数字图像处理实验MATLAB实现.doc

试验一 1、实验题目 打开一幅*.bmp文件，将彩色图像转换为灰度图像。16色、256色、真彩色都要做。 2、原理与算法描述 图像有很多像素，灰度值即亮度值，描述物理图像对应点的亮度，它们被分为0-255个等级。 把采样后的所得到的各像素的灰度值从模拟量转换到离散量称为图像灰度的量化。一幅图像中不同灰度值得个数称为灰度级，一般为256级（2^8）,所以像素灰度取值范围为0-255之间的整数。 相应的matlab算法：需要先打开对应的图像然后利用相应的函数进行灰度转换。 真彩色转换成灰度图像用到函数I=rgb2gray(A); 16色、256色的索引图像转换成灰度图像用到函数I=ind2gray(A); 源代码及试验结果截图 1读取远图像 [A,M]=imread(hua,bmp); %图像数据的读取，将图像数据放入矩阵A中，颜色数据放入矩阵M中 imshow(A,M);title(原图像) 2 RGB分量 clear all; A=imread(hua.bmp) figure,imshow(A); [r c d]=size(A); red(:,:,1)=A(:,:,1); red(:,:,2)=zeros(r,c); red(:,:,3)=zeros(r,c); %red=uint8(red); subplot(1,3,1) imshow(red) title(Red Component); green(:,:,2)=A(:,:,2); green(:,:,1)=zeros(r,c); green(:,:,3)=zeros(r,c); %green=uint8(green); subplot(1,3,2) imshow(green) title(Green Component); blue(:,:,3)=A(:,:,3); blue(:,:,1)=zeros(r,c); blue(:,:,2)=zeros(r,c); %blue=uint8(blue); subplot(1,3,3) imshow(blue) title(Blue Component); 试验二 1、实验题目 统计这幅图像的灰度直方图，并显示原图像和灰度直方图。 原理与算法描述 统计一幅图像的灰度直方图，前提是这幅图像必须是一幅灰度图像，所以首先需要将一幅彩色图像转换成灰度图像。 相应的matlab算法：需要先打开对应的图像然后利用相应的函数进行灰度转换。 真彩色转换成灰度图像用到函数I=rgb2gray(A); 16色、256色的索引图像转换成灰度图像用到函数I=ind2gray(A); 灰度图像显示直方图用到的函数是：imhist(I),这个函数功能是显示灰度图的直方图，所以不需要再用imshow了。 源代码 imageName=strcat(hua.bmp);%获取图像名称 I= imread(imageName); %读取彩色图像 J=rgb2gray(I); %转换为灰度图 figure(1); %窗口显示灰度图 imshow(J); fname=strcat(face2.bmp); imwrite(J,fname) %保存为BMP格式的灰度图face2 m=imread(face2.bmp); %文件名为1.jpg的图像，放在c盘底下，当然 路径都可以自己改 if size(im,3)1 %判断如果是彩色图像，转换为灰度图 im=rgb2gray(im); end hist_im=imhist(im); %计算直方图 bar(hist_im);%画直方图 实验一二的效果图： 试验三 1、实验题目 边缘检测。 原理与算法描述 边缘检测用到了图像边缘的提取和分割。 当图像中各个像素的灰度级用来反映各像素符合边缘像素要求的程度时，那么这种图像就称为边缘图像或边缘图。一般分为阶跃状边缘和屋顶状边缘。阶跃状边缘的目标和背景的边缘清晰；屋顶状边缘的目标和背景渐变。根据不同的边缘选择不同的边缘算子才能对边缘检测和有效的分割。 边缘检测算子检查每个像素的邻域，并对灰度变化率进行量化，通常也包括方向的确定。经典的、最简单的边缘检测方法是对原始图像按像素的某邻域构造边缘检测算子，如梯度算子、Sobel算子、拉普拉斯算子、Kirsch算子、Prewitt算子等。 统计一幅图像的灰度直方图，前提是这幅图像必须是一幅灰度图像，所以首先需要将一幅彩色图像