《数字图像处理》实验指导书201606.doc

数字图像处理实验指导书山东建筑大学信息与电气工程学院2016年6月目 录实验守则 1实验一 灰度变换与空间域滤波 2实验二 图像频域滤波 10实验三 图像形态学处理17实验四 图像分割 21实验五 图像的几何变换 27实验六 数字图像处理应用 29实 验 守 则为了加强实验室管理，提高实验教学质量，培养学生理论联系实际的学风，提高实际操作技能，确保人身和设备的安全，特制定如下守则：1实验前要认真预习，了解实验目的、实验原理、实验线路、实验步骤及欲测的物理量。熟悉和实验有关的仪器设备的用途、使用方法及注意事项。能回答指导教师的提问。2每个实验小组要选出组长1名，实验时要认真分工，轮流当记录员和操作者，以便每个人都能得到较全面的训练。实验线路接好后，各组学生要自行检查，然后请指导教师检查，经检查无误后方可接通电源。改接线路必须先断开电源，以免触电及损坏仪表。改接后的线路仍需经教师检查。3实验时应听从教师指导，严格按实验步骤进行，如实记录实验数据，积极思考和分析实验中发生的现象。实验中如遇事故应立即关断电源、保持现场，报告指导教师及时处理。如有损坏仪器或器件，要填写事故原因及报损单。4实验完毕应立即关断电源，把实验记录交指导教师检查合格后方可拆除线路。如发现实验记录有不当和错误之外，应立即重作。要把所有仪器、仪表、工具、导线整理好。经指导教师清点后方可离开实验室。5要爱护公物。实验室所有的仪表、工具、器件等一律不得擅自带出。实验中如需更换仪器、仪表、工具、器件等，必须经指导教师同意。不得擅自更换或乱拿他组物品。未经允许，不得擅自拆卸实验用的仪器、设备。6实验时要严肃认真，讲究文明、礼貌，要保持安静和室内整洁，不随地吐痰和乱抛杂物。实验完毕要打扫实验室卫生。7书写实验报告时，语言要力求简练，书写应端正，作图应正规。实验报告一般应包括以下内容：(1) 实验目的；所用仪器、仪表、器件的名称及规格型号；实验电路原理图。(2) 实验项目(指导书中的详细内容不必抄录)；测试记录表；波形图及现象记录。(3) 实验数据整理，计算后的结果、及根据实验数据绘制的曲线。(4) 实验分析，应包括与理论计算值的比较、现象分析。8关于实验考核：学生在实验课中的实际技能水平与实验报告的质量是评定本课程实验成绩的标准。因各种原因缺做实验和缺交实验报告者，实验成绩要受影响。实验一 灰度变换与空间域滤波一实验目的及要求1了解MATLAB的操作环境和图像处理工具箱Image Processing Toolbox的功能；2加深理解图像灰度变换与空间域滤波概念和算法原理；3掌握MATLAB中图像灰度变换与空间域滤的实现方法。二、实验内容 研究以下程序，分析程序功能；输入执行各命令行，认真观察命令执行的结果。利用MATLAB帮助文档熟悉程序中所使用函数的调用方法，改变有关参数，观察试验结果。（可将每段程序保存为一个.m文件）1.图像及视频文件的基本操作 RGB彩色图像数据的读写操作索引图像与 RGB彩色图像之间的转换close all;clear all;%读入一幅RGB彩色图像IRGB=imread(Fig0701_fruits.jpg);figure, imshow(IRGB); title( Original RGB image);%把RGB彩色图像转换为索引图像，为了比较差异，选择颜色表中的颜色数量为64Xind, map = rgb2ind(IRGB,64);%显示转换后的索引图像figure, imshow(Xind, map); title(Converted to Indexd image);%将结果保存为tif格式图像文件imwrite(Xind,map,fruits_indexed.tif);%读入一幅彩色索引图像并显示Ind, map2=imread(trees.tif);figure, imshow(Ind, map2); title( Original Indexd image);%查看图像像素信息，在图像上移动鼠标，注意左下角的信息impixelinfo;%暂停，按空格键继续pause;%把索引图像转换为RGB彩色图像Irgb = ind2rgb(Ind, map2); %显示得到的彩色图像figure, imshow(Irgb); title(Converted to RGB image);%将结果保存为jpg格式图像文件imwrite(Irgb,trees_rgb.jpg);%-彩色图像转换为灰度图像和无彩色图像close all;clear all;%读取一幅RGB彩色图像Irgb=imread(Fig0701_fruits.jpg);%将其转换为灰度图像Igray1 = rgb2gray(Irgb);%显示转换结果figure, imshow(Irgb); title(Original RGB image);figure, imshow(Igray1); title(Converted gray image);%将上述RGB彩色图像转换为无彩（灰色）彩色图像,%即转换后的图像数据仍为RGB彩色图像格式%创建一个与真彩色图像转维数相同的uint8型矩阵Iachro=uint8(zeros(size(Irgb);%Iachro (:,:,1)=Igray1;Iachro (:,:,2)=Igray1;Iachro (:,:,3)=Igray1;figure, imshow(Iachro); title(Converted achromatic color image);%-灰度彩色图像转换为二值图像clc,clear, close all, close all;%读取一幅灰度图像并显示I = imread(rice.png); figure, imshow(I);%利用阈值分割把灰度图像转换为二值图像level = graythresh(I);bw = im2bw(I, level); figure, imshow(bw); title(Converted binary image);%查看图像像素信息，在图像上移动鼠标，注意左下角的信息impixelinfo;%-视频文件的读取及图像帧的抽取%采用参考图像实现运动目标分割% This m-file implements the background subtraction using reference image % for moving object segmentation.clear all; close all;% Construct a videoreader class to read a avi file, first the traffic.avi , % then the highwayII_raw.avi.videoObj = VideoReader(traffic.avi);numFrames =videoObj.NumberOfFrames;% Read the first frame in the video sequence as the reference background image newframe = read(videoObj, 1);Iref = double(newframe); % Get the height, width, and number of color components of the frameheight, width, numColor=size(newframe);% Assign a value to the thresholdThreh = 20;fg = zeros(height, width);% To avoid consuming too much memories, read only a one frame each time.for n = 1:numFrames newframe = read(videoObj, n); % Calculate the absolute differrence image between the new frame % and the referrence frame Iref. Idiff = abs(double(newframe) - Iref); % motion segment, detection moving object by threholding Idiff fg = Idiff Threh; if ( numColor = 3) % color image fg = fg(:, :, 1) | fg(:, :, 2) | fg(:, :, 3); end figure(1); subplot(1,2,1), imshow(newframe); title(strcat(Current Image, No. , int2str(n); subplot(1,2,2), imshow(fg); title(Segmented result using reference image); end%-2. 图像灰度变换 使用工具箱函数 imadjust 的直接灰度变换clear all; close allI = imread(cameraman.tif);注意：imadjust()功能：调整图像灰度值或颜色映像表，也可实现伽马校正。语法：J = imadjust(I,low_in high_in,low_out high_out,gamma)newmap = imadjust(map,low_in high_in,low_out high_out,gamma)RGB2 = imadjust(RGB1,.)J = imadjust(I,0 0.2,0.5 1);imshow(I)figure, imshow(J)X,map = imread(forest.tif);figure,imshow(X,map)I2 = ind2gray(X,map);J2 = imadjust(I2,0.5); figure,imshow(I2);figure, imshow(J2);J3 = imadjust(I2,1.5); figure, imshow(J3);help imadjust % Display the imadjust() function information.%-直方图均衡化% Clear the MATLAB workspace of any variables and close open figure windows.clear all; close all;% Reads the sample images , and stores it in an array named I, and display the imageI = imread(Fig0310(b)(washed_out_pollen_image).tif); imshow(I); % Create a histogram of the image and display it in a new figure windowfigure, imhist(I);% Histogram equalization.I2,T = histeq(I); % Display the new equalized image, I2, in a new figure window.figure, imshow(I2) ;% Create a histogram of the equalized image I2.figure, imhist(I2);% plot the transformation curve.figure,plot(0:255)/255,T); % Write the newly adjusted image I2 to a disk file named pollen_image2.tif.imwrite (I2, pollen_image2.tif); % Check the contents of the newly written fileimfinfo(pollen_image2.tif)%-3空间域滤波平滑滤波（模糊、去噪）clear all; close all;I = imread(eight.tif);h1 = ones(3,3) / 9;h2 = ones(5,5) / 25;I1 = imfilter(I,h1);I2 = imfilter(I,h2);figure(1), imshow(I), title(Original Image);figure(2), imshow(I1), title(Filtered Image With 3*3 )figure(3), imshow(I2), title(Filtered Image With 5*5 )% 加入Gaussian 噪声J1 = imnoise(I,gaussian,0,0.005);% 加入椒盐噪声J2 = imnoise(I,salt & pepper,0.02);% 对J1、J2进行平均值平滑滤波K1 = imfilter(J1,fspecial(average,3);K2 = imfilter(J2,fspecial(average,3);figure(4);subplot(2,2,1), imshow(J1) , title(gaussian);subplot(2,2,2), imshow(J2), title(salt & pepper );subplot(2,2,3), imshow(K1), title(average );subplot(2,2,4), imshow(K2);% 对J1、J2进行中值滤波K3 = medfilt2(J1,3 3);K4 = medfilt2(J2,3 3);figure(5);subplot(2,2,1), imshow(J1) , title(gaussian);subplot(2,2,2), imshow(J2), title(salt & pepper );subplot(2,2,3), imshow(K3), title( Median filtering );subplot(2,2,4), imshow(K4)%-锐化滤波clear all; close allf = imread(Fig0338(a)(blurry_moon).tif);w4 = fspecial(laplacian,0);w8 = 1, 1, 1;1, -8, 1;1, 1, 1;f=im2double(f);g4=f-imfilter(f,w4,replicate);g8=f-imfilter(f,w8,replicate);g4=im2uint8(g4);g8=im2uint8(g8);imshow(f);figure,imshow(g4);figure,imshow(g8);%- 采用MATLAB底层函数编程实现（参看自编建议或PPT中的相关内容）1灰度变换之动态范围扩展假定原图像f(x, y)的灰度范围为a, b，希望变换后图像 g(x, y)的灰度范围扩展至c, d，则线性变换可表示为： 用MATLAB底层函数编程实现上述变换函数。观察图像 pout.tif的灰度直方图，选择合适的参数a, b、c, d对图像pout.tif进行灰度变换，以获得满意的视觉效果。 2非锐化掩蔽和高升滤波 从原图像中减去其非锐化（平滑过的）图像的过程称为非锐化掩蔽，其基本步骤为：对原图像进行平滑滤波得到模糊图像；从原图像中减去模糊图像，产生的差值图像称为模板；将模板加到原图像上，得到锐化后的图像。 即，用MATLAB函数编程实现上述功能。 3. 对图片中人脸区域做模糊处理 人脸是准确鉴定一个人的身份，推断出一个人的种族、地域，地位等信息的重要依据。科学界从图像处理、计算机视觉等多个学科对人脸进行研究。人脸识别在满足人工智能应用和保护信息安全方面都有重要的意义，是当今信息化时代必须解决的问题。电视采访、街景地图等应用中，为保护当事人或行人的隐私权，需要将视频图像中当事人的人脸区域作模糊或马赛克处理。找一幅含正面人脸的图片，使用函数impixelinfo找出图片中人脸区域的范围（左上角、右下角的行列坐标），然后对图像中人脸区域模糊或马赛克处理。三、实验设备 1微机 2MATLAB2014或以上版本四、预习与思考 1预习实验内容，阅读教材熟悉实验原理； 2查阅资料，熟悉MATLAB的操作环境和基本功能。熟悉实验中涉及的有关函数。 3利用课余时间，用MATLAB底层函数编程实现实验内容（二）中的灰度线性变换。 4你能否给出实现样例程序功能的其它方法？ 5简述高斯噪声和椒盐噪声的特点。 6结合实验内容，定性评价平均滤波器/中值滤波器对高斯噪声和椒盐噪声的去噪效果？ 7结合实验内容，定性评价滤波窗口对去噪效果的影响？五、实验报告要求1简述实验目的和实验原理；2叙述各段程序功能，介绍关键函数的使用方法；3改变有关参数，用数据和图片分析比较实验结果；4写出本实验的心得体会。实验二 频率域处理一实验目的及要求 1掌握MATLAB傅里叶变换方法 2掌握频率域滤波的概念及方法 3熟练掌握频率域各类滤波器的特点及设计方法 4利用MATLAB程序进行频域滤波二、实验内容 研究以下程序，分析程序功能；输入执行各命令行，认真观察命令执行的结果。熟悉程序中所使用函数的调用方法，改变有关参数，观察试验结果。1简单二值图像的傅里叶变换及幅度谱clear all; close all; clc;%创建一个二值图像f = zeros(256,256);f(100:156,118:138) = 1;%计算其傅里叶变换F = fft2(f);F1 = fftshift(F); %中心化%显示原图像及其幅度谱figure, imshow(f)figure, imshow(abs(F),); colormap(gray); colorbar;%将幅度谱对数变换后再显示figure, imshow(log(1+ abs(F),); colormap(gray); colorbar; figure, imshow(log(1+ abs(F1),); colormap(gray); colorbar;figure, mesh(1:256,1:256, abs(F1); %将图像旋转45度，然后重做上述步骤f45 =imrotate(f,45,crop); F2 = fft2(f45);F3 = fftshift(F2);figure, imshow(f45);figure, imshow(log(1+ abs(F3),); colormap(gray); colorbarfigure, mesh(1:256,1:256, abs(F3); %-2. 频率域平滑（低通）滤波 空间域高斯低通滤波器的频率域实现close all; clear all; clc;I = imread(text.png);f = im2double(I);%定义高斯低通滤波器标准差变量,初始化为1sigma = 2;%根据标准差sigma大小，确定滤波模板的尺寸hsize = floor(6*sigma);if mod(hsize,2) = 0 hsize = hsize+1;end%生成指定大小的空间域高斯低通滤波模板h = fspecial(gaussian, hsize, sigma);AB = size(f);CD = size(h);PQ = AB + CD -1;F = fft2(f,PQ(1),PQ(2);H = fft2 (h,PQ(1),PQ(2);g = real(ifft2(F .* H);g = imcrop(g, 1,1,AB(2)-1, AB(1)-1);g =im2uint8(g); figure, imshow(I); title(Original Image);figure, imshow(g); title(the Smoothed Image);%- 理想低通滤波器的简单实现close all; clear all; clc;I = imread(Fig0333(a)(test_pattern_blurring_orig).tif);f = im2double(I);D0 = 10; % 定义滤波器截止频率F = fft2(f); %快速傅里叶变换Fc = fftshift(F); % 中心化height, width=size(Fc);%初始化理想低通滤波器系数矩阵（频率域设计滤波器）H = zeros(height, width); %计算理想低通滤波器系数for u=1:height for v =1:width if(sqrt(u-height/2)2 + (v-width/2)2) D0) H(u,v) =1; elseH(u,v) = 0; end endend%进行理想低通滤波,图像傅里叶变换矩阵与滤波器系数矩阵对应点乘G = Fc.* HG = ifftshift(G); % 去中心化g = real(ifft2(G); % 逆傅里叶变换并取实部g = im2uint8(g); % 把输出图像转换为uint8数据类型figure, imshow(I);title(Original Image);figure, imshow(g); title(the ILP Smoothed Image);%- 巴特沃斯Butterworth低通滤波器的简单实现close all; clear all; clc;I = imread(Fig0333(a)(test_pattern_blurring_orig).tif);f = im2double(I);D0 = 10; %定义滤波器截止频率，可令D0分别等于 30,60.观察结果n = 2; % 定义滤波器阶数，可增大阶数n=3,4观察滤波效果F = fft2(f);Fc = fftshift(F);height, width = size(Fc);%初始化巴特沃斯低通滤波器系数矩阵（频率域设计滤波器）H = zeros(height, width); %计算巴特沃斯低通滤波器系数矩阵for u =1:heightfor v =1:width %计算巴特沃斯低通滤波器在频率点 (u,v)的系数值 Dist = sqrt(u-height/2)2 + (v-width/2)2); H(u, v) = 1/(1+(Dist/D0).(2*n); endend%进行巴特沃斯低通滤波, 图像傅里叶变换矩阵与滤波器系数矩阵对应点乘G = Fc.* H;G = ifftshift(G);g = real(ifft2(G);g = im2uint8(g);figure, imshow(I);title(Original Image);figure, imshow(g); title(the Butterworth LPF Smoothed Image);%- 高斯Gaussian低通滤波器的简单实现close all; clear all; clc;I = imread(Fig0333(a)(test_pattern_blurring_orig).tif);f = im2double(I);D0 = 10; %定义滤波器截止频率，可令D0分别等于 30,60.观察结果F = fft2(f);Fc = fftshift(F);height,width=size(Fc);%初始化高斯低通滤波器系数矩阵（频率域设计滤波器）H = zeros(height, width); %计算高斯低通滤波器系数矩阵for u =1:height for v =1:width %计算高斯高通滤波器在频率点 (u,v)的系数值 sqDist = (u-height/2)2 + (v-width/2)2; H(u, v) = exp(-sqDist/(2*D02); endend%进行高斯低通滤波, 图像傅里叶变换矩阵与滤波器系数矩阵对应点乘G = Fc.* H;G = ifftshift(G);g = real(ifft2(G);g = im2uint8(g);figure, imshow(I);title(Original Image);figure, imshow(g); title(the Gaussian HPF Smoothed Image);%-3. 频率域锐化（高通）滤波 高斯Gaussian高通滤波器的简单实现close all; clear all; clc;I = imread(Fig0333(a)(test_pattern_blurring_orig).tif);f = im2double(I);D0 = 10; %定义滤波器截止频率，可令D0分别等于 30,60.观察结果F = fft2(f);Fc = fftshift(F);height,width=size(Fc);%初始化高斯高通滤波器系数矩阵（频率域设计滤波器）H = zeros(height, width); %计算高斯高通滤波器系数矩阵for u =1:height for v =1:width %计算高斯高通滤波器在频率点 (u,v)的系数值（注意与高斯低通滤波器之间的差异） sqDist = (u-height/2)2 + (v-width/2)2; H(u, v) = 1- exp(-sqDist/(2*D02); endend%进行高斯高低通滤波, 图像傅里叶变换矩阵与滤波器系数矩阵对应点乘G = Fc.* H;G = ifftshift(G);g = real(ifft2(G);g = im2uint8(g);figure, imshow(I);title(Original Image);figure, imshow(g); title(the Gaussian HPF Image);%- Laplacian 图像锐化增强的频域实现clear all; close all; clc;I = imread(Fig0338(a)(blurry_moon).tif);f = im2double(I); AB = size(f);h = fspecial(laplacian,0);CD = size(h);PQ = AB + CD -1;H = fft2 (h,PQ(1),PQ(2);H = fftshift(H);F = fft2(I,PQ(1),PQ(2);F = fftshift(F);% calculate the laplacian imageG = F.*H;ge = real(ifft2(ifftshift(G);ge = imcrop(ge,1,1,AB(2)-1,AB(1)-1); figure, imshow(mat2gray(ge),);% calculate the enhanced image using laplacian operatorge = ge/max(max(abs(ge); gs = f-ge;gs = im2uint8(gs);figure, imshow(I);figure, imshow(gs);%-4离散余弦变换（DCT）%JPEG图像压缩使用的方法% 对cameraman.tif图像的离散余弦变换及逆变换重建clear all, close allf=imread(cameraman.tif); %读一幅cameraman.tifimshow(f);F=dct2(f); %做余弦变换AbsFT=abs(F);figure, imshow(log(AbsFT);FinvT=idct2(F); %做余弦反变换figure, imshow(mat2gray(FinvT);%仅保留余弦变换频谱的左上角50*50个数据，然后做余弦反变换，观察输出图像F1=F;m,n=size(F1);F1(50:m,50:n)=0;AbsFT=abs(F1);figure, imshow(log(AbsFT);FinvT=idct2(F1); %做余弦反变换figure, imshow(mat2gray(FinvT); 采用Matlab编程实现 “频率域钝化模板、高提升滤波和高频强调滤波”三、实验设备1微机；2MATLAB2014；四、预习与思考1预习实验内容，阅读教材熟悉实验原理；2查阅资料，熟悉实验中涉及的有关函数。五、实验报告要求1简述实验目的和实验原理；2叙述各段程序功能，介绍关键函数的使用方法；3改变有关参数，用数据和图片分析比较实验结果；4写出本实验的心得体会。实验三 图像形态学处理一实验目的及要求1利用MATLAB研究二值形态学图像处理常用算法；2掌握MATLAB形态学图像处理基本操作函数的使用方法；3了解形态学的基本应用。二、实验内容（一）研究以下程序，分析程序功能；输入执行各命令行，认真观察命令执行的结果。熟悉程序中所使用函数的调用方法，改变有关参数，观察试验结果。（ 说明：实验中使用的图片可从Gonzalez网站或本课程教学网盘下载）1膨胀与腐蚀(Dilation and Erosion)对简单二值图像进行腐蚀，注意观察结构元素大小对处理结果的影响clear all, close allI = imread(Fig0905(a)(wirebond-mask).tif);SE1 = strel(square,11) ;SE2 = strel(square,15) ;SE3 = strel(square,45) ;g1 = imerode(I, SE1);g2 = imerode(I, SE2);g3 = imerode(I, SE3);figure(1),subplot(2,2,1), imshow(I), title( Original Image ); subplot(2,2,2), imshow(g1), title(Eroded Image with 11*11);subplot(2,2,3), imshow(g2), title(Eroded Image with 15*15);subplot(2,2,4), imshow(g3), title(Eroded Image with 45*45);%-对文本二值图像进行膨胀clear all, close all;I = imread(Fig0907(a)(text_gaps_1_and_2_pixels).tif);%构造一个3*3“十字形”结构元素SE = 0,1,0;1,1,1;0,1,0;g1 = imdilate(I, SE);%对结果再次膨胀g2 = imdilate(g1, SE);figure(1);subplot(1,3,1), imshow(I), title( Original Image );subplot(1,3,2), imshow(g1), title( Dilated Image with cross se );subplot(1,3,3), imshow(g2), title( Dilated Image twice);%-对灰度图像进行腐蚀和膨胀clear all, close all;I = imread(Fig0935(a)(ckt_board_section).tif);%构造一个半径为2个像素的平坦结圆形结构元素SE = strel(disk,2) ;%对灰度图像用平坦圆形结构元素进行腐蚀g1 = imerode(I, SE);%对灰度图像用同样的平坦圆形结构元素进行膨胀g2 = imdilate(I, SE);figure(1);subplot(1,3,1), imshow(I), title( Original Image );subplot(1,3,2), imshow(g1), title( Eroded Image with flat disk structure element);subplot(1,3,3), imshow(g2), title( Dilated Image with flat disk structure element );%-2. 开、闭操作（Opening and Closing）的形态学滤波对二值图像进行形态学滤波clear all, close all;I = imread(Fig0911(a)(noisy_fingerprint).tif);se = strel(square,3);g1 = imopen(I,se);g2 = imclose(g1,se);figure(1);subplot(1,3,1), imshow(I), title( Original Image);subplot(1,3,2), imshow(g1), title(Image after opening);subplot(1,3,3), imshow(g2), title(Image after Closing);%通过顺序使用腐蚀、膨胀实现开操作(Opening)，注意观察中间结果g1 = imerode(I, se);g2 = imdilate(g1, se);%通过顺序使用膨胀、腐蚀实现闭操作(Closeing)，注意观察中间结果g3 = imdilate(g2, se);g4 = imerode(g3, se);figure(2);subplot(2,3,1), imshow(I), title( Original Image);subplot(2,3,2), imshow(g1), title(Image after eroding);subplot(2,3,3), imshow(g2), title(Image after dilating);subplot(2,3,4), imshow(g3), title(Image after dilating);subplot(2,3,5), imshow(g4), title(Image after eroding);%-对灰度图像进行形态学滤波clear all, close all;I = imread(Fig0935(a)(ckt_board_section).tif);%构造一个半径为3个像素的平坦结圆形结构元素SE1 = strel(disk,3) ;%构造一个半径为5个像素的平坦结圆形结构元素SE2 = strel(disk,5) ;%用半径为3个像素的平坦结圆形结构元素进行开操作（Opening）%削峰g1 = imopen(I, SE1);%用半径为5个像素的平坦结圆形结构元素进行闭操作（Closing）%填谷g2 = imclose(I, SE2);figure(1);subplot(1,3,1), imshow(I), title( Original Image );subplot(1,3,2), imshow(g1), title( Opening using a disk SE with radius=3