河北工業(yè)大學(xué)《計(jì)算機(jī)圖像處理》實(shí)驗(yàn)指導(dǎo)書

1、實(shí)驗(yàn)一MATLAB數(shù)字圖像處理基本操作一、實(shí)驗(yàn)?zāi)康呐c要求1 .熟悉MATLAB軟件的開發(fā)環(huán)境、基本操作以及圖像處理工具箱，為編寫圖像處理程序奠定基礎(chǔ)。2 .掌握二值、灰度和彩色圖像的讀、寫和顯示方法，以及圖像的高、寬、顏色等參數(shù)的獲取方法。3 .根據(jù)實(shí)驗(yàn)內(nèi)容進(jìn)行問題的簡單分析和初步編碼。二、實(shí)驗(yàn)相關(guān)知識(shí)1、Matlab軟件ImageProcessingToolbox簡介MatLab的原文是MatrixLaboratory，它包括若干個(gè)工具箱，如CommunicationsToolbox>ControlSystemToolbox>NeuralNetworkToolbox、Wavele

2、tToolbox等等，其中ImageProcessingToolbox圖像處理工具箱可以完成GeometricOperations>Enhancement、ColorSegmentation>ImageTransformation>ImageAnalysis>MorphologicalOperations等操作。在MatLab中，圖像就是一個(gè)矩陣，在進(jìn)行處理時(shí)當(dāng)作一個(gè)變量即可，因此運(yùn)算的書寫十分簡潔，故MatLab有草稿紙式的算法語言之稱。例如：J=I+50;%為原始圖像I加上一常數(shù)50,并將結(jié)果賦予變量J,其效果相當(dāng)于得到一幅加亮的圖像J以此類推可以書寫出減法J=I-

3、0.5;乘法J=I*2;除法J=I/3;等等。利用MatLab提供的imread和imwrite函數(shù)可以完成對(duì)圖像文件的讀寫操作，它們所支持的一些常用的圖像文件格式見表1-1。表1-1MATLAB支持的一些常用的圖像文件格式格式名稱描述可識(shí)別的擴(kuò)展符TIFF加標(biāo)簽的圖像文件格式.tiff、.tifJPEG聯(lián)合圖像專家組.jpg、.jpegGIF圖像交換格式.gifBMP1Windows位圖.bmpPNG可移植網(wǎng)絡(luò)圖形.pngXWDXWindow轉(zhuǎn)儲(chǔ).xwdMatLab提供了兩種運(yùn)行方式，即命令行方式和M文件方式。打開MatLab界面后，在Command窗口的提示符號(hào)“>>”下直接鍵

4、入命令即可運(yùn)行，如鍵入：> >clear%執(zhí)行本命令將會(huì)清除內(nèi)存中的全部變量> >figure(1);%生成一個(gè)圖像窗口1> >I=imread('e:lena.bmp');%將硬盤e:根目錄上的圖像文件lena.bmp的數(shù)據(jù)讀入矩陣變量I中> >imshow(I);%在當(dāng)前的圖像窗口中顯示圖像矩陣I> >title('原始圖像);%在當(dāng)前的圖像窗口中加上標(biāo)題但為了能夠?qū)Τ绦蜻M(jìn)行調(diào)試和重復(fù)應(yīng)用，我們要求用M文件的方式完成實(shí)驗(yàn)中各個(gè)程序的編寫。2、數(shù)字圖像的表示和類別根據(jù)圖像數(shù)據(jù)矩陣解釋方法的不同，MATLAB把

5、其處理為四類：(1)亮度圖像(Intensityimages)一幅亮度圖像是一個(gè)數(shù)據(jù)矩陣，其歸一化的取值表示亮度。若亮度圖像的像素都是uint8類或uint16類，則它們的整數(shù)值范圍分別是0,255和0,65536。若圖像是double類，則像素取值就是浮點(diǎn)數(shù)。規(guī)定雙精度型歸一化亮度圖像的取值范圍是0,1。(2)二值圖像(Binaryimages)一幅二值圖像是一個(gè)取值只有0和1的邏輯數(shù)組。而一幅取值只包含0和1的uint8類數(shù)組，在MATLAB中并不認(rèn)為是二值圖像。使用logical函數(shù)可以把數(shù)值數(shù)組轉(zhuǎn)化為邏輯數(shù)組，其語法為B=logical(A)；其中A是由0和1構(gòu)成的數(shù)值數(shù)組。要測試一個(gè)

6、數(shù)組是否為邏輯數(shù)組，可以使用函數(shù)islogical(C);若C是邏輯數(shù)組，則該函數(shù)返回1;否則，返回0。(3)索引圖像(Indexedimages)索引顏色通常也稱為映射顏色，在這種模式下，顏色都是預(yù)先定義的，并且可供選用的一組顏色也很有限，索引顏色的圖像最多只能顯示256種顏色。一幅索引顏色圖像在圖像文件里定義，當(dāng)打開該文件時(shí)，構(gòu)成該圖像具體顏色的索引值就被讀入程序里，然后根據(jù)索引值找到最終的顏色。(4) RGB圖像(RGBimages)一幅RGB圖像就是彩色像素的一個(gè)MXNX3數(shù)組，其中每一個(gè)彩色像素點(diǎn)都是在特定空間位置上相對(duì)應(yīng)的紅、綠、藍(lán)三個(gè)分量。按照慣例，形成一幅RGB彩色圖像的三個(gè)矩

7、陣常稱為紅、綠或藍(lán)分量圖像。令fR,fG和fB分別代表三種RGB分量圖像。一幅RGB圖像就利用cat(級(jí)聯(lián))操作將這些分量圖像組合成彩色圖像：rgb_image=cat(3,fR,fG,fB)在操作中，圖像按順序放置。3、數(shù)據(jù)類和圖像類型間的轉(zhuǎn)化表1-2中列出了MATLAB和ImageProcessingToolbox為表示圖像所支持的各種數(shù)據(jù)類。表中的前8項(xiàng)稱為數(shù)值數(shù)據(jù)類，第9項(xiàng)稱為字符類，最后一項(xiàng)稱為邏輯數(shù)據(jù)類。表1-3列出了工具箱中提供的一些必要函數(shù)，以便在圖像類和數(shù)據(jù)類之間進(jìn)行轉(zhuǎn)化。表1-2MATLAB和IPT支持?jǐn)?shù)據(jù)類型名稱描述double:雙精度浮點(diǎn)數(shù)，范圍為1030810308u

8、int8無符號(hào)8比特整數(shù)，范圍為0255uint16無符號(hào)16比特整數(shù)，范圍為065536uint32無符號(hào)32比特整數(shù)，范圍為04294967295int8有符號(hào)8比特整數(shù)，范圍為-128127int16有符號(hào)16比特整數(shù)，范圍為-3276832767int32有符號(hào)32比特整數(shù)，范圍為-21474836482147483647single;單精度浮點(diǎn)數(shù)，范圍為1030810308char字符logical值為0或1表1-3格式轉(zhuǎn)換函數(shù)名稱將輸入轉(zhuǎn)化為有效的輸入圖像數(shù)據(jù)類im2uint8uint8logical,uint8,uint16和doulbeim2uint16uint16logica

9、l,uint8,uint16和doulbemat2graydouble,范圍為01doubleim2doubledoublelogical,uint8,uint16和doulbeim2bwlogicaluint8,uint16和double4、常用函數(shù)和命令(1)讀寫圖像文件a) imread：用于讀入各種圖像文件，返回一個(gè)矩陣，如：a=imread('d:p1.jpg')b) whos：用于讀取圖像的基本信息，如：whosac) imwrite:用于寫入圖像文件，如：imwrite(a,'d:p2.tif,'tif')d) imfinfo:用于讀取圖像

10、文件的有關(guān)信息，如：imfinfo('d:p2.tif)(2)圖像的顯示a) image:image函數(shù)是MATLA舞供的最原始的圖像顯示函數(shù)，如：a=1,2,3,4;4,5,6,7;8,9,10,11;image(a);b) imshow:用于圖像文件的顯示，如：i=imread('d:p1.jpg');imshow(i);c) colorbar:用于顯示圖像的顏色條，如：i=imread('d:p1.jpg');imshow(i);colorbar;d) figure:用于設(shè)定圖像顯示窗口，如：figure(1);figure(2);%n為圖形窗口號(hào)

11、數(shù)e) subplot：把圖形窗口分成多個(gè)矩形部分，每個(gè)部分可以分別用來進(jìn)行顯示，如：subplot(m,n,p)分成mxn個(gè)小窗口，在第p個(gè)窗口中創(chuàng)建坐標(biāo)軸為當(dāng)前坐標(biāo)軸，用于顯示圖形f) plot:繪制二維圖形，如：plot(y);plot(x,y);%xy可以是向量、矩陣(3)圖像類型轉(zhuǎn)換a) rgb2gray:把真彩圖像轉(zhuǎn)換為灰度圖像，如：i=rgb2gray(j)b) im2bw：通過閾值化方法把圖像轉(zhuǎn)換為二值圖像，如：I=im2bw(j,level)Level表示灰度閾值，取值范圍01,即0.n表示閾值取自原圖像灰度范圍的n%(4)其它運(yùn)算函數(shù)a)zeros:生成全0數(shù)組或矩B如：B

12、=zeros(m,n)或B=zeros(mn),返回一個(gè)mxn的全0矩陣b)取整函數(shù)：round四舍五入取整函數(shù)；floor最小取整函數(shù)；ceil最大取整函數(shù)，如：a=-1.9-0.23.45.62.4+3.6i;I=round(a)輸出I=-20362+4i三、實(shí)驗(yàn)內(nèi)容1、讀入一幅RGB圖像(sunset.jpg),分別轉(zhuǎn)換為灰度圖像和二值圖像，并在同一個(gè)窗口內(nèi)分成三個(gè)子窗口來分別顯示這三幅圖像，注上文字標(biāo)題，即“原圖像”、“灰度圖像”、“二值圖像”。subplot(1,3,1);）；I=imread('d:sunset.jpgimshow(I);title('原圖像'

13、;);subplot(1,3,2);J=rgb2gray(I);imshow(J);title('灰度圖像);subplot(1,3,3);Q=im2bw(J,0.5);imshow(Q);title('二值圖像');2、說明以下程序的顯示結(jié)果為何是一幅幾乎全黑的圖像clear;closeall;myi=zeros(20,20);myi(2:2:18,2:2:18)=1;myi=uint8(myi);figure,imshow(myi,'notruesize');3、閱讀分析下列程序，對(duì)每條語句給出注釋，運(yùn)行并解釋最終執(zhí)行結(jié)果；若將for循環(huán)改為方框中的

14、程序，有何不同？clear all;close all;I=imread('d:lena512.jpg');height,width=size(I);figure;subplot(2,3,1);imshow(I);title('原圖像');L=1;for m=1:5L=2*L;quartimage=zeros(ceil(height/L),ceil(width/L); k=1;n=1;for i=1:L:heightfor j=1:L:widthquartimage(k,n)=I(i,j); n=n+1;endk=k+1;n=1;endsubplot(2,3,m

15、+1);imshow(uint8(quartimage);endfor m=1:5L=2*L;quartimage=I(1:L:height,1:L:width);subplot(2,3,m+1);imshow(uint8(quartimage);endFillar p I0s區(qū)4、編寫程序?qū)⒁环叶葓D像(orangutan.tif)每兩行之間增加一行，即將圖像的高度拉伸一倍、寬度不變，然后將其存儲(chǔ)為圖像文件。要求拉伸后圖像的奇數(shù)行對(duì)應(yīng)原圖像的各行，偶數(shù)行是原圖像相鄰兩行的灰度平均值(即偶數(shù)行由插值得到)，并將結(jié)果與MATLAB圖像處理工具箱中提供的改變圖像大小的函數(shù)imresize(imre

16、size(I,mn)將圖像I大小調(diào)整為m行n歹！J)的處理結(jié)果進(jìn)行比較。T1=maketform('affine',100;020;001);I=imread('c:orangutan.tif');I1=imtransform(I,T1);imshow(I),figure,imshow(I1)ESH5、熟悉數(shù)字圖像處理常用函數(shù)的使用，調(diào)出幫助文檔查看其各種不同用法。MatLab具有完善的幫助系統(tǒng)，包括命令行幫助、聯(lián)機(jī)幫助和演示幫助等，應(yīng)學(xué)會(huì)充分利用幫助系統(tǒng)來解決問題。獲得幫助的途徑有多種，如：(1)在MatLab界面中單擊工具條上的問號(hào)，或單擊Help菜單中的M

17、ATLABHelp選項(xiàng)；或按F1鍵打開Help窗口。(2)選擇函數(shù)(函數(shù)所在區(qū)變暗)，點(diǎn)右鍵彈出菜單，選擇HelponSelection;或在command窗口鍵入help函數(shù)名(或工具箱名)。實(shí)驗(yàn)二圖像直方圖及灰度變換、實(shí)驗(yàn)?zāi)康呐c要求1 .掌握?qǐng)D像灰度直方圖的概念及其計(jì)算方法，編寫灰度直方圖統(tǒng)計(jì)程序。2 .通過對(duì)圖像直方圖的分析，學(xué)習(xí)應(yīng)用直方圖法解決諸如圖像二值化等具體問題。3 .熟悉直方圖均衡化的計(jì)算過程及其應(yīng)用。4 .掌握?qǐng)D像灰度變換技術(shù)，通過調(diào)整圖像的對(duì)比度和亮度等參數(shù)，改善視覺效果。二、實(shí)驗(yàn)相關(guān)知識(shí)直方圖是圖像最基本的統(tǒng)計(jì)特征，是圖像亮度分布的概率密度函數(shù)，反映了圖像灰度值的分布情況

18、。直方圖是多種空間域處理技術(shù)的基礎(chǔ)。直方圖操作能有效地用于圖像增強(qiáng)，如通過直方圖均衡化處理，可使圖像在整個(gè)灰度級(jí)范圍內(nèi)的分布均勻化，即在每個(gè)灰度級(jí)上都具有相同的像素點(diǎn)數(shù)，從而獲得較好的視覺效果。另外，直方圖固有的信息也可用在圖像分割等其它圖像處理的應(yīng)用中。灰度級(jí)變換技術(shù)可用g(x,y尸Tf(x,y)的形式表示，其中f(x,y)為輸入圖像，g(x,y)為輸出圖像，T是對(duì)圖像f進(jìn)行某種處理的操作。由于(x,y)處的g值僅由f在該點(diǎn)處的亮度決定，T也稱為一個(gè)亮度或灰度級(jí)變換函數(shù)，它與位置坐標(biāo)(x,y)無關(guān)，所以通常寫成如下的簡化形式s=T(r),其中r和s分別表示圖像f和g在相應(yīng)點(diǎn)(x,y)的亮度。

19、利用灰度變換可調(diào)整一幅圖像的明暗、對(duì)比度等。三、實(shí)驗(yàn)內(nèi)容1、編寫一個(gè)圖像灰度直方圖統(tǒng)計(jì)函數(shù)my_imhist,選擇一幅圖像利用my_imhist顯示其直方圖，將結(jié)果與MATLAB圖像處理工具箱中提供的灰度直方圖函數(shù)imhist的處理結(jié)果進(jìn)行比較，并在同一窗口中顯示出來。a=imread('C:iris.tif);J=a;L=256;my=zeros(L,1);row,col=size(a);n=row*col;fori=1:rowforj=1:colnum=double(a(i,j)+1;my(num)=my(num)+1;endend%計(jì)算直方圖概率估計(jì)fori=1:Lendfigu

20、re;subplot(1,2,2);imhist(a);title('imhist處理')subplot(1,2,1);bar(my);title('自編函數(shù)處理')2、利用以上編寫的函數(shù)my_imhist或imhist，估算圖像iris.tif中瞳孔的半徑(以像素為單位)。100200之間的單位個(gè)數(shù)為8,則瞳孔面積大概為80000像素，利用求半徑公式S=3.14RA2得到半徑R=V(S/3.14)=，(80000/3.14)=160像素img=imread('C:iris.tif);imshow(img);M,N=size(img);img=doubl

21、e(img);h=zeros(256,256);fori=1:M,forj=1:N,f=img(i,j)；h(f+1)=h(f+1)+1;endendfigure;bar(h);grid；I=imread('D:iris.tif);imhist(I)3、利用MATLAB提供的圖像直方圖修正函數(shù)histeq,選擇一幅直方圖不均勻的圖像如pout.tif,對(duì)其進(jìn)行直方圖均衡化處理，顯示處理前后的圖像以及它們的灰度直方圖，體會(huì)直方圖均衡化算法的特點(diǎn)。I=imread('pout.tif);H=histeq(I);subplot(2,2,1),imshow(I);title('

22、源圖像');subplot(2,2,2),imshow(H);title('均衡化后的圖像)；subplot(2,2,3),imhist(I);title('源圖像的直方圖)；subplot(2,2,4),imhist(H);title('均衡化后的圖像直方圖');4、按照教材68頁上的公式(4.1.6)(c/a)f(x,y)0f(x,y)ag(x,y)(dc)/(ba)f(x,y)acaf(x,y)b(4.1.6)(Mgd)/(Mfb)f(x,y)bdbf(x,y)Mf以及公式g(x,y)c(f(x,y),分別編程實(shí)現(xiàn)圖像的分段線性灰度變換和非線性灰度

23、變換。利用自己編寫的代碼對(duì)圖像bottle.tif進(jìn)行灰度調(diào)整，使拍攝主體瓶子的花紋更加清晰地表現(xiàn)出來，以改善視覺效果。將同一個(gè)圖形窗口分成四個(gè)子窗口來分別顯示灰度變換前、后的圖像以及它們的灰度直方圖，注上文字標(biāo)題。并考慮利用MATLAB提供的imadjust函數(shù)是否能完成同樣的工作。F=imread('d:bottle.tif);row,col=size(F);max=double(F(1,1)+1;fori=1:rowforj=1:colk=double(F(i,j)+1;ifmax<kmax=k;endendenddisp('灰度最大值：');maxdisp

24、('首先進(jìn)行線性變換');fo=input('請(qǐng)輸入源圖像的灰度范圍：');a=fo(1);b=fo(2);ifb>maxdisp('輸入源圖像的范圍不能大于最大值！);endre=input('請(qǐng)輸入變換后的灰度范圍：');c=re(1);d=re(2);ifd>256%判斷d是否超過256disp('輸入變換后的范圍不能超過255!);endG=zeros(row,col);fori=1:rowforj=1:colk=double(F(i,j)+1;ifk<aG(i,j)=(c/a)*F(i,j);elsei

25、fk<bG(i,j)=(d-c)/(b-a)*(F(i,j)-a)+c;elseG(i,j)=(255-d)/(max-b)*(F(i,j)-b)+d;endendendout=uint8(round(G-1);figure,imshow(F);title('源圖像');figure,imshow(out);title('線性變換后');figure,imhist(F);title（'源圖像的直方圖'）;figure,imhist(out);title('線性變換后的直方圖');disp('下面進(jìn)行非線性變換，其變換

26、公式為g=c*fAy');y=input('請(qǐng)輸入指數(shù)y：');c=input('請(qǐng)輸入乘數(shù)c：');g=zeros(row,col);fori=1:rowforj=1:colk=double(F(i,j)+1;g(i,j)=c*(kAy);endendmax=g(1,1);fori=1:rowforj=1:colifmax<g(i,j)max=g(i,j);endendendscale=max/256;fori=1:rowforj=1:colg(i,j)=round(g(i,j)/scale);endendout2=uint8(round(g-1

27、);figure,imshow(out2);figure,imhist(out2);title('非線性變換后的直方圖);實(shí)驗(yàn)三圖像增強(qiáng)與邊緣檢測一、實(shí)驗(yàn)?zāi)康呐c要求1 .加深對(duì)圖像增強(qiáng)及邊緣檢測技術(shù)的感性認(rèn)識(shí)，應(yīng)用MATLAB工具箱自帶的處理函數(shù)或自己編程完成相關(guān)的工作，分析處理結(jié)果，鞏固所學(xué)理論知識(shí)。2 .熟練掌握空域?yàn)V波中常用的平滑和銳化濾波器，針對(duì)不同類型和強(qiáng)度的噪聲，進(jìn)行濾波處理，體會(huì)并正確評(píng)價(jià)濾波效果，了解不同濾波方式的使用場合，能夠從理論上作出合理的解釋。3 .掌握基于邊緣檢測的圖像分割方法，通過實(shí)驗(yàn)體會(huì)主要的邊緣檢測算子在處理結(jié)果上的異同，探討不同因素對(duì)輪廓提取效果的影響

28、，培養(yǎng)處理實(shí)際圖像的能力。二、實(shí)驗(yàn)相關(guān)知識(shí)圖像增強(qiáng)是指按特定的需要突出一幅圖像中的某些有用信息，同時(shí)消弱或去除某些不需要的信息的處理方法，其主要目的是使處理后的圖像對(duì)某些特定的應(yīng)用比原來的圖像更加有效。圖像平滑與銳化處理是圖像增強(qiáng)的主要研究內(nèi)容。圖像分割是由圖像處理過渡到圖像分析的關(guān)鍵步驟，一般是按照一定的規(guī)則，把圖像分成互不重疊的若干區(qū)域或子集，并提取出感興趣目標(biāo)的技術(shù)和過程。本實(shí)驗(yàn)主要研究利用邊緣提取算子的分割方法。和本實(shí)驗(yàn)有關(guān)的幾個(gè)常用Matlab函數(shù)：(1) imnoise：用于對(duì)圖像生成模擬噪聲，如：j=imnoise(i,'gaussian',0,0.02)%在圖像

29、i上疊加土值為0、方差為0.02的高斯噪聲，得到含噪圖像jj=imnoise(i,'salt&pepper',0.04)%在圖像i上疊加密度為0.04的椒鹽噪聲，得到含噪圖像j(2) fspecial：用于產(chǎn)生預(yù)定義濾波器，如：h=fspecial('average',3);%產(chǎn)生3X3模板的均值濾波器h=fspecial('sobel');%產(chǎn)生sobel水平邊緣增強(qiáng)的濾波器可選項(xiàng)還有：gaussian'高斯低通濾波器、laplacian'拉普拉斯濾波器、log'高斯拉普拉斯濾波器等(3) imfilter、fi

30、lter2、conv2：均是基于卷積的圖像濾波函數(shù)，都可用于圖像濾波，用法類似，如：i=imread('p1.tif);h=fspecial('prewitt');%產(chǎn)生prewitt算子的水平方向模板j1=imfilter(i,h);%或者j2=filter2(h,i);或者j3=conv2(i,h);(4) medfilt2:用于圖像的中值濾波，如：j=medfilt2(i,MN);%對(duì)矩陣i進(jìn)行二維中值濾波，鄰域?yàn)镸XN,缺省值為3X3(5) edge：檢測灰度或二值圖像的邊緣，返回一個(gè)二值圖像，1像素是檢測到的邊緣，0像素是非邊緣用法：BW=edge(I,

31、9;sobel',thresh,direction);%I為檢測對(duì)象；邊緣檢測算子可用sobel、roberts、prewitt、zerocross、log、canny;thresh指定閾值，檢測時(shí)忽略所有小于閾值的邊緣，默認(rèn)自動(dòng)選擇閾值；direction指定方向，可選項(xiàng)有horizontal>vertical或both,在指定的方向上用算子進(jìn)行邊緣檢測三、實(shí)驗(yàn)內(nèi)容1、圖像平滑(去噪)：選擇一幅圖像，例如rice.png,分別疊加零均值高斯噪聲、椒鹽噪聲，然后分別采用3與、5X5不同大小的窗口，再分別利用鄰域平均法、中值濾波法對(duì)噪聲圖像進(jìn)行濾波，最后采用便于觀察比較的形式，顯示

32、出濾波前后的各個(gè)圖像，分析不同濾波器對(duì)不同噪聲的處理效果及其優(yōu)缺點(diǎn)。思考如何尋找合適的濾波器，使之能較好地濾除噪聲，同時(shí)又能保持細(xì)節(jié)和邊緣清晰。I=imread('C:rice.png');J0=imnoise(I,'gaussian');J1=imnoise(I,'salt&pepper');J0J3=imfilter(J0,fspecial('average');J0J5=imfilter(J0,fspecial('average',55);J0Z3=medfilt2(J0);J0Z5=medfilt2(J0,55);J1J3=imfilter(J1,fspecial('average');J1J5=imfilter(J1,fspecial('average