数字图像处理实验报告-线性灰度变换-图像几何变换-频域图像增强技术-图像分割

线性灰度变换一、实验目的1结合实例学习如何在视频显示程序中增加图像处理算法；2理解和掌握图像的线性变换和直方图均衡化的原理和应用；3了解平滑处理的算法和用途，学习使用均值滤波、中值滤波和拉普拉斯锐化进行图像增强处理的程序设计方法；4了解噪声模型及对图像添加噪声的基本方法。二、实验原理1灰度线性变换就是将图像中所有点的灰度按照线性灰度变换函数进行变换。)],([),(yxfTyxg255),(]),([),(]),([),(0),(),(yxfbgbyxfbyxfagayxfayxfyxfyxgbanymx,2,1,,,2,12直方图均衡化通过点运算将输入图像转换为在每一级上都有相等像素点数的输出图像。按照图像概率密度函数PDF的定义：1,...,2,1,0)(Lknnrpkkr通过转换公式获得：1,...,2,1,0)()(00LknnrprTskjkjjjrkk3均值（中值）滤波是指在图像上，对待处理的像素给定一个模板，该模板包括了其周围的临近像素。将模板中的全体像素的均值（中值）来代替原来像素值的方法。4拉普拉斯算子如下：111181111拉普拉斯算子首先将自身与周围的8个像素相减，表示自身与周围像素的差异，再将这个差异加上自身作为新像素的灰度。三、实验步骤1启动MATLAB程序，对图像文件分别进行灰度线性变换（参考教材57页，例4.1）、直方图均衡化（参考教材64页，例4.6）、均值滤波（参考教材69页，例4.9）、中值滤波（参考教材73页，例4.11）和梯度锐化操作（参考教材76页，例4.12）。添加噪声，重复上述过程观察处理结果。2记录和整理实验报告：对图像文件进行灰度线性变换（1）对图像pout.tif，将其小于30的灰度值不变，将30到150的灰度值拉伸到30到200，同时压缩150到255的灰度值到200到255之间。I=imread('pout.tif');imshow(I);I=double(I);[M,N]=size(I);fori=1:Mforj=1:NifI(i,j)=30I(i,j)=I(i,j);elseifI(i,j)=150I(i,j)=(200-30)/(150-30)*(I(i,j)-30)+30;elseI(i,j)=(255-200)/(255-150)*(I(i,j)-150)+200;endendendfigure(2);imshow(uint8(I（2）对图像pout.tif添加高斯噪声后进行灰度值线性变换J=imread('pout.tif');I=imnoise(J,'gaussian',0,0.01);imshow(I);I=double(I);[M,N]=size(I);fori=1:Mforj=1:NifI(i,j)=30I(i,j)=I(i,j);elseifI(i,j)=150I(i,j)=(200-30)/(150-30)*(I(i,j)-30)+30;elseI(i,j)=(255-200)/(255-150)*(I(i,j)-150)+200;endendendfigure(2);imshow(uint8(I));对图像文件进行直方图均衡化：（1）原图I=imread('circuit.tif');figuresubplot(221);imshow(I)subplot(222);imhist(I)I1=histeq(I);figuresubplot(221);imshow(I1)subplot(222);imhist(I1)（2）加入高斯噪声J=imread('circuit.tif');I=imnoise(J,'gaussian',0,0.01);figuresubplot(221);imshow(I)subplot(222);imhist(I)I1=histeq(I);figuresubplot(221);imshow(I1)subplot(222);imhist(I1)均值滤波（1）原图I=imread('tire.tif');[M,N]=size(I);II1=zeros(M,N);fori=1:16II(:,:,i)=imnoise(I,'gaussian',0,0.01);II1=II1+double(II(:,:,i));ifor(or(i==1,i==4),or(i==8,i==16));figure;imshow(uint8(II1/i));endend（2）加高斯噪声J=imread('tire.tif');I=imnoise(J,'gaussian',0,0.01);[M,N]=size(I);II1=zeros(M,N);fori=1:16II(:,:,i)=imnoise(I,'gaussian',0,0.01);II1=II1+double(II(:,:,i));ifor(or(i==1,i==4),or(i==8,i==16));figure;imshow(uint8(II1/i));endend4.中值滤波：源程序和结果：I=imread('hua.jpg');J=imnoise(I,'salt&pepper',0.02);subplot(231),imshow(I);title('原始图像');subplot(232),imshow(J);title('添加椒盐噪声图像')k1=medfilt2(J);k2=medfilt2(J,[5,5]);k3=medfilt2(J,[7,7]);k4=medfilt2(J,[9,9]);subplot(233),imshow(k1);title('3x3模板中值滤波')subplot(234),imshow(k2);title('5x5模板中值滤波')subplot(235),imshow(k3);title('7x7模板中值滤波')ubplot(236),imshow(k4);title('9x9模板中值滤波')')s梯度锐化操作：（1）原图I=imread('cameraman.tif');subplot(131),imshow(I)H=fspecial('Sobel’);H=H';TH=filter2(H,I);subplot(132),imshow(TH,[]);H=H';TH=filter2(H,I);subplot(133),imshow(TH,[])（2）加入高斯噪声J=imread('cameraman.tif');I=imnoise(J,'gaussian',0,0.01)subplot(131),imshow(I)H=fspecial('Sobel');H=H';TH=filter2(H,I);subplot(132),imshow(TH,[]);H=H';TH=filter2(H,I);subplot(133),imshow(TH,[])四、思考题1．设定不同的斜率值和截距，显示效果会怎样？不同的斜率和截距会对图像的不同部分进行增强或减弱，将会改变图像的对比度。2．直方图均衡化是什么意思？它的主要用途是什么？直方图均衡化就是经过一个点变换使不均匀的直方图变为均衡分布的直方图，增加图像的灰度范围和增强图像对比度3.均值（中值）滤波的模板大小对处理效果有什么影响？中值滤波所选的模版越大其滤波效果（去除噪声）越好，但是原始图像中的有效部也跟着被滤波，但其边缘不会模糊，即在滤波的同时保持了图像的细节清晰。图像几何变换一、实验目的1结合实例学习如何在视频显示程序中增加图像处理算法；2理解和掌握图像的平移、垂直镜像变换、水平镜像变换、缩放和旋转的原理和应用；二、实验原理1初始坐标为（x,y）的点经过平移（0x，0y），坐标变为（'x，'y），两点之间的关系为：00''yyyxxx，以矩阵形式表示为：1100y10011''00yxxyx2图像的镜像变换是以图象垂直中轴线或水平中轴线交换图像的变换，分为垂直镜像变换和水平镜像变换，两者的矩阵形式分别为：11000100011''yxyx110001-00011''yxyx3图像缩小和放大变换矩阵相同：110000001''yxyxSSyx当1,1yxSS时，图像缩小；1,1yxSS时，图像放大。4图像旋转定义为以图像中某一点为原点以逆时针或顺时针方向旋转一定角度。其变换矩阵为：11000cossin0sincos1''yxyx该变换矩阵是绕坐标轴原点进行的，如果是绕一个指定点（ba,）旋转，则现要将坐标系平移到该点，进行旋转，然后再平移回到新的坐标原点。三、实验步骤1启动MATLAB程序，对图像文件分别进行生成、失真和校正；（参考教材115页，例5.8，例5.9）2记录和整理实验报告1.affine变换f=checkerboard(24);figure(1);imshow(f);s=0.7;theta=pi/6;T=[s*cos(theta)s*sin(theta)0-s*sin(theta)s*cos(theta)0001];tform=maketform('affine',T);g1=imtransform(f,tform,'nearest');figure(2);imshow(g1);g2=imtransform(f,tform);figure(3);imshow(g2);g3=imtransform(f,tform,'FillValue',0.5);figure(4);imshow(g3);2.失真校正：f=checkerboard(24);figure(1);imshow(f);s=0.7;theta=pi/6;t=[s*cos(theta)s*sin(theta)0-s*sin(theta)s*cos(theta)0001];tform=maketform('affine',t);g1=imtransform(f,tform,'nearest');figure(2);imshow(g1);cpselect(g1,f);tform=cp2tform(input_points,base_points,'projective');gp=imtransform(g1,tform,'XData',[1256],'YData',[1256]);figure(3);imshow(gp);校正后图像：频域图像增强技术一、实验目的1了解图像变换的意义和手段；2熟悉傅里叶变换的基本性质；3热练掌握FFT方法及应用；4通过实验了解二维频谱的分布特点；5通过本实验掌握利用MATLAB编程实现数字图像的傅立叶变换及滤波锐化和复原处理；6了解理想、巴特沃兹、高斯等不同滤波器的结构及滤波效果。二、实验原理1应用傅立叶变换进行图像处理傅里叶变换是线性系统分析的一个有力工具，它能够定量地分析诸如数字化系统、采样点、电子放大器、卷积滤波器、噪音和显示点等的作用。通过实验培养这项技能，将有助于解决大多数图像处理问题。对任何想在工作中有效应用数字图像处理技术的人来说，把时间用在学习和掌握博里叶变换上是很有必要的。2傅立叶（Fourier）变换的定义对于二维信号，二维Fourier变换定义为：dydxeyxfvuFvyuxj)(2),(),(dvduevuFyxfvyuxj)(2),(),(sincosjej二维离散傅立叶变换为：1,...,2,1,0,1,...,2,1,0for),(1),(1010)//(2