资源描述：
《数字图像处理实验指导书(2014版)》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。
1、齐鲁工业大学数字图像处理上机实验指导书电气工程与自动化学院电子信息工程系2014年3月10日实验一Matlab图像处理工具箱的初步练习实验目的：熟悉常用的图像文件格式与格式转换；熟悉图像矩阵的显示方法（灰度、索引、黑白、彩色）；熟悉图像矩阵的格式转换。实验内容：1.熟悉图像文件的读取、显示和保存；2.熟悉常用的图像文件格式，以及各种格式的转换；3.了解图像数据的存储形式，掌握在Matlab中获取图像数据的方法。4.编写一个简单的图像处理程序（求反色图像）。实验步骤：1.熟悉图像文件的读取、显示、保存以及格式转换1)读图像：分别读取不同格式的图像（灰度图像和索引
2、图像和真彩色图像），观察工作空间，把得到的信息记录下来，理解其中的含义。需要用到的主要函数：imread、load2)将1）中读入的图像显示出来。需要用到的主要函数：imshow3)将1）中读入的图像分别转换成灰度图像、真彩色图像、二值图像，显示并保存成分别保存成数据文件（.mat）和图像文件（.jpg/.tif/.png）到你的文件夹中，观察工作空间，学会如何将图像数据显示在命令窗口。需要用到的主要函数：ind2gray、ind2rgb、im2bw、save、imwrite4)从matlab的images文件夹中读取一幅真彩色图像（green.jpg）将其转
3、换到HSV空间和YCrCb空间，并将这些图像保存成图像文件，到你的文件夹中。需要用到的主要函数：imread、rgb2hsv、rgb2Ycbcr、imwrite注意：load函数和imread函数、save函数和imwrite函数的区别。2.学习使用help功能。打开imageprocessing工具箱，看demo3.编写程序求一幅灰度图像的反色图像；图1原图与反色图实验报告要求：实验报告要求包括实验目的、实验内容（概括）、实验步骤（要有具体的程序段）、每一步骤得到的实验结果和数据，以及对实验结果的分析，最后写出实验总结。实验二图像的空域增强实验实验目的：掌握
4、直方图均衡化的原理和方法；掌握平均滤波器、中值滤波的原理，以及对不同强度的高斯噪声和椒盐噪声进行滤波处理效果；熟悉图像的锐化过程。实验内容：1.观察各类图像的直方图，并利用直方图均衡方法进行图象增强；2.图像的平滑：完成对于给定图像加入噪声（高斯噪声和椒盐噪声），观察均值滤波和中值滤波的效果。3.图像的锐化：观察各种模板对应的锐化处理效果；基本原理：1．直方图的定义图象的灰度直方图是一个函数，表示数字图象中每一灰度级与该灰度级出现的频数（即具有这一灰度级的象素数目）间的对应关系：M为一幅图象所包含的象素总数；N(b)为图象中灰度值为b的象素总数。通常，以灰度值
5、b为横坐标，N(b)为纵坐标。直方图是图象中象素灰度值的一阶概率分布密度的一种近似。2．直方图均衡直方图均衡（histogramequalization）就是通过点运算使输入图像的灰度分布较为均匀，使图像具有较好的视觉效果。设r,s分别为原图和新图的灰度，jr(r),js(s)分别为原图及新图的概率密度函数，则均衡变换为原图像的累积分布函数：对于离散图像，均衡转换公式为：其中，Lmax指图像中的最大灰度值（对于灰度图像就是255）。3.均值滤波用均值滤波可以判断并消除孤立噪声。通常邻域取成N´N方形窗，如N取4，例设f(x,y)、分别表示(x,y)点的实际灰度
6、和经邻域平均后的灰度，Oi(i=1,2,...8)表示其邻接各点的灰度，如图1，则邻域平均可表示为：式中e是和图象灰度有关的门限。方形窗口沿水平和垂直两个方向逐点移动，从而平滑整幅图象，去除了孤立噪声。简单的邻域平均会模糊图象。321f(x,y)48675图1象素f(x,y)及其8邻域象素4.中值滤波采用邻域平均抑制噪声，在去除噪声的同时，不可避免地会使边缘轮廓模糊，因而使图象中包含的细节信息受到损失。中值滤波在过滤噪声的同时，还能较好地保护边缘轮廓信息，对减少随机脉冲噪声和胡椒面式（pepper-and-saltnoise）噪声很有效。中值滤波的原理是用一个
7、窗口W在图象上扫描，把窗口内包含的图象象素按灰度级升（或降）序排列，取灰度值居中的象素灰度为窗口中心象素的灰度，便完成了中值滤波。5．图像锐化微分锐化的处理方法最常用的是梯度法。由场论理论知道，数量场的梯度是这样定义的：如果给定一个函数f(x,y)，在坐标(x,y)上f的梯度可定义为一个矢量grad[f(x,y)]=[¶f/¶x,¶f/¶y]由梯度的定义可以得知它有两个特点：（1）矢量grad[f(x,y)]是指向f(x,y)最大增加率的方向；（2）如果用G[f(x,y)]来表示grad[f(x,y)]的幅度，那么G[f(x,y)]=max{grad[f(x,
8、y)]}=[(¶f/¶x)+(¶f/¶
