總結(jié)是對過去一定時期的工作,、學(xué)習(xí)或思想情況進(jìn)行回顧、分析,，并做出客觀評價的書面材料,，它可使零星的、膚淺的,、表面的感性認(rèn)知上升到全面的,、系統(tǒng)的、本質(zhì)的理性認(rèn)識上來,，讓我們一起認(rèn)真地寫一份總結(jié)吧,。寫總結(jié)的時候需要注意什么呢？有哪些格式需要注意呢,？這里給大家分享一些最新的總結(jié)書范文,，方便大家學(xué)習(xí)。

數(shù)字圖像處理實驗總結(jié) 數(shù)字圖像處理綜合實驗題目篇一

一,、產(chǎn)生右圖所示圖像 f1(m,n),，其中圖像大小為256×256，中間亮條為128×32,，暗處=0,，亮處=100。對其進(jìn)行 fft：

1,、屏顯示原圖 f1(m,n)和fft(f1)的幅度譜圖；

2,、令f2(m,n)=（-1）^（m+n）*f1(m,n),，重復(fù)以上過程，比較二者幅度譜的異同,，簡述理由,；

3、若將f2(m,n)順時針旋轉(zhuǎn) 90 度得到f3(m,n),，試顯示 fft(f3)的幅度譜,，并與 fft(f2)的幅度譜進(jìn)行比較；

4,、若將f1(m,n)順時針旋轉(zhuǎn) 90 度得到f4(m,n),，令f5(m,n)=f1(m,n)+f4(m,n)，試顯示 fft(f5)的幅度譜,，并指出其與 fft(f1)和fft(f4)的關(guān)系,；

5、若令f6(m,n)=f2(m,n)+f3(m,n)，試顯示 fft(f6)的幅度譜,，并指出其與 fft(f 2)和fft(f3)的關(guān)系,，比較 fft(f6)和fft(f5)的幅度譜。

代碼

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('原圖f1');subplot(1,2,2);imshow(abs(f2));title('幅度譜fft2(f1)');figure(2)subplot(2,2,1)imshow(abs(f1));title('原圖f1')subplot(2,2,2)imshow(abs(f2));title('幅度譜fft2(f1)');subplot(2,2,3);imshow(abs(f3))title('變換譜f2');subplot(2,2,4);imshow(abs(f4));title('幅度譜fft2(f2)');figure(3)subplot(2,2,1)imshow(abs(f3))title('變換譜f2');subplot(2,2,2);imshow(abs(f4));title('幅度譜fft2(f2)');subplot(2,2,3);imshow(abs(f5))title('變換譜f3');subplot(2,2,4);imshow(abs(f6));title('幅度譜fft2(f3)');figure(4)subplot(3,2,1);imshow(f7);

title('f1旋轉(zhuǎn)圖f4');subplot(3,2,2);imshow(abs(f8));title('幅度譜fft2(f4)');subplot(3,2,3);imshow(f9);

title('f5(m,n)=f1+f4');subplot(3,2,4);imshow(abs(f10));title('幅度譜fft2(f5)');subplot(3,2,5)imshow(abs(f1));title('原圖f1');subplot(3,2,6);imshow(abs(f2));title('幅度譜fft2(f1)');figure(5)subplot(3,2,1)imshow(abs(f3))title('變換譜f2');subplot(3,2,2);imshow(abs(f4));title('幅度譜fft2(f2)');subplot(3,2,3);imshow(abs(f5))title('變換譜f3');subplot(3,2,4);imshow(abs(f6));title('幅度譜fft2(f3)');subplot(3,2,5)imshow(abs(f11))title('變換譜f6=f2+f3');subplot(3,2,6);imshow(abs(f12));title('幅度譜fft2(f6)');

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

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

title('變換譜f6(m,n)=f2+f3');subplot(2,2,4);imshow(abs(f12));title('幅度譜fft2(f6)');

結(jié)果

分析

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

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,、產(chǎn)生教材 104 頁題圖 4.18（右圖）所示的二值圖像（白為1,，黑為0），編程實現(xiàn)習(xí)題4.18 所要求的處理（3*3 的平均濾波和中值濾波）功能（圖像四周邊界不考慮,，處理結(jié)果按四舍五入仍?。?或1），顯示處理前后的圖像,，比較其異同,。

代碼

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('原圖像');subplot(2,2,2)imshow(j);

title('原圖像直方圖');subplot(2,2,3)imshow(k1);

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

title('領(lǐng)域平均圖像直方圖')figure(2)subplot(2,2,1)imshow(i);title('原圖像');subplot(2,2,2)imshow(j);

title('原圖像直方圖');subplot(2,2,3)imshow(k2);title('中值濾波');subplot(2,2,4)imshow(j2);

title('中值濾波圖像直方圖')

結(jié)果

三、產(chǎn)生教材 104 頁題圖 4.16 所示的灰度圖像（白為255,，黑為0）,，分別加入高斯白噪聲和椒鹽噪聲，再分別進(jìn)行 3′ 3 的平均濾波和中值濾波,，顯示原圖像,、加噪圖像和濾波結(jié)果圖像，并比較四種濾波結(jié)果,。

代碼

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('?-ê?í???');figure(2)subplot(3,2,1)imshow(g)

title('???1í???');subplot(3,2,2)imshow(s)

title('?·??í???');subplot(3,2,3)imshow(g1)

title('???ùa?2¨???1í???');subplot(3,2,5)imshow(g2)

title('?e?μa?2¨???1í???');subplot(3,2,4)imshow(s1)

title('???ùa?2¨?·??í???');subplot(3,2,6)imshow(s2)

title('?e?μa?2¨?·??í???');

結(jié)果

四,、對某一灰度圖像,，進(jìn)行如下處理：

（1）分別利用 roberts,、prewitt和sobel 邊緣檢測算子進(jìn)行邊緣檢測；

（2）將roberts,、prewitt和sobel 邊緣檢測算子修改為銳化算子,，對原圖像進(jìn)行銳化,，同屏顯示原圖像,、邊緣檢測結(jié)果和銳化后圖像，說明三者之間的關(guān)系,。

代碼

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');

結(jié)果

二值化,。

五、編程實現(xiàn)教材 214 頁所給圖像門限化分割的迭代閾值算法,，實現(xiàn)對某一灰度圖像的代碼

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('原始圖像');subplot(222)imshow(f2)title('灰度圖像');subplot(223)imshow(f3)

title('迭代閾值算法二值化');

結(jié)果

心得體會

通過此次作業(yè)讓我明白了很多,，實際操作起來往往比理論所想的要復(fù)雜很多。當(dāng)然,，在課設(shè)的進(jìn)行過程中,，我還是遇到了不少問題。例如,，起初由于我對句柄使用以及一些函數(shù)使用的不恰當(dāng),。隨著課設(shè)的進(jìn)行，對matlab的的熟悉度逐步加深,。

總體來說,，此次的課程設(shè)計，還是較為滿意的,。它不但鞭策著我去鞏固matlab的基礎(chǔ)理論知識,，還提高了我對matlab的實際操作運(yùn)用，使得理論與實踐相結(jié)合,，為進(jìn)一步學(xué)習(xí)matlab打下堅實的基礎(chǔ),；同時，在實踐的工程中,，也讓我體會到一種努力付出并得到回報的滿足感覺,。

數(shù)字圖像處理實驗總結(jié) 數(shù)字圖像處理綜合實驗題目篇二

數(shù)字圖像處理上機(jī)作業(yè)

數(shù)字圖像處理上機(jī)作業(yè)

1.產(chǎn)生右圖所示亮塊圖像 f1(x,y)（128×128大小，暗處=0,，亮處=255）,，對其進(jìn)行fft：

（1）同屏顯示原圖f1和fft(f1)的幅度譜圖；

圖像：

（2）若令f2(x,y)=（-1）f1(x,y),，重復(fù)以上過程，比較二者幅度譜的異同,，簡述理由,；（3）若將f2(x,y)順時針旋轉(zhuǎn)45度得到f3(x,y)，試顯示fft(f3)的幅度譜,，并與fft(f2)的幅度譜進(jìn)行比較,。

x+y

結(jié)論：不同點(diǎn)：f2的頻譜是對f1頻譜的移位，它時f1的頻譜從原點(diǎn)（0,，0）移到了中心（64,，64），而得到了一個完整的頻譜。

相同點(diǎn)：頻譜的實質(zhì)沒有改變,，幅度等都沒有發(fā)生變化,。

（3）若將f2(x,y)順時針旋轉(zhuǎn)45度得到f3(x,y)，試顯示fft(f3)的幅度譜,，并與fft(f2)的幅度譜進(jìn)行比較,。

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');%將f2順時針旋轉(zhuǎn)45度 subplot(1,3,2);imshow(fft2(f2));%顯示f2的頻譜 subplot(1,3,3);imshow(fft2(f3));%顯示f3的頻譜

結(jié)論：均衡化后的直方圖并非完全均勻分布的原因：因為圖像的像素個數(shù)和灰度等級均為離散值，而且均衡化后使灰度級并歸,。

2.對256?256大小,、256級灰度的數(shù)字圖像lena進(jìn)行頻域的理想低通、高通濾波,，同屏顯示原圖,、幅度譜圖和低通、高通濾波的結(jié)果圖,。

源代碼： 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);%分別返回s的行數(shù)到m中,，列數(shù)到n中 n=2;%對n賦初值 %glpf濾波，d0=5,，15,，30（程序中以d0=30為例）d0=30;%初始化d0 n1=floor(m/2);%對m/2進(jìn)行取整 n2=floor(n/2);%對n/2進(jìn)行取整 for i=1:m for j=1:n d=sqrt((i-n1)^2+(j-n2)^2);%點(diǎn)（i,j）到傅立葉變換中心的距離 h=1*exp(-1/2*(d^2/d0^2));%glpf濾波函數(shù)

s(i,j)=h*s(i,j);%glpf濾波后的頻域表示 end end s=ifftshift(s);%對s進(jìn)行反fft移動

%對s進(jìn)行二維反離散的fourier變換后，取復(fù)數(shù)的實部轉(zhuǎn)化為無符號8位整數(shù) s=uint8(real(ifft2(s)));subplot(2,2,3);%創(chuàng)建圖形圖像對象 imshow(s);p=fftshift(fft2(data));[m,n]=size(p);%分別返回p的行數(shù)到m中,，列數(shù)到n中 n=2;%對n賦初值 %glpf濾波d1=30 d1=30;%初始化d1 n3=floor(m/2);%對m/2進(jìn)行取整 n4=floor(n/2);%對n/2進(jìn)行取整 for i=1:m for j=1:n dd=sqrt((i-n3)^2+(j-n4)^2);%點(diǎn)（i,j）到傅立葉變換中心的距離 h1=1-exp(-1/2*(dd^2/d1^2));%ghpf濾波函數(shù)

p(i,j)=h1*p(i,j);%ghpf濾波后的頻域表示 end end p=ifftshift(p);%對p進(jìn)行反fft移動

%對s進(jìn)行二維反離散的fourier變換后,，取復(fù)數(shù)的實部轉(zhuǎn)化為無符號8位整數(shù) p=uint8(real(ifft2(p)));subplot(2,2,4);%創(chuàng)建圖形圖像對象 imshow(p);

3.對給定的兩種128?128、256級灰度的數(shù)字圖像（（指紋圖）（顯微醫(yī)學(xué)圖像）進(jìn)行如下處理：

（1）對原圖像進(jìn)行直方圖均衡化處理,，同屏顯示處理前后圖像及其直方圖，比較異同,，并回答為什么數(shù)字圖像均衡化后其直方圖并非完全均勻分布。

異同：由于原圖像中目標(biāo)物的灰度主要集中于低亮度部分,，而且象素總數(shù)比較多，經(jīng)過直方圖均衡后,，目標(biāo)物的所占的灰度等級得到擴(kuò)展，對比度加強(qiáng),，使整個圖像得到增強(qiáng)。

數(shù)字圖像均衡化后其直方圖并非完全均勻分布的原因：由于原圖像中目標(biāo)物的灰度主要集中于低亮度部分,，而且象素總數(shù)比較少,，而所占的灰度等級比較多,，因此圖像的對比度比較好,，亮度比較大,，整體圖像清晰,。經(jīng)過直方圖均衡后，目標(biāo)物的所占的灰度等級被壓縮,，對比度減弱，反而使目標(biāo)物變的難以辨認(rèn),。

數(shù)字圖像均衡化后，其直方圖并非完全均勻分布,，這是因為圖像的象素個數(shù)和灰度等級均為離散值；而且均衡化使灰度級并歸,，因此，均衡化后,，其直方圖并非完全均勻分布。

源代碼： figure(1);fid=fopen('d:','r');

%打開無格式文件 data1=(fread(fid,[128,128],'uint8'))';%將打開的文件讀入到data1 subplot(4,2,1);

%將figure(1)分成4*2的8個子窗口, data11=uint8(data1);imshow(data11);%圖象顯示

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

%加標(biāo)題 subplot(4,2,2);title('原圖像直方圖');imhist(data11);subplot(4,2,3);

%取第二個子窗口

data2=uint8(data1);%將灰度圖象轉(zhuǎn)換成uint8格式 b=histeq(data2);

%直方圖均衡化

imshow(b,256);

%顯示均衡化圖象,256可缺省 title('均衡化','color','b');

subplot(4,2,4);imhist(b);title('均衡化后圖像直方圖');subplot(4,2,5)fid=fopen('d:','r');%打開無格式文件

data3=(fread(fid,[128,128],'uint8'))';%將打開的文件讀入到data3 data31=uint8(data3);

%將灰度圖象轉(zhuǎn)換成uint8格式 imshow(data31);

%顯示灰度圖象 title('fing','color','b');subplot(4,2,6)imhist(data31);title('原圖像直方圖');subplot(4,2,7);

data4=uint8(data3);%將灰度圖象轉(zhuǎn)換成uint8格式 d=histeq(data4);

%直方圖均衡化

imshow(d,256);

%顯示均衡化圖象,256可缺省 title('均衡化','color','b');

subplot(4,2,8);imhist(d);title('均衡化后原圖像直方圖');（2）對原圖像加入高斯噪聲,，用4-鄰域平均法平滑加噪聲圖像（圖像四周邊界不處理，下同）,，同屏顯示原圖像、加噪圖像和處理后的圖像,。

① 不加門限,；

② 加門限 t?2f(m,n),，（其中f(m,n)?

1n2??f(i,j)）

ij

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

%打開無格式文件

data1=(fread(fid,[128,128],'uint8'))';%將打開的文件讀入到data1 i=uint8(data1);i1=imnoise(i,'gaussian');%加乘性噪聲 h1=[0 1 0;1 0 1;0 1 0]/4;%4×4領(lǐng)域模板 j=imfilter(i,h1);%領(lǐng)域平均

subplot(2,4,1),imshow(i);%顯示圖像i title('原圖像');subplot(2,4,2),imshow(i1);title('加噪聲后圖像');subplot(2,4,3),imshow(j);

%不加門限平滑 title('不加門限平滑后圖像');%加門限后濾波

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('加門限后');4.（1）用laplacian銳化算子（分??1和??2兩種情況）對256?256大小,、256級灰度的數(shù)字圖像lena進(jìn)行銳化處理,，顯示處理前,、后圖像,。

源代碼：

%laplacian算子銳化

i=imread('d:');% 讀入原圖像 figure(1);subplot(1,3,1);imshow(i);title('原始圖像');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時的拉普拉斯算子 lp2=imfilter(i,l2,'replicate');% α=2時的拉普拉斯算子

subplot(1,3,2);imshow(lp1);title('laplacian算子α=1銳化圖像');subplot(1,3,3);imshow(lp2);title('laplacian算子α=2銳化圖像');

（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)]

則回答如下問題：

① f(m,n),、g1(m,n)和g2(m,n)之間有何關(guān)系,？ ② g2(m,n)代表圖像中的哪些信息,？ ③ 由此得出圖像銳化的實質(zhì)是什么？

①因為g2(m,n)????2f(m,n),，所以f(m,n)、g1(m,n)和g2(m,n)之間有以下關(guān)系：

g1(m,n)?f(m,n)?g2(m,n)

②g2(m,n)代表了原圖像中的二階梯度信息,；g1(m,n)是邊緣增強(qiáng)后的數(shù)字圖像； ③由此可以得出：圖像銳化的實質(zhì)是將原圖像與梯度信息疊加（梯度信息所占的比例由,，相當(dāng)于對目標(biāo)物的邊緣進(jìn)行了增強(qiáng)。?的大小決定,，?值越大則梯度信息所占的比例越大）

5.分別利用roberts、prewitt和sobel邊緣檢測算子,，對256?256大小、256級灰度的數(shù)字圖像lena進(jìn)行邊緣檢測,，顯示處理前,、后圖像,。圖像：

源代碼：

i=imread('d:');% 讀入原圖像 figure(1)%roberts梯度法銳化

subplot(2,2,1);imshow(i);title('原始圖像');j=double(i);[ix,iy]=gradient(j);%計算梯度 a=sqrt(ix.*ix+iy.*iy);subplot(2,2,2);imshow(a,[]);title('roberts梯度法銳化圖像');%prewitt算子銳化

s=imfilter(i,fspecial('prewitt'));subplot(2,2,3);imshow(s);title('prewitt算子銳化圖像');%sobel算子銳化

s=imfilter(i,fspecial('sobel'));subplot(2,2,4);imshow(s);title('sobel算子銳化圖像');

6,、學(xué)習(xí)數(shù)字圖像處理課程的心得體會，該課程在哪些方面需要改進(jìn),，對該課程或者任課老師有哪些意見或建議。

通過對數(shù)字圖像處理課程的認(rèn)真學(xué)習(xí),，在課堂聽課和課余實踐中了解了數(shù)字圖像的基礎(chǔ)知識，培養(yǎng)了一定的軟件編程能力,，在努力完成課堂作業(yè)的同時，發(fā)現(xiàn)了對圖像方面的興趣,。老師認(rèn)真負(fù)責(zé),，布置合理的作業(yè),。但希望能夠通過更加豐富的授課方式,，提高更多人學(xué)習(xí)該門課程的興趣和主動性,。也同樣希望老師能夠加強(qiáng)點(diǎn)名和作業(yè)的驗收，督促學(xué)生更加認(rèn)真的學(xué)習(xí)知識,。

數(shù)字圖像處理實驗總結(jié) 數(shù)字圖像處理綜合實驗題目篇三

練習(xí)一 常用matlab圖像處理命令

一、練習(xí)目的

1、熟悉并掌握matlab工具的使用,；

2、實現(xiàn)圖像的讀取,、顯示、代數(shù)運(yùn)算和簡單變換,。

二、練習(xí)環(huán)境

windows操作系統(tǒng)

matlab 6.5或以上應(yīng)用軟件

三,、練習(xí)內(nèi)容

1、圖像文件的讀寫

（1）imread函數(shù)用來實現(xiàn)圖像文件的讀取,。輸入以下程序：

a=imread('文件名.擴(kuò)展名');%用imread函數(shù)來讀入圖像 注：設(shè)置路徑 imshow(a);%用imshow函數(shù)來顯示圖像 得到的結(jié)果如圖：

（2）imfinfo函數(shù)用來查詢圖像文件信息。輸入以下程序：

info=imfinfo('文件名.擴(kuò)展名');% 用imfinfo函數(shù)查詢圖像文件信息 得到： info =

filename: '文件名.擴(kuò)展名'

（4）imshow函數(shù)用來顯示圖像,。

剛才介紹imread函數(shù)時已使用此函數(shù)。

（5）colorbar函數(shù)將顏色條添加到坐標(biāo)軸對象中,。輸入以下程序：

rgb=imread('***');%圖像讀入

i=rgb2gray(rgb);%把rgb圖像轉(zhuǎn)換成灰度圖像

imshow(i),colorbar('vert')% 將顏色條添加到坐標(biāo)軸對象中

得到如圖：

2,、圖像處理的基本操作

一,、圖像代數(shù)運(yùn)算

（1）imadd函數(shù)實現(xiàn)兩幅圖像的相加或者給一幅圖像加上一個常數(shù),。給圖像每個像素都增加亮度的程序如下： i=imread('***');j=imadd(i,100);%給圖像增加亮度 subplot(1,2,1),imshow(i)%填充 subplot(1,2,2),imshow(j)結(jié)果如圖5,。

（2）imsubtract函數(shù)實現(xiàn)從一幅圖像中減去一個常數(shù)。輸入以下程序?qū)崿F(xiàn)從一幅圖像中減去一個常數(shù)：

（3）immultiply實現(xiàn)兩幅圖像的相乘或者一幅圖像的亮度縮放（圖像乘以小于1或大于1的參數(shù),，比較效果）,。輸入以下程序：

（4）imspanide函數(shù)實現(xiàn)兩幅圖像的除法或一幅圖像的亮度縮放,。輸入以下程序：

二、圖像的空間域操作

（1）imrotate函數(shù)實現(xiàn)圖像的旋轉(zhuǎn),。輸入以下程序： i=imread('***');j=imrotate(i,45);%對圖像進(jìn)行旋轉(zhuǎn) subplot(1,2,1),imshow(i);subplot(1,2,2),imshow(j);得到圖：

練習(xí)二 數(shù)字圖像處理的基本操作

一、練習(xí)目的

1,、練習(xí)使用matlab工具進(jìn)行數(shù)字圖像處理,；

2、實現(xiàn)圖像的邊緣提取,、濾波,、直方圖修正等操作。

二,、練習(xí)環(huán)境

windows操作系統(tǒng)

matlab 6.5或以上應(yīng)用軟件

三,、練習(xí)內(nèi)容

（1）imresize函數(shù)實現(xiàn)圖像的縮放。輸入以下程序：

j=imread('文件名.擴(kuò)展名');x1=imresize(j,2);%對圖像進(jìn)行縮放 figure,imshow(j)結(jié)果如圖

（2）imcrop函數(shù)實現(xiàn)圖像的剪切,。輸入以下程序： i=imread('***');i2=imcrop(i);%對圖像進(jìn)行剪切 subplot(填充),imshow(填充);subplot(填充),imshow(填充);如圖：

圖像變換

（1）fft2函數(shù)和ifft2函數(shù)分別是計算二維的fft和反變換,。輸入以下程序： f=zeros(100,100);f(20:70,40:60)=1;imshow(f);f=fft2(f);% 計算二維的fft f2=log(abs(f));%對幅值取對數(shù) imshow(f2),colorbar

（2）dct2函數(shù)采用基于fft的算法,，用于實現(xiàn)較大輸入矩陣的離散余弦變換。與之對應(yīng),，idct2函數(shù)實現(xiàn)圖像的二維逆離散余弦變換 輸入以下程序： rgb=imread('***');i=rgb2gray(rgb);j=dct2(i);% 對i進(jìn)行離散余弦變換 imshow(log(abs(j))),colorbar j(abs(j)<10)=0;k=idct2(j);% 圖像的二維逆離散余弦變換 figure,imshow(i);figure,imshow(k,[0,255])得到如圖：

（3）edge函數(shù)用于提取圖像的邊緣。輸入以下程序：

rgb=imread('');i=rgb2gray(rgb);bw=edge(i);% 提取圖像的邊緣 imshow(i),figure,imshow(bw);得到圖

圖像增強(qiáng),、分割和編碼

（1）imhist函數(shù)產(chǎn)生圖像的直方圖,。a=imread('');%讀入圖像

b=rgb2gray(a);%把rgb圖像轉(zhuǎn)化成灰度圖像 imshow(b);%顯示灰度圖像

imhist(b)%顯示灰度圖像的直方圖 得到圖

（2）histeq函數(shù)用于對圖像的直方圖均衡化,。接上面程序：

c=histeq(b);%對圖像b進(jìn)行均衡化 imshow(c);%顯示圖像

imhist(c)；%得到均衡化后的灰度直方圖 得到如圖

filter2函數(shù)實現(xiàn)均值濾波。輸入以下程序：

a=imread('');i=rgb2gray(a);imshow(i);k1=filter2(fspecial('average',3),i)/255;% 3?3的均值濾波 k2=補(bǔ)充;

% 5?5的均值濾波 k3=補(bǔ)充;

% 7?7的均值濾波 figure,imshow(k1);figure,imshow(k2);figure,imshow(k3);得到圖

（5）medfilt2函數(shù)實現(xiàn)中值濾波,。輸入以下程序：

自查函數(shù)如何使用，并編程： 結(jié)果如圖：

練習(xí)三

圖像采樣及圖像類型轉(zhuǎn)換

一,、練習(xí)目的

1、熟悉并掌握matlab圖像處理工具箱的使用,；

2,、試對自選圖像分別進(jìn)行4和16倍剪采樣,，查看其剪采樣效果

3,、將所給圖,，轉(zhuǎn)換成256級灰度圖像,，8級灰度圖像和2值圖像

二,、練習(xí)環(huán)境

matlab 6.5或以上版本,、win xp或以上計算機(jī)

三,、練習(xí)內(nèi)容

使用matlab，對圖像進(jìn)行減采樣,。

a = imread('***.jpg');b = rgb2gray(a);[wid,hei]=size(b);%4倍減抽樣

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))練習(xí)結(jié)果如圖

%16倍減抽樣

編程并運(yùn)行顯示圖像結(jié)果：

圖像類型

1,、練習(xí)內(nèi)容

試將自選圖，轉(zhuǎn)換成256級灰度圖像,，8級灰度圖像和2值圖像

2,、練習(xí)方法及程序

使用matlab，進(jìn)行圖像類型變換,。

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級灰度圖像

end end figure

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

for j=1:hei

補(bǔ)充;end end figure

imshow(uint8(img8),[0,2])%得到2值圖像

練習(xí)結(jié)果如圖

練習(xí)四

數(shù)字圖像的空間域處理

一,、練習(xí)目的

1、熟悉并掌握matlab圖像處理工具箱的使用,；

2、熟悉圖像相加的方法及效果

3,、熟悉圖像灰度擴(kuò)展的方法及效果

4,、熟悉圖像縮放,、旋轉(zhuǎn)的方法及效果

二,、練習(xí)環(huán)境

matlab 6.5或以上版本、win xp或以上計算機(jī)

三,、練習(xí)內(nèi)容 part 1（1）選擇一幅圖像***.jpg，設(shè)置輸入輸出變換的灰度級范圍,，a=0.3, b=0.6, c=0.1, d=0.9；

（2）設(shè)置非線性擴(kuò)展函數(shù)的參數(shù)c=2,；

（3）采用灰度倒置變換函數(shù)s=255-r進(jìn)行圖像變換,；

（4）設(shè)置二值化圖像的閾值，分別為level=0.4,level=0.7參考程序如下： i=imread('***.jpg');figure;subplot(1,3,1);imshow(i);title('原圖');j=imadjust(i,[0.3;0.6],[0.1;0.9]);%設(shè)置灰度變換的范圍 subplot(1,3,2);imshow(j);title('線性擴(kuò)展');i1=double(i);%將圖像轉(zhuǎn)換為double類型 i2=i1/255;%歸一化此圖像 c=2;k=c*log(1+i2);%求圖像的對數(shù)變換 subplot(1,3,3);imshow(k);title('非線性擴(kuò)展');m=255-i;%將此圖像取反 figure;subplot(1,3,1);imshow(m);title('灰度倒置');n1=im2bw(i,0.4);%將此圖像二值化,，閾值為0.4 n2=im2bw(i,0.7);%將此圖像二值化,，閾值為0.7 subplot(1,3,2);imshow(n1);title('二值化閾值0.4');subplot(1,3,3);imshow(n2);title('二值化閾值0.7');練習(xí)結(jié)果與分析

（1）練習(xí)結(jié)果如圖3.7所示,。

part 2 讀取一幅圖片,，如***.jpg,，設(shè)置圖像旋轉(zhuǎn)的角度分別為450和900，采用圖形旋轉(zhuǎn)函數(shù)imrotate對圖像進(jìn)行旋轉(zhuǎn),。程序如下，結(jié)果如圖3.10,。

i=imread('');j=imrotate(i,45);%圖像進(jìn)行逆時針旋轉(zhuǎn),，默認(rèn)采用最近鄰法進(jìn)行插值處理 k=imrotate(i,90);%默認(rèn)旋轉(zhuǎn)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);練習(xí)結(jié)果與分析

（1）練習(xí)結(jié)果如圖3.10所示。

練習(xí)五 數(shù)字圖像的頻域處理

一,、練習(xí)目的

1,、熟悉并掌握matlab工具的使用,；

2,、實現(xiàn)圖像離散傅里葉變換并觀察效果

3,、實現(xiàn)圖像離散余弦變換并觀察效果

二、練習(xí)環(huán)境

windows操作系統(tǒng) matlab 6.5或以上應(yīng)用軟件

三,、練習(xí)內(nèi)容 part 1 選取一幅圖像,，進(jìn)行離散傅里葉變換,，再對其分別進(jìn)行x軸與y軸上的平移,，得其離散傅里葉變換，觀察三幅結(jié)果圖,。

i=imread('');figure(1)imshow(real(i));i=i(:,:,3);ffti=fft2(i);sffti=fftshift(ffti);%求離散傅里葉頻譜

%對原始圖像進(jìn)行二維傅里葉變換，并將其坐標(biāo)原點(diǎn)移到頻譜圖中央位置

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));練習(xí)結(jié)果與分析

part 2 選取一幅圖像,，進(jìn)行離散傅里葉變換，再對其進(jìn)行一定角度的旋轉(zhuǎn),，進(jìn)行離散傅里葉變換。

%構(gòu)造原始圖像

i = zeros(256,256);

i(88:168,124:132)= 1;%圖像范圍是256*256,前一值是縱向比,，后一值是橫向比 imshow(i)

%求原始圖像的傅里葉頻譜

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

%對原始圖像進(jìn)行旋轉(zhuǎn)

j = imrotate(i,90,'bilinear','crop');figure imshow(j)%求旋轉(zhuǎn)后圖像的傅里葉頻譜

j1 = fft2(j);f = abs(j1);j2 = fftshift(f);figure imshow(j2,[5 50])練習(xí)結(jié)果與分析

1） 3 選取一幅圖像，進(jìn)行離散余弦變換,，并對其進(jìn)行離散余弦反變換,，觀察其結(jié)果,。

%對***.jpg文件計算二維dct變換 rgb = imread('***.jpg ');figure(1)imshow(rgb)i = rgb2gray(rgb);%真彩色圖像轉(zhuǎn)換成灰度圖像 j = dct2(i);%計算二維dct變換 figure(2)imshow(log(abs(j)),[])%圖像大部分能量集中在上左角處 figure(3);j(abs(j)< 10)= 0;%把變換矩陣中小于10的值置換為0,，然后用idct2重構(gòu)圖像 k = idct2(j)/255;imshow(k)練習(xí)結(jié)果與分析

數(shù)字圖像處理實驗總結(jié) 數(shù)字圖像處理綜合實驗題目篇四

一,、實驗?zāi)康募皟?nèi)容 內(nèi)容： 灰度變換和空間濾波 1.灰度變換

利用imadjust函數(shù)（可結(jié)合stretchlim函數(shù)）對圖像對比度拉伸 2.直方圖繪制,、均衡和匹配

利用imhist，histeq函數(shù)完成圖2.8及圖2.11的功能 3.空間濾波

線性空間濾波：

利用濾波函數(shù)imfilter函數(shù)完成圖2.16中b,c,d,e的圖像平滑效果

利用fspecial函數(shù)生成average,disk,，gaussian濾波器完成圖像的平滑效果

利用fspecial函數(shù)生成prewitt, sobel,laplacian濾波器完成圖像的銳化效果

非線性空間濾波

利用中值濾波函數(shù)medfilt2去除椒鹽噪聲

二,、實驗原理

①、函數(shù)imadjust是一個基本的圖像處理工具箱函數(shù),，用于對灰度級圖像進(jìn)行灰度變換,。

g=imadjust(f,[low_in high_in],[low_out high_out],gamma)，該函數(shù)將圖像f中的灰度值映射為圖像g中的新值,，即將low_in至high_in之間的值映射到low_out至high_out之間的值,。

②,、函數(shù)imhist是處理圖像直方圖的核心函數(shù)

h=imhist(f,b),，其中f為輸入圖像，h為其直方圖,，b是用來形成直方圖的“容器”的數(shù)目,。

③、函數(shù)histeq是實現(xiàn)直方圖匹配的函數(shù)

g=histeq(f,hspec),，其中f為輸入圖像,，hspec為規(guī)定的直方圖，g為輸出圖像,，輸出圖像的直方圖近似于指定的直方圖hspec,。

④,、函數(shù)imfilter用來實現(xiàn)線性空間濾波

-1-g=imfilter(f,w,filtering_mode,boundary_options,size_options),，其中f為輸入圖像，w為濾波模板,，g為濾波后的結(jié)果,。

用于平滑的濾波器有：’average’,’disk’,’gaussian’ 用于銳化的濾波器有：’laplacian’,’prewit’,’sobel’

三、實驗源代碼及結(jié)果

1,、灰度變換,、直方圖繪制、均衡和匹配 f=imread('')%讀取圖片 subplot(2,4,1)imshow(f),title('原圖')%顯示原圖

f1=imadjust(f,[0.2 0.5],[ 0 1])%將圖片的灰度級別在0.2至0.5之間的部分拉伸

至0到1之間

subplot(2,4,2)imshow(f1),title('灰度拉伸之后')%顯示灰度拉伸之后的圖片 subplot(2,4,3)imhist(f),title('原圖直方圖')f2=histeq(f,128)%進(jìn)行直方圖均衡化,，灰度級數(shù)設(shè)為128 subplot(2,4,4)imhist(f2),title('均衡化')%顯示均衡化之后的直方圖 g=imread('')%圖像

h=imhist(g)%圖像的直方圖賦值給向量h subplot(2,4,5)imhist(g),title('規(guī)定的直方圖')f3=histeq(f,h)%進(jìn)行直方圖匹配 subplot(2,4,6)imshow(f3),title('直方圖匹配')運(yùn)行結(jié)果

2、線性空間濾波

a=imread('')%圖像 figure,subplot(2,3,1)imshow(a),title('原圖')w=1/(31*31)*ones(31)%生成31*31的全為1的矩陣,，命名為w a1=imfilter(a,w)%利用imfilter函數(shù)進(jìn)行濾波 subplot(2,3,2)imshow(a1)a2=imfilter(a,w,'replicate')%圖像的大小通過復(fù)制圖像邊界外的值來擴(kuò)展 subplot(2,3,3)imshow(a2)a3=imfilter(a,w,'symmetric')%圖像的大小通過邊界鏡像反射來擴(kuò)展 subplot(2,3,4)

-3-imshow(a3)a4=imfilter(a,w,'circular')%圖像的大小通過將圖像處理為二維周期函數(shù)的一個周期來擴(kuò)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('原圖')w1=fspecial('average',[4])%生成average平滑濾波器 b1=imfilter(b,w1)%進(jìn)行濾波 subplot(2,2,2)imshow(b1),title('average')w2=fspecial('disk',5)%生成disk平滑濾波器 b2=imfilter(b,w2)subplot(2,2,3)imshow(b2),title('disk')w3=fspecial('gaussian',[3 3],0.5)%生成gaussian平滑濾波器 b3=imfilter(b,w3)

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

c=imread('')figure,subplot(2,2,1)imshow(c),title('原圖')w4=fspecial('prewitt')%生成prewitt銳化濾波器 c1=imfilter(c,w4)subplot(2,2,2)imshow(c1),title('prewitt')w5=fspecial('sobel')%生成sobel銳化濾波器 c2=imfilter(c,w5)subplot(2,2,3)imshow(c2),title('sobel')w6=fspecial('laplacian')%生成laplacian銳化濾波器 c3=imfilter(c,w6)subplot(2,2,4)imshow(c3),title('laplacian')運(yùn)行結(jié)果

3,、非線性空間濾波

d=imread('')%讀取圖像,，賦值給d d1=imnoise(d,'salt & pepper',0.3)%用imnoise函數(shù)對d生成椒鹽噪聲 figure,subplot(1,2,1)imshow(d1),title('被椒鹽噪聲污染的圖像')d2=medfilt2(d1)&用中值濾波器進(jìn)行濾波 subplot(1,2,2)imshow(d2),title('去除椒鹽噪聲的圖像')運(yùn)行結(jié)果

四,、實驗總結(jié)（心得體會）

通過這次實驗,，首先我熟悉了matlab的基本操作,，掌握了圖像處理的基本操作,，比如如何讀一張圖片進(jìn)來,、如何顯示一張圖片等等。這些都是最基本的操作,。其次我知道了灰度變換的函數(shù)imadjust的使用,，它是將選定的灰度級別范圍變換為規(guī)定的范圍，可以自由變換圖像的灰度級別,；還有掌握了如何畫圖像的直方圖,、將直方圖均衡化等等。還學(xué)會了圖像的濾波處理,，通過函數(shù)imfilter進(jìn)行濾波。常用的平滑濾波器有average,disk,，gaussian,、銳化濾波器有prewitt, sobel,laplacian,。還學(xué)會了用中值濾波去除椒鹽噪聲。這些都是一些比較初級的函數(shù),，后面還有很多圖像處理方法需要學(xué)習(xí)。

數(shù)字圖像處理實驗總結(jié) 數(shù)字圖像處理綜合實驗題目篇五

實驗報告

一,、實驗原理

1．調(diào)用imread函數(shù)將圖像文件讀入圖像數(shù)組（矩陣）

a=imread(filename,fmt)2.調(diào)用imwrite函數(shù)將圖像文件寫入圖像數(shù)組（矩陣）

imwrite(a,filename,fmt)3.調(diào)用imshow函數(shù)顯示圖像

imshow（i，n）

4.圖像的灰度平均值,。調(diào)用ave=mean2（i）計算圖像的均值 5.協(xié)方差矩陣。調(diào)用cfg=cov（f,，g）計算圖像f和圖像g的協(xié)方差矩陣 圖像的灰度標(biāo)準(zhǔn)差。調(diào)用sd=std2（i）的灰度標(biāo)準(zhǔn)差 7.圖像的相關(guān)系數(shù),。調(diào)用函數(shù)rfg=corr2(f，g)計算大小相等的兩幅圖像f和g的相關(guān)系數(shù)

二,、圖像及統(tǒng)計數(shù)據(jù)

原圖像的平均灰度值= 77.5170

灰度標(biāo)準(zhǔn)差= 44.2095 灰度圖像的平均灰度值= 74.4516

灰度標(biāo)準(zhǔn)差=37.1236 反白圖像的平均灰度值= 180.5484

灰度標(biāo)準(zhǔn)差= 37.1236 灰度圖像和反白圖像的相關(guān)系數(shù)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,、思考題

1.圖像統(tǒng)計特征讓我們更加了解圖像的變換，使圖像處理更加方便 2.五,、心得體會

這次試驗,，我學(xué)會了使用marlab中的圖像處理工具箱中的函數(shù)，對每個圖像處理函數(shù)的功能都有了深入的認(rèn)識,。同時，我掌握了matlab的基本應(yīng)用方法,，對圖像文件的讀/寫的方法有了初步認(rèn)識,?？傊@次試驗讓我對matlab的圖像處理有了一點(diǎn)學(xué)習(xí)，為更好地學(xué)習(xí)數(shù)字圖像處理打下了一定的基礎(chǔ),。