数字图像处理实验报告

实 验 报 告 课程名称 数字图像处理 实验项目 点运算和直方图处理 实验仪器 PC 机 MATLAB 软件 系 别 专 业 班级 学号 学生姓名 实验日期 成 绩 指导老师 实验实验 1 1 点运算和直方图处理点运算和直方图处理 一 实验目的实验目的 1 掌握利用 Matlab 图像工具箱显示直方图的方法 2 掌握运用点操作进行图像处理的基本原理 3 进一步理解利用点操作这一方法进行图像处理的特点 4 掌握利用 Matlab 图像工具箱进行直方图均衡化的基本方法 二 二 实验的硬件 软件平台实验的硬件 软件平台 硬件 计算机 软件 MATLAB 三 三 实验内容及步骤实验内容及步骤 1 了解 Matlab 图像工具箱的使用 2 利用 Matlab 图像工具箱对图像进行点操作 要求完成下列 3 个题目中 的至少 2 个 图 1 灰度范围偏小 且灰度偏低 改正之 图 2 暗处细节分辨不清 使其能看清楚 图 3 亮处细节分辨不清 使其能看清楚 图 1 图 2 图 3 3 给出处理前后图像的直方图 4 利用 MatLab 图像处理工具箱中函数对以上图像进行直方图均衡化操作 观察结果 四 四 思考题思考题 1 点操作能完成哪些图像增强功能 2 直方图均衡化后直方图为何并不平坦 为何灰度级会减少 五 五 实验报告要求实验报告要求 1 对点操作的原理进行说明 2 给出程序清单和注释 3 对处理过程和结果进行分析 包括对处理前后图像的直方图的分析 题目1 图1灰度范围偏小 且灰度偏低 改正之 方法 像素点操作 clc clear all close all I imread Image1 png 读取标题为 Point2 的位图 并用 I 表示该图 j rgb2gray I 转为灰度图像 并用j表示 l r size j 将j的行数返回到第一个输出变量l 将列数返回到第 二个输出变量r figure 1 创建一个空的窗口 subplot 221 将窗口分成2行2列 并在第一个位置进行操作 imshow j 显示图片j title 原图像 标题 for m 1 l 循环语句 行数m的值从1到l 下同 for n 1 r p m n j m n 1 8 将j图中的每一个点的像素值乘以一个常数 得到的 新像素以原来的位置构成图p end end subplot 222 imshow p title 处理后图像 subplot 2 2 3 imhist j 显示图像j的直方图 title 原图像直方图 subplot 2 2 4 imhist p title 处理后图像直方图 输出的图像 图 4 对比图像处理前后的直方图可知 原图的灰度范围较小 图像均衡化处理 后 灰度级取值的动态范围扩大了 但灰度级减少了 直方图变得更稀疏 并 且灰度级值整体增大了 即直方图整体向右平移了一段距离 题目2 图2暗处细节分辨不清 使其能看清楚 方法 像素点操作 clc clear all close all I2 imread Image2 png j2 rgb2gray I2 INFO2 imfinfo Image2 png l2 r2 size j2 figure subplot 221 imshow j2 title 原图 for a 1 l2 for b 1 r2 q1 a b j2 a b 1 2 q1 a b 为将原图灰度值提高1 2倍 end end for a 1 l2 for b 1 r2 q2 a b j2 a b 2 q2 a b 为将原图灰度值提高2倍 end end for a 1 l2 q3 a b 自定义函数 for b 1 r2 if j2 a b 60 q3 a b j2 a b 0 5263 120 7 end end end end subplot 222 imshow q1 title j m n 1 2 subplot 223 imshow q2 title j m n 2 subplot 224 imshow q3 title j m n 自定义函数 figure subplot 221 imhist j2 64 title 原图的直方图 subplot 222 imhist q1 64 title j m n 1 2 subplot 223 imhist q2 64 title j m n 2 subplot 224 imhist q3 64 title j m n 自定义函数 输出的图像 图 5 图 6 题目3 图3亮处细节分辨不清 使其能看清楚 方法 像素点操作 clc clear all close all I2 imread Image3 png j2 rgb2gray I2 INFO2 imfinfo Image3 png l2 r2 size j2 figure subplot 221 imshow j2 title 原图 for a 1 l2 for b 1 r2 q1 a b j2 a b 0 9 q1 a b 为将输出图像的灰度值缩小为原图的0 9倍 end end for a 1 l2 for b 1 r2 q2 a b j2 a b 0 75 q2 a b 为将输出图像的灰度值缩小为原图的0 75倍 end end for a 1 l2 for b 1 r2 q3 a b j2 a b 0 75 25 q3 a b 自定义的灰度值缩小函数 end end subplot 222 imshow q1 title j m n 0 9 subplot 223 imshow q2 title j m n 0 75 subplot 224 imshow q3 title j m n 0 75 25 figure subplot 221 imhist j2 64 title 原图的直方图 subplot 222 imhist q1 64 title j m n 0 9 subplot 223 imhist q2 64 title j m n 0 75 subplot 224 imhist q3 64 title j m n 0 75 25 这三个实验所用的方法均是对图像进行点操作处理 特别是其中对于判定 和循环的运用是解题的关键 即对点进行判定并只对满足条件的点进行处理 思考题 1 答 点操作可以扩大灰度值的范围 并且可以改变某点灰度值的大小 实 现增强或减弱图像亮度 增强对比度以及直方图均衡化处理 2 答 均衡化后的直方图不平坦是由于图像中各灰度级出现的概率不同 均衡 化后的直方图使灰度级分布具有均匀概率密度 扩展了像素取值的动态范围 但减少了灰度级 实验感想 通过本次实验 对与图片的点操作处理和直方图处理有了更深刻的体会 同时我也认识到了设定优化参数的不易 图 7 图 8 实 验 报 告 课程名称 数字图像处理 实验项目 图像平滑实验 实验仪器 PC 机 MATLAB 软件 系 别 专 业 班级 学号 学生姓名 实验日期 成 绩 指导老师 实验实验 2 2 图像平滑实验图像平滑实验 一 实验目的一 实验目的 1 通过实验掌握图像去噪的基本方法 2 学会根据情况选用不同方法 二 实验的硬件 软件平台二 实验的硬件 软件平台 硬件 计算机 软件 操作系统 WINDOWS 2000 应用软件 MATLAB 三 实验内容及要求三 实验内容及要求 1 实验内容 请在如下面方法中选择多个 完成图像去噪操作 并进行分析 比较 1 对静态场景的多幅图片取平均 2 空间域模板卷积 不同模板 不同尺寸 3 频域低通滤波器 不同滤波器模型 不同截止频率 4 中值滤波方法 2 实验要求 1 图片可根据需要选取 2 对不同方法和同一方法的不同参数的实验结果进行分析和比较 如空间域卷积模 板可有高斯型模板 矩形模板 三角形模板和自己根据需求设计的模板等 模板大小可以 是 3 3 5 5 7 7 或更大 频域滤波可采用矩形或巴特沃斯等低通滤波器模型 截止频 率也是可选的 3 分析比较不同方法的结果 四 思考题四 思考题 1 不同空间域卷积器模板的滤波效果有何不同 2 空间域卷积器模板的大小的滤波效果有何影响 3 用多幅图像代数平均的方法去噪对图像有何要求 4 不同频域滤波器的效果有何不同 五 实验报告要求五 实验报告要求 1 列出程序清单并进行功能注释 2 说明不同方法去噪效果 3 对去噪方法进行详细分析对比 1 1 对静态场景的多幅图片取平均 对静态场景的多幅图片取平均 第一部分 向Lenna png加入8种不同的噪声 clc clear all close all M imread Lenna png 读取一幅名为Lenna png的图像 M rgb2gray M 转换为灰度值图像 subplot 3 3 1 imshow M 显示原始图像 title original P1 imnoise M gaussian 0 01 加入高斯躁声 噪声密度为0 01 subplot 3 3 2 imshow P1 加入高斯躁声 噪声密度为0 01 后显示图像 title gaussian noise 1 P2 imnoise M salt 加入椒盐躁声 噪声密度为0 01 subplot 3 3 3 imshow P2 加入椒盐躁声 噪声密度为0 01 后显示图像 title salt P3 imnoise M gaussian 0 02 加入高斯躁声 噪声密度为0 02 subplot 3 3 4 imshow P3 加入高斯躁声 噪声密度为0 02 后显示图像 title gaussian noise 2 P4 imnoise M salt 加入椒盐躁声 噪声密度为0 02 subplot 3 3 5 imshow P4 加入椒盐躁声 噪声密度为0 02 后显示图像 title salt P5 imnoise M gaussian 0 03 加入高斯躁声 噪声密度为0 03 subplot 3 3 6 imshow P5 加入高斯躁声 噪声密度为0 03 后显示图像 title gaussian noise 3 P6 imnoise M salt 加入椒盐躁声 噪声密度为0 03 subplot 3 3 7 imshow P6 加入椒盐躁声 噪声密度为0 03 后显示图像 title salt P7 imnoise M gaussian 0 04 加入高斯躁声 噪声密度为0 04 subplot 3 3 8 imshow P7 加入高斯躁声 噪声密度为0 04 后显示图像 title gaussian noise 4 P8 imnoise M salt 加入椒盐躁声 噪声密度为0 04 subplot 3 3 9 imshow P8 加入椒盐躁声 噪声密度为0 04 后显示图像 title salt imwrite P1 lenna noise1 png png 保存图像P1至P8 imwrite P2 lenna noise2 png png imwrite P3 lenna noise3 png png imwrite P4 lenna noise4 png png imwrite P5 lenna noise5 png png imwrite P6 lenna noise6 png png imwrite P7 lenna noise7 png png imwrite P8 lenna noise8 png png 输出的图像 第二部分 对静态场景的多幅带有不同噪声的图片取平均 clc clear all close all a1 imread lenna noise1 png 读入图片 a2 imread lenna noise2 png a3 imread lenna noise3 png a4 imread lenna noise4 png a5 imread lenna noise5 png a6 imread lenna noise6 png a7 imread lenna noise7 png a8 imread lenna noise8 png b1 double a1 255 变换图像数据类型 b2 double a2 255 b3 double a3 255 b4 double a4 255 b5 double a5 255 图 9 b6 double a6 255 b7 double a7 255 b8 double a8 255 c b1 b2 b3 b4 b5 b6 b7 b8 8 八幅图取平均 subplot 331 imshow a1 title 噪声1 三行三列 显示图像1 8 subplot 332 imshow a2 title 噪声2 subplot 333 imshow a3 title 噪声3 subplot 334 imshow a4 title 噪声4 subplot 335 imshow a5 title 噪声5 subplot 336 imshow a6 title 噪声6 subplot 337 imshow a7 title 噪声7 subplot 338 imshow a8 title 噪声8 subplot 339 imshow c 显示平均后的图像 title 平均后的图像 输出的图像 原图像与经过平均处理的图像的对比 可以看到平均后得到的图 像已经修复了噪声 但是 仍有许多细节被损失了 比如头发的细节几乎被抹 掉 我自己分析认为是主 要是高斯噪声影响了结果 平均后得到的图像还有高 斯噪声的痕迹 图 10 图 11 2 空间域模板卷积 空间域模板卷积 不同模板 不同尺寸 第一组 邻域模板 clc clear all close all I imread lenna pepper png 读入图像 I double I 255 变换数据类型 subplot 221 imshow I 显示图像 title 原图像 邻域模板 H 1 5 0 1 0 1 0 1 0 1 0 定义4邻域平均模板 A filter2 H I 进行滤波 subplot 222 imshow A 显示图像 title 4邻域平均模板 subplot 223 H 1 12 0 1 1 0 1 1 1 1 1 1 1 1 0 1 1 0 定义8邻域平均模板 A filter2 H I imshow A title 8邻域平均模板 subplot 224 H 1 12 0 1 1 1 0 1 1 1 1 1 1 1 1 1 1 0 1 1 1 0 定义12邻域平均模板 A filter2 H I imshow A title 12邻域平均模板 邻域模板输出的图像 空间域模板卷积 不同模板 不同尺寸 可以发现 随着邻域模板 的增大 原图中夹杂的椒 盐噪声被抑制的更彻底 个人认为 8 邻域平均模板 的处理效果最好 12 邻域 平均模板的处理后 整幅 照片灰度值偏高 图 12 第二组 高斯模板 clc clear all close all I imread lenna pepper png 读入图像 I double I 255 数值转换 subplot 231 imshow I 显示图像 title 原图像 高斯模板 H fspecial gaussian 3 3 产生预定义滤波器 选用3 3的高斯模板 格式为b fspecial A m n m n 是邻域大小 A filter2 H I 对图像进行卷积滤波的函数格式A filter2 h B 其函数返回图像B经算子h滤波后的图像给A subplot 232 imshow A title 3 3的高斯模板 subplot 233 H fspecial gaussian 5 5 选用5 5的高斯模板 A filter2 H I imshow A title 5 5的高斯模板 subplot 234 H fspecial gaussian 7 7 选用7 7的高斯模板 A filter2 H I imshow A title 7 7的高斯模板 subplot 235 H fspecial gaussian 9 9 选用9 9的高斯模板 A filter2 H I imshow A title 9 9的高斯模板 subplot 236 H fspecial gaussian 11 11 选用11 11的高斯模板 A filter2 H I imshow A title 11 11的高斯模板 高斯模板输出的图像 空间域模板卷积 不同模板 不同尺寸 通过观察发现 多种尺寸 的高斯模板均无法去除椒 盐噪声 得到的输出结果 与原图一直 这个实验结 果让我有了一个猜想 即 高斯模板只适合处理高斯 噪声 图 13 第三组 加权模板 clc clear all close all I imread lenna pepper png 读入图像 I double I 255 数据类型转换 subplot 1 3 1 imshow I 显示图像 title 原图像 加权模板 H 1 10 1 1 1 1 2 1 1 1 1 选用3 3的加权平均模板 A filter2 H I subplot 1 3 2 imshow A title 3 3的加权平均模板 subplot 1 3 3 H 1 48 0 1 2 1 0 1 2 4 2 1 2 4 8 4 2 1 2 4 2 1 0 1 2 1 0 选用5 5的 加权平均 模板 A filter2 H I imshow A title 5 5的加权平均模板 加权模板输出的图像 对比分析 取上述各个模板中 3 3 模板 对应 4 邻域模板 进行比对 可以发现加权 模板是效果最好的 有效的滤去了噪声 得到的图像的对比度和灰度值都与原 图像相仿 4 邻域模板的效果其次 基本滤去了噪声 得到的图像的灰度值与 原图像相比偏低 伴有一些细节上的损失 高斯模板无效果 输出的图像与原 图一致 实验感想 高斯模板对椒盐噪声的处理无效果 这个让我考虑了很久 我不太明白为 什么会没有效果 我认为高斯模板应该会带来一些 负优化 但是没有看到 可能有时间我还得学习这些模板的相关算法 才能加以理解 可以看到 这两种尺 寸的加权平均模板的 处理结果近似 都有 效的滤去了原图中的 椒盐噪声 图 14 3 频域低通滤波器 不同滤波器模型 不同截止频率 频域低通滤波器 不同滤波器模型 不同截止频率 clc clear all close all I imread lenna pepper png f1 im2double I F1 fft2 double f1 傅里叶变换 F1 fftshift F1 将变换的原点移到频率矩形的中心 M N size f1 f2 double I F2 fft2 f2 傅里叶变换 F2 fftshift F2 将变换的原点移到频率矩形的中心 理想低通滤波 D0 input 输入截止频率 H1 zeros M N for i 1 M for j i N if sqrt i M 2 2 j N 2 2 D0 H1 i j 1 end end end H2 F1 H1 H2 ifftshift H2 H3 real ifft2 H2 巴特沃斯低通滤波 n input 巴特沃斯滤波器的阶数 n n1 fix M 2 n2 fix N 2 for i 1 M for j 1 N d sqrt i n1 2 j n2 2 B 1 1 0 414 d D0 2 n B1 i j B F2 i j end end B1 ifftshift B1 B2 ifft2 B1 B3 uint8 real B2 绘图 subplot 1 3 1 imshow I title 原图 subplot 1 3 2 imshow H3 title 理想低通滤波 subplot 1 3 3 imshow B3 title 巴特沃斯低通滤波 当 输入截止频率 20 巴特沃斯滤波器的阶数 n 2 时 输出的图像 当 输入截止频率 40 巴特沃斯滤波器的阶数 n 2 时 输出的图像 当 输入截止频率 50 巴特沃斯滤波器的阶数 n 2 时 输出的图像 当 输入截止频率 70 巴特沃斯滤波器的阶数 n 2 时 输出的图像 实验分析 在相同的截止频率下 巴特沃斯低通滤波器的处理效果由于理想低通滤波 器 过高或过低的截止频率设置都会导致图像处理结果不佳 过低会使图像模 糊 过高会引入额外的新噪点 图 15 图 16 图 17 图 18 对比分析得到 截止频率为40的二阶低通巴特沃斯滤波器处理这张图的效 果最佳 4 中值滤波方法 中值滤波方法 clc clear all close all i imread lenna pepper png 读入图像 i double i 255 数值转换 subplot 221 imshow i 显示图像 title 原图像 中值滤波 a medfilt2 i 3 3 中值滤波函数medfilt2 m行n列的滤波器 subplot 222 imshow a title 滤波器大小为3 3的中值滤波 subplot 223 a medfilt2 i 5 5 imshow a title 滤波器大小为5 5的中值滤波 选用5 5 subplot 224 a medfilt2 i 7 7 imshow a title 滤波器大小为7 7的中值滤波 输出的图像 图 19 乍一看有些相似 难以对比 对相同的区域放大相同的倍率 得到 实验分析 中值滤波的效果是这多种效果中最好的 三种大小的滤波器结果看上去几 乎都很完美 但放大后可以看到 3 3大小的中值滤波器保留了更多的细节 失 真最小 效果最好 思考题解答 1 在空间域卷积器模板中 加权模板的椒盐噪声的滤波效果比其余两模板的滤 波效果要好 前页已有分析 恕不重复 不同空间域卷积器模板适合处理的 噪声也不一样 2 对比经过滤波器处理过的图片 可知空间域卷积滤波中 模板的大小对滤波 的效果没有显著的影响 但是模板越大 处理后的图像越清晰 即从视觉上 看 滤波的效果更好 3 用多幅图代数平均的方法去噪时 要求有在不同干扰下拍摄的多张图像 实 验中我的做法是对同一张图像加入了不同的噪声 4 因算法不一样 处理后图像的色调 对比度等会有明显差别 实验感想 我了解了平均与频域滤波器 空间域模板卷积 不同模板 不同尺寸 等 方法在处理图片上的优势及劣势 要针对不同情况 分析噪声的主要种类 选 择合适的方案降噪 图 20 实 验 报 告 课程名称 数字图像处理 实验项目 图像平滑实验 实验仪器 PC 机 MATLAB 软件 系 别 专 业 班级 学号 学生姓名 实验日期 成 绩 指导老师 实验三 图像的边缘检测 一 实验目的 1 进一步理解边沿检测的基本原理 2 掌握对图像边沿检测的基本方法 3 学习利用 Matlab 图像工具箱对图像进行边沿检测 二 实验原理 边缘检测在图像处理中可