图像运算-实验报告

评分实验报告课程名称医学图像处理实验名称图像运算专业班级姓名学号实验日期实验地点2015—2016学年度第2学期医学图像处理第2页共10页一、实验目的MATLAB的图像处理工具箱提供了图像运算函数。本实验将具体介绍Matlab中的图像点运算、代数运算、几何和邻域操作运算。二、实验环境1、硬件配置：处理器：Intel（R）Core(TM)i7-3770CPU@3.40GHz3.40GHz安装内存（RAM）：4.00GB系统类型：64位操作系统2、软件环境：MATLABR2013b软件三、实验内容利用Matlab对图像进行点运算、加法运算、减法运算、乘法运算、除法运算、改变图像的大小、旋转图像、图像的剪切、图像的邻域操作。四、实验结果与分析（包括实验原理、数据的准备、运行过程分析、源程序（代码）、图形图象界面等）注：本项可以增加页数例1图像点运算skull=imread('skull.tif');%读取图像subplot(131),imshow(skull)%生成一行三列三块区域，并在第一块区域绘制图像I=double(skull);%转换为双精度类型J=I*0.43+60;%利用该函数对输出图像进行压缩，使其对比度减小，图像变暗skull2=uint8(J);%转换为uint8subplot(132),imshow(skull2)%在第二块区域绘制图像J=I*1.5-60;%利用该函数对输出图像进行对比度级数拓展，使其对比度增强，图像变亮skull3=uint8(J);%转换为uint8subplot(133),imshow(skull3)%在第三块区域绘制图像运行结果：图1原图像图2对比度减小的图像图3对比度增强的图像分析：1）subplot是用于将多个图像画到一个平面上的函数。subplot(m,n,p,)中的m表示m行，n表示n列，p表示从左到右的第几块区域；2）uint8表示8位无符号的整型数据类型，以此方式存储的图像称作8位图像；而Matlab中数值一般采用double型的存储和运算，因此在进行本题的灰度变换运算时，应先把skull图像转化为double格式；医学图像处理第3页共10页3）线性灰度变换函数当a=1，b=0时，输出图像像素不发生变化；当a=1，0b时，输出图像所有灰度值上移或下移；当10a时，输出图像灰度级压缩，对比度减小，如图2所示；当1a时，输出图像灰度级拓展，对比度增强，如图3所示；当0a时，输出图像暗区域变亮，亮区域变暗，图像求反。2、图像的代数运算例2图像加法运算skull=imread('skull.tif');%读取图像imshow(skull)%显示图像J=imread('cameraman.tif');%读取图像figure,imshow(J)%显示图像I=imresize(skull,[256,256]);%将skull图像转换为256256的大小K=imadd(I,J);%对两幅图像的灰度值进行加法运算figure,imshow(K)%显示图像K2=imadd(I,J,'uint16');%对两幅图像的灰度值进行加法运算，并转化为uint16figure,imshow(K2,[])%显示图像RGB=imread('skull.tif');%读取图像RGB2=imadd(RGB,50);%将图像skull与常数50相加imshow(RGB)%显示RGB图像figure,imshow(RGB2)%显示亮度增强50的RGB图像RGB3=imadd(RGB,100);%将图像skull与常数100相加figure,imshow(RGB3)%显示亮度增强100的RGB图像运行结果：图4skull原图像图5cameraman原图像图6两幅相加后的图像医学图像处理第4页共10页图7转化为uint16的图像图8RGB原图图9亮度增强50后的图像图10亮度增强100后的图像分析：1）imadd是用于实现两图像灰度值相加的函数，imadd(I,J)中的I和J要求大小相等，由于我读取的skull图像的尺寸为10241280，因此在进行I和J的加法运算前须利用imresize函数把skull图像转换为256256的大小；2）I和J进行相加后的图像如图6所示，而在I和J相加的基础上将其转换为uint16的图像如图7所示，我们可以清楚的发现图6比图7的更亮，但细节比图7的模糊，这是由于Matlab在运算后会自动将图像转换为double型，因此uint16的图像是比double型的图像更清晰；3）imadd（RGB,50）是将一个常数50加到RGB图像上,即使图像的灰度级增强了50，如图9所示，以此类推，图10为灰度级增强了100的图像。例3图像减法运算I=imread('skull.tif');%读取图像imshow(I)%显示图像background=imopen(I,strel('disk',15));%估计圆盘半径为15的背景图像figure,imshow(background);%显示背景图I2=imsubtract(I,background);%从原始图像中减去不均匀的背景图运行结果：图11skull原图图12背景图图13减去背景图后的图像分析：1）imopen开运算属于形态图像处理，是先腐蚀后膨胀，可以使边界平滑，消除尖刺，断开窄小的连接，保持面积大小不变；strel是用于构建结构元素对象，imopen(I,strel('disk',15))就是构建圆盘半径为15的背景图，如图12所示；2）imsubtract函数是用于两幅图像的相减运算，如图13所示，减去不均匀的部分后，医学图像处理第5页共10页图像变得更加平滑。例4图像的乘法运算I=imread('skull.tif');%读取图像J=immultiply(I,1.2);%图像的乘法，缩放因子是1.21，增强图像的亮度K=immultiply(I,0.5);%图像的乘法，缩放因子是0.51，减小图像的亮度imshow(I)%显示原图像figure,imshow(J)%显示亮度增强图像figure,imshow(K)%显示亮度减小图像运行结果：图14skull原图图15亮度增强后的图像图16亮度减小后的图像分析：1）乘法运算可以实现掩模操作，即屏蔽掉图像的某些部分2）一幅图像乘以一个常数通常被称为缩放。immultiply(I,1.2)，使用的缩放因数大于1，那么将增强图像的亮度，如图15所示；immultiply(I,0.5)中的因数小于1则会使图像变暗，如图16所示。例5图像除法运算I=imread('skull.tif');%读取原图像J=double(I)*0.43+80;%利用该函数对输出图像进行处理，是对比度减小，图像变暗J=uint8(J);%转换成uint8K=imdivide(I,J);%除法运算imshow(I)%显示原图像figure,imshow(J)%显示对比度减小的图像figure,imshow(K)%显示灰度级相除后的图片运行结果：医学图像处理第6页共10页图17skull原图图18对比度减小的图片图19灰度级相除后的图片分析：1）J=double(I)*0.43+80是将skull图像转换为double型再对其进行灰度变换运算，使其灰度级减小，如图18所示；2）imdivide(I,J)要求I和J数据类型一致，因此在进行此运算时，须先将double型的J转换为uint8，两幅图像的灰度级相除后的到的结果为[0,1]，因为其灰度级极其相近且小，肉眼无法分辨，故我们所看到的输出图像几近与纯黑色，如图19所示；3）除法运算是用于校正成像设备的非线性影响。例6图像的几何运算I=imread('skull.tif');%读取图像J=imresize(I,1.25);%返回图像J,其长宽是图像I的长宽的1.25倍，即放大图像K=imresize(I,0.8);%返回图像K,其长宽是图像I的长宽的0.8倍，即缩小图像imshow(I)%显示原图figure,imshow(J)%显示尺寸放大的图像figure,imshow(K)%显示尺寸减小的图像Y=imresize(I,[100,150]);%返回图像Y，高度为100，宽度为150figure,imshow(Y)%显示150100的图像运行结果：图20skull的原图像图21尺寸放大的图像图22尺寸减小的图像图23150100的图像分析：1）imresize函数可改变图像输出图像的大小，J=imresize(I,1.25)为返回图像J,其长宽是图像I的长宽的1.25倍，即放大图像，如图21所示；K=imresize(I,0.8)为返回图像K,其长宽是图像I的长宽的0.8倍，即缩小图像，如图22所示；2）Y=imresize(I,[100,150])是直接指定输出图像真实的大小，即返回图像Y，高度为100，医学图像处理第7页共10页宽度为150。例7旋转一幅图像I=imread('skull.tif');%读取图像J=imrotate(I,30,'bilinear');%将图像skull绕图像的中心点旋转30度J1=imrotate(I,30,'bilinear','crop');%crop：通过对旋转后的图像进行裁剪，保持旋转后输出图像J1的尺寸和输入图像skull的尺寸一样。imshow(I)%显示原图figure,imshow(J)%显示逆时针旋转30度的图像figure,imshow(J1)%显示裁剪后的图像J2=imrotate(I,-15,'bilinear');%将图像顺时针旋转15度，进行双线性插值figure,imshow(J2)%显示顺时针旋转15度的图像运行结果：图24skull的原图像图25逆时针旋转o30的图像图26裁剪后的图像图27顺时针旋转o15的图像分析：1）Imrorate(x，n)是用于对图像进行旋转的函数，其中X若为正数则表示逆时针旋转，数则表示顺时针旋转；J=imrotate(I,30,'bilinear')表示逆时针旋转30度，如图25所示；其中bilinear为双线性插值，在两个方向分别进行一次线性插值；J2=imrotate(I,-15,'bilinear')则表示顺时针旋转15度，如图27所示；2）J1=imrotate(I,30,'bilinear','crop')中的crop是通过对旋转后的图像进行裁剪，保持旋转后输出图像J1的尺寸和输入图像skull的尺寸一样，如图26所示。医学图像处理第8页共10页例8图像剪切%通过交互操作，从一幅图像中剪切一个矩形区域。I=imread('skull.tif');%读取图像imshow(I);%显示图像II1=imcrop;%对图像进行自由地剪切操作figure,imshow(I1)%显示图像I1I2=imcrop(I,[3060120160]);%剪切图像I,坐标（30，60）往下120*160的图像figure,imshow(I2)%显示图像I2运行结果：图28skull的原图像图29手动剪切后的图像图30定义剪切后的图像分析：1）imcrop用于返回图像的一个裁剪区域，但其也允许用户自己以交互方式使用鼠标选定要剪切的区域；因此如图29所示，为我们自己手动剪切的图像；I2=imcrop(I,[3060120160])为剪切横坐标30-60，纵坐标60-160的图像区域，如图30所示。例9图像的领域操作I=imread('skull.tif');%读取原图f=inline('max(x(:))');%定义一个取最大值的函数f，构造复合函数I2=nlfilter(I,[33],f);%对图像I的每一个3*3滑块应用函数f，滑动邻域操作imshow(I)%显示原图figure,imshow(I2)%显示进行滑动邻域操作的图像I=imread('skull.tif');%读取原图f=inline('uint8(round(mean2(x)*ones(s