第一篇：数字图像处理读书报告11
数字图像处理读书报告11
——图像分割
——钱增磊
前言：由于在图像的应用当中，我们经常要将感兴趣的区域提取出来用来识别等其他用途，这就涉及到一个很关键的一个应用，便是图像的分割。图像的分割方法有很多，本章将通过四种大的分割方法来讲解，分别是基于边缘检测的分割，阈值分割，基于区域的分割和形态学分水岭的分割。然而对于分割算法是基于灰度值的两个不同性质来进行的，第一便是不连续性，根据这个性质主要的方法是基于边缘的检测；另一个便是其相似性原理，后三种方法都是根据一组预定义的准则来进行的相似性分割方法。
一、基于边缘检测的分割
1、点与线的检测
根据灰度级突变的特性，往往我们能够看到图像中的点与线，这放在数学中便是一阶导数和二阶导数的特点。如下式所示：
f2ff(x)f(x1)f(x)f(x)f(x1)f(x1)2f(x)2xx
从中可以得到三个结论：a.一阶导数通常在图像中产生较粗的边缘；b.二阶导数对精细细节有较强的响应；c.二阶导数在灰度斜坡和灰度台阶过渡处会产生双边缘响应；d.二阶导数的符号可用于确定边缘的过渡是从亮到暗还是从暗到亮。
所以我们常用的点与线的检测便对其邻域使用梯度运算和拉普拉斯算子，从而确定点与线的位置。
2、基于边缘的检测
对于边缘模型主要分为三种，分别为台阶模型、斜坡模型和屋顶边缘模型，他们可利用梯度和拉普拉斯算子来区分出来。由于在进行二阶导数变换的时候，常常会出现双边缘响应，那么零灰度轴与二阶导数极值间的连线交点便称为零交叉点，这是个重要特性，对于这个零交叉点可用于寻找到图像的边界。
（1）梯度算子：
罗伯特交叉梯度算子：是最早尝试的具有对角优势的二维模板，对角相减的原理来构建梯度。
Prewitt算子：利用在模板区域中上下、左右邻点的灰度差，在边缘处达到极值来检测边缘。
sobel算子：对于上述的中心系数上使用一个权值2，可以平滑图像，还可以对斜线边缘进行检测，原理与上述相似。
Marr-Hildreth边缘检测器：采用了灰度变化特性“在一阶导数中引起波峰或波谷，或在二阶导数中等效地引起零交叉”来检测边缘的。该检测器采用高斯拉普拉斯算子LoG：
xy22G(x,y)e4222x2y222
将该滤波器与一幅输入图像卷积，寻找其零交叉来确定原图像的边缘位置。
g(x,y)[2G(x,y)]★f(x,y)
坎尼边缘检测器：首先用一个高斯滤波器平滑输入图像，也就是进行卷积，然后对输出的图像进行计算梯度的幅值和角度，这里采用高斯滤波器主要是因为我们发现最佳台阶边缘检测器的一个较好的近似是高斯一阶导数。再者我们队梯度幅值图像应用非最大抑制，将梯度向量分解为8个方向，分别为相隔45度，对任何一个方向都可以归纳到该8个方向中去。最后我们利用双阈值处理和连接分析来检测并连接边缘。因为在单阈值操作中，阈值设高或者设低都将造成伪边缘点或者删除有效边缘点，于是采用一个低阈值和一个高阈值的方法来克服。对阈值操作想象为创建了两幅图像：
gNH(x,y)gN(x,y)THgNL(x,y)gN(x,y)TL
去除包含的元素，可得到强弱边缘：gNL(x,y)gNL(x,y)gNH(x,y)
3、边缘连接
上述都是一些理想状况下产生位于边缘上的像素集合成连续型，实际上总会由于噪声和不均匀光照等原因引起边缘的间断，造成不连续性，有三种连接的方法。
第一种需要边缘点的邻域，给定一个规则强度，如果满足邻域内：
|M(s,t)M(x,y)|E
则将邻域中的点作为边缘点，E值是一个强度阈值，该规则可利用梯度向量的幅度或者角度来规定。
第二种是区域处理，该区域的边界有许多离散的点构成（由于噪声等原因而离散），然后选取两个点，连接线段，求剩下点到该线段的距离，如果大于我们给定的距离，则将该点放入边缘点的序列中，对这些点进行连接，一直到形成闭合的区域而停止。如此便可以得到近似的边界，该方法称为多边形拟合算法。
第三种是使用霍夫变换的全局处理，由于上述方法对每一个点都要进行比较，执行的次数非常大，而基本没有应用价值，于是采用霍夫变换。我们可以利用上述检测原理，将直线方程的x、y变量转化为,变量，是基于式：
xcosysin
那么对于不同的x，y有不同的曲线，当这些曲线相交某一点时，相对于空间坐标中的意义就是不同的点的直线对应于同一条直线方程，也就是有很多点共线。那么我们可以根据所需
要找的边界，给出对应的直线方程，就可以找到对应的,曲线，从而提取出所需要的边界。
二、基于阈值处理的分割
从这一节开始就是根据相似性原理来分割图像了。对于一个表达式：
g(x,y)1,.....f(x,y)T 0,.....f(x,y)T
其中T是一种我们设定的分割图像的灰度阈值，该处理称为全局阈值处理。当对于T值随着图像特征而改变时称为可变阈值处理。我们在前面学过对于灰度值的直方图表示，对于一幅含有不同灰度的图像，针对前景灰度值的不同，在灰度直方图中可以看到明显的波峰与波谷，其中对应的波谷便是我们所要分割的阈值。
1、Otsu方法
该方法在类间方差最大的情况下是最佳的。根据图像的灰度特性，图像分为背景和前景，当背景和前景之间的类间方差越大，说明构成图像的两部分的差别越大，当部分前景错分为背景或部分背景错分为前景都会导致两部分差别变小，那么对于使雷静方差最大的分割意味着错分概率最小。
2、用图像平滑改善全局阈值处理
由于噪声的存在，如果噪声的比例加大，那么在直方图中感兴趣区域的图像灰度直方图会受到严重的干扰甚至被完全遮盖，无论如何选取阈值都很难进行很好的分割。于是先将对图像进行模糊平滑，去除或减小噪声的影响，使直方图中的波谷重新呈现，在进行Otsu方法进行阈值处理。
3、用边缘改进全局阈值处理
如果需要分割的前景图像过于小的时候，在直方图中没办法超过噪声对直方图的贡献，那我们可以采用计算该图像的梯度或者拉普拉斯来确定。通过将计算后的图像与原图像进行相乘操作，再对其非零元素区域进行直方图的绘制，那么就可以呈现很明显的波谷，其实所呈现的波峰其高灰度段便是图像的边缘特征，然后利用Otsu方法选取阈值，便可得到分割。
4、可变阈值处理
虽然用图像平滑和使用边缘信息用来改善图像凸显边缘，但是仍然会出现无法满足要求的情况，这种时候我们采用一种块分割的办法来求解阈值，将整幅图像分成相同的若干份，对每一份进行求阈值的操作，那么对于每一幅的直方图便可以有很好的体现，从而分割出图像，然后将其合并。该方法的目的就是将感兴趣物体和背景占据的比例大小合适的区域。
三、基于区域的分割
分割的目的就是将一幅图像分割成若干个区域，那么基于区域的分割便是直接以寻找区域为基础的分割技术。
采用的一种技术叫“区域生长”，就是根据预先定义的生长准则将像素或者子区域组合成更大区域的过程。第一个首要过程便是寻找“种子区域”，根据预先定义的性质将一些邻域内像素凡是符合预先定义准则的都将被加入到每个种子上来，从而形成这些生长区域，其实也就是进行不断地迭代，直到不再有像素满足加入某个区域的准则，这样生长就会停止。
那么另一种技术便是首先将一幅图像细分为一组任意的不相交的区域，然后根据分隔条件聚合和/或分裂这些区域。对于一开始的细分操作，是针对每个单独的细分区域进行准则的匹配，如果不匹配，则进行再次细分，即Q(Ri)FALSE，然后依次在进行细分和判断，但是由于是对某个单独的区域进行的匹配，所以细分的过程中所产生的一些区域可能具有相同的属性，那么对于细分后的区域将要进行聚合操作，这样就可以产生最终的区域分割。它的分割精度，关键是在于匹配准则的选取，因为它的选取决定了在细分过程中的细分精细程度。
四、基于形态学分水岭的分割
该分割方法是一种比上述几种方法更稳定的分割技术，它的关键原理就是找到分水线。一幅图像是由一定的灰度级所显现的，那么把它看成一幅三维的山脉图，也就是说灰度越高，海拔越高，灰度越低，海拔越低，这就形成了一幅有山脉、有盆地的一幅山川景图。那么对于此算法，也就是通过在此幅图当中灰度级最低的（也就是海拔最低的）地方戳一个洞，水从这个洞中流出，根据一步步的迭代，水会流出的越来越多，而被淹没的海拔也会越来越高，慢慢的就会淹没一些小的山峰，而这些山峰所形成的便是“分水线”，即分开两个不同水域的界限，这些分水线是不完整的，那么就继续迭代，直到分水线的全部出现，此时分割的任务也就完成了。
然而对于某些噪声和梯度的局部不规则性，该算法会造成过度分割，形成大量的分割无用的分割区域，这时就采用标记的方法来克服。将与感兴趣物体相联系的标记称为内部标记，与背景相关联的标记称为外部标记，我们对内部标记的定义为：a.被更高海拔点包围的区域；b.区域中形成一个连通分量的那些点；c.连通分量中所有的点有相同的灰度值。基于这样的一种标记，可以在分割中去除大量的背景分割区域，从而区分出我们感兴趣的物体。
总结：本章节内容讲述的几种重要的分割方法各有特点，不仅针对不同特性的图像用相应的方法，还可以联合起来应用，尤其是对于一幅多分辨率的图像，可利用块分割的办法对于不同区域的图像分割用不同的方法进行，能够得到最有效的效果。然而对于本章节所提到的一个分割的关键因素便是分割准则的确定，而这个准则不仅仅只是一个灰度值一些简单的表示，还会利用下一章表示和描述中达到更精确更复杂更有效的分割准则的表示方法。
第二篇：《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。
第三篇：数字图像处理
中南大学
数字图像处理实验 实验名称：空间滤波和频域滤波
班级：电子信息0802班
姓名：李哲 学号：0909080609 实验日期：2010年12月22日
目录
一，实验目的„„„„„„„„„„„„„„„„„„„„„„„3 二，给图像添加噪声„„„„„„„„„„„„„„„„„„„„4 三，对被噪声污染的图像进行中值滤波和均值滤波„„„„„„„5 四，对图像进行空间域的锐化„„„„„„„„„„„„„„„„6 五，MATLAB以外函数空间滤波和图像锐化„„„„„„„„„„7 六，自带函数傅立叶变换和反变换„„„„„„„„„„„„„„8 七，低通滤波器程序„„„„„„„„„„„„„„„„„„„„9 八，心得体会 „„„„„„„„„„„„„„„„„„„„„„10 九，参考文献 „„„„„„„„„„„„„„„„„„„„„„10
一、实验目的 1，空间滤波：
图像平滑主要目的是减少噪声。噪声有很多种类，不同的噪声有不同的抑制措施。本实验要求用平滑线性滤波和中值滤波2种最典型、最常用的处理算法进行程序设计，学习如何对已被噪声污染的图像进行“净化”。通过平滑处理，对结果图像加以比较，得出自己的实验结论。学习如何用锐化处理技术来加强图像的目标边界和图像细节，对图像进行梯度算子、拉普拉斯算子，使图像的某些特征（如边缘、轮廓等）得以进一步的增强及突出。本实验锐化处理主要在空间域中进行 2，频域滤波：
掌握傅里叶变换的基本性质； 掌握傅里叶正变换和反变换； 通过实验了解二维频谱的分布特点； 掌握怎样利用傅立叶变换进行频域滤波
利用MATLAB程序数字图像的傅立叶变换并且进行频域滤波
二，给图像添加椒盐噪声或者高斯噪声： 原理：利用MATLAB自带函数添加噪声 程序代码：A=imread('onion.png');I=rgb2gray(A);imshow(I);J = imnoise(I,'salt & pepper',0.05);figure,imshow(J),title('椒盐噪声');%添加椒盐噪声 K = imnoise(I,'gaussian',0,0.03);
figure,imshow(K),title('高斯噪声');%添加高斯噪声
三，对被噪声污染的图像进行中值滤波和均值滤波： 原理：自带函数进行中值滤波和均值滤波 源程序：A=imread('onion.png');I=rgb2gray(A);J = imnoise(I,'salt & pepper',0.05);k2=medfilt2(J,[5 5]);k3=medfilt2(J,[7 7]);imshow(J),title('原图');figure,imshow(k2),title('中值滤波5*5模板');figure,imshow(k3),title('中值滤波7*7模板');
四，对图像进行空间域的锐化： 原理：自带函数进行空间锐化。源程序：I=imread('coins.png');subplot(121),imshow(I),title('原图像');H=fspecial('sobel');I2=filter2(H ,I);subplot(122),imshow(I2),title('sobel算子锐化图像');
五，MATLAB以外函数空间滤波和图像锐化：
源程序：I = imread('eight.tif');J = imnoise(I,'salt & pepper',0.02);K = medfilt2(J);imshow(J);title('噪声干扰图像')figure, imshow(K);title('medfilt2滤波图像')X=J;a=2;b=2;k=floor(a*b/2)+1;[M,N]=size(X);uint8 Y=zeros(M,N);funBox=zeros(a,b);temp=zeros(a*b);
for i=1:M-a
for j=1:N-b
funBox=X(i:i+a,j:j+b);
temp=funBox(:);
tempSort=sort(temp);
Y(i,j)=tempSort(k);
end;end;figure, imshow(Y);title('滤波图像')
六，利用Matlab的图像处理工具箱中提供的函数实现图像的傅立叶变换和反变换： 源程序：
A=imread('onion.png');f=rgb2gray(A);subplot(131),imshow(f),title('原图');F=fft2(f);% 快速傅立叶变换
subplot(132),imshow(F),title('傅里叶变换')Fabs=abs(F);% 求幅频绝对值 Fc=fftshift(Fabs);% 中心移位 SFc=log(1+Fc);% 对数变换
iFc1=ifftshift(Fc);% 中心移位的逆变换，绝对值 iF2=ifft2(iFc1);% 快速傅立叶变换的逆变换
subplot(133),imshow(iF2),title('快速傅立叶变换的逆变换')
七，低通滤波器程序：
I=imread('testpat1.png');subplot(221),imshow(I);title('原始图像')J1=imnoise(I,'gaussian',0.02);% 叠加高斯白噪声
subplot(222),imshow(J1);title('添加高斯白噪声的图像')f=double(J1);
% 数据类型转换 g=fft2(f);
% 傅立叶变换 g=fftshift(g);
[M,N]=size(g);nn=2;
% 二阶巴特沃斯(Butterworth)低通滤波器 d0=50;
% 设置截止频率 m=fix(M/2);n=fix(N/2);for i=1:M for j=1:N
d=sqrt((i-m)^2+(j-n)^2);
h=1/(1+0.414*(d/d0)^(2*nn));% 计算低通滤波器传递函数
result(i,j)=h*g(i,j);end end result=ifftshift(result);J2=ifft2(result);J3=uint8(real(J2));subplot(223),imshow(J3);title('低通滤波后图像')
心得体会
1，进一步熟悉了Matlab软件、编程以及图像处理工具箱 2，学会利用自带函数对图像做简单的处理，例如：均值化等。3，熟练了一些基本函数的运用，例如fspecial，imfilter等。4，加深了对MATLAB编程的理解。
5，对于试验中的出现的一些问题，懂得怎样去处理。6，通过实际操作，增强了自己的动手能力，把理论用于实践。
参考文献：数字图像处理第二版
MATLAB教程
第四篇：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;% 33的均值滤波 K2=补充;
% 55的均值滤波 K3=补充;
% 77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
第五篇：数字图像处理学习报告
数字图像处理学习报告
在这一学期，我选修了《数字图像处理基础》这门课程，同时，老师还讲授了一些视频处理的知识。在这里，梳理一下这学期学到的知识，并提出一些我对这门课程的建议。
图像处理是指对图像信息进行加工，从而满足人类的心理、视觉或者应用的需求的一种行为。图像处理方法一般有数字法和光学法两种，其中数字法的优势很明显，已经被应用到了很多领域中，相信随着科学技术的发展,其应用空间将会更加广泛。数字图像处理又称为计算机图像处理，它是指将图像信号转换成数字信号并利用计算机对其进行处理的过程.数字图像处理是从20世纪60年代以来随着计算机技术和VLSL的发展而产生、发展和不断成熟起来的一个新兴技术领域。数字图像处理技术其实就是利用各种数字硬件与计算机，对图像信息通过转换而得到的电信号进行相应的数学运算，例如图像去噪、图像分割、提取特征、图像增强、图像复原等，以便提高图像的实用性。其特点是处理精度比较高，并且能够对处理软件进行改进来优化处理效果,操作比较方便，但是由于数字图像需要处理的数据量一般很大，因此处理速度有待提高。目前，随着计算机技术的不断发展，计算机的运算速度得到了很大程度的提高。在短短的历史中，它却广泛应用于几乎所有与成像有关的领域，在理论上和实际应用上都取得了巨大的成就。
1.数字图像处理需用到的关键技术
由于数字图像处理的方便性和灵活性，因此数字图像处理技术已经成为了图像处理领域中的主流。数字图像处理技术主要涉及到的关键技术有：图像的采集与数字化、图像的编码、图像的增强、图像恢复、图像分割、图像分析等。
图像的采集与数字化：就是通过量化和取样将一个自然图像转换为计算机能够处理的数字形式。
图像编码：图像编码的目的主要是来压缩图像的信息量，以便能够满足存储和传输的要
求。
图像的增强：图像的增强其主要目的是使图像变得清晰或者将其变换为机器能够很容易
分析的形式，图像增强方法一般有：直方图处理、灰度等级、伪彩色处理、边缘锐化、干扰抵制。
图像的恢复：图像恢复的目的是减少或除去在获得图像的过程中因为各种原因而产生的
退化，可能是由于光学系统的离焦或像差、被摄物与摄像系统两者之间的相对运动、光学或电子系统的噪声与介于被摄像物跟摄像系统之间的大气湍流等等。
图像的分割：图像分割是将图像划分为一些互相不重叠的区域，其中每一个区域都是像素的一个连续集，通常采用区域法或者寻求区域边界的境界法。
图像分析：图像分析是指从图像中抽取某些有用的信息、数据或度量,其目的主要是想得到某种数值结果。图像分析的内容跟人工智能、模式识别的研究领域有一定的交叉。2.数字图像处理的特点
数字图像处理的特点主要表现在以下几个方面：
1）数字图像处理的信息大多是二维信息，处理信息量很大。因此对计算机的计算速度、存
储容量等要求较高。2）数字图像处理占用的频带较宽。与语言信息相比,占用的频带要大几个数量级。所以在成像、传输、存储、处理、显示等各个环节的实现上技术难度较大，成本亦高。这就对频
带压缩技术提出了更高的要求。
3）数字图像中各个像素不是独立的，其相关性大。在图像画面上，经常有很多像素有相同
或接近的灰度。所以，图像处理中信息压缩的潜力很大。
4）数字图像处理后的图像受人的因素影响较大，因为图像一般是给人观察和评价的。
3.数字图像处理的优点
数字图像处理的优点主要表现在4个方面。
1）再现性好。数字图像处理与模拟图像处理的根本不同在于它不会因图像的存储、传输或
复制等一系列变换操作而导致图像质量的退化。只要图像在数字化时准确地表现了原稿,那么数字图像处理过程始终能保持图像的再现。
2）处理精度高。将一幅模拟图像数字化为任意大小的二维数组，主要取决于图像数字化设
备的能力.3）适用面宽。图像可以来自多种信息源,它们可以是可见光图像，也可以是不可见的波谱图像。只要针对不同的图像信息源，采取相应的图像信息采集措施，图像的数字处理方法 适用于任何一种图像。
4）灵活性高。图像处理大体上可分为图像的像质改善、图像分析和图像重建三大部分，每
一部分均包含丰富的内容。
4.数字图像处理的应用领域
图像是人类获取和交换信息的主要来源，因此，图像处理的应用领域必然涉及到人类生
活和工作的方方面面，随着人类活动范围的不断扩大,图像处理的应用领域也将随之不断扩 大。
航天和航空技术：在飞机遥感和卫星遥感技术中用配备有高级计算机的图像处理系统来判读分析，既节省人力又加快了速度，还可以从照片中提取人工所不能发现的大量有用情报。生物医学工程：除了CT技术之外，还有对医用显微图像的处理分析，如红细胞、白细胞分类，染色体分析，癌细胞识别等。
通信工程：当前通信的主要发展方向是声音、文字、图像和数据结合的多媒体通信。在一定意义上讲，编码压缩是这些技术成败的关键。除了已应用较广泛 的熵编码、DPCM编码、变换编码外，目前国内外正在大力开发研究新的编码方法，如分行编码、自适应网络编码、小波变换图像压缩编码等。
工业和工程领域：图像处理技术有着广泛的应用，如自动装配线中检测零件的质量并对零件进行分类，印刷电路板疵病检查，弹性力学照片的应力分析，流体力学图片的阻力和升力分析,邮政信件的自动分拣，在一些有毒、放射性环境内识别工件及物体的形状和排列状态，先进的设计和制造技术中采用工业视觉等等。
军事方面：图像处理和识别主要用于导弹的精确末制导 各种侦察照片的判读，具有图像传输、存储和显示的军事自动化指挥系统，飞机、坦克和军舰模拟训练系统等；公安业务图片的判读分析，指纹识别，人脸鉴别，不完整图片的复原，以及交通监控、事故分析等。
文化艺术：电视画面的数字编辑、动画的制作、电子图像游戏、纺织工艺品设计、服装设计与制作、发型设计、文物资料照片的复制和修复、运动员动作分析和评分等等。
视频和多媒体系统：电视制作系统广泛使用的图像处理、变换、合成，多媒体系统中静止图像和动态图像的采集、压缩、处理、存贮和传输等。
电子商务：图像处理技术在电子商务中也大有可为,如身份认证、产品防伪、水印技术等。
在这门课程的最后，代课老师给我们讲授了数字视频处理，让我们了解到数字视频就是以数字形式记录的视频，和模拟视频相对的。数字视频有不同的产生方式，存储方式和播出方式。比如通过数字摄像机直接产生数字视频信号，存储在数字带，P2卡，蓝光盘或者磁盘上，从而得到不同格式的数字视频。然后通过PC，特定的播放器等播放出来。了解了数字视频发展过程和视频压缩的概念和分类等。
我们这门课程主要是上理论课，其中有很复杂的数学原理，专业术语多，基础知识要求高，理解起来有些困难。当初选择这门课是希望能有一些具体软件的教学。就我了解，视频处理的软件有MAYA、Premiere、绘声绘影、windows自带的MOVE MAKER；处理数字图像的软件主要有matlaB、photoshop、ImageJ（java图像处理程序）。其中，matlaB和PS 很具有教学性，这两个软件也运用的很广。
MATLAB全称是MatrixLaboratory(矩阵实验室)，一开始它是一种专门用于矩阵数值计算的软件，从这一点上也可以看出，它在矩阵运算上有自己独特的特点。实际运用MATLAB中的绝大多数的运算都是通过矩阵这一形式进行的，这一特点决定了MATLAB在处理数字图像上的独特优势。理论上讲，图像是一种二维的连续函数，然而计算机对图像进行数字处理时，首先必须对其在空间和亮度上进行数字化，这就是图像的采样和量化的过程。
Photoshop是Adobe公司旗下最为出名的图像处理软件之一，集图像扫描、编辑修改、图像制作、广告创意，图像输入与输出于一体的图形图像处理软件,深受广大平面设计人员和电脑美术爱好者的喜爱。
如果能理论和实践相结合，相信我们会把数字图像处理理解的跟透彻，同时也锻炼了大家的动手能力。希望老师能多开设实际动手的课程。
点击咨询 