1、精選優質文檔-傾情為你奉上數字圖像處理實驗報告學生姓名： 葉圣紅 學 號： 專業年級： 09級電子信息工程二班 實驗一 常用MATLAB圖像處理命令一、實驗內容1、讀入一幅RGB圖像，變換為灰度圖像和二值圖像，并在同一個窗口內分成三個子窗口來分別顯示RGB圖像和灰度圖像，注上文字標題。實驗結果如右圖：代碼如下：Subplot (1,3,1) i=imread('E:數字圖象處理.jpg') imshow(i) title('RGB')Subplot (1,3,2) j=rgb2gray(i)imshow(j)title('灰度')Subplot

2、(1,3,3)k=im2bw(j,0.5)imshow(k)title('二值')2、對兩幅不同圖像執行加、減、乘、除操作，在同一個窗口內分成五個子窗口來分別顯示，注上文字標題。實驗結果如右圖：代碼如下：Subplot (3,2,1)i=imread('E:數字圖像處理1.jpg')x=imresize(i,250,320)imshow(x)title('原圖x')Subplot (3,2,2)j=imread(''E:數字圖像處理17.jpg')y=imresize(j,250,320)imshow(y)title(&#

3、39;原圖y')Subplot (3,2,3)z=imadd(x,y)imshow(z)title('相加結果')；Subplot (3,2,4)；z=imsubtract(x,y)；imshow(z)；title('相減結果')Subplot (3,2,5)；z=immultiply(x,y)；imshow(z)；title('相乘結果')Subplot (3,2,6)；z=imdivide(x,y)；imshow(z)；title('相除結果')3、對一幅圖像進行灰度變化，實現圖像變亮、變暗和負片效果，在同一個窗口內分

4、成四個子窗口來分別顯示，注上文字標題。實驗結果如右圖： 代碼如下：Subplot (2,2,1)i=imread('E:數字圖像處理12.jpg')imshow(i)title('原圖')Subplot (2,2,2)J = imadjust(i,3);imshow(J)title('變暗')Subplot (2,2,3)J = imadjust(i,0.4)imshow(J)title('變亮')Subplot (2,2,4)J=255-iImshow(J)title('變負')二、實驗總結分析圖像的代數運算結果

5、，分別陳述圖像的加、減、乘、除運算可能的應用領域。解答：圖像減運算與圖像加運算的原理和用法類似，同樣要求兩幅圖像X、Y的大小類型相同，但是圖像減運算imsubtract()有可能導致結果中出現負數，此時系統將負數統一置為零，即為黑色。乘運算實際上是對兩幅原始圖像X、Y對應的像素點進行點乘(X.*Y)，將結果輸出到矩陣Z中，若乘以一個常數，將改變圖像的亮度：若常數值大于1，則乘運算后的圖像將會變亮；叵常數值小于是，則圖像將會會暗。可用來改變圖像的灰度級，實現灰度級變換，也可以用來遮住圖像的某些部分，其典型應用是用于獲得掩膜圖像。除運算操作與乘運算操作互為逆運算，就是對兩幅圖像的對應像素點進行點（

6、X./Y)， imdivide()同樣可以通過除以一個常數來改變原始圖像的亮度，可用來改變圖像的灰度級，其典型運用是比值圖像處理。加法運算的一個重要應用是對同一場景的多幅圖像求平均值減法運算常用于檢測變化及運動的物體，圖像相減運算又稱為圖像差分運算，差分運算還可以用于消除圖像背景，用于混合圖像的分離。實驗二 圖像基本操作一、 實驗內容1.調試運行8倍減采樣程序,分析程序,對每條語句給出注釋,并顯示最終執行結果。1、調試運行8倍減采樣程序,分析程序,對每條語句給出注釋,并顯示最終執行結果。a=imread(e:3.jpg);%讀取圖片b=rgb2gray(a)；%變為灰度圖像wid，hei=si

7、ze（b）；%改變圖片大小quartimg=zeros(wid/2+1,hei/2+1);i1=1;j1=1;for i=1:2:wid for j=1:2:hei quartimg(i1,j1)=b(i,j) ; j1=j1+1; end i1=i1+1;j1=1;endfigureimshow(uint8(quartimg) %顯示輸出圖像2、顯示一幅灰度圖像a，改變圖像亮度使其整體變暗得到圖像b，顯示兩幅圖像的直方圖Subplot (1,2,1);a=imread('E:數字圖像處理實驗數字圖像處理20.jpg');imshow(a)；title('a')

8、；Subplot (1,2,2);b= imadjust(a,3)；title('b')顯示直方圖程序：Subplot (1,2,1);imhist(a);title('a的直方圖')Subplot (1,2,2);imhist(b);title('b的直方圖')3、對圖像b進行直方圖均衡化，顯示結果圖像和對應直方圖。Subplot (1,2,1);j=histeq(b);imshow(j); title('b均衡化');Subplot (1,2,2);imhist(j); title('b均衡化后的直方圖')均衡

9、化的圖像和直方圖：4、讀入圖像c，執行直方圖規定化，使圖像a的灰度分布與c大致相同，顯示變換后圖像及對應直方圖。counts,x=imhist(c) ；Subplot (2,2,1)；imshow(a);title('圖a');Subplot (2,2,2);c=imread('E:數字圖像處理13.jpg');imshow(c);title('圖c');Subplot (2,2,3);j=histeq(a,counts);imshow(j);Subplot (2,2,4);imhist(j)實驗三 圖像變換一、實驗內容1、對一幅圖像進行縮小，顯

10、示原始圖像與處理后圖像，分別對其進行傅里葉變換，顯示變換后結果，分析原圖的傅里葉譜與平移后傅里葉頻譜的對應關系。i=imread('F:數字圖象處理17.jpg');y=rgb2gray(i);subplot(2,2,1);imshow(y);title('原圖')j=imresize(y,0.5);subplot(2,2,2);imshow(j);title('縮小圖')m=fft2(y);subplot(2,2,3);imshow(abs(log(m),);title('原圖傅里葉變化')n=fft2(j);subplot(2

11、,2,4);imshow(abs(log(n),);title('縮小圖傅里葉變化')2、對一幅圖像進行旋轉，顯示原始圖像與處理后圖像，分別對其進行傅里葉變換，顯示變換后結果，分析原圖的傅里葉譜與旋轉后傅里葉頻譜的對應關系。i=imread('E:數字圖象處理18.jpg');j=rgb2gray(i);subplot(2,2,1);imshow(j);title('原圖')m=imrotate(j,45,'bilinear');subplot(2,2,2);imshow(m);title('旋轉圖')p=ffts

12、hift(fft2(j);subplot(2,2,3);imshow(abs(log(p),);title('原圖傅里葉變化')q=fftshift(fft2(m);subplot(2,2,4);imshow(abs(log(q),);title('旋轉圖傅里葉變化')實驗四 常用圖像增強方法一、實驗內容1、采用二維中值濾波函數medfilt2對受椒鹽噪聲干擾的圖像濾波，窗口分別采用3*3,5*5,7*7subplot(2,2,1);a=imread('E:數字圖像處理24.jpg'); j=imnoise(a,'salt & p

13、epper',0.04);imshow(j);title('椒鹽噪聲圖像');subplot(2,2,2);I_Filter1=medfilt2(j,3 3);imshow(I_Filter1);title('3X3');subplot(2,2,3);I_Filter2=medfilt2(j,5 5);imshow(I_Filter2);title('5X5');subplot(2,2,4);I_Filter3=medfilt2(j,7 7);imshow(I_Filter3);title('7X7');2、采用MATLA

14、B中的函數filter2對受噪聲干擾的圖像進行均值濾波subplot(1,2,1);a=imread('E:數字圖像處理23.jpg');j=imnoise(a,'salt & pepper',0.04);imshow(j);title('椒鹽噪聲圖像');subplot(1,2,2);h=fspecial('average');m=filter2(h,j); imshow(m);title('均值濾波')3、采用三種不同算子對圖像進行銳化處理。subplot(1,4,1);i=imread('F:

15、數字圖像處理16.jpg');i1=rgb2gray(i);imshow(i1);title('原圖像');subplot(1,4,2);h=fspecial('laplacian');i2=filter2(h,i1);imshow(i2);title('拉式算子')；subplot(1,4,3)h=fspecial('prewitt');i3=filter2(h,i1);imshow(i3);title('prewitt算子')subplot(1,4,4)h=fspecial('sobel'

16、;);i4=filter2(h,i1)imshow(i4);title('sobel算子')二、實驗總結1、比較不同平滑濾波器的處理效果，分析其優缺點中值濾波比低通濾波消除噪聲更有效。因為噪聲多為尖峰狀干擾，若用低通濾波雖能去除噪聲但陡峭的邊緣將被模糊。中值濾波能去除點狀尖峰干擾而邊緣不會變壞。理想低通濾波器平滑處理的概念是清晰的，但在處理過程中會產生較嚴重的模糊和振鈴現象。這種現象正是由于傅里葉變換的性質決定的。2、比較不同銳化濾波器的處理效果，分析其優缺點梯度算子: 梯度對應的是一階導數，梯度算子是一階導數算子。梯度方向:在圖像灰度最大變化率上，反映出圖像邊緣上的灰度變化。

17、梯度處理經常用于工業檢測、輔助人工檢測缺陷，或者是更為通用的自動檢測的預處理。拉普拉斯微分算子強調圖像中灰度的突變,弱化灰度慢變化的區域。這將產生一幅把淺灰色邊線、突變點疊加到暗背景中的圖像。實驗五 圖像恢復和圖像分割一、實驗內容1、產生運動模糊圖像，運用維納濾波進行圖像恢復，顯示結果。 i=imread('F:car.jpg');I1=rbg2gray(i)；I= im2double(I1);subplot(1,3,1)imshow(I)；title(原圖像)LEN = 21; THETA = 11; PSF = fspecial('motion', LEN,

18、 THETA);blurred = imfilter(I, PSF, 'conv', 'circular');subplot(1,3,2);imshow(blurred);title('模擬運動模糊圖像')wnr2=deconvwnr(blurred,PSF);subplot(1,3,3);imshow(wnr2);title('維納濾波恢復后圖像')2、采用三種不同算子檢測圖像邊緣，顯示結果i = imread('F:car.jpg'); I=rgb2gray(i);subplot(2,2,1);imshow(I

19、);title('原圖像')BW1 = edge(I,'prewitt'); subplot(2,2,2);imshow(BW1); title('prewit算子邊緣檢測')BW2=edge(I,'zerocross'); subplot(2,2,3);imshow(BW2);title('zerocross算子邊緣檢測')BW3=edge(I,'log'); subplot(2,2,4);imshow(BW3);title('log算子邊緣檢測')3、對二值圖像分別進行方形模板3

20、*3和5*5的膨脹和腐蝕操作，顯示結果。i= imread('F:16.jpg'); I=im2bw(i,0.5);subplot(2,3,1);imshow(I);title('二值圖像')se=strel('square',3);se1= strel('square',5);I1 = imdilate(I,se);subplot(2,3,2);imshow(I1);title('3*3膨脹圖像')I2 = imdilate(I,se1);subplot(2,3,3);imshow(I2);title('

21、5*5膨脹圖像')subplot(2,3,4);imshow(I);title('二值圖像')erodedBW=imerode(I,se);subplot(2,3,5);imshow(erodedBW);title('3*3腐蝕圖像')erodedBW1=imerode(I,se1);subplot(2,3,6);imshow(erodedBW1);title('5*5腐蝕圖像')實驗六 圖像處理實際應用一、實驗內容1、調試運行下列程序,分析程序,對每條語句給出注釋,并顯示最終執行結果。總結算法思想及優缺點總結：對于特定位置的車牌識別算法

22、非常高效，但對于含有噪聲等其他因素的車牌分割處理，相對來說算法還有待完善。三、實驗內容調試運行下列程序,分析程序,對每條語句給出注釋,并顯示最終執行結果。總結算法思想及優缺點.I=imread('Car.jpg');%讀取圖片y,x,z=size(I);% 返回I各維的尺寸，并存儲在變量y、x、z中myI=double(I); %換成雙精度數值% RGB to HSI %begin橫向掃描tic %計算tic與toc之間程序的運行時間% Y 方向 % 分割字符按行積累量Blue_y=zeros(y,1); %產生y*1的全0矩陣for i=1:y %給定i的范圍 for j=1

23、:x :x%給定j的范圍 if(myI(i,j,1)<=30)&&(myI(i,j,2)<=62)&&(myI(i,j,2)>=51)&&(myI(i,j,3)<=142)&&(myI(i,j,3)>=119) % 藍色RGB的灰度范圍 Blue_y(i,1)= Blue_y(i,1)+1; %藍色像素點統計 end end endtemp MaxY=max(Blue_y); % Y方向車牌區域確定%temp為向量white_y的元素中的最大值，MaxY為該值的索引（ 在向量中的位置）PY1=MaxY

24、; %y矩陣的最大元素while (Blue_y(PY1,1)>=5)&&(PY1>1) 確定藍色RGB Blue_y所在位置 PY1=PY1-1; %對車牌區域的修正，向上調整end PY2=MaxY; while (Blue_y(PY2,1)>=5)&&(PY2<y) PY2=PY2+1;endIY=I(PY1:PY2,:,:);%IY為原始圖像I中截取的縱坐標在PY1：PY2之間的部分%end橫向掃描 %begin縱向掃描% X 方向 % Blue_x=zeros(1,x); %產生y*1的全0矩陣 for j=1:x for i=

25、PY1:PY2 if(myI(i,j,1)<=30)&&(myI(i,j,2)<=62)&&(myI(i,j,2)>=51)&&(myI(i,j,3)<=142)&&(myI(i,j,3)>=119) Blue_x(1,j)= Blue_x(1,j)+1; % Blue_x 的矩陣加一 end end endPX1=1;while (Blue_x(1,PX1)<3)&&(PX1<x) % 確定藍色RGB Blue_x的位置 PX1=PX1+1; %對車牌區域的修正向下調整end PX2=x;while (Blue_x(1,PX2)<3)&&(PX2>PX1) %確定藍色RGB Blue_x的位置 PX2=PX2-1; %對車牌區域的修正向下調整End%end縱向掃描PX1=PX1-2; % 對車牌區域的修正PX2=PX2+2;Plate=I(PY1:PY2,PX1-2:PX2,:);t=toc % 讀取計時%figure,imshow(I);% 原始圖像'figure,plot(Blue_y);grid %創建圖像窗口，繪制Blue