第一篇：數(shù)字圖像處理上機實驗(02091008)

數(shù)字圖像處理上機作業(yè)

數(shù)字圖像處理上機作業(yè)

1.產(chǎn)生右圖所示亮塊圖像 f1(x,y)（128×128大小，暗處=0，亮處=255），對其進行FFT：

（1）同屏顯示原圖f1和FFT(f1)的幅度譜圖；

圖像：

（2）若令f2(x,y)=（-1）f1(x,y)，重復以上過程，比較二者幅度譜的異同，簡述理由；（3）若將f2(x,y)順時針旋轉45度得到f3(x,y)，試顯示FFT(f3)的幅度譜，并與FFT(f2)的幅度譜進行比較。

x+y

結論：不同點：f2的頻譜是對f1頻譜的移位，它時f1的頻譜從原點（0，0）移到了中心（64，64），而得到了一個完整的頻譜。

相同點：頻譜的實質(zhì)沒有改變，幅度等都沒有發(fā)生變化。

（3）若將f2(x,y)順時針旋轉45度得到f3(x,y)，試顯示FFT(f3)的幅度譜，并與FFT(f2)的幅度譜進行比較。

源程序：f1=zeros(128,128);for i=38:1:90 for j=58:1:70 f1(i,j)=255;end end figure(1)subplot(1,2,1);imshow(f1);subplot(1,2,2);imshow(fft2(f1));% f2(x,y)=（-1）^(x+y)* f1(x,y)for i=1:1:128 for j=1:1:128 f2(i,j)=(-1)^(i+j)*f1(i,j);end end figure(2);subplot(1,3,1);imshow(f2);f3=imrotate(f2,-45,'bilinear');%將f2順時針旋轉45度 subplot(1,3,2);imshow(fft2(f2));%顯示f2的頻譜 subplot(1,3,3);imshow(fft2(f3));%顯示f3的頻譜

結論：均衡化后的直方圖并非完全均勻分布的原因：因為圖像的像素個數(shù)和灰度等級均為離散值，而且均衡化后使灰度級并歸。

2.對256?256大小、256級灰度的數(shù)字圖像lena進行頻域的理想低通、高通濾波，同屏顯示原圖、幅度譜圖和低通、高通濾波的結果圖。

源代碼： figure(1);fid=fopen('d:imglena.img','r');data=(fread(fid,[256,256],'uint8'))';subplot(2,2,1)imagesc(data);colormap(gray);title('LENA','Color','r');subplot(2,2,2);imshow(fft2(data));s=fftshift(fft2(data));[M,N]=size(s);%分別返回s的行數(shù)到M中，列數(shù)到N中 n=2;%對n賦初值 %GLPF濾波，d0=5，15，30（程序中以d0=30為例）d0=30;%初始化d0 n1=floor(M/2);%對M/2進行取整 n2=floor(N/2);%對N/2進行取整 for i=1:M for j=1:N d=sqrt((i-n1)^2+(j-n2)^2);%點（i,j）到傅立葉變換中心的距離 h=1*exp(-1/2*(d^2/d0^2));%GLPF濾波函數(shù)

s(i,j)=h*s(i,j);%GLPF濾波后的頻域表示 end end s=ifftshift(s);%對s進行反FFT移動

%對s進行二維反離散的Fourier變換后，取復數(shù)的實部轉化為無符號8位整數(shù) s=uint8(real(ifft2(s)));subplot(2,2,3);%創(chuàng)建圖形圖像對象 imshow(s);p=fftshift(fft2(data));[M,N]=size(p);%分別返回p的行數(shù)到M中，列數(shù)到N中 n=2;%對n賦初值 %GLPF濾波d1=30 d1=30;%初始化d1 n3=floor(M/2);%對M/2進行取整 n4=floor(N/2);%對N/2進行取整 for i=1:M for j=1:N dd=sqrt((i-n3)^2+(j-n4)^2);%點（i,j）到傅立葉變換中心的距離 h1=1-exp(-1/2*(dd^2/d1^2));%GHPF濾波函數(shù)

p(i,j)=h1*p(i,j);%GHPF濾波后的頻域表示 end end p=ifftshift(p);%對p進行反FFT移動

%對s進行二維反離散的Fourier變換后，取復數(shù)的實部轉化為無符號8位整數(shù) p=uint8(real(ifft2(p)));subplot(2,2,4);%創(chuàng)建圖形圖像對象 imshow(p);

3.對給定的兩種128?128、256級灰度的數(shù)字圖像（圖像磁盤文件名分別為Fing_128.img（指紋圖）和Cell_128.img（顯微醫(yī)學圖像）進行如下處理：

（1）對原圖像進行直方圖均衡化處理，同屏顯示處理前后圖像及其直方圖，比較異同，并回答為什么數(shù)字圖像均衡化后其直方圖并非完全均勻分布。

異同：由于原圖像中目標物的灰度主要集中于低亮度部分，而且象素總數(shù)比較多，經(jīng)過直方圖均衡后，目標物的所占的灰度等級得到擴展，對比度加強，使整個圖像得到增強。

數(shù)字圖像均衡化后其直方圖并非完全均勻分布的原因：由于原圖像中目標物的灰度主要集中于低亮度部分，而且象素總數(shù)比較少，而所占的灰度等級比較多，因此圖像的對比度比較好，亮度比較大，整體圖像清晰。經(jīng)過直方圖均衡后，目標物的所占的灰度等級被壓縮，對比度減弱，反而使目標物變的難以辨認。

數(shù)字圖像均衡化后，其直方圖并非完全均勻分布，這是因為圖像的象素個數(shù)和灰度等級均為離散值；而且均衡化使灰度級并歸，因此，均衡化后，其直方圖并非完全均勻分布。

源代碼： figure(1);fid=fopen('D:imgcell_128.img','r');

%打開無格式文件 data1=(fread(fid,[128,128],'uint8'))';%將打開的文件讀入到data1 subplot(4,2,1);

%將figure(1)分成4*2的8個子窗口, data11=uint8(data1);imshow(data11);%圖象顯示

title('CELL','Color','b');

%加標題 subplot(4,2,2);title('原圖像直方圖');imhist(data11);subplot(4,2,3);

%取第二個子窗口

data2=uint8(data1);%將灰度圖象轉換成uint8格式 b=histeq(data2);

%直方圖均衡化

imshow(b,256);

%顯示均衡化圖象,256可缺省 title('均衡化','Color','b');

subplot(4,2,4);imhist(b);title('均衡化后圖像直方圖');subplot(4,2,5)fid=fopen('d:imgfing_128.img','r');%打開無格式文件

data3=(fread(fid,[128,128],'uint8'))';%將打開的文件讀入到data3 data31=uint8(data3);

%將灰度圖象轉換成uint8格式 imshow(data31);

%顯示灰度圖象 title('FING','Color','b');subplot(4,2,6)imhist(data31);title('原圖像直方圖');subplot(4,2,7);

data4=uint8(data3);%將灰度圖象轉換成uint8格式 d=histeq(data4);

%直方圖均衡化

imshow(d,256);

%顯示均衡化圖象,256可缺省 title('均衡化','Color','b');

subplot(4,2,8);imhist(d);title('均衡化后原圖像直方圖');（2）對原圖像加入高斯噪聲，用4-鄰域平均法平滑加噪聲圖像（圖像四周邊界不處理，下同），同屏顯示原圖像、加噪圖像和處理后的圖像。

① 不加門限；

② 加門限 T?2f(m,n)，（其中f(m,n)?

1N2??f(i,j)）

ij

源代碼： % CELL figure(2);fid=fopen('D:imgcell_128.img','r');

%打開無格式文件

data1=(fread(fid,[128,128],'uint8'))';%將打開的文件讀入到data1 I=uint8(data1);I1=imnoise(I,'gaussian');%加乘性噪聲 H1=[0 1 0;1 0 1;0 1 0]/4;%4×4領域模板 J=imfilter(I,H1);%領域平均

subplot(2,4,1),imshow(I);%顯示圖像I title('原圖像');subplot(2,4,2),imshow(I1);title('加噪聲后圖像');subplot(2,4,3),imshow(J);

%不加門限平滑 title('不加門限平滑后圖像');%加門限后濾波

T= 2*sum(I1(:))/128^2;im_T = zeros(128,128);for i = 1:128

for j = 1:128

if abs(I1(i,j)J(i,j))>T

im_T(i,j)= J(i,j);

else

im_T(i,j)= I1(i,j);

end

end end subplot(2,4,8);imshow(im_T);title('加門限后');4.（1）用Laplacian銳化算子（分??1和??2兩種情況）對256?256大小、256級灰度的數(shù)字圖像lena進行銳化處理，顯示處理前、后圖像。

源代碼：

%laplacian算子銳化

I=imread('D:imgLENA256.bmp');% 讀入原圖像 figure(1);subplot(1,3,1);imshow(I);title('原始圖像');L=fspecial('laplacian');L1=[0-1 0;-1 5-1;0-1 0];L2=[0-2 0;-2 9-2;0-2 0];LP1=imfilter(I,L1,'replicate');% α=1時的拉普拉斯算子 LP2=imfilter(I,L2,'replicate');% α=2時的拉普拉斯算子

subplot(1,3,2);imshow(LP1);title('Laplacian算子α=1銳化圖像');subplot(1,3,3);imshow(LP2);title('Laplacian算子α=2銳化圖像');

（2）若令

g1(m,n)?f(m,n)???2f，g2(m,n)?4?f(m,n)??[f(m?1,n)?f(m?1,n)?f(m,n?1)?f(m,n?1)

?f(m,n?1)?f(m,n?1)]

則回答如下問題：

① f(m,n)、g1(m,n)和g2(m,n)之間有何關系？ ② g2(m,n)代表圖像中的哪些信息？ ③ 由此得出圖像銳化的實質(zhì)是什么？

①因為g2(m,n)????2f(m,n)，所以f(m,n)、g1(m,n)和g2(m,n)之間有以下關系：

g1(m,n)?f(m,n)?g2(m,n)

②g2(m,n)代表了原圖像中的二階梯度信息；g1(m,n)是邊緣增強后的數(shù)字圖像； ③由此可以得出：圖像銳化的實質(zhì)是將原圖像與梯度信息疊加（梯度信息所占的比例由，相當于對目標物的邊緣進行了增強。?的大小決定，?值越大則梯度信息所占的比例越大）

5.分別利用Roberts、Prewitt和Sobel邊緣檢測算子，對256?256大小、256級灰度的數(shù)字圖像lena進行邊緣檢測，顯示處理前、后圖像。圖像：

源代碼：

I=imread('D:imgLENA256.bmp');% 讀入原圖像 figure(1)%Roberts梯度法銳化

subplot(2,2,1);imshow(I);title('原始圖像');J=double(I);[IX,IY]=gradient(J);%計算梯度 A=sqrt(IX.*IX+IY.*IY);subplot(2,2,2);imshow(A,[]);title('Roberts梯度法銳化圖像');%Prewitt算子銳化

S=imfilter(I,fspecial('Prewitt'));subplot(2,2,3);imshow(S);title('Prewitt算子銳化圖像');%Sobel算子銳化

S=imfilter(I,fspecial('sobel'));subplot(2,2,4);imshow(S);title('Sobel算子銳化圖像');

6、學習數(shù)字圖像處理課程的心得體會，該課程在哪些方面需要改進，對該課程或者任課老師有哪些意見或建議。

通過對數(shù)字圖像處理課程的認真學習，在課堂聽課和課余實踐中了解了數(shù)字圖像的基礎知識，培養(yǎng)了一定的軟件編程能力，在努力完成課堂作業(yè)的同時，發(fā)現(xiàn)了對圖像方面的興趣。老師認真負責，布置合理的作業(yè)。但希望能夠通過更加豐富的授課方式，提高更多人學習該門課程的興趣和主動性。也同樣希望老師能夠加強點名和作業(yè)的驗收，督促學生更加認真的學習知識。

第二篇：數(shù)字圖像處理上機報告

練習一 常用MATLAB圖像處理命令

一、練習目的

1、熟悉并掌握MATLAB工具的使用；

2、實現(xiàn)圖像的讀取、顯示、代數(shù)運算和簡單變換。

二、練習環(huán)境

Windows操作系統(tǒng)

Matlab 6.5或以上應用軟件

三、練習內(nèi)容

1、圖像文件的讀寫

（1）imread函數(shù)用來實現(xiàn)圖像文件的讀取。輸入以下程序：

A=imread('文件名.擴展名');%用imread函數(shù)來讀入圖像 注：設置路徑 imshow(A);%用imshow函數(shù)來顯示圖像 得到的結果如圖：

（2）imfinfo函數(shù)用來查詢圖像文件信息。輸入以下程序：

info=imfinfo('文件名.擴展名');% 用imfinfo函數(shù)查詢圖像文件信息 得到： info =

Filename: '文件名.擴展名'

（4）imshow函數(shù)用來顯示圖像。

剛才介紹imread函數(shù)時已使用此函數(shù)。

（5）colorbar函數(shù)將顏色條添加到坐標軸對象中。輸入以下程序：

RGB=imread('***');%圖像讀入

I=rgb2gray(RGB);%把RGB圖像轉換成灰度圖像

imshow(I),colorbar('vert')% 將顏色條添加到坐標軸對象中

得到如圖：

2、圖像處理的基本操作

一、圖像代數(shù)運算

（1）imadd函數(shù)實現(xiàn)兩幅圖像的相加或者給一幅圖像加上一個常數(shù)。給圖像每個像素都增加亮度的程序如下： I=imread('***');J=imadd(I,100);%給圖像增加亮度 subplot(1,2,1),imshow(I)%填充 subplot(1,2,2),imshow(J)結果如圖5。

（2）imsubtract函數(shù)實現(xiàn)從一幅圖像中減去一個常數(shù)。輸入以下程序實現(xiàn)從一幅圖像中減去一個常數(shù)：

（3）immultiply實現(xiàn)兩幅圖像的相乘或者一幅圖像的亮度縮放（圖像乘以小于1或大于1的參數(shù)，比較效果）。輸入以下程序：

（4）imdivide函數(shù)實現(xiàn)兩幅圖像的除法或一幅圖像的亮度縮放。輸入以下程序：

二、圖像的空間域操作

（1）imrotate函數(shù)實現(xiàn)圖像的旋轉。輸入以下程序： I=imread('***');J=imrotate(I,45);%對圖像進行旋轉 subplot(1,2,1),imshow(I);subplot(1,2,2),imshow(J);得到圖：

練習二 數(shù)字圖像處理的基本操作

一、練習目的

1、練習使用MATLAB工具進行數(shù)字圖像處理；

2、實現(xiàn)圖像的邊緣提取、濾波、直方圖修正等操作。

二、練習環(huán)境

Windows操作系統(tǒng)

Matlab 6.5或以上應用軟件

三、練習內(nèi)容

（1）imresize函數(shù)實現(xiàn)圖像的縮放。輸入以下程序：

J=imread('文件名.擴展名');X1=imresize(J,2);%對圖像進行縮放 figure,imshow(J)結果如圖

（2）imcrop函數(shù)實現(xiàn)圖像的剪切。輸入以下程序： I=imread('***');I2=imcrop(I);%對圖像進行剪切 subplot(填充),imshow(填充);subplot(填充),imshow(填充);如圖：

圖像變換

（1）fft2函數(shù)和ifft2函數(shù)分別是計算二維的FFT和反變換。輸入以下程序： f=zeros(100,100);f(20:70,40:60)=1;imshow(f);F=fft2(f);% 計算二維的FFT F2=log(abs(F));%對幅值取對數(shù) imshow(F2),colorbar

（2）dct2函數(shù)采用基于FFT的算法，用于實現(xiàn)較大輸入矩陣的離散余弦變換。與之對應，idct2函數(shù)實現(xiàn)圖像的二維逆離散余弦變換 輸入以下程序： RGB=imread('***');I=rgb2gray(RGB);J=dct2(I);% 對I進行離散余弦變換 imshow(log(abs(J))),colorbar J(abs(J)<10)=0;K=idct2(J);% 圖像的二維逆離散余弦變換 figure,imshow(I);figure,imshow(K,[0,255])得到如圖：

（3）edge函數(shù)用于提取圖像的邊緣。輸入以下程序：

RGB=imread('drum.bmp');I=rgb2gray(RGB);BW=edge(I);% 提取圖像的邊緣 imshow(I),figure,imshow(BW);得到圖

圖像增強、分割和編碼

（1）imhist函數(shù)產(chǎn)生圖像的直方圖。A=imread('drum.bmp');%讀入圖像

B=rgb2gray(A);%把RGB圖像轉化成灰度圖像 imshow(B);%顯示灰度圖像

imhist(B)%顯示灰度圖像的直方圖 得到圖

（2）histeq函數(shù)用于對圖像的直方圖均衡化。接上面程序：

C=histeq(B);%對圖像B進行均衡化 imshow(C);%顯示圖像

imhist(C)；%得到均衡化后的灰度直方圖 得到如圖

filter2函數(shù)實現(xiàn)均值濾波。輸入以下程序：

a=imread('noise.drum.jpg');I=rgb2gray(a);imshow(I);K1=filter2(fspecial('average',3),I)/255;% 3?3的均值濾波 K2=補充;

% 5?5的均值濾波 K3=補充;

% 7?7的均值濾波 figure,imshow(K1);figure,imshow(K2);figure,imshow(K3);得到圖

（5）medfilt2函數(shù)實現(xiàn)中值濾波。輸入以下程序：

自查函數(shù)如何使用，并編程： 結果如圖：

練習三

圖像采樣及圖像類型轉換

一、練習目的

1、熟悉并掌握MATLAB圖像處理工具箱的使用；

2、試對自選圖像分別進行4和16倍剪采樣，查看其剪采樣效果

3、將所給圖，轉換成256級灰度圖像，8級灰度圖像和2值圖像

二、練習環(huán)境

MATLAB 6.5或以上版本、WIN XP或以上計算機

三、練習內(nèi)容

使用MATLAB，對圖像進行減采樣。

a = imread('***.JPG');b = rgb2gray(a);[wid,hei]=size(b);%4倍減抽樣

quartimg = zeros(wid/2+1,hei/2+1);i1 = 1;j1 = 1;for i=1:2:wid

for j=1:2:hei

quartimg(i1,j1)= b(i,j);

j1 = j1 + 1;

end i1 = i1 + 1;j1 = 1;end figure

imshow(uint8(quartimg))練習結果如圖

%16倍減抽樣

編程并運行顯示圖像結果：

圖像類型

1、練習內(nèi)容

試將自選圖，轉換成256級灰度圖像，8級灰度圖像和2值圖像

2、練習方法及程序

使用MATLAB，進行圖像類型變換。

a = imread('***.jpg');b = rgb2gray(a);

figure imshow(b)[wid,hei]=size(b);img8 = zeros(wid,hei);img2 = zeros(wid,hei);for i=1:wid

for j=1:hei

img8(i,j)= floor(b(i,j)/32);%得到8級灰度圖像

end end figure

imshow(uint8(img8),[0,7])for i=1:wid

for j=1:hei

補充;end end figure

imshow(uint8(img8),[0,2])%得到2值圖像

練習結果如圖

練習四

數(shù)字圖像的空間域處理

一、練習目的

1、熟悉并掌握MATLAB圖像處理工具箱的使用；

2、熟悉圖像相加的方法及效果

3、熟悉圖像灰度擴展的方法及效果

4、熟悉圖像縮放、旋轉的方法及效果

二、練習環(huán)境

MATLAB 6.5或以上版本、WIN XP或以上計算機

三、練習內(nèi)容 Part 1（1）選擇一幅圖像***.jpg，設置輸入輸出變換的灰度級范圍，a=0.3, b=0.6, c=0.1, d=0.9；

（2）設置非線性擴展函數(shù)的參數(shù)c=2；

（3）采用灰度倒置變換函數(shù)s=255-r進行圖像變換；

（4）設置二值化圖像的閾值，分別為level=0.4,level=0.7參考程序如下： I=imread('***.jpg');figure;subplot(1,3,1);imshow(I);title('原圖');J=imadjust(I,[0.3;0.6],[0.1;0.9]);%設置灰度變換的范圍 subplot(1,3,2);imshow(J);title('線性擴展');I1=double(I);%將圖像轉換為double類型 I2=I1/255;%歸一化此圖像 C=2;K=C*log(1+I2);%求圖像的對數(shù)變換 subplot(1,3,3);imshow(K);title('非線性擴展');M=255-I;%將此圖像取反 figure;subplot(1,3,1);imshow(M);title('灰度倒置');N1=im2bw(I,0.4);%將此圖像二值化，閾值為0.4 N2=im2bw(I,0.7);%將此圖像二值化，閾值為0.7 subplot(1,3,2);imshow(N1);title('二值化閾值0.4');subplot(1,3,3);imshow(N2);title('二值化閾值0.7');練習結果與分析

（1）練習結果如圖3.7所示。

Part 2 讀取一幅圖片，如***.jpg，設置圖像旋轉的角度分別為450和900，采用圖形旋轉函數(shù)imrotate對圖像進行旋轉。程序如下，結果如圖3.10。

I=imread('i_lena.jpg');J=imrotate(I,45);%圖像進行逆時針旋轉，默認采用最近鄰法進行插值處理 K=imrotate(I,90);%默認旋轉出界的部分不被截出 subplot(1,3,1);imshow(I);subplot(1,3,2);imshow(J);subplot(1,3,3);imshow(K);練習結果與分析

（1）練習結果如圖3.10所示。

練習五 數(shù)字圖像的頻域處理

一、練習目的

1、熟悉并掌握MATLAB工具的使用；

2、實現(xiàn)圖像離散傅里葉變換并觀察效果

3、實現(xiàn)圖像離散余弦變換并觀察效果

二、練習環(huán)境

Windows操作系統(tǒng) Matlab 6.5或以上應用軟件

三、練習內(nèi)容 Part 1 選取一幅圖像，進行離散傅里葉變換，再對其分別進行X軸與Y軸上的平移，得其離散傅里葉變換，觀察三幅結果圖。

I=imread('1.bmp');figure(1)imshow(real(I));I=I(:,:,3);fftI=fft2(I);sfftI=fftshift(fftI);%求離散傅里葉頻譜

%對原始圖像進行二維傅里葉變換，并將其坐標原點移到頻譜圖中央位置

RRfdp1=real(sfftI);IIfdp1=imag(sfftI);a=sqrt(RRfdp1.^2+IIfdp1.^2);a=(a-min(min(a)))/(max(max(a))-min(min(a)))*225;

figure(2)imshow(real(a));練習結果與分析

Part 2 選取一幅圖像，進行離散傅里葉變換，再對其進行一定角度的旋轉，進行離散傅里葉變換。

%構造原始圖像

I = zeros(256,256);

I(88:168,124:132)= 1;%圖像范圍是256*256,前一值是縱向比，后一值是橫向比 imshow(I)

%求原始圖像的傅里葉頻譜

J = fft2(I);F = abs(J);J1 = fftshift(F);figure imshow(J1,[5 50])

%對原始圖像進行旋轉

J = imrotate(I,90,'bilinear','crop');figure imshow(J)%求旋轉后圖像的傅里葉頻譜

J1 = fft2(J);F = abs(J1);J2 = fftshift(F);figure imshow(J2,[5 50])練習結果與分析

1）練習結果如圖4.4所示.Part 3 選取一幅圖像，進行離散余弦變換，并對其進行離散余弦反變換，觀察其結果。

%對***.jpg文件計算二維DCT變換 RGB = imread('***.jpg ');figure(1)imshow(RGB)I = rgb2gray(RGB);%真彩色圖像轉換成灰度圖像 J = dct2(I);%計算二維DCT變換 figure(2)imshow(log(abs(J)),[])%圖像大部分能量集中在上左角處 figure(3);J(abs(J)< 10)= 0;%把變換矩陣中小于10的值置換為0，然后用idct2重構圖像 K = idct2(J)/255;imshow(K)練習結果與分析

第三篇：數(shù)字圖像處理上機作業(yè)

數(shù)字圖像處理上機實驗題

一、產(chǎn)生右圖所示圖像 f1(m,n)，其中圖像大小為256×256，中間亮條為128×32，暗處=0，亮處=100。對其進行 FFT：

1、屏顯示原圖 f1(m,n)和FFT(f1)的幅度譜圖；

2、令f2(m,n)=（-1）^（m+n）*f1(m,n)，重復以上過程，比較二者幅度譜的異同，簡述理由；

3、若將f2(m,n)順時針旋轉 90 度得到f3(m,n)，試顯示 FFT(f3)的幅度譜，并與 FFT(f2)的幅度譜進行比較；

4、若將f1(m,n)順時針旋轉 90 度得到f4(m,n)，令f5(m,n)=f1(m,n)+f4(m,n)，試顯示 FFT(f5)的幅度譜，并指出其與 FFT(f1)和FFT(f4)的關系；

5、若令f6(m,n)=f2(m,n)+f3(m,n)，試顯示 FFT(f6)的幅度譜，并指出其與 FFT(f 2)和FFT(f3)的關系，比較 FFT(f6)和FFT(f5)的幅度譜。

代碼

f1=zeros(256,256);

for i =64:1:191 for j = 112:1:143 f1(i,j)= 100;

end

end

f2 = fft2(f1);

%f2(m,n)= f3

f3 =((-1)^(i+j))*f1;f4 = fft2(f3);

%f3(m,n)= f5

f5 = imrotate(f3,90,'bilinear');f6 = fft2(f5);

%f4(m,n)= f7

f7 = imrotate(f1,90,'bilinear');f8 = fft2(f7);

%f5(m,n)= f8 f9 = f1 + f7;f10 = fft2(f9);

%f6(m,n)= f2(m,n)+f3(m,n)f11 = f3 + f5;f12 = fft2(f11);

figure(1)subplot(1,2,1);imshow(abs(f1));title('原圖f1');subplot(1,2,2);imshow(abs(f2));title('幅度譜fft2(f1)');figure(2)subplot(2,2,1)imshow(abs(f1));title('原圖f1')subplot(2,2,2)imshow(abs(f2));title('幅度譜fft2(f1)');subplot(2,2,3);imshow(abs(f3))title('變換譜f2');subplot(2,2,4);imshow(abs(f4));title('幅度譜fft2(f2)');figure(3)subplot(2,2,1)imshow(abs(f3))title('變換譜f2');subplot(2,2,2);imshow(abs(f4));title('幅度譜fft2(f2)');subplot(2,2,3);imshow(abs(f5))title('變換譜f3');subplot(2,2,4);imshow(abs(f6));title('幅度譜fft2(f3)');figure(4)subplot(3,2,1);imshow(f7);

title('f1旋轉圖f4');subplot(3,2,2);imshow(abs(f8));title('幅度譜fft2(f4)');subplot(3,2,3);imshow(f9);

title('f5(m,n)=f1+f4');subplot(3,2,4);imshow(abs(f10));title('幅度譜fft2(f5)');subplot(3,2,5)imshow(abs(f1));title('原圖f1');subplot(3,2,6);imshow(abs(f2));title('幅度譜fft2(f1)');figure(5)subplot(3,2,1)imshow(abs(f3))title('變換譜f2');subplot(3,2,2);imshow(abs(f4));title('幅度譜fft2(f2)');subplot(3,2,3);imshow(abs(f5))title('變換譜f3');subplot(3,2,4);imshow(abs(f6));title('幅度譜fft2(f3)');subplot(3,2,5)imshow(abs(f11))title('變換譜f6=f2+f3');subplot(3,2,6);imshow(abs(f12));title('幅度譜fft2(f6)');

figure(6)subplot(2,2,1);imshow(f9);

title('f5(m,n)=f1+f4');subplot(2,2,2);imshow(abs(f10));title('幅度譜fft2(f5)');subplot(2,2,3)imshow(abs(f11))

title('變換譜f6(m,n)=f2+f3');subplot(2,2,4);imshow(abs(f12));title('幅度譜fft2(f6)');

結果

分析

2、F2(m,n)與F1(m,n)幅度值相同，f2(m,n)=（-1）^（m+n）*f1(m,n)中，并未改變幅值。

3、FFT(f2)比FFT(f3)幅值大。

4、f5=f1+f4，即幅值相加。

5、f6=f2+f3，即幅值相加。

二、產(chǎn)生教材 104 頁題圖 4.18（右圖）所示的二值圖像（白為1，黑為0），編程實現(xiàn)習題4.18 所要求的處理（3*3 的平均濾波和中值濾波）功能（圖像四周邊界不考慮，處理結果按四舍五入仍?。?或1），顯示處理前后的圖像，比較其異同。

代碼

I=[ 1,0,1,0,1,0,1,0;0,1,0,1,0,1,0,1;1,0,1,0,1,0,1,0;0,1,0,1,0,1,0,1;1,0,1,0,1,0,1,0;0,1,0,1,0,1,0,1;1,0,1,0,1,0,1,0;0,1,0,1,0,1,0,1;];J=imhist(I,2);

K=filter2(fspecial('average',3),I);K1=round(K);J1=imhist(K1,2);K2=medfilt2(I);J2=imhist(K2,2);

figure(1)subplot(2,2,1)imshow(I);title('原圖像');subplot(2,2,2)imshow(J);

title('原圖像直方圖');subplot(2,2,3)imshow(K1);

title('3*3領域平均');subplot(2,2,4)imshow(J1);

title('領域平均圖像直方圖')figure(2)subplot(2,2,1)imshow(I);title('原圖像');subplot(2,2,2)imshow(J);

title('原圖像直方圖');subplot(2,2,3)imshow(K2);title('中值濾波');subplot(2,2,4)imshow(J2);

title('中值濾波圖像直方圖')

結果

三、產(chǎn)生教材 104 頁題圖 4.16 所示的灰度圖像（白為255，黑為0），分別加入高斯白噪聲和椒鹽噪聲，再分別進行 3′ 3 的平均濾波和中值濾波，顯示原圖像、加噪圖像和濾波結果圖像，并比較四種濾波結果。

代碼

f=zeros(256,256);for i =23:1:23

3for j=28:1:35 f(i,j)=255;

end

for j=52:1:59 f(i,j)=255;

end

for j=76:1:83 f(i,j)=255;

end

for j=100:1:107 f(i,j)=255;

end

for j=124:1:131 f(i,j)=255;

end

for j=148:1:155 f(i,j)=255;

end

for j=172:1:179 f(i,j)=255;

end

for j=196:1:203 f(i,j)=255;

end

for j=220:1:227 f(i,j)=255;

end end

g=imnoise(f,'gaussian',0.2);s=imnoise(f,'salt & pepper',0.2);k1=filter2(fspecial('average',3),g);G1=round(k1);G2=medfilt2(g);

k2=filter2(fspecial('average',3),s);S1=round(k2);S2=medfilt2(s);

figure(1)imshow(f)

title('?-ê?í???');figure(2)subplot(3,2,1)imshow(g)

title('???1í???');subplot(3,2,2)imshow(s)

title('?·??í???');subplot(3,2,3)imshow(G1)

title('???ù??2¨???1í???');subplot(3,2,5)imshow(G2)

title('?D?μ??2¨???1í???');subplot(3,2,4)imshow(S1)

title('???ù??2¨?·??í???');subplot(3,2,6)imshow(S2)

title('?D?μ??2¨?·??í???');

結果

四、對某一灰度圖像，進行如下處理：

（1）分別利用 Roberts、Prewitt和Sobel 邊緣檢測算子進行邊緣檢測；

（2）將Roberts、Prewitt和Sobel 邊緣檢測算子修改為銳化算子，對原圖像進行銳化，同屏顯示原圖像、邊緣檢測結果和銳化后圖像，說明三者之間的關系。

代碼

f1=imread('C:UsershpPictures1.jpg');f2=rgb2gray(f1);k1=edge(f2,'Roberts');k2=edge(f2,'Prewitt');k3=edge(f2,'Sobel');

k4=filter2(fspecial('Prewitt'),f2);k5=filter2(fspecial('Prewitt'),f2);k6=filter2(fspecial('Sobel'),f2);

figure(1)subplot(4,2,1)imshow(f1);title('yuanshi');subplot(4,2,2)imshow(f2);title('huidu');subplot(4,2,3)imshow(k1);title('Roberts');subplot(4,2,5)imshow(k2);title('Prewitt');subplot(4,2,7)imshow(k3);title('Sobel');subplot(4,2,4)imshow(k4);title('log');subplot(4,2,6)imshow(k5);title('Prewitt');subplot(4,2,8)imshow(k6);title('Sobel');

結果

二值化。

五、編程實現(xiàn)教材 214 頁所給圖像門限化分割的迭代閾值算法，實現(xiàn)對某一灰度圖像的代碼

f1=imread('C:UsershpPictures11.jpg');f2=rgb2gray(f1);f3=f2;

zm=max(f2(:));zi=min(f2(:));k=2;

T(k)=(zm+zi)/2;while T(k)~=T(k-1);r1=find(f2<=T(k));r2=find(f2>T(k));k=k+1;

T(k)=(mean(f2(r1))+mean(f2(r2)))/2;end

r3=find(f3<=T(k));r4=find(f3>T(k));f3(r3)=0;f3(r4)=255;

figure(1)subplot(221)imshow(f1)title('原始圖像');subplot(222)imshow(f2)title('灰度圖像');subplot(223)imshow(f3)

title('迭代閾值算法二值化');

結果

心得體會

通過此次作業(yè)讓我明白了很多，實際操作起來往往比理論所想的要復雜很多。當然，在課設的進行過程中，我還是遇到了不少問題。例如，起初由于我對句柄使用以及一些函數(shù)使用的不恰當。隨著課設的進行，對matlab的的熟悉度逐步加深。

總體來說，此次的課程設計，還是較為滿意的。它不但鞭策著我去鞏固matlab的基礎理論知識，還提高了我對matlab的實際操作運用，使得理論與實踐相結合，為進一步學習matlab打下堅實的基礎；同時，在實踐的工程中，也讓我體會到一種努力付出并得到回報的滿足感覺。

第四篇：《數(shù)字圖像處理》實驗教案

數(shù) 字 圖 像 處 理

實 驗 指 導 書

信息科學與工程學院電子系

二○○六年

前

言

數(shù)字圖像處理是研究數(shù)字圖像處理的基本理論、方法及其在智能化檢測中應用的學科，是電子信息類本科專業(yè)的專業(yè)課。

本課程側重于數(shù)字圖像的基本處理，并對圖像分析的基本理論和實際應用進行系統(tǒng)介紹；目的是使學生系統(tǒng)掌握數(shù)字圖像處理的基本概念、原理和實現(xiàn)方法，學習圖像分析的基本理論、典型方法和實用技術，具備解決通信領域的圖像相關問題的初步能力，為今后的研究與開發(fā)打下扎實的基礎。

目

錄

實驗一 常用的圖像文件格式與格式轉換和圖像矩陣的顯示方實驗二 實驗三

法 …………………………………………………………2

傅立葉變換……………………………………………………4 圖像增強及編程處理…………………………………………5

實驗一 常用的圖像文件格式與格式轉換和圖像矩陣的顯示方法

1． 實驗目的

熟悉Matlab語言的初步使用；

熟悉常用的圖像文件格式與格式轉換；

熟悉圖像矩陣的顯示方法（灰度、索引、黑白、彩色）； 熟悉圖像矩陣的格式轉換 2． 實驗內(nèi)容

練習圖像讀寫命令imread和imwrite并進行圖像文件格式間的轉換。特別是索引圖像與1，4，8，16比特圖像的存儲與轉換。

熟悉下列模塊函數(shù) Image file I/O.imread

-Read image file.imwrite

Create and display image

imagesc

Make movie from multiframe indexed image.imshow

-Display image.subimage

-Display multiple images in single figure.truesize

-Adjust display size of image.warp

-Display image as texture-mapped surface.zoom

-Zoom in and out of image or 2-D plot.3． 實驗步驟

a.Load cameraman.tif image from your hard disk(using function imread).b.Show the image in a figure window(using function image or imshow).c.Draw a brightness bar on the right side of the image(using function colorbar).d.Get image data from the current figure(axes)(using function getimage).e.Show the gray level of the image between 64 to 128(using function imagesc).f.Make a movie from a 4-D image(load mri, make the movie by immovie, then show movie by function movie).object.g.Draw the cameraman image on a cylinder(using function warp).Question: how to show the cameraman like this

Requirement: write a report to do the experiment from a to g.實驗二

傅立葉變換

1．實驗目的

熟悉傅立葉變換的概念和原理； 理解Fourier變換的意義。

2．實驗內(nèi)容

用Fourier變換算法對圖像進行Fourier變換； 評價人眼對圖像幅頻特性和相頻特性的敏感度。

3．實驗步驟

<1>產(chǎn)生如圖所示圖像f1(x,y)（128×128 大小，暗處=0，亮處=255），用MATLAB中的fft2函數(shù)對其進行FFT；

<2>同屏顯示原圖f1和FFT(f1)的幅度譜圖；

<3>若令f2(x,y)=（-1）

x?y f1(x,y)，重復以上過程，比較兩幅圖像的幅度譜的異同，簡述理由；

<4>若將f2(x,y)順時針旋轉45度得到f3(x,y)，試顯示FFT(f3)的幅度譜，并與FFT(f2)的幅度譜進行比較；

<5>評價人眼對圖像幅頻特性和相頻特性的敏感度。

4.實驗報告

<1>簡述實驗目的及原理；

<2>給出實驗代碼，并加以注釋； <3>對實驗現(xiàn)象加以說明和討論。

實驗三

圖像增強及編程處理

1． 實驗目的

觀察數(shù)字圖像增強的效果； 熟悉數(shù)字圖像增強的一般方法；

掌握數(shù)字圖像增強的一般方法的Matlab編程實現(xiàn)。2． 實驗內(nèi)容

使用Photoshop觀察數(shù)字圖像增強的效果； 練習和掌握圖像增強的Matlab編程。

熟悉下列模塊函數(shù) Image enhancement.histeq

Adust imae intensity values or colormap.Image noising.imnoise

-Add noise to an image.Image filtering

medfilt2

-Perform 2-D median filtering.ordfilt2

Perform 2-D adaptive noise-removal filtering.3． 實驗步驟

<1> 使用Photoshop觀察數(shù)字圖像增強的效果 a.對比度增強

1)在Photoshop中打開一黑白灰度圖像文件。

2)在圖像菜單中選直方圖項，觀察原始圖像的直方圖。

3)在圖像菜單調(diào)整子菜單中選亮度/對比度項，調(diào)節(jié)對比度滑塊，觀察圖像變化。

4)在圖像菜單中選直方圖項，觀察處理后圖像的直方圖，并同（2）中的直方圖比較。b.灰度變換

1)在Photoshop中打開一黑白灰度圖像文件。

2)在圖像菜單中選直方圖項，觀察原始圖像的直方圖。3)在圖像菜單調(diào)整子菜單中選反相項，觀察圖像變化。

4)在圖像菜單中選直方圖項，觀察處理后圖像的直方圖，并同（2）中的直方圖比較。5)畫出灰度變換曲線。

6)在編輯菜單中選返回項，恢復原始圖像。

7)在圖像菜單調(diào)整子菜單中閾值項，調(diào)節(jié)閾值色階滑塊，觀察圖像變化。

8)在圖像菜單中選直方圖項，觀察處理后圖像的直方圖，并同（2）中的直方圖比較。9)畫出灰度變換曲線。

c.直方圖均衡化

1)在Photoshop中打開一黑白灰度圖像文件。

2)在圖像菜單中選直方圖項，觀察原始圖像的直方圖。3)在圖像菜單調(diào)整子菜單中選色調(diào)均化項，觀察圖像變化。

4)在圖像菜單中選直方圖項，觀察處理后圖像的直方圖，并同（2）中的直方圖比較。

d.圖像平滑

1)在Photoshop中打開一黑白灰度圖像文件。

2)在圖像菜單中選直方圖項，觀察原始圖像的直方圖。

3)在濾鏡菜單模糊子菜單中選進一步模糊項，觀察圖像變化。

4)在圖像菜單中選直方圖項，觀察處理后圖像的直方圖，并同（2）中的直方圖比較。5)在編輯菜單中選返回項，恢復原始圖像。

6)在濾鏡菜單模糊子菜單中選高斯模糊項，觀察圖像變化。

7)在圖像菜單中選直方圖項，觀察處理后圖像的直方圖，并同（2）中的直方圖比較。8)在Matlab Help菜單中, 選Demos項。

9)打開ToolboxesImage Processing項，選Noise Reduction Filtering，并運行。

10)選圖像Blood、噪聲類型Salt & Pepper、濾波器類型Median、鄰域3x3，比較原始圖像、受噪聲污染圖像、濾波后圖像。11)改變參數(shù)，重做（10）。

12)選其他圖像，重做（10）-（11）。

13)思考何種濾波器對抑制何種類型噪聲更有效，鄰域大小對抑制噪聲效果及圖像模糊程度的影響。

<2> 圖像增強的Matlab編程

a.Load cameraman.tif image from your hard disk(using function imread).b.Show the image in a figure window.c.Show the histogram of the image(using function imhist).d.Enhance the contrast of the image using histogram equalization.e.Show the histogram of the image after processing.f.Compare the qualities of two images and makes a discussion about them.g.Add noises, such as gaussian, salt&pepper, speckle noise into the image respectively.Compare with the influence of the different Means and Variance.h.Remove the added noise from the image by function medfilt2, ordfilt2 and wiener2 respectively.Compare the qualities of the original images with the processed images and discuss the effect of the methods.Requirement:

Write a report to do the experiment.Make sure the report includes the discussion about the experiment.If the report just is a copy from others, the report will have a zero mark.

第五篇：數(shù)字圖像處理實驗一

實驗報告

一、實驗原理

1．調(diào)用imread函數(shù)將圖像文件讀入圖像數(shù)組（矩陣）

A=imread(filename,fmt)2.調(diào)用imwrite函數(shù)將圖像文件寫入圖像數(shù)組（矩陣）

imwrite(a,filename,fmt)3.調(diào)用imshow函數(shù)顯示圖像

Imshow（I，N）

4.圖像的灰度平均值。調(diào)用ave=mean2（I）計算圖像的均值 5.協(xié)方差矩陣。調(diào)用Cfg=COV（f，g）計算圖像f和圖像g的協(xié)方差矩陣 圖像的灰度標準差。調(diào)用SD=STD2（I）的灰度標準差 7.圖像的相關系數(shù)。調(diào)用函數(shù)rfg=CORR2(f，g)計算大小相等的兩幅圖像f和g的相關系數(shù)

二、圖像及統(tǒng)計數(shù)據(jù)

原圖像的平均灰度值= 77.5170

灰度標準差= 44.2095 灰度圖像的平均灰度值= 74.4516

灰度標準差=37.1236 反白圖像的平均灰度值= 180.5484

灰度標準差= 37.1236 灰度圖像和反白圖像的相關系數(shù)是

三、程序

I=imread('football.jpg');subplot(2,2,1);imshow(I);J=rgb2gray(I);subplot(2,2,2);imshow(J);Ave=mean2(J)Ave =

74.4516 SD=std2(double(J))SD =

37.1236 s=size(J);all_white=255*ones(s(1),s(2));all_white_uint8=uint8(all_white);K=imsubtract(all_white_uint8,J);subplot(2,2,3);imshow(K);imwrite(K,'football_iverse.jpg');

四、思考題

1.圖像統(tǒng)計特征讓我們更加了解圖像的變換，使圖像處理更加方便 2.五、心得體會

這次試驗，我學會了使用marlab中的圖像處理工具箱中的函數(shù)，對每個圖像處理函數(shù)的功能都有了深入的認識。同時，我掌握了MATLAB的基本應用方法，對圖像文件的讀/寫的方法有了初步認識?？傊@次試驗讓我對MATLAB的圖像處理有了一點學習，為更好地學習數(shù)字圖像處理打下了一定的基礎。