数字图像处理试验指导书

数字图像处理实验指导书 电气信息综合实验中心 试验一MA TLAB程序实用及数字图像信号的基本运算 一、实验目的: 1、进一步熟悉MATLAB的指令。 2、熟悉使用MATLAB进行数字图像的读入、读出和显示。 3、熟悉掌握数字图像的基于灰度变换的空域处理方法。 二、实验设备: 计算机、MATLAB6.5软件。 三、实验说明: 1、本实验在MATLAB上调试运行,学生应对MATLAB的相关指令、函数等有一定的了解。 2、实验的结果应与课堂上的相关内容印证,加深对理论算法的理解。 四、实验内容及步骤: 1、内容包括:计算出一幅灰度图像的直方图、对灰度图像进行简单的灰度线形变换、看其直方图的对应变化和图像对比度的变化、图像二值化处理。 2、实验步骤:打开MATLAB6.5,参照给定的参考程序完成实验。 参考程序: (一)直方图 灰度变换是图像增强的一种重要手段,使图像对比度扩展,图像更加清晰,特征更加明显。灰度级的直方图给出了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。 1、灰度直方图 (1)计算出一幅灰度图像的直方图 clear close all I=imread('004.bmp'); imhist(I) title('实验一(1)直方图'); (2)对灰度图像进行简单的灰度线形变换, figure subplot(2,2,1) imshow(I); title('试验2-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) figure subplot(2,2,1) imshow(I) J=imadjust(I,[0.3,0.7],[0,1],1); title(' 实验一(3)用g(m,n)=a’+(b’-a’)* 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(选取一个域值,(5) 将图像变为黑白图像) figure subplot(2,2,1) imshow(I) J=find(I<150); I(J)=0; J=find(I>=150); I(J)=255; title(' 实验一(4)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0.5 figure; imshow(bw) %显示二值图象 实验二图像滤波 一、实验目的: 1、进一步加深对滤波器、数字滤波的理解。 2、熟悉使用MATLAB中频域变换函数、工具箱中的滤波函数。 3、自己设计函数,达到要求的滤波效果,以提高滤波器的设计能力。 二、实验设备: 计算机、MATLAB6.5软件。 三、实验说明: 1、本实验在MATLAB上调试运行,学生应对MATLAB的相关指令、函数等有一定的了解。 2、实验的结果应与课堂上的相关内容印证,加深对理论算法的理解。 3、自己设计试验的结果和处理方法。 四、实验内容及步骤: 1、内容包括:利用MATLAB图象处理工具箱提供的函数实现数字图像中加入各种噪声的方法。利用MA TLAB图象处理工具箱提供的函数实现数字图像的高通、低通滤波、中值滤波、均值滤波等处理。 2、实验步骤:打开MATLAB6.5,按实验内容,设计一个滤波器,可以参考给定资料完成实验。 参考资料: 1.傅立叶变换 熟悉其概念和原理,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.离散余弦变换 熟悉其概念和原理,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. % 图象的FFT变换 clc; I=imread('005.bmp'); subplot(1,2,1) imshow(I); title('原图'); subplot(1,2,2) imhist(I); title('直方图'); colorbar; J=fft2(I); figure; subplot(1,2,1) imshow(J); title('FFT变换结果'); subplot(1,2,2) K=fftshift(J); imshow(K); title('零点平移'); figure; imshow(log(abs(K)),[]),colormap(jet(64)),colorbar; title('系数分布图'); % 图象的DCT变换 RGB=imread('005.bmp'); figure; subplot(1,2,1) imshow(RGB); title('彩色原图'); a=rgb2gray(RGB); subplot(1,2,2) imshow(a); title('灰度图'); figure; b=dct2(a); imshow(log(abs(b)),[]),colormap(jet(64)),colorbar; title('DCT变换结果'); figure; b(abs(b)<10)=0; % idct c=idct2(b)/255; imshow(c); title('IDCT变换结果'); 3.小波变换 实验内容: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.利用二维小波对一幅图象作2层小波分解,并在此基础上提取各层的低频信息实现图像的压缩. 程序如下: clc close all clear a=imread('005.bmp'); subplot(1,2,1); imshow(a); title('原始图象'); I=rgb2gray(a); subplot(1,2,2); imshow(I); title('原始图象的灰度图'); % 进行二维小波变换 [a,b] = wavedec2(I, 2, 'bior3.7'); % 提取各层低频信息 figure; c = appcoef2( a, b, 'bior3.7', 1 ); subplot(1,2,1); imshow(c, []); title('一层小波变换结果'); d = appcoef2( a, b, 'bior3.7', 2 ); subplot(1,2,2); imshow(d, []); title('二层小波变换结果'); 实验三图像的边缘检测 一、实验目的: 1、进一步加深对模版匹配方法的理解。 2、熟悉使用MATLAB工具箱中sobel、prewitt、log 、roberts 、canny等算子。 3、在以上两点的基础上,自行设计模版,检验处理的效果。 二、实验设备: 计算机、MATLAB6.5软件。 三、实验说明: 1、本实验在MATLAB上调试运行,学生应对MATLAB的相关指令、函数等有一定的了解。 2、实验的结果应与课堂上的相关内容印证,加深对理论算法的理解。 3、在熟悉基本内容后,自己设计试验的结果和处理方法。 4、可参考附加资料。 四、实验内容: 1、利用二个低通邻域平均(3×3和9×9)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5×5的线性邻域平均模板和一个非线性模板:3×5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。 5、自己改动给定的模版,验证处理的结果。 参考资料: 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('girl.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); 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');