图像处理实验报告1

太原理工大学现代科技学院

数字图像处理课程实验报告

实验名称空域图像增强技术 专业班级通信工程09-01班 学号 姓名 指导教师

太原理工大学现代科技学院

数字图像处理课程实验报告

实验名称图像几何变换 专业班级通信工程09-01班 学号 姓名 指导教师

太原理工大学现代科技学院

数字图像处理课程实验报告

实验名称 频域图像增强技术 专业班级通信工程09-01班 学号 姓名 指导教师

太原理工大学现代科技学院

数字图像处理课程实验报告

实验名称图像分割 专业班级通信工程09-01班 学号 姓名 指导教师

实验一、空域图像增强技术

一、实验目的

1理解和掌握图像的线性变换和直方图均衡化的原理和应用；

2了解平滑处理的算法和用途，学习使用均值滤波、中值滤波和拉普拉斯锐化进行图像增强处理的程序设计方法；

3 了解噪声模型及对图像添加噪声的基本方法。

二、实验原理

1、灰度线性变换就是将图像中所有点的灰度按照线性灰度变换函数进行变换。

g(x,y)T[f(x,y)]

0f(x,y)af(x,y)g(x,y)[f(x,y)a]ga af(x,y)b[f(x,y)b]gbf(x,y)255bx1,2,,m, y1,2,n

2、直方图均衡化通过点运算将输入图像转换为在每一级上都有相等像素点数的输出图像。按照图像概率密度函数PDF的定义：

pr(rk)nk k0,1,2,...,L1n

kk通过转换公式获得：

skT(rk)pr(rj)j0j0njn k0,1,2,...,L1

3、均值（中值）滤波是指在图像上，对待处理的像素给定一个模板，该模板包括了其周围的临近像素。将模板中的全体像素的均值（中值）来代替原来像素值的方法。

4、拉普拉斯算子如下：

111181111

拉普拉斯算子首先将自身与周围的8个像素相减，表示自身与周围像素的差异，再将这个差异加上自身作为新像素的灰度。

三、 实验步骤

1、启动MATLAB程序，对图像文件分别进行灰度线性变换、直方图均衡化、均值滤波、中值滤波和梯度锐化操作。观察处理结果。

2、记录和整理实验报告

四、实验仪器

1、计算机； 2、MATLAB程序； 3、记录用的笔、纸。

五、实验报告内容

叙述实验过程并提交实验原始图像和结果图像。 对图像文件分别进行灰度线性变换 >> I=imread('pout.tif'); imshow(I); I=double(I); [M,N]=size(I); >>for i=1:M for j=1:N if I(i,j)<=30 I(i,j)=I(i,j); elseif I(i,j)<=150

I(i,j)=(200-30)/(150-30)*(I(i,j)-30)+30; else

I(i,j)=(255-200)/(255-150)*(I(i,j)-150)+200; end end end

figure(2);imshow(uint8(I))

3 直方图均衡均值滤波 I=imread('circuit.tif'); figure

subplot(221); imshow(I); subplot(222); imhist(I); >> I1=histeq(I); figure;

subplot(222); imshow(I1) subplot(221); imshow(I1) subplot(222); imhist(I1) >>

150010005000050100150200250

4 用图像平均减少随即噪声 >> I=imread('tire.tif'); [M,N]=size(I); II1=zeros(M,N); >>for i=1:16 II(:,:, i)=imnoise(I,'gaussian',0,0.01); II1=II1+double(II(:,:, i)); if or(or(i==1,i==4),or(i==8,i==16)); figure;

imshow(uint8(II1/i)); end end

10008006004002000050100150200250

中值滤波减小随即噪声

>> I=imread('eight.tif');

>> I=imread('eight.tif');

>> J=imnoise(I,'salt& pepper',0.02);

subplot(231), imshow(I); title('原图像');

subplot(232), imshow(J); title('添加椒盐噪声图像') k1=medfilt2(J);

>> k2=medfilt2(J,[5 5]); >> k3=medfilt2(J,[7 7]); >> k4=medfilt2(J,[9 9]);

>> subplot(233), imshow(k1); title('3x3模板中值滤波') >> subplot(234), imshow(k2); title('5x5模板中值滤波') >> subplot(235), imshow(k3); title('7x7模板中值滤波') >> subplot(236), imshow(k4); title('9x9模板中值滤波')

原图像添加椒盐噪声图像3x3模板中值滤波5x5模板中值滤波7x7模板中值滤波9x9模板中值滤波

梯度锐化操作观察

>> I=imread('cameraman.tif'); subplot(131), imshow(I) H=fspecial('Sobel'); H=H';

TH=filter2(H, I);

subplot(132); imshow(TH,[]); H=H';

TH=filter2(H, I);

subplot(133); imshow(TH,[])

六、思考题

1、设定不同的斜率值和截距，显示效果会怎样？

答：通过调整分段直线的斜率，可以对任意灰度区间进行扩展和压缩。 2、直方图均衡化是什么意思？它的主要用途是什么？

答：直方图均衡化是图像处理领域中利用图像直方图对对比度进行调整的方法。这种方法通常用来增加许多图像的局部对比度，尤其是当图像的有用数据的对比度相当接近的时候。通过这种方法，亮度可以更好地在直方图上分布。这样就可以用于增强局部的对比度而不影响整体的对比度，直方图均衡化通过有效地扩展常用的亮度来实现这种功能。

3、均值（中值）滤波的模板大小对处理效果有什么影响？ 答：模板逐渐变大，图像变得越模糊，但图像边界改变较小。