数字图像处理实验——实验四

图像处理综合性实验报告

实验四    综合实验

一、实验目的

1、掌握matlab编程语言进行编程。

2、用matlab及运用各种数字图像处理方法实现对图像的变换。

二、实验设备

   计算机、Matlab软件

三、实验原理

图像预处理是相对于图像识别、图像理解而言的一种前期处理。不论采用何种装置，输入的图像往往不能令人满意。例如，从美学的角度会感到图像中物体的轮廓过于鲜明而显得不协调；按检测对象物大小和形状的要求看，图像的边缘过于模糊；在相当满意的一幅图像上会发现多了一些不知来源的黑点或白点；图像的失真、变形等等。总之，输入的图像在视觉效果和识别方便性等方面可能存在诸多问题，这类问题不妨统称为“质量”问题。尽管由于目的、观点、爱好等的不同，图像质量很难有同意的定义和标准，但是，根据应用要改善图像质量却是一个共同的愿望。

改善图像质量的处理称为图像预处理，主要是指按需要对图像进行适当的变换突出某些游泳的信息，去除或削弱无用的信息，如改变图像对比度，去除噪声或强调边缘的处理等。

四、实验步骤

1.对图像灰度非线性变换

2.对某个图像进行直方图均衡化

3.对图像进行直方图规定化

4.对图像进行空间域低通滤波

5.对图片进行低通滤波处理

6.对图像进行空域高通滤波法

7.通过各种频域低通滤波器方法对图像进行处理

五、源程序清单、测试数据、结果

1、灰度非线性变换

图像灰度变换是图像增强的一种手段。其中灰度非线性变换能使图像灰度的分布均匀，与人的视觉特性相匹配。MATLAB语言编写的例程和图像运行结果如下：

%GRAY TRANSFORM

clc;

imshow(I);

J=imadjust(I,[0.3 0.7],[0 1],1);%transfroms the values in the intensity image I to

%values in J by linealy mapping values between %0.3 and 0.7 to values between 0 and 1

figure;

imshow(J);

J=imadjust(I,[0.3 0.7],[0 1],1);%If GAMMA is less than 1,the mapping%is weighted toward higher (brighter)output values.

figure;

imshow(J);

J=imadjust(I,[0.3 0.7],[0 1],1.5);% If GAMMA is greater than 1,the % mapping is weighted toward lower (darker)output values.

figure;

imshow(J);

J=imadjust(I,[0.3 0.7],[0 1],1);% If TOP < BOTTOM,the output image % is reversed,as in a photogrphic negative.

figure;

imshow(J);  

2、对 tire图像进行直方图均衡化图示：

直方图均衡化是通过变换函数将原图的直方图调整为平坦的直方图。MATLAB语言编写的例程和图像运行结果如下：

% HISTGRAM EAQUALIZATION

clc;                        %Clear command window

imshow(I);                  %displays the intensity image I with 256 gray levels

figure;                     %creats a new figure window  

imhist(I);                  %displays s histogram for the imtensity image I 

J=histeq(I,);             %transforms  the intensity image I, returning in J an

                            %intensity

                            %image with  discrete levels

figure;

imshow(J);

figure;

imhist(J);

J=histeq(I,32);             %transfforms  the intensity imageI, returning in 

                            %J an intensity

                            %image with 32 discrete levels   

figure;

imshow(J);

digure;

imhist(J);

3、直方图规定化

直方图规定化校正在运用均衡化原理的基础上，向人们提供了根据给定直方图作图像增强的手段。MATLAB语言编写的例程和图像运行结果如下：

% HISTGRAM REGULIZATION

clc;                      %Clear command window

J=histeq(I,32);  %transforms the intensity image I,returning in

                %J an intensity image with 32 discrete levels

[counts,x]=imhist(J);  %displays a histogram for the intensity image I

figure;

imshow(Q);

figure;

imhist(Q);

M=histeq(Q,counts);  %transforms the intensity image Q so that the 

              %histogram of the output image M approximately matches counts

figure;

imshow(M);

figure;

imhist(M);

4、空间域低通滤波

由于图像中噪声空间相关性弱的性质，它们的频谱一般为于空间频率较高的区域，而图像本身的频率分量则处于较低的空间频率区域之内，可通过低通滤波的方法来实现平滑。

4.1、三种躁声举例

clc;

imshow(I);

J1=imnoise(I,'gaussian');%adds Gaussian white noise of mean O and

%variance 0.01 to image I.

figure;

imshow(J1);

J2=imnoise(I,'salt & pepper');%adds salt and pepper noise of 0.05

%noise density to image I

figure;

imshow(J2);

J3=imnoise(I,'speckle');%adds multiplicative noise to image I

figure;

imshow(J3);

4.2、二维中值滤波

% IMAGE NOISE REDUCTION WITH MEDIAN FILTER

clc;

hood=3;

imshow(I,map);

noisy=imnoise(I,'salt & pepper',0.05);

figure;

imshow(noisy,map);

filtered1=medfilt2(noisy,[hood hood]);

figure;

imshow(filtered1,map);

hood=5;

filtered2=medfilt2((noisy,hood hood]);

figure;

imshow(filtered2,map);

hood=7;

filtered3=medfilt2(noisy,[hood hood]);

figure;

imshow(filtered3,map);

4.3、均值滤波

%IMAGE NOISE REDUCTION WITH MEAN ALGORITHM

clc;

[I,map]=imread('eight.tif');

noisy=imnoise(I,'salt & pepper', 0.05);

myfit1=[0 1 0;1 1 1;0 1 0];

myfit1=myfit1/9;

filtered1=filter2(myfit1,noisy);

imshow(filtered1,map);

myfit2=[1 1 1 ;1 1 1;1 1 1];

myfit2=myfit2/9;

filtered2=filter2(myfit1,noisy);

figure;

imshow(filtered2,map);

5、低通滤波

%LOWPASS FILTER

clc;

[I,map]=imread('eight.tif');

noisy=imnoise(I,'gaussian',0.05);

imshow(noisy,map);

myfit1=[1 1 1 ;1 1 1;1 1 1];

myfit1=myfit1/9;

filtered1=filter2(myfit1,noisy);

figure;

imshow(filtered1,map);

myfit2=[1 1 1 ;1 2 1;1 1 1];

myfit2=myfit2/10;

filtered2=filter2(myfit2,noisy);

figure;

imshow(filtered2,map);

myfit3=[1 2 1 ;2 4 2;1 2 1];

myfit3=myfit3/16;

filtered3=filter2(myfit3,noisy);

figure;

imshow(filtered3,map);

6、空域高通滤波法

图像边缘与高频分量相对应，高通滤波器让高频分量畅通无阻，而对低频分量则充分。MATLAB语言编写的例程和图像运行结果如下：

%highpass filter

clc;

[I,map]=imread('eight.tif');

imshow(I,map);

myfilt1=[0 -1 0; -1 5 -1;0 -1 0]

filtered1=filter2(myfilt1,I);

figure;

imshow(filtered1,map);

myfilt2=[-1 -1 -1; -1 9 -1;-1 -1 -1]

filtered2=filter2(myfilt2,I);

figure;

imshow(filtered2,map);

myfilt3=[1 -2 1;-2 5 -2;1 -2 1];

filtered3=filter2(myfilt3,I)

figure;

imshow(filtered3,map);

myfilt4=[-1 -2 -1;-2 19 -2;-1 -2 -1];

myfilt4=myfilt4/7;

filtered4=filter2(myfilt4,I);

figure;

imshow(filtered4,map);

myfilt5=[-2 1 -2; 1 6 1;-2 1 -2];

myfilt5=myfilt5/2;

filtered5=filter2(myfilt5,I);

figure;

imshow(filtered5,map);

7、各种频域低通滤波器

通过频域对一定范围的高频分量的衰减能够达到平滑化，其中有理想低通滤波器、巴特沃思滤波器、指数滤波器、梯形低通滤波器。各种频域低通滤波器的MATLAB语言编写的例程和图像运行结果如下：

%FREQUENCY LOW PASS FILTER

clc;

[I,map]=imread('eight.tif');

noisy=imnoise(I,'gaussian',0.01);

imshow(noisy,map);

[M N]=size(1);

F=fft2(noisy);

fftshift(F);

Dcut=100;

D0=150;

D1=250;

for u=1:M

   for v=1:N

     D(u,v)=sqrt(u^2+v^2);

     BUTTERH(u,v)=1/(1+(sqrt(2)-1)*(D(u,v)/Dcut)^2);%BUTTEREORTH

                                                    %LOW PASS FILTER

     EXPOTH(u,v)=exp(log(1/sqrt(2))*(D(u,v)/Dcut)^2);%EXPOTIONAL

                                                     %LOW PASS FILTER

if D(u,v)<=200

         IDEALH(u,v)=1;%IDEAL LOE PASS FILTER

       else

         IDEAL(u,v)=0;

          end

if D(u,v)<=D0

          TRAPEH(u,v)=(D(u,v)-D1)/(D0-D1);

       else

          TRAPEH(u,v)=0;

          end

         end

        end

IDEALG=IDEALH.*F;

IDEALfiltered=ifft2(IDEALG);

BUTTERG=BUTTERH.*F;

BUTTERfiltered=ifft2(BUTTERG);

EXPOTG=EXPOTH.*F;

EXPOTfiltered=ifft2(EXPOTG);

TRAPEG=BUTTERH.*F;

TRAPEfiltered=ifft2(TRAPEG);

figure;

imshow(IDEALfiltered,map)

figure;

imshow(BUTTERfiltered,map)

figure;

imshow(EXPOTfiltered,map)

figure;

imshow(TRAPEfiltered,map)

六、实验出现的问题、实验结果分析

1. 在对图像进行处理时如果图片格式不符，则在运行时会出现错误。

2. 黑白图片比彩色图片容易处理，效果明显。

3. 出现这些问题可能是因为matlab有误差的原因。 

七、试验小结和思考

    在进行对图像处理的实验中，输入的图像在视觉效果和识别方便性等方面可能存在诸多问题 。图像处理就是对图像进行适当的变换突出某些有用的信息，去除或削弱无用的信息。他应用于日常生活中的很多方面如通讯、宇宙探测、医学领域等。