- 1、本文档共13页,可阅读全部内容。
- 2、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
- 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
查看更多
江南大学 物联网工程学院
PAGE
数字图像处理上机
实验报告
班级:
姓名:
学号:
PAGE \* MERGEFORMAT
PAGE \* MERGEFORMAT 2
PAGE \* MERGEFORMAT
PAGE \* MERGEFORMAT 1
1、实验目的
了解matlab软件/语言,学会使用matlab的图像处理工具箱(Image Processing Toolbox),使学生初步具备使用该软件处理图像信息的能力,并能够利用该软件完成本课程规定的其他实验和作业。熟悉常用的图像文件格式与格式转换;熟悉图像矩阵的显示方法(灰度、索引、黑白、彩色);熟悉图像矩阵的格式转换。学会使用MatLab对图像作滤波处理,使学生有机会掌握滤波算法,体会滤波效果。了解几种不同滤波方式的使用和使用的场合,培养处理实际图像的能力.
2、实验要求
学生应当基本掌握matlab的操作,掌握matlab图像处理工具箱中最常用的函数用法。
练习图像读写命令imread和imwrite并进行图像文件格式之间的转换。学生应当完成对于给定图像+噪声,使用平均滤波器、中值滤波器对不同强度的高斯噪声和椒盐噪声,进行滤波处理;能够正确地评价处理的结果;能够从理论上作出合理的解释。
3、实验内容及步骤
1、图像的显示与格式转换
(1)学习matlab的基本操作;
(2)使用imread函数读入图像;
(3)使用figure函数创建窗口;
(4)使用image或imshow函数显示图像;
(5)使用colorbar函数在图像的右侧显示图像的亮度条。
2、图像的滤波
锐化和平滑是图像增强的重要手段,采用前者可以突出图像的细节,采用平滑可以滤除图像中的噪声,从而达到图像清晰的目的。读入Lena图像,使用若干平滑算子和锐化算子对图像进行处理。
(1) 考察平均滤波器对高斯噪声污染的图象去噪效果 ;
(2) 考察中值滤波器对高斯噪声污染的图象去噪效果;
(3) 考察’prewitt’算子对图象的边缘增强效果;
(4) 考察’sobel’算子对图像的边缘增强效果。
分析滤波器模板大小对滤波器滤波效果的影响,不同算子之间滤波性能的比较。
3、图像的灰度变换
对于一幅灰度图像pout.tif,通过选择不同的灰度级变换函数实现图像的灰度范围线性扩展和非线性扩展,以及图像的灰度倒置和二值化。
(1)线性扩展
灰度级变换函数可为,增强人脸部分细节。
(2)非线性扩展
灰度级变换函数可为
(3)灰度倒置
灰度级变换函数可为
(4)二值化
确定一阈值,。的灰度值置白,的灰度值置黑。
4、灰度直方图的横坐标是灰度级,纵坐标是该灰度级出现的频度,它是图像最基本的统计特征。依据定义,在离散形式下, 用代表离散灰度级,用代表,并且有下式成立:
式中:为图像中出现级灰度的像素数,是图像像素总数,而即为频数。
直方图均衡化处理是以累积分布函数变换法为基础的直方图修正法。假定变换函数为
当灰度级是离散值时,可用频数近似代替概率值,即
式中:是灰度级的总数目,pr(rk)是取第k级灰度值的概率,nk是图像中出现第k级灰度的次数,n是图像中像素总数。
所以积分可以表示为下列累计分布函数(cumulative distribution function, CDF)
在Matlab环境中,首先读取自带的cameraman.tif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,讨论直方图均衡化的效果。
5.图像的频域变换
在Matlab workspace中生成一幅大小为256×256像素的8位灰度图, 背景为黑色,中心有一个宽80像素高40像素的白色矩形。对其做傅立叶变换,将该图像做30度旋转,再做傅立叶变换,查看两次频谱结果的差异。
6. 读取一幅灰度图像cameraman.tif,首先对其进行运动模糊(显示模糊前后的图像,调用fspecial,设置参数len= 21;theta= 11;),再对其添加高斯噪声;然后对其分别进行逆滤波图像复原。
7.离散余弦变换是先将整体图像分成8*8像素块,然后对像素块逐一进行离散余弦变换。由于大多数图像的高频分量较小,相应于图像高频分量系数经常为零,加上人眼对高频成分失真不敏感,所以可以更粗的量化。选取一幅图像(如cameraman.tif),进行离散余弦变换,并对其进行压缩解压(采用二值掩模,只保留DCT变换的10个系数),观察其结果。
4、实验结果记录
1、a=imread(pout.tif);
figure,imshow(a);
colorbar(vert);
2、程序清单:
clc;
clear all;
close all;
I=imread(l
文档评论(0)