当前位置:文档之家› 东南大学数字图像处理实验报告

东南大学数字图像处理实验报告

数字图像处理实验报告学号:04211734姓名:付永钦日期:2014/6/71.图像直方图统计①原理:灰度直方图是将数字图像的所有像素,按照灰度值的大小,统计其所出现的频度。

通常,灰度直方图的横坐标表示灰度值,纵坐标为半个像素个数,也可以采用某一灰度值的像素数占全图像素数的百分比作为纵坐标。

②算法:clear allPS=imread('girl-grey1.jpg'); %读入JPG彩色图像文件figure(1);subplot(1,2,1);imshow(PS);title('原图像灰度图');[m,n]=size(PS); %测量图像尺寸参数GP=zeros(1,256); %预创建存放灰度出现概率的向量for k=0:255GP(k+1)=length(find(PS==k))/(m*n); %计算每级灰度出现的概率endfigure(1);subplot(1,2,2);bar(0:255,GP,'g') %绘制直方图axis([0 255 min(GP) max(GP)]);title('原图像直方图')xlabel('灰度值')ylabel('出现概率')③处理结果:原图像灰度图1002000.0050.010.0150.020.0250.030.0350.04原图像直方图灰度值出现概率④结果分析:由图可以看出,原图像的灰度直方图比较集中。

2. 图像的线性变换①原理:直方图均衡方法的基本原理是:对在图像中像素个数多的灰度值(即对画面起主要作用的灰度值)进行展宽,而对像素个数少的灰度值(即对画面不起主要作用的灰度值)进行归并。

从而达到清晰图像的目的。

②算法:clear all%一,图像的预处理,读入彩色图像将其灰度化PS=imread('girl-grey1.jpg');figure(1);subplot(2,2,1);imshow(PS);title('原图像灰度图');%二,绘制直方图[m,n]=size(PS); %测量图像尺寸参数GP=zeros(1,256); %预创建存放灰度出现概率的向量for k=0:255GP(k+1)=length(find(PS==k))/(m*n); %计算每级灰度出现的概率endfigure(1);subplot(2,2,2);bar(0:255,GP,'g') %绘制直方图axis([0 255 min(GP) max(GP)]);title('原图像直方图')xlabel('灰度值')ylabel('出现概率')%三,直方图均衡化S1=zeros(1,256);for i=1:256for j=1:iS1(i)=GP(j)+S1(i); %计算SkendendS2=round((S1*256)+0.5); %将Sk归到相近级的灰度for i=1:256GPeq(i)=sum(GP(find(S2==i))); %计算现有每个灰度级出现的概率endfigure(1);subplot(2,2,4);bar(0:255,GPeq,'b') %显示均衡化后的直方图axis([0 255 min(GPeq) max(GPeq)]);title('均衡化后的直方图')xlabel('灰度值')ylabel('出现概率')%四,图像均衡化PA=PS;for i=0:255PA(find(PS==i))=S2(i+1); %将各个像素归一化后的灰度值赋给这个像素endfigure(1);subplot(2,2,3);imshow(PA) %显示均衡化后的图像title('均衡化后图像')imwrite(PA,'PicEqual.bmp');③处理结果:原图像灰度图10020000.010.020.030.04原图像直方图灰度值出现概率010020000.010.020.030.04均衡化后的直方图灰度值出现概率均衡化后图像④结果分析:通过原始图像和均衡化后的图像对比,均衡化后图像由彩色图像变为了灰度图像。

原始图像直方图与均衡化后直方图对比,均衡化后的直方图灰度值更加平均,在整幅图像中不在集中。

3. 图象平滑消噪处理①原理:图像的平滑方法是一种实用的图像处理技术,能减弱或消除图像中的高频率分量,但不影响低频率分量。

因为高频率分量主要对应图像中的区域边缘等灰度值具有较大较快变化的部分,平滑滤波将这些分量滤去可减少局部灰度起伏,使图像变得比较平滑。

实际应用中,平滑滤波还可用于消除噪声,或者在提取较大目标前去除过小的细节或将目标内的小间断连接起来。

它的主要目的是消除图像采集过程中的图像噪声,在空间域中主要利用邻域平均法、中值滤波法和选择式掩模平滑法等来减少噪声;在频率域内,由于噪声主要存在于频谱的高频段,因此可以利用各种形式的低通滤波器来减少噪声。

②算法:clear all;x=imread('smooth_Gauss.jpg'); n=5;a(1:n,1:n)=1; %a 即n×n 模板,元素全是1[height, width]=size(x); %hight>n,width>nx1=double(x);x2=x1;for i=1:height-n+1for j=1:width-n+1c=x1(i:i+(n-1),j:j+(n-1)).*a;%取出x1中从(i,j)开始的n行n列元素与模板相乘s=sum(sum(c)); %求c矩阵中各元素之和x2(i+(n-1)/2,j+(n-1)/2)=s/(n*n);%将与模板运算后的各元素的均值赋给模板中心位置的元素endend%未被赋值的元素取原值d=uint8(x2);figure(1);subplot(1,2,1);imshow(x);title('原图像');figure(1);subplot(1,2,2);imshow(d);title('5*5模板均值滤波后的图像');③处理结果:原图像5*5模板均值滤波后的图像④结果分析:由图像可知,原图像的噪声得到了较好的消除。

实验结果比较理想。

4.彩色图象锐化处理①原理:图像平滑往往使图像中的边界、轮廓变得模糊,为了减少这类不利效果的影响,需要利用图像锐化技术,使图像的边缘变得清晰。

②算法:clear all;rgb = imread('acute.bmp');figure(1);subplot(2,2,1);imshow(rgb);title('原图');lapmatrix = [1 1 1; 1 -8 1; 1 1 1];I = imfilter(rgb, lapmatrix, 'replicate');figure(1);subplot(2,2,2);imshow(I);title('图像边缘锐化');I_sharp = double(rgb) - double(I);figure(1);subplot(2,2,3);imshow(uint8(I_sharp));title('锐化后的图像');③处理结果:原图图像边缘锐化锐化后的图像④结果分析:由处理后的图像与原图像对比,可以看出处理后的图像细节特征得到了增强,得到了较好的锐化效果。

5.中值滤波处理①原理:统计滤波器是一种非线性的空间滤波器,它的响应基于图像滤波器包围的图像区域中像素的排列,然后用统计排序结果决定的值代替中心像素的值。

统计滤波器中最常见的例子是中值滤波器,是将邻域内像素灰度的中值代替该像素的值。

对处理椒盐噪声非常有效。

②算法:clear all;x=imread('r.bmp');x=rgb2gray(x);n=5;[height, width]=size(x); %输入图像是p×q的,且p>n,q>nx1=double(x);x2=x1;for i=1:height-n+1for j=1:width-n+1c=x1(i:i+(n-1),j:j+(n-1));%取出x1中从(i,j)开始的n行n列元素,即模板(n×n的) e=c(1,:); %是c矩阵的第一行for u=2:ne=[e,c(u,:)]; %将c矩阵变为一个行矩阵endmm=median(e); %mm是中值x2(i+(n-1)/2,j+(n-1)/2)=mm;%将模板各元素的中值赋给模板中心位置的元素endend%未被赋值的元素取原值d=uint8(x2);figure(1);subplot(1,2,1);imshow(x);title('原图像');figure(1);subplot(1,2,2);imshow(d);title('5*5模板中值滤波后的图像');③处理结果:④结果分析:由处理后的图像可知,原图像中小猫脸上的圆圈得到了较好的消除。

6.伪彩色增强处理①原理:可以有多种方式实现从灰度空间到彩色空间的变换。

最简单的一种是把灰度图像的灰度级从0~255 分成255 个区间,给每个区间指定一种彩色。

这种方法较简单,但变换出的彩色有限。

从灰度空间到彩色空间的一种有代表性的变换方式是将源图像f(x,y)的灰度经红、绿、蓝3 种不同变换,变成3 基色的分量R(x,y)、G(x、y)、B(x、y),生成相应的彩色。

彩色的含量由变换函数而定。

还有一种伪彩色增强也可通过频率域处理来实现。

输入图像的傅立叶变换通过三个不同的滤波器被分成不同的频率分量,对各频率分量分别进行傅立叶逆变换,其结果进一步处理(如直方图均衡化或规定化),然后进行彩色合成就能得到增强后的彩色图像。

②算法:clear all;A=imread('pseudo.bmp');I=rgb2gray(A);I=double(I);[m,n]=size(I);L=256;R=zeros([m,n]);G=zeros([m,n]);B=zeros([m,n]);s1=find(I<=L/4); %0-L/4R(s1)=0;G(s1)=4*I(s1);B(s1)=L;s2=find(I<=L/2&I>L/4) ; %L/4-L/2R(s2)=0;G(s2)=L;B(s2)=-4*I(s2)+2*L;s3=find(L/2<I&I<=3*L/4); %L/2-3L/4R(s3)=4*I(s3)-2*L;G(s3)=L;B(s3)=0;s4=find(3*L/4<I&I<=L); %3L/4-LR(s4)=L;G(s4)=-4*I(s4)+4*L;B(s4)=0;out(:,:,1)=R;out(:,:,2)=G;out(:,:,3)=B;out=out/256;figure(1);subplot(1,2,1);imshow(A);title('原图像');figure(1);subplot(1,2,2);imshow(out);title('伪彩色增强后图像');③处理结果:原图像伪彩色增强后图像④结果分析:由处理后的图像可知,经过伪彩色增强后的图像给人的视觉刺激更为强烈。

相关主题