图像处理综合实验报告

专业综合实验报告——图像处理学院：专业：班级：学号：姓名：指导教师：2011.12.1实验二图像变换一、实验目的学习灰度变换修正图像的颜色和灰度的方法。学习图像直方图的生成和修正技术的原理和实现方法，理解其对于观察图像的意义。了解图像变换的意义和手段，熟练掌握傅里叶变换等图像正交变换方法，了解二维频谱的分布特点。二、实验要求1.掌握灰度变换函数的用法，对图像进行灰度变换，增强对比度，显示变换前后的图像以及它们的灰度直方图。2.选择一幅直方图不均匀的图像，对其作直方图均衡化处理，显示处理前后的图像以及它们的灰度直方图。三、实验内容1.直方图均衡化处理I1=imread('h1.bmp');%读入原图像I2=imread('h2.bmp');%读入原图像I3=imread('h3.bmp');%读入原图像I4=imread('h4.bmp');%读入原图像J=histeq(I);%对原图像进行直方图均衡化处理imshow(I);%显示原图像title('原图像');%给原图像加标题名figure,imshow(J);%对原图像进行屏幕控制；显示直方图均衡化后的图像title('直方图均衡化所得图像');%给直方图均衡化后的图像加标题名figure;subplot(121);%对直方图均衡化后的图像进行屏幕控制；作一幅子图作为并排两幅图的第1幅图imhist(I,64);%将原图像直方图显示为64级灰度title('原图像直方图');%给原图像直方图加标题名subplot(122);%作第2幅子图imhist(J,64);%将均衡化后图像的直方图显示为64级灰度title(‘均衡变换后的直方图’);%给均衡化后图像直方图加标题名2.显示图像频谱I=imread('chuizhi.bmp');%读入原图像文件imshow(I);%显示原图像fftI=fft2(I);%二维离散傅立叶变换sfftI=fftshift(fftI);%直流分量移到频谱中心RR=real(sfftI);%取傅立叶变换的实部II=imag(sfftI);%取傅立叶变换的虚部A=sqrt(RR.^2+II.^2);%计算频谱幅值A=(A-min(min(A)))/(max(max(A))-min(min(A)))*225;%归一化figure;%设定窗口imshow(A);%显示原图像的频谱四、思考题1．直方图是什么概念？它反映了图像的什么信息？答：直方图是图像亮度分布的概率密度函数，是图像最基本的统计特征，它反映的是图像的灰度值的分布情况和图像的明暗分布规律，。直方图操作能有效地用于图像增强，其固有的信息还可用于在其他图像处理应用中，如图像压缩与分割。直方图在软件中易于计算，也适用于商用硬件设备，因此，它们成为了实时图像处理的一个流行工具。2．直方图均衡化是什么意思？它的主要用途是什么？答：直方图均衡化的目的是使图像在整个灰度值动态变化范围内的分布均匀化，改善图像的亮度分布状态，增强图像的视觉效果。灰度直方图是图像预处理中涉及最广泛的基本概念之一。直方图均衡化是通过灰度变换将一幅图像转换为另一幅具有均衡直方图，即在每个灰度级上都具有相同的象素点数的过程3．直方图规定化是什么意思？它的主要用途是什么？答：直方图匹配(规定化)函数histeq实现直方图匹配的形式为：g=histeq(f,hspec)其中，f为输入图像，hspec为指定的直方图(一个由指定值构成的行向量)，g为输出图像，其直方图近似于指定的直方图hspec。向量中包含对应于等分空间bin的整数值。histeq的一个特性是在length(hspec)远小于图像f中的灰度级数时，图像g的直方图通常会较好地匹配hspec。4．傅里叶变换有哪些重要的性质?答：1.在傅里叶变换(FT,FourierTransform)域中，高频分量往往对应图像的边缘2.傅里叶变换后，图像能量往往集中在少数项上，或者说能量主要集中在低频分量上，于是通过对低频成分分配较多的比特数，对高频成分分配较少的比特数，即可实现图像数据压缩。3.舍弃变换函数矩阵中某些幅度小的系数，可缩减计算维数，提高计算速度等等。5．图像的二维频谱在显示和处理时应注意什么?这两种处理过程不可互换。即fftshift(fft2(f))fft2(fftshift(f))。实验三图像增强一、实验目的掌握常见的图像噪声种类。学习用于图像增强中的去噪声等平滑技术。理解在空间域邻域平均法和中值滤波的原理、特点、适用对象。学习用于突出目标形状特征、改善视觉效果的图像锐化技术的原理和常用方法。二、实验要求1．用邻域平均法对含噪声图像进行滤波，比较不同邻域半径的处理效果。2．用邻域平均法和中值滤波两种方法分别处理叠加椒盐噪声和高斯噪声的图像，比较其滤波效果。三、实验原理及内容图像增强是指按特定的需要突出一幅图像中的有用信息，同时，消弱或去除某些不需要的信息，提高图像的使用价值的处理方法。常用的图像增强技术有灰度修正法、直方图修正法，图像平滑处理、图像锐化处理、几何校正和彩色处理技术等空间域处理方法。还有频域增强、维纳滤波和卡尔曼滤波等频率域处理方法。1.邻域平均法滤波I=imread('Example-1.bmp');J=imnoise(I,'gaussian',0,0.02);subplot(2,2,1),imshow(I);title('原图像')subplot(2,2,2),imshow(J);title('添加高斯噪声图像')K1=filter2(fspecial('average',3),J)/255;%应用3×3邻域窗口法subplot(2,2,3),imshow(K1);title('3×3窗的邻域平均滤波图像')K2=filter2(fspecial('average',5),J)/255;%应用3×3邻域窗口法subplot(2,2,4),imshow(K2);title('5×5窗的邻域平均滤波图像')I=imread('Example-1.bmp');J1=imnoise(I,'gaussian',0,0.02);J2=imnoise(I,'salt&pepper',0.02);subplot(2,2,1),imshow(I);subplot(2,2,1),imshow(I);title('原图像')subplot(2,2,2),imshow(J);title('添加高斯噪声图像')K1=filter2(fspecial('average',3),J)/255;%应用3×3邻域窗口法subplot(2,2,3),imshow(K1);title('3×3窗的邻域平均滤波图像')B=medfilt2(K1);%应用3×3邻域窗口法subplot(2,2,4),imshow(B);title('中值滤波图像')四、思考题1．在对图像进行邻域平均法滤波时，邻域半径的大小对图像有什么影响，为什么？答：半径不同，图像的模糊度也不同。2．邻域平均法更适合于处理高斯噪声还是椒盐噪声？试分析原因。答：邻域平均法更适合于处理高斯噪声。3．中值滤波更适合于处理高斯噪声还是椒盐噪声？试分析原因。答：中值滤波更适合于处理椒盐噪声。4．对叠加有乘性噪声的图像，设计一种处理方法，既能去噪声又能保持边缘清晰。答：采用取对数的方法使乘性噪声变为加性噪声。实验四图像分割一、实验目的掌握常用的边缘提取算法，从图像中提取感兴趣的区域，实现图像分割。在图像中，寻找灰度相同或相似的区域，区分图像中的背景区域和目标区域，利用Matlab实现图像的边缘检测，进行图像分割。二、实验要求1．运用罗伯特梯度算子、Sobel算子、Prewitt算子、LoG算子、Canny算子等检测图像边缘，编程实现并观看图像分割的效果。2．运用边缘检测函数edge对图像作边缘检测，并观看检测效果。三、实验原理及内容图像边缘是图像中特性（如像素灰度、纹理等）分布的不连续处，图像周围特性有阶跃变化或屋脊状变化的那些像素的集合。图像边缘存在于目标与背景、目标与目标、基元与基元的边界，标示出目标物体或基元的实际含量，是图像识别信息最集中的地方。图像分割处理主要用于检测出图像中的轮廓边缘、细节以及灰度跳变部分，形成完整的物体边界，达到将物体从图像中分离出来或将表示同一物体表面的区域检测出来的目的。常用的分割方法是边缘检测。边缘检测是采用多种边缘算子实现突出图像边缘，抑制图像中非边缘信息，使图像轮廓更加清晰。1.Laplacian算子和模板匹配法示例I=imread('Example-2.bmp');subplot(1,4,1);imshow(I);title('原图像');H=fspecial('sobel');%应用sobel模板滤波锐化图像sobelH=filter2(H,I);subplot(1,4,2);imshow(sobelH);title('sobel模板锐化图像');H=fspecial('laplacian');%应用Laplacian算子滤波锐化图像laplacianH=filter2(H,I);subplot(1,4,3);imshow(laplacianH);title('laplacian算子锐化图像');H=fspecial('prewitt');%应用prewitt模板滤波锐化图像prewittH=filter2(H,I);subplot(1,4,4);imshow(prewittH);title('prewitt模板锐化图像');2．边缘检测的函数edgeI=imread('Example-2.bmp');subplot(1,4,1);imshow(I);title('原图像');BW1=edge(I,'sobel');subplot(1,4,2);imshow(BW1);title('edge-sobel');BW2=edge(I,'prewitt');subplot(1,4,3);imshow(BW2);title('edge-prewitt');BW3=edge(I,'roberts');subplot(1,4,4);imshow(BW3);title('edge-roberts');四、思考题1．分析Sobel算子特点，并给予说明。答：Sobel相对于先对图像进行加权平均再做差分。2．分析laplacian算子特点，并解释它为何能增强图像的边缘？答：拉普拉斯算子定义图像f(x,y)的梯度为22222yfxff锐化后的图像g为fkfg2式中k为扩散效应系数。对系数k的选择要合理，太大会使图像中的轮廓边缘产生过冲；太小则锐化不明显。3．比较各个边缘算子对图像边缘的检测效果。答：laplacian算子对边缘的处理最明显，Sobel和prewitt较差一些。4．比较各个边缘检测算子对噪声的敏感性，并提出抗噪声性能较好的边缘检测的方法。答：laplacian算子对噪声的敏感性最强，可先对图像进行平滑处理，再进行边缘检测实验五图像压缩一、实验目的1．理解有损压缩和无损压缩的概念；2．理解图像压缩的主要原则和目的；3．了解几种常用的图像压缩编码方式。4．利用MATLAB程序进行图像压缩。二、实验原理图像压缩原理图像压缩主要目的是为了节省存储空间，增加传输速度。图像压缩的理想标准是信息丢失最少，压缩比例最大。不损失图像质量的压缩称为无损压缩，无损压缩不可能达到很高的压缩比；损失图像质量的压缩称为有损压缩，高的压缩比是以牺牲图像质量为代价的。压缩的实现方法是对图像重新进行编码，希望用更少的数据表示图像。信息的冗余量有许多种，如空间冗余，时间冗余，结构冗余，知识冗余，视觉冗余等，数据压缩实质上是减少这些冗余量。高效编码的主要方法是尽可能去除图像中的冗余成分，从而以最小的码元包含最大的图像信息。三、实验内容I=imread('Example-3.bmp');[mn]=size(I);J=[];fori=n:mvalue=I(i,1);num=1;forj=2:nifI(i