南邮工程制图实验报告

南邮工程制图实验报告

篇一：南京邮电大学图像实验

通信与信息工程学院

2016/2017学年第一学期

实验报告

实验课程名称数字图像处理与图像通信实验

专业电子信息工程

学生学号

学生姓名

指导教师谢世鹏

指导单位广播工程电视系

实验一图像信号的数字化

一、实验目的

通过本实验了解图像的数字化参数取样频率、量化级数与图像质量的关系。

二、实验内容

1、编写并调试图像数字化程序。要求参数k，N可调。其中，k为亚抽样比

例，N为量化比特数。

2、可选任意图像进行处理，在显示器上观察各种数字化参数组合下的图像效果。

三、实验方法及编程

在数字系统中进行处理、传输和存储图像，必须把代表图像的连续信号转变为离散信号，这种变换过程称为图像信号的数字化。它包括采样和量化两种处理。本实验对数字图像进行再采样和再量化，以考察人眼对数字图像的分辨率和灰度级的敏感程度。

程序的主体部分如下：

function newbuf=Sample_Quant%

% 函数名称：Sample_Quant 图像数字化算法函数

%oldbuf 原图像数组

%M N 原图像尺寸

% k 取样间隔

% n 量化比特值

%newbuf存放处理后的图像二维数组

[M,N]=size;

oldbuf=double;

x=1;y=1;

while x=N

y=1;

end

x=x+k;

end

四、实验结果及分析

实验截图如下：

由实验结果可以看出，亚抽样比例k 和量化比特数N对都会使图像变得模糊，但两者的影响是不相同的。

亚抽样比例k的大小决定了数字化图像的方块效应是否明显。当k较大时，数字化图像会有较为明显的块状出现，对于图像的视觉效果影响很大。

量化比特数N则决定了图像的灰度级，量化比特数为N时，图像有个2N 灰度级。所以当N较小时，图像会出现不规则的区域有着相同的灰度值的情况，但是这些区域在原图像中却有着差

别较小的不同的灰度值。特别是在原图的灰度渐变的区域，这种效应会变得尤为明显。

实验二图像灰度级修正

一、实验目的

掌握常用的图像灰度级修正方法，即图像的灰度变换法和直方图均衡化法，加深对灰度直方图的理解。

二、实验内容

1、编程实现图像的灰度变换。改变图像输入、输出映射的灰度参数范围，观看图像处理结果。

2、修改可选参数gamma值，使其大于1，等于1和小于1，观看图像处理结果。

3、对图像直方图均衡化处理，显示均衡前后的直方图和图像。

三、实验方法及编程

灰度级修正是图像空间域上的增强方法图像增强，它以图像的灰度映射变换为基础，直接对图像中的像素进行处理。常用到三种基本方式：线性，对数，

幂次。

程序的主体部分如下：

Function newbuf=GrayGamma

newbuf=imadjust,,r);

newbuf=uint8;

function newbuf=GrayEqualize

% 函数名称：

% GrayEqualize直方图均衡算法函数

% 参数：

%oldbuf 原图像数组

%newbuf 存放处理后的图像二维数组

[M,N]=size;

NN=M*N;sk=0;

[COUNTS,X]=imhist;

for i=1:M

for j=1:N

kk=double);

for k=1:kk

sk=sk+COUNTS;

end

sk=sk/NN*256;

newbuf=sk;

end

end

newbuf=uint8;

四、实验结果及分析

实验截图如下：

由实验结果可以看出，所选的测试图像的灰度值主要分布于低值的部分。经过无gamma值的灰度值变换后，直观地看出：分布于低值部分的直方图分散开来，分布于几乎所有的灰度值，但是对映于各个灰度值的像素个数分布仍是不均匀的。变换后的图像比原图显得明亮、清晰。

经过第二第三幅图像可以进一步看出：gamma值的灰度值变换则明显受gamma值的影响：当gamma值大于1时，直方图有向灰度为0的一端压缩的趋势，gamma越大，这种趋势越明显。此时的图像比原图清晰，但是原本偏暗的部分更加偏黑，原本较亮的部分则变得发白，

总体而言，图像偏暗的部分较多。当gamma值小于1时，其趋势与gamma值大于1相反，故整个图像显得发白。

直方图均衡后的图像也显得较为清晰、均匀。它能尽量将直方图变得均衡，分布也更为均匀，各个灰度值所对应的像素个数尽可能相同。

篇二：南邮08级图像实验报告

通信与信息工程学院

2011/2012学年第一学期

实验报告

实验课程名称数字图像处理与图像通信实验

专业电子信息工程学生学号B08020425 学生姓名席与曦指导教师刘瑜指导单位图像与广播电视系

日期：2011 年9 月 6 日

============================== ============================== ==================

实验名称：图像的锐化处理

一、实验目的：

学习用锐化处理技术来加强图像的目标边界和图像细节。对图像进行梯度算子、Roberts算子、Sobel算子边缘检测处理和Laplace算子边缘增强处理，是图像的某些特征得以进一步的增强及突出。

二、实验内容：

编写梯度算子和Roberts算子滤波函数。

编写Sobel算子滤波函数。

编写拉普拉斯边缘增强滤波函数。

三、实验方法及编程：

在实验中，我们对于这三种算子的算法，都有其各自对应的模板，根据这个模板我

们可以方便地编写出程序的主体结构。指导书中也有对应的流程框图可供参考，以下是程序的主体部分：

function newbuf=RobFilter;

%

********************************** ********************************** **** % 函数名称：% RobFilter % 说明：% ‘Robert梯度’滤波算法。

% ********************************** ********************************** **** for i=1:M-1

for j=1:N-1

newbuf=abs-oldbuf)+abs-

oldbuf);

end

end

%-------------------------------------------------------------------------

function newbuf=SobFilter;

% ********************************** ********************************** **** % 函数名称：% SobFilter

% 说明：

% ‘Sobel’滤波算法。

% ********************************** ********************************** **** for i=2:M-1

for j=2:N-1

sx=oldbuf+2*oldbuf+oldbuf- oldbuf-2*oldbuf-oldbuf;

sy=oldbuf+2*oldbuf+oldbuf-

oldbuf-2*oldbuf-oldbuf;

newbuf=abs+abs;

end end

%-------------------------------------------------------------------------

function newbuf=LapFilter;

% ********************************** ********************************** **** % 函数名称：% LapFilter % 说明：% ‘Laplace’滤波算法。

% ********************************** **********************************

**** for i=2:M-1

for j=2:N-1

newbuf=5*oldbuf-oldbuf-oldbuf-

oldbuf-oldbuf;

end end

%----------------------------------------------------

--------------------- 四、实验结果及分析：（原图像和处理后的图像比较及分析）

从上面的图像可以看出：

Robert梯度算子得出的图像能够得出原图的大部分边缘细节，灰度差别越大的地方结果越大，所以显示时较为明亮。一些边缘由于灰度差值较小，在得出的结果图像中不容易分辨出来。

Sobel算子得出的图像则显得明亮而粗壮。所有的边缘细节均被显示出来，特别是人物

面部。由于其结果粗壮，面部细节显得非常密集。

Laplace算子则用以将图像的边缘、

细节增强，通过结果结果可以看出，图像的细节明显比原来突出。但是这个方法存在的弊端是，在背景区域，结果图像中有一些噪声的图样也被加强了。

日期：2011 年9 月13 日

============================== ============================== ==================

实验名称：图像信号的数字化

一、实验目的：

通过本实验了解图像的数字化参数取样频率、量化级数与图像质量的关系。

二、实验内容：

编写并调试图像数字化程序。要求参数k，N可调。其中，k为亚抽样比例，N为量化比特数。

可选任意图像进行处理，在显示器上观察各种数字化参数组合下的图像效果。三、实验方法及编程：

在数字系统中进行处理、传输和存储图像，必须把代表图像的连续信号转

变为离散信号，这种变换过程称为图像信号的数字化。它包括采样和量化两种处理。本实验对数字图像进行再采样和再量化，以考察人眼对数字图像的分辨率和灰度级的敏感程度。

function newbuf=Sample_Quant%

% ********************************** ********************************** **** % 函数名称：

% Sample_Quant 图像数字化算法函数% 参数：

%oldbuf 原图像数组%M N 原图像尺寸% k 取样间隔

% n 量化比特值

%newbuf存放处理后的图像二维数组

% 说明：

% 在水平和垂直方向作1:k取样，得到新的取样图像，再根据量化公式对每个像% 素分别取n 比特量化，为了观察显示的需要，再按k:1的比例将再取

样的图像还原% 为原图像尺寸。最后放入新的图像数组中并返回该数组。

% ********************************** ********************************** **** [M,N]=size; oldbuf=double;

x=1;y=1; while x=Ny=1; end x=x+k; end

%------------------------------------------------------------------------- 四、实验结果及分析：（原图像和处理后的图像比较及分析）

篇三：南邮数据结构实验三图的基本运算及飞机换乘次数最少问题

实验报告

（2015 / 2016 学年第2学期）

课程名称实验名称

数据结构A

图的基本运算及飞行换乘次数最少问题

实验时间指导单位指导教师

年月日

计算机科学与技术系

学生姓名学院

班级学号专业

试验一图的基本运算

一、问题描述

（1）验证教材中关于在邻接矩阵和邻接表两种不同存储结构上实现图的基本运算的算法（见程序~程序）；

（2）在邻接矩阵存储结构上实现图的深度和广度优先遍历算法；（3）设计主函数，测试上述运算；

（4）提示：扩充MGraph类，在扩充类上增加DFS和BFS函数；二、概要设计

图如下所示，显示了名为operation_of_map的（默认文件名）工程，实现了Graph,SeqQueue,结点类ENode,邻接矩阵类MGraph,邻接表LGraph类，包括几种为不同传入类型准备的构造函数。声明所要求的函数，并在后续过程中实现函数功能，最后通过一个main函数求解。

三、详细设计 1.类与类的层次结构

四、程序代码

#include ““ #include using namespace std;

const int INFTY = 2147483640;

enum ResultCode { Underflow, Duplicate, Failure, Success, NotPresent }; template class Graph { public: };

template class SeqQueue { public:};

template

SeqQueue::SeqQueue { }

template

bool SeqQueue::Frontconst {

if ) { }

x = q[ % maxSize];

return false; maxSize = mSize; q = new T[maxSize]; front = rear = 0; SeqQueue; ~SeqQueue { deleteq; }

bool IsEmpty const { return front == rear; }

bool IsFull const { return % maxSize == front; } bool Frontconst; bool

EnQueue; bool DeQueue;

void Clear { front = rear = 0; } int front, rear; int maxSize; T*q;

virtual ResultCode Insert = 0; virtual ResultCode Remove = 0; virtual bool Existconst = 0; int n, e;

protected:

private:

}

return true;

template

bool SeqQueue::EnQueue//在队尾插入x { }

template

bool SeqQueue::DeQueue//删除队头元素{ }

template

class MGraph :public Graph//邻接矩阵类{ public:};

template

MGraph::MGraph//构造函数{

MGraph; ~MGraph;

ResultCode Insert; ResultCode Remove; bool Existconst; void DFS; void BFS; T**a; T noEdge;

void DFS; void BFS; if ) {}

front = % maxSize; return true;

cout << “Underflow” << endl; return false; if ) {}

q[rear = % maxSize] = x; return true;

cout << “Full” << endl; return false;

protected: