数字图像处理实验指导书

1、数字图像处理实验指导书 龚昌来 编著嘉应学院电子信息工程系2009年7月实验一Matlab图像处理工具箱的初步练习一、实验目的1. 了解图像矩阵的读入和保存方法; 2. 熟悉常用的图像类型及类型转换;3. 熟悉图像矩阵的显示方法（灰度、索引、黑白、彩色）;4. 了解图像矩阵的基本运算形式。 二、实验原理(一) 图像矩阵的读入和保存方法1. Imread函数可读入*.bmp、 *.jpg、 *.pcx、 *.tif、 *.xwd、 *.hdf等格式的图像文件.I=imread(文件名). %读入灰度、二进制、真彩色(RGB)图像矩阵,赋给I.I,map =imread(文件名).%读入索引图像,

2、 图像矩阵赋给I,调色板矩阵赋给map.注:文件名应带路径及后缀.2. imwrite函数将图像文件写入到*.bmp、 *.jpg、 *.pcx、 *.tif、 *.xwd、 *.hdf等格式的图像文件中.imwrite(I,新文件名). % 将图像I矩阵(灰度、二进制、真彩色(RGB)保存.imwrite(X,map,新文件名).% 保存索引图像.注:新文件名应带路径及后缀.3. 对于读入内存的图像,可以用save命令将其以二进制形式保存到以mat为扩展名的文件中.以后就可用load命令将其调到内存.在matlab6.1/toolbox/wavelet/wavedemo子目录下,有许多图像,

3、可用load函数调出.如load gatlinload woman注：用load命令调出图像, 对于灰度、二进制、真彩色图像, 图像矩阵数据自动存于X；对于索引图像, 矩阵数据自动存于X,调色板自动存于map.(二)常用的图像类型及类型转换1.matlab图像类型: 二进制图像(m×n矩阵,其元素值为logical)、灰度图像(m×n矩阵, 其元素值为uint8或double)、索引图像(一个m×n索引值矩阵,一个m ×3调色板矩阵, m为颜色数目)、真彩色(RGB) 图像(m×n×3矩阵).查看图像类型的方法有二种:1.从matla

4、b界面的workspace中查看图像矩阵类型;2.用isrgb(I)、isind(I)、isgray(I)、isbm(I)函数,若函数值为1则为相应类型.2. 类型转换1).X,MAP=gray2ind(I,n) 将灰度图像I转换成具有调色板MAP的索引图像X,n缺省值为64. I=ind2gray(X,MAP).将索引图像转换成灰度图像.2) .X,MAP=rgb2ind(R) 将真彩色图像(RGB图像)I转换成索引图像. R=ind2rgb(X,MAP) 索引图像转换成真彩色图像.3).I=rgb2gray(R) 将真彩色图像转换成灰度图像.4).通过阈值化将图像转化为二进制图像BW=im

5、2bw(I,level);将灰度图像或RGB图像I转化为二进制图像BWBW=im2bw(X,MAP,level);将索引图像转化为二进制图像.Level为阈值取值范围为0.1,先将所有图像转化为灰度图像,灰度值小于阈值像素点为0,反之为1. Level一般取0.5,也可用函数graythresh获取.Level=graythresh(I).(三) 图像矩阵的显示方法1).imshow(R);显示真彩色图像R.2). imshow(X,MAP);显示索引图像.3).imshow(I,n);使用n个灰度级显示灰度图像I.n缺省时为256或64. 4) imshow与subplot函数联合使用在一个

6、窗口中显示多幅图像.subplot(2,2,1);imshow(I1);subplot(2,2,2);imshow(I2).(四) 图像矩阵的基本运算形式有：点运算,邻域运算,串行运算,并行运算,迭代运算,模板运算,帧运算等.三、实验内容从网上采摘一幅真彩色图像(或输入一张数码相机照片)存入桌面(以dzx1命名).应用matlab软件完成下列任务：1.读入图像矩阵到I1,将其转换为灰度图像I2和二进制图像I3,并将I2存入桌面(新文件名dzx2).2. 将I2中每个像素值乘以1.5,所得图像为I4.3.在一个窗口内显示原真彩色图像I1、 灰度图像I2和I4及二进制图像I3.(共4幅)4.用二种

7、方法查看I1I4图像的类型.四、实验要求1. 预习实验原理.2. 对实验内容中1、2、3项编写程序(M文件),上机运行.3. 打印实验结果图像,写出实验报告.实验二图像的空间域平滑滤波一、实验目的1 完成对于给定图像加入噪声;2. 使用MatLab对图像进行邻域平均法滤波去噪;3. 使用MatLab对图像进行中值法滤波去噪;4. 掌握图像滤波效果评价方法.二、实验原理(一) 图像加噪方法1. imnoise函数Y=imnoise(I,gaussian,m,v):对图像I加高斯噪声,均值为m,方差为v.Y=imnoise(I,salt & pepper,d):对图像I加椒盐噪声.d为噪声

8、密度,如d=0.1,即为10分之1密度.Y=imnoise(I,speckle,v):对图像I加乘性噪声,y=I+n*I.n为均匀分布的均值为0,方差为v的随机噪声.Y=imnoise(I,poisson):对图像I加泊松分布噪声.2. 采用randn函数对图像I加高斯白色噪声I1=I+a*randn(size(I);% 图像I加均值为0,均方差为a的高斯白色噪声.(二) 邻域平均法滤波对图像的任一像素点以其为中心取M×M窗口(M一般取3,5,7,9等奇数) ,用窗口内各像素的灰度平均值代替窗口中心像素的灰度值. 邻域平均法特点:运算简单,对高斯噪声有良好的去噪效果.但造成图像有一定

9、程度的模糊.窗口越大平滑去噪效果越好,但图像变得越模糊(三) 中值法滤波中值滤波是对一个滑动窗口内的诸像素灰度值排序，用中值代替窗口中心像素的原来灰度值.它是一种非线性的图像平滑法。它对脉冲干扰及椒盐噪声的抑制效果好，在抑制随机噪声的同时能有效保护边缘少受模糊。但它对点、线等细节较多的图像却不太合适。(四) 图像滤波效果评价方法对于灰度图像,可采用归一化均方误差(NMSE)和峰值信噪比(PSNR) 评价图像滤波效果.f为原图像， 为去噪后图像, 图像尺寸MxN.PSNR单位:dB,fmax为图像最大灰度值,对8bit图像取255,对10bit图像取1023.NMSE越小,PSNR越大,去噪效果

10、越好.三、实验内容从网上采摘一幅真彩色图像(或输入一张数码相机照片)存入桌面(以dzx1命名). 应用matlab软件完成下列任务:1).将真彩色图像dz1转换为灰度图像y.2).给灰度图像y施加高斯白噪声(均方差为图像最大灰度值5%左右),用3×3和5×5二种不同窗口进行邻域平均法平滑去噪.3). 给灰度图像y施加椒盐噪声(密度为0.08),用3×3和5×5二种不同窗口进行中值法平滑去噪.四、实验要求1. 预习实验原理.2. 对实验内容编写程序(M文件),上机运行.3. 显示原图像y、加高斯白噪声图像y、 二种不同窗口邻域平均法去噪后的图像.计算加噪图

11、像y和去噪后图像的NMSE和PSNR值,并对二种窗口去噪效果进行比较.4. 显示原图像y、加椒盐噪图像y”、 二种不同窗口中值法去噪后的图像. 计算加噪图像y”和去噪后图像的NMSE和PSNR值,并对二种窗口去噪效果进行比较.5. 打印实验结果图像, 写出实验报告.实验三图像的分割与边缘检测一、实验目的1. 掌握图像的灰度阈值分割方法,2. 掌握Otsu(最大类间方差法)确定最佳分割阈值的方法.3. 掌握用Robert、Sobel等算子检测图像中边缘的方法。二、实验原理(一) 图像的灰度阈值分割方法1. 图像的灰度阈值分割原理设原图像为f(x,y),分割后图像为g(x,y),目标为白色(灰度2

12、55),背景为黑色(0). 分割阈值为T.2. Otsu法确定最佳分割阈值原理使原理：进行阈值处理后分离的像素类之间的类间方差最大。计算步骤见教材.(二(二) 图像的边缘检测1)Robert算子Robert算子对应模板2). Sobel算子 Sobel算子对应模板3).边缘检测原理设T为阈值, 检测后图像g(x,y)的边沿为白色(灰度255),背景为黑色(0).三、实验内容1. 对Lena图像采用灰度阈值法进行分割. 阈值采用Otsu法确定.2. 采用Robert和Soble算子检测Lena图像边缘.阈值取最大梯度值的一半.四、实验要求1. 预习实验原理.2. 对实验内容编写程序(M文件),上

13、机运行.3. 计算最佳分割阈值T.显示原图像y和分割结果图像.4. 显示原图像y和二种算子检测结果的边缘图像.5. 打印实验结果图像, 写出实验报告.实验四图像的傳里叶变换及频域低通滤波一、实验目的1.掌握二维傅里叶变换,了解图像频谱特征;2.掌握频域理想低通滤波器和指数型低通滤波器设计方法.二、实验原理(一) 二维傅里叶变换1).二维离散傅立叶变换对定义为 matlab二维快速离散傅里叶变换函数：正变换：y=fft2(x)反变换：x=ifft2(y)2).二维离散函数的傅立叶幅度谱(频谱)、相位谱和能量谱分别为 式中，R(u, v)和I(u, v)分别是F(u, v)的实部和虚部。 33).

14、 二维离散傅立叶变换的平移特性(频谱中心化处理)设图像f(x,y)的尺寸为M×N,设则频谱图的原点由左上角(1,1)平移到中心点(M/2,N/2).(二)频域低通滤波器频域低通滤波器有多种类型,本实验采用理想低通滤波器和指数型低通滤波器.1). 理想低通滤波器传递函数:D0为截止频率.2) 二阶指数型低通滤波器传递函数:D0为常数,其值的大小对滤波性能有影响.三、实验内容1. 对Lena图像施加高斯白噪声(均方差为图像最大灰度值5%左右),然后进行傅里叶变换,并进行频谱中心化处理.2. 对上述加噪图像进行频域理想低通滤波(取频域的四个角(1/4边长),其它置0).3.对上述加噪图像进行频域指数型低通滤波. (D0取最大谱值一半.注意:先进行频谱中心化处理.)四、实验要求1. 预习实验原理.2. 对实验内容编写程序(M文件),上机运行.3.显示傅里叶变换频谱图及中心化处理后频谱图.4.显示原图像、加噪图像、二种低通滤波后图像.5. 打印实验结果图像, 写出实验报告.实验五图像的压缩编码一、实验目的使用MatLab对图像进行线性预测编码.二、实验原理采用预测编码时,传输的不是实际像素值,而是实际像素值与预测像素值之差(预测误差). 当前像素Xn预测值,由以前的k个像素构成.