第一篇：matlabGUI图像处理
图像处理
一、实习任务
利用MATLAB里面的一些特定函数和GUI可视化图形界面设计一个属于自己的photoshop,使其完成简易的放大、缩小、截图以及直方图统计等功能。
二、实习内容
1、布局设计
2、程序设计 %文件打开
[name,path]=uigetfile({'*.*';'*.bmp';'*.tif';'*.png';'*.gif';'*.jpg'},'载入图像');if isequal(name,0)|isequal(path,0)errordlg('没有选中文件','出错');return;else x=imread([path,name]);axes(handles.axes1);imshow(x);handles.img=x;handles.noise_img=x;guidata(hObject,handles)end
%文件保存
[filename,pathname] = uiputfile({'*.*';'*.bmp';'*.tif';'*.png';'*.gif';'*.jpg'},'图片保存为');if isequal([filename,pathname],[0,0])errordlg('没有保存','出错');return;else file=strcat(pathname,filename);(handles.axes2);i=getimage(gca);imwrite(i,file);end
%文件退出 clc;close all;close(gcf);
%灰度处理
axes(handles.axes2);if isrgb(handles.img)y=rgb2gray(handles.img);%RGB•••••••••• imshow(y);else msgbox('这已经是灰度图像','转换失败');end %截图
set(handles.axes2,'HandleVisibility','ON');axes(handles.axes2);y=imcrop(handles.img);imshow(y);handles.Timage=y;
%双线性缩小
axes(handles.axes2);prompt={'输入放大倍数:'};defans={'0.2'};p=inputdlg(prompt,'输入放大倍数',1,defans);p1=str2num(p{1});y=imresize(handles.img,p1,'bilinear');%法缩小 imshow(y);
%双线放大
axes(handles.axes2);prompt={'输入放大倍数:'};defans={'2'};p=inputdlg(prompt,'输入放大倍数',1,defans);p1=str2num(p{1});y=imresize(handles.img,p1,'bilinear');%值法放大 imshow(y);
%上下翻转
最近邻插值最近邻插axes(handles.axes2);x=(handles.img);if isrgb(handles.img)for k=1:3 y(:,:,k)=flipud(x(:,:,k));%上下翻转函数 end imshow(y);else x=(handles.img);y=flipud(x);imshow(y);end
%左右翻转
axes(handles.axes2);if isrgb(handles.img)x=(handles.img);for k=1:3 y(:,:,k)=fliplr(x(:,:,k));%左右翻转函数 end imshow(y);else x=(handles.img);y=fliplr(x);imshow(y);end
%左转90度
axes(handles.axes2);x=(handles.img);y=imrotate(x,90);imshow(y);
%右转90度
axes(handles.axes2);x=(handles.img);y=imrotate(x,-90);imshow(y);
%任意角度旋转 axes(handles.axes2);prompt={'输入参数1:'};defans={'30'};p=inputdlg(prompt,'输入参数',1,defans);p1=str2num(p{1});y=imrotate(handles.img,p1);imshow(y);
%亮度处理
prompt={'输入参数1','输入参数2','输入gamma'};defans={'[0 0.7]','[0 1]','1'};p=inputdlg(prompt,'输入参数',1,defans);p1=str2num(p{1});p2=str2num(p{2});p3=str2num(p{3});gamma=p3;x=(handles.img);y=imadjust(x,p1,p2,gamma);axes(handles.axes2);imshow(y);%G直方图
set(handles.axes2,'HandleVisibility','ON');axes(handles.axes2);if isrgb(handles.img)x=imhist(handles.img(:,:,2));%直方图统计 x1=x(1:10:256);horz=1:10:256;bar(horz,x1);set(handles.axes2,'xtick',0:50:255);else msgbox('这是灰度图像','旋转失败');end %R直方图
set(handles.axes2,'HandleVisibility','ON');axes(handles.axes2);x=imhist(handles.img(:,:,1));%统计
x1=x(1:10:256);horz=1:10:256;bar(horz,x1);set(handles.axes2,'xtick',0:50:255);%B直方图
set(handles.axes2,'HandleVisibility','ON');axes(handles.axes2);if isrgb(handles.img)
直方图x=imhist(handles.img(:,:,3));%直方图统计
x1=x(1:10:256);horz=1:10:256;bar(horz,x1);%axis([0 255 0 150000]);set(handles.axes2,'xtick',0:50:255);%set(handles.axes2,'ytick',0:2000:15000);else msgbox('这是灰度图像','旋转失败');end
%直方图均衡
set(handles.axes2,'HandleVisibility','ON');axes(handles.axes2);if isrgb(handles.img)a=histeq(handles.img(:,:,1));b=histeq(handles.img(:,:,2));c=histeq(handles.img(:,:,3));k(:,:,1)=a;k(:,:,2)=b;k(:,:,3)=c;imshow(k);else h=histeq(handles.img);%直方图均衡 imshow(h);end
3、效果图
三、遇到的问题及解决方法
1、遇到的问题
最开始在Command里面用imread打开图片是可行的，但到了GUI里面之后，会出现一些错误，主要就是提示说：找不到对应的地方。还有就是在编写完程序之后，放大感觉没有任何变化。
2、解决方法
在查询资料后发现，在GUI里面打开图片是需要编写图片的地址以及格式的，要先判断你要操作的图片是否存在，如果不存在，应该提示你不存在的错误；在不能放大这个问题上，后来发现是axes2不够大，也就是画布不够大，再放大了画布后，放大就明显多了，缩小的时候也是这样。
四、主要收获和心得体会
在俩周的自动化软件实训里面，最大的感触就是MATLAB很强大，不但可以用自己自带的函数，还可以和C语言Java等语言连接共用，在处理图像上有自己独特的优势，在编辑菜单之后再进行相应的编程，做出来的界面和网页一样好看，这俩周特别快，不过收获很多，在很大程度上锻炼了我们的设计能力。
第二篇：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
第三篇：图像处理说课稿
图像处理
一、教材分析和教学地位分析
本节课是浙江教育出版社必修教材中第三章第三节第一课时的内容，主要介绍了图像处理的基本概念：分辨率、位图和矢量图、颜色、文件格式，以及常用的图像编辑工具的简单介绍。本节课是高二选修教材《多媒体技术应用》中图像加工部分的的基础，是用于激发和发现学生对多媒体技术应用的兴趣的基础内容，是为学生高二选修合适内容奠定基础的一节课。
二、学情分析
本节课的教学对象是高一学生，他们具备了初步的审美意识，并且在日常生活中对于图像处理有了基本的体验，如智能手机上的美颜相机软件，简单的图像处理工具美图秀秀等，但对于图像处理当中的一些基本概念，如分辨率，图像格式和分类等仍然处于模糊的状态，对于图像处理的高级工具Photoshop也一般是只闻其名，并没有多少实质性的体验。因此，本节课从实际出发，创设适当的学习情境，引发学生对图像处理的学习兴趣，通过学生的自身体验，由浅入深，由抽象到具体得帮助学生掌握基本概念，并且掌握图像处理工具Photshop的几个基本功能。
三、教学目标分析
根据教材的结构和内容分析以及新课标要求，结合高一学生的认知结构及其心理特点，我拟定了以下的教学目标。知识与技能：
1、掌握Photshop中仿制图章工具的用法。
2、掌握画布修改的方法。
3、掌握图像的一些基本概念：分辨率、图像分类及格式。过程与方法：
1、通过体验仿制图章工具的使用，体会图像处理的神奇及乐趣。
2、通过画布修改的前后对比，从感官上上升对分辨率概念的认识。
3、通过对颜色设置中对于红绿蓝的分量调整，体验二进制理论在色彩当中的应用。情感态度和价值观
通过本节课的学习，激发学生对于图像处理的兴趣，培养基本的审美情趣。
四、教学重难点
基于以上的教学目标，我指定了以下的重难点。
重点：分辨率以及图像分类及格式。
难点：二进制理论在色彩当中的运用。
五、教法和学法
根据本节课的内容和特点，主要采用以下几种教学方法。
1、演示法：演示仿制图章的使用。
2、活动探究和任务驱动：引导学生参与活动和任务，发挥学生的主观能动性，培养学生的动手能力。
3、集体讨论：画布修改的前后对比
六、教学过程
最后我具体谈谈这堂课的教学过程，本节课设计了5个教学环节。
1、示范演示，激发兴趣。
选择一副果树图片，通过给学生演示PS中仿制图章的使用，激发学生对图像处理的学习兴趣。
任务：通过学习网站当中对于仿制图章工具的使用介绍，完成另一幅图片的处理要求。
2、自身体验，探索新知
活动探究一：通过学习网站中对于画布修改的操作，完成画布的修改，并且集体讨论回答以下问题：
（1）画布修改之后图像有什么变化？
（2）将修改后的画布放大到和原来一样大，图像质量发生了什么变化
根据学生回答，引申分辨率的概念，以及位图和矢量图的概念，并且演示矢量图编辑工具Coraldraw。
3、理论深入
活动探究
二、调整PS中的色彩工具栏中的分量调整，思考标准红绿蓝所对应的二进制代码。
根据学生回答并补充，引申真彩色的定义。补充文件格式及扩展名。
4、实践体验
根据自己爱好，选择一副图片，通过网站当中对于PS的滤镜介绍，体验滤镜效果。
5、小结。
七、教学反思
以上教学设计均是我个人的教学预设，在实际的教学过程中，我会根据学生的具体反馈做出相应的调整，做到因材施教，真正的实现以学生为中心的教学，为学生的长远发展负责，使信息技术教学更好的为生活生产服务。
第四篇：图像处理教学大纲
《医学数字图像处理》课程教学大纲
课程编号: 课程名称：医学数字图像处理
英文名称：Medical Digital Image Processing 课程类型：专业课
总学时：54（理论学时：27 实验学时：27）适用对象：卫生信息管理专业（本科）课程简介：
本课程介绍了有关医学图像处理的基本理论、概念、方法，并结合先修课程的基础理论，来详细阐述部分目前最常用的医学图像处理算法，强调医学图像处理的目的性，特别注重图像处理结果的应用、解释和算法的物理含义。在此基础上，结合图像的计算机处理方法，引导学生处理一些实际的医学图像。
一、课程性质、目的和任务
性质：医学数字图像处理是卫生信息管理（本科）专业的必修课程。
目的：通过本课程的学习，不仅要使学生打下坚实的医学图像处理的基础理论，掌握现代医学数字图像处理的内容、模式和发展趋势，更要使同学们对数字图像处理理论在医学图像分析中的应用与发展有一个清楚的认识，提高其计算机图像处理的编程、动手能力。
任务：能够掌握一些基本的医学数字图像处理的技术技能，培养创新思维，提高发现问题和解决问题的能力，为学生建立健全合理的知识结构打下坚实的基础。
二、教学基本要求
通过本课程的学习，学生应能达到以下要求：
1、掌握数字图像处理的基本概念、基本原理和重要的常规算法，并在此基础上掌握数字图像处理在医学图像分析中的特殊之处与发展概况，其中注重引导图像处理总体流程思路及结构框架的掌握。
2、掌握数字图像处理的基本方法，逐渐形成观察、思考、分析和解决有关理论和实践问题的能力，提高学生为社会服务的能力。
3、能较熟练的运用至少一种编程语言对基本算法进行代码实现，以加深对课程中理论知识的理解。
三、教学内容及要求
（一）数字图像处理概述
【了解】DIP的发展及应用实例；DIP的基本步骤及内容（课程结构）；数字图像处理系统简介；医学图像发展概况；
【掌握】图像的描述方法；数字图像处理（DIP）的基本概念。
（二）医学影像的数字化及图像的运算 【了解】图像的数字化；图像的几何运算。
【掌握】医学数字影像的获取途径；数字图像的矩阵表示；图像直方图；图像点运算、代数 运算。
（三）医学影像图像增强处理
【了解】图像的频域增强；傅里叶变换；卷积；Z变换。【熟悉】频域滤波过程；空域滤波与频域滤波的对应关系。
【掌握】医学图像直方图均衡；医学图像的空域滤波模板设计；平滑空间滤波器；锐化空间滤波器。
（四）医学影像图像的成像与重建
【了解】X-CT影像重建基本流程与算法；MRI图像的重建。【掌握】X-CT影像成像原理；MRI图像成像原理。
（五）医学影像图像分割
【了解】医学影像图像分割方法的分类。
【掌握】基于统计的图像分割；基于区域的图像分割；基于边缘的医学图像分割。
（六）医学影像图像描述
【了解】医学影像图像的形状特征描述；医学影像图像的纹理特征描述。
【熟悉】图像形状描述子；图像纹理描述子；图像骨架的抽取；灰度图像的形态学滤波。
（七）医学影像图像的配准
【了解】图像配准的概念，图像相似度测度。【熟悉】基于图像灰度的图像配准方法；基于特征点的配准方法；基于边缘的图像配准方法。
（八）医学图像模式识别
【了解】图像特征的选择、提取；基于统计的模式识别方法；基于结构的模式识别方法；基于人工神经网络的模式识别方法。
（九）专题：医学图像存储通信系统标准：DICOM3.0 【了解】医学图像存储与通信系统；DICOM3.0标准。
四、教学方法与手段
本课程采用理论讲授与上机实践相结合的教学方式，讲授采用多媒体教学。
五、各教学环节学时分配
内容
（一）数字图像处理概述
（二）医学影像的数字化及图像的运算
（三）医学影像图像增强处理
（四）医学影像图像的成像与重建
（五）医学影像图像分割
（六）医学影像图像描述
（七）医学影像图像的配准 3 5 4 2 4 5 1 3 9 9 3
理论课 3 3
实验课 3 8
小计 6 11 2
（八）医学图像模式识别
（九）专题：医学图像存储通信系统:DICOM3.0 总 计 1 27 1 54
六、考核方式
考试采用闭卷笔试（60%），上机实验、作业、课堂提问为平时成绩（40%）。
七、教材和教学参考书
教材：拟选用《医学影像图像处理》（普通高等教育“十一五”国家级规划教材），陈武凡 主编，人民卫生出版社，2009年3月第一版。参考书：（1）宋余庆编，数字医学图像，清华大学出版社，2008,5第一版；
（2）章鲁，陈瑛等，医学图像处理与分析，上海科学技术出版社，2006,8第一版；（3）章毓晋，图象工程（上册）：图象处理和分析，清华大学出版社，1999（4）Kenneth R.Castleman(美), Digital Image Processing
八、说明
本教学大纲根据高等医药院校计算机基础课程（医学图像处理）基本要求编写而成。
九、本大纲主要起草人、审阅人
主要起草人： 年 月 日 审 阅 人： 年 月 日
卫生管理系 年 月 日
第五篇：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
点击咨询 