数字图像处理实验指导书(2014版)..doc

齐鲁工业大学 数字图像处理上机实验指导书 电气工程与自动化学院 电子信息工程系 2014年3月10日 实验一 Matlab图像处理工具箱的初步练习熟悉常用的图像文件格式与格式转换；熟悉图像矩阵的显示方法（灰度、索引、黑白、彩色）；熟悉图像矩阵的格式转换/.png）到你的文件夹中，观察工作空间，学会如何将图像数据显示在命令窗口。 需要用到的主要函数：ind2gray、ind2rgb、im2bw、save、imwrite 从matlab的images文件夹中读取一幅真彩色图像（green.jpg）将其转换到HSV空间和YCrCb空间，并将这些图像保存成图像文件，到你的文件夹中。 需要用到的主要函数：imread、rgb2hsv、rgb2Ycbcr、imwrite 注意：load函数和imread函数、save函数和imwrite函数的区别。 学习使用help功能。打开image processing工具箱，看demo 编写程序求一幅灰度图像的反色图像； 图1 原图与反色图 实验报告要求： 实验报告要求包括 实验目的、实验内容（概括）、实验步骤（要有具体的程序段）、每一步骤得到的实验结果和数据，以及对实验结果的分析，最后写出实验总结。 实验二 图像的直方图均衡方法进行图象增强； 图象的灰度直方图是一个函数，表示数字图象中每一灰度级与该灰度级出现的频数（即具有这一灰度级的象素数目）间的对应关系： M为一幅图象所包含的象素总数；N(b)为图象中灰度值为b的象素总数。通常，以灰度值b为横坐标，N(b)为纵坐标。直方图是图象中象素灰度值的一阶概率分布密度的一种近似。 2．直方图均衡 直方图均衡（histogram equalization）就是通过点运算使输入图像的灰度分布较为均匀，使图像具有较好的视觉效果。设r, s分别为原图和新图的灰度，?r(r), ?s(s)分别为原图及新图的概率密度函数，则均衡变换为原图像的累积分布函数： 对于离散图像，均衡转换公式为： 其中，Lmax指图像中的最大灰度值（对于灰度图像就是255）。 3. 均值滤波 用均值滤波可以判断并消除孤立噪声。通常邻域取成N?N方形窗，如N取4，例设f(x, y)、分别表示(x, y)点的实际灰度和经邻域平均后的灰度，?i (i=1,2,...8)表示其邻接各点的灰度，如图1，则邻域平均可表示为： 式中? 是和图象灰度有关的门限。方形窗口沿水平和垂直两个方向逐点移动，从而平滑整幅图象，去除了孤立噪声。简单的邻域平均会模糊图象。 4.中值滤波 采用邻域平均抑制噪声，在去除噪声的同时，不可避免地会使边缘轮廓模糊，因而使图象中包含的细节信息受到损失。中值滤波在过滤噪声的同时，还能较好地保护边缘轮廓信息，对减少随机脉冲噪声和胡椒面式（pepper-and-salt noise）噪声很有效。 中值滤波的原理是用一个窗口W在图象上扫描，把窗口内包含的图象象素按灰度级升（或降）序排列，取灰度值居中的象素灰度为窗口中心象素的灰度，便完成了中值滤波。 5．图像锐化 微分锐化的处理方法最常用的是梯度法。由场论理论知道，数量场的梯度是这样定义的：如果给定一个函数f(x,y)，在坐标(x,y)上f的梯度可定义为一个矢量 grad[f(x,y)]=[?f/?x,?f/?y] 由梯度的定义可以得知它有两个特点： （1）矢量grad[f(x,y)]是指向f(x,y)最大增加率的方向； （2）如果用G[f(x,y)]来表示grad[f(x,y)]的幅度，那么 G[f(x,y)]=max{grad[f(x,y)]} =[(?f/?x)+ (?f/?y)] 在数字图像处理中，仍然要采用离散形式，为此用差分运算代替微分运算。式(5-3-1)可用下面的差分公式来近似： G[f(x,y)]≈{[f(x,y)- f(x+1,y)]2+[f(x,y)- f(x,y+1)]2}1/2 实际计算机计算梯度时，通常用近似公式有： G[f(x, y)]=|f(x,y)-f(x+1,y)|+|f(x,y)-f(x,y+1)| 罗伯特梯度(Robert gradient)： G[f(x,y)]={[f(x,y)-f(x+1,y+1)]+[f(x+1,y)- f(x,y+1)]} 二次偏导数可近似地用差分表示为: G[f(x,y)]={[ f(x-1,y)+f(x+1,y)+ f(x,y+1)+ f(x,y-1)-4f(x,y)]} 实验步骤： 给定一幅如下的图象（Matlab提供‘pout.tif’）,作如下处理操作统计原图的灰度直方图，并利用直方图均