实验一图像处理基本操作

实验一图像处理基本操作

一、 实验目的

1、熟悉并掌握在MATLAB中进行图像类型转换及图像处理的基本操作。

2、熟练掌握图像处理中的常用数学变换。

二、实验设备

1、计算机1台

2、MATLAB软件1套

3、实验图片

三、实验原理

1、数字图像的表示和类别

一幅图像可以被定义为一个二维函数f(x,y)，其中x和y是空间(平面)坐标，f在坐标(x,y)处的幅度称为图像在该点的亮度。灰度是用来表示黑白图像亮度的一个术语，而彩色图像是由若干个二维图像组合形成的。例如，在RGB彩色系统中，一幅彩色图像是由三幅独立的分量图像(红、绿、蓝)组成的。因此，许多为黑白图像处理开发的技术也适用于彩色图像处理，方法是分别处理三幅独立的分量图像即可。

图像关于x和y坐标以及幅度连续。要将这样的一幅图像转化为数字形式，就要求数字化坐标和幅度。将坐标值数字化称为取样，将幅度数字化称为量化。采样和量化的过程如图1所示。因此，当f的x、y分量和幅度都是有限且离散的量时，称该图像为数字图像。

作为MATLAB基本数据类型的数组十分适于表达图像，矩阵的元素和图像的像素之间有着十分自然的对应关系。

图1 图像的采样和量化

图1 采样和量化的过程

根据图像数据矩阵解释方法的不同，MATLAB把其处理为4类：

?亮度图像(Intensity images)

?二值图像(Binary images)

?索引图像(Indexed images)

? RGB图像(RGB images)

(1) 亮度图像

一幅亮度图像是一个数据矩阵，其归一化的取值表示亮度。若亮度图像的像素都是uint8类型或uint16类型，则它们的整数值范围分别是[0，255]和[0，65536]。若图像是double 类型，则像素取值就是浮点数。规定双精度double型归一化亮度图像的取值范围是[0 1]。

(2) 二值图像

一幅二值图像是一个取值只有0和1的逻辑数组。而一幅取值只包含0和1的uint8

类型数组，在MATLAB中并不认为是二值图像。使用logical函数可以把数值数组转化为逻辑数组。创建一个逻辑图像，其语法为：

B=logical(A)

其中，A是由0和1构成的数值数组。

(3) 索引图像

索引颜色通常也称为映射颜色，在这种模式下，颜色都是预先定义的，并且可供选用的一组颜色也很有限，索引颜色的图像最多只能显示256种颜色。

一幅索引颜色图像在图像文件里定义，当打开该文件时，构成该图像具体颜色的索引值就被读入程序里，然后根据索引值找到最终的颜色。

(4) RGB图像

一幅RGB图像就是彩色像素的一个M×N×3数组，其中每一个彩色像素点都是在特定空间位置的彩色图像相对应的红、绿、蓝三个分量。按照惯例，形成一幅RGB彩色图像的三个图像常称为红、绿和蓝分量图像。

2、数据类型

表1列出了MATLAB为表示像素所支持的各种数据类型。表中前8项称为数值数据类型，第9项称为字符类型，最后一项称为逻辑数据类型。

表1 数据类型

名称描述

double 双精度浮点数，范围：-10308 ~ 10308

uint8 无符号8 bit整数，范围：0 ~ 255

uint16 无符号16 bit整数，范围：0 ~ 65536

uint32 无符号32 bit整数，范围：0 ~ 4294967295

int8 有符号8 bit整数，范围：-128 ~ 127

int16 有符号16 bit整数，范围：-32768 ~ 32767

int32 有符号32 bit整数，范围：-2147483648 ~ 2147483647

single 单精度浮点数，范围为：-10308 ~ 10308

char 字符

logical 值为0或1

3、图像文件的读、写和显示

(1) 读图像

imread函数用于读入各种图像文件，其一般的用法为

[X，MAP]=imread( ‘filename’, ‘fmt’)

其中，X为读出的图像数据，MAP为颜色表数据（或称调色板，亦即颜色索引矩阵，对灰度图像和RGB彩色图像，该MAP为空矩阵），fmt为图像的格式（可以缺省），filename 为读取的图像文件（可以加上文件的路径）。

例：[X，MAP]=imread(‘flowers.tif’, ‘tif’)

(2) 写图像

imwrite函数用于输出图像，其语法格式为：

imwrite(X, MAP, filename, fmt)

imwrite(X, MAP, filename, fmt) 按照fmt指定的格式将图像数据矩阵X和调色板MAP 写入文件filename。

(3) 显示图像

MATLAB图像处理工具箱提供了imshow函数来显示各种图像，其语法如下：imshow(I, n)

或imshow(I_BW)；imshow(X, MAP)；imshow(I_RGB)

其中imshow(I, n)用于显示灰度图像，I是图像数据矩阵，n为灰度级数目（n可缺省，缺省值为256）。其它的分别用于显示二值图像、索引色图像和RGB真彩色图像。另外，对RGB彩色图像，还可以用imshow( RGB(:, :, 1) )、imshow( RGB(:, :, 2) )、imshow( RGB(:, :, 3) )分别显示RGB图像的R、G、B三个分量（注意：这样显示出的图像是以各分量值为对应的灰度值所显示的灰度图像）。

需要显示多幅图像时，可以使用figure语句，它的功能就是打开一个新的图像显示窗口。也可以使用subplot函数将多幅图像显示在同一个图像显示窗口的不同区域位置。

例：

I=imread(‘rice.tif’);

imshow(I);

J=imread(‘flowers.tif’);

figure, imshow(J);

4、图像类型的转化

图像的类型主要有二值图像、灰度图像、索引图像和RGB彩色图像。一幅图像的类型可以根据读入的图像数据的特点加以判断。假设图像“flowers.tif”的大小为N×M，读取图像[X，MAP]=imread（’flowers.tif’, ’tif’）。对灰度图像来说：X为N×M矩阵、MAP为空矩阵；对索引图像：X为N×M矩阵，而MAP不是空矩阵，一般为256×3矩阵；对RGB图像：X为N×M×3三维矩阵，MAP为空矩阵。另外根据用imfinfo函数读取的图像文件的有关信息也可以确定图像的类型。图像类型之间的转换有时非常有用。表2是MATLAB提供的图像类型转换函数。

表2 MATLAB提供的图像类型转换函数

函数功能

dither 使用抖动方法，将灰度图像变成二值图像或由RGB图像创建索引图像gray2ind 根据一幅灰度图像创建索引图像

grayslice 使用阈值截取方法，根据一幅灰度图像创建索引图像

im2bw 使用阈值截取法，将灰度图像、索引图像或RGB图像转换为二值图像

ind2gray 根据一幅索引图像创建一幅灰度图像

ind2rgb 根据一幅索引图像创建一幅RGB图像

mat2gray 通过数据缩放，在根据矩阵数据创建一幅灰度图像

rgb2gray 根据一幅RGB图像创建一幅灰度图像

rgb2ind 根据一幅RGB图像创建一幅索引图像

上表中函数有类似的调用格式：函数的输入参数是图像数据矩阵（如果是索引图像，那么输入参数还包括调色板），返回值是转换后的图像（包括索引图像的调色板），只有函数im2bw的调用格式不同，其输入参数中还包括一个截取阈值，超过此阈值的像素被截取为1否则为0。

如：“[I_RGB, MAP]=imread('flowers.tif'); I_GRAY=rgb2gray(I_RGB);”将RGB图像转换为灰度图像。

5、代数运算

设定A(x,y)和B(x,y)为输入图像，C(x,y)为输出图像。

(1) 加法运算

C ( x , y ) = A ( x , y ) + B ( x , y )

(2) 减法运算

C ( x , y ) = A ( x , y ) —B ( x , y )

(3) 乘法运算

C ( x , y ) = A ( x , y ) ×B ( x , y )

(4) 除法运算

C ( x , y ) = A ( x , y ) / B ( x , y )

图像相加的一个重要应用是对同一场景的多幅图像求平均值。这点被经常用来有效地降低加性随机噪声的影响。在求平均值的过程中，图像的静止部分不会改变，而对每一幅图像，各不相同的噪声图案则累积很慢。对M幅图像进行平均，使图像中每一点的平方信噪比提高了M倍，幅度信噪比是功率信噪比的平方根，因此达到了提高信噪比降低噪声的作用。在MATLAB中，可人为地往一幅图像中加入随机噪声，并通过多次相加求平均的方法降低所加入的噪声对图像的影响。

MATLAB中提供了给图像加入噪声的函数imnoise，imnoise的语法格式为J = imnoise(I, type)

J = imnoise(I, type, parameters)

其中J = imnoise(I, type)返回对原始图像I添加典型噪声的有噪图像J。参数type和parameters 用于确定噪声的类型和相应的参数。

例：

I = imread('eight.tif');

J1 = imnoise(I, 'gaussian', 0, 0.02);

J2 = imnoise(I, 'salt & pepper', 0.02);

J3 = imnoise(I, 'speckle', 0.02);

subplot(2,2,1), imshow(I), title('原图像');

subplot(2,2,2), imshow(J1), title('加高斯噪声');

subplot(2,2,3), imshow(J2), title('加椒盐噪声');

subplot(2,2,4), imshow(J3), title('加乘性噪声');

代数运算中需要有若干幅带有随机噪声的图像数据，在这里我们运用MATLAB中的FOR循环语句来完成产生多幅带有噪声的图像数据及将这些图像数据进行相加运算。MATLAB中FOR END循环的用法如下：

for end循环

这种循环允许一组命令以固定的和预定的次数重复，循环的一般形式为：for variable = expression

statements

end

例：图像加噪声再通过多次相加求平均的方法去除噪声

[I, M] = imread('eight.tif');

J = imnoise(I, 'gaussian', 0, 0.02);

subplot(1,2,1), imshow(I), title('原图像');

subplot(1,2,2), imshow(J), title('加噪声后图像');

[m, n] = size(I);

K = zeros(m, n);

for i = 1 : 100

J = imnoise(I, 'gaussian', 0, 0.02);

J1 = im2double(J);

K = K + J1;

end

K = K / 100; %求图像的平均

figure; imshow(K), title('相加求平均后的图像');

6、几何运算

(1) 图像的缩放

MATLAB图像处理工具箱中的函数imresize可以用上述的三种方法对图像进行插值缩放，如果不指定插值方法，则默认为最邻近插值法。

imresize函数的语法格式为：

B = imresize(A, m, ‘method’)

上式返回原图像A的m倍放大的图像（m小于1时效果是缩小）。这里参数’method’用于指定插值的方法，可选用的值为'nearest'（最邻近法），'bilinear'（双线性插值），'bicubic'（双三次插值），默认为'nearest'。

例：I = imread('ic.tif');

J = imresize(I, 1.25);

imshow(I), title('原图像')

figure,imshow(J), title('放大后的图像')

(2) 图像的旋转

在工具箱中的函数imrotate可用上述三种方法对图像进行插值旋转，默认的插值方法也是最邻近插值法。

imrotate的语法格式为：

B = imrotate(A, angle, ‘method’)

函数imrotate对图像进行旋转，参数’method’用于指定插值的方法，可选用的值为'nearest'（最邻近法），'bilinear'（双线性插值），'bicubic'（双三次插值），默认为'nearest'。一般说来旋转后的图像会比原图大，超出原图部分值为0。

例：I = imread('rice.tif');

J = imrotate(I, 30, 'bilinear');

imshow(I); title('原图像')

figure, imshow(J); title('旋转后的图像')

7、离散傅立叶变换

(1) fft2

fft2函数用于计算二维快速傅立叶变换，其语法格式为：

B = fft2(I)

B = fft2(I)返回图像I的二维fft变换矩阵，输入图像I和输出图像B大小相同。

例如，计算图像的二维傅立叶变换，并显示其幅值的结果，其命令格式如下

load imdemos saturn2

figure; imshow(saturn2)

B = fftshift(fft2(saturn2));

figure; imshow(log(abs(B)),[],'InitialMagnification','fit')

(2) fftshift

MATLAB提供的fftshift函数用于将变换后的图像频谱中心从矩阵的原点移到矩阵的中心，其语法格式为：

B = fftshift(I)

对于矩阵I，B = fftshift(I)将I的一、三象限和二、四象限进行互换。

(3) ifft2

ifft2函数用于计算图像的二维傅立叶反变换，其语法格式为：

B = ifft2(I)

B = ifft2(I)返回图像I的二维傅立叶反变换矩阵，输入图像I和输出图像B大小相同。其语法格式含义与fft2函数的语法格式相同，可以参考fft2函数的说明。

例如，在上一个例子基础上进行二维傅立叶反变换

A=ifft2(ifftshift(B));

figure;imshow(uint8(A));

四、 实验内容

1、读取并显示一幅tif格式的图像(cameraman.tif)，并将新图像存储成bmp, png格式并显示出来。

2、读取一幅RGB彩色图像(greens.jpg)，在同一窗口输出原图像及R、G、B三个分量图像。

3、读取一幅RGB彩色图像(greens.jpg)，将其转换为灰度图像保存为tif格式，并在同一窗口显示原图像与灰度图像；将得到灰度图像转化为二值图像，并对其进行取反操作，在同一窗口显示灰度图、二值图像、二值图像取反后的图像。

4、读取两幅tif格式的图像(AT3_1m4_01.tif和AT3_1m4_02.tif)，进行加，减，乘，除运算，并显示原图像与运算结果。

5、读取一幅tif格式的图像(eight.tif)，加入高斯白噪声后得到有噪声的图像，将该含噪声的图像和原图显示在同一窗口进行比较。运用for循环，将100幅加有随机高斯噪声的图像进行相加求其平均值，并显示去噪结果。

6、读取一幅tif格式的图像(ic.tif)，将图像放大1.5倍，插值方法使用三种不同方法。分别在不同的窗口显示原图及三种不同插值方法放大后的图像。

7、读取一幅tif格式的图像(rice.tif)，将图像旋转60度，插值方法使用三种不同方法中的任意一种。分别在不同的窗口显示原图及旋转后的图像。

8、读取一幅灰度图像，显示这幅图像，对图像作傅立叶变换，显示频域幅度图像。作傅立叶逆变换，显示图像，看是否与原图像相同。