三．实验原理：
通过matlab工具箱来进行图像处理
四．实验步骤
1.双击桌面上的matlab图标，打开matlab软件
2.了解菜单栏、工具栏、状态栏、命令窗口等
如下图1-1所示
图 1-1
3.了解帮助文档help中演示内容demo有哪些；
步骤如下图1-2
打开help内容demo后，里面的工具箱如图所示。
三．实验原理：
通过matlab工具箱来进行图像处理，通过输入MATLAB可以识别的语言命令来让MATLAB执行命令，实现图像特征提取。
四.实验步骤及结果
1.双击MATLAB图标打开MATLAB软件；
2.单击help/Demos打开帮助中的演示；
3.找到Image Processing工具箱中的图像特征提取，如图3-1所示
shadow_histeq(:,:,1) = histeq(L)*max_luminosity;
shadow_histeq = applycform(shadow_histeq, lab2srgb);
shadow_adapthisteq = shadow_lab;
shadow_adapthisteq(:,:,1) = adapthisteq(L)*max_luminosity;
通过这几个程序输入的执行结果比较我们就可以看出哪一个方法的增强效果是我们所需要的，当然我们也可以根据自己的需要来选择哪一种方法。
实验三
一．实验名称
图像特征提取
二．实验内容
1.了解图像特征提取的方法；
2.利用matlab软件，编程实现图像中长度、角度、半径、边界等特征的提取测量；
3.通过程序的调试，初步了解图像特征提取命令的使用方法。
图3-1
在图像特征提取的下面有：
找到一个摆在运动的长度
雪花的粒度
识别圆形物体
识别圆形的物体
在灰度图像测量区域
测量带卷的半径
六个应用实例，本次实验选取一个：测量带卷的半径。进行试验。
我们的目标是测量辊的带，这是部分地由磁带分配器遮蔽的半径。将利用bwtraceboundary来完成这个任务。
分为五个步骤：
shadow_adapthisteq = applycform(shadow_adapthisteq, lab2srgb);
figure, imshow(shadow);
title('Original');
figure, imshow(shadow_imadjust);
title('Imadjust');
图1-3
4.找到工具箱类里面的Image Processing工具箱，并进行初步学习，为后续实验做准备。找到并打开Image Processing工具箱，窗口如图1-4，图1-5所示
图 1-4
图 1-5
五.实验总结和分析
通过实验前的理论准备和老师的讲解，对matlab有了一定认识，在实验中，了解了实际操作中的步骤以及matlab中的图像处理工具箱及其功能，为后续的学习打下了基础，并把理论与实际相结合，更加深入的理解图像处理。
title('Imadjust');
结果如图2-3所示
图2-3
figure, imshow(pout_histeq);
title('Histeq');
figure, imshow(pout_adapthisteq);
title('Adapthisteq示的
*步骤1：阅读图像
RGB = imread('tape.png');
imshow(RGB);
text(15,15,'Estimate radius of the roll of tape',...
'FontWeight','bold','Color','y')
图3-2
*步骤2：阈值图像
I = rgb2gray(RGB);
结果如图5-7所示
图5-7
figure, imshow(shadow_histeq);
title('Histeq');
figure, imshow(shadow_adapthisteq);
title('Adapthisteq');
结果如图5-8所示
图5-8
五.实验总结和分析
对比度增强技术：图像处理工具箱™包含了多种图像增强程序。三种功能特别适合用于对比度增强：imadjust，histeq和adapthisteq。这个演示比较了它们的使用增强灰度和真彩色图像。
connectivity = 8;
num_points = 180;
contour = bwtraceboundary(BW, [row, col], 'N', connectivity, num_points);
imshow(RGB);
hold on;
plot(contour(:,2),contour(:,1),'g','LineWidth',2);
四.实验步骤及结果
1.双击MATLAB图标打开MATLAB软件；
2.单击help/Demos打开帮助中的演示；
3.找到Image Processing工具箱中的图像增强，如图2-1所示
图2-1
4.点击Contrast Enhancement Techniques和Contrast Enhancement Techniques即对比度增强技术，结果如图2-1所示
Xfit = radius*cos(theta) + xc;
Yfit = radius*sin(theta) + yc;
plot(Xfit, Yfit);
message = sprintf('The estimated radius is %2.3f pixels', radius);
a = abc(1); b = abc(2); c = abc(3);
% calculate the location of the center and the radius
xc = -a/2;
yc = -b/2;
radius = sqrt((xc^2+yc^2)-c)
% display the calculated center
shadow_imadjust = shadow_lab;
shadow_imadjust(:,:,1) = imadjust(L)*max_luminosity;
shadow_imadjust = applycform(shadow_imadjust, lab2srgb);
shadow_histeq = shadow_lab;
实验报告
课程名称：机器视觉与图像处理
班级：自动F1202
姓名：
学号：
实验时间：2015.2.23
实验一
一．实验名称
Matlab软件的使用
二．实验内容
1.打开MATLAB软件，了解菜单栏、工具栏、状态栏、命令窗口等；
2.了解帮助文档help中演示内容demo有哪些；
3.找到工具箱类里面的Image Processing工具箱，并进行初步学习，为后续实验做准备。
threshold = graythresh(I);
BW = im2bw(I,threshold);
imshow(BW)
图3-3
*步骤3：提取初始边界点位置
dim = size(BW);
col = round(dim(2)/2)-90;
row = find(BW(:,col), 1);
图3-4
*步骤4：跟踪的边界
plot(xc,yc,'yx','LineWidth',2);
% plot the entire circle
theta = 0:0.01:2*pi;
% use parametric representation of the circle to obtain coordinates% of points on the circle
实验二
一．实验名称
图像的增强技术
二．实验内容
1.了解图像增强技术/方法的原理；
2.利用matlab软件，以某一用途为例，实现图像的增强；
3.通过程序的调试，初步了解图像处理命令的使用方法。
三．实验原理：
通过matlab工具箱来进行图像处理，通过输入MATLAB可以识别的语言命令来让MATLAB执行命令，实现图像的增强。
[X map] = imread('shadow.tif');
shadow = ind2rgb(X,map); % convert to truecolor
Step 2: Resize Images：为了使图像比较容易，调整大小的图像，以具有相同的宽度。通过缩放的高度保存其长宽比。
Step 3: Enhance Grayscale Images使用默认设置，比较以下三种方法的效果：* imadjust增加图像的通过映射的输入强度图像的值，以使得，在默认情况下，数据的1％是饱和的，在输入数据的低和高强度的新值的对比度。 * histeq进行直方图均衡化。它增强图像的由在强度图像变换的值，使得输出图像的直方图大致指定直方图（均匀分布默认）匹配对比度。 * adapthisteq执行对比度限制的自适应直方图均衡。不像histeq，它作用于小数据区（瓦），而不是整个图像。每个瓦片的对比度被增强，使得每个输出区的直方图大致指定直方图（均匀分布默认情况下）相匹配。对比度增强可以以避免扩增这可能是存在于图像中的噪声的限制。