图像上机实验

实验一 图像处理的基本操作 一，实验目的

1．熟悉有关数字图像处理的MATLAB基本操作和编写； 2．掌握数字图像的基本读写、显示与保存；

3．能够利用MATLAB工具箱完成图像处理的基本运算； 二，实验内容

1．（1）读取图像并显示真彩色图像house.tiff；

（2）读取图像并显示索引色图像canoe.tif，并转换为灰度图像； （3）读取图像并显示灰度图像rice.png，并转换为二进制图像； （4）检测内存中的图像和保存图像；

2．查看不同分辨率下图像lena.tiff的显示结果；

3．对彩色图像Peppers.png观看GRB通道各单通道图像； 4．实现马赫带效应并画出灰度直方图。 三，代码

I=imread('house.tiff'); figure(1) imshow(I)

[A,map]=imread('canoe.tif'); figure(2) subplot(121) imshow(A,map)

D=ind2gray(A,map); subplot(122) imshow(D)

G=imread('rice.png'); figure(3) subplot(121) imshow(G)

th=graythresh(G);H=im2bw(G,th); subplot(122) imshow(H)

whos;imwrite

B=imread('lena.tiff'); figure(4), subplot(121) imshow(B)

C = imresize(B, 0.2) subplot(122) imshow(C)

D=imread('Peppers.png'); r=D,r(:,:,[2 3])=0; g=D,g(:,:,[1 3])=0; b=D,b(:,:,[1 2])=0; figure(5),

subplot(1,3,1),imshow(r); subplot(1,3,2),imshow(g); subplot(1,3,3),imshow(b);

a=zeros(256,256); for i=1:32:256 a(:,i:i+32)=i; end

figure(6); subplot(121)

imshow(uint8(a)); subplot(122)

imhist(uint8(a));

四，实验结果

五，结果分析

从运行结果可以看出，实验还是比较成功的。但是在做索引色那个图像的时候，如果索引色和灰度图像放在同一个figure里，索引色图像显示的也是灰色，因此我只能把索引色图像和灰度图像分开放到两个figure里。在查看不同分辨率下图像lena.tiff的显示结果时，必须要对两个图像进行放大查看才能看出不同。

实验二 图像变换1 一，实验目的

1．熟悉有关MATLAB工具箱中提供的图像变换函数； 2．掌握傅立叶变换和小波变换等常用的正交变换函数； 二，实验内容 1．对图像lena.png进行傅立叶变换和离散余弦变换，并分别求出其逆变换后重构图像的均方误差；

2．实现图像lena.png的两层小波分解，观察分解系数并重构，求重构图像误差值；

3．观察图像IM1.BMP经小波分解系数的方向性，实现三层小波分解，分别把HL,LH,HH子带置零和重构，观察重构图像跟原始图像的差异。 三，代码

%1．对图像lena.png进行傅立叶变换和离散余弦变换，

% 并分别求出其逆变换后重构图像的均方误差； clear; clc;

I=imread('lena.png'); %傅里叶变换 figure(1); I1=fft2(I);

I1=fftshift(I1); If=ifftshift(I1);

If=uint8(real(ifft2(If))); subplot(231); imshow(I); subplot(232);

imshow(log(abs(I1)),[]); subplot(233); imshow(If);

[m,n]=size(I); %计算均方误差 for i=1:m

for j=1:n

temp(i,j)=(If(i,j)-I(i,j))^2; end end

wucha1=sum(sum(temp)) %离散余弦变换 I2=dct2(I);

I3=fftshift(I2); Id=idct2(I2);

Id=uint8(real(Id)); subplot(234); imshow(I); subplot(235);

imshow(log(abs(I3)),[]); subplot(236); imshow(Id);

[m,n]=size(I); %计算均方误差 for i=1:m

for j=1:n

temp(i,j)=(If(i,j)-I(i,j))^2; end end

wucha2=sum(sum(temp)) %% % 2．实现图像lena.png的两层小波分解，观察分解系数并重构，求重构图像误

差值；

X=imread('lena.png');

[c,s]=wavedec2(X,2,'bior3.7'); a1=wrcoef2('a',c,s,'bior3.7',1); h1=wrcoef2('h',c,s,'bior3.7',1); v1=wrcoef2('v',c,s,'bior3.7',1); d1=wrcoef2('d',c,s,'bior3.7',1); c1=[a1,h1;v1,d1]; c1=uint8(c1);

Xr=waverec2(c,s,'bior3.7'); figure(2); subplot(131); imshow(X); subplot(132); imshow(c1); subplot(133);

imshow(uint8(Xr));

[m,n]=size(X); %计算均方误差 for i=1:m

for j=1:n

temp(i,j)=(Xr(i,j)-I(i,j))^2; end end

wucha3=sum(sum(temp)) %%

% 3．观察图像IM1.BMP经小波分解系数的方向性，实现三层小波分解， % 分别把HL,LH,HH子带置零和重构，观察重构图像跟原始图像的差异。 P=imread('C:\\shiyan2\\IM1.BMP'); [c,s]=wavedec2(P,3,'bior3.7'); a1=wrcoef2('a',c,s,'bior3.7',1); h1=wrcoef2('h',c,s,'bior3.7',1); v1=wrcoef2('v',c,s,'bior3.7',1); d1=wrcoef2('d',c,s,'bior3.7',1); c1=[a1,h1;v1,d1]; c1=uint8(c1); figure(3); subplot(131); imshow(P); subplot(132); imshow(c1); subplot(133);

imshow(uint8(a1));

四，实验结果

五，实验结果

从运行结果可以看出，实验还是比较成功的。上图分别是1.对图像lena.png进行傅立叶变换和离散余弦变换，并分别求出其逆变换后重构图像的均方误差；2．实现图像lena.png的两层小波分解，观察分解系数并重构，求重构图像误差值；3．观察图像IM1.BMP经小波分解系数的方向性，实现三层小波分解，分别把HL,LH,HH子带置零和重构，观察重构图像跟原始图像的差异。最后求得误差均为零，我认为这可能是重构方法均是使用matlab自带函数的原因，使得重构图像与原图几乎一样。

实验三 图像变换2 一，实验目的

1．熟悉有关图像增强的直方图方法；

2．掌握傅立叶变换和离散余弦变换等常用的正交变换函数； 二，实验内容

1．实现对图像IM2.BMP进行直方图均衡化，从而达到增强图像的目的，观察图像直方图的前后变化；

2．实现对图像IM3.BMP加入某种噪声（如椒盐噪声等），运用低通滤波和中值滤波分别进行图像平滑；

3．实现对图像IM4.BMP的同态增强：对照明分量和反射分量进行同态滤波。

三，代码 clear; clc;

% 实现对图像IM2.BMP进行直方图均衡化，从而达到增强图像的目的， % 观察图像直方图的前后变化 i=imread('IM2.BMP'); j=histeq(i); figure(1); subplot(221); imshow(i);

title('原始图像'); subplot(222); imshow(j);

title('均衡化图像'); subplot(223); imhist(i,64);

title('原始直方图'); subplot(224); imhist(j,64);

title('均衡化直方图');

% 实现对图像IM3.BMP加入某种噪声（如椒盐噪声等）， % 运用低通滤波和中值滤波分别进行图像平滑 k=imread('IM3.BMP');

l=imnoise(k,'salt & pepper',0.02); figure(2); subplot(221); imshow(k);

title('原始图像'); subplot(222); imshow(l);

title('噪声图像'); p=medfilt2(l); subplot(223); imshow(p);

title('中值滤波图像'); f=double(l);

g=fftshift(fft2(f)); [N1,N2]=size(g);

n=2; %butterworth滤波器的参数n=2 d0=50; D为截止频率（与原点的距离） n1=fix(N1/2); n2=fix(N2/2); for i=1:N1

for j=2:N2

d=sqrt((i-n1)^2+(j-n2)^2); h=1/(1+0.414*(d/d0)^2*n); result(i,j)=h*g(i,j); end end

result=ifftshift(result); x2=ifft2(result); x3=uint8(real(x2)); subplot(224); imshow(x3);

title('butterworth低通滤波图像');

%实现对图像IM4.BMP的同态增强：对照明分量和反射分量进行同态滤波 %图像的动态范围压缩，图像的对比度增强，类似于高通滤波 clear; figure;

I=imread('IM4.BMP'); I1=log(double(I)+1); I2=fft2(I1); n=3; d0=5; rh=0.1; rl=0.05;

[row,col]=size(I2); for i=1:row

for j=1:col

d1(i,j)=sqrt(i^2+j^2);

h(i,j)=rl+(rh/(1+(d0/d1(i,j)^(2*n)))); end end

I3=I2.*h;

I4=ifft2(I3); I5=exp(I4)-1; subplot(121); imshow(I);

title('原始图像'); subplot(122); imshow(I5);

title('同态滤波');

四，实验结果

五，结果分析

从运行结果可以看出，实验还是比较成功的。但在加入椒盐噪声后进行高斯低通滤波的实验中，高斯低通滤波并不能完美的把噪声滤掉，图像中依然存在噪声，虽然变得不明显了。我想可能是算子取得不好，导致了高斯低通滤波的失败。

实验四 图像处理 一、实验目的

1．掌握图像分割中的四叉树区域分割与合并法； 2．掌握图像分割中的阈值分割法； 3．了解图像纹理分析和特征提取方法； 4．了解图像目标识别方法及其应用； 二、实验内容

1．使用四叉树(quadtree)的方法，找出图像IM5.BMP中物体的轮廓； 2．选择一个合适的初始阈值，将图像IM5.BMP分为两个区域；

3．选作题目：选择合适的位置算子，计算出图像的共生矩阵，然后计算熵和能量来

描述纹理特征；

4．选作实验五 特征提取 一、实验目的

1．了解图像纹理分析和特征提取方法； 二、实验内容

1．选择合适的位置算子，计算出图像的共生矩阵，然后计算熵和能量来描述纹理特征；

题目：汽车牌照定位与字符识别。 三，代码

%使用四叉树(quadtree)的方法，找出图像IM5.BMP中物体的轮廓 h=imread('L8_2.BMP'); s = qtdecomp(h, 0.2); figure(1); subplot(221); imshow(full(s)); title('参数为0.2'); s = qtdecomp(h, 0.4); subplot(222); imshow(full(s)); title('参数为0.4'); s = qtdecomp(h, 0.6); subplot(223); imshow(full(s)); title('参数为0.6'); s = qtdecomp(h, 0.8); subplot(224); imshow(full(s)); title('参数为0.8'); %%

% 选择一个合适的初始阈值，将图像IM5.BMP分为两个区域 h=imread('L8_2.BMP'); h1=im2bw(h,40/255);

本文来源：https://www.bwwdw.com/article/43xd.html