数字图像处理上机作业（精选5篇）

第一篇：数字图像处理上机作业

数字图像处理上机实验题

一、产生右图所示图像 f1(m,n)，其中图像大小为256×256，中间亮条为128×32，暗处=0，亮处=100。对其进行 FFT：

1、屏显示原图 f1(m,n)和FFT(f1)的幅度谱图；

2、令f2(m,n)=（-1）^（m+n）*f1(m,n)，重复以上过程，比较二者幅度谱的异同，简述理由；

3、若将f2(m,n)顺时针旋转 90 度得到f3(m,n)，试显示 FFT(f3)的幅度谱，并与 FFT(f2)的幅度谱进行比较；

4、若将f1(m,n)顺时针旋转 90 度得到f4(m,n)，令f5(m,n)=f1(m,n)+f4(m,n)，试显示 FFT(f5)的幅度谱，并指出其与 FFT(f1)和FFT(f4)的关系；

5、若令f6(m,n)=f2(m,n)+f3(m,n)，试显示 FFT(f6)的幅度谱，并指出其与 FFT(f 2)和FFT(f3)的关系，比较 FFT(f6)和FFT(f5)的幅度谱。

代码

f1=zeros(256,256);

for i =64:1:191 for j = 112:1:143 f1(i,j)= 100;

end

end

f2 = fft2(f1);

%f2(m,n)= f3

f3 =((-1)^(i+j))*f1;f4 = fft2(f3);

%f3(m,n)= f5

f5 = imrotate(f3,90,'bilinear');f6 = fft2(f5);

%f4(m,n)= f7

f7 = imrotate(f1,90,'bilinear');f8 = fft2(f7);

%f5(m,n)= f8 f9 = f1 + f7;f10 = fft2(f9);

%f6(m,n)= f2(m,n)+f3(m,n)f11 = f3 + f5;f12 = fft2(f11);

figure(1)subplot(1,2,1);imshow(abs(f1));title('原图f1');subplot(1,2,2);imshow(abs(f2));title('幅度谱fft2(f1)');figure(2)subplot(2,2,1)imshow(abs(f1));title('原图f1')subplot(2,2,2)imshow(abs(f2));title('幅度谱fft2(f1)');subplot(2,2,3);imshow(abs(f3))title('变换谱f2');subplot(2,2,4);imshow(abs(f4));title('幅度谱fft2(f2)');figure(3)subplot(2,2,1)imshow(abs(f3))title('变换谱f2');subplot(2,2,2);imshow(abs(f4));title('幅度谱fft2(f2)');subplot(2,2,3);imshow(abs(f5))title('变换谱f3');subplot(2,2,4);imshow(abs(f6));title('幅度谱fft2(f3)');figure(4)subplot(3,2,1);imshow(f7);

title('f1旋转图f4');subplot(3,2,2);imshow(abs(f8));title('幅度谱fft2(f4)');subplot(3,2,3);imshow(f9);

title('f5(m,n)=f1+f4');subplot(3,2,4);imshow(abs(f10));title('幅度谱fft2(f5)');subplot(3,2,5)imshow(abs(f1));title('原图f1');subplot(3,2,6);imshow(abs(f2));title('幅度谱fft2(f1)');figure(5)subplot(3,2,1)imshow(abs(f3))title('变换谱f2');subplot(3,2,2);imshow(abs(f4));title('幅度谱fft2(f2)');subplot(3,2,3);imshow(abs(f5))title('变换谱f3');subplot(3,2,4);imshow(abs(f6));title('幅度谱fft2(f3)');subplot(3,2,5)imshow(abs(f11))title('变换谱f6=f2+f3');subplot(3,2,6);imshow(abs(f12));title('幅度谱fft2(f6)');

figure(6)subplot(2,2,1);imshow(f9);

title('f5(m,n)=f1+f4');subplot(2,2,2);imshow(abs(f10));title('幅度谱fft2(f5)');subplot(2,2,3)imshow(abs(f11))

title('变换谱f6(m,n)=f2+f3');subplot(2,2,4);imshow(abs(f12));title('幅度谱fft2(f6)');

结果

分析

2、F2(m,n)与F1(m,n)幅度值相同，f2(m,n)=（-1）^（m+n）*f1(m,n)中，并未改变幅值。

3、FFT(f2)比FFT(f3)幅值大。

4、f5=f1+f4，即幅值相加。

5、f6=f2+f3，即幅值相加。

二、产生教材 104 页题图 4.18（右图）所示的二值图像（白为1，黑为0），编程实现习题4.18 所要求的处理（3*3 的平均滤波和中值滤波）功能（图像四周边界不考虑，处理结果按四舍五入仍取（0或1），显示处理前后的图像，比较其异同。

代码

I=[ 1,0,1,0,1,0,1,0;0,1,0,1,0,1,0,1;1,0,1,0,1,0,1,0;0,1,0,1,0,1,0,1;1,0,1,0,1,0,1,0;0,1,0,1,0,1,0,1;1,0,1,0,1,0,1,0;0,1,0,1,0,1,0,1;];J=imhist(I,2);

K=filter2(fspecial('average',3),I);K1=round(K);J1=imhist(K1,2);K2=medfilt2(I);J2=imhist(K2,2);

figure(1)subplot(2,2,1)imshow(I);title('原图像');subplot(2,2,2)imshow(J);

title('原图像直方图');subplot(2,2,3)imshow(K1);

title('3*3领域平均');subplot(2,2,4)imshow(J1);

title('领域平均图像直方图')figure(2)subplot(2,2,1)imshow(I);title('原图像');subplot(2,2,2)imshow(J);

title('原图像直方图');subplot(2,2,3)imshow(K2);title('中值滤波');subplot(2,2,4)imshow(J2);

title('中值滤波图像直方图')

结果

三、产生教材 104 页题图 4.16 所示的灰度图像（白为255，黑为0），分别加入高斯白噪声和椒盐噪声，再分别进行 3´ 3 的平均滤波和中值滤波，显示原图像、加噪图像和滤波结果图像，并比较四种滤波结果。

代码

f=zeros(256,256);for i =23:1:23

3for j=28:1:35 f(i,j)=255;

end

for j=52:1:59 f(i,j)=255;

end

for j=76:1:83 f(i,j)=255;

end

for j=100:1:107 f(i,j)=255;

end

for j=124:1:131 f(i,j)=255;

end

for j=148:1:155 f(i,j)=255;

end

for j=172:1:179 f(i,j)=255;

end

for j=196:1:203 f(i,j)=255;

end

for j=220:1:227 f(i,j)=255;

end end

g=imnoise(f,'gaussian',0.2);s=imnoise(f,'salt & pepper',0.2);k1=filter2(fspecial('average',3),g);G1=round(k1);G2=medfilt2(g);

k2=filter2(fspecial('average',3),s);S1=round(k2);S2=medfilt2(s);

figure(1)imshow(f)

title('Ô-ʼͼÏñ');figure(2)subplot(3,2,1)imshow(g)

title('¸ß˹ͼÏñ');subplot(3,2,2)imshow(s)

title('½·ÑÎͼÏñ');subplot(3,2,3)imshow(G1)

title('ƽ¾ùÂ˲¨¸ß˹ͼÏñ');subplot(3,2,5)imshow(G2)

title('ÖÐÖµÂ˲¨¸ß˹ͼÏñ');subplot(3,2,4)imshow(S1)

title('ƽ¾ùÂ˲¨½·ÑÎͼÏñ');subplot(3,2,6)imshow(S2)

title('ÖÐÖµÂ˲¨½·ÑÎͼÏñ');

结果

四、对某一灰度图像，进行如下处理：

（1）分别利用 Roberts、Prewitt和Sobel 边缘检测算子进行边缘检测；

（2）将Roberts、Prewitt和Sobel 边缘检测算子修改为锐化算子，对原图像进行锐化，同屏显示原图像、边缘检测结果和锐化后图像，说明三者之间的关系。

代码

f1=imread('C:UsershpPictures1.jpg');f2=rgb2gray(f1);k1=edge(f2,'Roberts');k2=edge(f2,'Prewitt');k3=edge(f2,'Sobel');

k4=filter2(fspecial('Prewitt'),f2);k5=filter2(fspecial('Prewitt'),f2);k6=filter2(fspecial('Sobel'),f2);

figure(1)subplot(4,2,1)imshow(f1);title('yuanshi');subplot(4,2,2)imshow(f2);title('huidu');subplot(4,2,3)imshow(k1);title('Roberts');subplot(4,2,5)imshow(k2);title('Prewitt');subplot(4,2,7)imshow(k3);title('Sobel');subplot(4,2,4)imshow(k4);title('log');subplot(4,2,6)imshow(k5);title('Prewitt');subplot(4,2,8)imshow(k6);title('Sobel');

结果

二值化。

五、编程实现教材 214 页所给图像门限化分割的迭代阈值算法，实现对某一灰度图像的代码

f1=imread('C:UsershpPictures11.jpg');f2=rgb2gray(f1);f3=f2;

zm=max(f2(:));zi=min(f2(:));k=2;

T(k)=(zm+zi)/2;while T(k)~=T(k-1);r1=find(f2<=T(k));r2=find(f2>T(k));k=k+1;

T(k)=(mean(f2(r1))+mean(f2(r2)))/2;end

r3=find(f3<=T(k));r4=find(f3>T(k));f3(r3)=0;f3(r4)=255;

figure(1)subplot(221)imshow(f1)title('原始图像');subplot(222)imshow(f2)title('灰度图像');subplot(223)imshow(f3)

title('迭代阈值算法二值化');

结果

心得体会

通过此次作业让我明白了很多，实际操作起来往往比理论所想的要复杂很多。当然，在课设的进行过程中，我还是遇到了不少问题。例如，起初由于我对句柄使用以及一些函数使用的不恰当。随着课设的进行，对matlab的的熟悉度逐步加深。

总体来说，此次的课程设计，还是较为满意的。它不但鞭策着我去巩固matlab的基础理论知识，还提高了我对matlab的实际操作运用，使得理论与实践相结合，为进一步学习matlab打下坚实的基础；同时，在实践的工程中，也让我体会到一种努力付出并得到回报的满足感觉。

第二篇：数字图像处理上机报告

练习一 常用MATLAB图像处理命令

一、练习目的

1、熟悉并掌握MATLAB工具的使用；

2、实现图像的读取、显示、代数运算和简单变换。

二、练习环境

Windows操作系统

Matlab 6.5或以上应用软件

三、练习内容

1、图像文件的读写

（1）imread函数用来实现图像文件的读取。输入以下程序：

A=imread('文件名.扩展名');%用imread函数来读入图像 注：设置路径 imshow(A);%用imshow函数来显示图像 得到的结果如图：

（2）imfinfo函数用来查询图像文件信息。输入以下程序：

info=imfinfo('文件名.扩展名');% 用imfinfo函数查询图像文件信息 得到： info =

Filename: '文件名.扩展名'

（4）imshow函数用来显示图像。

刚才介绍imread函数时已使用此函数。

（5）colorbar函数将颜色条添加到坐标轴对象中。输入以下程序：

RGB=imread('***');%图像读入

I=rgb2gray(RGB);%把RGB图像转换成灰度图像

imshow(I),colorbar('vert')% 将颜色条添加到坐标轴对象中

得到如图：

2、图像处理的基本操作

一、图像代数运算

（1）imadd函数实现两幅图像的相加或者给一幅图像加上一个常数。给图像每个像素都增加亮度的程序如下： I=imread('***');J=imadd(I,100);%给图像增加亮度 subplot(1,2,1),imshow(I)%填充 subplot(1,2,2),imshow(J)结果如图5。

（2）imsubtract函数实现从一幅图像中减去一个常数。输入以下程序实现从一幅图像中减去一个常数：

（3）immultiply实现两幅图像的相乘或者一幅图像的亮度缩放（图像乘以小于1或大于1的参数，比较效果）。输入以下程序：

（4）imdivide函数实现两幅图像的除法或一幅图像的亮度缩放。输入以下程序：

二、图像的空间域操作

（1）imrotate函数实现图像的旋转。输入以下程序： I=imread('***');J=imrotate(I,45);%对图像进行旋转 subplot(1,2,1),imshow(I);subplot(1,2,2),imshow(J);得到图：

练习二 数字图像处理的基本操作

一、练习目的

1、练习使用MATLAB工具进行数字图像处理；

2、实现图像的边缘提取、滤波、直方图修正等操作。

二、练习环境

Windows操作系统

Matlab 6.5或以上应用软件

三、练习内容

（1）imresize函数实现图像的缩放。输入以下程序：

J=imread('文件名.扩展名');X1=imresize(J,2);%对图像进行缩放 figure,imshow(J)结果如图

（2）imcrop函数实现图像的剪切。输入以下程序： I=imread('***');I2=imcrop(I);%对图像进行剪切 subplot(填充),imshow(填充);subplot(填充),imshow(填充);如图：

图像变换

（1）fft2函数和ifft2函数分别是计算二维的FFT和反变换。输入以下程序： f=zeros(100,100);f(20:70,40:60)=1;imshow(f);F=fft2(f);% 计算二维的FFT F2=log(abs(F));%对幅值取对数 imshow(F2),colorbar

（2）dct2函数采用基于FFT的算法，用于实现较大输入矩阵的离散余弦变换。与之对应，idct2函数实现图像的二维逆离散余弦变换 输入以下程序： RGB=imread('***');I=rgb2gray(RGB);J=dct2(I);% 对I进行离散余弦变换 imshow(log(abs(J))),colorbar J(abs(J)<10)=0;K=idct2(J);% 图像的二维逆离散余弦变换 figure,imshow(I);figure,imshow(K,[0,255])得到如图：

（3）edge函数用于提取图像的边缘。输入以下程序：

RGB=imread('drum.bmp');I=rgb2gray(RGB);BW=edge(I);% 提取图像的边缘 imshow(I),figure,imshow(BW);得到图

图像增强、分割和编码

（1）imhist函数产生图像的直方图。A=imread('drum.bmp');%读入图像

B=rgb2gray(A);%把RGB图像转化成灰度图像 imshow(B);%显示灰度图像

imhist(B)%显示灰度图像的直方图 得到图

（2）histeq函数用于对图像的直方图均衡化。接上面程序：

C=histeq(B);%对图像B进行均衡化 imshow(C);%显示图像

imhist(C)；%得到均衡化后的灰度直方图 得到如图

filter2函数实现均值滤波。输入以下程序：

a=imread('noise.drum.jpg');I=rgb2gray(a);imshow(I);K1=filter2(fspecial('average',3),I)/255;% 33的均值滤波 K2=补充;

% 55的均值滤波 K3=补充;

% 77的均值滤波 figure,imshow(K1);figure,imshow(K2);figure,imshow(K3);得到图

（5）medfilt2函数实现中值滤波。输入以下程序：

自查函数如何使用，并编程： 结果如图：

练习三

图像采样及图像类型转换

一、练习目的

1、熟悉并掌握MATLAB图像处理工具箱的使用；

2、试对自选图像分别进行4和16倍剪采样，查看其剪采样效果

3、将所给图，转换成256级灰度图像，8级灰度图像和2值图像

二、练习环境

MATLAB 6.5或以上版本、WIN XP或以上计算机

三、练习内容

使用MATLAB，对图像进行减采样。

a = imread('***.JPG');b = rgb2gray(a);[wid,hei]=size(b);%4倍减抽样

quartimg = zeros(wid/2+1,hei/2+1);i1 = 1;j1 = 1;for i=1:2:wid

for j=1:2:hei

quartimg(i1,j1)= b(i,j);

j1 = j1 + 1;

end i1 = i1 + 1;j1 = 1;end figure

imshow(uint8(quartimg))练习结果如图

%16倍减抽样

编程并运行显示图像结果：

图像类型

1、练习内容

试将自选图，转换成256级灰度图像，8级灰度图像和2值图像

2、练习方法及程序

使用MATLAB，进行图像类型变换。

a = imread('***.jpg');b = rgb2gray(a);

figure imshow(b)[wid,hei]=size(b);img8 = zeros(wid,hei);img2 = zeros(wid,hei);for i=1:wid

for j=1:hei

img8(i,j)= floor(b(i,j)/32);%得到8级灰度图像

end end figure

imshow(uint8(img8),[0,7])for i=1:wid

for j=1:hei

补充;end end figure

imshow(uint8(img8),[0,2])%得到2值图像

练习结果如图

练习四

数字图像的空间域处理

一、练习目的

1、熟悉并掌握MATLAB图像处理工具箱的使用；

2、熟悉图像相加的方法及效果

3、熟悉图像灰度扩展的方法及效果

4、熟悉图像缩放、旋转的方法及效果

二、练习环境

MATLAB 6.5或以上版本、WIN XP或以上计算机

三、练习内容 Part 1（1）选择一幅图像***.jpg，设置输入输出变换的灰度级范围，a=0.3, b=0.6, c=0.1, d=0.9；

（2）设置非线性扩展函数的参数c=2；

（3）采用灰度倒置变换函数s=255-r进行图像变换；

（4）设置二值化图像的阈值，分别为level=0.4,level=0.7参考程序如下： I=imread('***.jpg');figure;subplot(1,3,1);imshow(I);title('原图');J=imadjust(I,[0.3;0.6],[0.1;0.9]);%设置灰度变换的范围 subplot(1,3,2);imshow(J);title('线性扩展');I1=double(I);%将图像转换为double类型 I2=I1/255;%归一化此图像 C=2;K=C*log(1+I2);%求图像的对数变换 subplot(1,3,3);imshow(K);title('非线性扩展');M=255-I;%将此图像取反 figure;subplot(1,3,1);imshow(M);title('灰度倒置');N1=im2bw(I,0.4);%将此图像二值化，阈值为0.4 N2=im2bw(I,0.7);%将此图像二值化，阈值为0.7 subplot(1,3,2);imshow(N1);title('二值化阈值0.4');subplot(1,3,3);imshow(N2);title('二值化阈值0.7');练习结果与分析

（1）练习结果如图3.7所示。

Part 2 读取一幅图片，如***.jpg，设置图像旋转的角度分别为450和900，采用图形旋转函数imrotate对图像进行旋转。程序如下，结果如图3.10。

I=imread('i_lena.jpg');J=imrotate(I,45);%图像进行逆时针旋转，默认采用最近邻法进行插值处理 K=imrotate(I,90);%默认旋转出界的部分不被截出 subplot(1,3,1);imshow(I);subplot(1,3,2);imshow(J);subplot(1,3,3);imshow(K);练习结果与分析

（1）练习结果如图3.10所示。

练习五 数字图像的频域处理

一、练习目的

1、熟悉并掌握MATLAB工具的使用；

2、实现图像离散傅里叶变换并观察效果

3、实现图像离散余弦变换并观察效果

二、练习环境

Windows操作系统 Matlab 6.5或以上应用软件

三、练习内容 Part 1 选取一幅图像，进行离散傅里叶变换，再对其分别进行X轴与Y轴上的平移，得其离散傅里叶变换，观察三幅结果图。

I=imread('1.bmp');figure(1)imshow(real(I));I=I(:,:,3);fftI=fft2(I);sfftI=fftshift(fftI);%求离散傅里叶频谱

%对原始图像进行二维傅里叶变换，并将其坐标原点移到频谱图中央位置

RRfdp1=real(sfftI);IIfdp1=imag(sfftI);a=sqrt(RRfdp1.^2+IIfdp1.^2);a=(a-min(min(a)))/(max(max(a))-min(min(a)))*225;

figure(2)imshow(real(a));练习结果与分析

Part 2 选取一幅图像，进行离散傅里叶变换，再对其进行一定角度的旋转，进行离散傅里叶变换。

%构造原始图像

I = zeros(256,256);

I(88:168,124:132)= 1;%图像范围是256*256,前一值是纵向比，后一值是横向比 imshow(I)

%求原始图像的傅里叶频谱

J = fft2(I);F = abs(J);J1 = fftshift(F);figure imshow(J1,[5 50])

%对原始图像进行旋转

J = imrotate(I,90,'bilinear','crop');figure imshow(J)%求旋转后图像的傅里叶频谱

J1 = fft2(J);F = abs(J1);J2 = fftshift(F);figure imshow(J2,[5 50])练习结果与分析

1）练习结果如图4.4所示.Part 3 选取一幅图像，进行离散余弦变换，并对其进行离散余弦反变换，观察其结果。

%对***.jpg文件计算二维DCT变换 RGB = imread('***.jpg ');figure(1)imshow(RGB)I = rgb2gray(RGB);%真彩色图像转换成灰度图像 J = dct2(I);%计算二维DCT变换 figure(2)imshow(log(abs(J)),[])%图像大部分能量集中在上左角处 figure(3);J(abs(J)< 10)= 0;%把变换矩阵中小于10的值置换为0，然后用idct2重构图像 K = idct2(J)/255;imshow(K)练习结果与分析

第三篇：数字图像处理上机实验(02091008)

数字图像处理上机作业

数字图像处理上机作业

1.产生右图所示亮块图像 f1(x,y)（128×128大小，暗处=0，亮处=255），对其进行FFT：

（1）同屏显示原图f1和FFT(f1)的幅度谱图；

图像：

（2）若令f2(x,y)=（-1）f1(x,y)，重复以上过程，比较二者幅度谱的异同，简述理由；（3）若将f2(x,y)顺时针旋转45度得到f3(x,y)，试显示FFT(f3)的幅度谱，并与FFT(f2)的幅度谱进行比较。

x+y

结论：不同点：f2的频谱是对f1频谱的移位，它时f1的频谱从原点（0，0）移到了中心（64，64），而得到了一个完整的频谱。

相同点：频谱的实质没有改变，幅度等都没有发生变化。

（3）若将f2(x,y)顺时针旋转45度得到f3(x,y)，试显示FFT(f3)的幅度谱，并与FFT(f2)的幅度谱进行比较。

源程序：f1=zeros(128,128);for i=38:1:90 for j=58:1:70 f1(i,j)=255;end end figure(1)subplot(1,2,1);imshow(f1);subplot(1,2,2);imshow(fft2(f1));% f2(x,y)=（-1）^(x+y)* f1(x,y)for i=1:1:128 for j=1:1:128 f2(i,j)=(-1)^(i+j)*f1(i,j);end end figure(2);subplot(1,3,1);imshow(f2);f3=imrotate(f2,-45,'bilinear');%将f2顺时针旋转45度 subplot(1,3,2);imshow(fft2(f2));%显示f2的频谱 subplot(1,3,3);imshow(fft2(f3));%显示f3的频谱

结论：均衡化后的直方图并非完全均匀分布的原因：因为图像的像素个数和灰度等级均为离散值，而且均衡化后使灰度级并归。

2.对256256大小、256级灰度的数字图像lena进行频域的理想低通、高通滤波，同屏显示原图、幅度谱图和低通、高通滤波的结果图。

源代码： figure(1);fid=fopen('d:imglena.img','r');data=(fread(fid,[256,256],'uint8'))';subplot(2,2,1)imagesc(data);colormap(gray);title('LENA','Color','r');subplot(2,2,2);imshow(fft2(data));s=fftshift(fft2(data));[M,N]=size(s);%分别返回s的行数到M中，列数到N中 n=2;%对n赋初值 %GLPF滤波，d0=5，15，30（程序中以d0=30为例）d0=30;%初始化d0 n1=floor(M/2);%对M/2进行取整 n2=floor(N/2);%对N/2进行取整 for i=1:M for j=1:N d=sqrt((i-n1)^2+(j-n2)^2);%点（i,j）到傅立叶变换中心的距离 h=1*exp(-1/2*(d^2/d0^2));%GLPF滤波函数

s(i,j)=h*s(i,j);%GLPF滤波后的频域表示 end end s=ifftshift(s);%对s进行反FFT移动

%对s进行二维反离散的Fourier变换后，取复数的实部转化为无符号8位整数 s=uint8(real(ifft2(s)));subplot(2,2,3);%创建图形图像对象 imshow(s);p=fftshift(fft2(data));[M,N]=size(p);%分别返回p的行数到M中，列数到N中 n=2;%对n赋初值 %GLPF滤波d1=30 d1=30;%初始化d1 n3=floor(M/2);%对M/2进行取整 n4=floor(N/2);%对N/2进行取整 for i=1:M for j=1:N dd=sqrt((i-n3)^2+(j-n4)^2);%点（i,j）到傅立叶变换中心的距离 h1=1-exp(-1/2*(dd^2/d1^2));%GHPF滤波函数

p(i,j)=h1*p(i,j);%GHPF滤波后的频域表示 end end p=ifftshift(p);%对p进行反FFT移动

%对s进行二维反离散的Fourier变换后，取复数的实部转化为无符号8位整数 p=uint8(real(ifft2(p)));subplot(2,2,4);%创建图形图像对象 imshow(p);

3.对给定的两种128128、256级灰度的数字图像（图像磁盘文件名分别为Fing_128.img（指纹图）和Cell_128.img（显微医学图像）进行如下处理：

（1）对原图像进行直方图均衡化处理，同屏显示处理前后图像及其直方图，比较异同，并回答为什么数字图像均衡化后其直方图并非完全均匀分布。

异同：由于原图像中目标物的灰度主要集中于低亮度部分，而且象素总数比较多，经过直方图均衡后，目标物的所占的灰度等级得到扩展，对比度加强，使整个图像得到增强。

数字图像均衡化后其直方图并非完全均匀分布的原因：由于原图像中目标物的灰度主要集中于低亮度部分，而且象素总数比较少，而所占的灰度等级比较多，因此图像的对比度比较好，亮度比较大，整体图像清晰。经过直方图均衡后，目标物的所占的灰度等级被压缩，对比度减弱，反而使目标物变的难以辨认。

数字图像均衡化后，其直方图并非完全均匀分布，这是因为图像的象素个数和灰度等级均为离散值；而且均衡化使灰度级并归，因此，均衡化后，其直方图并非完全均匀分布。

源代码： figure(1);fid=fopen('D:imgcell_128.img','r');

%打开无格式文件 data1=(fread(fid,[128,128],'uint8'))';%将打开的文件读入到data1 subplot(4,2,1);

%将figure(1)分成4*2的8个子窗口, data11=uint8(data1);imshow(data11);%图象显示

title('CELL','Color','b');

%加标题 subplot(4,2,2);title('原图像直方图');imhist(data11);subplot(4,2,3);

%取第二个子窗口

data2=uint8(data1);%将灰度图象转换成uint8格式 b=histeq(data2);

%直方图均衡化

imshow(b,256);

%显示均衡化图象,256可缺省 title('均衡化','Color','b');

subplot(4,2,4);imhist(b);title('均衡化后图像直方图');subplot(4,2,5)fid=fopen('d:imgfing_128.img','r');%打开无格式文件

data3=(fread(fid,[128,128],'uint8'))';%将打开的文件读入到data3 data31=uint8(data3);

%将灰度图象转换成uint8格式 imshow(data31);

%显示灰度图象 title('FING','Color','b');subplot(4,2,6)imhist(data31);title('原图像直方图');subplot(4,2,7);

data4=uint8(data3);%将灰度图象转换成uint8格式 d=histeq(data4);

%直方图均衡化

imshow(d,256);

%显示均衡化图象,256可缺省 title('均衡化','Color','b');

subplot(4,2,8);imhist(d);title('均衡化后原图像直方图');（2）对原图像加入高斯噪声，用4-邻域平均法平滑加噪声图像（图像四周边界不处理，下同），同屏显示原图像、加噪图像和处理后的图像。

① 不加门限；

② 加门限 T2f(m,n)，（其中f(m,n)

1N2f(i,j)）

ij

源代码： % CELL figure(2);fid=fopen('D:imgcell_128.img','r');

%打开无格式文件

data1=(fread(fid,[128,128],'uint8'))';%将打开的文件读入到data1 I=uint8(data1);I1=imnoise(I,'gaussian');%加乘性噪声 H1=[0 1 0;1 0 1;0 1 0]/4;%4×4领域模板 J=imfilter(I,H1);%领域平均

subplot(2,4,1),imshow(I);%显示图像I title('原图像');subplot(2,4,2),imshow(I1);title('加噪声后图像');subplot(2,4,3),imshow(J);

%不加门限平滑 title('不加门限平滑后图像');%加门限后滤波

T= 2*sum(I1(:))/128^2;im_T = zeros(128,128);for i = 1:128

for j = 1:128

if abs(I1(i,j)J(i,j))>T

im_T(i,j)= J(i,j);

else

im_T(i,j)= I1(i,j);

end

end end subplot(2,4,8);imshow(im_T);title('加门限后');4.（1）用Laplacian锐化算子（分1和2两种情况）对256256大小、256级灰度的数字图像lena进行锐化处理，显示处理前、后图像。

源代码：

%laplacian算子锐化

I=imread('D:imgLENA256.bmp');% 读入原图像 figure(1);subplot(1,3,1);imshow(I);title('原始图像');L=fspecial('laplacian');L1=[0-1 0;-1 5-1;0-1 0];L2=[0-2 0;-2 9-2;0-2 0];LP1=imfilter(I,L1,'replicate');% α=1时的拉普拉斯算子 LP2=imfilter(I,L2,'replicate');% α=2时的拉普拉斯算子

subplot(1,3,2);imshow(LP1);title('Laplacian算子α=1锐化图像');subplot(1,3,3);imshow(LP2);title('Laplacian算子α=2锐化图像');

（2）若令

g1(m,n)f(m,n)2f，g2(m,n)4f(m,n)[f(m1,n)f(m1,n)f(m,n1)f(m,n1)

f(m,n1)f(m,n1)]

则回答如下问题：

① f(m,n)、g1(m,n)和g2(m,n)之间有何关系？ ② g2(m,n)代表图像中的哪些信息？ ③ 由此得出图像锐化的实质是什么？

①因为g2(m,n)2f(m,n)，所以f(m,n)、g1(m,n)和g2(m,n)之间有以下关系：

g1(m,n)f(m,n)g2(m,n)

②g2(m,n)代表了原图像中的二阶梯度信息；g1(m,n)是边缘增强后的数字图像； ③由此可以得出：图像锐化的实质是将原图像与梯度信息叠加（梯度信息所占的比例由，相当于对目标物的边缘进行了增强。的大小决定，值越大则梯度信息所占的比例越大）

5.分别利用Roberts、Prewitt和Sobel边缘检测算子，对256256大小、256级灰度的数字图像lena进行边缘检测，显示处理前、后图像。图像：

源代码：

I=imread('D:imgLENA256.bmp');% 读入原图像 figure(1)%Roberts梯度法锐化

subplot(2,2,1);imshow(I);title('原始图像');J=double(I);[IX,IY]=gradient(J);%计算梯度 A=sqrt(IX.*IX+IY.*IY);subplot(2,2,2);imshow(A,[]);title('Roberts梯度法锐化图像');%Prewitt算子锐化

S=imfilter(I,fspecial('Prewitt'));subplot(2,2,3);imshow(S);title('Prewitt算子锐化图像');%Sobel算子锐化

S=imfilter(I,fspecial('sobel'));subplot(2,2,4);imshow(S);title('Sobel算子锐化图像');

6、学习数字图像处理课程的心得体会，该课程在哪些方面需要改进，对该课程或者任课老师有哪些意见或建议。

通过对数字图像处理课程的认真学习，在课堂听课和课余实践中了解了数字图像的基础知识，培养了一定的软件编程能力，在努力完成课堂作业的同时，发现了对图像方面的兴趣。老师认真负责，布置合理的作业。但希望能够通过更加丰富的授课方式，提高更多人学习该门课程的兴趣和主动性。也同样希望老师能够加强点名和作业的验收，督促学生更加认真的学习知识。

第四篇：数字图像处理期中作业报告

西安科技大学

通信学院

数字图像处理实验报告

直 方 图 均 衡 化

西安科技大学

通信学院

题目：直方图均衡化

一、实验目的

1.通过实验理解直方图均衡化的原理及步骤； 2.编程实现图像（灰度或彩色）的直方图均衡化；

3.通过实验更深刻的理解课本知识和加强动手实践能力。

二、实验要求

（1）读入一幅图像；

（2）编程绘制给定图象的灰度直方图；

（3）编程实现给定图象的直方图均衡，得到均衡后的新图象；（4）比较均衡前后的两幅图象以及各自的灰度直方图，分析讨论直方图均衡提高图象对比度的效果；

三、实验原理

1.直方图均衡化概述

图像的对比度增强的方法可以分成两类:一类是直接对比度增强方法;另一类是间接对比度增强方法。直方图拉伸和直方图均衡化是两种最常见的间接对比度增强方法。直方图拉伸是通过对比度拉伸对直方图像素分布进行调整，从而“扩大”前景和背景灰度的差别，以达到增强对比度的目的，这种方法可以利用线性或非线性的方法来实现;直方图均衡化则通过使用累积函数对灰度值进行“调整”以实现对比度的增强。

直方图均衡化是图像处理领域中利用图像直方图对对比度进行调整的方法。这种方法通常用来增加许多图像的局部对比度，尤其是当图像的有用数据的对比度相当接近的时候。通过这种方法，亮度可以 2

西安科技大学

通信学院

更好地在直方图上分布。这样就可以用于增强局部的对比度而不影响整体的对比度，直方图均衡化通过有效地扩展常用的亮度来实现这种功能。

2.基本思想

直方图均衡化处理的“中心思想”是把原始图像的灰度直方图从比较集中的某个灰度区间变成在全部灰度范围内的均匀分布。直方图均衡化就是对图像进行非线性拉伸，重新分配图像像素值，使一定灰度范围内的像素数量大致相同。直方图均衡化就是把给定图像的直方图分布改变成“均匀”分布直方图分布。

直方图均衡化的基本思想是把原始图的直方图变换为均匀分布的形式，这样就增加了象素灰度值的动态范围从而可达到增强图像整体对比度的效果。设原始图像在(x，y)处的灰度为f，而改变后的图像为s，则对图像增强的方法可表述为将在(x，y)处的灰度f映射为g。在灰度直方图均衡化处理中对图像的映射函数可定义为:s = EQ(f)，这个映射函数EQ(f)必须满足两个条件(其中L为图像的灰度级数):(1)EQ(f)在0≤f≤L-1范围内是一个单值单增函数。这是为了保证增强处理没有打乱原始图像的灰度排列次序，原图各灰度级在变换后仍保持从黑到白(或从白到黑)的排列。

(2)对于0≤f≤L-1有0≤s≤L-1，这个条件保证了变换前后灰度值动态范围的一致性。

累积分布函数(cumulative distribution function，CDF)即可以满足上述两个条件，并且通过该函数可以完成将原图像f的分布转换

西安科技大学

通信学院

成s的均匀分布。此时的直方图均衡化映射函数为:sk = EQ(fk)=(ni/n)= Pf(fi)，(k=0，1，2，„„，L-1)上述求和区间为0到k，根据该方程可以由源图像的各像素灰度值直接得到直方图均衡化后各像素的灰度值。在实际处理变换时，一般先对原始图像的灰度情况进行统计分析，并计算出原始直方图分布，然后根据计算出的累计直方图分布求出fk到sk的灰度映射关系。在重复上述步骤得到源图像所有灰度级到目标图像灰度级的映射关系后，按照这个映射关系对源图像各点像素进行灰度转换，即可完成对源图的直方图均衡化。

离散情况下的直方图均衡化的算法： 列出原始图像的灰度级fj,j0,1,,L1 统计各灰度级的像素数目nj,j0,1,,L1

计算原始图像直方图各灰度级的频数Pf(fj)nj/n,j0,1,,L1

k计算累积分布函数:C(f)P(f),j0,1,,k,L1

fjj0应用以下公式计算映射后的输出图像的灰度级，P为输出图像灰度级的个数，其中INT为取整符号：

gINT[(gg)C(f)g0.5] imaxminmin用的映射关系修改原始图像的灰度级，从而获得直方图近似为均匀分布的输出图像。

四、程序代码

(调库函数)

西安科技大学

通信学院

clc;clear all;I=imread('F:数字图像处理常用图片lena1.jpg');figure(1);subplot(2,2,1);imshow(I);title('原始图像');subplot(2,2,2);imhist(I);title('原始图像灰度直方图');I1=im2double(I);I2=log(I1+1);%对数变换

I3=mat2gray(I2);%把图像的灰度范围变换为【0,1】

subplot(2,2,3);imshow(I3);title('对数变换增强后的图像')subplot(2,2,4);imhist(I3);title('对数变换后灰度直方图')

figure(2);B=imadjust(I,[0.05 0.7],[0.1 1.0]);subplot(2,2,1);imshow(B);title('灰度级线性调整');subplot(2,2,2);imhist(B);title('灰度级线性调整后直方图');J=histeq(I);subplot(2,2,3);imshow(J);title('直方图规定化');subplot(2,2,4);imhist(J);title('直方图规定化后直方图');

截图：

原始图像30002000100000对数变换增强后的图像原始图像灰度直方图100200对数变换后的图像灰度直方图***.51

西安科技大学

通信学院

灰度级线性调整***000直方图规定化4000100200灰度级线性调整后直方图直方图规定化后直方图200000100200

(编写算法)clc;clear all %一，图像的预处理，读入彩色图像将其灰度化

I=imread('F:数字图像处理常用图片pepper.tif');%读入JPG彩色图像文件 figure(1);subplot(1,2,1);imshow(I);%显示出来 title('输入的彩色JPG图像')imwrite(rgb2gray(I),'PicSampleGray.bmp');%将彩色图片灰度化并保存 I_1=rgb2gray(I);%灰度化后的数据存入数组 %二，绘制直方图

[height,width]=size(I_1);%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(I_1==k))/(height*width);%计算每级灰度出现的概率，将其存入GP中相应位置 end figure(2);subplot(1,2,1);bar(0:255,GP,'r')%绘制直方图 title('原图像直方图');xlabel('灰度值');ylabel('出现概率')axis([-5 250 0 0.012])%三，直方图均衡化 S1=zeros(1,256);for i=1:256

西安科技大学

通信学院

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(2);subplot(1,2,2);bar(0:255,GPeq,'y')%显示均衡化后的直方图 title('均衡化后的直方图');xlabel('灰度值');ylabel('axis([-5 270 0 0.012])%四，图像均衡化 PA=I;for i=0:255 PA(find(I==i))=S2(i+1);%给这个像素 end figure(1);subplot(1,2,2);imshow(PA)%title('均衡化后图像')imwrite(PA,'PicEqual.bmp');

截图：

输入的彩色JPG图像 7

出现概率')将各个像素归一化后的灰度值赋显示均衡化后的图像 均衡化后图像

西安科技大学

通信学院

原图像直方图0.0120.012均衡化后的直方图0.010.010.0080.008出现概率0.006出现概率0.0060.0040.0040.0020.0020050100灰度值***50100150灰度值200250

五、实验结果

分析：从上述实验结果可以看出，经过直方图均衡化后的图片的对比度更高，且边缘效果更高。这些图片非常有利于人眼的观看识别。直方图均衡化可以达到增强图像的显示效果的作用。通过原图像的直方图可以观察出，图像中各种亮度所占的比例大都分布不均匀，直方图增强的方法就是压缩直方图中比例少的像素所占用的灰度范围，多出来的灰度空间按照统计比例分配给直方图中比例高的像素使用。这种方法主要是针对人眼对灰度差别越大的图像更容易分辨的特点而做的增强。

直方图均衡化由于可能会丢失一些灰度级，所以造成图片信息在一定程度上的损失。变换后图像的灰度级减少也会使某些细节消失。并且某些图像经均衡化处理后的对比度不自然的过分增强。

六、成员分工

七、心得体会

通过近几周的设计，我们学到了很多东西，对如何获得知识也有

西安科技大学

通信学院

了一定的感知。首先，对这个设计题目，要做好充分的准备工作，经过在图书馆查找一些相关的资料，上网搜索一些相关的知识后，我们终于对需要的流程有了一定的规划。其次，在实际设计过程中，我们充分地利用课本上和老师提过的一些知识、思路。同时与组内同学认真交谈，相互领会对方的思路和方法，提高自己的交际能力和团队精神。再次，通过对此设计，我们对图像处理的知识有了更加深入的了解，知道了什么是图像增强，知道了怎样均衡化，知道了怎样利用图像增强的知识处理学习、生活中遇到的一些问题。

在此次程序课程设计中，收获知识的同时也收获了成熟。我们不仅培养了思考问题的能力，也提高了获取知识的能力，并且相互合作的过程中感受到一个人的力量远没有团队的力量大，遇到问题时，集体的智慧才会更有效解决，因此只有相互团结，互相学习交流，这样大家都会懂得更多，进步更快。平时也要学会谦虚向其他人学习，我们以后会更加珍惜和重视这样的机会。

第五篇：《数字图像处理》

实验五 图像的几何变换

一．实验目的及要求

掌握图像几何变换的基本原理，熟练掌握数字图像的缩放、旋转、平移、镜像和转置的基本原理及其MATLAB编程实现方法。

二、实验内容

（一）研究以下程序，分析程序功能；输入执行各命令行，认真观察命令执行的结果。熟悉程序中所使用函数的调用方法，改变有关参数，观察试验结果。

1.图像缩放 clear all, close all I = imread('cameraman.tif');Scale = 1.35;

% 将图像放大1.35倍

J1 = imresize(I, Scale, 'nearest');

% using the nearest neighbor interpolation J2 = imresize(I, Scale, 'bilinear');

% using the bilinear interpolation imshow(I), title('Original Image');figure, imshow(J1), title('Resized Image--using the nearest neighbor interpolation ');figure, imshow(J2), title('Resized Image--using the bilinear interpolation ');help imresize

% 查看imresize使用帮助

1.95倍

I = imread('cameraman.tif');Scale = 1.96;

% 将图像放大1.96倍

J1 = imresize(I, Scale, 'nearest');

% using the nearest neighbor interpolation J2 = imresize(I, Scale, 'bilinear');

% using the bilinear interpolation imshow(I), title('Original Image');figure, imshow(J1), title('Resized Image--using the nearest neighbor interpolation ');figure, imshow(J2), title('Resized Image--using the bilinear interpolation ');

说明：

注意观察不同插值方法的图像表现； 改变图像缩放因子Scale，重做上述实验。2.图像旋转

clear all, close all I = imread('cameraman.tif');Theta = 45;

% 将图像逆时针旋转45。

J1 = imrotate(I, Theta, 'nearest');

% using the nearest neighbor interpolation Theta =-45;

% 将图像顺时针旋转45。

J2 = imrotate(I, Theta, 'bilinear', 'crop');% using bilinear interpolation and crops the output image imshow(I), title('Original Image');figure, imshow(J1), title('Rotated Image--using the nearest neighbor interpolation ');figure, imshow(J2), title(' Rotated Image--using the bilinear interpolation ');% 查看imrotate使用帮助 help imrotate %-------

图像旋转30顺时针逆时针

clear all, close all I = imread('cameraman.tif');Theta = 30;

% 将图像逆时针旋转30。

J1 = imrotate(I, Theta, 'nearest');

% using the nearest neighbor interpolation Theta =-30;

% 将图像顺时针旋转30。

J2 = imrotate(I, Theta, 'bilinear', 'crop');% using bilinear interpolation and crops the output image imshow(I), title('Original Image');figure, imshow(J1), title('Rotated Image--using the nearest neighbor interpolation ');figure, imshow(J2), title(' Rotated Image--using the bilinear interpolation ');7 说明：

注意观察不同插值方法和输出图像后处理方法的图像表现； 改变旋转角度大小和方向，重做上述实验。

3．图像水平镜象

clear all, close all I = imread('cameraman.tif');I1 = flipdim(I,2);

I2 = flipdim(I,1);figure(1), subplot(1,2,1), imshow(I);subplot(1,2,2), imshow(I1);figure(2), subplot(2,1,1), imshow(I);subplot(2,1,2), imshow(I2);%----

(二)用MATLAB编程实现以下图像几何变换（参考自编讲义相关章节）

1．图像扭曲变换 2．球面变换

三、实验设备

1．PIII以上微机； 2．MATLAB6.5；

四、预习与思考

1．预习实验内容，阅读教材熟悉实验原理；

2．查阅资料，熟悉实验中涉及的有关MATLAB函数；

3．利用课余时间，采用MATLAB底层函数编程实现实验内容

（二）中的图像平移、图像转置等几何变换。

五、实验报告要求

1．简述试验的目的和试验原理；

2．叙述各段程序功能，改变有关函数的参数，分析比较实验结果； 3．打印出所编写的实验程序。4．写出本实验的心得体会及意见。

实验六

数字图像处理应用

一．实验目的及要求

1．利用MATLAB提供的图像处理函数实现图像中物体属性的测量； 2．训练综合运用MATLAB图像处理函数的能力； 3．了解数字图像处理基本应用。

二、实验内容

以大米粒特性测量为例，综合应用课程中图像分割、形态学滤波、图像增强、图像特征提取等图像处理方法，实现大米粒特性自动测量。实验过程简述：

1． 读取和显示图像 2． 估计图像背景 3． 获取背景均匀的图像 4． 图像增强 5． 图像二值化分割 6． 区域标记及为彩色处理

7． 测量图像中的区域特性（面积、质心等）

8．统计大米粒的特性分布规律。

（一）研究以下程序，分析程序功能；输入执行各命令行，认真观察命令执行的结 果。熟悉程序中所使用函数的调用方法，改变有关参数，观察试验结果。

% Read and Display an Image clear, close all,close all;I = imread('rice.png');

figure, imshow(I)

% Use Morphological Opening to Estimate the Background

background = imopen(I,strel('disk',15));

figure, imshow(background);

%Display the Background Approximation as a Surface

figure, surf(double(background(1:8:end,1:8:end))),zlim([0 255]);set(gca,'ydir','reverse');% Subtract the Background Image from the Original Image I2 = imsubtract(I,background);figure, imshow(I2)% Adjust the Image Contrast I3 = imadjust(I2, stretchlim(I2), [0 1]);figure, imshow(I3);% Apply Thresholding to the Image level = graythresh(I3);bw = im2bw(I3,level);figure, imshow(bw)% Determine the Number of Objects in the Image [labeled,numObjects] = bwlabel(bw,4);

% Label components.numObjects % Examine the Label Matrix RGB_label = label2rgb(labeled, @spring, 'c', 'shuffle');figure, imshow(RGB_label);% Measure Object Properties in the Image graindata = regionprops(labeled,'basic')allgrains = [graindata.Area];% Compute Statistical Properties of Objects in the Image max(allgrains);biggrain = find(allgrains==695)mean(allgrains);figure, hist(allgrains,20);12

(详见MATLAB IPT的 帮助文档demo中的Correcting Nonuniform Illumination)

（二）查看MATLAB IPT 帮助文档，研究其它应用演示

三、实验设备 1．PIII以上微机； 2．MATLAB6.5；

四、预习与思考

1．预习实验内容，阅读教材熟悉实验原理； 2．查阅资料，熟悉实验中涉及的有关函数。

3．利用课余时间，采用MATLAB函数编程实现实验内容

（二）。

五、实验报告要求

1．简述试验的目的和试验原理；

2．叙述各段程序功能，改变有关函数的参数，分析比较实验结果； 3．打印出所编写的实验程序。4．写出本实验的心得体会及意见。