东北大学matlab计算机图像处理实验报告.docx

计算机图像处理实验报告

学院：信息学院
班级：
姓名：
学号：

实验内容：数字图像处理

1、应用MATLAB语言编写显示一幅灰度图像、二值图像、索引图像及彩色图像的程序，并进行相互之间的转换；

（1）、显示一副真彩RGB图像

代码：
I=imread('mikasa.jpg');
>>imshow(I);

效果：

（2）、RGB转灰度图像
代码：
graycat=rgb2gray(I);
>> subplot(1,2,1);
>> subimage(I);
>> subplot(1,2,2);
>> subimage(graycat);
效果：

（3）、RGB转索引图像
代码：
[indcat,map]=rgb2ind(I,0.7);
>> subplot(1,2,1);
>> subimage(I);
>> subplot(1,2,2);
>> subimage(indcat,map);
效果：

（4）、索引图像转RGB
代码：
I1=ind2rgb(indcat,map);
>>subplot(1,2,1);
>>subimage(indcat,map);
>>subplot(1,2,2)
>>subimage(I1);
效果：

（5）、索引转灰度图像
代码：
i2gcat=ind2gray(indcat,map);
>>subplot(1,2,1);
>>subimage(indcat,map);
>>subplot(1,2,2);
>>subimage(i2gcat);

效果：

（6）、灰度转索引图像
代码：
[g2icat,map]=gray2ind(graycat,64);
>>subplot(1,2,1);
>>subimage(graycat);
>>subplot(1,2,2);
>>subimage(g2icat,map);
效果：

（7）、RGB转二值图像
代码：
r2bwcat=im2bw(I,0.5);
>>subplot(1,2,1);
>>subimage(I);
>>subplot(1,2,2);
>>subimage(r2bwcat);
效果：

（8）灰度转二值图像
代码：
g2bwcat=im2bw(graycat,0.5);
subplot(1,2,1);
>>subimage(graycat);
>>subplot(1,2,2);
>>subimage(g2bwcat);
效果：

（9）、索引转二值图像
代码：
>> i2bwcatim2bw(indcat,map,0.7);
>>subplot(1,2,1);
>>subimage(indcat,map);
>>subplot(1,2,2);
>>subimage(i2bwcat);
效果：

2、应用MATLAB工具箱演示一幅图像的傅里叶变换、离散余弦变换，观察其频谱图。然后将它们进行逆变换，观察逆变换后的图像；

（1）傅里叶正变换
代码：
F=fft2(graycat);
>>subplot(1,2,1);
subimage(graycat);
>>subplot(1,2,2);
>>subimage(log(abs(F)),[3,10]);
效果：

（2）傅里叶反变换
代码：
IF=ifft2(F);
>>subplot(1,2,1);
>>subimage(log(abs(F)),[3,10]);
>>subplot(1,2,2);
subimage(uint8(IF));

效果：

（3）DCT变换
代码：
B=dct2(graycat);
>>subplot(1,2,1);
>>subimage(graycat);
>>subplot(1,2,2);
>>subimage(log(abs(B)),[3,5]);
效果：

（4）iDCT变换
代码：
iB=idct2(B);
>>subplot(1,2,1);
>>subimage(log(abs(B)),[3,5]);
>>subplot(1,2,2);
>>subimage(uint8(iB));
效果：

3.应用MATLAB语言编程来实现一幅图像的增强。
（1）取一幅灰度图像，对其进行线性点运算，要求：要求线性函数为Y=aX+b，
（a,b）分别取（1.5,1.2）、（0.7,1.2），分析变化后图像，并分析直方图。
代码：
graycat=double(graycat);
>> graycat1=1.5*graycat+1.2;
>>subplot(2,2,1);
>>subimage(uint8(graycat));
>>subplot(2,2,2);
>>imhist(uint8(graycat));
>>subplot(2,2,3);
>>subimage(uint8(graycat1));
>>subplot(2,2,4);
>>imhist(uint8(graycat1));
效果：

代码2：
graycat=double(graycat);
>> graycat1=0.7*graycat+1.2;
>>subplot(2,2,1);
>>subimage(uint8(graycat));
>>subplot(2,2,2);
>>imhist(uint8(graycat));
>>subplot(2,2,3);
>>subimage(uint8(graycat1));
>>subplot(2,2,4);
>>imhist(uint8(graycat1));
效果：

分析：a=0.7时，图像对比度减小，输出灰度值范围减小
a=1.5时，图像对比度增大，输出灰度值范围增大

（2）取一幅灰度图像，对其进行直方图均衡化处理，再对其进行规定化处理，并对结果进行分析。
代码：
graycat=uint8(graycat);
>>eqcat=histeq(graycat);
>>subplot(2,2,1);
>>subimage(graycat);
>>subplot(2,2,2);
>>imhist(graycat);
>>subplot(2,2,3);
>>subimage(eqcat);
>>subplot(2,2,4);
>>imhist(eqcat);
效果：

规定化代码：
hgram=50:2:250;
speciacat=histeq(graycat,hgram);
>> subplot(2,2,1);subimage(graycat);
>> subplot(2,2,2); imhist(graycat);
>> subplot(2,2,3); subimage(speciacat);
>> subplot(2,2,4); imhist(speciacat);
效果：

分析：图像均衡化将一已知灰度概率密度分布的图像经过某种变换，变成一幅具有均衡灰度概率密度分布的新图像，其扩展了象元取值的动态范围，从而达到增强图像整体对比度。
直方图规定化能自动增强整个图像的对比度，但具体效果不容易控制，处理结果总是得到全局的均衡化直方图。

思考题：如果将一幅图像进行一次直方图均衡化处理后，再进行一次直方图均衡化处理，结果会发生变化吗？观察两次均衡化的直方图是否一样。
答：A=imread('mikasa.jpg');
B=rgb2gray(A);
I=histeq(B); %第一次均衡化
I1=histeq(I); %第二次均衡化
subplot(121);
imshow(I1);
subplot(122);
imhist(I1)

从图可知2次结果相同，先直方图均衡了，就相当于所有的灰度级上的像素点数目相同，无论你再进行多少次直方图均衡，他始终都不再变化，因为第一次就已经均衡了。

（3）取一幅灰度图像，加入噪声后对其进行平滑滤波（均值滤波、中值滤波），并观察不同滤波方式下的效果。
代码：
noisecat=imnoise(graycat,'salt & pepper');
avecat=filter2(fspecial('average',3),noisecat)/255;
>>medcat=medfilt2(noisecat,[3,3]);
>> subplot(2,2,1);subimage(graycat);title('原图');
>> subplot(2,2,2);subimage(noisecat);title('加噪声图');
>> subplot(2,2,3);subimage(avecat);title('均值平滑图');
>> subplot(2,2,4);subimage(medcat);title('中值滤波图');
效果：

分析：均值滤波效果与所使用领域半径大小有关，半径越大，像素点越多，信噪比提高越大，平衡效果越好，但是平滑图像的模糊程度越大。
中值滤波时一种非线性滤波，可以克服线性滤波所带来的图像细节模糊，对滤波脉冲干扰及颗粒噪声最有效。

（4）取一幅灰度图像，采用不同的算子对其进行边缘锐化，并分析结果。
代码：
sobelcat=filter2(fspecial('sobel'),graycat);
prewittcat=filter2(fspecial('prewitt')graycat);
laplaciancat=filter2(fspecial('laplacian'),graycat);
subplot(2,2,1);subimage(graycat);title('原图');
subplot(2,2,2);subimage(sobelcat);title('sobel猫');
subplot(2,2,3);subimage(prewittcat);title('prewitt猫');
subplot(2,2,4);subimage(laplaciancat);title('laplacian猫');
效果：

分析：sobel算子对称的一阶差分，对中心加权具有一定的平滑作用
Prewitt算子：一种一阶微分算子的边缘检测，利用像素点上下，左右邻点的灰度差，在边缘处达到极值检测边缘，去掉部分伪边缘，对噪声具有平滑作用
Laplacian算子：二次微分算子，满足不同走向的图像边缘锐化要求，对噪声的增强作用较弱，一半用它进行边缘增强时，有必要将图像先进行平滑处理。

思考题：为了达到边缘锐化的反差增强效果，实际应用中将高频增强和直方图均衡化结合起来使用，这两个操作的次序能互换吗？效果一样吗？
答：I=imread('mikasa.jpg');
I=rgb2gray(I);
subplot(241),imshow(I);title('原始图像');
I1=[0,-1,0;-1,5,-1;0,-1,0];
I3=imfilter(I,I1);
subplot(242),imshow(uint8(I3));title('拉普拉斯算子锐化图像');
h=ones(size(I3));
[f1,f2]=freqspace(size(I3),'meshgrid');
r=sqrt(f1.^2+f2.^2);
h(r<0.3)=0;
Y=fft2(double(I3));
Y=fftshift(Y);
y=Y.*h;
y=ifftshift(y);
I4=ifft2(y);
subplot(243),imshow(uint8(I4));title('高频增强图像');
I5=histeq(I4);
subplot(244),imshow(I5);title('均衡化图像');
P=imread('mikasa.jpg');
P=rgb2gray(P);
subplot(245),imshow(P),title('原始图像');
ii=[0,-1,0;-1,5,-1;0,-1,0];
P1=imfilter(P,I1);
subplot(246),imshow(uint8(P1));title('拉普拉斯算子锐化图像');
P2=histeq(P1);
subplot(248),imshow(P2);title('均衡化图像');
J=ones(size(P2));
[f3,f4]=freqspace(size(P2),'meshgrid');
r1=sqrt(f3.^2+f4.^2);
J(r1<0.3)=0;
Y=fft2(double(P2));
Y=fftshift(Y);
y=Y.*h;
y=ifftshift(y);
P3=ifft2(y);
subplot(247),imshow(uint8(P3));title('高频增强图像')

从图可知，不能进行互换，效果有差异。

4、对一幅灰度图像进行模糊处理，然后进行逆滤波、维纳滤波与约束最小二乘方滤波复原实验。
代码：
PSF=fspecial('motion',30,45);
>>blurcat=imfilter(graycat,PSF,'circular','conv');
>> subplot(1,2,1);subimage(graycat);title('原图');
>> subplot(1,2,2);subimage(blurcat);title('运动糊化的图');
效果：

逆滤波代码：
wnr1cat=deconvwnr(blurcat,PSF);%逆滤波
>>subplot(1,2,1);subimage(blurcat);
>>subplot(1,2,2);subimage(wnr1cat);
效果：

维纳滤波代码：
noise=0.1*randn(size(graycat));
>>blurnoicat=imadd(blurcat,im2uint8(noise));
>> wnr2cat=deconvwnr(blurnoicat,PSF);
>> NSR=sum(noise(:).^2)/sum(im2double(graycat(:)).^2);
>> wnr3cat=deconvwnr(blurnoicat,PSF,NSR);
>> subplot(1,3,1);subimage(blurnoicat);title('运动加噪声');
>> subplot(1,3,2);subimage(wnr2cat);title('维纳滤波');
>> subplot(1,3,3);subimage(wnr3cat);title('真实信噪比维纳恢复');

效果：

5、应用MATLAB语言编写实现一幅图像的旋转、剪切和缩放；
旋转代码：
rotatcat=imrotate(graycat,45,'nearest');
>> rotatcat1=imrotate(graycat,45,'bilinear');
>> rotatcat2=imrotate(graycat,45,'bicubic');
>>subplot(2,2,1);subimage(graycat);
>> title('原图');subplot(2,2,2);subimage(rotatcat);title('最邻域旋转');
>> subplot(2,2,3);subimage(rotatcat1);title('双线性旋转');
>> subplot(2,2,4);subimage(rotatcat2);title('双立方旋转');
效果：

剪切代码：

imshow(graycat);
>>cropcat=imcrop(graycat,[100,100,200,200]);
>> subplot(1,2,1);imshow(graycat);title('mikasa');
>> subplot(1,2,2);imshow(cropcat);title('剪切');
效果：

缩放代码：
minimizecat=imresize(graycat,0.2,'nearest');
>>magnifycat=imresize(minimizecat,3,'bilinear');
>>imshow(minimizecat);

>>imshow(magnifycat);
效果：

6、对一幅图像进行边缘提取。
代码：
catedge=edge(graycat,'canny');
>>subplot(1,2,1);subimage(graycat);
>>subplot(1,2,2);subimage(catedge);
imshow(catedge);

效果：

感想：通过这次试验学习到了很多平时没想过的东西，对于图像也更加深了理解，图像的各种变化让人惊喜，平时我们对于图像的理解只是处于表面，但是经过试验，经过对图像进行各种变换让我很惊奇也理解更加深刻，图像处理是对图像信息进行加工，从而满足人类的心理、视觉或者应用的需求的一种行为。而且计算机也没有那么聪明，我们需要将彩色的图片转换为灰色图像，这样便于计算机分析，计算机跟人刚好相反，好看的不一定好处理，而灰色的图像虽然不美观，但是正好适合计算机来处理。另一方面，将彩色图像转化为灰色图像也能减少图像所占的存储空间，简化和加快后续处理的工作。我觉得我们应该更多的进行这种实验，这有利于我们让理论结合实际，更好的去提高自己的能力。