数字图像处理期末考核报告-廖志立.doc

数字图像处理期末大作业暨课程考核报告 姓名：廖志立学号：14082200147序号：10湖南理工学院信息与通信工程学院2011年12月1 绘制灰度直方图，实现直方图均衡化和直方图匹配（规定化）31.1 算法原理31.2 算法设计31.3 实验结果及对比分析42 灰度图像的对比度增强52.1 算法原理52.2 算法设计52.3 实验结果及分析63 图形的几何变换73.1 算法原理73.2 算法设计73.3 实验结果及分析74 图像加噪（用输入参数控制不同噪声），然后使用空域和频域进行滤波处理84.1 算法原理84.2 算法设计84.3 实验结果及分析95 采用robert，prewitt，sobel，拉普拉斯算子对图像进行边缘提取95.1 算法原理95.2 算法设计95.3 实验结果及分析106 读入两幅图像，一幅为背景图像，一幅为含有目标的图像，应用所学的知识提取出目标106.1 算法原理106.2 算法设计106.3 实验结果及分析11 7 小结.111 绘制灰度直方图，实现直方图均衡化和直方图匹配（规定化）1.1 算法原理灰度直方图表示数字图像中每一灰度级出现的频率，即该灰度级的像素数与图像的总像素数之比。灰度图像为256级灰度，通过find()函数寻找每一级灰度值的像素的个数并统计，计入行向量中，统计结束后讲统计结果绘制成直方图。1.2 算法设计采用MATLAB IPT工具箱函数imhist()便可以求出图像的直方图，调用格式为imhist(I)，I为待处理的图像。采用IPT函数histeq()可以对图像进行均衡化以及规定化，调用格式为（1）J = histeq(I, hgram)，（2）J = histeq(I, n)，其中n = 256时，对图像进行均衡化。hgram为指定的向量时便可对图像进行规定化。MATALB源程序：Img=imread(E:pic03.jpg);%读取图像figure(1);imshow(Img);title(原图像像素图),Img=rgb2gray(Img);%绘制直方图m,n=size(Img);figure(2);bar(0:255,imhist(Img)/(m*n),b);title(原图像直方图);xlabel(灰度图);ylabel(出现概率);%三，直方图均衡化S1=zeros(1,256);for i=1:256 for j=1:i S1(i)=GP(j)+S1(i); %计算Sk endendS2=round(S1*256); %将Sk归到相近级的灰度for i=1:256 GPeq(i)=sum(GP(find(S2=i); %计算现有每个灰度级出现的概率 endfigure(3);bar(0:255,GPeq,r) %显 示均衡化后的直方图title(均衡化后的直方图);xlabel(灰度值);ylabel(出现概率);figure(4);imshow(PA) %显 示均衡化后的图像 title(均衡化后图像);imwrite(PA,PicEqual.jpg);1.3 实验结果及对比分析 图1 原始图像 图2 原始图像的直方图通过结果可以看出，图像的灰度级集中在灰度值较大的区间，这就是图像看上去较明亮的原因。 图3 均衡后 图4 均衡后直方图通过均衡后结果可以看出，图像的显示效果得到了明显改善，灰度值不再集中在数值较大的区域，而是均匀分布在整个灰度级区间内。 图5 原始图像 图6 规定化后图像通过规定后的图像，能够更加清晰的看到原始图像中模糊不清的部分，显示效果得到了明显改善。2 灰度图像的对比度增强2.1 算法原理讲图像的亮度值映射到一个新的区间，即将low_in至high_in之间的值映射到low_out到high_out之间的值。2.2 算法设计采用IPT工具箱函数imadjust()，可以对图像的亮度对比度进行调整。其调用格式为 g = imadjust(f,low_in,high_in,low_out,high_out,gamma).另外，采用对数变化式 g = 1./(1 + （m./(double(f) + eps)）.E)可以对图像的对比度进行变换。MATLAB源程序：Img=imread(E:pic08.jpg);%读取图像if length(Img) = 0 % If only one argument it must be f. method = full8;else method = Img1;endif strcmp(class(f), double) & (max(f(:) 1 | min(f(:) 1 | low 1 | high 0 error(Parameters low and high must be in the range 0, 1.) end if strcmp(class(f), double) low_in = min(f(:); high_in = max(f(:); elseif strcmp(class(f), uint8) low_in = double(min(f(:)./255; high_in = double(max(f(:)./255; elseif strcmp(class(f), uint16) low_in = double(min(f(:)./65535; high_in = double(max(f(:)./65535; end % imadjust automatically matches the class of the input. g = imadjust(f, low_in high_in, low high); otherwise error(Unknown method.)End2.3 实验结果及分析 图1 原始图像 图2 对比度增强后图像通过对象对比，可以看出图像的显示效果得到了明显的改善，便于观察。3 图形的几何变换3.1 算法原理通过图像点的坐标几何对应的关系实现图像的几何变化，平移、旋转等变换。3.2 算法设计采用IPT工具箱函数imtransform()可以对图像进行变化。其调用格式为 B = imtransform(A,TFORM,INTERP)，其中TFORM 向量决定图像的几何变换关系。MATLAB源程序：f=imread(E:picbuilding.tif);imshow(f);title(原图);m,n=size(f);g=zeros(m,n);for i=1:m for j=1:n g(i,j)=f(i,n-j+1); endendfigure,imshow(uint8(g);title(水平镜像);for i=1:m; for j=1:n; g(i,j)=f(m-i+1,j); endendfigure,imshow(uint8(g);title(垂直镜像);3.3 实验结果及分析 图一 原图 图二 水平镜像 图三 垂直镜像通过结果可以看出，算法实现了图像的几何变换。4 图像加噪（用输入参数控制不同噪声），然后使用空域和频域进行滤波处理4.1 算法原理通过噪声特性，产生不同的噪声加入到图像中各点的像素值中去，便可对图像进行加躁。采用空间掩膜矩阵与图像进行卷积进行空间域滤波，不同的掩膜矩阵滤波的效果也会不同。使用频域滤波器在频域空间对加入了噪声的图像进行滤波。4.2 算法设计使用MATLAB IPT工具箱函数imnoise()可以对图像进行加躁。其调用格式为J = imnoise(I,type,parameters) 其中type的不同取值决定不同的噪声特性，如高斯，椒盐等。imfilter（）可以对图像进行空间域以及频域进行滤波。其调用格式为B = imfilter(A, H)，其中H为滤波器的传递函数，A为待处理的图像。MATLAB源程序：Img=imread(E:pic03.jpg);imshow(Img);title(原图);Img=imnoise(Img,type,parameters);figure,imshow(Img);Title(噪声图)Img=imfilter(Img, H);figure,imshow(uint8(g);title(滤波图);4.3 实验结果及分析 图1 原图 图二 加入高斯噪声 图三 高斯噪声滤波 可以看出，滤波后图像的噪声没有噪声图像明显了，但是图像比原图像要变得模糊了，这是高斯滤波器的缺点之一，滤波并没有得到理想的原图像。5 采用robert，prewitt，sobel，拉普拉斯算子对图像进行边缘提取5.1 算法原理灰度或结构等信息的突变成为边缘，在空间域可以借助微分算子通过卷积运算来完成，空间域的微分在离散数字图像可以采用差分来近似。基于一阶导数的边缘检测算子有roberts算子，sobel算子，prewitt算子。基于二阶导数的边缘检测算子有laplacian算子，Log，canny算子是一中改进的算子。5.2 算法设计采用MATLAB IPT工具箱函数edge()可以对图像进行边缘检测，其调用格式为，BW = edge(I,type,thresh)，其中type为选用的算子。MATLAB源程序：f=imread(E:2.tif);subplot(1,2,1);imshow(f);title(原图);f=double(f);a1=-1,-1,-1,0,0,0,1,1,1;a2=-1,0,1,-1,0,1,-1,0,1;z1=conv2(f,a1);z2=conv2(f,a2);r=sqrt(z1.2+z2.2);r=uint8(r);imwrite(r,prewitt.tif);subplot(1,2,2);imshow(r);title(prewitt算子边缘检测);5.3 实验结果及分析 图1 原始图像 图2 边缘图像 通过结果可以看出，算法提取出了图像的边缘。6 读入两幅图像，一幅为背景图像，一幅为含有目标的图像，应用所学的知识提取出目标6.1 算法原理通过目标与背景之间的差异，对图像中各个像素值与阀值进行比较，满足约束条件的视为目标，将其提取出来，不满足的的则视为背景，不提取。6.2 算法设计边缘检测，直线hough检测，阀值分析，提取出目标。6.3 实验结果及分析 图1 原始图像 图2 提取出的目标通过结果可以看出，算法提取出了目标图像。但是目标与原始的时候存在一定的差异，这是因为目标中有一些像素点的值与背景比较接近，所以被判定为了背景像素。7 小结通过本次数字图像处理期末大作业的训练，熟悉了MATLAB的软件工具的使用，学到了一些基本的利用MATLAB对图像进行处理的技能，例如，绘制图像的直方图、直方图均衡化、直方图匹配、灰度图像的对比度增强、图形的几何变换、图像加噪滤波处理、图像进行边缘提取，并且能够借助MATLAB图像处理后的结果能正确分析理解，这对于以后从事数字图像处理相关工作打下了一定的基础。同时，我也感觉到MATLAB的图片处理的强大功能，我现在对MATLAB掌握的知识还远远不够。