隨著個(gè)人素質(zhì)的提升，報(bào)告使用的頻率越來(lái)越高，我們?cè)趯?xiě)報(bào)告的時(shí)候要注意邏輯的合理性。那么，報(bào)告到底怎么寫(xiě)才合適呢？以下是我為大家搜集的報(bào)告范文，僅供參考，一起來(lái)看看吧
數(shù)字圖像處理實(shí)驗(yàn)報(bào)告二篇一
實(shí)驗(yàn)報(bào)告
目錄
1.數(shù)字圖像處理簡(jiǎn)介
2.實(shí)驗(yàn)?zāi)康?.實(shí)驗(yàn)內(nèi)容
4.實(shí)驗(yàn)結(jié)果及代碼展示
5.算法綜述
優(yōu)勢(shì)
7.總結(jié)
8.存在問(wèn)題
一、數(shù)字圖像處理簡(jiǎn)介
圖像處理，是對(duì)圖像進(jìn)行分析、加工、和處理，使其滿(mǎn)足視覺(jué)、心理以及其他要求的技術(shù)。圖像處理是信號(hào)處理在圖像域上的一個(gè)應(yīng)用。目前大多數(shù)的圖像是以數(shù)字形式存儲(chǔ)，因而圖像處理很多情況下指數(shù)字圖像處理。此外，基于光學(xué)理論的處理方法依然占有重要的地位。
圖像處理是信號(hào)處理的子類(lèi)，另外與計(jì)算機(jī)科學(xué)、人工智能等領(lǐng)域也有密切的關(guān)系。
傳統(tǒng)的一維信號(hào)處理的方法和概念很多仍然可以直接應(yīng)用在圖像處理上，比如降噪、量化等。然而，圖像屬于二維信號(hào)，和一維信號(hào)相比，它有自己特殊的一面，處理的方式和角度也有所不同。
二、實(shí)驗(yàn)?zāi)康?/p>
鞏固所學(xué)知識(shí)，提高所學(xué)能力
三、實(shí)驗(yàn)內(nèi)容
利用matlab的gui程序設(shè)計(jì)一個(gè)簡(jiǎn)單的圖像處理程序，并含有如下基本功能： 1.讀入一幅rgb圖像，變換為灰度圖像和二值圖像，并在同一個(gè)窗口內(nèi)分成三個(gè)子窗口來(lái)分別顯示rgb圖像和灰度圖像，注上文字標(biāo)題 2.對(duì)給定圖像進(jìn)行旋轉(zhuǎn)
3．對(duì)給定的圖像添加噪聲（椒鹽噪聲、高斯噪聲）
四、實(shí)驗(yàn)結(jié)果及代碼展示
1.軟件設(shè)計(jì)界面
2.各模塊功能展示以及程序代碼
（1）讀入一幅rgb圖像，變換為灰度圖像和二值圖像，并在同一個(gè)窗口內(nèi)分成三個(gè)子窗口來(lái)分別顯示rgb圖像和灰度圖像，注上文字標(biāo)題
效果展示：
代碼：
a = imread('c:documents and ');
i = rgb2gray(a);i = im2bw(a,0.5);
subplot(3,1,1);imshow(a);title('源圖像')subplot(3,1,2);imshow(i);title('灰度圖像')subplot(3,1,3);imshow(i);title('二值圖像')
（2）圖像旋轉(zhuǎn) 原圖
效果展示：
代碼：
clc;clear all;close all;
img=imread('d:my documentsmy ');img=double(img);[h w]=size(img);alpha=pi/4;
wnew=w*cos(alpha)+h*sin(alpha);hnew=w*sin(alpha)+h*cos(alpha);wnew=ceil(wnew);
hnew=ceil(hnew);u0=w*sin(alpha);
t=[cos(alpha),sin(alpha);-sin(alpha),cos(alpha)];imgnew2=zeros(hnew,wnew);imgnew1=zeros(hnew,wnew);for u=1:hnew
for v=1:wnew
tem=t*([u;v]-[u0;0]);x=tem(1);y=tem(2);if x>=1&&x<=h&&y>=1&&y<=w x_low=floor(x);x_up=ceil(x);y_low=floor(y);y_up=ceil(y);if(x-x_low)<=(x_up-x)x=x_low;
else
x=x_up;
end
if(y-y_low)<=(y_up-y)y=y_low;
else
y=y_up;
end
p1=img(x_low,y_low);p2=img(x_up,y_low);p3=img(x_low,y_low);p4=img(x_up,y_up);s=x-x_low;t=y-y_low;imgnew1(u,v)=img(x,y);
imgnew2(u,v)=(1-s)*(1-t)*p1+(1-s)*t*p3+(1-t)*s*p2+s*t*p4;end
end end
figure;imshow(imgnew2,[]);b=imrotate(img,alpha/pi*180);figure;imshow(b,[]);
（3）對(duì)給定的圖像添加噪聲（斑點(diǎn)噪聲、高斯噪聲）效果展示：
代碼：
i= imread('d:my documentsmy ');figure,subplot(211);imshow(i);title('原圖');j1=imnoise(i,'gaussian',0,0.02);
subplot(223);imshow(j);title('添加高斯噪聲');j=imnoise(i,'speckle',0.04);
subplot(224);imshow(j);title('添加斑點(diǎn)噪聲');
五、算法綜述 灰度圖像：
一幅完整的圖像，是由紅色、綠色、藍(lán)色三個(gè)通道組成的。紅色、綠色、藍(lán)色三個(gè)通道的縮覽圖都是以灰度顯示的。用不同的灰度色階來(lái)表示“ 紅，綠，藍(lán)”在圖像中的比重。通道中的純白，代表了該色光在此處為最高亮度，亮度級(jí)別是255。
通道是整個(gè)photoshop顯示圖像的基礎(chǔ)。色彩的變動(dòng)，實(shí)際上就是間接在對(duì)通道灰度圖進(jìn)行調(diào)整。通道是photoshop處理圖像的核心部分，所有的色彩調(diào)整工具都是圍繞在這個(gè)核心周?chē)褂玫摹?/p>
在計(jì)算機(jī)領(lǐng)域中，灰度數(shù)字圖像是每個(gè)像素只有一個(gè)采樣顏色的圖像。這類(lèi)圖像通常顯示為從最暗黑色到最亮的白色的灰度，盡管理論上這個(gè)采樣可以任何顏色的不同深淺，甚至可以是不同亮度上的不同顏色?；叶葓D像與黑白圖像不同，在計(jì)算機(jī)圖像領(lǐng)域中黑白圖像只有黑色與白色兩種顏色；灰度圖像在黑色與白色之間還有許多級(jí)的顏色深度。但是，在數(shù)字圖像領(lǐng)域之外，“黑白圖像”也表示“灰度圖像”，例如灰度的照片通常叫做“黑白照片”。在一些關(guān)于數(shù)字圖像的文章中單色圖像等同于灰度圖像，在另外一些文章中又等同于黑白圖像?；叶葓D像經(jīng)常是在單個(gè)電磁波頻譜如可見(jiàn)光內(nèi)測(cè)量每個(gè)像素的亮度得到的。
用于顯示的灰度圖像通常用每個(gè)采樣像素 8 位的非線性尺度來(lái)保存，這樣可以有 256 級(jí)灰度。這種精度剛剛能夠避免可見(jiàn)的條帶失真，并且非常易于編程。在醫(yī)學(xué)圖像與遙感圖像這些技術(shù)應(yīng)用中經(jīng)常采用更多的級(jí)數(shù)以充分利用每個(gè)采樣 10 或 12 位的傳感器精度，并且避免計(jì)算時(shí)的近似誤差。在這樣的應(yīng)用領(lǐng)域每個(gè)采樣 16 位即 65536 級(jí)得到流行。
二值圖像：
是指每個(gè)像素不是黑就是白，其灰度值沒(méi)有中間過(guò)渡的圖像。二值圖像一般用來(lái)描述文字或者圖形，其優(yōu)點(diǎn)是占用空間少，缺點(diǎn)是，當(dāng)表示人物，風(fēng)景的圖像時(shí)，二值圖像只能描述其輪廓，不能描述細(xì)節(jié)。這時(shí)候要用更高的灰度級(jí)。
二值圖像是每個(gè)像素只有兩個(gè)可能值的數(shù)字圖像。人們經(jīng)常用黑白、b&w、單色圖像表示二值圖像，但是也可以用來(lái)表示每個(gè)像素只有一個(gè)采樣值的任何圖像，例如灰度圖像等。
二值圖像中所有的像素只能從0和1這兩個(gè)值中取，因此在matlab中，二值圖像用一個(gè)由0和1組成的二維矩陣表示。這兩個(gè)可取的值分別對(duì)應(yīng)于關(guān)閉和打開(kāi)，關(guān)閉表征該像素處于背景，而打開(kāi)表征該像素處于前景。以這種方式來(lái)操作圖像可以更容易識(shí)別出圖像的結(jié)構(gòu)特征。二值圖像操作只返回與二值圖像的形式或結(jié)構(gòu)有關(guān)的信息，如果希望對(duì)其他類(lèi)型的圖像進(jìn)行同樣的操作，則首先要將其轉(zhuǎn)換為二進(jìn)制的圖像格式，可以通過(guò)調(diào)用matlab提供的im2bw（）來(lái)實(shí)現(xiàn)。
二值圖像經(jīng)常出現(xiàn)在數(shù)字圖像處理中作為圖像掩碼或者在圖像分割、二值化和dithering的結(jié)果中出現(xiàn)。一些輸入輸出設(shè)備，如激光打印機(jī)、傳真機(jī)、單色計(jì)算機(jī)顯示器等都可以處理二值圖像。
二值圖像經(jīng)常使用位圖格式存儲(chǔ)。
二值圖像可以解釋為二維整數(shù)格z，圖像變形處理領(lǐng)域很大程度上就是受到這個(gè)觀點(diǎn)啟發(fā)。
圖像旋轉(zhuǎn)：
圖像旋轉(zhuǎn)是指圖像以某一點(diǎn)為中心旋轉(zhuǎn)一定的角度,形成一幅新的圖像的過(guò)程。當(dāng)然這個(gè)點(diǎn)通常就是圖像的中心。既然是按照中心旋轉(zhuǎn),自然會(huì)有這樣一個(gè)屬性：旋轉(zhuǎn)前和旋轉(zhuǎn)后的點(diǎn)離中心的位置不變.根據(jù)這個(gè)屬性,我們可以得到旋轉(zhuǎn)后的點(diǎn)的坐標(biāo)與原坐標(biāo)的對(duì)應(yīng)關(guān)系。由于原圖像的坐標(biāo)是以左上角為原點(diǎn)的,所以我們先把坐標(biāo)轉(zhuǎn)換為以圖像中心為原點(diǎn)。假設(shè)原圖像的寬為w,高為h,（x0,y0）為原坐標(biāo)內(nèi)的一點(diǎn),轉(zhuǎn)換坐標(biāo)后的點(diǎn)為（x1,y1）。那么不難得到： x1 = x0-w/2;y1 =-y0 + h/2;在新的坐標(biāo)系下,假設(shè)（x0,y0）距離原點(diǎn)的距離為r,點(diǎn)與原點(diǎn)之間的連線與x軸的夾角為b,旋轉(zhuǎn)的角度為a,旋轉(zhuǎn)后的點(diǎn)為（x1,y1）
噪聲：
是電路或系統(tǒng)中不含信息量的電壓或電流。在工業(yè)與自然界中，存在著各種干擾源（噪聲源），如大功率電力電子器件的接入、大功率用電設(shè)備的開(kāi)啟與斷開(kāi)、雷擊閃電等都會(huì)使空間電場(chǎng)和磁場(chǎng)產(chǎn)生有序或無(wú)序的變化，這些都是干擾源（或噪聲源）。這些源產(chǎn)生的電磁波或尖峰脈沖通過(guò)磁、電耦合或是通過(guò)電源線等路徑進(jìn)入放大電路，各種電氣設(shè)備，形成各種形式的干擾。
斑點(diǎn)噪聲：
斑點(diǎn)噪聲是sar成像系統(tǒng)的一大特色，源自基本分辨單元內(nèi)地物的隨機(jī)散射，在圖像上表現(xiàn)為信號(hào)相關(guān)（如在空間上相關(guān)）的小斑點(diǎn)，它既降低了圖像的畫(huà)面質(zhì)量，又嚴(yán)重影響圖像的自動(dòng)分割、分類(lèi)、目標(biāo)檢測(cè)以及其它定量專(zhuān)題信息的提取。
sar圖像斑點(diǎn)噪聲的去除一方面要抑制圖像均勻區(qū)域斑點(diǎn)噪聲，另一方面要保持圖像邊緣和紋理細(xì)節(jié)信息。sar斑點(diǎn)噪聲的抑制可通過(guò)非相干多視處理，也可使用空間域?yàn)V波實(shí)現(xiàn)。非相干多視處理會(huì)降低圖像的地面分辨率。因此，涌現(xiàn)出了一系列空間域?yàn)V波方法，如均值濾波、中值濾波、lee濾波、kuan濾波、frost濾波、sigma濾波以及gamma map濾波等。但這類(lèi)算法存在自身無(wú)法克服的矛盾：一方面為增強(qiáng)斑點(diǎn)去噪效果需選較大的濾波窗口，另一方面為保持圖像的實(shí)際分辨率要求所選的窗口較小。
高斯噪聲：
所謂高斯噪聲是指它的概率密度函數(shù)服從高斯分布（即正態(tài)分布）的一類(lèi)噪聲。如果一個(gè)噪聲，它的幅度分布服從高斯分布，而它的功率譜密度又是均勻分布的，則稱(chēng)它為高斯白噪聲。高斯白噪聲的二階矩不相關(guān)，一階矩為常數(shù)，是指先后信號(hào)在時(shí)間上的相關(guān)性。高斯白噪聲包括熱噪聲和散粒噪聲。
實(shí)驗(yàn)中是通過(guò)matlab自帶的函數(shù)產(chǎn)生噪聲，各函數(shù)如下： j1=imnoise(i,'salt & pepper',0.05);%添加椒鹽噪聲
j2=imnoise(i,'gaussian',0,0.03);
%添加均值為0，方差為0.03的高斯噪聲。
六、matlab優(yōu)勢(shì)
matlab是一個(gè)包含大量算法的集合。其可以快捷的實(shí)現(xiàn)用戶(hù)所需的各種計(jì)算功能。函數(shù)中所使用的算法都是科研和工程計(jì)算中的最新研究成果，而前經(jīng)過(guò)了各種優(yōu)化和差錯(cuò)處理。在通常情況下，可以用它來(lái)代替底層編程語(yǔ)言，如c和c++。在計(jì)算要求相同的情況下，使用matlab的編程工作量會(huì)大大減少。matlab的這些函數(shù)集包括從最簡(jiǎn)單最基本的函數(shù)到諸如矩陣，特征向量、快速傅立葉變換的復(fù)雜函數(shù)。函數(shù)所能解決的問(wèn)題其大致包括矩陣運(yùn)算和線性方程組的求解、微分方程及偏微分方程的組的求解、符號(hào)運(yùn)算、傅立葉變換和數(shù)據(jù)的統(tǒng)計(jì)分析、工程中的優(yōu)化問(wèn)題、稀疏矩陣運(yùn)算、復(fù)數(shù)的各種運(yùn)算、三角函數(shù)和其他初等數(shù)學(xué)運(yùn)算、多維數(shù)組操作以及建模動(dòng)態(tài)仿真等。圖形處理功能
圖形處理功能matlab自產(chǎn)生之日起就具有方便的數(shù)據(jù)可視化功能，以將向量和矩陣用圖形表現(xiàn)出來(lái)，并且可以對(duì)圖形進(jìn)行標(biāo)注和打印。高層次的作圖包括二維和三維的可視化、圖象處理、動(dòng)畫(huà)和表達(dá)式作圖?？捎糜诳茖W(xué)計(jì)算和工程繪圖。新版本的matlab對(duì)整個(gè)圖形處理功能作了很大的改進(jìn)和完善，使它不僅在一般數(shù)據(jù)可視化軟件都具有的功能（例如二維曲線和三維曲面的繪制和處理等）方面更加完善，而且對(duì)于一些其他軟件所沒(méi)有的功能（例如圖形的光照處理、色度處理以及四維數(shù)據(jù)的表現(xiàn)等），matlab同樣表現(xiàn)了出色的處理能力。同時(shí)對(duì)一些特殊的可視化要求，例如圖形對(duì)話等，matlab也有相應(yīng)的功能函數(shù)，保證了用戶(hù)不同層次的要求。另外新版本的matlab還著重在圖形用戶(hù)界面（gui）的制作上作了很大的改善，對(duì)這方面有特殊要求的用戶(hù)也可以得到滿(mǎn)足
模塊集合工具箱
matlab對(duì)許多專(zhuān)門(mén)的領(lǐng)域都開(kāi)發(fā)了功能強(qiáng)大的模塊集和工具箱。一般來(lái)說(shuō)，它們都是由特定領(lǐng)域的專(zhuān)家開(kāi)發(fā)的，用戶(hù)可以直接使用工具箱學(xué)習(xí)、應(yīng)用和評(píng)估不同的方法而不需要自己編寫(xiě)代碼。目前，matlab已經(jīng)把工具箱延伸到了科學(xué)研究和工程應(yīng)用的諸多領(lǐng)域，諸如數(shù)據(jù)采集、數(shù)據(jù)庫(kù)接口、概率統(tǒng)計(jì)、樣條擬合、優(yōu)化算法、偏微分方程求解、神經(jīng)網(wǎng)絡(luò)、小波分析、信號(hào)處理、圖像處理、系統(tǒng)辨識(shí)、控制系統(tǒng)設(shè)計(jì)、lmi控制、魯棒控制、模型預(yù)測(cè)、模糊邏輯、金融分析、地圖工具、非線性控制設(shè)計(jì)、實(shí)時(shí)快速原型及半物理仿真、嵌入式系統(tǒng)開(kāi)發(fā)、定點(diǎn)仿真、dsp與通訊、電力系統(tǒng)仿真等，都在工具箱（toolbox）家族中有了自己的一席之地。
七、總結(jié)
運(yùn)用matlab軟件對(duì)圖像進(jìn)行處理，讓我鞏固了之前所學(xué)的知識(shí)，同時(shí)也在這次作業(yè)中更加了解到matlab語(yǔ)言在生活中的運(yùn)用環(huán)境和掌握這門(mén)語(yǔ)言的重要性
八、存在問(wèn)題
1.在進(jìn)行圖像增強(qiáng)時(shí)要不要講圖像先進(jìn)行平滑處理？ 2.如何增加這個(gè)算法的準(zhǔn)確度
3.在此次作業(yè)中，為何添加椒鹽噪聲時(shí)無(wú)法顯示
數(shù)字圖像處理實(shí)驗(yàn)報(bào)告二篇二
實(shí) 驗(yàn) 報(bào) 告 書(shū)
系部學(xué)生專(zhuān)業(yè)班
實(shí)驗(yàn)
名稱(chēng)姓名名稱(chēng) 級(jí)時(shí)間：
： ： ：
：
實(shí)驗(yàn)一 直方圖均衡
一、實(shí)驗(yàn)?zāi)康?/p>
在學(xué)習(xí)圖像直方圖的概念、計(jì)算方法、性質(zhì)和相關(guān)應(yīng)用基礎(chǔ)上，生成、繪制圖像的直方圖，并應(yīng)用matlab編程實(shí)現(xiàn)圖像直方圖均衡化程序。
二、實(shí)驗(yàn)內(nèi)容
（1）計(jì)算并繪制圖像直方圖；
（2）編程實(shí)現(xiàn)圖像的直方圖均衡化處理，顯示均衡前后的直方圖和圖像；
三、實(shí)驗(yàn)運(yùn)行結(jié)果
四、實(shí)驗(yàn)中遇到的問(wèn)題及解決方法
1、顯示無(wú)法找到圖像文件，應(yīng)將圖片與xx.m文件置于同一文件夾；
2、編程過(guò)程中應(yīng)注意標(biāo)點(diǎn)的輸入法，應(yīng)該用英文輸入，否則會(huì)報(bào)錯(cuò)。
3、編程完成后運(yùn)行時(shí)輸入文件名與保存時(shí)文件名相同，區(qū)分大小寫(xiě)。
五、思考題
（1）、灰度直方圖可以反映一幅圖像的哪些特征？ 答：
1、表征了圖像的一維信息。只反映圖像中像素不同灰度值出現(xiàn)的次數(shù)（或頻數(shù)）而未反映像素所在位置。
2、與圖像之間的關(guān)系是多對(duì)一的映射關(guān)系。一幅圖像唯一確定出與之對(duì)應(yīng)的直方圖，但不同圖像可能有相同的直方圖。
3、子圖直方圖之和為整圖的直方圖。(2)均衡化后的直方圖有何特點(diǎn)？
答：經(jīng)直方圖均衡化處理后，可以得到一副改善了質(zhì)量的新圖像。這幅圖像的灰度層次將不再是呈黑暗色調(diào)的圖像，而是一副灰度層次較為適中的、比原始圖像清晰、明快得多的圖像。處理的結(jié)果使圖像更適合與人的視覺(jué)特征或機(jī)器的識(shí)別系統(tǒng)。
六、實(shí)驗(yàn)心得體會(huì)
本次實(shí)驗(yàn)中，因?yàn)槌鯇W(xué)這個(gè)軟件，我學(xué)習(xí)到了在程序中關(guān)于圖像的運(yùn)用，以及也復(fù)習(xí)了課本上的許多知識(shí)，加深了對(duì)直方圖均衡化的理解。
七、程序清單
clear all;i=imread('');%打開(kāi)一幅灰度圖像 [m,n]=size(i);p=m*n;j=imhist(i)./p;
%計(jì)算圖像的歸一化直方圖 subplot(1,3,1),imshow(i)； subplot(1,3,2),imhist(i,64)； subplot(1,3,3),plot(j)；
（2）直方圖均衡化
clear all;im=imread('');j=histeq(im);%均衡化 subplot(2,2,1);imshow(im);title('原圖');%顯示原圖 subplot(2,2,2);imhist(im);title('原圖直方圖');%顯示原圖的直方圖 subplot(2,2,3);imshow(j);title('均衡化結(jié)果');%顯示均衡化后的圖像 subplot(2,2,4);imhist(j);title('均衡化結(jié)果的直方圖');%顯示均衡化后的直方圖
實(shí)驗(yàn)二 頻域圖像增強(qiáng)
一、實(shí)驗(yàn)?zāi)康?/p>
1、頻域圖像增強(qiáng)
2、掌握基于頻域的圖像增強(qiáng)方法。
二、實(shí)驗(yàn)內(nèi)容
（1）編程實(shí)現(xiàn)圖像的理想低通和高通濾波；（2）編程實(shí)現(xiàn)圖像的巴特沃斯低通和高通濾波。
三、實(shí)驗(yàn)運(yùn)行結(jié)果
四、實(shí)驗(yàn)中遇到的問(wèn)題及解決方法
顯示圖像無(wú)法打開(kāi)，最終查出來(lái)時(shí)圖像格式弄錯(cuò)了。
五、思考題
分析為什么圖像通過(guò)低通濾波器后變得模糊？為什么通過(guò)高通濾波器后得到銳化結(jié)果？
答：圖像的精細(xì)結(jié)構(gòu)及突變部分主要由高頻成分起作用，故經(jīng)低通濾波后圖像的精細(xì)結(jié)構(gòu)消失，變得模糊；經(jīng)高通濾波后圖像得到銳化。
六、實(shí)驗(yàn)心得體會(huì)
本實(shí)驗(yàn)中遇到很多問(wèn)題及錯(cuò)誤，例如圖像打不開(kāi)、處理后圖像模糊等，都是經(jīng)常容易發(fā)生的錯(cuò)誤，最后實(shí)驗(yàn)幾次，就能夠逐一自己解決了。使自己對(duì)數(shù)字圖像處理課程中的許多問(wèn)題有了更實(shí)際和確切的深入了解。
七、程序清單
clc;clear;data4=imread('');subplot(3,2,1);imshow(data4);title('原圖');i=fft2(data4);subplot(3,2,2);i=fftshift(i);z=log(abs(i));x=0:1:255;y=0:1:255;[x,y]=meshgrid(x,y);mesh(z);%以三維坐標(biāo)顯示該圖像頻譜圖title('原圖頻譜');[n,m]=size(i);%for k=1:1:n for l=1:1:m if(k^2+l^2)>=190^2 % result(k,l)=0;else result(k,l)=i(k,l);end end end subplot(3,2,4);
對(duì)該圖進(jìn)行低通濾波 選取d=190
z=log(abs(result));%三維方式顯示低通濾波后的頻譜圖 x=0:1:255;y=0:1:255;[x,y]=meshgrid(x,y);mesh(z);title('理想低通濾波后的頻譜');subplot(3,2,3);%新建圖像顯示窗口 result=fftshift(result);%濾波后的數(shù)據(jù)去中心化 b=ifft2(result);%逆傅里葉變換 imshow(uint8(abs(b)));title('理想低通濾波后的圖像');subplot(3,2,6);%新建圖像顯示窗口 % [n,m]=size(c);%對(duì)原圖進(jìn)行高通濾波 for k=1:1:n for l=1:1:m if(k^2+l^2)<=190^2 %選取d=190 result(k,l)=0;else result(k,l)=i(k,l);end end end z=log(abs(result));x=0:1:255;%三維方式顯示高通濾波前的頻譜圖 y=0:1:255;[x,y]=meshgrid(x,y);mesh(z);title('理想高通濾波后的頻譜');subplot(3,2,5);result=fftshift(result);%濾波后的數(shù)據(jù)去中心化 d=ifft2(result);%逆傅里葉變換
imshow(uint8(abs(d)));title('理想高通濾波后的圖像');%頻域增強(qiáng)（巴特沃斯原型）
%二階巴特沃斯（butterworth）低通濾波器 %clc;%clear;figure;j1=imread('');subplot(3,2,1);imshow(j1);title('原圖');f=double(j1);g=fft2(f);% 傅立葉變換 g=fftshift(g);% 轉(zhuǎn)換數(shù)據(jù)矩陣 subplot(3,2,2);x=0:1:255;y=0:1:255;[x,y]=meshgrid(x,y);z=log(abs(g));%取幅度 mesh(z);%以三維坐標(biāo)顯示該圖像頻譜圖 title('原圖頻譜');[m,n]=size(g);nn=2;% 二階巴特沃斯(butterworth)低通濾波器 d0=20;m=fix(m/2);n=fix(n/2);for i=1:m for j=1:n d=sqrt((i-m)^2+(j-n)^2);h=1/(1+0.414*(d/d0)^(2*nn));% 計(jì)算低通濾波器傳遞函數(shù) result(i,j)=h*g(i,j);
end end subplot(3,2,4);x=0:1:255;y=0:1:255;[x,y]=meshgrid(x,y);z=log(abs(result));%取幅度 mesh(z);%以三維坐標(biāo)顯示該圖像頻譜圖 title('低通濾波后的頻譜');result=ifftshift(result);j2=ifft2(result);j3=uint8(abs(j2));subplot(3,2,3);imshow(j3);title('低通濾波后的圖像');
%利用二階巴特沃斯（butterworth）高通濾波器
nn=2;% 二階巴特沃斯(butterworth)高通濾波器 d0=5;m=fix(m/2);n=fix(n/2);for i=1:m for j=1:n d=sqrt((i-m)^2+(j-n)^2);if(d==0)h=0;else h=1/(1+0.414*(d0/d)^(2*nn));% 計(jì)算傳遞函數(shù) end result(i,j)=h*g(i,j);
end end subplot(3,2,6);x=0:1:255;y=0:1:255;[x,y]=meshgrid(x,y);z=log(abs(result));%取幅度 mesh(z);%以三維坐標(biāo)顯示該圖像頻譜圖 title('高通濾波后的頻譜');result=ifftshift(result);j2=ifft2(result);j3=uint8(abs(j2));subplot(3,2,5);imshow(j3);title('高通濾波后的圖像');
實(shí)驗(yàn)三 圖像邊緣檢測(cè)與連接
一、實(shí)驗(yàn)?zāi)康?/p>
圖像邊緣檢測(cè)與連接
二、實(shí)驗(yàn)內(nèi)容
（1）編程實(shí)現(xiàn)一階差分邊緣檢測(cè)算法，包括robert梯度算子、prewitt算子、sobel算子等；（2）編程實(shí)現(xiàn)二階差分拉普拉斯邊緣檢測(cè)算法以及l(fā)og檢測(cè)法和canny檢測(cè)法；（3）分析與比較各種邊緣檢測(cè)算法的性能；
（4）編程實(shí)現(xiàn)hough變換提取直線
（5）分析hough變換檢測(cè)性能；
三、實(shí)驗(yàn)運(yùn)行結(jié)果
四、實(shí)驗(yàn)中遇到的問(wèn)題及解決方法
拷貝文件后沒(méi)改文件名，直接執(zhí)行時(shí)出現(xiàn)錯(cuò)誤，最后重新修改后重新編譯，使之成功。
五、思考題
（1）邊緣的方向是什么意思？為什么要考慮邊緣的方向？
答：邊緣常常意味著一個(gè)區(qū)域的終結(jié)和另一個(gè)區(qū)域的開(kāi)始，圖像的邊緣也包含了物體的形狀的重要信息，他不僅在分析圖像時(shí)大幅度的減少了要處理的信息量，而且還保護(hù)了目標(biāo)的邊界結(jié)構(gòu)。所以考慮邊緣的方向很重要。
（2）hough變換原理是什么？
答：hough變換的基本原理在于利用點(diǎn)與線的對(duì)偶性，將原始圖像空間的給定的曲線通過(guò)曲線表達(dá)形式變?yōu)閰?shù)空間的一個(gè)點(diǎn)。這樣就把原始圖像中給定曲線的檢測(cè)問(wèn)題轉(zhuǎn)化為準(zhǔn)找參數(shù)空間的峰值問(wèn)題。也即把檢測(cè)整體特性轉(zhuǎn)化為檢測(cè)局部特性。比如直線、橢圓、圓、弧線等。
六、實(shí)驗(yàn)心得體會(huì)
對(duì)于一些圖像處理的函數(shù)不是很了解，只能夠按課本的參照函數(shù)拷貝做實(shí)驗(yàn)，對(duì)于其中的一些函數(shù)問(wèn)題理解不是很透徹，有些甚至完全不懂。還得繼續(xù)努力。
七、程序清單
1、邊緣檢測(cè)
由edge函數(shù)實(shí)現(xiàn)各算子對(duì)圖像的邊緣檢測(cè)
clear all;i = imread('d:');i=rgb2gray(i);bw1 = edge(i,'sobel');
%利用sobel算子進(jìn)行邊緣檢測(cè) bw2 = edge(i,'roberts');%利用roberts算子進(jìn)行邊緣檢測(cè) bw3 = edge(i,'prewitt');%利用prewitt算子進(jìn)行邊緣檢測(cè) bw4 = edge(i,'log');
%利用log算子進(jìn)行邊緣檢測(cè) bw5 = edge(i,'canny');
%利用canny算子進(jìn)行邊緣檢測(cè) subplot(2,3,1),imshow(i)subplot(2,3,2),imshow(bw1)subplot(2,3,3),imshow(bw2)subplot(2,3,4),imshow(bw3)
subplot(2,3,5),imshow(bw4)subplot(2,3,6),imshow(bw5)
2、邊緣連接
使用hough變換作線檢測(cè)和連接
clear all;
rgb = imread('d:');i=rgb;%i = rgb2gray(rgb);bw = edge(i,'canny');
% 利用canny算子提取圖像邊緣 [h,t,r] = hough(bw,'rhoresolution',0.5,'thetaresolution',0.5);figure(1), imshow(t,r,h,[],'notruesize'), axis on, axis normal xlabel('t'), ylabel('r')p = houghpeaks(h,5,'threshold',ceil(0.3*max(h(:))));
%找到5個(gè)較明顯的hough變換峰值
hold on plot(t(p(:,2)),r(p(:,1)),'s','color','white');lines = houghlines(bw,t,r,p,'fillgap',10,'minlength',10);
%查找并鏈接線段
figure, imshow(bw), hold on %在二值圖中疊加顯示這些線段 for k = 1:length(lines)
xy = [lines(k).point1;lines(k).point2];
plot(xy(:,1),xy(:,2),'linewidth',2,'color','green');end
數(shù)字圖像處理實(shí)驗(yàn)報(bào)告二篇三
實(shí)驗(yàn)一 數(shù)字圖像的獲取
一、實(shí)驗(yàn)?zāi)康?/p>
1、了解圖像的實(shí)際獲取過(guò)程。
2、鞏固圖像空間分辨率和灰度級(jí)分辨率、鄰域等重要概念。
3、熟練掌握?qǐng)D像讀、寫(xiě)、顯示、類(lèi)型轉(zhuǎn)換等 matlab 函數(shù)的用法。
二、實(shí)驗(yàn)內(nèi)容
1、讀取一幅彩色圖像，將該彩色圖像轉(zhuǎn)化為灰度圖像，再將灰度圖像轉(zhuǎn)化為索引圖像并顯示所有圖像。
2、編程實(shí)現(xiàn)空間分辨率變化的效果。
三、實(shí)驗(yàn)原理
1、圖像讀、寫(xiě)、顯示 i=imread(‘’)imview(i)imshow(i)imwrite(i,’wode’)
2、圖像類(lèi)型轉(zhuǎn)換
i=mat2gray(a,[amin,amax]);按指定的取值區(qū)間[amin,amax]將數(shù)據(jù)矩陣 a 轉(zhuǎn)化為灰度
圖像 i，amin 對(duì)應(yīng)灰度 0，amax 對(duì)應(yīng) 1，也可以不指定該區(qū)間。
[x,map]=gray2ind(i,n);按指定的灰度級(jí) n 將灰度圖像轉(zhuǎn)化為索引圖像,n 默認(rèn)為 64 i=ind2gray(x,map);索引圖像轉(zhuǎn)化為灰度圖像 i=grb2gray(rgb);真彩色圖像轉(zhuǎn)化為灰度圖像
[x,map]=rgb2ind(rgb);真彩色圖像轉(zhuǎn)化為索引圖像 rgb=ind2rgb(x,map);索引圖像轉(zhuǎn)化為真彩色圖像
bw=im2bw(i,level);將灰度圖像轉(zhuǎn)化為二值圖像,level 取值在[0,1]之間
bw=im2bw(x,map,level);將索引圖像轉(zhuǎn)化為二值圖像,level 取值在[0,1]之間 bw=im2bw(rgb,level);將真彩色圖像轉(zhuǎn)化為二值圖像,level 取值在[0,1]之間
四、實(shí)驗(yàn)代碼及結(jié)果
1、in=imread('');i=rgb2gray(in);[x,map]=gray2ind(i,128);subplot(131),imshow(in)subplot(132),imshow(i)subplot(133),imshow(x),colormap(map)
、%空間分辨率變化的效果
clc,close all,clear i=imread('');
i=imresize(i,[256,256]);i1=i(1:2:end,1:2:end);[m1,n1]=size(i)i2=i1(1:2:end,1:2:end);[m2,n2]=size(i2)i3=i2(1:2:end,1:2:end);[m3,n3]=size(i3)subplot(221),imshow(i),xlabel('256 x 256')subplot(222),imshow(i1),xlabel('128 x 128')subplot(223),imshow(i2),xlabel('64 x 64')subplot(224),imshow(i3),xlabel('32 x 32')256 x 25664 x 64128 x 12832 x 32
實(shí)驗(yàn)二
圖像的幾何變換
一、實(shí)驗(yàn)?zāi)康?/p>
掌握?qǐng)D像的基本幾何變換的方法
1、圖像的平移
2、圖像的旋轉(zhuǎn)
二、實(shí)驗(yàn)內(nèi)容
練習(xí)用matalb命令實(shí)現(xiàn)圖像的平移、旋轉(zhuǎn)操作
1、.編寫(xiě)實(shí)現(xiàn)圖像平移的函數(shù)
2、用imread命令從你的硬盤(pán)讀取一幅256×256灰度圖;
3、調(diào)用平移函數(shù)，將256×256灰度圖平移100行200列，在同一個(gè)窗口中顯示平移前和平移后的圖像。
4、再開(kāi)辟一個(gè)窗口，分別用最近鄰插值法、雙線性插值法實(shí)現(xiàn)圖像順勢(shì)針旋轉(zhuǎn)50°，顯示在同一窗口中，并比較兩種效果圖（在報(bào)告中）
三、實(shí)驗(yàn)原理
提示：圖片平移就是實(shí)現(xiàn)運(yùn)算
?x'??10x0??x? ?'????? ?y???01y0???y??1??001??1? ??????
?x'?x?x0即：??y'?y?y0
四、實(shí)驗(yàn)代碼及結(jié)果
1、function [i]=hmove(i,x0,y0);%編寫(xiě)實(shí)現(xiàn)圖像平移的函數(shù)hmove，平移量為 [r,c]=size(i);
%x0,y0,平移前圖像矩陣為i，i(r+x0,c+y0)=0;
%平移后圖像矩陣為i for x=1:r;
for y=1:c;
x1=x+x0;
y1=y+y0;
i(x1,y1)=i(x,y);
end;end;參考程序 subplot(2,2,1)imshow(rgb)subplot(2,2,3)gray1=rgb2gray(rgb);imagesc(gray1),colormap(gray);
subplot(2,2,2)i1=hmove(gray1,100,20);subimage(gray1),axis('image');subplot(2,2,4),imagesc(i1),colormap(gray),axis([1,700],[1,820]);
2、顯示圖像的傅立葉頻譜 ? a=0:800;b=0:600;
? %[x,y]=meshgrid([-20:0.2:20],[-20:0.2:20]);? [x,y]=meshgrid(a,b);? i=imread('');? i=rgb2gray(i);
? subplot(1,2,1),subimage([0,800],[0,600],i);? subplot(1,2,2);? s=fft2(i,601,801);? mesh(x,y,log(abs(s)));％圖像的傅立葉幅度頻譜以三維圖形顯示 ? colormap(hsv);
實(shí)驗(yàn)三 圖像空域變換增強(qiáng)（1）
一、實(shí)驗(yàn)?zāi)康?/p>
1、掌握直方圖均衡化算法。
2、鞏固灰度變換、直方圖修正、圖像算術(shù)和邏輯運(yùn)算等基礎(chǔ)知識(shí)。
3、熟練掌握空域變換增強(qiáng)的matlab 相關(guān)函數(shù)用法，并能利用算法自己編寫(xiě)matlab 程序?qū)崿F(xiàn)圖像空域變換增強(qiáng)。
二、實(shí)驗(yàn)內(nèi)容
1、用函數(shù)imcomplement 取反。
2、 做線性灰度變換。
3、 的直方圖，并和imhist 函數(shù)生成的直方圖作比較。
三、實(shí)驗(yàn)原理
在圖像處理中，空域是指由像素組成的空間，空域增強(qiáng)方法是指直接作用于像素的增強(qiáng)方法。空域處理可以表示為：
g(x, y)=t[ f(x, y)]
j=imcomplement(i);對(duì)圖像取反 imhist();顯示圖像的直方圖 histeq();直方圖均衡化函數(shù)
imnoise(i,type,parameters);給圖像加噪聲 bitand();圖像位與運(yùn)算 bitor();圖像位或運(yùn)算
四、實(shí)驗(yàn)代碼與結(jié)果
1、i=imread('');
j=imcomplement(i);subplot(121),imshow(i)subplot(122),imshow(j)
2、clear,close all,clc in1=imread('');
f0=0;g0=0;f1=100;g1=60;f2=150;g2=220;f3=255;g3=255;figure,plot([f0,f1,f2,f3],[g0,g1,g2,g3])axis tight,xlabel('f'),ylabel('g')title('intensity transformation')r1=(g1-g0)/(f1-f0);b1=g0-r1*f0;r2=(g2-g1)/(f2-f1);b2=g1-r2*f1;r3=(g3-g2)/(f3-f2);b3=g2-r3*f2;[m,n]=size(in1);in2=double(in1);for i=1:m for j=1:n f=in2(i,j);g(i,j)=0;if(f>=0)&(f<=f1)g(i,j)=r1*f+b1;elseif(f>=f1)&(f<=f2)g(i,j)=r2*f+b2;elseif(f>=f2)&(f<=f3)g(i,j)=r3*f+b3;end end end figure,subplot(121),imshow(in1)subplot(122),imshow(mat2gray(g))
3、clc,clear,close all in=imread('');[m,n]=size(in);num=zeros(1,256);% num 是每個(gè)灰度級(jí)對(duì)應(yīng)的像素個(gè)數(shù) p=zeros(1,256);% p 是每個(gè)灰度級(jí)出現(xiàn)的概率 for i=1:m for j=1:n num(1,in(i,j)+1)=num(1,in(i,j)+1)+1;% 統(tǒng)計(jì)個(gè)數(shù) end end p=num./(m*n)% 求概率 x=1:256;subplot(121),plot(x,p),axis([1 256 0 0.06])subplot(122),imhist(in)
實(shí)驗(yàn)四 圖像空域變換增強(qiáng)（2）
一、實(shí)驗(yàn)?zāi)康?/p>
1、掌握直方圖均衡化算法。
2、鞏固灰度變換、直方圖修正、圖像算術(shù)和邏輯運(yùn)算等基礎(chǔ)知識(shí)。
3、熟練掌握空域變換增強(qiáng)的matlab 相關(guān)函數(shù)用法，并能利用算法自己編寫(xiě)matlab 程序?qū)崿F(xiàn)圖像空域變換增強(qiáng)。實(shí)現(xiàn)頻域線性變換，非線性變換增強(qiáng)
二、實(shí)驗(yàn)內(nèi)容
1、 進(jìn)行增強(qiáng)運(yùn)算。
2、 作邏輯與和邏輯或運(yùn)算。
三、實(shí)驗(yàn)原理
j=imcomplement(i);對(duì)圖像取反 imhist();顯示圖像的直方圖 histeq();直方圖均衡化函數(shù)
imnoise(i,type,parameters);給圖像加噪聲 bitand();圖像位與運(yùn)算 bitor();圖像位或運(yùn)算
四、實(shí)驗(yàn)代碼與結(jié)果
1、clear;close all;clc;tu=imread('');% 輸入圖像
%tu=rgb2gray(tu);% 轉(zhuǎn)換為灰度圖像
n=zeros(1,256);% n 為原始圖像各灰度級(jí)像素個(gè)數(shù) p=zeros(1,256);% p 為原始成圖像直方圖
q=zeros(1,256);% q 為原始圖像直方圖累積分布函數(shù)
newn=zeros(1,256);% newn 為新生成圖像各灰度級(jí)像素個(gè)數(shù) newp=zeros(1,256);% newp 為新生成圖像直方圖
newq=zeros(1,256);% newq 為新生成圖像直方圖累積分布函數(shù) [h w]=size(tu);new_tu=zeros(h,w);% 計(jì)算原始圖像各灰度級(jí)像素個(gè)數(shù) for x=1:h for y=1:w n(1,tu(x,y))=n(1,tu(x,y))+1;end end p=n./sum(n);% 計(jì)算原始直方圖 p % 計(jì)算原始累積分布直方圖 q(1,1)=p(1,1);for i=2:256 q(1,i)=q(1,i-1)+p(1,i);end % 計(jì)算原始直方圖對(duì)應(yīng)的新的灰度 t ,建立映射關(guān)系 for i=1:256 t(1,i)=floor(254*q(1,i)+1+0.5);end % 計(jì)算直方圖均衡化后的新圖 new_tu for x=1:h for y=1:w new_tu(x,y)=t(1,tu(x,y));end end % 統(tǒng)計(jì)新生成圖像各灰度級(jí)像素個(gè)數(shù) for x=1:h for y=1:w newn(1,new_tu(x,y))=newn(1,new_tu(x,y))+1;end end newp=newn./(h*w);% 計(jì)算新的灰度直方圖 newp % 計(jì)算新生成圖像累積分布直方圖 newq(1,1)=newp(1,1);for i=2:256 newq(1,i)=newq(1,i-1)+newp(1,i);end % 顯示信息
subplot(231),imshow(tu)subplot(232),plot(p),axis([1 256 0 0.06])subplot(233),plot(q),axis([1 256 0 1])subplot(234),imshow(new_tu,[])subplot(235),plot(newp),axis([1 256 0 0.06])subplot(236),plot(newq),axis([1 256 0
1])
2、clc,clear,close all in=imread('');in=rgb2gray(in);[m,n]=size(in);in=double(in);out1=ones(m,n)*255;out1(20:150,30:170)=0;chu1=zeros(m,n);chu1(20:150,30:170)=255;for i=1:m for j=1:n out2(i,j)=bitor(in(i,j),out1(i,j));chu2(i,j)=bitand(in(i,j),chu1(i,j));end end in=uint8(in);out1=uint8(out1);out2=uint8(out2);chu1=uint8(chu1);chu2=uint8(chu2);subplot(231),imshow(in)subplot(232),imshow(out1)subplot(233),imshow(out2)subplot(234),imshow(chu1)subplot(235),imshow(chu2)
實(shí)驗(yàn)五 圖像濾波增強(qiáng)
一、實(shí)驗(yàn)?zāi)康?/p>
1、掌握各種空域和頻域圖像濾波增強(qiáng)算法已經(jīng)模板運(yùn)算的基本方法。
2、鞏固卷積定理、濾波處理等基礎(chǔ)知識(shí)。
3、熟練掌握空域和頻域?yàn)V波增強(qiáng)的matlab 相關(guān)函數(shù)用法。
二、實(shí)驗(yàn)內(nèi)容
1、利用均值濾波算法對(duì)已被噪聲污染的圖像 進(jìn)行濾波除噪處理。、利用標(biāo)準(zhǔn)中值濾波算法對(duì)已被噪聲污染的圖像 進(jìn)行濾波除噪處理。3、用prewitt 進(jìn)行銳化濾波處理。
三、實(shí)驗(yàn)原理
h=fspecial(type);h=fspecial(type,parameters);用于創(chuàng)建一個(gè)指定的濾波器模板，type 指濾波器的類(lèi)型。
parameters 是與指定的濾波器有關(guān)的參數(shù)。y=filter2(b,x);用于進(jìn)行二維線性數(shù)字濾波，使用矩陣b 中的二維濾波器對(duì)數(shù)據(jù)x進(jìn)行濾波。結(jié)果y 是通過(guò)二維互相關(guān)計(jì)算出來(lái)的，大小與x 一樣。
y=filter2(b,x,’shape’);結(jié)果y 的大小由參數(shù)shape確定，shape的取值如下： full：返回二維戶(hù)相關(guān)的全部結(jié)果，size(y)>size(x)same：返回二維戶(hù)相關(guān)結(jié)果的中間部分，y 的大小與x 相同 valid：返回二維戶(hù)相關(guān)未使用邊緣補(bǔ)0 的部分，size(y)
四、實(shí)驗(yàn)代碼與結(jié)果
1、clc,clear
in1=imread('');f=imnoise(in1,'salt & pepper',0.1);%f=imnoise(in1,'gaussian',0,0.02)%g 是標(biāo)準(zhǔn)均值濾波器的輸出圖像 g=biaozhunjunzhi(f,3);subplot(221),imshow(in1)%,xlabel('(a)原始圖像')subplot(222),imshow(f)%,xlabel('(b)加噪圖像')subplot(223),imshow(g)%,xlabel('(c)標(biāo)準(zhǔn)均值濾波圖像')function g=biaozhunjunzhi(f,k)[m,n]=size(f);%f1 是對(duì)邊緣像素補(bǔ)0 后得到的圖像
f1=zeros(m+(k-1),n+(k-1));[m1,n1]=size(f1);%f1 的邊緣像素值為0中間的像素值依然為f f1((1+(k-1)/2):(m1-(k-1)/2),(1+(k-1)/2):(n1-(k-1)/2))=f;%注意這條指令絕對(duì)不能少 ga=f;%取出窗口內(nèi)的像素值并作標(biāo)準(zhǔn)均值濾波處理 for i=(k+1)/2:(m1-(k-1)/2)
for j=(k+1)/2:(n1-(k-1)/2)a=0;x=1;for p=1:k for q=1:k a(x)=f1(i+(p-(k+1)/2),j+(q-(k+1)/2));x=x+1;end end %hsum 表示窗口內(nèi)所有像素值的和 hsum=0;for h=1:(k^2)hsum=hsum+a(h);end ga(i,j)=round(hsum/(k^2));end end %ga 的大小和f1 的大小一致所以必須取出中間部分像素值作為輸出 g=ga((1+(k-1)/2):(m1-(k-1)/2),(1+(k-1)/2):(n1-(k-1)/2));
2、clc,clear in1=imread('');f=imnoise(in1,'salt & pepper',0.1);%f=imnoise(in1,'gaussian',0,0.02)%g 是標(biāo)準(zhǔn)中值濾波器的輸出圖像 g=biaozhunzhongzhi(f,3);subplot(131),imshow(in1)%,xlabel('(a)原始圖像')subplot(132),imshow(f)%,xlabel('(b)加噪圖像')subplot(133),imshow(g)%,xlabel('(c)標(biāo)準(zhǔn)均值濾波圖像')function g=biaozhunzhongzhi(f,k)[m,n]=size(f);%f1 是對(duì)邊緣像素補(bǔ)0 后得到的圖像
f1=zeros(m+(k-1),n+(k-1));[m1,n1]=size(f1);%f1 的邊緣像素值為0中間的像素值依然為f f1((1+(k-1)/2):(m1-(k-1)/2),(1+(k-1)/2):(n1-(k-1)/2))=f;%注意這條指令絕對(duì)不能少 ga=f;for i=(k+1)/2:(m1-(k-1)/2)for j=(k+1)/2:(n1-(k-1)/2)a=0;x=1;for p=1:k for q=1:k a(x)=f1(i+(p-(k+1)/2),j+(q-(k+1)/2));x=x+1;
end end a=sort(a);ga(i,j)=a((k^2+1)/2);end end %ga 的大小和f1 的大小一致所以必須取出中間部分像素值作為輸出 g=ga((1+(k-1)/2):(m1-(k-1)/2),(1+(k-1)/2):(n1-(k-1)/2));
3、clc,clear,close all f=imread('');[m,n]=size(f);g=f;h1=[-1-1-1;0 0 0;1 1 1];h2=[-1 0 1;-1 0 1;-1 0 1];x1=h1;x2=h2;for i=2:1:m-1 for j=2:1:n-1 sum1=0;sum2=0;sum=0;for p=1:1:3 for q=1:1:3 x1(p,q)=f(i+(p-2),j+(q-2));x2(p,q)=f(i+(p-2),j+(q-2));sum1=sum1+x1(p,q)*h1(p,q);sum2=sum2+x2(p,q)*h2(p,q);sum=sum1+sum2;end end if sum<1 g(i,j)=abs(sum);else g(i,j)=sum;end end end subplot(121),imshow(f)subplot(122),imshow(g)
實(shí)驗(yàn)六 圖像復(fù)原
一、實(shí)驗(yàn)?zāi)康?/p>
1、掌握各種空域和頻域圖像濾波增強(qiáng)算法已經(jīng)模板運(yùn)算的基本方法。
2、鞏固卷積定理、濾波處理等基礎(chǔ)知識(shí)。
3、熟練掌握空域和頻域?yàn)V波增強(qiáng)的matlab 相關(guān)函數(shù)用法并能利用算法自己編寫(xiě)matlab程序?qū)崿F(xiàn)圖像空域變換增強(qiáng)。
二、實(shí)驗(yàn)內(nèi)容 進(jìn)行退化和復(fù)原仿真，采用逆濾波的方法復(fù)原。 進(jìn)行退化和復(fù)原仿真，采用逆濾波的方法復(fù)原。 進(jìn)行空域?yàn)V波還原處理。
三、實(shí)驗(yàn)原理
psf=fspecial(type,parameters)；返回指定濾波器的單位沖擊響應(yīng) imfilter(c,psf,’circular’,’conv’)；根據(jù)psf 對(duì)圖像進(jìn)行濾波處理 fr=deconvwnr(g,psf,ncorr,icorr)；對(duì)圖像進(jìn)行維納濾波處理
fr=deconvreg(g,psf,noisepower,range)；對(duì)圖像進(jìn)行最小二乘方濾波處理
tform=maketform(transform_type,transform_parameters)；對(duì)圖像進(jìn)行幾何失真校正
四、實(shí)驗(yàn)代碼與結(jié)果
1、%基于大氣湍流造成的模糊圖像及其還原
clear;close all;clc in=imread('');subplot(131),imshow(in),title('原始圖像')f=fft2(in);[n1,n2]=size(f);k1=0.00005;%退化模型中的常數(shù)
%根據(jù)退化模型對(duì)輸入圖像進(jìn)行退化處理并輸出退化后的圖像 for i=1:n1 for j=1:n2 h(i,j)=exp((-k1*(i^2+j^2))^(5/6));out(i,j)=f(i,j)*h(i,j);end end out1=ifft2(out);outreal=uint8(real(out1));subplot(132),imshow(outreal),title('大氣湍流退化圖')%根據(jù)退化模型對(duì)已經(jīng)退化的圖像進(jìn)行恢復(fù)處理 k2=0.00006;%退化模型中的常數(shù)
for i=1:n1 for j=1:n2 h(i,j)=exp((-k2*(i^2+j^2))^(5/6));chu(i,j)=out(i,j)/h(i,j);end end chu1=ifft2(chu);chureal=uint8(real(chu1));subplot(133),imshow(chureal),title('大氣湍流還原圖')
2、%基于勻速直線運(yùn)動(dòng)造成的模糊圖像及其還原
clear;close all;clc in=imread('');%in=rgb2gray(in1);subplot(131),imshow(in),title('原始圖像')f=fft2(in);[n1,n2]=size(f);t=1;a=0.06;b=0.04;pi=3.1415926;for u=1:n1 for v=1:n2 fenzhi=cos(pi*(u*a+v*b))-i*sin(pi*(u*a+v*b));h(u,v)=t*sin(pi*(u*a+v*b))*fenzhi/(pi*(u*a+v*b));out(u,v)=f(u,v)*h(u,v);end end out1=ifft2(out);outreal=uint8(real(out1));subplot(132),imshow(outreal),title('勻速直線運(yùn)動(dòng)退化圖')for u=1:n1 for v=1:n2 h(u,v)=t*sin(pi*(u*a+v*b))*(cos(pi*(u*a+v*b))-j*sin(pi*(u*a+v*b)))/(pi*(u*a+v*b));chu(u,v)=out(u,v)/h(u,v);end end chu1=ifft2(chu);chureal=uint8(real(chu1));
subplot(133),imshow(chureal),title('勻速直線運(yùn)動(dòng)還原圖')
a=0.06;b=0;時(shí)的運(yùn)行結(jié)果：
a=0;b=0.06;時(shí)的運(yùn)行結(jié)果：：
3、%逆諧波均值濾波舉例
clc,close all,clear in=imread('');f=imnoise(in,'gaussian',0,0.05);g=nixiebojunzhi(f,3);subplot(131),imshow(in)subplot(132),imshow(f)subplot(133),imshow(g)%逆諧波函數(shù)
function g=nixiebojunzhi(f,k)[m,n]=size(f);r=2;%r 為逆諧波函數(shù)中的q 值
%f1 是對(duì)邊緣像素補(bǔ)0 后得到的圖像
f1=zeros(m+(k-1),n+(k-1));[m1,n1]=size(f1);%f1 的邊緣像素值為0中間的像素值依然為f f1((1+(k-1)/2):(m1-(k-1)/2),(1+(k-1)/2):(n1-(k-1)/2))=f;%注意這條指令絕對(duì)不能少 ga=f;%取出窗口內(nèi)的像素值并作標(biāo)準(zhǔn)均值濾波處理 for i=(k+1)/2:(m1-(k-1)/2)for j=(k+1)/2:(n1-(k-1)/2)a=0;x=1;for p=1:k for q=1:k a(x)=f1(i+(p-(k+1)/2),j+(q-(k+1)/2));x=x+1;end end %hsum 表示窗口內(nèi)所有像素值的和 hsum1=0;hsum2=0;for h=1:(k^2)hsum1=hsum1+a(h)^(r+1);hsum2=hsum2+a(h)^r;end ga(i,j)=round(hsum1/hsum2);end end %ga 的大小和f1 的大小一致所以必須取出中間部分像素值作為輸出 g=ga((1+(k-1)/2):(m1-(k-1)/2),(1+(k-1)/2):(n1-(k-1)/2));
實(shí)驗(yàn)七 彩色圖像處理
一、實(shí)驗(yàn)?zāi)康?/p>
1、了解三色成像及各種顏色模型。
2、能用處理灰度圖像的算法和技術(shù)對(duì)真彩色圖像進(jìn)行增強(qiáng)、去噪、復(fù)原等處理。
3、理解偽彩色圖像處理技術(shù)并掌握密度分層法、灰度級(jí)彩色變換法、頻域?yàn)V波等偽彩色圖像處理算法。
二、實(shí)驗(yàn)內(nèi)容
1、生成一幅256x256 的rgb 圖像，該圖像左上角為紅色，右上角為藍(lán)色，左下角為綠色，右下角為黑色。
2、給彩色圖像加噪并去噪，可以采用灰度圖像去噪處理的任何方法。
3、密度分層偽彩色處理仿真。
4、灰度級(jí)-彩色變換法偽彩色處理仿真。
三、實(shí)驗(yàn)原理
b=cat(dim,a1,a2,a3,...)，dim 為維數(shù)，cat 函數(shù)將a1,a2,a3 等矩陣連接成維數(shù)為dim的矩陣。
四、實(shí)驗(yàn)代碼與結(jié)果
1、clc,clear,close all rin=zeros(256,256);%紅色分量 rin(1:128,1:128)=1;%左上角 gin=zeros(256,256);%綠色分量 gin(129:256,1:128)=1;%左下角 bin=zeros(256,256);%藍(lán)色分量 bin(1:128,129:256)=1;%右上角 %將三個(gè)分量進(jìn)行組合 out1=cat(3,rin,gin,bin);%也可以不用matlab 函數(shù)
out2(:,:,1)=rin;out2(:,:,2)=gin;out2(:,:,3)=bin;subplot(121),imshow(out1)subplot(122),imshow(out2)
2、%給彩色圖像加噪并去噪
clc,clear,close all in1=imread('');in=imnoise(in1,'salt & pepper',0.8);out(:,:,1)=gaijinjunzhi(in(:,:,1),5);out(:,:,2)=gaijinjunzhi(in(:,:,2),5);out(:,:,3)=gaijinjunzhi(in(:,:,3),5);subplot(221),imshow(in1)subplot(222),imshow(in)subplot(223),imshow(out)%采用改進(jìn)均值濾波算法，函數(shù)如下 function g=gaijinjunzhi(f,k)[m,n]=size(f);%f1 是對(duì)邊緣像素補(bǔ)0 后得到的圖像
f1=zeros(m+(k-1),n+(k-1));[m1,n1]=size(f1);%f1 的邊緣像素值為0中間的像素值依然為f f1((1+(k-1)/2):(m1-(k-1)/2),(1+(k-1)/2):(n1-(k-1)/2))=f;%注意這條指令絕對(duì)不能少 ga=f;%取出窗口內(nèi)的像素值并作改進(jìn)均值濾波處理 for i=(k+1)/2:(m1-(k-1)/2)for j=(k+1)/2:(n1-(k-1)/2)a=0;x=1;for p=1:k for q=1:k a(x)=f1(i+(p-(k+1)/2),j+(q-(k+1)/2));x=x+1;end end mina=min(a);maxa=max(a);%tan 表示窗口內(nèi)既不是最大也不是最小像素值的個(gè)數(shù) %he 表示窗口內(nèi)所有既不是最大也不是最小像素值的和 tan=0;he=0;%hsum 表示窗口內(nèi)所有像素值的和 hsum=0;%取出不是最大也不是最小的像素值并求和以及個(gè)數(shù) for h=1:(k^2)hsum=hsum+a(h);if a(h)~=mina & a(h)~=maxa tan=tan+1;he=he+a(h);else end end %在噪聲密度較大的情況下有可能窗口內(nèi)所有的值都是最大值或最小值 %對(duì)其進(jìn)行判斷，如果是這種情況，就采用普通的均值濾波算法求當(dāng)前要求的像素點(diǎn)的值 if tan~=0 ga(i,j)=round(he/tan);else ga(i,j)=round(hsum/(k^2));
end end end %ga 的大小和f1 的大小一致，所以必須取出中間部分像素值作為輸出 g=ga((1+(k-1)/2):(m1-(k-1)/2),(1+(k-1)/2):(n1-(k-1)/2));
3、clc,clear,close all %[i0,map]=imread('');d=[0.54,0.24,0.81;0.44,0.136,0.123;0.45,0.73,0.145;...0.21,0.12,0.56;0.45,0.54,0.33;0.33,0.23,0.141;...0.42,0.23,0.1;0.101,0.51,0.31;0.22,0.88,0.21;0.23,0.93,0.33];in=imread('');[m,n]=size(in);for i=1:m for j=1:n % out(i,j,1)=map(in(i,j),1);% out(i,j,2)=map(in(i,j),2);% out(i,j,3)=map(in(i,j),3);ind=fix(in(i,j)/26);out(i,j,1)=d(ind,1);out(i,j,2)=d(ind,2);out(i,j,3)=d(ind,3);end end subplot(121),imshow(in)subplot(122),imshow(out)
4、clear,close all,clc in1=imread('');%in1=rgb2gray(in1);%第一個(gè)獨(dú)立的變換 f10=0;g10=0;f11=127;g11=0;f12=191;g12=255;f13=255;g13=255;figure(11),plot([f10,f11,f12,f13],[g10,g11,g12,g13],'r')axis tight,xlabel('f'),ylabel('g')title('intensity transformation')r11=(g11-g10)/(f11-f10);b11=g10-r11*f10;r12=(g12-g11)/(f12-f11);b12=g11-r12*f11;r13=(g13-g12)/(f13-f12);b13=g12-r13*f12;[m,n]=size(in1);in2=double(in1);for i=1:m for j=1:n f=in2(i,j);g1(i,j)=0;if(f>=0)&(f<=f11)g1(i,j)=r11*f+b11;elseif(f>=f11)&(f<=f12)g1(i,j)=r12*f+b12;elseif(f>=f12)&(f<=f13)g1(i,j)=r13*f+b13;end end end g1=uint8(g1);figure(12),subplot(121),imshow(in1)subplot(122),imshow(g1)%imshow(mat2gray(g1))%第二個(gè)獨(dú)立的變換
f20=0;g20=0;f21=63;g21=255;f22=191;g22=255;f23=255;g23=0;figure(21),plot([f20,f21,f22,f23],[g20,g21,g22,g23],'r')axis tight,xlabel('f'),ylabel('g')title('intensity transformation')r21=(g21-g20)/(f21-f20);b21=g20-r21*f20;r22=(g22-g21)/(f22-f21);b22=g21-r22*f21;r23=(g23-g22)/(f23-f22);b23=g22-r23*f22;[m,n]=size(in1);in2=double(in1);for i=1:m for j=1:n f=in2(i,j);g2(i,j)=0;if(f>=0)&(f<=f21)g2(i,j)=r21*f+b21;elseif(f>=f21)&(f<=f22)g2(i,j)=r22*f+b22;elseif(f>=f22)&(f<=f23)g2(i,j)=r23*f+b23;end end end
g2=uint8(g2);figure(22),subplot(121),imshow(in1)subplot(122),imshow(g2)%imshow(mat2gray(g2))%第三個(gè)獨(dú)立的變換
f30=0;g30=255;f31=63;g31=255;f32=127;g32=0;f33=255;g33=0;figure(31),plot([f30,f31,f32,f33],[g30,g31,g32,g33],'r')axis tight,xlabel('f'),ylabel('g')title('intensity transformation')r31=(g31-g30)/(f31-f30);b31=g30-r31*f30;r32=(g32-g31)/(f32-f31);b32=g31-r32*f31;r33=(g33-g32)/(f33-f32);b33=g32-r33*f32;[m,n]=size(in1);in2=double(in1);for i=1:m for j=1:n f=in2(i,j);g3(i,j)=0;if(f>=0)&(f<=f31)g3(i,j)=r31*f+b31;elseif(f>=f31)&(f<=f32)g3(i,j)=r32*f+b32;elseif(f>=f32)&(f<=f33)g3(i,j)=r33*f+b33;end end end g3=uint8(g3);figure(32),subplot(121),imshow(in1)subplot(122),imshow(g3)%imshow(mat2gray(g3))%彩色合成 for i=1:m for j=1:n out(i,j,1)=g1(i,j);out(i,j,2)=g2(i,j);out(i,j,3)=g3(i,j);end end figure,imshow(out)
實(shí)驗(yàn)八 圖像檢測(cè)與分割
一、實(shí)驗(yàn)?zāi)康?/p>
1、了解圖像的實(shí)際獲取過(guò)程。
2、鞏固圖像空間分辨率和灰度級(jí)分辨率、鄰域等重要概念。
3、熟練掌握?qǐng)D像讀、寫(xiě)、顯示、類(lèi)型轉(zhuǎn)換等matlab 函數(shù)的用法。
二、實(shí)驗(yàn)內(nèi)容
1、應(yīng)用一階算子roberts 檢測(cè)邊緣。
2、用一階算子sobel 檢測(cè)邊緣并對(duì)邊界處的像素進(jìn)行處理。
3、用上面描述的otsu 算法編寫(xiě)matlab 程序?qū)崿F(xiàn)圖像分割。
三、實(shí)驗(yàn)原理
[g,t]=edge(image,method,threshold,direction)其中image 為輸入圖像method 為采用的方法類(lèi)型：threshold 為閾值，如果給定閾值，則t= threshold，否則有函數(shù)自動(dòng)計(jì)算出來(lái)并把其值返回給t；direction 為所尋找邊緣的方向，其值可以為horizontal，vertical，both 默認(rèn)為both；g 為返回的二值圖像。
四、實(shí)驗(yàn)代碼與結(jié)果
1、clc,clear,close all f=imread('');t=50;g=robertsf(f,t);subplot(121),imshow(f),title('原圖')subplot(122),imshow(g),title('roberts 算子')%用roberts 算子對(duì)圖像進(jìn)行邊緣檢測(cè)的函數(shù) function g=robertsf(f,t)[m,n]=size(f);g=f;h1=[-1 0;0 1];h2=[0-1;1 0];x1=h1;x2=h2;for i=2:1:m-1 for j=2:1:n-1 sum1=0;sum2=0;sum=0;for p=1:2 for q=1:2 x1(p,q)=f(i+(p-2),j+(q-2))；x2(p,q)=f(i+(p-2),j+(q-2));sum1=sum1+x1(p,q)*h1(p,q);sum2=sum2+x2(p,q)*h2(p,q);sum=(sum1^2+sum2^2)^(1/2);end end if sum
else end end end
2、clc,clear,close all f=imread('');k=3;[m,n]=size(f);b1=[-1-2-1 0 0 0 1 2 1];b2=[-1 0 1-2 0 2-1 0 1];t=150;%f1 是對(duì)邊緣像素補(bǔ)0 后得到的圖像 f1=zeros(m+(k-1),n+(k-1));[m1,n1]=size(f1);%f1 的邊緣像素值為0中間的像素值依然為f f1((1+(k-1)/2):(m1-(k-1)/2),(1+(k-1)/2):(n1-(k-1)/2))=f;%注意這條指令絕對(duì)不能少 ga=f1;%取出窗口內(nèi)的像素值并作標(biāo)準(zhǔn)均值濾波處理 for i=(k+1)/2:(m1-(k-1)/2)for j=(k+1)/2:(n1-(k-1)/2)a=0;%a 是一維數(shù)組1xk^2 x=1;%x 是數(shù)組的序號(hào) for p=1:k for q=1:k a(x)=f1(i+(p-(k+1)/2),j+(q-(k+1)/2));x=x+1;end end sum1=0;sum2=0;for w=1:k^2 sum1=sum1+a(w)*b1(w);sum2=sum2+a(w)*b2(w);end sum=(sum1^2+sum2^2)^(1/2);
if sum
3、%利用otsu 法閾值選擇的方法分割圖像
clc,clear,close all k=8;%k 表示無(wú)符號(hào)整型數(shù)的位數(shù) l=2^k;in=imread('');[m,n]=size(in);num=zeros(1,256);% num 是每個(gè)灰度級(jí)對(duì)應(yīng)的像素個(gè)數(shù) p=zeros(1,256);% p 是每個(gè)灰度級(jí)出現(xiàn)的概率
%p=zeros(1,256);% q 是每個(gè)灰度級(jí)出現(xiàn)的概率的累積分布函數(shù) for i=1:m for j=1:n num(1,in(i,j)+1)=num(1,in(i,j)+1)+1;% 統(tǒng)計(jì)個(gè)數(shù) end end p=num./(m*n);% 求概率 ut=0;%ut 是整幅圖像的均值 for i=1:l ut=ut+(i-1)*p(i);end for t=0:l-1 w0=0;w1=0;for i=1:t w0=w0+p(i);end w1=1-w0;u0=0;
for i=1:t if w0>0 u0=u0+i*p(i)/w0;else u0=u0+0;end end u1=0;for i=(t+1):l if w1>0 u1=u1+i*p(i)/w1;else u1=u1+0;end end rou(t+1)=w0*w1*(u0-u1)^2;%類(lèi)間方差的求取 end maxrou=max(rou);%類(lèi)間方差的最大值 for i=1:l if rou(i)==maxrou r=i-1;end end r %類(lèi)間方差最大所對(duì)應(yīng)的灰度值 for i=1:m for j=1:n if in(i,j)>r out(i,j)=1;else out(i,j)=0;end end end subplot(121),imshow(in)subplot(122),imshow(out)運(yùn)行結(jié)果得到的閾值為：114
數(shù)字圖像處理實(shí)驗(yàn)報(bào)告二篇四
數(shù)字圖像處理
實(shí)驗(yàn)報(bào)告
班級(jí):通信103 學(xué)號(hào):201027201 姓名:計(jì)富威 指導(dǎo)教師:孫潔
實(shí)驗(yàn)一 matlab數(shù)字圖像處理初步
一、實(shí)驗(yàn)?zāi)康呐c要求
1．熟悉及掌握在matlab中能夠處理哪些格式圖像。2．熟練掌握在matlab中如何讀取圖像。
3．掌握如何利用matlab來(lái)獲取圖像的大小、顏色、高度、寬度等等相關(guān)信息。
4．掌握如何在matlab中按照指定要求存儲(chǔ)一幅圖像的方法。5．圖像間如何轉(zhuǎn)化。
二、實(shí)驗(yàn)內(nèi)容及步驟
1．利用imread()函數(shù)讀取一幅圖像，假設(shè)其名為””，存入一個(gè)數(shù)組中；
>>i=imread('');2．利用whos命令提取該讀入圖像””的基本信息； >>whos i 3．利用imshow()函數(shù)來(lái)顯示這幅圖像； >>imshow(i);
4．利用imfinfo函數(shù)來(lái)獲取圖像文件的壓縮，顏色等等其他的詳細(xì)信息；
>>imfinfo('');5．利用imwrite()函數(shù)來(lái)壓縮這幅圖象，將其保存為一幅壓縮了像素的jpg文件,；語(yǔ)法：imwrite(原圖像，新圖像，‘quality’,q), q取0-100。
>>imwrite(i,'','quality',50)6．同樣利用imwrite()函數(shù)將最初讀入的tif圖象另存為一幅bmp圖像，。>>imwrite(i,'');7．用imread()讀入圖像： ； >>b=imread('');>>c=imread('');8．用imfinfo()獲取圖像 的大小； >>imfinfo('');>>imfinfo('');9．用figure,imshow()分別將顯示出來(lái)，觀察兩幅圖像的質(zhì)量。>>figure >>imshow(b);>>figure >>imshow(c);
（圖像截圖）
（圖像截圖）
10．用im2bw將一幅灰度圖像轉(zhuǎn)化為二值圖像，并且用imshow顯示出來(lái)觀察圖像的特征。>> d=im2bw(b);>>figure >>imshow(b);>>figure >>imshow(d);
（二值化截圖）
三、實(shí)驗(yàn)總結(jié)
通過(guò)實(shí)驗(yàn)matlab軟件的基本使用有了基本的了解，學(xué)會(huì)了使用matlab軟件來(lái)讀取一個(gè)特定格式的圖像，并通過(guò)相關(guān)的命令語(yǔ)句對(duì)圖像進(jìn)行格式轉(zhuǎn)換、圖像壓縮、二值化等的處理，掌握了利用matlab來(lái)獲取圖像的大小、顏色、高度、寬度等等相關(guān)信息，掌握在matlab中如何通過(guò)imshow()語(yǔ)句來(lái)讀取圖像等等。
第二 圖像基本運(yùn)算
一、實(shí)驗(yàn)?zāi)康?/p>
1．了解圖像的算術(shù)運(yùn)算在數(shù)字圖像處理中的初步應(yīng)用。2．體會(huì)圖像算術(shù)運(yùn)算處理的過(guò)程和處理前后圖像的變化。
二、實(shí)驗(yàn)原理
圖像的代數(shù)運(yùn)算是圖像的標(biāo)準(zhǔn)算術(shù)操作的實(shí)現(xiàn)方法，是兩幅輸入圖像之間進(jìn)行的點(diǎn)對(duì)點(diǎn)的加、減、乘、除運(yùn)算后得到輸出圖像的過(guò)程。如果輸入圖像為a(x,y)和b(x,y)，輸出圖像為c(x,y)，則圖像的代數(shù)運(yùn)算有如下四種形式：
c(x,y)= a(x,y)+ b(x,y)c(x,y)= a(x,y)-b(x,y)c(x,y)= a(x,y)* b(x,y)c(x,y)= a(x,y)/ b(x,y)
三、實(shí)驗(yàn)步驟 1．圖像的加法運(yùn)算
在matlab中，如果要進(jìn)行兩幅圖像的加法，或者給一幅圖像加上一個(gè)常數(shù)，可以調(diào)用imadd函數(shù)來(lái)實(shí)現(xiàn)。imadd函數(shù)將某一幅輸入圖像的每一個(gè)像素值與另一幅圖像相應(yīng)的像素值相加，返回相應(yīng)的像素值之和作為輸出圖像。imadd函數(shù)的調(diào)用格式如下：
z = imadd（x，y）首先讀入兩幅圖像
>>a=imread('');>>b=imread('')通過(guò)一個(gè)加法操作：>> c=imadd(a,b);
給圖像的每一個(gè)像素加上一個(gè)常數(shù)可以使圖像的亮度增加。如截圖
第一張為原圖，第二張為亮度加50，第三張為亮度減50 2．圖像的減法運(yùn)算
在matlab中，使用imsubtract函數(shù)可以將一幅圖像從另一幅圖像中減去，或者從一幅圖像中減去一個(gè)常數(shù)。imsubtract函數(shù)將一幅輸入圖像的像素值從另一幅輸入圖像相應(yīng)的像素值中減去，再將這個(gè)結(jié)果作為輸出圖像相應(yīng)的像素值。imsubtract函數(shù)的調(diào)用格式如下：
z = imsubtract(x,y)； 讀入一幅畫(huà)后通過(guò)減法 >>a3=imsubtract(a,50);
3.圖像的乘法運(yùn)算
在matlab中，使用immultiply函數(shù)實(shí)現(xiàn)兩幅圖像的乘法。immultiply函數(shù)將兩幅圖像相應(yīng)的像素值進(jìn)行元素對(duì)元素的乘法操作（matlab點(diǎn)乘），并將乘法的運(yùn)算結(jié)果作為輸出圖形相應(yīng)的像素值。immulitply函數(shù)的調(diào)用格式如下：
z = immulitply(x,y)讀入一幅圖后通過(guò)乘法操作 >> a=imread('');>> b=immultiply(a,1.5);
4．圖像的除法運(yùn)算
在matlab中使用imspanide函數(shù)進(jìn)行兩幅圖像的除法。imspanide函數(shù)對(duì)兩幅輸入圖像的所有相應(yīng)像素執(zhí)行元素對(duì)元素的除法操作（點(diǎn)除），并將得到的結(jié)果作為輸出圖像的相應(yīng)像素值。imspanide函數(shù)的調(diào)用格式如下：
z = imspanide(x,y)讀入一幅圖后通過(guò)除法操作
四、實(shí)驗(yàn)總結(jié)
通過(guò)對(duì)圖像的四則運(yùn)算了結(jié)圖像的不同變化過(guò)程，對(duì)軟件的進(jìn)一步使用也有了更加深刻的認(rèn)識(shí)。
實(shí)驗(yàn)三 圖像增強(qiáng)—空域?yàn)V波
一、實(shí)驗(yàn)?zāi)康?/p>
進(jìn)一步了解matlab軟件/語(yǔ)言，學(xué)會(huì)使用matlab對(duì)圖像作濾波處理，使學(xué)生有機(jī)會(huì)掌握濾波算法，體會(huì)濾波效果。
了解幾種不同濾波方式的使用和使用的場(chǎng)合，培養(yǎng)處理實(shí)際圖像的能力，并為課堂教學(xué)提供配套的實(shí)踐機(jī)會(huì)。
二、實(shí)驗(yàn)設(shè)備與軟件
(1)ibm-pc計(jì)算機(jī)系統(tǒng)
(2)matlab軟件/語(yǔ)言包括圖像處理工具箱(image processing toolbox)
(3)實(shí)驗(yàn)所需要的圖片
三、實(shí)驗(yàn)內(nèi)容與步驟
a)調(diào)入并顯示原始圖像“”。>>i=imread('');b)利用imnoise命令在圖像“”上加入高斯(gaussian)噪聲
>>j = imnoise(i,'gauss',0.02);
%添加高斯噪聲 c)利用預(yù)定義函數(shù)fspecial命令產(chǎn)生平均(average)濾波器 d）分別采用3x3和5x5的模板，分別用平均濾波器以及中值濾波器，對(duì)加入噪聲的圖像進(jìn)行處理并觀察不同噪聲水平下，上述濾波器處理的結(jié)果；
>>ave1=fspecial('average',3);
%產(chǎn)生3×3的均值模版 >>ave2=fspecial('average',5);
%產(chǎn)生5×5的均值模版 >>k = filter2(ave1,j)/255;
%均值濾波3×3 >>l = filter2(ave2,j)/255;
%均值濾波5×5 e）選擇不同大小的模板，對(duì)加入某一固定噪聲水平噪聲的圖像進(jìn)行處理，觀察上述濾波器處理的結(jié)果。
>>m = medfilt2(j,[3 3]);
%中值濾波3×3模板 >>n = medfilt2(j,[4 4]);
%中值濾波4×4模板
f） 上加入椒鹽噪聲(salt & pepper)>>j = imnoise(i,'salt& pepper',0.02);
%添加椒鹽噪聲
四、實(shí)驗(yàn)總結(jié)
椒鹽噪聲是由圖像傳感器，傳輸信道，解碼處理等產(chǎn)生的黑白相間的亮暗點(diǎn)噪聲。椒鹽噪聲往往由圖像切割引起，去除脈沖干擾及椒鹽噪聲最常用的算法是中值濾波。椒鹽噪聲是指兩種噪聲，一種是鹽噪聲，另一種是胡椒噪聲。鹽=白色，椒=黑色。前者是高灰度噪聲，后者屬于低灰度噪聲。一般兩種噪聲同時(shí)出現(xiàn)，呈現(xiàn)在圖像上就是黑白雜點(diǎn)。這點(diǎn)我們通過(guò)實(shí)驗(yàn)結(jié)果可以明顯看到。中值濾波對(duì)于濾除圖像的椒鹽噪聲非常有效。
實(shí)驗(yàn)四圖像分割
一、實(shí)驗(yàn)?zāi)康?/p>
使用matlab 軟件進(jìn)行圖像的分割。使學(xué)生通過(guò)實(shí)驗(yàn)體會(huì)一些主要的分割算子對(duì)圖像處理的效果，以及各種因素對(duì)分割效果的影響。
二、實(shí)驗(yàn)要求
要求學(xué)生能夠自行評(píng)價(jià)各主要算子在無(wú)噪聲條件下和噪聲條件下的分割性能。能夠掌握分割條件(閾值等)的選擇。完成規(guī)定圖像的處理并要求正確評(píng)價(jià)處理結(jié)果，能夠從理論上作出合理的解釋。
三、實(shí)驗(yàn)內(nèi)容與步驟
(1)使用roberts 算子的圖像分割實(shí)驗(yàn)，,截圖如下
(2)使用prewitt 算子的圖像分割實(shí)驗(yàn) 截圖如下
(3)使用sobel 算子的圖像分割實(shí)驗(yàn)
(4)使用log(拉普拉斯-高斯)算子的圖像分割實(shí)驗(yàn)
四、實(shí)驗(yàn)結(jié)果
對(duì)roberts算子、prewitt 算子、sobel 算子、log(拉普拉斯-高斯)算子的運(yùn)算對(duì)圖像的結(jié)果有了基本的認(rèn)識(shí)，加深學(xué)習(xí)效果。
實(shí)驗(yàn)五 形態(tài)學(xué)運(yùn)算
1、實(shí)驗(yàn)?zāi)康?/p>
學(xué)習(xí)常見(jiàn)的數(shù)學(xué)形態(tài)學(xué)運(yùn)算基本方法，了解腐蝕、膨脹、開(kāi)運(yùn)算、閉運(yùn)算取得的效果，培養(yǎng)處理實(shí)際圖像的能力，并為課堂教學(xué)提供配套的實(shí)踐機(jī)會(huì)。
2、實(shí)驗(yàn)要求
利用matlab工具箱中關(guān)于數(shù)學(xué)形態(tài)學(xué)運(yùn)算的函數(shù)，計(jì)算本指導(dǎo)書(shū)中指定二值圖像進(jìn)行處理。
3、實(shí)驗(yàn)設(shè)備與軟件
-pc計(jì)算機(jī)系統(tǒng)
軟件/語(yǔ)言包括圖像處理工具箱(image processing toolbox)3.實(shí)驗(yàn)所需要的圖片
4、實(shí)驗(yàn)內(nèi)容與步驟
1.調(diào)入并顯示圖像“”； 2.調(diào)入并顯示圖像“”；
3.選取合適的閾值，得到二值化圖像“”； >>bw = im2bw(i,level);
%二值化 4.設(shè)置結(jié)構(gòu)元素；
5.對(duì)得到的二值圖像“”進(jìn)行腐蝕運(yùn)算； >>bw2 = imerode(bw,se1);
%腐蝕 6.對(duì)得到的二值圖像“”進(jìn)行膨脹運(yùn)算； >>bw1 = imdilate(bw,se);
%膨脹 7.對(duì)得到的二值圖像“”進(jìn)行開(kāi)運(yùn)算；
>>bw3 = bwmorph(bw, 'open');
%開(kāi)運(yùn)算 8.對(duì)得到的二值圖像“”進(jìn)行閉運(yùn)算； >>bw4 = bwmorph(bw, 'close');
%閉運(yùn)算 9.將兩種處理方法的結(jié)果作比較；
五、實(shí)驗(yàn)總結(jié)
通過(guò)本次實(shí)驗(yàn)，學(xué)習(xí)了常見(jiàn)的數(shù)學(xué)形態(tài)學(xué)運(yùn)算基本方法，了解腐蝕、膨脹、開(kāi)運(yùn)算、閉運(yùn)算取得的效果，培養(yǎng)處理實(shí)際圖像的能力，通過(guò)自己動(dòng)手的實(shí)驗(yàn)，對(duì)課本上的知識(shí)有了更加深刻的理解。
數(shù)字圖像處理實(shí)驗(yàn)報(bào)告二篇五
數(shù)字圖像處理實(shí)驗(yàn)
學(xué)生姓名：專(zhuān)業(yè)年級(jí)：報(bào)告
葉圣紅 學(xué) 號(hào)： 20097048
09級(jí)電子信息工程二班
實(shí)驗(yàn)一 常用matlab圖像處理命令
一、實(shí)驗(yàn)內(nèi)容
1、讀入一幅rgb圖像，變換為灰度圖像和二值圖像，并在同一個(gè)窗口內(nèi)分成三個(gè)子窗口來(lái)分別顯示rgb圖像和灰度圖像，注上文字標(biāo)題。
實(shí)驗(yàn)結(jié)果如右圖： 代碼如下： subplot(1,3,1)
i=imread('e:')imshow(i)
title('rgb')subplot(1,3,2)j=rgb2gray(i)imshow(j)title('灰度')subplot(1,3,3)k=im2bw(j,0.5)imshow(k)title('二值')
2、對(duì)兩幅不同圖像執(zhí)行加、減、乘、除操作，在同一個(gè)窗口內(nèi)分成五個(gè)子窗口來(lái)分別顯示，注上文字標(biāo)題。
實(shí)驗(yàn)結(jié)果如右圖： 代碼如下： subplot(3,2,1)i=imread('e:')x=imresize(i,[250,320])imshow(x)title('原圖x')subplot(3,2,2)j=imread(''e:')y=imresize(j,[250,320])imshow(y)title('原圖y')subplot(3,2,3)z=imadd(x,y)imshow(z)title('相加結(jié)果')；subplot(3,2,4)；z=imsubtract(x,y)；imshow(z)；title('相減結(jié)果')subplot(3,2,5)；z=immultiply(x,y)；imshow(z)；title('相乘結(jié)果')subplot(3,2,6)；z=imspanide(x,y)；imshow(z)；title('相除結(jié)果')
3、對(duì)一幅圖像進(jìn)行灰度變化，實(shí)現(xiàn)圖像變亮、變暗和負(fù)片效果，在同一個(gè)窗口內(nèi)分成四個(gè)子窗口來(lái)分別顯示，注上文字標(biāo)題。
實(shí)驗(yàn)結(jié)果如右圖：
代碼如下： subplot(2,2,1)i=imread('e:')imshow(i)title('原圖')subplot(2,2,2)j = imadjust(i,[],[],3);imshow(j)title('變暗')subplot(2,2,3)j = imadjust(i,[],[],0.4)imshow(j)title('變亮')subplot(2,2,4)j=255-i imshow(j)title('變負(fù)')
二、實(shí)驗(yàn)總結(jié)
分析圖像的代數(shù)運(yùn)算結(jié)果，分別陳述圖像的加、減、乘、除運(yùn)算可能的應(yīng)用領(lǐng)域。
解答：圖像減運(yùn)算與圖像加運(yùn)算的原理和用法類(lèi)似，同樣要求兩幅圖像x、y的大小類(lèi)型相同，但是圖像減運(yùn)算imsubtract()有可能導(dǎo)致結(jié)果中出現(xiàn)負(fù)數(shù)，此時(shí)系統(tǒng)將負(fù)數(shù)統(tǒng)一置為零，即為黑色。
乘運(yùn)算實(shí)際上是對(duì)兩幅原始圖像x、y對(duì)應(yīng)的像素點(diǎn)進(jìn)行點(diǎn)乘(x.*y)，將結(jié)果輸出到矩陣z中，若乘以一個(gè)常數(shù)，將改變圖像的亮度：若常數(shù)值大于1，則乘運(yùn)算后的圖像將會(huì)變亮；叵常數(shù)值小于是，則圖像將會(huì)會(huì)暗?？捎脕?lái)改變圖像的灰度級(jí)，實(shí)現(xiàn)灰度級(jí)變換，也可以用來(lái)遮住圖像的某些部分，其典型應(yīng)用是用于獲得掩膜圖像。
除運(yùn)算操作與乘運(yùn)算操作互為逆運(yùn)算，就是對(duì)兩幅圖像的對(duì)應(yīng)像素點(diǎn)進(jìn)行點(diǎn)（x./y)，imspanide()同樣可以通過(guò)除以一個(gè)常數(shù)來(lái)改變?cè)紙D像的亮度，可用來(lái)改變圖像的灰度級(jí)，其典型運(yùn)用是比值圖像處理。
加法運(yùn)算的一個(gè)重要應(yīng)用是對(duì)同一場(chǎng)景的多幅圖像求平均值
減法運(yùn)算常用于檢測(cè)變化及運(yùn)動(dòng)的物體，圖像相減運(yùn)算又稱(chēng)為圖像差分運(yùn)算，差分運(yùn)算還可以用于消除圖像背景，用于混合圖像的分離。
實(shí)驗(yàn)二 圖像基本操作
一、實(shí)驗(yàn)內(nèi)容
1.調(diào)試運(yùn)行8倍減采樣程序,分析程序,對(duì)每條語(yǔ)句給出注釋,并顯示最終執(zhí)行結(jié)果。
1、調(diào)試運(yùn)行8倍減采樣程序,分析程序,對(duì)每條語(yǔ)句給出注釋,并顯示最終執(zhí)行結(jié)果。
a=imread(‘e:’);%讀取圖片 b=rgb2gray(a)；%變?yōu)榛叶葓D像
[wid，hei]=size（b）；%改變圖片大小 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))%顯示輸出圖像
2、顯示一幅灰度圖像a，改變圖像亮度使其整體變暗得到圖像b，顯示兩幅圖像的直方圖
subplot(1,2,1);a=imread('e:');imshow(a)；title('a')；subplot(1,2,2);b= imadjust(a,[],[],3)；title('b')
顯示直方圖程序：
subplot(1,2,1);imhist(a);title('a的直方圖')subplot(1,2,2);imhist(b);title('b的直方圖')
3、對(duì)圖像b進(jìn)行直方圖均衡化，顯示結(jié)果圖像和對(duì)應(yīng)直方圖。
subplot(1,2,1);j=histeq(b);imshow(j);title('b均衡化');subplot(1,2,2);imhist(j);title('b均衡化后的直方圖')均衡化的圖像和直方圖：
4、讀入圖像c，執(zhí)行直方圖規(guī)定化，使圖像a的灰度分布與c大致相同，顯示變換后圖像及對(duì)應(yīng)直方圖。
[counts,x]=imhist(c)；subplot(2,2,1)；imshow(a);title('圖a');subplot(2,2,2);c=imread('e:');imshow(c);title('圖c');subplot(2,2,3);j=histeq(a,counts);imshow(j);subplot(2,2,4);imhist(j)
實(shí)驗(yàn)三 圖像變換
一、實(shí)驗(yàn)內(nèi)容
1、對(duì)一幅圖像進(jìn)行縮小，顯示原始圖像與處理后圖像，分別對(duì)其進(jìn)行傅里葉變換，顯示變換后結(jié)果，分析原圖的傅里葉譜與平移后傅里葉頻譜的對(duì)應(yīng)關(guān)系。i=imread('f:');y=rgb2gray(i);subplot(2,2,1);imshow(y);title('原圖')j=imresize(y,0.5);subplot(2,2,2);imshow(j);title('縮小圖')m=fft2(y);subplot(2,2,3);imshow(abs(log(m)),[]);title('原圖傅里葉變化')n=fft2(j);subplot(2,2,4);imshow(abs(log(n)),[]);title('縮小圖傅里葉變化')
2、對(duì)一幅圖像進(jìn)行旋轉(zhuǎn)，顯示原始圖像與處理后圖像，分別對(duì)其進(jìn)行傅里葉變換，顯示變換后結(jié)果，分析原圖的傅里葉譜與旋轉(zhuǎn)后傅里葉頻譜的對(duì)應(yīng)關(guān)系。
i=imread('e:');j=rgb2gray(i);subplot(2,2,1);imshow(j);title('原圖')m=imrotate(j,45,'bilinear');subplot(2,2,2);imshow(m);title('旋轉(zhuǎn)圖')p=fftshift(fft2(j));subplot(2,2,3);imshow(abs(log(p)),[]);title('原圖傅里葉變化')q=fftshift(fft2(m));subplot(2,2,4);imshow(abs(log(q)),[]);title('旋轉(zhuǎn)圖傅里葉變化')
實(shí)驗(yàn)四 常用圖像增強(qiáng)方法
一、實(shí)驗(yàn)內(nèi)容
1、采用二維中值濾波函數(shù)medfilt2對(duì)受椒鹽噪聲干擾的圖像濾波，窗口分別采用3*3,5*5,7*7 subplot(2,2,1);
a=imread('e:');j=imnoise(a,'salt & pepper',0.04);imshow(j);
title('椒鹽噪聲圖像');subplot(2,2,2);i_filter1=medfilt2(j,[3 3]);
imshow(i_filter1);title('3x3');subplot(2,2,3);i_filter2=medfilt2(j,[5 5]);
imshow(i_filter2);title('5x5');subplot(2,2,4);i_filter3=medfilt2(j,[7 7]);
imshow(i_filter3);title('7x7');
2、采用matlab中的函數(shù)filter2對(duì)受噪聲干擾的圖像進(jìn)行均值濾波 subplot(1,2,1);a=imread('e:');j=imnoise(a,'salt & pepper',0.04);imshow(j);title('椒鹽噪聲圖像');subplot(1,2,2);h=fspecial('average');m=filter2(h,j);imshow(m);title('均值濾波')
3、采用三種不同算子對(duì)圖像進(jìn)行銳化處理。
subplot(1,4,1);i=imread('f:數(shù)字圖像處理');i1=rgb2gray(i);imshow(i1);title('原圖像');subplot(1,4,2);h=fspecial('laplacian');i2=filter2(h,i1);imshow(i2);title('拉式算子')；subplot(1,4,3)h=fspecial('prewitt');i3=filter2(h,i1);imshow(i3);title('prewitt算子')subplot(1,4,4)h=fspecial('sobel');i4=filter2(h,i1)imshow(i4);title('sobel算子')
二、實(shí)驗(yàn)總結(jié)
1、比較不同平滑濾波器的處理效果，分析其優(yōu)缺點(diǎn)
中值濾波比低通濾波消除噪聲更有效。因?yàn)樵肼暥酁榧夥鍫罡蓴_，若用低通濾波雖能去除噪聲但陡峭的邊緣將被模糊。中值濾波能去除點(diǎn)狀尖峰干擾而邊緣不會(huì)變壞。理想低通濾波器平滑處理的概念是清晰的，但在處理過(guò)程中會(huì)產(chǎn)生較嚴(yán)重的模糊和振鈴現(xiàn)象。這種現(xiàn)象正是由于傅里葉變換的性質(zhì)決定的。
2、比較不同銳化濾波器的處理效果，分析其優(yōu)缺點(diǎn)
梯度算子: 梯度對(duì)應(yīng)的是一階導(dǎo)數(shù)，梯度算子是一階導(dǎo)數(shù)算子。梯度方向:在圖像灰度最大變化率上，反映出圖像邊緣上的灰度變化。梯度處理經(jīng)常用于工業(yè)檢測(cè)、輔助人工檢測(cè)缺陷，或者是更為通用的自動(dòng)檢測(cè)的預(yù)處理。拉普拉斯微分算子強(qiáng)調(diào)圖像中灰度的突變,弱化灰度慢變化的區(qū)域。這將產(chǎn)生一幅把淺灰色邊線、突變點(diǎn)疊加到暗背景中的圖像。
實(shí)驗(yàn)五 圖像恢復(fù)和圖像分割
一、實(shí)驗(yàn)內(nèi)容
1、產(chǎn)生運(yùn)動(dòng)模糊圖像，運(yùn)用維納濾波進(jìn)行圖像恢復(fù)，顯示結(jié)果。
i=imread('f:');i1=rbg2gray(i)；i= im2double(i1);subplot(1,3,1)imshow(i)；title(‘原圖像’)len = 21;theta = 11;
psf = fspecial('motion', len, theta);
blurred = imfilter(i, psf, 'conv', 'circular');subplot(1,3,2);imshow(blurred);title('模擬運(yùn)動(dòng)模糊圖像')wnr2=deconvwnr(blurred,psf);subplot(1,3,3);imshow(wnr2);title('維納濾波恢復(fù)后圖像')
2、采用三種不同算子檢測(cè)圖像邊緣，顯示結(jié)果
i = imread('f:');i=rgb2gray(i);subplot(2,2,1);imshow(i);title('原圖像')bw1 = edge(i,'prewitt');subplot(2,2,2);imshow(bw1);title('prewit算子邊緣檢測(cè)')bw2=edge(i,'zerocross');subplot(2,2,3);imshow(bw2);title('zerocross算子邊緣檢測(cè)')bw3=edge(i,'log');subplot(2,2,4);imshow(bw3);title('log算子邊緣檢測(cè)')
3、對(duì)二值圖像分別進(jìn)行方形模板3*3和5*5的膨脹和腐蝕操作，顯示結(jié)果。
i= imread('f:');i=im2bw(i,0.5);subplot(2,3,1);imshow(i);title('二值圖像')se=strel('square',3);se1= strel('square',5);i1 = imdilate(i,se);subplot(2,3,2);imshow(i1);title('3*3膨脹圖像')i2 = imdilate(i,se1);subplot(2,3,3);imshow(i2);title('5*5膨脹圖像')subplot(2,3,4);imshow(i);title('二值圖像')erodedbw=imerode(i,se);subplot(2,3,5);imshow(erodedbw);title('3*3腐蝕圖像')erodedbw1=imerode(i,se1);subplot(2,3,6);imshow(erodedbw1);title('5*5腐蝕圖像')
實(shí)驗(yàn)六 圖像處理實(shí)際應(yīng)用
一、實(shí)驗(yàn)內(nèi)容
1、調(diào)試運(yùn)行下列程序,分析程序,對(duì)每條語(yǔ)句給出注釋,并顯示最終執(zhí)行結(jié)果?？偨Y(jié)算法思想及優(yōu)缺點(diǎn)
總結(jié)：對(duì)于特定位置的車(chē)牌識(shí)別算法非常高效，但對(duì)于含有噪聲等其他因素的車(chē)牌分割處理，相對(duì)來(lái)說(shuō)算法還有待完善。
三、實(shí)驗(yàn)內(nèi)容
調(diào)試運(yùn)行下列程序,分析程序,對(duì)每條語(yǔ)句給出注釋,并顯示最終執(zhí)行結(jié)果?？偨Y(jié)算法思想及優(yōu)缺點(diǎn).i=imread('');%讀取圖片
[y,x,z]=size(i);% 返回i各維的尺寸，并存儲(chǔ)在變量y、x、z中 myi=double(i);%換成雙精度數(shù)值
%%%%%%%%%%% rgb to hsi %%%%%%%% %begin橫向掃描
tic
%計(jì)算tic與toc之間程序的運(yùn)行時(shí)間
%%%%%%%% y 方向 %%%%%%%%%% 分割字符按行積累量
blue_y=zeros(y,1);%產(chǎn)生y*1的全0矩陣 for i=1:y
%給定i的范圍
for j=1:x
:x%給定j的范圍
if((myi(i,j,1)<=30)&&((myi(i,j,2)<=62)&&(myi(i,j,2)>=51))&&((myi(i,j,3)<=142)&&(myi(i,j,3)>=119)))% 藍(lán)色rgb的灰度范圍
blue_y(i,1)= blue_y(i,1)+1;
%藍(lán)色像素點(diǎn)統(tǒng)計(jì)
end
end
end [temp maxy]=max(blue_y);
% y方向車(chē)牌區(qū)域確定
%temp為向量white_y的元素中的最大值，maxy為該值的索引（在向量中的位置）
py1=maxy;
%y矩陣的最大元素
while((blue_y(py1,1)>=5)&&(py1>1))
確定藍(lán)色rgb blue_y所在位置
py1=py1-1;
%對(duì)車(chē)牌區(qū)域的修正，向上調(diào)整 end
py2=maxy;
while((blue_y(py2,1)>=5)&&(py2
py2=py2+1;end iy=i(py1:py2,:,:);%iy為原始圖像i中截取的縱坐標(biāo)在py1：py2之間的部分 %end橫向掃描
%begin縱向掃描
%%%%%%%% x 方向 %%%%%%%%%%
blue_x=zeros(1,x);
%產(chǎn)生y*1的全0矩陣
for j=1:x
for i=py1:py2
if((myi(i,j,1)<=30)&&((myi(i,j,2)<=62)&&(myi(i,j,2)>=51))&&((myi(i,j,3)<=142)&&(myi(i,j,3)>=119)))
blue_x(1,j)= blue_x(1,j)+1;% blue_x 的矩陣加一
end
end
end
px1=1;while((blue_x(1,px1)<3)&&(px1
px1=px1+1;%對(duì)車(chē)牌區(qū)域的修正向下調(diào)整 end
px2=x;while((blue_x(1,px2)<3)&&(px2>px1))%確定藍(lán)色rgb blue_x的位置
px2=px2-1;%對(duì)車(chē)牌區(qū)域的修正向下調(diào)整 end %end縱向掃描
px1=px1-2;% 對(duì)車(chē)牌區(qū)域的修正 px2=px2+2;
plate=i(py1:py2,px1-2:px2,:);t=toc % 讀取計(jì)時(shí)
%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%% figure,imshow(i);% 原始圖像'
figure,plot(blue_y);grid %創(chuàng)建圖像窗口，繪制blue_y圖像，畫(huà)出網(wǎng)格線' figure,plot(blue_x);grid%創(chuàng)建圖像窗口，繪制blue_x圖像，畫(huà)出網(wǎng)格線'figure,imshow(plate);
% 車(chē)牌截取結(jié)果'
