数字图像实验报告.doc

第一次实验实验1：在给定的十幅实验图像中任选一幅bmp格式图像和一幅jpg格式图像，运用Matlab打开，记录各自的头文件信息，然后分别转存为jpg和bmp格式。选用图片1和图片6使用matlab打开如下所示：将图片1转成JPG格式：将图片8转成BMP格式：图片1的头文件信息如下：Filename: 1x64 char FileModDate: 15-Feb-2012 11:58:30 FileSize: 1016766 Format: bmp FormatVersion: Version 3 (Microsoft Windows 3.x) Width: 647 Height: 523 BitDepth: 24 ColorType: truecolor FormatSignature: BM NumColormapEntries: 0 Colormap: RedMask: GreenMask: BlueMask: ImageDataOffset: 54 BitmapHeaderSize: 40 NumPlanes: 1 CompressionType: none BitmapSize: 1016712 HorzResolution: 0 VertResolution: 0 NumColorsUsed: 0NumImportantColors: 0图片6的头文件信息如下：Filename: 1x64 char FileModDate: 15-Feb-2012 12:08:00 FileSize: 22018 Format: jpg FormatVersion: Width: 450 Height: 327 BitDepth: 24 ColorType: truecolor FormatSignature: NumberOfSamples: 3 CodingMethod: Huffman CodingProcess: Sequential Comment: 程序代码如下：Img1_1=imread(C:Users冷露无声Desktop数字图像处理实验caokun数字图像处理1picstest_pic1.bmp,bmp);%读取一幅BMP格式的图片Img1_2=imread(C:Users冷露无声Desktop数字图像处理实验caokun数字图像处理1picstest_pic6.jpg,jpg);%读取一幅JPG格式的图片figure(1);imshow(Img1_1); %显示读取的第一幅图片figure(2);imshow(Img1_2); %显示读取的第二幅图片InfOfImg1_1=imfinfo(C:Users冷露无声Desktop数字图像处理实验caokun数字图像处理1picstest_pic1.bmp);%读取第一幅图片的头文件信息InfOfImg1_2=imfinfo(C:Users冷露无声Desktop数字图像处理实验caokun数字图像处理1picstest_pic6.jpg);%读取第二幅图片的头文件信息imwrite(Img1_1,C:Users冷露无声Desktop数字图像处理实验caokun数字图像处理1picswrite_pic1.jpg,jpg);%将第一幅图片转存为JPG格式imwrite(Img1_2,C:Users冷露无声Desktop数字图像处理实验caokun数字图像处理1picswrite_pic6.bmp,bmp);%将第二幅图片转存为BMP格式实验2：任选4.bmp和10.jpg其中的一个，用Windows画图程序打开，分别另存为单色位图和16色位图，然后用Matlab打开，记录各自的头文件信息，并对比分析原文件和另存文件的字节数和视觉效果。所选图片：4.bmp原图如下：保存为单色位图如下：保存为16色位图如下：原图头文件信息如下：Filename: 1x64 char FileModDate: 15-Feb-2012 12:05:02 FileSize: 802294 Format: bmp FormatVersion: Version 3 (Microsoft Windows 3.x) Width: 581 Height: 460 BitDepth: 24 ColorType: truecolor FormatSignature: BM NumColormapEntries: 0 Colormap: RedMask: GreenMask: BlueMask: ImageDataOffset: 54 BitmapHeaderSize: 40 NumPlanes: 1 CompressionType: none BitmapSize: 802240 HorzResolution: 0 VertResolution: 0 NumColorsUsed: 0NumImportantColors: 0单色位图头文件信息如下： Filename: 1x68 char FileModDate: 14-Apr-2012 16:51:32 FileSize: 35022 Format: bmp FormatVersion: Version 3 (Microsoft Windows 3.x) Width: 581 Height: 460 BitDepth: 1 ColorType: indexed FormatSignature: BM NumColormapEntries: 2 Colormap: 2x3 double RedMask: GreenMask: BlueMask: ImageDataOffset: 62 BitmapHeaderSize: 40 NumPlanes: 1 CompressionType: none BitmapSize: 34960 HorzResolution: 0 VertResolution: 0 NumColorsUsed: 0NumImportantColors: 016色位图头文件信息如下：Filename: 1x67 char FileModDate: 14-Apr-2012 16:53:36 FileSize: 134438 Format: bmp FormatVersion: Version 3 (Microsoft Windows 3.x) Width: 581 Height: 460 BitDepth: 4 ColorType: indexed FormatSignature: BM NumColormapEntries: 16 Colormap: 16x3 double RedMask: GreenMask: BlueMask: ImageDataOffset: 118 BitmapHeaderSize: 40 NumPlanes: 1 CompressionType: none BitmapSize: 134320 HorzResolution: 0 VertResolution: 0 NumColorsUsed: 0NumImportantColors: 0程序代码如下：Img2_orig=imread(C:Users冷露无声Desktop数字图像处理实验caokun数字图像处理1picstest_pic4.bmp,bmp);%读取原图像Img2_sing,map_sing=imread(C:Users冷露无声Desktop数字图像处理实验caokun数字图像处理1picssave_asdan_se.bmp,bmp);%读取单色位图Img2_sixt,map_sixt=imread(C:Users冷露无声Desktop数字图像处理实验caokun数字图像处理1picssave_asse_16.bmp,bmp);%读取16色位图figure(1);imshow(Img2_orig);figure(2);imshow(Img2_sing,map_sing);figure(3);imshow(Img2_sixt,map_sixt);InfOfImg2_orig=imfinfo(C:Users冷露无声Desktop数字图像处理实验caokun数字图像处理1picstest_pic4.bmp);InfOfImg2_sing=imfinfo(C:Users冷露无声Desktop数字图像处理实验caokun数字图像处理1picssave_asdan_se.bmp);InfOfImg2_sixt=imfinfo(C:Users冷露无声Desktop数字图像处理实验caokun数字图像处理1picssave_asse_16.bmp);实验3：任选一幅真彩图片，用Matlab打开，记录其头文件信息，然后分别提取其R、G、B三通道的数据，分别显示出来。【引申】尝试将其中某个通道的数据设置为零，然后再合成出来，观察合成的图像和原始图像有何区别？所选图片：2.bmp原图像头文件信息如下：Filename: 1x64 char FileModDate: 15-Feb-2012 12:01:12 FileSize: 1207554 Format: bmp FormatVersion: Version 3 (Microsoft Windows 3.x) Width: 766 Height: 525 BitDepth: 24 ColorType: truecolor FormatSignature: BM NumColormapEntries: 0 Colormap: RedMask: GreenMask: BlueMask: ImageDataOffset: 54 BitmapHeaderSize: 40 NumPlanes: 1 CompressionType: none BitmapSize: 1207500 HorzResolution: 0 VertResolution: 0 NumColorsUsed: 0NumImportantColors: 0原图像如下：R通道：G通道：B通道：RG通道：RB通道：GB通道：程序代码如下：Img3_G=Img3(:,:,2);Img3_B=Img3(:,:,3);figure(1);imshow(Img3);%原图title(RGB);figure(2);imshow(Img3_R);%显示R通道灰度图title(R);figure(3);imshow(Img3_G);%显示G通道灰度图title(G);figure(4);imshow(Img3_B);%显示B通道灰度图title(B);Img_R=Img3;Img_R(:,:,3)=0;Img_R(:,:,2)=0;figure(5);imshow(Img_R);%显示R通道真彩图title(R_color);Img_G=Img3;Img_G(:,:,1)=0;Img_G(:,:,3)=0;figure(6);imshow(Img_G);%显示G通道真彩图title(G_color);Img_B=Img3;Img_B(:,:,1)=0;Img_B(:,:,2)=0;figure(7);imshow(Img_B);%显示B通道真彩图title(B_color);Img_RG=Img3;Img_RG(:,:,3)=0;figure(8);imshow(Img_RG);%显示RG通道真彩图title(RG_color);Img_RB=Img3;Img_RB(:,:,2)=0;figure(9);imshow(Img_RB);%显示RB通道真彩图title(RB_color);Img_GB=Img3;Img_GB(:,:,1)=0;figure(10);imshow(Img_GB);%显示GB通道真彩图title(GB_color);实验4：验证运用图像平均消除随机噪声的方法。任意选取一幅图像，在Matlab中进行读取，转换为灰度图像，并将其进行归一化处理。然后，生成随机噪声矩阵，将其与原图像相加，获得含噪的图像。重复生成多幅含噪的图像。再将这多幅含噪图像进行累加平均，观察平均后的图像质量。至少显示出两幅含噪的图像，并将累加平均后的图像显示出来。(1)尝试改变程序中的一些常数值，观察所生成的图像会发生什么变化？(2)尝试将randn换为rand，观察处理结果。当噪声由randn()函数产生，增益为0.1时，实验结果图像如下：原图像和灰度图像未处理的灰度图像、四张加入噪声的图像和四张噪声图片相加后的图像以下是用randn()函数产生噪声，增益为0.01的实验结果： 以下是用rand()函数产生噪声，增益为0.1的实验各图：程序代码如下：Img4=imread(C:Users冷露无声Desktop数字图像处理实验caokun数字图像处理1picstest_pic3.bmp,bmp);figure;subplot(1,2,1);imshow(Img4);title(truecolor);Img4_gray=rgb2gray(Img4);subplot(1,2,2);imshow(Img4_gray);title(gray);Img4_gray=double(Img4_gray);Img4_guiyi=double(Img4_gray/(max(max(Img4_gray);mf=0.1;Img4_gray1=Img4_guiyi+mf*randn(size(Img4_guiyi);Img4_gray2=Img4_guiyi+mf*randn(size(Img4_guiyi);Img4_gray3=Img4_guiyi+mf*randn(size(Img4_guiyi);Img4_gray4=Img4_guiyi+mf*randn(size(Img4_guiyi);Img4_gray5=(Img4_gray1+Img4_gray2+Img4_gray3+Img4_gray4)/4;figure;subplot(2,3,1);imshow(Img4_guiyi);title(gray);subplot(2,3,2);imshow(Img4_gray1);title(gray1);subplot(2,3,3);imshow(Img4_gray2);title(gray2);subplot(2,3,4);imshow(Img4_gray3);title(gray3);subplot(2,3,5);imshow(Img4_gray4);title(gray4);subplot(2,3,6);imshow(Img4_gray5);title(gray5)实验5：在3,58之间任选一幅图像，将其在Matlab中打开并转换为灰度图像，计算其直方图。然后进行直方图均衡化处理，分别绘制均衡化处理前后这两幅图像的直方图和灰度图像。所选图像为5.bmp实验图像如下：程序代码如下：Img5=imread(C:Users冷露无声Desktop数字图像处理实验caokun数字图像处理1picstest_pic5.bmp,bmp);InfOfImg5=imfinfo(C:Users冷露无声Desktop数字图像处理实验caokun数字图像处理1picstest_pic5.bmp);Img5_gray=rgb2gray(Img5);Hisimgori=zeros(1,256);m,n=size(Img5_gray);for s=0:255 Hisimgori(s+1)=length(find(Img5_gray=s)/(m*n);%Hisimgori为图像的原始直方图endfigure;bar(0:255,Hisimgori,g);title(原始直方图);Hisimgadd=zeros(1,256);for s=1:256 Hisimgadd(s)=sum(Hisimgori(1:s);%Hisimg为图像的累计直方图endfigure;bar(0:255,Hisimgadd,g);title(累积直方图);Img5_gray1=Img5_gray;for s=1:(m*n) Img5_gray1(s)=round(Hisimgadd(Img5_gray1(s)+1)*255);%Img5_gray1为均衡化后的图像endfigure;imshow(Img5_gray1);title(均衡化的图像);figure;imshow(Img5_gray);title(原始图像);for s=0:255 Hisimgaft(s+1)=length(find(Img5_gray1=s)/(m*n);%Hisimgori为图像的原始直方图endfigure;bar(0:255,Hisimgaft,g);title(处理后的图像直方图);第二次实验实验1：所选图片为6.jpg实验结果如下：程序代码如下：Img2_1=imread(C:Users冷露无声Desktop数字图像处理实验caokun数字图像处理2Pics6.jpg,jpg);Img2_1=rgb2gray(Img2_1);figure(1);imshow(Img2_1);title(原图像);fftx_Img2_1=fft(double(Img2_1),1);fftx_Img2_1_angle=angle(fftx_Img2_1);fftx_Img2_1_angle_guiyi=abs(fftx_Img2_1_angle/pi);fftx_Img2_1_guiyi=abs(fftx_Img2_1)/max(max(abs(fftx_Img2_1);figure(2);subplot(121);imshow(fftx_Img2_1_guiyi);title(横向变换幅度谱);subplot(122);imshow(fftx_Img2_1_angle_guiyi);title(横向变换相位谱);ffty_Img2_1=fft(double(Img2_1),2);ffty_Img2_1_angle=angle(ffty_Img2_1);ffty_Img2_1_angle_guiyi=abs(ffty_Img2_1_angle/pi);ffty_Img2_1_guiyi=abs(ffty_Img2_1)/max(max(abs(ffty_Img2_1);figure(3);subplot(121);imshow(ffty_Img2_1_guiyi);title(纵向变换幅度谱);subplot(122);imshow(ffty_Img2_1_angle_guiyi);title(纵向变换相位谱);fftxy_Img2_1=fft(fftx_Img2_1,2);fftxy_Img2_1_guiyi=abs(fftxy_Img2_1)/max(max(abs(fftxy_Img2_1);fftxy_Img2_1_guiyi=fftshift(fftxy_Img2_1_guiyi);fftxy_Img2_1_angle=angle(fftxy_Img2_1);fftxy_Img2_1_angle_guiyi=abs(fftxy_Img2_1_angle/pi);figure(4);subplot(121)imshow(fftxy_Img2_1_guiyi);title(两次变换后的幅度谱);subplot(122);imshow(fftxy_Img2_1_angle_guiyi);title(两次变换后的相位谱);fft2_Img2_1=fft2(double(Img2_1);fft2_Img2_1_guiyi=abs(fft2_Img2_1)/max(max(abs(fft2_Img2_1);fft2_Img2_1_angle=angle(fft2_Img2_1);fft2_Img2_1_angle_guiyi=abs(fft2_Img2_1_angle/pi);figure(5);subplot(121)imshow(fftshift(fft2_Img2_1_guiyi);title(二维傅里叶变换后的幅度谱);subplot(122);imshow(fft2_Img2_1_angle_guiyi);title(二维傅里叶变换后的相位谱);实验2：任选三幅横向特征、纵向特征和倾斜特征较为明显的图片，分别运用二维傅里叶变换技术获得其幅度谱。对照原图像和其对应的幅度谱，分析其规律。实验结果图如下：程序代码如下：Img2_21=imread(C:Users冷露无声Desktop数字图像处理实验caokun数字图像处理2Pics2.jpg,jpg);%读取纵向特征明显的图像2.jpgImg2_22=imread(C:Users冷露无声Desktop数字图像处理实验caokun数字图像处理2Pics5.jpg,jpg);%读取横向特征明显的图像5.jpgImg2_23=imread(C:Users冷露无声Desktop数字图像处理实验caokun数字图像处理2Pics7.jpg,jpg);%读取斜向特征明显的图像7.jpgImg2_21=rgb2gray(Img2_21);%分别转化为灰度图Img2_22=rgb2gray(Img2_22);Img2_23=rgb2gray(Img2_23);fft2_Img2_21=fft2(double(Img2_21);%分别进行二位傅里叶变换fft2_Img2_22=fft2(double(Img2_22);fft2_Img2_23=fft2(double(Img2_23);fft2_Img2_21guiyi=abs(fft2_Img2_21)/max(max(abs(fft2_Img2_21);%分别对幅度进行归一化fft2_Img2_22guiyi=abs(fft2_Img2_22)/max(max(abs(fft2_Img2_22);fft2_Img2_23guiyi=abs(fft2_Img2_23)/max(max(abs(fft2_Img2_23);figure(1);subplot(121);imshow(Img2_21);title(原图像);subplot(122);imshow(fftshift(fft2_Img2_21guiyi);title(幅度谱);figure(2);subplot(121);imshow(Img2_22);title(原图像);subplot(122);imshow(fftshift(fft2_Img2_22guiyi);title(幅度谱);figure(3);subplot(121);imshow(Img2_23);title(原图像);subplot(122);imshow(fftshift(fft2_Img2_23guiyi);title(幅度谱);实验3：运用定义式计算64点、128点的一维沃尔什变换和一维哈达玛变换的变换矩阵。分别设计一个64点和128点的一维信号，运用上述获得的变换矩阵进行沃尔什变换和哈达玛变换。再对变换后的一维数据运用上述的变换矩阵进行相乘，观察并记录处理结果。实验结果如下：程序源代码如下：Walsh1_metrix()函数文件如下function y=walsh_metrix(pow);lent=2pow;y=zeros(2pow);for m=1:lent for n=1:lent value=0; binm=dec2bin(m-1,pow);%由于m与n都是从1开始，因此要减1 binn=dec2bin(n-1,pow); for k=1:pow value=value+binm(k)*binn(pow+1-k); end y(m,n)=(-1)value; endendhadama1_metrix()函数文件如下：function y=hadama1_metrix(pow);lent=2pow;y=zeros(2pow);for m=1:lent for n=1:lent value=0; binm=dec2bin(m-1,pow);%由于m与n都是从1开始，因此要减1 binn=dec2bin(n-1,pow); for k=1:pow value=value+binm(k)*binn(k); end y(m,n)=(-1)value; endendmain()函数如下：%64点信号的walsh变换pow=6;lent=2pow;f=zeros(1,lent);for m=1:lent f(m)=sin(2*pi/lent*(m-1);endwalsh1metrix=walsh1_metrix(pow);WF=f*walsh1metrix;pf=WF*walsh1metrix/(2pow);%因为变换中少了一个系数，因此这里除以2powfigure(1);subplot(311);plot(f);title(64点原信号);subplot(312);plot(WF);title(64点Walsh变换后的图形);subplot(313);plot(pf);title(64点信号两次变换后的图形);%128点信号的walsh变换pow=7;lent=2pow;f=zeros(1,lent);for m=1:lent f(m)=sin(2*pi/lent*(m-1);endwalsh1metrix=walsh1_metrix(pow);WF=f*walsh1metrix;pf=WF*walsh1metrix/(2pow);%因为变换中少了一个系数，因此这里除以2powfigure(2);subplot(311);plot(f);title(128点原信号);subplot(312);plot(WF);title(128点Walsh变换后的图形);subplot(313);plot(pf);title(128点信号两次变换后的图形);%64点的hadama变换pow=6;lent=2pow;f=zeros(1,lent);for m=1:lent f(m)=sin(2*pi/lent*(m-1);endhadama1metrix=hadama1_metrix(pow);HF=f*hadama1metrix;pf=HF*hadama1metrix/(2pow);%因为变换中少了一个系数，因此这里除以2powfigure(3);subplot(311);plot(f);title(64点原信号);subplot(312);plot(HF);title(64点Hadama变换后的图形);subplot(313);plot(pf);title(64点信号两次变换后的图形);%128点信号的walsh变换pow=7;lent=2pow;f=zeros(1,lent);for m=1:lent f(m)=sin(2*pi/lent*(m-1);endhadama1metrix=hadama1_metrix(pow);HF=f*hadama1metrix;pf=HF*hadama1metrix/(2pow);%因为变换中少了一个系数，因此这里除以2powfigure(4);subplot(311);plot(f);title(128点原信号);subplot(312);plot(HF);title(128点Hadama变换后的图形);subplot(313);plot(pf);title(128点信号两次变换后的图形);实验4：任选两幅图像，从中截取6464的一幅小图。然后分别对其进行二维沃尔什和二维哈达玛变换，观察并记录变换后获得的图像。实验5：按照定义式分别产生32点、64点的一维离散余弦变换和反变换的变换矩阵。分别设计一个32点和64点的一维信号，运用上述获得的变换矩阵进行离散余弦变换和反变换，观察并记录处理结果。实验结果如下：实验6：任选两幅图像，从中截取3232的一幅小图。然后分别对其进行二维离散余弦变换，观察并记录变换后获得的图像。然后，截取变换后图像的前10行和前10列的小图像，记录下来。将变换后的图像的前10行和前10列保留，其他部分置0。然后，对该图像进行反变换，获得一幅新的图像。对比该图像与原图像，有何差异？计算两幅图像的差值，记录下来。以下是实验图像以下是程序代码：Img2_6=imread(C:Users冷露无声Desktop数字图像处理实验caokun数字图像处理2Pics4(2).jpg,jpg);Img2_6=rgb2gray(Img2_6);N=32;dct2_Img2_6=zeros(N);for u=1:32 for v=1:32 if u=1 ku=sqrt(1/N); else ku=sqrt(2/N); end if v=1 kv=sqrt(1/N); else kv=sqrt(2/N); end dct2_Img2_6(u,v)=ku*kv*sum(sum(double(Img2_6).*