梯度求和形成的梯度PPG
[VG,A,PPG]=colorgrad(f);
figure,imshow(VG,[ ]);
%显示彩色梯度图像 figure,imshow(A,[ ]);
%显示彩色梯度对应的角度图像
figure,imshow(PPG,[ ]);
%显示分量梯度图像
g=VG-PPG;
%计算两种梯度方法得到的梯度之差 figure,imshow(g,[ ]);
程序运行结果：
%显示差值图像
彩色梯度图像 彩色梯度对应的角度图像
分量梯度图像两种梯度差值图像
%* * * * * * * * * * * * * * * * * 彩色图像分割 * * * * * * * * * * * * * * * * * * * * * * * * *
f=imread('jupitermoon.tif');%f如图6-4所示 mask=roipoly(f);
%取得选定区域图像的红色分量
%手工选定图中红色区域
R=immultiply(mask,f(:,:,1));
%取得选定区域图像的绿色分量
G=immultiply(mask,f(:,:,2));%取得选定区域图像的蓝色分量
B=immultiply(mask,f(:,:,3));
g=cat(3,R,G,B);
%取得选定区域的RGB图像 figure,imshow(g);
%显示取得选定区域
[M,N,K]=size(g);
%选定区域的大小
I=reshape(g,M*N,3);
%对g中的像素进行重排，按列序拉成一行 idx=find(mask);
%找到mask中的像素在重排后的图像g中位置 I=double(I(idx,1:3));
%转换到double类型 [C,m]=covmatrix(I);
%计算协方差矩阵C主对角线上的元素，即方差 %>>sd=sqrt(d)%求得这些元素的平方根，即均方差
均方差
%用欧式距离对图像进行彩色分割，阈值为25
E25=colorseg('euclidean',f,25,m);E251=f;E251(E25==0)=0 figure,imshow(E251,[]);
%用马氏距离对图像进行彩色分割，阈值为25 M25=colorseg('mahalanobis',f,25,m,C);figure , imshow(M25 , [ ]);程序运行结果：
原图选定区域
欧氏距离彩色分割马氏距离彩色分割
6.4 思考题
(1)请将图6-1所示的彩色图像转换到灰度图像，并根据灰度值对此灰度图像进行索引化，手工指定索引表中的RGB值，并把此索引图像显示出来。
程序代码如下
%思路：把原图想转换为128位索引图
close all;clear;clc;%将f从灰度图像转换为索引图像，x是索引图像； %map是索引矩阵，R，G，B的值都相等
f=imread('D:PictureRGB_iris.tif');figure,imshow(f);
%f是RGB图像 f1=rgb2gray(f);
%将f转换成灰度图像 figure,imshow(f1);[x,map]=gray2ind(f1,128);
figure,imshow(x);%将map中的值做下面改变则R，G，B的值不相等，产生彩色
%把灰度图像转化成128位的索引图
map(1,:)=0.5;map(: ,1)=0.5;map(2,:)=0.4;map(1,1)=0;figure,imshow(f1,map);
程序运行结果：
原RGB图像
灰度图像
索引图 修改索引表后的图像
(2)6.3节的（4）是将图像转换到HIS空间后再对亮度分量进行平滑操作，试直接对原图像的RGB三个分量分别进行平滑操作，并计算两种操作方法的图像差值。
程序代码如下：
f=imread('D:PictureRGB_iris.tif');figure,imshow(f);%直接对原图像的RGB三个分量分别进行平滑操作 H=f(:,:,1);
S=f(:,:,2);
I=f(:,:,3);
%色度分量
%饱和度分量
%亮度分量
%25×25的方形平滑算子 w=fspecial('average',25);
H_filtered=imfilter(H,w,'replicate');
%对色度分量进行平滑操作 S_filtered=imfilter(S,w,'replicate');
%对饱和度分量进行平滑操作 I_filtered=imfilter(I,w,'replicate');
%对亮度分量进行平滑操作 %将H、S、I三个分量重新组合起来
Ha=cat(3,H_filtered,S_filtered,I_filtered);Ha=im2double(Ha);
%转化成double类型 figure,imshow(Ha);%转换到HIS彩色空间 h=rgb2hsi(f);
%转换到HIS彩色空间
H=h(:,:,1);
S=h(:,:,2);
I=h(:,:,3);
%色度分量
%饱和度分量 %亮度分量 %25×25的方形平滑算子 w=fspecial('average',25);
I_filtered=imfilter(I,w,'replicate');%对亮度分量进行平滑操作 %将H、S、I三个分量重新组合起来 H1=cat(3,H,S,I_filtered);fb=hsi2rgb(H1);
%转换到RGB彩色空间 fb=min(fb,1);
figure,imshow(fb);
%f的值控制在[0,1]之间
%彩色图像平滑处理
fen=imsubtract(Ha,fb);figure,imshow(fen);程序运行结果：
%计算两中方式处理后图像的差值
原图
直接对RGB三分量进行平滑操作转换到HIS空间对亮度进行平滑操作
差值图像
试验中的问题和心得体会：
本次实验是彩色图像处理。
(1)通过这个实验我了解了RGB图像以及索引图像在MATLAB中的存储和询问方式
(2)了解RGB空间到其他彩色空间的转换方式和转换方法(3)知道了一些彩色图像的空间滤波方法(4)了解在RGB向量空间中检测彩色边缘的方法(5)了解在RGB向量空间中对图像进行分割的方法
遇到的问题：在做思考题(2)的时候，计算两种平滑处理的得到图像的差值的中程序出现了问题，经过看出错信息，认真检查程序后，发现是因为直接平滑处理的图像是unit8类型的，而转换到HIS空间后，得到的图像是double类型，二者的类型不同，导致使用imsubtract函数的时候出现了问题。感觉做matlab的实验和平时编写C代码的时候有很多地方是相同的，都会经历：编码，debug，正确这三个过程，这个过程本身就具有挑战性和趣味性。
第五篇：数字图像处理图像变换实验报告
数字图象处理实验指导书
实验一 图象变换实验
实 验
实验名称：图像处理姓名：刘强
班级：电信
学号：
报 告
1102
1404110128
数字图象处理实验指导书
实验一 图象变换实验
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：
数字图象处理实验指导书
实验一 图象变换实验
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。频域法是将图像变换到频域后再进行处理，一般采用的变换方式是线性的正交变换（酉变换），主要包括傅立叶变换、离散余弦变换、沃尔什变换、霍特林变换和小波变换等。正交变换被广泛应用于图像特征提取、图像增强、图像复原、图像压缩和图像识别等领域。
正交变换实验的重点是快速傅立叶变换（FFT），其原理过于复杂，可以参考有关书籍，这里不再赘述。至于FFT的编程实现，系统采用的方法是：首先编制一个一维FFT程序模块，然后调用该模块对图像数据的列进行一维FFT，再对行进行一维FFT，最后计算并显示幅度谱。程序流程图如下：
四、实验内容
图像灰度直方图
点运算：图像反色、灰度线性变换、阈值变换、窗口变换、灰度拉伸和灰度
数字图象处理实验指导书
实验一 图象变换实验
均衡
几何变换：图像镜像变换、图像转置、图像平移、图像缩放和图像旋转 正交变换：傅立叶变换、离散余弦变换、沃尔什变换、霍特林变换和小波正反变换
注意：
1、所有实验项目均针对8位BMP灰度图像进行处理，其它格式（如JPG）的图像可以利用系统提供的图像格式转换工具进行转换，再进行处理；
2、本次实验的重点是图像的灰度直方图和点运算，几何变换和正交变换只作一般性了解。
五、实验步骤
以图像灰度阈值变换为例说明实验的具体步骤，其它实验项目的步骤与此类似。
1、打开计算机，在系统桌面上双击“数字图像处理实验教学软件系统”的可执行文件“图象处理”的图标，进入实验系统；
2、执行文件→打开，在OPEN对话框中选择待处理的图像，按【OK】后系统显示出图像；
3、执行查看→图像基本信息，将显示图像基本信息对话框，如图所示；
数字图象处理实验指导书
实验一 图象变换实验
4、执行查看→灰度直方图，查看图像的灰度直方图，如图所示；
5、执行图像变换→正交变换→傅立叶变换，查看图像的频率域分布情况，如图所示；
数字图象处理实验指导书
实验一 图象变换实验
6、执行图像变换→正交变换→小波变换，查看图像经过小波变换的效果，如图所示；
7、执行图像变换→点运算→阈值变换，修改阈值变换对话框中的阈值参数，如图所示；
数字图象处理实验指导书
实验一 图象变换实验
8、设置完阈值参数后按【OK】,系统显示阈值变换后的图像，与原图像进行比较，观察阈值变换的效果，如图所示；
9、重复步骤4，查看阈值变换后图像的直方图分布情况；
数字图象处理实验指导书
实验一 图象变换实验
10、重复步骤5，查看阈值变换后图像的频率域分布情况；
11、执行文件→保存或另存为，保存处理后的图像；
12、执行文件→重新加载，重新加载原始图像，但要注意先前对图像的处理将会丢失； 注意：
13、在执行步骤2时可能会出现有些图像文件不能打开的情况，如图所示，此时可以先利用图像格式转换工具将图像文件转换为8位BMP图像，再利用系统进行处理。步骤14和15是使用图像格式转换工具的方法；
14、在桌面上双击图像格式转换工具Jpg2bmp的图标，进入转换工具界面，如图所示；
15、按照界面提示，把JPG格式的图像文件转换成8位BMP图像。
数字图象处理实验指导书
实验一 图象变换实验
步骤13示意图
步骤14示意图
六、思考题
1、图像灰度线性变换、阈值变换、窗口变换、灰度拉伸和灰度均衡之间有何区别？
灰度线性变换就是将图像的像素值通过指定的线性函数进行变换，以此增强或者减弱图像的灰度。
灰度的阈值变换可以让一幅图像变成黑白二值图。
灰度的窗口变换也是一种常见的点运算。它的操作和阈值变换类似。从实现方法上可以看作是灰度折线变换的特列。窗口灰度变换处理结合了双固定阈值法，与其不同之处在于窗口内的灰度值保持不变。
灰度拉伸又叫做对比度拉伸，它与线性变换有些类似，不同之处在于灰度拉伸使用的是分段线性变换，所以它最大的优势是变换函数可以由用户任意合成。
灰度均衡是增强图像的有效方法之一。灰度均衡同样属于改进图像的方法，灰度均衡的图像具有较大的信息量。从变换后图像的直方图来看，灰度分布更加均匀。
2、利用图像镜像和旋转变换可以实现图像转置吗？如果可以，应该怎样实现？
可以。进行一次镜像变换，顺（逆）时针旋转两次，再以与第一次相反的方向镜像变换。
数字图象处理实验指导书
实验一 图象变换实验
实验二 图像增强及复原实验
七、实验条件
PC机 数字图像处理实验教学软件
大量样图
八、实验目的
1、熟练使用“数字图像处理实验教学软件系统”；
2、熟悉图像增强及复原的基本原理，了解编程实现的具体步骤；
3、观察图像中值滤波、平滑、锐化和伪彩色编码的结果，比较不同参数条件下的图像增强效果；
4、观察图像退化和复原的结果，比较不同复原方法的复原效果。
九、实验原理
1、图像增强和复原的基本原理
对降质图像的改善处理通常有两类方法：图像增强和图像复原。
图像增强不考虑图像降质的原因，只将图像中感兴趣的特征有选择地进行突出，并衰减图像的次要信息，改善后的图像不一定逼近原始图像，只是增强了图像某些方面的可读性，如突出了目标轮廓，衰减了各种噪声等。图像增强可以用空域法和频域法分别实现，空域法主要是在空间域中对图像象素灰度值直接进行运算处理，一般包括中值滤波、模板平滑和梯度锐化等，空域法可以用下式来描述：
g(x,y)＝f(x,y)*h(x,y)其中f(x,y)是处理前图像，g(x,y)表示处理后图像，h(x,y)为空间运算函数。图像增强的频域法是在图像的频率域中对图像的变换值进行某种运算处理，然后变换回空间域，系统涉及的各种滤波器属于频域法增强，这是一种间接处理方法，可以用下面的过程模型来描述：
其中：F(u,v)=[ f(x,y)]，G(u,v)= F(u,v)H(u,v)，g(x,y)=1[ G(u,v)]，和1分别表示频域正变换和反变换。实验系统提供了图像增强相关内容的文字说明，用户在操作过程中可以参考。
图像复原是针对图像降质的原因，设法去补偿降质因素，使改善后的图像尽可能逼近原始图像，提高了图像质量的逼真度。关于图像复原的详细原理可以参考相关书籍，这里不再赘述。本系统提供了图像的噪声退化、卷积退化和运动模糊退化操作，并提供了相应的逆滤波复原、维纳复原和运动模糊复原操作。本次
数字图象处理实验指导书
实验一 图象变换实验
实验中图像复原只作一般性了解。
2、编程实现步骤
下面以图像增强中的中值滤波操作为例给出编程实现的程序流程图，如下：
十、实验内容
图像增强：中值滤波、图像模板平滑、理想低通滤波器平滑、巴特沃斯低通滤波器平滑、梯度锐化、拉普拉斯锐化、理想高通滤波器锐化、巴特沃斯高通滤波器锐化和伪彩色编码
图像复原：图像的噪声退化、卷积退化、卷积加噪声退化、运动模糊退化、逆滤波复原、维纳复原和运动模糊复原
注意：
3、所有实验项目均针对8位BMP灰度图像进行处理；
4、本次实验的重点是图像增强中的中值滤波和模板平滑，图像复原只作一般性了解。
十一、实验步骤
以图像中值滤波操作为例说明实验的具体步骤，其它实验项目的步骤与此类似。
11、打开计算机，在系统桌面上双击“数字图像处理实验教学软件系统”的可执行文件“图象处理”的图标，进入实验系统；
12、执行文件→打开，在OPEN对话框中选择待处理的图像，按【OK】后系统显示出图像；
数字图象处理实验指导书
实验一 图象变换实验
13、执行查看→图像基本信息，将显示图像基本信息对话框，如图所示；
14、执行查看→灰度直方图，查看图像的灰度直方图，如图所示；
数字图象处理实验指导书
实验一 图象变换实验
15、执行图像变换→正交变换→傅立叶变换，查看图像的频率域分布情况，如图所示；
16、执行图像增强→中值滤波，选择或自定义对话框中的滤波器参数，如图所示；
数字图象处理实验指导书
实验一 图象变换实验
17、设置完滤波器参数后按【OK】,系统显示中值滤波后的图像，与原图像进行比较，观察中值滤波的效果，如图所示；
18、重复步骤4，查看中值滤波后图像的直方图分布情况；
数字图象处理实验指导书
实验一 图象变换实验
19、重复步骤5，查看中值滤波后图像的频率域分布情况；
10、执行文件→保存或另存为，保存处理后的图像；
11、执行文件→重新加载，重新加载原始图像，但要注意先前对图像的处理将会丢失。
数字图象处理实验指导书
实验一 图象变换实验
十二、思考题
1、图像中值滤波和模板平滑之间有何区别？
图像平滑处理就是用平滑模板对图像进行处理，以减少图像的噪声。而中值滤波是一种非线性的信号处理方法。
2、图像增强和图像复原之间有何区别？
图像增强：利用一定的技术手段，不用考虑图像是否失真（即原 始图像在变换后可能会失真）而且不用分析图像降质的原因。针对给定图像的应用场合，有目的地强调图像的整体或局部特性，将原来不清晰的图像变得清晰或强调某些感兴趣的特征，扩大图像中不同物体特征之间的差别，抑制不感兴趣的特征，使之改善图像质量、丰富信息量，加强图像判读和识别效果，满足某些特殊分析的需要。
图像复原：针对质量降低或者失真的图像，恢复图像原始的内容或者质量。图像复原的过程包含对图像退化模型的分析，再对退化的图像进行复原。图像退化是由于成像系统受各种因素的影响，导致了图像质量的降低，称之为图像退化。这些因素包括传感器噪声、摄像机聚焦不佳、物体与摄像机之间的相对移动、随机大气湍流、光学系统的象差、成像光源和射线的散射等。图像复原大致可以分为两种方法：
一种方法适用于缺乏图像先验知识的情况，此时可对退化过程建立模型进行描述，进而寻找一种去除或消弱其影响的过程，是一种估计方法；
另一种方法是针对原始图像有足够的先验知识的情况，对原始图像建立一个数学模型并根据它对退化图像进行拟合，能够获得更好的复原效果。
3、图像维纳复原为什么比逆滤波复原效果好？
维纳滤波复原的原理可表示为
对于维纳滤波，由上式可知，当
时，由于存在 项，所以数字图象处理实验指导书
实验一 图象变换实验
不会出现被0除的情形，同时分子中含有项，在处。当时，此时维纳滤波就变成 了逆滤波；当时，表明维纳滤波避免了逆滤波中 出现的对噪声过多的放大作用,也就是说图像维纳复原比逆滤波复原效果好。
点击咨询 