数字图像处理-图像的输入输出、表示及评价

1、图像的输入输出、表示及评价1、实验目的学习数字图像的计算机描述和存储格式，熟悉MATALAB环境下图像的类型及其转换，熟练掌握图像输入输出的基本技术。学习图像统计指标的计算、熟悉各项指标在图像处理中的意义研究图像采样、量化分辨率对图像质量的影响。2、实验原理1、图像的表示：数字图像分为彩色图像、索引图像、灰度图像、二值图像。彩色图像使用红、绿、蓝三种颜色表示。每种颜色分为256级，每级使用8位表示，共用24位表示一个像素，可以描述1677万种色彩。彩色图像使用红绿蓝3个二维矩阵表示。I=f(x,y),f(x,y),f(x,y)rgb索引图像能表示256种颜色，每种色彩其使用24位表示，以索引矩

2、阵的方式存储，占用256*24的空间，图像以8位表示一个像素。每个像素对应一种索引颜色。索引矩阵：12亿(x，y),dB(x，y),dG(x，y)，g=f(x，y)灰度图像只含亮度信息，每个像素用8位二进制数表示；g=f(x,y)二值图像只含两种信息，黑和白，只用一位二进制数表示一个像素。g=f(x,y)2、不同类型图像之间的转换：彩色图像可以转换为索引图像，按照索引矩阵，以最接近颜色替换完成。彩色图像、索引图像转换为灰度图像，只保留亮度信息。彩色、索引、灰度图像转换为二值图像采用阈值分割的方法，即选定一个阈值，大于此阈值的像素取1，小于此阈值的像素取0。灰度图像转换成彩色图像，采用索引的方式

3、。RGB图像转化为索引图像使用:(1)x,map=rgb2ind(RGB,n);(用最小方差量化将RGB转换为索引图像x,map中至少包含n个颜色。I=rgb2ind(RGB,map)(将RGB中的颜色与map中最相近的颜色匹配。(3)=rgb2ind(,dither_option)利用dither_option来设置是否抖动。(4)I=rgb2ind(RGB)；RGB图像转化为灰度图像使用:I=rgb2gray(RGB)B=im2bwRGB,level彩色转换为二值索引图像转化为灰度图像使用：I=ind2gray(x,map)B=im2bwI,map,level索引转换为二值；B=im2bw

4、I,level灰度转换为二值灰度图像转化为索引图像使用：x,map=gray2ind(I,n)3、图像的读入、写出、图像文件的显示采用MATLAB了工具箱。(1)图像的读取用：I=imread(name)；将目标图像在matalab环境下打开，可以用commandwindow对话框直接键入命令。用I=imread(filename.fmt)可以看到原始矩阵。也可编写代码I=imread(filename.fmt),运行。需要注意,图像文件的路径必须完整。将任意一幅图像存储为(name.fig)，或属性定义打开方式为matalab,则可以在matalab环境下进行处理。将图像矩阵写入图像文件使用

5、imwrite,格式：imwrite(a,filename.fmt)图像的保存，用file-saveas.或直接存取。图像显示函数imshow(I);图像的显示用imshow(),subimage和subplot结合可以显示多幅图。例如：subplot(1,2,1)；subimage(rgb);title(lily.tif);subplot(1,2,2);subimage(x,map);title(women.mat);灰度图像显示：imagesc(I,0,256)；colormap(gray).图像显示自带坐标轴。索引图像的显示：image(I)；colormap(map)彩色图像的显示：i

6、mage(rgb).Subimage(),可显示图像4、图像信息的查看。Toolbox中Whos或Imfinfo()可以显示图像的基本信息。Whos命令只显示所有图像的大小信息。图像I/O的Imfinfo函数了解图像存储格式信息。5、图像采样、量化原理：对于连续图像f(x,y)进行采样量化变成数字图像，分两步进行：首先，在空间上对图像进行采样，将空间连续的图像转换成离散的像素集合；第二步，对每一个像素的亮度进行量化处理，使得像素函数成为可以用二进制数表示的整数。采样、量化的过程会产生误差，影响图像质量。B=imresize(I,n);采样函数imshow(A,0,32)；量化函数,0,32是量

7、化级。量化有两种：a、从低向高取；b、从高向低取。6、描述图像的统计参数图像的大小：M*N,M表示图像的宽度，N表示图像的高度。图和图像统计特征像的灰度平均值：_艺1另1f(i,j)f二iM0jM0fMN灰度标准差图像的相关系数燈NTf(i,j)-f最大灰度级和最小灰度级函数：max(),min().impixel确定图像颜色值，用m,n=size(name)可以求出图像大小，即M*N。mean2计算灰度平均值，std2计算标准差，corr2计算二维相关系数，pixval计算像素信息量。3、实验内容(包括实验程序、实验图片、实验数据、实验结果分析)1.熟悉MATLAB图像处理环境，应用MATL

8、AB图像处理环境完成图像的输入输出。%输入一副彩色图像，将其变换为索引图像、灰度图像、二值图像并在同一画面输出四幅图像。A二imread(C:UsersAdministratorDesktop课设&实训&实验数字图像处理实验实验l.jpg)；x,map=rgb2ind(A,0.1)B=rgb2gray(A)；C=im2bw(A,0.2)；figuresubplot(2,2,1),imshow(A)title(原图)subplot(2.2,2),imshow(x,map)title(索引图像)subplot(2,2,3),imshow(B)title(灰度图像)subplot(2,2,4),im

9、show(C)title(二值图像)才-I%从外部存储器/计算机内存输入一幅灰度图像，编程索引图像输出軀度图像二值图像clc;clear;A二imread(C:UsersAdministratorDesktopsyl_l_l.jpg);%读入灰度图像X,map=gray2ind(A,10)%转化为索引图像imshow(X,map)title(索引图像)分析：要注意阈值的选择，否则处理的结果不理想。彩色图像：是多光谱图像的一种特殊情况，像素由R、G、B分量构成的图像，对应于人类视觉三基色，即红、绿、蓝三个波段，是对人眼的光谱量化性质的近似。三基色模型是建立图像成像、显示、打印设备的基础，具有十分

10、重要的作用。索引图像：索引图像是一种把像素值直接作为RGB调色板下标的图像。索引模式和灰度模式比较类似，它的每个像素点也可以有256种颜色用量，但它可以负载彩色。灰度模式的图像最多有256种颜色。当图像转换成索引模式时，系统会自动根据图像上的颜色归纳出能代表大多数的256种颜色，就像一张颜色表，然后用这256种来代替整个图像上所有的颜色信息。索引的图像只支持一个图层并且只有一个索引彩色通道。灰度图像：一幅完整的图像，是由红、绿、蓝三个通道组成的。红、绿、蓝三个通道的缩览图都是以灰度显示的。用不同的灰度色阶来表示“红、绿、蓝”在图像中的比重。通道中的的纯白代表了该色在此处为最高亮度，亮度级别是2

11、55.通道是整个Photoshop显示图像的基础。色彩的变动，实际上就是间接在对通道灰度图进行调整。通道是Photoshop处理图像的核心部分，所有的色彩调整工具都是在围绕这个核心周围使用的。二值图像：只有“拜”(用“0”表示)和“黑”(用“1”表示)两个灰度级称之为二值图像。%计算彩色图像、索引图像、灰度图像、二值图像的大小，计算存储空间、灰度平均值、灰度标准差、自协方差、相关系数。clc;clear;A二imread(C:UsersAdministratorDesktopsyl_l.jpg);%读彩色图像B=rgb2gray(A);%转为灰度图像imshow(B)title(灰度图像)B二

12、double(B);%转换位double型C=im2bw(A,0.2);%转化为二值图像x,map=rgb2ind(A,0.1)%转化为索引图像m,n=size(B);%求图像大小maxg=max(max(B)ming=min(min(B)avg=mean2(B)%灰度平均值s1=std2(B)%灰度标准差c1cov(B)%自协方差whos;jnasg=255jnirig=avg=127.6703si=5d.8392AAttributesavgclmapnasgmug150 x200 x3150 x200150200lzl200200lxl296x3lsllzllxl1111502009000

13、0uint8240000double30000logical8double320000dcuble8double7104double8doubLe8double8double8double240000dcubleBytesClass分析：有最后的数据分析得到了彩色图像、灰度图像、索引图像、二值图像的大小以及所占存储空间，以及其他数据。图像的灰度平均值，反映了一幅图像的平均亮度；协方差矩阵，是两幅图像的相关程度的一种度量，协方差矩阵为零时表示两图像之间相互独立，范志表示两图像之间相互依赖，协方差越大，相关程度越强；图像的灰度标准差，灰度值较大难以直观衡量，所以对方差开平方得到标准差，他是评价离散

14、度较好的指标；图像的相关系数，是描述图像相关程度的统计量，是反应两幅图像相互线性联系密切度的统计参数。数字图像在计算机上以位图形式，即像素矩阵形式存在。一幅M*N大小的图像是由M*N个像素点组成，各像素点明暗用灰度级表示，一般黑色为0，白色为255，其他的均匀划分，共256级。二值图像只有黑（0）和白（255），彩色图像可分解为R、G、B三个单色图像任何一种颜色均可有这三种颜色混合构成，彩色图像处理中，通常是对这三个单色图像分别处理得到。%选定一幅灰度图像，设计不同的采样标准，分析采样标准对图像质量的影响。%例如一幅M*N的图像，分别以1/2M*N、1/4M*N、1/8M*N、1/16M*N采

15、样，%分析不用采样图像统计参数的变化。clc;clear;I二imread(C:UsersAdministratorDesktopsyl_3g.jpg);%读灰度图像A=imresize(I,0.5);B=imresize(I,0.25);C=imresize(I,0.125);D=imresize(I,0.0625);imshow(I)title(二分之一采样)figuresubplot(2,2,1),imshow(A)title(四分之一采样)subplot(2,2,2),imshow(B)title(八分之一采样)subplot(2,2,3),imshow(C)title(原图)subp

16、lot(2,2,4),imshow(D)title(1十六分之一采样)二分之-釆样回分之一采样十六分之-釆样八分之-采样分析：采样是把空域或时域上连续的图像(模拟图像)转换成离散采样点(像素)集合(数字图像)的操作，这些值可以是均匀间隔也可以是图像的采样是对空间连续坐标的离散化；当量化级数一定是，采样点数越多，图像质量越高，当采样点数减少时，图上的块状效应(马赛克效应)就逐渐明显。%选定一副图像，设计不同的量化标准，比较不同量化标准对图像质量的影响。%例如，%分别采用256、128、32、16等灰度级量化一副图像，分析不同量化图像统计参数的变化。clc;clear;I二imread(C:Use

17、rsAdministratorDesktopsyl_4.jpg);%读彩色图像I=rgb2gray(I)imshow(I)title(原灰度图)figuresubplot(2,2,1)imagesc(I,0,255)title(256灰度量化级)subplot(2,2,2)imagesc(I,0,127)title(128灰度量化级)subplot(2,2,3)imagesc(I,0,31)title(32灰度量化级)subplot(2,2,4)imagesc(I,0,15)title(16灰度量化级)1001&0数字图像的质量在很大程度上取决于取样量化中所用的样本数据和灰度级，一般，当限定数字图像的大小时，为了得到质量较好的图像可采用如下原则：对缓变图像，细量化粗采样，避免假轮廓的出现；对细节丰富的图像，细采样粗量化，避免模糊。量化是把像素的灰度变换成离散度整数值的操作。