最新数字图像处理实验四 数字图像处理基本运算实验报告(5篇)

报告，汉语词语，公文的一种格式，是指对上级有所陈请或汇报时所作的口头或书面的陈述。写报告的时候需要注意什么呢？有哪些格式需要注意呢？以下是我为大家搜集的报告范文，仅供参考，一起来看看吧

数字图像处理实验四 数字图像处理基本运算实验报告篇一

一、练习目的

1、熟悉并掌握matlab工具的使用；

2、实现图像的读取、显示、代数运算和简单变换。

二、练习环境

windows操作系统

matlab 6.5或以上应用软件

三、练习内容

1、图像文件的读写

（1）imread函数用来实现图像文件的读取。输入以下程序：

a=imread('文件名.扩展名');%用imread函数来读入图像 注：设置路径 imshow(a);%用imshow函数来显示图像 得到的结果如图：

（2）imfinfo函数用来查询图像文件信息。输入以下程序：

info=imfinfo('文件名.扩展名');% 用imfinfo函数查询图像文件信息 得到： info =

filename: '文件名.扩展名'

（4）imshow函数用来显示图像。

刚才介绍imread函数时已使用此函数。

（5）colorbar函数将颜色条添加到坐标轴对象中。输入以下程序：

rgb=imread('***');%图像读入

i=rgb2gray(rgb);%把rgb图像转换成灰度图像

imshow(i),colorbar('vert')% 将颜色条添加到坐标轴对象中

得到如图：

2、图像处理的基本操作

一、图像代数运算

（1）imadd函数实现两幅图像的相加或者给一幅图像加上一个常数。给图像每个像素都增加亮度的程序如下： i=imread('***');j=imadd(i,100);%给图像增加亮度 subplot(1,2,1),imshow(i)%填充 subplot(1,2,2),imshow(j)结果如图5。

（2）imsubtract函数实现从一幅图像中减去一个常数。输入以下程序实现从一幅图像中减去一个常数：

（3）immultiply实现两幅图像的相乘或者一幅图像的亮度缩放（图像乘以小于1或大于1的参数，比较效果）。输入以下程序：

（4）imspanide函数实现两幅图像的除法或一幅图像的亮度缩放。输入以下程序：

二、图像的空间域操作

（1）imrotate函数实现图像的旋转。输入以下程序： i=imread('***');j=imrotate(i,45);%对图像进行旋转 subplot(1,2,1),imshow(i);subplot(1,2,2),imshow(j);得到图：

练习二 数字图像处理的基本操作

一、练习目的

1、练习使用matlab工具进行数字图像处理；

2、实现图像的边缘提取、滤波、直方图修正等操作。

二、练习环境

windows操作系统

matlab 6.5或以上应用软件

三、练习内容

（1）imresize函数实现图像的缩放。输入以下程序：

j=imread('文件名.扩展名');x1=imresize(j,2);%对图像进行缩放 figure,imshow(j)结果如图

（2）imcrop函数实现图像的剪切。输入以下程序： i=imread('***');i2=imcrop(i);%对图像进行剪切 subplot(填充),imshow(填充);subplot(填充),imshow(填充);如图：

图像变换

（1）fft2函数和ifft2函数分别是计算二维的fft和反变换。输入以下程序： f=zeros(100,100);f(20:70,40:60)=1;imshow(f);f=fft2(f);% 计算二维的fft f2=log(abs(f));%对幅值取对数 imshow(f2),colorbar

（2）dct2函数采用基于fft的算法，用于实现较大输入矩阵的离散余弦变换。与之对应，idct2函数实现图像的二维逆离散余弦变换 输入以下程序： rgb=imread('***');i=rgb2gray(rgb);j=dct2(i);% 对i进行离散余弦变换 imshow(log(abs(j))),colorbar j(abs(j)<10)=0;k=idct2(j);% 图像的二维逆离散余弦变换 figure,imshow(i);figure,imshow(k,[0,255])得到如图：

（3）edge函数用于提取图像的边缘。输入以下程序：

rgb=imread('');i=rgb2gray(rgb);bw=edge(i);% 提取图像的边缘 imshow(i),figure,imshow(bw);得到图

图像增强、分割和编码

（1）imhist函数产生图像的直方图。a=imread('');%读入图像

b=rgb2gray(a);%把rgb图像转化成灰度图像 imshow(b);%显示灰度图像

imhist(b)%显示灰度图像的直方图 得到图

（2）histeq函数用于对图像的直方图均衡化。接上面程序：

c=histeq(b);%对图像b进行均衡化 imshow(c);%显示图像

imhist(c)；%得到均衡化后的灰度直方图 得到如图

filter2函数实现均值滤波。输入以下程序：

a=imread('');i=rgb2gray(a);imshow(i);k1=filter2(fspecial('average',3),i)/255;% 33的均值滤波 k2=补充;

% 55的均值滤波 k3=补充;

% 77的均值滤波 figure,imshow(k1);figure,imshow(k2);figure,imshow(k3);得到图

（5）medfilt2函数实现中值滤波。输入以下程序：

自查函数如何使用，并编程： 结果如图：

练习三

图像采样及图像类型转换

一、练习目的

1、熟悉并掌握matlab图像处理工具箱的使用；

2、试对自选图像分别进行4和16倍剪采样，查看其剪采样效果

3、将所给图，转换成256级灰度图像，8级灰度图像和2值图像

二、练习环境

matlab 6.5或以上版本、win xp或以上计算机

三、练习内容

使用matlab，对图像进行减采样。

a = imread('***.jpg');b = rgb2gray(a);[wid,hei]=size(b);%4倍减抽样

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;end figure

imshow(uint8(quartimg))练习结果如图

%16倍减抽样

编程并运行显示图像结果：

图像类型

1、练习内容

试将自选图，转换成256级灰度图像，8级灰度图像和2值图像

2、练习方法及程序

使用matlab，进行图像类型变换。

a = imread('***.jpg');b = rgb2gray(a);

figure imshow(b)[wid,hei]=size(b);img8 = zeros(wid,hei);img2 = zeros(wid,hei);for i=1:wid

for j=1:hei

img8(i,j)= floor(b(i,j)/32);%得到8级灰度图像

end end figure

imshow(uint8(img8),[0,7])for i=1:wid

for j=1:hei

补充;end end figure

imshow(uint8(img8),[0,2])%得到2值图像

练习结果如图

练习四

数字图像的空间域处理

一、练习目的

1、熟悉并掌握matlab图像处理工具箱的使用；

2、熟悉图像相加的方法及效果

3、熟悉图像灰度扩展的方法及效果

4、熟悉图像缩放、旋转的方法及效果

二、练习环境

matlab 6.5或以上版本、win xp或以上计算机

三、练习内容 part 1（1）选择一幅图像***.jpg，设置输入输出变换的灰度级范围，a=0.3, b=0.6, c=0.1, d=0.9；

（2）设置非线性扩展函数的参数c=2；

（3）采用灰度倒置变换函数s=255-r进行图像变换；

（4）设置二值化图像的阈值，分别为level=0.4,level=0.7参考程序如下： i=imread('***.jpg');figure;subplot(1,3,1);imshow(i);title('原图');j=imadjust(i,[0.3;0.6],[0.1;0.9]);%设置灰度变换的范围 subplot(1,3,2);imshow(j);title('线性扩展');i1=double(i);%将图像转换为double类型 i2=i1/255;%归一化此图像 c=2;k=c*log(1+i2);%求图像的对数变换 subplot(1,3,3);imshow(k);title('非线性扩展');m=255-i;%将此图像取反 figure;subplot(1,3,1);imshow(m);title('灰度倒置');n1=im2bw(i,0.4);%将此图像二值化，阈值为0.4 n2=im2bw(i,0.7);%将此图像二值化，阈值为0.7 subplot(1,3,2);imshow(n1);title('二值化阈值0.4');subplot(1,3,3);imshow(n2);title('二值化阈值0.7');练习结果与分析

（1）练习结果如图3.7所示。

part 2 读取一幅图片，如***.jpg，设置图像旋转的角度分别为450和900，采用图形旋转函数imrotate对图像进行旋转。程序如下，结果如图3.10。

i=imread('');j=imrotate(i,45);%图像进行逆时针旋转，默认采用最近邻法进行插值处理 k=imrotate(i,90);%默认旋转出界的部分不被截出 subplot(1,3,1);imshow(i);subplot(1,3,2);imshow(j);subplot(1,3,3);imshow(k);练习结果与分析

（1）练习结果如图3.10所示。

练习五 数字图像的频域处理

一、练习目的

1、熟悉并掌握matlab工具的使用；

2、实现图像离散傅里叶变换并观察效果

3、实现图像离散余弦变换并观察效果

二、练习环境

windows操作系统 matlab 6.5或以上应用软件

三、练习内容 part 1 选取一幅图像，进行离散傅里叶变换，再对其分别进行x轴与y轴上的平移，得其离散傅里叶变换，观察三幅结果图。

i=imread('');figure(1)imshow(real(i));i=i(:,:,3);ffti=fft2(i);sffti=fftshift(ffti);%求离散傅里叶频谱

%对原始图像进行二维傅里叶变换，并将其坐标原点移到频谱图中央位置

rrfdp1=real(sffti);iifdp1=imag(sffti);a=sqrt(rrfdp1.^2+iifdp1.^2);a=(a-min(min(a)))/(max(max(a))-min(min(a)))*225;

figure(2)imshow(real(a));练习结果与分析

part 2 选取一幅图像，进行离散傅里叶变换，再对其进行一定角度的旋转，进行离散傅里叶变换。

%构造原始图像

i = zeros(256,256);

i(88:168,124:132)= 1;%图像范围是256*256,前一值是纵向比，后一值是横向比 imshow(i)

%求原始图像的傅里叶频谱

j = fft2(i);f = abs(j);j1 = fftshift(f);figure imshow(j1,[5 50])

%对原始图像进行旋转

j = imrotate(i,90,'bilinear','crop');figure imshow(j)%求旋转后图像的傅里叶频谱

j1 = fft2(j);f = abs(j1);j2 = fftshift(f);figure imshow(j2,[5 50])练习结果与分析

1） 3 选取一幅图像，进行离散余弦变换，并对其进行离散余弦反变换，观察其结果。

%对***.jpg文件计算二维dct变换 rgb = imread('***.jpg ');figure(1)imshow(rgb)i = rgb2gray(rgb);%真彩色图像转换成灰度图像 j = dct2(i);%计算二维dct变换 figure(2)imshow(log(abs(j)),[])%图像大部分能量集中在上左角处 figure(3);j(abs(j)< 10)= 0;%把变换矩阵中小于10的值置换为0，然后用idct2重构图像 k = idct2(j)/255;imshow(k)练习结果与分析

数字图像处理实验四 数字图像处理基本运算实验报告篇二

实验报告

一、实验原理

1．调用imread函数将图像文件读入图像数组（矩阵）

a=imread(filename,fmt)2.调用imwrite函数将图像文件写入图像数组（矩阵）

imwrite(a,filename,fmt)3.调用imshow函数显示图像

imshow（i，n）

4.图像的灰度平均值。调用ave=mean2（i）计算图像的均值 5.协方差矩阵。调用cfg=cov（f，g）计算图像f和图像g的协方差矩阵 图像的灰度标准差。调用sd=std2（i）的灰度标准差 7.图像的相关系数。调用函数rfg=corr2(f，g)计算大小相等的两幅图像f和g的相关系数

二、图像及统计数据

原图像的平均灰度值= 77.5170

灰度标准差= 44.2095 灰度图像的平均灰度值= 74.4516

灰度标准差=37.1236 反白图像的平均灰度值= 180.5484

灰度标准差= 37.1236 灰度图像和反白图像的相关系数是

三、程序

i=imread('');subplot(2,2,1);imshow(i);j=rgb2gray(i);subplot(2,2,2);imshow(j);ave=mean2(j)ave =

74.4516 sd=std2(double(j))sd =

37.1236 s=size(j);all_white=255*ones(s(1),s(2));all_white_uint8=uint8(all_white);k=imsubtract(all_white_uint8,j);subplot(2,2,3);imshow(k);imwrite(k,'');

四、思考题

1.图像统计特征让我们更加了解图像的变换，使图像处理更加方便 2.五、心得体会

这次试验，我学会了使用marlab中的图像处理工具箱中的函数，对每个图像处理函数的功能都有了深入的认识。同时，我掌握了matlab的基本应用方法，对图像文件的读/写的方法有了初步认识。总之这次试验让我对matlab的图像处理有了一点学习，为更好地学习数字图像处理打下了一定的基础。

数字图像处理实验四 数字图像处理基本运算实验报告篇三

一、实验目的及内容 内容： 灰度变换和空间滤波 1.灰度变换

利用imadjust函数（可结合stretchlim函数）对图像对比度拉伸 2.直方图绘制、均衡和匹配

利用imhist，histeq函数完成图2.8及图2.11的功能 3.空间滤波

线性空间滤波：

利用滤波函数imfilter函数完成图2.16中b,c,d,e的图像平滑效果

利用fspecial函数生成average,disk，gaussian滤波器完成图像的平滑效果

利用fspecial函数生成prewitt, sobel,laplacian滤波器完成图像的锐化效果

非线性空间滤波

利用中值滤波函数medfilt2去除椒盐噪声

二、实验原理

①、函数imadjust是一个基本的图像处理工具箱函数，用于对灰度级图像进行灰度变换。

g=imadjust(f,[low_in high_in],[low_out high_out],gamma)，该函数将图像f中的灰度值映射为图像g中的新值，即将low_in至high_in之间的值映射到low_out至high_out之间的值。

②、函数imhist是处理图像直方图的核心函数

h=imhist(f,b)，其中f为输入图像，h为其直方图，b是用来形成直方图的“容器”的数目。

③、函数histeq是实现直方图匹配的函数

g=histeq(f,hspec)，其中f为输入图像，hspec为规定的直方图，g为输出图像，输出图像的直方图近似于指定的直方图hspec。

④、函数imfilter用来实现线性空间滤波

-1-g=imfilter(f,w,filtering_mode,boundary_options,size_options)，其中f为输入图像，w为滤波模板，g为滤波后的结果。

用于平滑的滤波器有：’average’,’disk’,’gaussian’ 用于锐化的滤波器有：’laplacian’,’prewit’,’sobel’

三、实验源代码及结果

1、灰度变换、直方图绘制、均衡和匹配 f=imread('')%读取图片 subplot(2,4,1)imshow(f),title('原图')%显示原图

f1=imadjust(f,[0.2 0.5],[ 0 1])%将图片的灰度级别在0.2至0.5之间的部分拉伸

至0到1之间

subplot(2,4,2)imshow(f1),title('灰度拉伸之后')%显示灰度拉伸之后的图片 subplot(2,4,3)imhist(f),title('原图直方图')f2=histeq(f,128)%进行直方图均衡化，灰度级数设为128 subplot(2,4,4)imhist(f2),title('均衡化')%显示均衡化之后的直方图 g=imread('')%图像

h=imhist(g)%图像的直方图赋值给向量h subplot(2,4,5)imhist(g),title('规定的直方图')f3=histeq(f,h)%进行直方图匹配 subplot(2,4,6)imshow(f3),title('直方图匹配')运行结果

2、线性空间滤波

a=imread('')%图像 figure,subplot(2,3,1)imshow(a),title('原图')w=1/(31*31)*ones(31)%生成31*31的全为1的矩阵，命名为w a1=imfilter(a,w)%利用imfilter函数进行滤波 subplot(2,3,2)imshow(a1)a2=imfilter(a,w,'replicate')%图像的大小通过复制图像边界外的值来扩展 subplot(2,3,3)imshow(a2)a3=imfilter(a,w,'symmetric')%图像的大小通过边界镜像反射来扩展 subplot(2,3,4)

-3-imshow(a3)a4=imfilter(a,w,'circular')%图像的大小通过将图像处理为二维周期函数的一个周期来扩展

subplot(2,3,5)imshow(a4)aa=im2uint8(a)a5=imfilter(aa,w,'replicate')subplot(2,3,6)imshow(a5)

b=imread('')figure,subplot(2,2,1)imshow(b),title('原图')w1=fspecial('average',[4])%生成average平滑滤波器 b1=imfilter(b,w1)%进行滤波 subplot(2,2,2)imshow(b1),title('average')w2=fspecial('disk',5)%生成disk平滑滤波器 b2=imfilter(b,w2)subplot(2,2,3)imshow(b2),title('disk')w3=fspecial('gaussian',[3 3],0.5)%生成gaussian平滑滤波器 b3=imfilter(b,w3)

-4-subplot(2,2,4)imshow(b3),title('gaussian')

c=imread('')figure,subplot(2,2,1)imshow(c),title('原图')w4=fspecial('prewitt')%生成prewitt锐化滤波器 c1=imfilter(c,w4)subplot(2,2,2)imshow(c1),title('prewitt')w5=fspecial('sobel')%生成sobel锐化滤波器 c2=imfilter(c,w5)subplot(2,2,3)imshow(c2),title('sobel')w6=fspecial('laplacian')%生成laplacian锐化滤波器 c3=imfilter(c,w6)subplot(2,2,4)imshow(c3),title('laplacian')运行结果

3、非线性空间滤波

d=imread('')%读取图像，赋值给d d1=imnoise(d,'salt & pepper',0.3)%用imnoise函数对d生成椒盐噪声 figure,subplot(1,2,1)imshow(d1),title('被椒盐噪声污染的图像')d2=medfilt2(d1)&用中值滤波器进行滤波 subplot(1,2,2)imshow(d2),title('去除椒盐噪声的图像')运行结果

四、实验总结（心得体会）

通过这次实验，首先我熟悉了matlab的基本操作，掌握了图像处理的基本操作，比如如何读一张图片进来、如何显示一张图片等等。这些都是最基本的操作。其次我知道了灰度变换的函数imadjust的使用，它是将选定的灰度级别范围变换为规定的范围，可以自由变换图像的灰度级别；还有掌握了如何画图像的直方图、将直方图均衡化等等。还学会了图像的滤波处理，通过函数imfilter进行滤波。常用的平滑滤波器有average,disk，gaussian、锐化滤波器有prewitt, sobel,laplacian。还学会了用中值滤波去除椒盐噪声。这些都是一些比较初级的函数，后面还有很多图像处理方法需要学习。

数字图像处理实验四 数字图像处理基本运算实验报告篇四

数字图像处理上机实验题

一、产生右图所示图像 f1(m,n)，其中图像大小为256×256，中间亮条为128×32，暗处=0，亮处=100。对其进行 fft：

1、屏显示原图 f1(m,n)和fft(f1)的幅度谱图；

2、令f2(m,n)=（-1）^（m+n）*f1(m,n)，重复以上过程，比较二者幅度谱的异同，简述理由；

3、若将f2(m,n)顺时针旋转 90 度得到f3(m,n)，试显示 fft(f3)的幅度谱，并与 fft(f2)的幅度谱进行比较；

4、若将f1(m,n)顺时针旋转 90 度得到f4(m,n)，令f5(m,n)=f1(m,n)+f4(m,n)，试显示 fft(f5)的幅度谱，并指出其与 fft(f1)和fft(f4)的关系；

5、若令f6(m,n)=f2(m,n)+f3(m,n)，试显示 fft(f6)的幅度谱，并指出其与 fft(f 2)和fft(f3)的关系，比较 fft(f6)和fft(f5)的幅度谱。

代码

f1=zeros(256,256);

for i =64:1:191 for j = 112:1:143 f1(i,j)= 100;

end

end

f2 = fft2(f1);

%f2(m,n)= f3

f3 =((-1)^(i+j))*f1;f4 = fft2(f3);

%f3(m,n)= f5

f5 = imrotate(f3,90,'bilinear');f6 = fft2(f5);

%f4(m,n)= f7

f7 = imrotate(f1,90,'bilinear');f8 = fft2(f7);

%f5(m,n)= f8 f9 = f1 + f7;f10 = fft2(f9);

%f6(m,n)= f2(m,n)+f3(m,n)f11 = f3 + f5;f12 = fft2(f11);

figure(1)subplot(1,2,1);imshow(abs(f1));title('原图f1');subplot(1,2,2);imshow(abs(f2));title('幅度谱fft2(f1)');figure(2)subplot(2,2,1)imshow(abs(f1));title('原图f1')subplot(2,2,2)imshow(abs(f2));title('幅度谱fft2(f1)');subplot(2,2,3);imshow(abs(f3))title('变换谱f2');subplot(2,2,4);imshow(abs(f4));title('幅度谱fft2(f2)');figure(3)subplot(2,2,1)imshow(abs(f3))title('变换谱f2');subplot(2,2,2);imshow(abs(f4));title('幅度谱fft2(f2)');subplot(2,2,3);imshow(abs(f5))title('变换谱f3');subplot(2,2,4);imshow(abs(f6));title('幅度谱fft2(f3)');figure(4)subplot(3,2,1);imshow(f7);

title('f1旋转图f4');subplot(3,2,2);imshow(abs(f8));title('幅度谱fft2(f4)');subplot(3,2,3);imshow(f9);

title('f5(m,n)=f1+f4');subplot(3,2,4);imshow(abs(f10));title('幅度谱fft2(f5)');subplot(3,2,5)imshow(abs(f1));title('原图f1');subplot(3,2,6);imshow(abs(f2));title('幅度谱fft2(f1)');figure(5)subplot(3,2,1)imshow(abs(f3))title('变换谱f2');subplot(3,2,2);imshow(abs(f4));title('幅度谱fft2(f2)');subplot(3,2,3);imshow(abs(f5))title('变换谱f3');subplot(3,2,4);imshow(abs(f6));title('幅度谱fft2(f3)');subplot(3,2,5)imshow(abs(f11))title('变换谱f6=f2+f3');subplot(3,2,6);imshow(abs(f12));title('幅度谱fft2(f6)');

figure(6)subplot(2,2,1);imshow(f9);

title('f5(m,n)=f1+f4');subplot(2,2,2);imshow(abs(f10));title('幅度谱fft2(f5)');subplot(2,2,3)imshow(abs(f11))

title('变换谱f6(m,n)=f2+f3');subplot(2,2,4);imshow(abs(f12));title('幅度谱fft2(f6)');

结果

分析

2、f2(m,n)与f1(m,n)幅度值相同，f2(m,n)=（-1）^（m+n）*f1(m,n)中，并未改变幅值。

3、fft(f2)比fft(f3)幅值大。

4、f5=f1+f4，即幅值相加。

5、f6=f2+f3，即幅值相加。

二、产生教材 104 页题图 4.18（右图）所示的二值图像（白为1，黑为0），编程实现习题4.18 所要求的处理（3*3 的平均滤波和中值滤波）功能（图像四周边界不考虑，处理结果按四舍五入仍取（0或1），显示处理前后的图像，比较其异同。

代码

i=[ 1,0,1,0,1,0,1,0;0,1,0,1,0,1,0,1;1,0,1,0,1,0,1,0;0,1,0,1,0,1,0,1;1,0,1,0,1,0,1,0;0,1,0,1,0,1,0,1;1,0,1,0,1,0,1,0;0,1,0,1,0,1,0,1;];j=imhist(i,2);

k=filter2(fspecial('average',3),i);k1=round(k);j1=imhist(k1,2);k2=medfilt2(i);j2=imhist(k2,2);

figure(1)subplot(2,2,1)imshow(i);title('原图像');subplot(2,2,2)imshow(j);

title('原图像直方图');subplot(2,2,3)imshow(k1);

title('3*3领域平均');subplot(2,2,4)imshow(j1);

title('领域平均图像直方图')figure(2)subplot(2,2,1)imshow(i);title('原图像');subplot(2,2,2)imshow(j);

title('原图像直方图');subplot(2,2,3)imshow(k2);title('中值滤波');subplot(2,2,4)imshow(j2);

title('中值滤波图像直方图')

结果

三、产生教材 104 页题图 4.16 所示的灰度图像（白为255，黑为0），分别加入高斯白噪声和椒盐噪声，再分别进行 3´ 3 的平均滤波和中值滤波，显示原图像、加噪图像和滤波结果图像，并比较四种滤波结果。

代码

f=zeros(256,256);for i =23:1:23

3for j=28:1:35 f(i,j)=255;

end

for j=52:1:59 f(i,j)=255;

end

for j=76:1:83 f(i,j)=255;

end

for j=100:1:107 f(i,j)=255;

end

for j=124:1:131 f(i,j)=255;

end

for j=148:1:155 f(i,j)=255;

end

for j=172:1:179 f(i,j)=255;

end

for j=196:1:203 f(i,j)=255;

end

for j=220:1:227 f(i,j)=255;

end end

g=imnoise(f,'gaussian',0.2);s=imnoise(f,'salt & pepper',0.2);k1=filter2(fspecial('average',3),g);g1=round(k1);g2=medfilt2(g);

k2=filter2(fspecial('average',3),s);s1=round(k2);s2=medfilt2(s);

figure(1)imshow(f)

title('ô-ê¼í¼ïñ');figure(2)subplot(3,2,1)imshow(g)

title('¸ßë¹í¼ïñ');subplot(3,2,2)imshow(s)

title('½·ñîí¼ïñ');subplot(3,2,3)imshow(g1)

title('æ½¾ùâ벨¸ßë¹í¼ïñ');subplot(3,2,5)imshow(g2)

title('öðöµâ벨¸ßë¹í¼ïñ');subplot(3,2,4)imshow(s1)

title('æ½¾ùâ벨½·ñîí¼ïñ');subplot(3,2,6)imshow(s2)

title('öðöµâ벨½·ñîí¼ïñ');

结果

四、对某一灰度图像，进行如下处理：

（1）分别利用 roberts、prewitt和sobel 边缘检测算子进行边缘检测；

（2）将roberts、prewitt和sobel 边缘检测算子修改为锐化算子，对原图像进行锐化，同屏显示原图像、边缘检测结果和锐化后图像，说明三者之间的关系。

代码

f1=imread('c:');f2=rgb2gray(f1);k1=edge(f2,'roberts');k2=edge(f2,'prewitt');k3=edge(f2,'sobel');

k4=filter2(fspecial('prewitt'),f2);k5=filter2(fspecial('prewitt'),f2);k6=filter2(fspecial('sobel'),f2);

figure(1)subplot(4,2,1)imshow(f1);title('yuanshi');subplot(4,2,2)imshow(f2);title('huidu');subplot(4,2,3)imshow(k1);title('roberts');subplot(4,2,5)imshow(k2);title('prewitt');subplot(4,2,7)imshow(k3);title('sobel');subplot(4,2,4)imshow(k4);title('log');subplot(4,2,6)imshow(k5);title('prewitt');subplot(4,2,8)imshow(k6);title('sobel');

结果

二值化。

五、编程实现教材 214 页所给图像门限化分割的迭代阈值算法，实现对某一灰度图像的代码

f1=imread('c:');f2=rgb2gray(f1);f3=f2;

zm=max(f2(:));zi=min(f2(:));k=2;

t(k)=(zm+zi)/2;while t(k)~=t(k-1);r1=find(f2<=t(k));r2=find(f2>t(k));k=k+1;

t(k)=(mean(f2(r1))+mean(f2(r2)))/2;end

r3=find(f3<=t(k));r4=find(f3>t(k));f3(r3)=0;f3(r4)=255;

figure(1)subplot(221)imshow(f1)title('原始图像');subplot(222)imshow(f2)title('灰度图像');subplot(223)imshow(f3)

title('迭代阈值算法二值化');

结果

心得体会

通过此次作业让我明白了很多，实际操作起来往往比理论所想的要复杂很多。当然，在课设的进行过程中，我还是遇到了不少问题。例如，起初由于我对句柄使用以及一些函数使用的不恰当。随着课设的进行，对matlab的的熟悉度逐步加深。

总体来说，此次的课程设计，还是较为满意的。它不但鞭策着我去巩固matlab的基础理论知识，还提高了我对matlab的实际操作运用，使得理论与实践相结合，为进一步学习matlab打下坚实的基础；同时，在实践的工程中，也让我体会到一种努力付出并得到回报的满足感觉。

数字图像处理实验四 数字图像处理基本运算实验报告篇五

数字图像处理上机作业

数字图像处理上机作业

1.产生右图所示亮块图像 f1(x,y)（128×128大小，暗处=0，亮处=255），对其进行fft：

（1）同屏显示原图f1和fft(f1)的幅度谱图；

图像：

（2）若令f2(x,y)=（-1）f1(x,y)，重复以上过程，比较二者幅度谱的异同，简述理由；（3）若将f2(x,y)顺时针旋转45度得到f3(x,y)，试显示fft(f3)的幅度谱，并与fft(f2)的幅度谱进行比较。

x+y

结论：不同点：f2的频谱是对f1频谱的移位，它时f1的频谱从原点（0，0）移到了中心（64，64），而得到了一个完整的频谱。

相同点：频谱的实质没有改变，幅度等都没有发生变化。

（3）若将f2(x,y)顺时针旋转45度得到f3(x,y)，试显示fft(f3)的幅度谱，并与fft(f2)的幅度谱进行比较。

源程序：f1=zeros(128,128);for i=38:1:90 for j=58:1:70 f1(i,j)=255;end end figure(1)subplot(1,2,1);imshow(f1);subplot(1,2,2);imshow(fft2(f1));% f2(x,y)=（-1）^(x+y)* f1(x,y)for i=1:1:128 for j=1:1:128 f2(i,j)=(-1)^(i+j)*f1(i,j);end end figure(2);subplot(1,3,1);imshow(f2);f3=imrotate(f2,-45,'bilinear');%将f2顺时针旋转45度 subplot(1,3,2);imshow(fft2(f2));%显示f2的频谱 subplot(1,3,3);imshow(fft2(f3));%显示f3的频谱

结论：均衡化后的直方图并非完全均匀分布的原因：因为图像的像素个数和灰度等级均为离散值，而且均衡化后使灰度级并归。

2.对256256大小、256级灰度的数字图像lena进行频域的理想低通、高通滤波，同屏显示原图、幅度谱图和低通、高通滤波的结果图。

源代码： figure(1);fid=fopen('d:','r');data=(fread(fid,[256,256],'uint8'))';subplot(2,2,1)imagesc(data);colormap(gray);title('lena','color','r');subplot(2,2,2);imshow(fft2(data));s=fftshift(fft2(data));[m,n]=size(s);%分别返回s的行数到m中，列数到n中 n=2;%对n赋初值 %glpf滤波，d0=5，15，30（程序中以d0=30为例）d0=30;%初始化d0 n1=floor(m/2);%对m/2进行取整 n2=floor(n/2);%对n/2进行取整 for i=1:m for j=1:n d=sqrt((i-n1)^2+(j-n2)^2);%点（i,j）到傅立叶变换中心的距离 h=1*exp(-1/2*(d^2/d0^2));%glpf滤波函数

s(i,j)=h*s(i,j);%glpf滤波后的频域表示 end end s=ifftshift(s);%对s进行反fft移动

%对s进行二维反离散的fourier变换后，取复数的实部转化为无符号8位整数 s=uint8(real(ifft2(s)));subplot(2,2,3);%创建图形图像对象 imshow(s);p=fftshift(fft2(data));[m,n]=size(p);%分别返回p的行数到m中，列数到n中 n=2;%对n赋初值 %glpf滤波d1=30 d1=30;%初始化d1 n3=floor(m/2);%对m/2进行取整 n4=floor(n/2);%对n/2进行取整 for i=1:m for j=1:n dd=sqrt((i-n3)^2+(j-n4)^2);%点（i,j）到傅立叶变换中心的距离 h1=1-exp(-1/2*(dd^2/d1^2));%ghpf滤波函数

p(i,j)=h1*p(i,j);%ghpf滤波后的频域表示 end end p=ifftshift(p);%对p进行反fft移动

%对s进行二维反离散的fourier变换后，取复数的实部转化为无符号8位整数 p=uint8(real(ifft2(p)));subplot(2,2,4);%创建图形图像对象 imshow(p);

3.对给定的两种128128、256级灰度的数字图像（（指纹图）（显微医学图像）进行如下处理：

（1）对原图像进行直方图均衡化处理，同屏显示处理前后图像及其直方图，比较异同，并回答为什么数字图像均衡化后其直方图并非完全均匀分布。

异同：由于原图像中目标物的灰度主要集中于低亮度部分，而且象素总数比较多，经过直方图均衡后，目标物的所占的灰度等级得到扩展，对比度加强，使整个图像得到增强。

数字图像均衡化后其直方图并非完全均匀分布的原因：由于原图像中目标物的灰度主要集中于低亮度部分，而且象素总数比较少，而所占的灰度等级比较多，因此图像的对比度比较好，亮度比较大，整体图像清晰。经过直方图均衡后，目标物的所占的灰度等级被压缩，对比度减弱，反而使目标物变的难以辨认。

数字图像均衡化后，其直方图并非完全均匀分布，这是因为图像的象素个数和灰度等级均为离散值；而且均衡化使灰度级并归，因此，均衡化后，其直方图并非完全均匀分布。

源代码： figure(1);fid=fopen('d:','r');

%打开无格式文件 data1=(fread(fid,[128,128],'uint8'))';%将打开的文件读入到data1 subplot(4,2,1);

%将figure(1)分成4*2的8个子窗口, data11=uint8(data1);imshow(data11);%图象显示

title('cell','color','b');

%加标题 subplot(4,2,2);title('原图像直方图');imhist(data11);subplot(4,2,3);

%取第二个子窗口

data2=uint8(data1);%将灰度图象转换成uint8格式 b=histeq(data2);

%直方图均衡化

imshow(b,256);

%显示均衡化图象,256可缺省 title('均衡化','color','b');

subplot(4,2,4);imhist(b);title('均衡化后图像直方图');subplot(4,2,5)fid=fopen('d:','r');%打开无格式文件

data3=(fread(fid,[128,128],'uint8'))';%将打开的文件读入到data3 data31=uint8(data3);

%将灰度图象转换成uint8格式 imshow(data31);

%显示灰度图象 title('fing','color','b');subplot(4,2,6)imhist(data31);title('原图像直方图');subplot(4,2,7);

data4=uint8(data3);%将灰度图象转换成uint8格式 d=histeq(data4);

%直方图均衡化

imshow(d,256);

%显示均衡化图象,256可缺省 title('均衡化','color','b');

subplot(4,2,8);imhist(d);title('均衡化后原图像直方图');（2）对原图像加入高斯噪声，用4-邻域平均法平滑加噪声图像（图像四周边界不处理，下同），同屏显示原图像、加噪图像和处理后的图像。

① 不加门限；

② 加门限 t2f(m,n)，（其中f(m,n)

1n2f(i,j)）

ij

源代码： % cell figure(2);fid=fopen('d:','r');

%打开无格式文件

data1=(fread(fid,[128,128],'uint8'))';%将打开的文件读入到data1 i=uint8(data1);i1=imnoise(i,'gaussian');%加乘性噪声 h1=[0 1 0;1 0 1;0 1 0]/4;%4×4领域模板 j=imfilter(i,h1);%领域平均

subplot(2,4,1),imshow(i);%显示图像i title('原图像');subplot(2,4,2),imshow(i1);title('加噪声后图像');subplot(2,4,3),imshow(j);

%不加门限平滑 title('不加门限平滑后图像');%加门限后滤波

t= 2*sum(i1(:))/128^2;im_t = zeros(128,128);for i = 1:128

for j = 1:128

if abs(i1(i,j)j(i,j))>t

im_t(i,j)= j(i,j);

else

im_t(i,j)= i1(i,j);

end

end end subplot(2,4,8);imshow(im_t);title('加门限后');4.（1）用laplacian锐化算子（分1和2两种情况）对256256大小、256级灰度的数字图像lena进行锐化处理，显示处理前、后图像。

源代码：

%laplacian算子锐化

i=imread('d:');% 读入原图像 figure(1);subplot(1,3,1);imshow(i);title('原始图像');l=fspecial('laplacian');l1=[0-1 0;-1 5-1;0-1 0];l2=[0-2 0;-2 9-2;0-2 0];lp1=imfilter(i,l1,'replicate');% α=1时的拉普拉斯算子 lp2=imfilter(i,l2,'replicate');% α=2时的拉普拉斯算子

subplot(1,3,2);imshow(lp1);title('laplacian算子α=1锐化图像');subplot(1,3,3);imshow(lp2);title('laplacian算子α=2锐化图像');

（2）若令

g1(m,n)f(m,n)2f，g2(m,n)4f(m,n)[f(m1,n)f(m1,n)f(m,n1)f(m,n1)

f(m,n1)f(m,n1)]

则回答如下问题：

① f(m,n)、g1(m,n)和g2(m,n)之间有何关系？ ② g2(m,n)代表图像中的哪些信息？ ③ 由此得出图像锐化的实质是什么？

①因为g2(m,n)2f(m,n)，所以f(m,n)、g1(m,n)和g2(m,n)之间有以下关系：

g1(m,n)f(m,n)g2(m,n)

②g2(m,n)代表了原图像中的二阶梯度信息；g1(m,n)是边缘增强后的数字图像； ③由此可以得出：图像锐化的实质是将原图像与梯度信息叠加（梯度信息所占的比例由，相当于对目标物的边缘进行了增强。的大小决定，值越大则梯度信息所占的比例越大）

5.分别利用roberts、prewitt和sobel边缘检测算子，对256256大小、256级灰度的数字图像lena进行边缘检测，显示处理前、后图像。图像：

源代码：

i=imread('d:');% 读入原图像 figure(1)%roberts梯度法锐化

subplot(2,2,1);imshow(i);title('原始图像');j=double(i);[ix,iy]=gradient(j);%计算梯度 a=sqrt(ix.*ix+iy.*iy);subplot(2,2,2);imshow(a,[]);title('roberts梯度法锐化图像');%prewitt算子锐化

s=imfilter(i,fspecial('prewitt'));subplot(2,2,3);imshow(s);title('prewitt算子锐化图像');%sobel算子锐化

s=imfilter(i,fspecial('sobel'));subplot(2,2,4);imshow(s);title('sobel算子锐化图像');

6、学习数字图像处理课程的心得体会，该课程在哪些方面需要改进，对该课程或者任课老师有哪些意见或建议。

通过对数字图像处理课程的认真学习，在课堂听课和课余实践中了解了数字图像的基础知识，培养了一定的软件编程能力，在努力完成课堂作业的同时，发现了对图像方面的兴趣。老师认真负责，布置合理的作业。但希望能够通过更加丰富的授课方式，提高更多人学习该门课程的兴趣和主动性。也同样希望老师能够加强点名和作业的验收，督促学生更加认真的学习知识。