【正文】 率 2平臺總體功能設計根據(jù)一體化的設計思想，平臺主要實現(xiàn)算法集成、交互可視化和提供二次開發(fā)接口等功能 .其中算法集成分為已有算法集成和新算法集成 .具體功能描述如下： （ 1）已有算法集成是對Ｍ atlab圖像處理工具 包中提供的算法進行集成，可以通過使用函 數(shù)名加參數(shù)的方式直接調(diào)用 .依據(jù)功能進行分類，將同類算法集成到同一菜單項內(nèi)，如將傅里葉變換、小波變換、離散變換等算法歸類到圖像變換中，進行集成 .（ 2）新算法集成是指對自主開發(fā)的算法進行集成，如改進水平集算法[12]、交互式圖割算法 [13]、細胞自動機分割算法 [14]等均為自主開發(fā)的圖像分割算法，同已有算法集成方式類似，集成到平臺中，便于綜合運用和算法分析與對比 .（ 3）交互式可視化是指對圖像處理過程及結(jié)果的可視化顯示，并提供用戶交互區(qū) .（ 4）二次開發(fā)接口是指通過調(diào)用集成模板方式，為用戶提供一個將自己算法集成到平 臺中的一個接口 3總體布局設計 一個高性能的圖像處理平臺應該為用戶提供 方便快捷的操作 .平臺設計中通過菜單和按鈕實現(xiàn)快捷操作，其中菜單項提供平臺的整體功能，快捷按鈕顯示具體的獨立功能 .圖像處理平臺的布局設計如圖 1所示 .利用Ｍ atlabGUI提供的工具包和底層代碼，可以實現(xiàn)菜單功能區(qū)、快捷按鈕功能區(qū)、 DEMO 顯示區(qū)、可視化效果顯示區(qū)和用戶交互區(qū)的布局設計 各個功能模塊的主要實現(xiàn)程序基本功能：彩色圖像轉(zhuǎn)灰度圖像 I=imread(39。C:\MATLAB7\toolbox\images\imdemos\39。,39。png39。)。x=rgb2gray(I)。figure(1)。subplot(121)。imshow(I)。title(39。 原始圖像 39。)。subplot(122)。imshow(x)。title(39?；叶葓D像 39。)。實驗結(jié)果： 圖像的幾何空間變換：平移，旋轉(zhuǎn)，剪切，縮放 img1=imread(39。C:\MATLAB7\toolbox\images\imdemos\guidemo123\ju39。,39。jpg39。)。img1=rgb2gray(img1)。figure,imshow(img1)。imwrite(img1,39。39。)。%%%%%%平移 se=translate(strel(1),[2020])。img2=imdilate(img1,se)。figure,imshow(img2)。imwrite(img2,39。39。)。%%%%%% 旋轉(zhuǎn)img3=imrotate(img1,90)。figure,imshow(img3)。imwrite(img3,39。a3.jpg39。)。%%%%%% 縮放img4=imresize(img1,2)。figure,imshow(img4)。imwrite(img4,39。pg39。)。 原始圖像： 平移圖像： 旋轉(zhuǎn)圖像： 縮放圖像： 圖像的算術(shù)處理：加、減、乘 加法 A=imread(39。C:\MATLAB7\toolbox\images\imdemos\guidemo123\jujia39。,39。jpg39。)。B=imread(39。C:\MATLAB7\toolbox\images\imdemos\guidemo123\39。,39。jpg39。)。subplot(1,3,1)。imshow(A)。title(39。 圖像 139。)。subplot(1,3,2)。imshow(B)。title(39。 圖像239。)。C=imadd(A,B)。subplot(1,3,3)。imshow(C)。title(39。 相加后的圖像 39。) 減法 A=imread(39。C:\MATLAB7\toolbox\images\imdemos\guidemo123\jujia39。,39。jpg39。)。B=imread(39。C:\MATLAB7\toolbox\images\imdemos\guidemo123\39。,39。jpg39。)。subplot(2,3,1)。imshow(A)。title(39。 圖像 139。)。subplot(2,3,2)。imshow(B)。title(39。 圖像239。)。C=imsubtract(A,B)。subplot(2,3,3)。imshow(C)。title(39。相減后的圖像 39。) 乘法 A=imread(39。C:\MATLAB7\toolbox\images\imdemos\guidemo123\jujia39。,39。jpg39。)。B=imread(39。C:\MATLAB7\toolbox\images\imdemos\guidemo123\39。,39。jpg39。)。subplot(1,3,1)。imshow(A)。title(39。 圖像 139。)。subplot(1,3,2)。imshow(B)。title(39。 圖像239。)。C=immultiply(A,B)。subplot(1,3,3)。imshow(C)。title(39。相乘后的圖像 39。) 圖像的灰度拉伸 方法（包含參數(shù)設置）； img=imread(39。C:\MATLAB7\toolbox\images\imdemos\guidemo123\juj39。,39。jpg39。)。figure(1)。imshow(img)。title(39。 原圖39。)。[m,n]=size(img)。%測量圖像尺寸參數(shù) GreyHist=zeros(1,256)。%預創(chuàng)建存放灰度出現(xiàn)概率的向量fork=0:255GreyHist(k+1)=length(find(img==k))/(m*n)。%計算每級灰度出現(xiàn)的概 率，將其存入 GreyHist中相應位置 endfigure(2)。bar(0:255,GreyHist)%繪制直方圖 title(39。原直方圖 39。)xlabel(39。 灰度值 39。)ylabel(39。 出 現(xiàn) 概 率 39。)% 灰度拉伸imggrey=img。prompt={39。請輸入系數(shù) a39。,39。請輸入系數(shù) b39。}。words=39。請輸入線性拉伸函數(shù) :39。answer=inputdlg(prompt,words,1,{39。39。,39。239。})。a=str2double(answer(1))。b=str2double(answer(2))。fori=1:mforj=1:nimg(i,j)=a*img(i,j)+b。endendfigure(3)。imshow(img)。title(39。 灰 度 拉 伸39。)。GreyHist=zeros(1,256)。% 預 創(chuàng)建存放 灰度出現(xiàn)概 率的向 量fork=0:255 直方圖的統(tǒng)計和繪制；直方圖均衡化和規(guī)定化； %一，圖像的預處理，讀入彩色圖像將其灰度化 img=imread(39。C:\MATLAB7\toolbox\images\imdemos\guidemo123\juj39。,39。jpg39。)。%讀入 JPG彩色圖像文件 imshow(img)% 顯 示 出 來 title(39。 輸 入 的 彩 色 JPG 圖像39。)imwrite(rgb2gray(img),39。39。)。%將彩色圖片灰度化并保存 img=rgb2gray(img)。%灰度化后的數(shù)據(jù)存入數(shù)組 %二，繪制直方圖 [m,n]=size(img)。%測量圖像尺寸參數(shù) GP=zeros(1,256)。% 預 創(chuàng) 建 存 放 灰 度 出 現(xiàn) 概 率 的 向 量fork=0:255GP(k+1)=length(find(img==k))/(m*n)。%計算每級灰度出現(xiàn)的概率，將其存入 GP 中相應位置 endfigure,bar(0:255,GP,39。g39。)%繪制直方圖 title(39。原圖像直方圖 39。)xlabel(39。灰度值 39。)ylabel(39。出現(xiàn)概率 39。)% 三 ， 直 方 圖 均 衡 化S1=zeros(1,256)。fori=1:256forj=1:iS1(i)=GP(j)+S1(i)。% 計算SkendendS2=round((S1*256)+)。% 將 Sk 歸 到 相 近 級 的 灰 度fori=1:256GPeq(i)=sum(GP(find(S2==i)))。%計算現(xiàn)有每個灰度級出現(xiàn)的概率 endfigure,bar(0:255,GPeq,39。b39。)%顯示均衡化后的直方圖title(39。均衡化后的直方圖 39。)xlabel(39。灰度值 39。)ylabel(39。出現(xiàn)概率 39。)%四，圖像均衡化 PA=img。fori=0:255PA(find(img==i))=S2(i+1)。%將各個像素歸一化后的灰度值賦給這個像素 endfigure,imshow(PA)%顯示均 衡 化 后 的 圖 像 title(39。 均 衡 化 后 圖 像39。)imwrite(PA,39。39。)。 ：對在調(diào)試中發(fā)現(xiàn)的問題和解決方法做說明。 圖像處理，是對圖像進行分析、加工、和處理，使其滿足視覺、心理以及其他要求的技術(shù)。圖像處理是信號處理在圖像域上的一個應用。目前大多數(shù)的圖像是以數(shù)字形式存儲，因而圖像處理很多情況下指數(shù)字圖像處理。 進行程序調(diào)試的過程中，最重要的是輸入圖像，剛開始是為了找到原始圖像耗費了很多時間，一般的條件書上有，但要對其進行磨合。程序編寫時，應該注意大小寫。應該注意最后的輸出部分，保證輸出條件與輸入條件相同。 5．總結(jié)與體會這次使用 MATALB 進行圖像處理的編寫，是我對MATALB 軟件有了更深入的了解，對其的應用能力也有了相應的提高，更深入的了解到 MATALB 作為繪圖軟件的方便與快捷。在進行程序調(diào)試的過程中，最重要的是輸入圖像，只有找到圖像的原始位置，才能進行下面的程序編碼。編碼程序時，應該在 MATLAB 原始文檔的位置先行輸入，輸入時應該注意大小寫。程序應該盡可能地簡單，只要能達到目的就行，程序越復雜，運行時的錯誤就越多。以 上是我的程序編碼經(jīng)驗與感受。 6．參考文獻 《數(shù)字圖像處理實驗指導書》厙向陽曹穎超編著《 MATLAB 與數(shù)學實驗》艾冬梅李艷晴編著《圖像處理和分析技術(shù)》章毓晉編著《 MATLAB實用教程》鄭阿奇編著 第三篇：數(shù)字圖像處理圖像變換實驗報告 數(shù)字圖象處理實驗指導書 實驗一圖象變換實驗 實驗 實驗名稱：圖像處理姓名：劉強 班級：電信 學號： 報告 1102 1404110128 數(shù)字圖象處理實驗指導書 實驗 一圖象變換實驗 實驗一圖像變換實驗 —— 圖像點運算、幾何變換及正交變換 一、實驗條件 PC 機數(shù)字圖像處理實驗教學軟件 大量樣圖 二、實驗目的 學習使用“數(shù)字圖像處理實驗教學軟件系統(tǒng)”，能夠進行圖像處理方面的簡單操作； 熟悉圖像點運算、幾何變換及正交變換的基本原理，了解編程實現(xiàn)的具體步驟； 觀察圖像的灰度直方圖，明確直方圖的作用和意義； 觀察圖像點運算和幾何變換的結(jié)果，比較不同參數(shù)條件下的變換效果； 觀察圖像正交變換的結(jié)果，明確圖像的空間頻率分布情況。 三、實驗原理 圖像灰度直方圖、點運算和幾何變換的基本原理及編程實現(xiàn)步驟 圖像灰度直方圖是數(shù)字圖像處理中一個最簡單、最有用的工具，它描述了一幅圖像的灰度分布情況，為圖像的相關(guān)處理操作提供了