数字图像处理实验指导书1.doc

数字图像处理实验指导书

自动化工程学院
2010年11月试行

４

实验一、数字图像获取 ０
1均值滤波 ０
1均值滤波的概念及用法 ０
2 均值滤波的MATLAB程序 ０
2、中值滤波 １
1．中值滤波的概念及用法 １
2．中值滤波的MATLAB程序 ２
3、图像增强 ３
1.直方图修改处理图像的概念及方法 ３
2.直方图均衡化增强图像对比度的MATLAB程序： ４
实验二、图像分割 ０

实验一 图像的运算
实验1.1 直方图
一．实验目的
1．熟悉matlab图像处理工具箱及直方图函数的使用；
2．理解和掌握直方图原理和方法；
二．实验设备
1.PC机一台；2.软件matlab。
三．程序设计
在matlab环境中，程序首先读取图像，然后调用直方图函数，设置相关参数，再输出处理后的图像。
I=imread('cameraman.tif');%读取图像
subplot(1,2,1),imshow(I) %输出图像
title('原始图像') %在原始图像中加标题
subplot(1,2,2),imhist(I) %输出原图直方图
title('原始图像直方图') %在原图直方图上加标题
四．实验步骤
1. 启动matlab
双击桌面matlab图标启动matlab环境；
2. 在matlab命令窗口中输入相应程序。书写程序时，首先读取图像，一般调用matlab自带的图像，如:cameraman图像；再调用相应的直方图函数，设置参数；最后输出处理后的图像；
3．浏览源程序并理解含义；
4．运行，观察显示结果；
5．结束运行，退出；
五．实验结果
观察图像matlab环境下的直方图分布。

(a)原始图像 (b)原始图像直方图
六．实验报告要求
1、给出实验原理过程及实现代码；
2、输入一幅灰度图像，给出其灰度直方图结果，并进行灰度直方图分布原理分析。
实验1.2 灰度均衡
一．实验目的
1．熟悉matlab图像处理工具箱中灰度均衡函数的使用；
2．理解和掌握灰度均衡原理和实现方法；
二．实验设备
1.PC机一台；
2.软件matlab；
三．程序设计
在matlab环境中，程序首先读取图像，然后调用灰度均衡函数，设置相关参数，再输出处理后的图像。
I=imread('cameraman.tif');%读取图像
subplot(2,2,1),imshow(I) %输出图像
title('原始图像') %在原始图像中加标题
subplot(2,2,3),imhist(I) %输出原图直方图
title('原始图像直方图') %在原图直方图上加标题
a=histeq(I,256); %直方图均衡化，灰度级为256
subplot(2,2,2),imshow(a) %输出均衡化后图像
title('均衡化后图像') %在均衡化后图像中加标题
subplot(2,2,4),imhist(a) %输出均衡化后直方图
title('均衡化后图像直方图') %在均衡化后直方图上加标题
四．实验步骤
1. 启动matlab
双击桌面matlab图标启动matlab环境；
2. 在matlab命令窗口中输入相应程序。书写程序时，首先读取图像，一般调用matlab自带的图像，如:cameraman图像；再调用相应的灰度均衡函数，设置参数；最后输出处理后的图像；
3．浏览源程序并理解含义；
4．运行，观察显示结果；
5．结束运行，退出；
五．实验结果
观察matlab环境下图像灰度均衡结果及直方图分布。

(a)原始图像 (b)均衡化后图像

(c)原始图像直方图 (d)均衡化后图像直方图
六．实验报告要求
1、给出实验原理过程及实现代码；
2、输入一幅灰度图像，给出其灰度均衡结果，并进行灰度均衡化前后图像直方图分布对比分析。
实验1.3 3*3均值滤波
一．实验目的
1．熟悉matlab图像处理工具箱及均值滤波函数的使用；
2．理解和掌握3*3均值滤波的方法和应用；
二．实验设备
1.PC机一台；
2.软件matlab；
三．程序设计
在matlab环境中，程序首先读取图像，然后调用图像增强（均值滤波）函数，设置相关参数，再输出处理后的图像。
I = imread('cameraman.tif');
figure,imshow(I);
J=filter2(fspecial(‘average’,3),I)/255;
figure,imshow(J);
四．实验步骤
1. 启动matlab
双击桌面matlab图标启动matlab环境；
2. 在matlab命令窗口中输入相应程序。书写程序时，首先读取图像，一般调用matlab自带的图像，如:cameraman图像；再调用相应的图像增强（均值滤波）函数，设置参数；最后输出处理后的图像；
3．浏览源程序并理解含义；
4．运行，观察显示结果；
5．结束运行，退出；
五．实验结果
观察matlab环境下原始图像经3*3均值滤波处理后的结果。

(a)原始图像 (b)3*3均值滤波处理后的图像
图(3)
六．实验报告要求
输入一幅灰度图像，给出其图像经3*3均值滤波处理后的结果，然后对每一点的灰度值和它周围24个点，一共25个点的灰度值进行均值滤波，看看对25个点取均值与对9个点取中值进行均值滤波有什么区别？有没有其他的算法可以改进滤波效果。
实验1.4 3*3中值滤波
一．实验目的
1．熟悉matlab图像处理工具箱及中值滤波函数的使用；
2．理解和掌握中值滤波的方法和应用；
二．实验设备
1.PC机一台；
2.软件matlab；
三．程序设计
在matlab环境中，程序首先读取图像，然后调用图像增强（中值滤波）函数，设置相关参数，再输出处理后的图像。
I = imread('cameraman.tif');
figure,imshow(I);
J=medfilt2(I,[5,5]);
figure,imshow(J);
四．实验步骤
1. 启动matlab
双击桌面matlab图标启动matlab环境；
2. 在matlab命令窗口中输入相应程序。书写程序时，首先读取图像，一般调用matlab自带的图像，如:cameraman图像；再调用相应的图像增强（中值滤波）函数，设置参数；最后输出处理后的图像；
3．浏览源程序并理解含义；
4．运行，观察显示结果；
5．结束运行，退出；
五．实验结果
观察matlab环境下原始图像经3*3中值滤波处理后的结果。

(a)原始图像 (b)3*3中值滤波处理后的图像
图(4)
六．实验报告要求
输入一幅灰度图像，给出其图像经3*3中值滤波处理后的结果，然后对每一点的灰度值和它周围24个点，一共25个点的灰度值进行排序后取中值，然后该点的灰度值取中值。看看对25个点取中值与对9个点取中值进行中值滤波有什么区别？
实验1.5 图像的缩放
一．实验目的
1．熟悉matlab图像处理工具箱及图像缩放函数的使用；
2．掌握图像缩放的方法和应用；
二．实验设备
1.PC机一台；
2.软件matlab；
三．程序设计
在matlab环境中，程序首先读取图像，然后调用图像缩放函数，设置相关参数，再输出处理后的图像。
I = imread('cameraman.tif');
figure,imshow(I);
scale = 0.5;
J = imresize(I,scale);
figure,imshow(J);
四．实验步骤
1. 启动matlab
双击桌面matlab图标启动matlab环境；
2. 在matlab命令窗口中输入相应程序。书写程序时，首先读取图像，一般调用matlab自带的图像，如:cameraman图像；再调用相应的图像缩放函数，设置参数；最后输出处理后的图像；
3．浏览源程序并理解含义；
4．运行，观察显示结果；
5．结束运行，退出；
五．实验结果
观察matlab环境下图像缩放后的结果。

(a)原始图像 (b)缩放后的图像
图(5)
六．实验报告要求
输入一幅灰度图像，给出其图像缩放后的结果，然后改变缩放比率，观察图像缩放后结果柄进行分析。
实验1.6 图像旋转
一．实验目的
1．熟悉matlab图像处理工具箱及图像旋转函数的使用；
2．理解和掌握图像旋转的方法和应用；
二．实验设备
1.PC机一台；
2.软件matlab；
三．程序设计
在matlab环境中，程序首先读取图像，然后调用图像旋转函数，设置相关参数，再输出处理后的图像。
I = imread('cameraman.tif');
figure,imshow(I);
theta = 30;
K = imrotate(I,theta); % Try varying the angle, theta.
figure, imshow(K)
四．实验步骤
1. 启动matlab
双击桌面matlab图标启动matlab环境；
2. 在matlab命令窗口中输入相应程序。书写程序时，首先读取图像，一般调用matlab自带的图像，如:cameraman图像；再调用相应的图像旋转函数，设置参数；最后输出处理后的图像；
3．浏览源程序并理解含义；
4．运行，观察显示结果；
5．结束运行，退出；
五．实验结果
观察matlab环境下图像旋转后的结果。

(a)原始图像 (b)旋转后的图像
图(7)
六．实验报告要求
输入一幅灰度图像，给出其图像旋转后的结果，然后改变旋转角度，观察图像旋转后结果柄进行分析。
实验1.7 边缘检测（Sobel、Prewitt、Log边缘算子）
一．实验目的
1．熟悉matlab图像处理工具箱及图像边缘检测函数的使用；
2．理解和掌握图像边缘检测（Sobel、Prewitt、Log边缘算子）的方法和应用；
二．实验设备
1.PC机一台；
2.软件matlab；
三．程序设计
在matlab环境中，程序首先读取图像，然后调用图像边缘检测（Sobel、Prewitt、Log边缘算子）函数，设置相关参数，再输出处理后的图像。
I = imread('cameraman.tif');
J1=edge(I,'sobel');
J2=edge(I,'prewitt');
J3=edge(I,'log');
subplot(1,4,1),imshow(I);
subplot(1,4,2),imshow(J1);
subplot(1,4,3),imshow(J2);
subplot(1,4,4),imshow(J3);
四．实验步骤
1. 启动matlab
双击桌面matlab图标启动matlab环境；
2. 在matlab命令窗口中输入相应程序。书写程序时，首先读取图像，一般调用matlab自带的图像，如:cameraman图像；再调用相应的边缘检测（Sobel边缘算子、Prewitt边缘算子、Log边缘算子）函数，设置参数；最后输出处理后的图像；
3．浏览源程序并理解含义；
4．运行，观察显示结果；
5．结束运行，退出；
五．实验结果
观察经过图像边缘检测（Sobel、Prewitt、Log边缘算子）处理后的结果。

(a)原始图像 (b)Sobel边缘算子

(c)Prewitt边缘算子 (d)Log边缘算子
图(7)
六．实验报告要求
输入一幅灰度图像，给出其图像边缘检测（Sobel、Prewitt、Log边缘算子）后的结果并进行分析对比。

%对图像进行一些简单的几何处理
clc;clear
I=imread('cameraman.tif');
invI=imcomplement(I);%求I的补
K=uint8(filter2(fspecial('gaussian'),I));%对图像进行高斯滤波
[m,n]=size(I);%获取图像的长宽
i=1:m;j=1:n;
M=zeros(m,n);
M(i,j)=I(i,j)+20;%给图像所有像素加上一个值
Z=I-K;%求出经过高斯滤波和源图像的差值
I1=I*1.3;%做源图像和常数相乘
I2=I./invI;%做源图像和其不图像相除
J1=imresize(I,0.2);%将图像变为原来的0.2倍
J2=imresize(I,2.5);%将图像变为原先的2.5倍
figure(1);
subplot(3,3,1);imshow(I,[0 255]);title('原始图像')
subplot(3,3,2);imshow(invI,[0 255]);title('图像求逆')
subplot(3,3,3);imshow(K,[0 255]);title('图像滤波')
subplot(3,3,4);imshow(M,[0 255]);title('图像加法')
subplot(3,3,5);imshow(Z,[0 255]);title('图像减法')
subplot(3,3,6);imshow(I1,[0 255]);title('图像乘法')
subplot(3,3,7);imshow(I2,[0 255]);title('图像除法')
subplot(3,3,8);imshow(J1,[0 255]);title('图像缩小')
subplot(3,3,9);imshow(J2,[0 255]);title('图像放大')
%图像直方图均衡及其处理
B=imread('pout.tif');
B1=histeq(B);%做直方图均衡化
figure(2);
subplot(2,2,1);imshow(B);title('原始图像')
subplot(2,2,2);imshow(B1);title('均衡化后')
subplot(2,2,3);imhist(B);title('原始图像的直方图')
subplot(2,2,4);imhist(B1);title('均衡化后图像的直方图')
%图像滤波，平滑，边缘提取，增强
C=imread('cameraman.tif');
F1=[1 1 1;1 1 1;1 1 1]/9;%3*3均值滤波
F2= [1 2 1; 0 0 0; -1 -2 -1];%求边缘
F3=[-1 -1 -1;-1 9 -1;-1 -1 -1];%高通滤波
C1=filter2(F1,C);%应用3*3均值滤波器
C2=filter2(F2,C);
C3=filter2(F3,C);
figure(3);
subplot(2,2,1);imshow(C,[0 255]);title('原图')
subplot(2,2,2);imshow(C1,[0 255]);title('平滑滤波')
subplot(2,2,3);imshow(C2,[0 255]);title('边缘提取')
subplot(2,2,4);imshow(C3,[0 255]);title('图像增强')
%图像添加噪声并且滤除
D=imread('eight.tif');
D1=imnoise(D,'gaussian',0,0.01);%给图像添加噪声
D2=medfilt2(D1);%中值滤波
figure(4);
subplot(1,3,1);imshow(D,[0 255]);title('原图');
subplot(1,3,2);imshow(D1,[0 255]);title('加入椒盐噪声')
subplot(1,3,3);imshow(D2,[0 255]);title('中值滤波后')

%8*8矩阵做DCT反变换
clc,clear;
M=zeros(8,8);%产生一个8*8的全0矩阵
M(1,1)=1;%让其（0,0）点的系数为1
N1=idct2(M);%对M做IDCT变换
N1=uint8(N1);%转换为0-255的整数
M(1,1)=0;M(1,2)=1;
N2=idct2(M);%对M做IDCT变换
N2=uint8(N2);
M(1,2)=0;M(2,1)=1;
N3=idct2(M);%对M做IDCT变换
N3=uint8(N3);
M(2,1)=0;M(5,5)=1;
N4=idct2(M);%对M做IDCT变换
N4=uint8(N4);
figure(1);
subplot(2,2,1),imshow(N1);title('0,0点的值为1做dct反变换')
subplot(2,2,2),imshow(N2);title('1,2点的值为1做dct反变换')
subplot(2,2,3),imshow(N3);title('2,1点的值为1做dct反变换')
subplot(2,2,4),imshow(N4);title('5,5点的值为1做dct反变换')
%将dct系数矩阵修改为下面这个矩阵进行变换
N=zeros(8,8);
N(1,1)=1000,N(1,2)=300,N(2,1)=10,N(2,2)=20;
K1=idct2(N);
N(1,1)=2000,N(1,2)=1000,N(2,1)=100,N(2,2)=100
K2=idct2(N);
N(1,1)=100,N(1,2)=200,N(2,1)=10,N(2,2)=20;N(1,5)=1;N(5,5)=20;
K3=idct(N);
N(1,1)=600,N(1,2)=300,N(2,1)=60,N(2,2)=70;N(1,5)=19;N(5,5)=120,N(5,1)=20;
K4=idct2(N)
figure(2);
subplot(2,2,1),imshow(K1,[0 255]);title('K1')
subplot(2,2,2),imshow(K2,[0 255]);title('K2')
subplot(2,2,3),imshow(K3,[0 255]);title('K3')
subplot(2,2,4),imshow(K4,[0 255]);title('K4')
%对图像做dct变换和量化
I=imread('cameraman.tif');%读入原始图像
J=dct2(I);%对原始图像做DCT变换
[m,n]=size(I);%获取图像大小
i=1:m;j=1:n;
K1=zeros(m,n);K2=K1;K3=K2;
K1(i,j)=round(J(i,j)/8)%量化
K2(i,j)=round(J(i,j)/4)%量化
K3(i,j)=round(J(i,j)/16)%量化
J1=zeros(m,n);
J2=J1;J3=J2;
J1(i,j)=K1(i,j)*8;%反量化
J2(i,j)=K2(i,j)*4;%反量化
J3(i,j)=K3(i,j)*16;%反量化
I1=zeros(m,n);I2=I1;I3=I2;
I1=idct2(J1);%反dct变换
I2=idct2(J2);%反dct变换
I3=idct2(J3);%反dct变换
figure(3)
subplot(2,2,1),imshow(I);title('原始图像');
subplot(2,2,2);imshow(I2,[0 255]);title('重建图像(q=4)');
subplot(2,2,3);imshow(I1,[0 255]);title('重建图像(q=8)');
subplot(2,2,4);imshow(I3,[0 255]);title('重建图像(q=16)');
%使用量化矩阵对图像做量化
A=imread('cameraman.tif');
I=im2double(A);
T=dctmtx(8);
B=blkproc(I,[8 8],'P1*x*P2',T,T');%DCT变换
%%%%%%%%%%%%%%%%%%%%%%%量化
Q= [16 11 10 16 24 40 51 61 ;
12 12 14 19 26 58 60 55 ;
14 13 16 24 40 57 69 56 ;
14 17 22 29 51 87 80 62 ;
18 22 37 58 68 109 103 77 ;
24 35 55 64 81 104 113 92 ;
49 64 78 87 103 121 120 101;
72 92 95 98 112 100 103 99];
BQ=blkproc(B,[8 8],'x./P1',Q);%用量化矩阵量化DCT系数矩阵
BQ=round(BQ*255)/255;%做四舍五入
IBQ=blkproc(BQ,[8 8],'x.*P1',Q);%反量化
IB=blkproc(IBQ,[8 8],'P1*x*P2',T',T);%进行DCT反变换
%IB=uint8(IB);%转换为Uint8类型;
figure(4);
subplot(2,2,1);imshow(A);title('原始图像');
subplot(2,2,2);imshow(I1,[0 255]);title('重建图像(q=8)');
subplot(2,2,3);imshow(IB);title('重建图像(量化矩阵)');
subplot(2,2,4);imshow(imcomplement(uint8(IB*255)-A));title('量化后与原图差别求反');

１

实验二、自编matlab程序
1均值滤波
1均值滤波的概念及用法
均值滤波是典型的线性滤波算法，它是指在图像上对目标像素给一个模板，该模板包括了其周围的临近像素（以目标象素为中心的周围8个象素，构成一个滤波模板，即去掉目标象素本身）。再用模板中的全体像素的平均值来代替原来像素值。
均值滤波也称为线性滤波，其采用的主要方法为领域平均法。线性滤波的基本原理是用均值代替原图像中的各个像素值，即对待处理的当前像素点（x，y），选择一个模板，该模板由其近邻的若干像素组成，求模板中所有像素的均值，再把该均值赋予当前像素点（x，y），作为处理后图像在该点上的灰度个g（x，y），即个g（x，y）=1/m ∑f（x，y） m为该模板中包含当前像素在内的像素总个数。
2 均值滤波的MATLAB程序
clear all
x=imread('d:/te_1.bmp');
b=double(x);
[m,n]=size(b);
for i=2:m-1
for j=2:n-1
me=round((b(i-1,j-1)+b(i-1,j)+b(i,j-1)+b(i+1,j)+b(i,j+1)+b(i+1,j+1)+b(i-1,j+1)+b(i+1,j-1)+b(i,j))/9);
b(i,j)=me;
end
end
imshow(b,[]);
2、中值滤波
1．中值滤波的概念及用法
中值滤波是对一个滑动窗口内的诸像素灰度值排序，用其中值代替窗口中心象素的原来灰度值，它是一种非线性的图像平滑法，它对脉冲干扰级椒盐噪声的抑制效果好，在抑制随机噪声的同时能有效保护边缘少受模糊。
    以一维信号的中值滤波举例。对灰度序列80、120、90、200、100、110、70，如果按大小顺序排列，其结果为70、80、90、10O、110、120、200，其中间位置上的灰度值为10O，则该灰度序列的中值即为100。一维信号中值滤波实际上就是用中值代替规定位置（一般指原始信号序列中心位置）的信号值。对前面所举的序列而言，中值滤波的结果是用中值100替代序列80、120、90、200、100、110、70中的信号序列中心位置值200，得到的滤波序列就是80、120、90、100、100、110、70。如果在此序列中200是一个噪声信号，则用此方法即可去除这个噪声点。
    二维中值滤波算法是：对于一幅图像的象素矩阵，取以目标象素为中心的一个子矩阵窗口，这个窗口可以是3*3 ，5*5 等根据需要选取，对窗口内的象素灰度排序，取中间一个值作为目标象素的新灰度值。窗口示例如
000
0x0
000
上面x为目标象素，和周围0组成3*3矩阵Array，然后对这9个元素的灰度进行排序，以排序后的中间元素Array[4]为x的新灰度值，如此就完成对象素x的中值滤波，再迭代对其他需要的象素进行滤波即可。
2．中值滤波的MATLAB程序
clear all %清除工作区
x=imread('d:/te_1.bmp'); %打开图像
b=double(x); %为保证精度，转化为double类型
[m,n]=size(b); %获取图像大小
for i=2:m-1 %行循环
for j=2:n-1 %列循环
a(1)=b(i-1,j-1); 当前像素与其8邻域组成9个元素的数组
a(2)=b(i,j-1);
a(3)=b(i-1,j);
a(4)=b(i,j);
a(5)=b(i+1,j);
a(6)=b(i,j+1);
a(7)=b(i+1,j+1);
a(8)=b(i-1,j+1);
a(9)=b(i+1,j-1);
for k=1:5 %排序算法
for k1=k+1:9
if(a(k)>a(k1))
s=a(k);a(k)=a(k1);a(k1)=s;
end
end
end
b(i,j)=a(5); %取中值赋给当前像素
end
end
imshow(b,[]); %显示double形式的图像数组
3、图像增强
1.直方图修改处理图像的概念及方法
图像增强是指按特定的需要突出一幅图像中的某些信息，同时，消弱或去除某些不需要的信息的处理方法。其主要目的是处理后的图像对某些特定的应用比原来的图像更加有效。图像增强技术主要有直方图修改处理、图像平滑化处理、图像尖锐化处理和彩色处理技术等。本实验以直方图均衡化增强图像对比度的方法为主要内容，其他方法可以在课后自行练习。
直方图是多种空间域处理技术的基础。直方图操作能有效地用于图像增强。除了提供有用的图像统计资料外，直方图固有的信息在其他图像处理应用中也是非常有用的，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，它们成为实时图像处理的一个流行工具。
直方图是图像的最基本的统计特征，它反映的是图像的灰度值的分布情况。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。
图像的直方图事实上就是图像的亮度分布的概率密度函数，是一幅图像的所有象素集合的最基本的统计规律。直方图反映了图像的明暗分布规律，可以通过图像变换进行直方图调整，获得较好的视觉效果。
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

2.直方图均衡化增强图像对比度的MATLAB程序：
I=imread(‘*.gif); % 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(‘直方图均衡化后的图像’) ; %给直方图均衡化后的图像加标题名
Figure; subplot(1,2,1) ;%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(1,2,2); %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.直方图均衡化增强图像对比度的MATLAB程序大津分割
A=imread('d:\pepper.bmp');
B=rgb2gray(A)
T=graythresh(B);
g=im2bw(B,T);
subplot(121),imshow(B);
subplot(122),imshow(g);

%统计图像直方图并以128为阈值进行分割
B=imread('d:/1.bmp');
A=double(B);
[m,n]=size(A);
hist1=zeros(1,256);
for i=1:m
for j=1:n
pix=A(i,j);
hist1(pix+1)=hist1(pix+1)+1;
hist(pix+1)=double(hist1(pix+1)/(m+n));
end
end
for i=1:m
for j=1:n
if A(i,j)<=128;
C(i,j)=0;
else
C(i,j)=255;
end
end
end
subplot(121),bar(hist);
subplot(122),imshow(C,[]);