49数字图像处理实验报告

实验报告课程名称数字图像处理实验项目点运算和直方图处理实验仪器PC机MATLAB软件系别专业班级/学号学生姓名实验日期成绩指导老师实验1点运算和直方图处理一、实验目的1.掌握利用Matlab图像工具箱显示直方图的方法2.掌握运用点操作进行图像处理的基本原理。3.进一步理解利用点操作这一方法进行图像处理的特点。4.掌握利用Matlab图像工具箱进行直方图均衡化的基本方法。二、实验的硬件、软件平台硬件：计算机软件：MATLAB三、实验内容及步骤1.了解Matlab图像工具箱的使用。2.利用Matlab图像工具箱对图像进行点操作，要求完成下列3个题目中的至少2个。⑴图1灰度范围偏小，且灰度偏低，改正之。⑵图2暗处细节分辨不清，使其能看清楚。⑶图3亮处细节分辨不清，使其能看清楚。图1图2图33.给出处理前后图像的直方图。4.利用MatLab图像处理工具箱中函数对以上图像进行直方图均衡化操作，观察结果。四、思考题1.点操作能完成哪些图像增强功能？2.直方图均衡化后直方图为何并不平坦？为何灰度级会减少？五、实验报告要求1．对点操作的原理进行说明。2．给出程序清单和注释。3．对处理过程和结果进行分析（包括对处理前后图像的直方图的分析）。题目1%图1灰度范围偏小，且灰度偏低，改正之。方法：像素点操作clcclearallcloseallI=imread('Image1.png');%读取标题为“Point2”的位图，并用“I”表示该图j=rgb2gray(I);%转为灰度图像，并用j表示[l,r]=size(j);%将j的行数返回到第一个输出变量l，将列数返回到第二个输出变量rfigure(1);%创建一个空的窗口subplot(221);%将窗口分成2行2列，并在第一个位置进行操作imshow(j);%显示图片jtitle('原图像');%标题form=1:l%循环语句，行数m的值从1到l，下同forn=1:rp(m,n)=j(m,n)*1.8;%将j图中的每一个点的像素值乘以一个常数，得到的新像素以原来的位置构成图pendendsubplot(222);imshow(p);title('处理后图像');subplot(2,2,3);imhist(j);%显示图像j的直方图title('原图像直方图');subplot(2,2,4);imhist(p);title('处理后图像直方图');输出的图像：图4对比图像处理前后的直方图可知，原图的灰度范围较小。图像均衡化处理后。灰度级取值的动态范围扩大了，但灰度级减少了。直方图变得更稀疏。并且灰度级值整体增大了，即直方图整体向右平移了一段距离。题目2%图2暗处细节分辨不清，使其能看清楚。方法：像素点操作clcclearallcloseallI2=imread('Image2.png');j2=rgb2gray(I2);INFO2=imfinfo('Image2.png');[l2,r2]=size(j2);figure;subplot(221)imshow(j2)title('原图')fora=1:l2forb=1:r2q1(a,b)=j2(a,b)*1.2;%q1(a,b)为将原图灰度值提高1.2倍endendfora=1:l2forb=1:r2q2(a,b)=j2(a,b)*2;%q2(a,b)为将原图灰度值提高2倍endendfora=1:l2%q3(a,b)自定义函数forb=1:r2ifj2(a,b)60q3(a,b)=j2(a,b)*2.38;elseifj2(a,b)=60q3(a,b)=j2(a,b)*0.5263+120.7;endendendendsubplot(222);imshow(q1);title('j(m,n)*1.2');subplot(223);imshow(q2);title('j(m,n)*2');subplot(224);imshow(q3);title('j(m,n)*自定义函数');figure;subplot(221),imhist(j2,64);title('原图的直方图');subplot(222),imhist(q1,64);title('j(m,n)*1.2');subplot(223),imhist(q2,64);title('j(m,n)*2');subplot(224),imhist(q3,64);title('j(m,n)*自定义函数');输出的图像：图5图6题目3%图3亮处细节分辨不清，使其能看清楚。方法：像素点操作clcclearallcloseallI2=imread('Image3.png');j2=rgb2gray(I2);INFO2=imfinfo('Image3.png');[l2,r2]=size(j2);figure;subplot(221)imshow(j2)title('原图')fora=1:l2forb=1:r2q1(a,b)=j2(a,b)*0.9;%q1(a,b)为将输出图像的灰度值缩小为原图的0.9倍endendfora=1:l2forb=1:r2q2(a,b)=j2(a,b)*0.75;%q2(a,b)为将输出图像的灰度值缩小为原图的0.75倍endendfora=1:l2forb=1:r2q3(a,b)=j2(a,b)*0.75+25;%q3(a,b)自定义的灰度值缩小函数endendsubplot(222);imshow(q1);title('j(m,n)*0.9');subplot(223);imshow(q2);title('j(m,n)*0.75');subplot(224);imshow(q3);title('j(m,n)*0.75+25');figure;subplot(221),imhist(j2,64);title('原图的直方图');subplot(222),imhist(q1,64);title('j(m,n)*0.9');subplot(223),imhist(q2,64);title('j(m,n)*0.75');subplot(224),imhist(q3,64);title('j(m,n)*0.75+25');这三个实验所用的方法均是对图像进行点操作处理，特别是其中对于判定和循环的运用是解题的关键，即对点进行判定并只对满足条件的点进行处理。思考题1．答：点操作可以扩大灰度值的范围。并且可以改变某点灰度值的大小，实现增强或减弱图像亮度、增强对比度以及直方图均衡化处理。2．答：均衡化后的直方图不平坦是由于图像中各灰度级出现的概率不同。均衡化后的直方图使灰度级分布具有均匀概率密度。扩展了像素取值的动态范围，但减少了灰度级。实验感想：通过本次实验，对与图片的点操作处理和直方图处理有了更深刻的体会。同时我也认识到了设定优化参数的不易。图7图8实验报告课程名称数字图像处理实验项目图像平滑实验实验仪器PC机MATLAB软件系别专业班级/学号学生姓名实验日期成绩指导老师实验2图像平滑实验一、实验目的1．通过实验掌握图像去噪的基本方法；2．学会根据情况选用不同方法。二、实验的硬件、软件平台硬件：计算机软件：操作系统：WINDOWS2000应用软件：MATLAB三、实验内容及要求1．实验内容请在如下面方法中选择多个，完成图像去噪操作，并进行分析、比较。（1）对静态场景的多幅图片取平均；（2）空间域模板卷积（不同模板、不同尺寸）；（3）频域低通滤波器（不同滤波器模型、不同截止频率）；（4）中值滤波方法。2．实验要求（1）图片可根据需要选取；（2）对不同方法和同一方法的不同参数的实验结果进行分析和比较，如空间域卷积模板可有高斯型模板、矩形模板、三角形模板和自己根据需求设计的模板等；模板大小可以是3×3，5×5，7×7或更大。频域滤波可采用矩形或巴特沃斯等低通滤波器模型，截止频率也是可选的。（3）分析比较不同方法的结果。四、思考题1．不同空间域卷积器模板的滤波效果有何不同？2．空间域卷积器模板的大小的滤波效果有何影响？3．用多幅图像代数平均的方法去噪对图像有何要求？4．不同频域滤波器的效果有何不同？五、实验报告要求1．列出程序清单并进行功能注释；2．说明不同方法去噪效果；3．对去噪方法进行详细分析对比。（1）对静态场景的多幅图片取平均：%第一部分向Lenna.png加入8种不同的噪声clcclearallcloseallM=imread('Lenna.png');%读取一幅名为Lenna.png的图像M=rgb2gray(M);%转换为灰度值图像subplot(3,3,1);imshow(M);%显示原始图像title('original');P1=imnoise(M,'gaussian',0.01);%加入高斯躁声(噪声密度为0.01)subplot(3,3,2);imshow(P1);%加入高斯躁声(噪声密度为0.01)后显示图像title('gaussiannoise1');P2=imnoise(M,'salt&pepper',0.01);%加入椒盐躁声(噪声密度为0.01)subplot(3,3,3);imshow(P2);%加入椒盐躁声(噪声密度为0.01)后显示图像title('salt&peppernoise1');P3=imnoise(M,'gaussian',0.02);%加入高斯躁声(噪声密度为0.02)subplot(3,3,4);imshow(P3);%加入高斯躁声(噪声密度为0.02)后显示图像title('gaussiannoise2');P4=imnoise(M,'salt&pepper',0.02);%加入椒盐躁声(噪声密度为0.02)subplot(3,3,5);imshow(P4);%加入椒盐躁声(噪声密度为0.02)后显示图像title('salt&peppernoise2');P5=imnoise(M,'gaussian',0.03);%加入高斯躁声(噪声密度为0.03)subplot(3,3,6);imshow(P5);%加入高斯躁声(噪声密度为0.03)后显示图像title('gaussiannoise3');P6=imnoise(M,'salt&pepper',0.03);%加入椒盐躁声(噪声密度为0.03)subplot(3,3,7);imshow(P6);%加入椒盐躁声(噪声密度为0.03)后显示图像title('salt&peppernoise3');P7=imnoise(M,'gaussian',0.04);%加入高斯躁声(噪声密度为0.04)subplot(3,3,8);imshow(P7);%加入高斯躁声(噪声密度为0.04)后显示图像title('gaussiannoise4');P8=imnoise(M,'salt&pepper',0.04);%加入椒盐躁声(噪声密度为0.04)subplot(3,3,9);imshow(P8);%加入椒盐躁声(噪声密度为0.04)后显示图像title('salt&peppernoise4');imwrite(P1,'lenna_noise1.png','png');%保存图像P1至P8imwrite(P2,'lenna_noise2.png','png');imwrite(P3,'lenna_noise3.png','png');imwrite(P4,'lenna_noise4.png','png');imwrite(P5,'lenna_noise5.png','png');imwrite(P6,'lenna_noise6.png','png');imwrite(P7,'lenna_noise7.png','png');imwrite(P8,'lenna_noise8.png','png');输出的图像：%第二部分对静态场景的多幅带有不同噪声的图片取平均clcclearallcloseall;a1=imread('lenna_noise1.png');%读入图片a2=imread('