太原理工大学-数字图像处理实验

本科实验报告课程名称： 数字图像处理 实验项目： 实验一 空域图像增强技术 实验地点： 起点机房 专业班级： 通信1002 学号： 学生姓名： 指导教师： 2013年 6 月 1 日实验一 空域图像增强技术一、 实验目的1结合实例学习如何在视频显示程序中增加图像处理算法；2理解和掌握图像的线性变换和直方图均衡化的原理和应用；3了解平滑处理的算法和用途，学习使用均值滤波、中值滤波和拉普拉斯锐化进行图像增强处理的程序设计方法；4 了解噪声模型及对图像添加噪声的基本方法。二、 实验原理1 灰度线性变换就是将图像中所有点的灰度按照线性灰度变换函数进行变换。2 直方图均衡化通过点运算将输入图像转换为在每一级上都有相等像素点数的输出图像。按照图像概率密度函数PDF的定义：通过转换公式获得：3 均值（中值）滤波是指在图像上，对待处理的像素给定一个模板，该模板包括了其周围的临近像素。将模板中的全体像素的均值（中值）来代替原来像素值的方法。4 拉普拉斯算子如下： 拉普拉斯算子首先将自身与周围的8个像素相减，表示自身与周围像素的差异，再将这个差异加上自身作为新像素的灰度。三、 实验步骤1 启动MATLAB程序，对图像文件分别进行灰度线性变换（参考教材50页，例4.1）、直方图均衡化（参考教材56页，例4.6）、均值滤波（参考教材60页，例4.9）、中值滤波（参考教材64页，例4.11）和梯度锐化操作（参考教材66页，例4.12）。添加噪声，重复上述过程观察处理结果。2记录和整理实验报告四、 实验仪器1计算机；2 MATLAB程序；3记录用的笔、纸。五、 实验报告内容1、对图像文件进行灰度线性变换程序：I=imread(RX01.jpg);subplot(1,2,1）；imshow(I);title(原图);I=double(I);M,N=size(I);for i=1:M for j=1:N if I(i,j)=30 I(i,j)=I(i,j); else if I(i,j)1 %生产Huffman树，得到码字编码表 index1=symbols_index1; index2=symbols_index2; codeword_tmp(index1)=addnode(codeword_tmp(index1),uint8(0); codeword_tmp(index2)=addnode(codeword_tmp(index2),uint8(1); f=sum(f(1:2) f(3:end); symbols_index=index1,index2 symbols_index(3:end); f,sortindex=sort(f); symbols_index=symbols_index(sortindex);endcodeword=cell(256,1);codeword(symbols)=codeword_tmp;len=0;for index=1:length(vector) %得到整个图像所有比特数 len=len+length(codeworddouble(vector(index)+1);endstring=repmat(uint8(0),1,len);pointer=1;for index=1:length(vector) %对输入图像进行编码 code=codeworddouble(vector(index)+1; len=length(code); string(pointer+(0:len-1)=code; pointer=pointer+len;endlen=length(string);pad=8-mod(len,8); %非8整数倍时，最后补pad个0if pad0 string=string uint8(zeros(1,pad);endcodeword=codeword(symbols);codelen=zeros(size(codeword);weights=2.(0:23);maxcodelen=0;for index=1:length(codeword) len=length(codewordindex); if lenmaxcodelen maxcodelen=len; end if len0 code=sum(weights(codewordindex=1); code=bitset(code,len+1); codewordindex=code; codelen(index)=len; endendcodeword=codeword:;%计算压缩后的向量cols=length(string)/8;string=reshape(string,8,cols);weights=2.(0:7);zipped=uint8(weights*double(string);%码表存储到一个稀疏矩阵huffcodes=sparse(1,1);for index=1:nnz(codeword) huffcodes(codeword(index),1)=symbols(index);end%填写解码时所需的结构信息info.pad=pad;info.huffcodes=huffcodes;info.ratio=cols./length(vector);info.length=length(vector);info.maxcodelen=maxcodelen;info.rows=m;info.cols=n;%huffdecode函数对输入矩阵vector进行Huffman编码，%返回解压后的图像数据Endhuffdecodefunction vector=huffdecode(zipped,info,image)ifisa(zipped,uint8) error(input argument must be a uint8 vector);end%产生0，1序列，每位占一个字节len=length(zipped);string=repmat(uint8(0),1,len.*8);bitindex=1:8;for index=1:lenstring(bitindex+8.*(index-1)=uint8(bitget(zipped(index),bitindex);endstring=logical(string(:);len=length(string);%开始解码weights=2.(0:51);vector=repmat(uint8(0),1,info.length);vectorindex=1;codeindex=1;code=0;for index=1:len code=bitset(code,codeindex,string(index); codeindex=codeindex+1; byte=decode(bitset(code,codeindex),info); if byte0 vector(vectorindex)=byte-1; codeindex=1; code=0; vectorindex=vectorindex+1; endend%vector=reshape(vector,info.rows,info.cols);%函数addnode添加节点Endfrequencyfunction f=frequency(vector)ifisa(vector,uint8) error(input argument must be a uint8 vector);endf=repmat(0,1,256);len=length(vector);for index=0:255 f(index+1)=sum(vector=uint8(index);endf=f./len;%函数decode返回码字对应的符号Enddecodefunction byte=decode(code,info)byte=info.huffcodes(code);endaddnodefunction codeword_new=addnode(codeword_old,item)codeword_new=cell(size(codeword_old);for index=1:length(codeword_old) codeword_newindex=item codeword_oldindex;end%函数frequency计算各符号出现的概率End2、行程编码主程序：I=imread(5.gif);%读入图像数据zipped,info=RLEncode(I);%调用RLE进行编码unzipped=RLEdecode(zipped,info);%调用解码程序进行编码%显示原始图像和经编码解码后的图像，显示压缩比，并计算均方根误差得erms=0,表示ELE是无失真编码subplot(121);imshow(I);subplot(122);imshow(unzipped);%erms=compare(I(:),unzipped(:)cr=info.ratiowhos I unzipped zipped子程序：RLEncode functionzipped,info=RLEncode(vector)m,n=size(vector);vector=vector(:);L=length(vector);c=vector(1);e(1,1)=c;e(1,2)=0;%e(:,1)存放灰度，e(:,2)存放行程t1=1for j=1:L if(vector(j)=c) e(t1,2)=double(e(t1,2)+1; else c=vector(j); t1=t1+1; e(t1,1)=c; e(t1,2)=1; endendzipped=e;info.rows=m;info.cols=n;m,n=size(e);info.ratio=m*n/(info.rows*info.cols);RLEecode function unzipped=RLEecode(zip,info)zip=uint8(zip);m,n=size(zip);unzipped=;for i=1:m section=repmat(zip(i,1),1,double(zip(i,2); unzipped=unzipped section;endunzipped=reshape(unzipped,info.rows,info.cols);%程序结束六、思考题1图像中哪些信息是主要的，哪些信息是次要的？答：需要传达给别人的部分是主要的。其他是次要的。例如肖像图片，肖像部分是主要的，其背景是次要的。为了证明当时的场景，场景就是主要的了，而人物就变成次要的。描述风景，人物是次要的，背景是主要的。主要和次要是相对的。没有绝对的主要，也没有绝对的次要。2简述赫夫曼编码和行程编码的原理。 答：赫夫曼编码：先统计数据中各字符出现的概率，再按字符出现频率高低的顺序分别赋以由短到长的代码，从而保证文件整体的大部分字符是由较短的编码所构成。 行程编码：行程编码又称行程长度编码（Run Length Encoding， RLE）， 是一种熵编码，其编码原理是将具有相同值的连续串用其串长和一个代表值来代替， 该连续串就称为行程，串长称为行程长度。本科实验报告课程名称： 数字图像处理 实验项目： 实验四 图像分割 实验地点： 起点机房 专业班级： 通信1002 学号： 学生姓名： 指导教师： 2013年 6 月 9 日实验四 图像分割一、实验目的理解和掌握图像分割的基本理论和算法，练习使用形态学、区域、边界和阀值的方法结合图像增强复原的相关知识点对图像进行分割处理。二、实验原理1、膨胀和腐蚀是二值形态学的基本操作，其中膨胀是是将与目标区域的背景点合并到该目标物中，使目标物边界向外部扩张的处理；而腐蚀则是一种消除连通域的边界点，使边界向内收缩的处理。贴标签是对不同连通域区分和标记的基本算法。两者数学表达如下：膨胀：腐蚀：2、图象分割是按照某些特性(如灰度级,频谱,颜色，纹理等)将图象划分成一些区域，在这些区域内其特性是相同的或者说是均匀的，两个相邻区域彼此特性则是不同的，其间存在着边缘或边界。按照使用图像的特点可以分为两类：利用区域间灰度不连续性基于边界检测利用区域内灰度的相似性基于区域分割三、 实验步骤1、打开计算机，安装和启动MATLAB程序；程序组中“work”文件夹中应有待处理的图像文件；2、对于血细胞图像 a) 对图像进行去噪、增强处理； b) 运用全局阀值进行二值化（参考教材244页，例9.7, 例9.8, 例9.9）；c) 用膨胀腐蚀等形态学方法将血细胞分成不同的连通域（参考教材284页，例10.9、10.10），并使用贴标签的方式对连通域进行统计和标记。3、记录和整理实验报告。四、实验仪器1、计算机；2、MATLAB程序；3、记录用的笔、纸。五、实验报告内容1、迭代阈值二值化程序：I = imread(eight.tif);J = imnoise(I, salt & pepper,0.02);subplot(231);imshow(I);title(原图像);subplot(232);imshow(J);title(加椒盐噪声后的图像);k = medfilt2(J,5 5);subplot(233);imshow(k);title(5x5模板中值滤波)f = double(k);T=(min(f(:)+max(f(:)/2;done = false;i=0;while done r1=find(fT); Tnew=(mean(f(r1)+mean(f(r2)/2; done = abs(Tnew-T)1; T=Tnew; i=i+1;endf(r1)=0;f(r2)=1;subplot(234);imshow(f);title(迭代阈值二值化图像);se=strel(ball,8,8);f1=imdilate(I,se);subplot(235)imshow(f1);title(膨胀后图像);f2=im2bw(f1);f2,N=bwlabel(f2,8);subplot(236)imshow(f2);title(分割标记后图像);2.