数字图像处理实验报告

数字图形处理实验报告

姓名：谌敦斌

班级：0312413

学号：031241318

指导老师：廖红华

实验一：熟悉MATLAB的图象处理工具箱

一、实验课题: 熟悉MATLAB的图象处理工具箱

二、实验内容: 熟悉Matlab编程，通过调用imread命令读取数字图像，完成图像间的相互转换和图像的打开与闭合操作以及打开与闭合组操作。

三、实验目标:

1.掌握图像读取函数imread（）和subimage（），完成彩色图像转灰度图像，彩色图像转二值，灰度图像转索引图像，彩色图像转换为索引图像。

2.实现图像打开与关闭操作以及图像打开与关闭组操作。

四、实验原理：

1.图像间的转换的原理其实就是像素值的转换，用rgb2gray（）将彩色图像转换为灰度图像，im2bw（）将彩色图像转换为二值图像，用rgb2ind（）将彩色图像转换为索引图像，gray2ind()将灰度图像转换为索引图像。

2.用imopen（）和imclose（）进行打开和关闭操作。

五、实验结果与分析:

1.图像间的变换：

A:彩色图像变灰度图像

用imread（）函数读入一张自己的图片，再利用函数rgb2gray()可将彩色图像转换为灰度图像，用imshow()配合subplot()加以显示。

B.彩色图像变索引图像

用imread（）函数导入一张自己的图片，再利用函数rgb2ind()可将彩色图像转换为灰度图像。

C.彩色图像变为二值图像

同上，主要用的是im2bw（）函数，注意二值与灰度的区别，二值只有白和黑两种颜色。

D.灰度图像变为索引图像

道理同上，可能灰度图像现在难以寻找，可先将彩色图像转换为灰度图像，再进行灰度到索引的变换，主要函数为gray2ind（）。本部分内容为图像导入与变换基本操作，用于熟悉matlab界面，便于后续实验。

2.开闭操作：

A.开启和闭合操作

在图像处理后进行打开和关闭操作有助于提高操作系统运行效率，达到流畅的效果。该打开和关闭操作一般适合于灰度图像，因为图像变换操作一般就是在灰度状态下进行的。用imopen（）和imclos （）函数加以实现。

然而此种操作开与闭是分开，适用于单个操作。若遇到工程项目显然解决不了问题。因此，下面我们引入了开启与关闭组合操作。

B.开启与关闭组合操作

在拥有闭合与开启单个操作的同时，我们看到该组操作，增添了从open状态转向close状态以及从close状态转向open状态。

此外，在此实验中要明白imshow与subimage（）的区别，其实两者区别不是很大，都是用于获取图

像，不同的是subimage（）带有坐标系，便于位置标记。还有axes（）与subplot（）的区别，两者

都可以作为图像显示的介质函数，不同的是前者适用于坐标系，后者适合于行列位的固定。显然对于

工程项目用subplot（）更加灵活。

六、实验心得：

初次接触matlab难免有些不适应，不习惯它简单的代码风格，不过经过慢慢探索，明白了matlab的

内核代码是用java写的，只不过给我们用户提供的是很多接口函数。通过查资料和帮助文档，对matlab

慢慢熟悉了，开始模仿着编码，中间出现过很多错误，通过看command窗口的error然后分析改正。

熟能生巧，多加练习，错误就慢慢少了。

实验二：数字图像增强处理的编程实现

一、实验课题: 数字图像增强处理的编程实现和图像几何变换的实现

二、实验内容:灰度图像的线性变换，直方图的滤波、锐化和添加噪声，以及图像的几何变换，包括平移，旋转、镜像、放缩和剪切。

三、实验目标:

1.完成灰度图像的线性变换和非线性变换

2.完成几种算子的滤波和锐化以及添加椒盐噪声

3.完成图像的平移、旋转、放缩、镜像和剪切

四、实验原理

1.对于灰度图像的线性变换，就是采用线性函数对像素值进行变换，非线性变换就是运用非线性函数

2.使用中值滤波和均值进行滤波，使用sobal、robort、prewitt算子进行锐化，添加椒盐噪声。

3.运用数学函数进行相应的几何变换。

五、实验结果与分析：

1.图像增强：

A.灰度图像增强

a.灰度线性变换

适用于灰度图像，对于线性变换就是，采用一次函数对像素值0-255

做现行操作，比如y=ax+b，主要操作是imadjust()如图该变换比较明显，像素值呈线性分布。

b.灰度非线性变换

对于非线性变换，则采用非线性函数，比如二次函数，三次函数，指数函数，对数函数等等，上图采用的就是对数函数，可见其整体偏白，像素分布不是很明显。

B.直方图增强

a.直方图均衡

对于某些灰度图片，我们需要对其直方图进行均衡，以达到校正图片的目的

如图所示，该均衡其实就是一种数字化离散化的实验，将连续的进行取点离散，达到均衡的目的。b.滤波

滤波操作也是针对灰度图像，其不外乎中值滤波与均值滤波。其中均值滤波用到fspecial（）算子函数，中值滤波则用到了medfilt2（）函数，一个取的是平均值，一个取的是中间值。当然该部分增强中你也可以通过imnoise()添加椒盐噪声。

c.锐化

锐化是一种抽象的增强，当然图像可能并不好看，但对于提取一些局部信息非常重要。一般采用sobal 算子，prewitt算子，robort算子以及laplace算子。如上图所示，Laplace算子比较清晰，显示出了基本骨架，另外三种则比较模糊。Sobal算子与prewitt算子相差不是太大，只有局部的一点不同。Robort算子则完全碎片化了。

2.图像几何变换

A.平移

平移不外乎就是横纵坐标值的加减运算，比较容易理解，主要用到了translate()获取坐标需要平移的值，然后再交给imdilate（）函数进行平移操作。为了便于观察结果，运用subimage()显示图像。B.旋转

旋转操作对于我们来说也是比较熟悉的，利用正弦余弦函数变换所得。在matlab中则主要用到了imrotate（）函数，其中角度正为逆时针，负则为顺时针。

C.放缩

放缩操作其实就是坐标的乘除法运算，在这里主要用到了imresize（）函数，通过向其传参数，参数大于1则就是放大，参数小于1就是缩小。

D.镜像

镜像分为水平镜像、垂直镜像以及对角镜像，有左右相反的，有上下相反的，也有左右上下都相反的。主要用到的就是比运算和相反数操作。

E.剪切

该剪切操作不是传统意义上的剪切，而是为了突出某个局部位置，如图所示。主要用到了imcrop（）函数，其参数为横纵坐标和宽高来确定剪切的位置。

六、实验心得：

其实matlab的编码不难，关键是图像处理的算法。所以在理解了算法的基础上再去编码，则非常简单，只需了解其中所需的函数就能一步步解决问题。

实验三：数字图像分割处理的编程实现

一、实验课题: 图像分析、图像检测、阈值分割、腐蚀与膨胀以及图像提取

二、实验内容:实现图像不同方式的边缘检测、点检测和线检测，实现阈值分割，实现腐蚀与膨胀，和以点提取、形态学骨架提取、形态学边缘提取为代表的图像提取

三、实验目标:

1.掌握梯度算子、log算子和canny算子

2.掌握点检测与线检测的相应算法

3.掌握阈值分割的相应算法

4.掌握腐蚀与膨胀的区别和联系

5.掌握点提取、形态学骨架提取以及形态学边缘提取的相应算法

四、实验原理：

1.边缘检测，运用梯度算子或者log算子或者canny算子检测出图像的边缘

2.点检测与线检测，就是运用点和线的形式，勾勒出图像的基本骨架

3.阈值分割，通过设定不同的特征阈值，把图像象素点分为若干类。常用的特征包括：直接来自原始图像的灰度或彩色特征；由原始灰度或彩色值变换得到的特征

4.膨胀是在模板卷积的基础上做或运算，腐蚀则是做与运算。腐蚀是一种消除边界点，使边界向内部收缩的过程。可以用来消除小且无意义的物体

5. 图像提取，就是运用形态学将图像的大致轮廓与骨架表现出来

五、图像与分析：

1.图像分析

A.边缘检测

a.梯度算子

梯度算子其实就是sobal算子，robort算子，prewitt算子的组合形式，

从中提取出骨架信息，总体呈一种梯度形式。当然针对的也是灰度图像，主要用的是edge（）函数。

b.log算子

与梯度算子一样，log算子也是提取骨架边缘，采用edge（）函数。但其构图线条更散乱。该方法将高斯滤波和拉普拉斯检测算子结合在一起进行边缘检测的方法。

c.canny算子

canny算子同样采用edge（）函数，适用于不同场合，它的目标是找到最优的边缘检测方法，当然目前还没有达到。与上面的算子相比，canny算子检测边缘更加清晰明显，它的空心轮廓比较大一些。

B、点检测

实现用点勾勒出图像的边缘，就是点检测，适用于灰度图像。它是通过像素矩阵的运算实现的。点检测的误差有些较大。

C.线检测

线检测，顾名思义，就是用线条勾勒出图像的边缘。一般用灰度图像观察不到效果，用彩色图像方能看到如图效果。运算量比较大，而且误差也很明显，故一般检测边缘不用线检测。

2.腐蚀与膨胀

A.灰度图像

图像处理离不开矩阵卷积，膨胀是在模板卷积的基础上做或运算，腐蚀则是做与运算。腐蚀是一种消除边界点，使边界向内部收缩的过程。可以用来消除小且无意义的物体。膨胀是将与物体接触的所有背景点合并到该物体中，使边界向外部扩张的过程，可以用来填补物体中的空洞。如上图所示，腐蚀使灰度图像更灰，膨胀使灰度图像更白。

B.二值图像

对与二值图像的腐蚀与膨胀不是很理想，它的腐蚀与膨胀全都成了黑屏，这是因为二值图像仅有黑白两种颜色，腐蚀与膨胀的结果仍是黑色。

3.阈值分割

阈值分割法是一种基于区域的图像分割技术。它是一种传统的最常用的图像分割方法，其实现简单、计算量小、性能较稳定，因而成为图像分割中最基本和应用最广泛的分割技术。它特别适用于目标和背景占据不同灰度级范围的图像。它不仅可以极大的压缩数据量，而且也大大简化了分析和处理步骤，因此在很多情况下，是进行图像分析、特征提取与模式识别之前的必要的图像预处理过程。图像阈值化的目的是要按照灰度级，对像素集合进行一个划分，得到的每个子集形成一个与现实景物相对应的区域，各个区域内部具有一致的属性，而相邻区域布局有这种一致属性。这样的划分可以通过从灰度级出发选取一个或多个阈值来实现。基本原理是：通过设定不同的特征阈值，把图像象素点分为若干类。常用的特征包括：直接来自原始图像的灰度或彩色特征；由原始灰度或彩色值变换得到的特征。

4.图像提取

A.形态学边界提取

对于彩色图像，首先要转换为二值图像，再进行形态学边缘提取，与边缘检测有些相似，但也有区别。主要用到了bwperim()函数，这种提取能够较好地把边缘提取出来。

B.形态学骨架提取

对于形态学骨架提取，仍然要先将图像转换为二值图像。类似于水墨画将主要骨架勾勒出来，用到的是bwmorph（）函数。

C.点提取

点提取同样要将图像转换为二值图像，然后取非显示结果，点提取了大致骨架，但细节上不是很明显，误

差较大。

六、实验心得：

Matlab的确有很多算法还是难以理解，比如傅里叶变换等。但是通过不断看书学习和编码，能尽可能熟悉数字图像处理的基本操作，对图像能进行一般的处理，毕竟很多东西超出了我们现在的范围。对于不同功能，要进行比较，在比较中理解算法。

实验四：数字图像处理的工程编程实现

一、实验课题:数字图像处理的工程编程实现以及颜色分割和小波变换

二、实验内容:新建一个GUI项目，建立一个简易的图像处理系统以及实现L*a*b和k-means聚类实现图像分割和小波变换

三、实验目标:

1．学会建立图像处理工程项目，添加相应菜单核按钮，再编写程序代码，实现20个基本模块的功能

2.掌握L*a*b和k-means聚类实现颜色分割

3.掌握小波变换的算法

四、实验原理:

1.GUI图像处理系统就是在一个界面下综合实现图像处理的相应功能

2.小波变换属于傅里叶变换一种，其实就是一种累加效果

3.颜色分割即是运用L*a*b或者k-means聚类实验不同颜色的分割

五、实验结果与分析:

数字图像处理工程，对于建立数字图像实验工程以及实现相应的功能，不外乎将前面所有功能集合到一个图形系统界面上，做成一个简单的图像处理系统。

一个图像处理系统需要有相应的菜单栏和显示栏，对于matlab，显示栏是存在的，我们只需要在菜单编辑器中建立相应的菜单和子菜单，给菜单和子菜单命上相应的名字和在程序中的tag名，建议名字用中文，tag名用英文。还可以为每个菜单配上相应的快捷方式以及在更多选项中设置菜单前景颜色。最后点击浏览，即可将菜单与代码联系起来。接下来最主要的事就是为每个菜单编上相应功能的matlab代码。另外，为了使界面美观好看，还可以添加图片背景，和面板添加logo信息等。在一个最终子菜单的功能显示中，还可以添加按钮，以达到功能多态效果，但一般不建议这样做。这样做会影响到其他页面，必要时还要隐藏按钮，显得很麻烦。

将功能代码编写到相应菜单对应的函数中，调试运行无错即可。

我的图像处理简易系统界面如下：

后面一部分功能如下：

1.恢复模糊

A.模拟一个模糊

嫌找模糊的图片麻烦，就可以用自己的图片模拟一个模糊，主要用到了fspecial()函数和imfilter（）函数。

B.修复模糊

采用不同的psf值修复模糊，分别用过小、过大和适中的psf值进行修复，过小则修复不足，造成图像很淡，多大则修复过度，产生环效果。适中则相对较好，但也有误差。

B.分析psf值

对三种不同的psf值进行分析比较

D.完善修复

通过反复试验，确定出一个理想的阈值水平。扩大区域，使用imdilate和传入一个结构化元素。通过调用deconvblind权重数组和增加迭代次数来完善修复。

E.psf约束修复

指定附加约束的psf的值，再进行修复，修复后的图像更接近原来的图像。

2.图像校准之旋转校准

对于实际处理中，常常碰到图像放置不正，倒放或斜放，就需要通过相应操作校正图像。其实还是用imrotate（）函数旋转回去，关键是要推算出旋转的角度。

3.离散小波变换

小波变换是一种新的变换分析方法，它继承和发展了短时傅立叶变换局部化的思想，同时又克服了窗口大小不随频率变化等缺点，能够提供一个随频率改变的时间一频率窗口，是进行信号时频分析和处理的理想工具。它的主要特点是通过变换能够充分突出问题某些方面的特征。

4.颜色分割

A.使用L*a*b颜色空间

进行该操作的时候应该选择色彩具有两种以上，并且比较分明的图片才能达到相应效果。通过计算样品的颜色在L*a*b颜色空间的每个区域分布，然后对每个像素按照最邻近法则进行分类，再显示最邻近分类的结果，最后显示a和b标签的值。

B.使用k-means聚类分割

该操作是通过将图像从RGB颜色空间转换成L * a * b *颜色空间，再将分类的颜色在L*a*b的空间使用k - means聚类,标签图像中每个像素使用kmeans的结果,再创建图像段H&E图像的颜色，再将核分割成一个单独的图像。

六、实验心得：

对于工程项目，最重要的是首先要勾勒出怎样一个界面，再根据设定的界面，添加代码，实现相应功能，既要注重功能，同时还应考虑到界面的美观好看。

工程项目是需要一段时间去慢慢建立编写的，万万不能求急浮躁。