《《图像处理》实验简明讲义08.doc》由会员分享，可在线阅读，更多相关《《图像处理》实验简明讲义08.doc（12页珍藏版）》请在金锄头文库上搜索。
1、河北工业大学信息工程学院试用图像处理实验简明讲义目 录实验 一 图像增强技术2实验 二 模板运算.3实验 三 图像分割.5实验 四 图像变换.6实验 五 图像压缩与编码.8河北工业大学信息工程学院2008前 言用计算机进行图像处理的前提是图像必须以数字格式存储， 我们把以数字格式存放的图像称之为数字图像。常见的各种照片、 图片、海报、广告画等均属模拟图像，要将模拟图像数字化后生成数字图像，需要利用数字化设备。目前，将模拟图像数字化的主要设备是扫描仪，将视频画面数字化的设备有图像采集卡。当然，也可以利用数码照相机直接拍摄以数字格式存放的数字图像。模拟图像经扫描仪进行数字化或由数码照相机拍摄的自然
2、景物图像，在计算机中均是以数字格式存储的。既然是数字， 计算机当然可以方便地进行各种处理，以达到视觉效果和特殊效果。数字计算机最擅长的莫过于处理各种数据， 数字化后的图像可以看成是存储在计算机中的有序数据，当然可以通过计算机对数字图像进行处理。我们把利用计算机对图像进行去除噪声、 增强、复原、分割、提取特征等的理论、 方法和技术称为数字图像处理（Digital Image Processing）。一般， 图像处理是用计算机和实时硬件实现的， 因此也称之为计算机图像处理（Computer Image Processing）。 一般而言， 对图像进行加工和分析主要有如下三方面的目的： （1） 提高
3、图像的视感质量， 以达到赏心悦目的目的。如去除图像中的噪声， 改变图像的亮度、颜色，增强图像中的某些成份、 抑制某些成份，对图像进行几何变换等，从而改善图像的质量， 以达到或真实的、或清晰的、或色彩丰富的、或意想不到的艺术效果。 （2） 提取图像中所包含的某些特征或特殊信息， 以便于计算机分析，例如，常用作模式识别、计算机视觉的预处理等。这些特征包括很多方面， 如频域特性、灰度颜色特性、边界区域特性、 纹理特性、 形状拓扑特性以及关系结构等。 （3） 对图像数据进行变换、 编码和压缩， 以便于图像的存储和传输。 数字图像处理实验是数字图像处理课中的重要组成部分，能更好的促进理论的理解和应用，为
4、数字图像处理及模式识别的学习及应用奠定了理论基础。数字图像处理课计划8学时实验，必做4个实验，即实验1-实验4，有精力的同学可选做实验5。由于水平及时间所限，错误及不足一定很多，敬请同学多多指正。实验一 图像增强技术一 实验目的1. 掌握基本的图象增强方法，观察图象增强的效果。2. 加深对灰度直方图的理解。3. 掌握图像线性变换及二值化方法。二 实验内容1. 选择一幅对比度不足的图像，对该图像进行灰度变换，增强对比度，显示增强前、后的图像以及它们的灰度直方图2给出一幅图像概貌的描述，通过修改灰度直方图来得到图像增强。三. 实验步骤1 计算出一幅灰度图像的直方图clearclose allI=i
5、mread(004.bmp);imhist(I)title( 直方图); 2 对灰度图像进行简单的灰度线形变换figuresubplot(2,2,1)imshow(I);title(灰度线性变换);subplot(2,2,2)histeq(I);3 看其直方图的对应变化和图像对比度的变化 原图像 f(m,n) 的灰度范围 a,b 线形变换为图像 g(m,n),灰度范围a,b公式： g(m,n)=a+(b-a)* f(m,n) /(b-a)figuresubplot(2,2,1)imshow(I)J=imadjust(I,0.3,0.7,0,1,1);title(用 g(m,n)=a+(b-a)
6、* f(m,n) /(b-a)进行变换 );subplot(2,2,2)imshow(J)subplot(2,2,3)imshow(I)J=imadjust(I,0.5 0.8,0,1,1);subplot(2,2,4)imshow(J) 4 图像二值化 figuresubplot(2,2,1)imshow(I)J=find(I=150);I(J)=255;title(图像二值化 ( 域值为150 ) );subplot(2,2,2)imshow(I)clc;I=imread(14499.jpg);bw=im2bw(I,0.5);%选取阈值为0.5figure;imshow(bw) %显示二值
7、图象实验二 图像平滑与锐化一、 实验目的1. 掌握图像平滑的方法及应用，用低通滤波器消除噪声。2. 掌握图像锐化的几种方法，用高通滤波器来完成，增强被模糊的细节。3. 学会应用模板运算消除噪声。二、实验内容1. 利用二个低通邻域平均模板（33和99）对一幅图象进行平滑，验证模板尺寸对图象的模糊效果的影响。 2. 利用一个低通模板对一幅有噪图象（GAUSS白噪声）进行滤波，检验两种滤波模板（分别使用一个55的线性邻域平均模板和一个非线性模板：35中值滤波器）对噪声的滤波效果。 3. 选择一个经过低通滤波器滤波的模糊图象，利用sobel和prewitt水平边缘增强高通滤波器（模板）对其进行高通滤波
8、图象边缘增强，验证模板的滤波效果。 4.选择一幅灰度图象分别利用 一阶Sobel算子和二阶Laplacian算子对其进行边缘检测，验证检测效果。三、实验步骤1.利用低通邻域平均模板进行平滑I=imread(girl.bmp);subplot(1,3,1);imshow(I);title(原图);J=fspecial(average);J1=filter2(J,I)/255;subplot(1,3,2);imshow(J1);title(3*3滤波);K=fspecial(average,9);K1=filter2(K,I)/255;subplot(1,3,3);imshow(K1);title
9、(9*9滤波);2.中值滤波和平均滤波I=imread(girl.bmp);J=imnoise(I,gaussian,0,0.01);subplot(2,2,1);imshow(I);title(原图);subplot(2,2,2);imshow(J);title(noise);K=fspecial(average,5);K1=filter2(K,J)/255;subplot(2,2,3);imshow(K1);title(average);L=medfilt2(J,3 5);subplot(2,2,4);imshow(L);title(medium);3.高通滤波边缘增强I=imread(g
10、irl.bmp);subplot(2,2,1);imshow(I);title(original pic);J=fspecial(average,3);J1=conv2(I,J)/255;%J1=filter2(J,I)/255;subplot(2,2,2);imshow(J1);title(3*3lowpass);K=fspecial(prewitt);K1=filter2(K,J1)*5;subplot(2,2,3);imshow(K1);title(prewitt);L=fspecial(sobel);L1=filter2(L,J1)*5;subplot(2,2,4);imshow(L1
11、);title(sibel);4.边缘检测分别用sobel和laplacian算子来进行，程序如下：I=imread(girl.bmp);subplot(1,3,1);imshow(I);title(original pic);K=fspecial(laplacian,0.7);K1=filter2(K,I)/100;subplot(1,3,2);imshow(K1);title(laplacian);L=fspecial(sobel);L1=filter2(L,I)/200;subplot(1,3,3);imshow(L1);title(sibel);实验三 图像分割一、实验目的1. 学习边
12、缘检测 2. 学习灰度阀值分割二、实验内容 1. 分别用sobel、Laplacian-Gaussian方法对一幅灰度图像进行边缘提取。2. 给出对比结果3. 对一幅灰度图像进行灰度分割处理三、实验步骤1.对灰度图像进行边缘提取i=imread(eight.tif);figure;subplot(2,2,1);imshow(i);title(原始图像);subplot(2,2,3);imshow(i);title(原始图像);i1=edge(i,sobel);subplot(2,2,2);imshow(i1);title(sober方法提取的边缘);i2=edge(i,log);subplot
13、(2,2,4);imshow(i2);title(Laplacian-Gaussian方法提取的边缘);比较提取边缘的效果可以看出，sober算子是一种微分算子，对边缘的定位较精确，但是会漏去一些边缘细节。而Laplacian-Gaussian算子是一种二阶边缘检测方法，它通过寻找图象灰度值中二阶过零点来检测边缘并将边缘提取出来，边缘的细节比较丰富。通过比较可以看出Laplacian-Gaussian算子比sober算子边缘更完整，效果更好。2.对灰度图像进行灰度分割处理i=imread(eight.tif);subplot(1,2,1);imhist(i);title(原始图像直方图);th
14、read=130/255;subplot(1,2,2);i3=im2bw(i,thread);imshow(i3);title(分割结果); 根据原图像的直方图，发现背景和目标的分割值大约在130左右，并将灰度图像转为二值图像，分割效果比较理想。实验四 图象处理变换一、实验目的1. 掌握傅立叶变换的原理，实现对一幅灰度图像的快速傅立叶变换,并求其变换后的系数分布. 2. 熟悉离散余弦变换概念和原理，实现对一幅灰度和彩色图像作的离散余弦变换,选择适当的DCT系数阈值对其进行DCT反变换。3. 熟悉小波变换的概念和原理,熟悉matlab小波工具箱主要函数的使用.二、实验内容 1. 实现对一幅灰度图像的快速傅立叶变换,并求其变换后的系数分布。
