数字图像实验三

实验三数字图像分割处理

一、实验目的

1. 熟悉并掌握图像分割处理的方法以及编程实现方法。 2. 熟悉图像分割处理的过程。 二、实验内容

图像分割是一种重要的图像分析技术。图像分割是从图像预处理到图像识别和分析理解的关键步骤，在图像处理中展重要位置，一方面它是目标表达的基础，对特征测量有重要的影响，另一方面，图像分割以及基于分割的目标表达、特征提取和参数测量等将原始图像转化为更为抽象更为紧凑的形式，使得到更高层的图像识别、分析和理解成为可能。典型而传统的分割方法可分为基于阈值的方法、基于边缘的方法和基于区域的分割方法等。 三、实验原理 1、灰度阈值法

是把图像的灰度分成不同等级，然后用设置灰度阈值的方法确定有意义的区域或欲分割物体的边界。阈值T一般可写成:

T=T[x,y,p(x,y),q(x,y)] (1)

其中p(x,y)代表点(x,y)处的灰度值,q(x,y)代表该点邻域的某种局部特性.根据(1)式可将阈值分为全局阈值、局部阈值和动态阈值.如果T的选取只与p(x,y)有关,则是全局阈值,全局阈值是利用全局信息(例如整个图像的灰度直方图)得到的阈值,它

实验三数字图像分割处理

一、实验目的

1. 熟悉并掌握图像分割处理的方法以及编程实现方法。 2. 熟悉图像分割处理的过程。 二、实验内容

图像分割是一种重要的图像分析技术。图像分割是从图像预处理到图像识别和分析理解的关键步骤，在图像处理中展重要位置，一方面它是目标表达的基础，对特征测量有重要的影响，另一方面，图像分割以及基于分割的目标表达、特征提取和参数测量等将原始图像转化为更为抽象更为紧凑的形式，使得到更高层的图像识别、分析和理解成为可能。典型而传统的分割方法可分为基于阈值的方法、基于边缘的方法和基于区域的分割方法等。 三、实验原理 1、灰度阈值法

是把图像的灰度分成不同等级，然后用设置灰度阈值的方法确定有意义的区域或欲分割物体的边界。阈值T一般可写成:

T=T[x,y,p(x,y),q(x,y)] (1)

其中p(x,y)代表点(x,y)处的灰度值,q(x,y)代表该点邻域的某种局部特性.根据(1)式可将阈值分为全局阈值、局部阈值和动态阈值.如果T的选取只与p(x,y)有关,则是全局阈值,全局阈值是利用全局信息(例如整个图像的灰度直方图)得到的阈值,它

目 录

实验一 MATLAB数字图像处理初步 ............................................................. 1 实验二 图像的代数运算 ................................................................................... 7 实验三 图像增强—灰度变换 ......................................................................... 15 实验四 图像增强—直方图变换 ..................................................................... 17 实验五 图像增强—空域滤波 ......................................................................... 20 实验六 图像的傅立叶变换 ......................................................

目 录

实验一 MATLAB数字图像处理初步 ............................................................. 1 实验二 图像的代数运算 ................................................................................... 7 实验三 图像增强—灰度变换 ......................................................................... 15 实验四 图像增强—直方图变换 ..................................................................... 17 实验五 图像增强—空域滤波 ......................................................................... 20 实验六 图像的傅立叶变换 ......................................................

中南大学

数字图像处理实验报告

实验三数学形态学及其应用

实验三 数学形态学及其应用

一．实验目的

1.了解二值形态学的基本运算 2.掌握基本形态学运算的实现 3.了解形态操作的应用 二．实验基本原理

腐蚀和膨胀是数学形态学最基本的变换，数学形态学的应用几乎覆盖了图像处理的所有领域，给出利用数学形态学对二值图像处理的一些运算。

膨胀就是把连接成分的边界扩大一层的处理。而收缩则是把连接成分的边界点去掉从而缩小一层的处理。 二值形态学

I(x,y), T(i,j)为 0/1图像?

腐蚀：E(x,y)?(I?T)(x,y)?AND?I(x?i,y?j)&T(i,j)?

i,j?0m膨胀：D(x,y)?(I?T)(x,y)?OR?I(x?i,y?j)&T(i,j)?

i,j?0m灰度形态学T(i,j)可取01以外的值 腐蚀：

E(x,y)?(I?T)(x,y)?min?I(x?i,y?j)?T(i,j)?

0?i,j?m?1 膨胀：

D(x,y)?(I?T)(x,y)?max?I(x?i,y?j)?T(i,j)?

0?i,j?m?11.腐蚀Erosion:

X?B??x:Bx?x?

B1删两边 B2删右上

数字图像处理实验报告

实验三、图像的频域处理

一、实验类型：综合性实验 二、实验目的

1. 掌握二维傅里叶变换的原理。 2. 掌握二维傅里叶变换的性质。

三、实验设备：安装有MATLAB 软件的计算机 四、实验原理

傅里叶变换在图像增强、图像分析、图像恢复和图像压缩等方面扮演 着重要的角色。在计算机上使用傅里叶变换常常涉及到该变换的另一种形 式——离散傅里叶变换（DFT ）。使用这种形式的傅里叶变换主要有以下两 方面的理由：

·DFT 的输入和输出都是离散的，这使得计算机处理更加方便； ·求解DFT 问题有快速算法，即快速傅里叶变换（FFT ）。

MATLAB 函数fft,fft2 和fftn 可以实现傅里叶变换算法，分别用来计算 1 维DFT、2 维DFT 和n 维DFT。函数ifft,ifft2 和ifftn 用来计算逆DFT。 下面结合一个例子进行演示。

（1）创建一个矩阵f，代表一个二值图像。 f=zeros(30,30); f(5:24,13:17)=1;

imshow(

实验报告

专业名称 班级学号 学生姓名

实验一 图像的基本运算

实验内容 1、程序：

I=imread('lena8.jpg'); figure;

subplot(2,3,1); 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(2,3,2); imshow(J);

title('线性扩展');

I1=double(I); I2=I1/255; C=2;

K=C*log(1+I2); subplot(2,3,3); imshow(K);

title('非线性扩展'); M=im2bw(I,0.5); M=~M;

%M=255-I; %Figure

subplot(2,3,4); imshow(M); title('灰度倒置');

N1=im2bw(I,0.4); N2=im2bw(I,0.7); subplot(2,3,5); imshow(N1);

title('二值化阈值0.4'); subplot(2,3,6); imshow(N2);

实验二 %%图像文件读取 a=imread('lyy.tif'); %图像写入

imwrite(a,'lyy.tif'); %%

%读取照片信息 sizeofa=size(a);

inf=imfinfo('lyy','tif'); %% %显示照片 imshow(a)

%%

%将彩图转换为灰度图 I = imread('lyy.tif'); B= rgb2gray(I);

figure, imshow(B), figure, imshow(I);

%%

%灰度图像转化

rgb=imread('lyy.tif'); [x1 map1]=rgb2ind(rgb,64); x=ind2gray(x1,map1); imshow(x1,map1)

figure, imshow(x)

%%

%调整灰度图像对比度 clear all; close all; I=imread('lyy.tif'); P=rgb2gray(I);

J=imadjust(P, [0.2 0.5], [0 1]); figure;

subplot(131);%原图 imshow(uint8(I)); subplot(132);%%灰度图 imshow(uint8(P));

数字图像处理—实验二

一．实验内容：

⑴直方图均衡化（Histogram equalization），⑵直方图匹配（Histogram matching），

二．实验目的：

加强直方图均衡化和直方图匹配的图像增强技术的认识和了解。学会用Matlab中的下列函数对输入图像进行上述2类运算；感受各种不同的直方图图像增强处理方法对最终图像效果的影响。 Imhist；histeq；

三．实验步骤：

1．仔细阅读Matlab帮助文件中有关以上函数的使用说明，能充分理解其使用方法并能运用它们完成实验内容。

2．将mountain.jpg图像文件读入Matlab，对其作直方图均衡化。显示运算前后该图像的直方图，处理后的图像和灰度变换函数。 figure; subplot(2,2,1);

i1=imread('D:\\images\\mountain.jpg'); i1=im2double(i1);

imshow(i1);title('Input Image'); subplot(2,2,2); imhist(i1); subplot(2,2,3); T1=histeq(i1);

imshow(T1);title('Out Image'); imwrite

实验二 %%图像文件读取 a=imread('lyy.tif'); %图像写入

imwrite(a,'lyy.tif'); %%

%读取照片信息 sizeofa=size(a);

inf=imfinfo('lyy','tif'); %% %显示照片 imshow(a)

%%

%将彩图转换为灰度图 I = imread('lyy.tif'); B= rgb2gray(I);

figure, imshow(B), figure, imshow(I);

%%

%灰度图像转化

rgb=imread('lyy.tif'); [x1 map1]=rgb2ind(rgb,64); x=ind2gray(x1,map1); imshow(x1,map1)

figure, imshow(x)

%%

%调整灰度图像对比度 clear all; close all; I=imread('lyy.tif'); P=rgb2gray(I);

J=imadjust(P, [0.2 0.5], [0 1]); figure;

subplot(131);%原图 imshow(uint8(I)); subplot(132);%%灰度图 imshow(uint8(P));