【正文】 閉運(yùn)算。實(shí)驗(yàn)中，閉運(yùn)算能夠填平小湖(即小孔)，彌合小裂縫，而總的位置和形狀不變。、膨脹、開、閉運(yùn)算的適用條件是什么？由于噪聲的影響，圖象在閾值化后所得到邊界往往是很不平滑的，物體區(qū)域具有一些噪聲孔，背景區(qū)域上散布著一些小的噪聲物體。連續(xù)的開和閉運(yùn)算可以有效地改善這種情況。有時需要經(jīng)過多次腐蝕之后再加上相同次數(shù)的膨脹，才可以產(chǎn)生比較好的效果。第二篇：數(shù)字圖像處理實(shí)驗(yàn)報告實(shí) 驗(yàn) 報 告 書系部學(xué)生專業(yè)班實(shí)驗(yàn)名稱姓名名稱 級時間：： ： ：：實(shí)驗(yàn)一 直方圖均衡一、實(shí)驗(yàn)?zāi)康脑趯W(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)中遇到的問題及解決方法顯示無法找到圖像文件，；編程過程中應(yīng)注意標(biāo)點(diǎn)的輸入法，應(yīng)該用英文輸入，否則會報錯。編程完成后運(yùn)行時輸入文件名與保存時文件名相同，區(qū)分大小寫。五、思考題（1）、灰度直方圖可以反映一幅圖像的哪些特征？ 答：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。與圖像之間的關(guān)系是多對一的映射關(guān)系。一幅圖像唯一確定出與之對應(yīng)的直方圖，但不同圖像可能有相同的直方圖。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特征或機(jī)器的識別系統(tǒng)。六、實(shí)驗(yàn)心得體會本次實(shí)驗(yàn)中，因?yàn)槌鯇W(xué)這個軟件，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，加深了對直方圖均衡化的理解。七、程序清單clear all。I=imread(39。39。)。%打開一幅灰度圖像 [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(39。39。)。J=histeq(Im)。%均衡化 subplot(2,2,1)。imshow(Im)。title(39。原圖39。)。%顯示原圖 subplot(2,2,2)。imhist(Im)。title(39。原圖直方圖39。)。%顯示原圖的直方圖 subplot(2,2,3)。imshow(J)。title(39。均衡化結(jié)果39。)。%顯示均衡化后的圖像 subplot(2,2,4)。imhist(J)。title(39。均衡化結(jié)果的直方圖39。)。%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)康念l域圖像增強(qiáng)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)中遇到的問題及解決方法顯示圖像無法打開，最終查出來時圖像格式弄錯了。五、思考題分析為什么圖像通過低通濾波器后變得模糊？為什么通過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)心得體會本實(shí)驗(yàn)中遇到很多問題及錯誤，例如圖像打不開、處理后圖像模糊等，都是經(jīng)常容易發(fā)生的錯誤，最后實(shí)驗(yàn)幾次，就能夠逐一自己解決了。使自己對數(shù)字圖像處理課程中的許多問題有了更實(shí)際和確切的深入了解。七、程序清單clc。clear。data4=imread(39。39。)。subplot(3,2,1)。imshow(data4)。title(39。原圖39。)。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(39。原圖頻譜39。)。[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)。對該圖進(jìn)行低通濾波 選取D=190z=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(39。理想低通濾波后的頻譜39。)。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(39。理想低通濾波后的圖像39。)。subplot(3,2,6)。%新建圖像顯示窗口 % [n,m]=size(c)。%對原圖進(jìn)行高通濾波 for k=1:1:n for l=1:1:m if(k^2+l^2)imshow(uint8(abs(d)))。title(39。理想高通濾波后的圖像39。)。%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(39。39。)。subplot(3,2,1)。imshow(J1)。title(39。原圖39。)。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(39。原圖頻譜39。)。[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((im)^2+(jn)^2)。h=1/(1+*(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(39。低通濾波后的頻譜39。)。result=ifftshift(result)。J2=ifft2(result)。J3=uint8(abs(J2))。subplot(3,2,3)。imshow(J3)。title(39。低通濾波后的圖像39。)。%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((im)^2+(jn)^2)。if(d==0)h=0。else h=1/(1+*(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(39。高通濾波后的頻譜39。)。result=ifftshift(result)。J2=ifft2(result)。J3=uint8(abs(J2))。subplot(3,2,5)。imshow(J3)。title(39。高通濾波后的圖像39。)。實(shí)驗(yàn)三 圖像邊緣檢測與連接一、實(shí)驗(yàn)?zāi)康膱D像邊緣檢測與連接二、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算法以及LoG檢測法和Canny檢測法；（3）分析與比較各種邊緣檢測算法的性能；（4）編程實(shí)現(xiàn)Hough變換提取直線（5）分析Hough變換檢測性能；三、實(shí)驗(yàn)運(yùn)行結(jié)果四、實(shí)驗(yàn)中遇到的問題及解決方法拷貝文件后沒改文件名，直接執(zhí)行時出現(xiàn)錯誤，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區(qū)域的終結(jié)和另一個區(qū)域的開始，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)與線的對偶性，將原始圖像空間的給定的曲線通過曲線表達(dá)形式變?yōu)閰?shù)空間的一個點(diǎn)。這樣就把原始圖像中給定曲線的檢測問題轉(zhuǎn)化為準(zhǔn)找參數(shù)空間的峰值問題。也即把檢測整體特性轉(zhuǎn)化為檢測局部特性。比如直線、橢圓、圓、弧線等。六、實(shí)驗(yàn)心得體會對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)，對于其中的一些函數(shù)問題理解不是很透徹，有些甚至完全不懂。還得繼續(xù)努力。七、程序清單邊緣檢測由edge函數(shù)實(shí)現(xiàn)各算子對圖像的邊緣檢測clear all。I = imread(39。d:39。)。I=rgb2gray(I)。BW1 = edge(I,39。sobel39。)。%利用Sobel算子進(jìn)行邊緣檢測 BW2 = edge(I,39。roberts39。)。%利用roberts算子進(jìn)行邊緣檢測 BW3 = edge(I,39。prewitt39。)。%利用prewitt算子進(jìn)行邊緣檢測 BW4 = edge(I,39。log39。)。%利用log算子進(jìn)行邊緣檢測 BW5 = edge(I,39。canny39。)。%利用canny算子進(jìn)行邊緣檢測 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)邊緣連接使用Hough變換作線檢測和連接clear all。RGB = imread(39。d:39。)。I=RGB。%I = rgb2gray(RGB)。BW = edge(I,39。canny39。)。% 利用Canny算子提取圖像邊緣 [H,T,R] = hough(BW,39。RhoResolution39。,39。ThetaResolution39。,)。figure(1), imshow(T,R,H,[],39。notruesize39。), axis on, axis normal xlabel(39。T39。), ylabel(39。R39。)p = houghpeaks(H,5,39。threshold39。,ceil(*max(H(:))))。%找到5個較明顯的Hough變換峰值hold on plot(T(p(:,2)),R(p(:,1)),39。s39。,39。color39。,39。white39。)。lines = houghlines(BW,T,R,p,39。FillGap39。,10,39。MinLength39。,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),39。LineWidth39。,2,39。Color39。,39。green39。)。end第三篇：數(shù)字圖像處理實(shí)驗(yàn)報告數(shù)字圖像處理實(shí)驗(yàn)報告目錄一、數(shù)字圖像處理簡介圖像處理，是對圖像進(jìn)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(yīng)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。此外，基于光學(xué)理論的處理方法依然占有重要的地位。圖像處理是信號處理的子類，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，和一維信號相比，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)康撵柟趟鶎W(xué)知識，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)一個簡單的圖像處理程序，并含有如下基本功能： ，變換為灰度圖像和二值圖像，并在同一個窗口內(nèi)分成三個子窗口來分別顯示RGB圖像和灰度圖像，注上文字標(biāo)題 3．對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）讀入一幅RGB圖像，變換為灰度圖像和二值圖像，并在同一個窗口內(nèi)分成三個子窗口來分別顯示RGB圖像和灰度圖像，注上文字標(biāo)題效果展示：代碼：a = imread(39。C:Documents and 39。)。i = rgb2gray(a)。I = im2bw(a,)。subplot(3,1,1)。imshow(a)。title(39。源圖像39。)subplot(3,1,2)。imshow(i)。title(39。灰度圖像39。)subplot(3,1,3)。imshow(I)。title(39。二值圖像39。)（2）圖像旋轉(zhuǎn) 原圖效果展示：代碼：clc。clear