數(shù)字圖像處理-實驗報告(完整版)(共12頁)

1、精選優(yōu)質(zhì)文檔-傾情為你奉上數(shù)字圖像處理實驗一 MATLAB數(shù)字圖像處理初步一、顯示圖像1利用imread( )函數(shù)讀取一幅圖像，假設(shè)其名為lily.tif，存入一個數(shù)組中；2利用whos 命令提取該讀入圖像flower.tif的基本信息；3利用imshow()函數(shù)來顯示這幅圖像；實驗結(jié)果如下圖：源代碼： >>I=imread('lily.tif')>> whos I>> imshow(I)二、壓縮圖像4利用imfinfo函數(shù)來獲取圖像文件的壓縮，顏色等等其他的詳細信息；5利用imwrite()函數(shù)來壓縮這幅圖象，將其保存為一幅壓縮了像素的jp

2、g文件,設(shè)為lily.jpg；語法：imwrite(原圖像，新圖像，quality,q), q取0-100。6同樣利用imwrite()函數(shù)將最初讀入的tif圖象另存為一幅bmp圖像，設(shè)為flily.bmp。7用imread()讀入圖像Sunset.jpg和Winter.jpg；8用imfinfo()獲取圖像Sunset.jpg和Winter.jpg的大小；9用figure,imshow()分別將Sunset.jpg和Winter.jpg顯示出來，觀察兩幅圖像的質(zhì)量。其中9的實驗結(jié)果如下圖：源代碼：46(接上面兩個) >>I=imread('lily.tif') &

3、gt;> imfinfo 'lily.tif'； >> imwrite(I,'lily.jpg','quality',20); >> imwrite(I,'lily.bmp'); 79 >>I=imread('Sunset.jpg'); >>J=imread('Winter.jpg') >>imfinfo 'Sunset.jpg' >> imfinfo 'Winter.jpg' >&g

4、t;figure(1),imshow('Sunset.jpg') >>figure(2),imshow('Winter.jpg')三、二值化圖像10 用im2bw將一幅灰度圖像轉(zhuǎn)化為二值圖像，并且用imshow顯示出來觀察圖像的特征。實驗結(jié)果如下圖：源代碼：>> I=imread('lily.tif')>>gg=im2bw(I,0.4);F>>igure, imshow(gg)原始圖像：四、思考題(1) 簡述MatLab軟件的特點。答：高效的數(shù)值計算及符號計算功能，能使用戶從繁雜的數(shù)學(xué)運算分析中解脫

5、出來； 具有完備的圖形處理功能,實現(xiàn)計算結(jié)果和編程的可視化; 友好的用戶界面及接近數(shù)學(xué)表達式的自然化語言，使學(xué)者易于學(xué)習(xí)和掌握； 功能豐富的應(yīng)用工具箱(如信號處理工具箱、通信工具箱等) ,為用戶提供了大量方便實用的處理工具。(2) MatLab軟件可以支持哪些圖像文件格式？ JPEG、JPEG、PCX、TIFF、PNG、GIF、HDF、XWD等等。(3) 說明函數(shù)imread 的用途格式以及各種格式所得到圖像的性質(zhì)。imread函數(shù)用于讀入各種圖像文件，其一般的用法為X，MAP=imread(filename,fmt)其中，X，MAP分別為讀出的圖像數(shù)據(jù)和顏色表數(shù)據(jù)，fmt為圖像的格式，fil

6、ename為讀取的圖像文件（可以加上文件的路徑）。(4) 為什么用I = imread(lena.bmp) 命令得到的圖像I 不可以進行算術(shù)運算？ Matlab系統(tǒng)默認的算術(shù)運算時針對雙精度類型（double）的數(shù)據(jù)，而上述命令產(chǎn)生的矩陣的數(shù)據(jù)類型是無符號8位，直接 進行運算會溢出。實驗二 圖像的代數(shù)運算一圖像的加法運算在MATLAB中，如果要進行兩幅圖像的加法，或者給一幅圖像加上一個常數(shù)，可以調(diào)用imadd函數(shù)來實現(xiàn)。imadd函數(shù)將某一幅輸入圖像的每一個像素值與另一幅圖像相應(yīng)的像素值相加，返回相應(yīng)的像素值之和作為輸出圖像。imadd函數(shù)的調(diào)用格式如下：Z = imadd（X，Y）其中，X和

7、Y表示需要相加的兩幅圖像，返回值Z表示得到的加法操作結(jié)果。實驗結(jié)果如下圖：源代碼：I = imread(Sunset.jpg)；J = imread(Bluehills.jpg)；K = imadd(I,J)；imshow(K)；(兩幅圖尺寸大小一致)原始圖像：給圖像的每一個像素加上一個常數(shù)可以使圖像的亮度增加。效果如下：源代碼>>RGB = imread(cameraman.tif)；>>RGB2 = imadd(RGB,50)；>>subplot(1,2,1)；imshow(RGB)；>>subplot(1,2,2)；imshow(RGB2)

8、；二、圖像的減法運算在MATLAB中，使用imsubtract函數(shù)可以將一幅圖像從另一幅圖像中減去，或者從一幅圖像中減去一個常數(shù)。imsubtract函數(shù)將一幅輸入圖像的像素值從另一幅輸入圖像相應(yīng)的像素值中減去，再將這個結(jié)果作為輸出圖像相應(yīng)的像素值。imsubtract函數(shù)的調(diào)用格式如下：Z = imsubtract(X,Y)； 其中，Z是X-Y操作的結(jié)果。實驗結(jié)果如下圖：源代碼>>rice = imread('cameraman.tif')>>background = imopen(rice, strel('disk',15)>&

9、gt;rice2 = imsubtract(rice, background)>>subplot(1,2,1);imshow(rice);>>subplot(1,2,2);imshow(rice2);三、圖像的乘法運算 在MATLAB中，使用immultiply函數(shù)實現(xiàn)兩幅圖像的乘法。immultiply函數(shù)將兩幅圖像相應(yīng)的像素值進行元素對元素的乘法操作（MATLAB點乘），并將乘法的運算結(jié)果作為輸出圖形相應(yīng)的像素值。immulitply函數(shù)的調(diào)用格式如下：Z = immulitply(X,Y) 其中，Z=X*Y。實驗結(jié)果如下圖：源代碼I>> = imrea

10、d('zhaowei.bmp')>>J = immultiply(I,1.2)>>subplot(1,2,1);imshow(I)>>subplot(1,2,2);imshow(J)四、圖像的除法運算 在MATLAB中使用imdivide函數(shù)進行兩幅圖像的除法。imdivide函數(shù)對兩幅輸入圖像的所有相應(yīng)像素執(zhí)行元素對元素的除法操作（點除），并將得到的結(jié)果作為輸出圖像的相應(yīng)像素值。imdivide函數(shù)的調(diào)用格式如下：Z = imdivide(X,Y) 其中，Z=X/Y。實驗結(jié)果如下圖：源代碼>>Rice = imread('

11、;cameraman.tif');>>I = double(Rice);>>J= I * 0.43 + 90>>Rice2 = uint8(J)>>Ip = imdivide(Rice, Rice2)>>Imshow(Ip, )原圖像五、思考題由圖像算術(shù)運算的運算結(jié)果，思考圖像減法運算在什么場合上發(fā)揮優(yōu)勢？答：使用背景減法進行運動目標檢測可以提取出完整的目標圖像可將所得標用于進一步的圖像處理工作中。 除去人身體在環(huán)境中運動產(chǎn)生的動態(tài)區(qū)域外背景減法對其它的動態(tài)場景的變化、干擾等特別敏感背景圖像獲取的理想情況是在場景沒有運動因素，

12、最簡單背景獲取方法是當(dāng)場景中任何目標時采集一幅圖像作為背景圖像，但這種固定背景圖像的方法只適合應(yīng)于外界條件較好的場。實驗三 圖像增強空域濾波一、實驗內(nèi)容與步驟 a) 調(diào)入并顯示原始圖像Sample2-1.jpg 。b) 利用imnoise 命令在圖像Sample2-1.jpg 上加入高斯(gaussian) 噪聲 c)利用預(yù)定義函數(shù)fspecial 命令產(chǎn)生平均(average)濾波器 d）分別采用3x3和5x5的模板，分別用平均濾波器以及中值濾波器，對加入噪聲的圖像進行處理并觀察不同噪聲水平下，上述濾波器處理的結(jié)果； e）選擇不同大小的模板，對加入某一固定噪聲水平噪聲的圖像進行處理，觀察上述

13、濾波器處理的結(jié)果。f）利用imnoise 命令在圖像Sample2-1.jpg 上加入椒鹽噪聲(salt & pepper)g）重復(fù)c) e）的步驟h）輸出全部結(jié)果并進行討論。2、 實驗結(jié)果與源代碼源代碼>>I=imread('cameraman.tif');J = imnoise(I,'gauss',0.02);J = imnoise(I,'salt & pepper',0.02);ave1=fspecial('average',3);ave2=fspecial('average',5

14、);K = filter2(ave1,J)/255;L = filter2(ave2,J)/255;M = medfilt2(J,3 3);N = medfilt2(J,4 4);imshow(I);figure,imshow(J);figure,imshow(K);figure,imshow(L);figure,imshow(M);figure,imshow(N);三、思考題/問答題 (1) 簡述高斯噪聲和椒鹽噪聲的特點。高斯噪聲是指噪聲的概率密度函數(shù)服從高斯分布（即正態(tài)分布）的一類噪聲。如果一個噪聲，它的幅度分布服從高斯分布，而它的功率譜密度又是均勻分布的，則稱它為高斯白噪聲。高斯白噪聲的

15、二階矩不相關(guān)，一階矩為常數(shù)，是指先后信號在時間上的相關(guān)性。 高斯白噪聲包括熱噪聲和散粒噪聲。而椒鹽噪聲是指椒鹽噪聲是由圖像傳感器，傳輸信道，解碼處理等產(chǎn)生的黑白相間的亮暗點噪聲。椒鹽噪聲往往由圖像切割引起。（2) 結(jié)合實驗內(nèi)容，定性評價平均濾波器/中值濾波器對高斯噪聲和椒鹽噪聲的去噪效果？ 通過實驗可以看出，中值濾波對椒鹽噪聲的消噪處理效果比較好，但是對高斯噪聲的消噪處理效果不是很理想(3) 結(jié)合實驗內(nèi)容，定性評價濾波窗口對去噪效果的影響？ 對比實驗結(jié)果可以發(fā)現(xiàn)：發(fā)現(xiàn)對于椒鹽噪聲，中值濾波效果更好。對于高斯噪聲，選用5*5窗口濾波效果好于3*3窗口濾波，但圖像模糊程度加重了。 實驗四 圖像分割

16、一、實驗內(nèi)容與步驟(1)使用Roberts 算子的圖像分割實驗􀂄 調(diào)入并顯示圖像room.tif中圖像；使用Roberts 算子對圖像進行邊緣檢測處理； Roberts 算子為一對模板：􀂄 相應(yīng)的矩陣為：rh = 0 1；-1 0； rv = 1 0；0 -1；這里的rh 為水平Roberts 算子，rv為垂直Roberts 算子。分別顯示處理后的水平邊界和垂直邊界檢測結(jié)果；用“歐幾里德距離”和“街區(qū)距離”方式計算梯度的模，并顯示檢測結(jié)果；對于檢測結(jié)果進行二值化處理，并顯示處理結(jié)果；(2)使用Prewitt 算子的圖像分割實驗􀂄 使用Pre

17、witt 算子進行內(nèi)容(1)中的全部步驟。(3)使用Sobel 算子的圖像分割實驗 使用Sobel 算子進行內(nèi)容(1)中的全部步驟。(4)使用LoG (拉普拉斯-高斯)算子的圖像分割實驗 使用LoG (拉普拉斯-高斯)算子進行內(nèi)容(1)中的全部步驟。提示1：處理后可以直接顯示處理結(jié)果，無須另外計算梯度的模。提示2：注意調(diào)節(jié)噪聲的強度以及LoG (拉普拉斯-高斯)算子的參數(shù)，觀察處理結(jié)果。二、實驗結(jié)果與源程序?qū)嶒灲Y(jié)果如下圖：源程序>>f=imread('cameraman.tif');gv,t1=edge(f,'sobel','vertical

18、');imshow(gv)gb,t2=edge(f,'sobel','horizontal');figure,imshow(gb)w45=-2 -1 0;-1 0 1;0 1 2;g45=imfilter(double(f),w45,'replicate');T=0.3*max(abs(g45(:);g45=g45>=T;figure,imshow(g45);三、思考題/問答題1、評價一下Roberts 算子、Prewitt 算子、Sobel 算子對于噪聲條件下邊界檢測的性能。Roberts 算子邊緣定位精度較高，但易丟失一部分邊緣

19、，同時由于沒經(jīng)過圖像平滑計算，因此不能抑制噪聲。該算子對具有陡峭的低噪聲圖像響應(yīng)最好。Sobel算子很容易在空間上實現(xiàn)，對噪聲具有平滑作用，受噪聲影響較小，可提供較為精確的邊緣方向信息，但同時也會檢測出許多偽邊緣，檢測到的邊緣寬度較粗，邊緣位置定位精度不高。Prewitt 算子與Sobel 算子使用方法一樣，都是對圖像進行差分和濾波運算，差別只在于使用的模板不一樣，Prewitt 算子比Sobel 算子運算略微簡單。2、為什么LoG梯度檢測算子的處理結(jié)果不需要象Prewitt 等算子那樣進行幅度組合？ LOG 算子是根據(jù)圖像的信噪比來求出檢測邊緣的最優(yōu)濾波器。該方法首先采用高斯函數(shù)對圖像進行低

20、通平滑濾波，然后采用Laplacia 算子進行高通濾波，根據(jù)二階導(dǎo)數(shù)的過零點來檢測圖像的邊緣。因而不需要象Prewitt 等算子那樣進行幅度組合。3、實驗中所使用的四種算子所得到的邊界有什么異同？Roberts 算子檢測出的圖像輪廓邊緣很細，連續(xù)性較差，邊緣信息有一定丟失，出現(xiàn)的噪點比較多。Sobel 和Prewitt 兩個算子檢測出的邊緣效果幾乎一致，比Roberts 算子的檢測結(jié)果要好，邊緣較為連續(xù)，對噪聲不敏感，但是線條稍粗，出現(xiàn)了一些偽邊緣。二階LOG 算子檢測出來的圖像邊緣更加連續(xù)，邊緣也比較細小。但是由于二階算子的特性，對噪聲比較敏感。當(dāng)?shù)闹翟叫。交某潭染驮叫?，于是會出現(xiàn)零星的

21、假邊緣；而的值越大，平滑的程度也越大，但是部分真實的邊緣會丟失，出現(xiàn)邊緣間斷現(xiàn)象實驗五 形態(tài)學(xué)運算一、實驗內(nèi)容與步驟 1. 調(diào)入并顯示圖像Plane2.jpg；2. 選取合適的閾值，得到二值化圖像Plane2-2.jpg；3. 設(shè)置結(jié)構(gòu)元素；4. 對得到的二值圖像Plane2-2.jpg進行腐蝕運算；5. 對得到的二值圖像Plane2-2.jpg進行膨脹運算；6. 對得到的二值圖像Plane2-2.jpg進行開運算；7. 對得到的二值圖像Plane2-2.jpg進行閉運算；8. 將兩種處理方法的結(jié)果作比較；2、 實驗結(jié)果與源程序?qū)嶒灲Y(jié)果如下圖：源程序I=imread('Sunset.jpg');level = graythresh(I); %得到合適的閾值bw = im2bw(I,level); %二值化SE = stre