【正文】 )。axes()。x=imhist((:,:,1))。%統(tǒng)計x1=x(1:10:256)。horz=1:10:256。bar(horz,x1)。set(,39。xtick39。,0:50:255)。%B直方圖set(,39。HandleVisibility39。,39。ON39。)。axes()。if isrgb()直方圖x=imhist((:,:,3))。%直方圖統(tǒng)計x1=x(1:10:256)。horz=1:10:256。bar(horz,x1)。%axis([0 255 0 150000])。set(,39。xtick39。,0:50:255)。%set(,39。ytick39。,0:2000:15000)。else msgbox(39。這是灰度圖像39。,39。旋轉(zhuǎn)失敗39。)。end%直方圖均衡set(,39。HandleVisibility39。,39。ON39。)。axes()。if isrgb()a=histeq((:,:,1))。b=histeq((:,:,2))。c=histeq((:,:,3))。k(:,:,1)=a。k(:,:,2)=b。k(:,:,3)=c。imshow(k)。else h=histeq()。%直方圖均衡 imshow(h)。end效果圖三、遇到的問題及解決方法遇到的問題最開始在Command里面用imread打開圖片是可行的，但到了GUI里面之后，會出現(xiàn)一些錯誤，主要就是提示說：找不到對應(yīng)的地方。還有就是在編寫完程序之后，放大感覺沒有任何變化。解決方法在查詢資料后發(fā)現(xiàn)，在GUI里面打開圖片是需要編寫圖片的地址以及格式的，要先判斷你要操作的圖片是否存在，如果不存在，應(yīng)該提示你不存在的錯誤；在不能放大這個問題上，后來發(fā)現(xiàn)是axes2不夠大，也就是畫布不夠大，再放大了畫布后，放大就明顯多了，縮小的時候也是這樣。四、主要收獲和心得體會在倆周的自動化軟件實訓(xùn)里面，最大的感觸就是MATLAB很強大，不但可以用自己自帶的函數(shù)，還可以和C語言Java等語言連接共用，在處理圖像上有自己獨特的優(yōu)勢，在編輯菜單之后再進行相應(yīng)的編程，做出來的界面和網(wǎng)頁一樣好看，這倆周特別快，不過收獲很多，在很大程度上鍛煉了我們的設(shè)計能力。第五篇：圖像處理 實驗報告摘要：圖像處理，用計算機對圖像進行分析，以達到所需結(jié)果的技術(shù)。又稱影像處理?；緝?nèi)容 圖像處理一般指數(shù)字圖像處理。數(shù)字圖像是指用數(shù)字攝像機、掃描儀等設(shè)備經(jīng)過采樣和數(shù)字化得到的一個大的二維數(shù)組，該數(shù)組的元素稱為像素，其值為一整數(shù)，稱為灰度值。圖像處理技術(shù)的主要內(nèi)容包括圖像壓縮，增強和復(fù)原，匹配、描述和識別3個部分。圖像處理一般指數(shù)字圖像處理。數(shù)字圖像處理的目的是改善圖像的質(zhì)量，它以人為對象，以改善人的視覺效果為目的。目前，圖像處理演示系統(tǒng)應(yīng)用領(lǐng)域廣泛醫(yī)學(xué)、軍事、科研、商業(yè)等領(lǐng)域。因為數(shù)字圖像處理技術(shù)易于實現(xiàn)非線性處理，處理程序和處理參數(shù)可變，故是一項通用性強，精度高，處理方法靈活，信息保存、傳送可靠的圖像處理技術(shù)。本圖像處理演示系統(tǒng)以數(shù)字圖像處理理論為基礎(chǔ)，對某些常用功能進行界面化設(shè)計，便于初級用戶的操作。設(shè)計要求可視化界面，采用多幅不同形式圖像驗證系統(tǒng)的正確性；合理選擇不同形式圖像，反應(yīng)各功能模塊的效果及驗證系統(tǒng)的正確性 對圖像進行灰度級映射，對比分析變換前后的直方圖變化； 目的：基本功能：彩色圖像轉(zhuǎn)灰度圖像圖像的幾何空間變換：平移，旋轉(zhuǎn)，剪切，縮放 圖像的算術(shù)處理：加、減、乘圖像的灰度拉伸方法（包含參數(shù)設(shè)置）； 直方圖的統(tǒng)計和繪制；直方圖均衡化和規(guī)定化； 要求：熟悉圖像點運算、代數(shù)運算、幾何運算的基本定 義和常見方法；掌握在MTLAB中對圖像進行點運算、代數(shù)運算、幾何運算的方法掌握在MATLAB中進行插值的方法運用MATLAB語言進行圖像的插值縮放和插值旋轉(zhuǎn)等學(xué)會運用圖像的灰度拉伸方法學(xué)會運用圖像的直方圖設(shè)計和繪制；以及均衡化和規(guī)定化進一步熟悉了解MATLAB語言的應(yīng)用，將數(shù)字圖像處理更好的應(yīng)用于實際1彩色圖像轉(zhuǎn)化灰度圖像：大部分圖像都是RGB格式。RGB是指紅，綠，藍三色。通常是每一色都是256個級。相當(dāng)于過去攝影里提到了8級灰階。真彩色圖像通常是就是指RGB。通常是三個8位，合起來是24位。不過每一個顏色并不一定是8位。比如有些顯卡可以顯示16位，或者是32位。所以就有16位真彩和32位真彩。在一些特殊環(huán)境下需要將真彩色轉(zhuǎn)換成灰度圖像。1單獨處理每一個顏色分量?！盎叶取埃袝r候又稱為“高度”。邊緣加強，平滑，去噪，加銳度等。，通常也需要將彩色轉(zhuǎn)成灰白，處理后再打印 ，通過黑白照片體現(xiàn)“型體”與“線條”，“光線”。2圖像的幾何空間變化：圖像平移是將圖像進行上下左右的等比例變化，不改變圖像的特征，只改變位置。圖像比例縮放是指將給定的圖像在x軸方向按比例縮放fx倍，在y軸按比例縮放fy倍，從而獲得一幅新的圖像。如果fx=fy，即在x軸方向和y軸方向縮放的比率相同，稱這樣的比例縮放為圖像的全比例縮放。如果fx≠fy，圖像的比例縮放會改變原始圖象的像素間的相對位置，產(chǎn)生幾何畸變。旋轉(zhuǎn)。一般圖像的旋轉(zhuǎn)是以圖像的中心為原點，旋轉(zhuǎn)一定的角度，也就是將圖像上的所有像素都旋轉(zhuǎn)一個相同的角度。旋轉(zhuǎn)后圖像的的大小一般會改變，即可以把轉(zhuǎn)出顯示區(qū)域的圖像截去，或者擴大圖像范圍來顯示所有的圖像。圖像的旋轉(zhuǎn)變換也可以用矩陣變換來表示。3圖像的算術(shù)處理：圖像代數(shù)運算是指對兩幅或兩幅以上輸入圖像對應(yīng)的像素逐個進行和差積商運算以產(chǎn)生增強效果的圖像。圖像運算是一種比較簡單有效的增強處理手段是圖像處理中常用方法。三種圖像處理代數(shù)運算的數(shù)學(xué)表達式如下： 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)4圖像的灰度拉伸方法：灰度拉伸又叫對比度拉伸，它是最基本的一種灰度變換，使用的是最簡單的分段線性變換函數(shù)，它的主要思想是提高圖像處理時灰度級的動態(tài)范圍。可以有選擇的拉伸某段灰度區(qū)間以改善輸出圖像。如圖，所示的變換函數(shù)的運算結(jié)果是將原圖在a到b之間的灰度拉伸到c到d之間。如果一幅圖像的灰度集中在較暗的區(qū)域而導(dǎo)致圖像偏暗，可以用灰度拉伸功能來拉伸(斜率1)物體灰度區(qū)間以改善圖像；同樣如果圖像灰度集中在較亮的區(qū)域而導(dǎo)致圖像偏亮，也可以用灰度拉伸功能來壓縮(斜率5直方圖設(shè)計和繪制；以及均衡化和規(guī)定化：灰度直方圖是將數(shù)字圖像的所有像素，按照灰度值的大小，統(tǒng)計其所出現(xiàn)的頻度。通常，灰度直方圖的橫坐標表示灰度值，縱坐標為半個像素個數(shù)，也可以采用某一灰度值的像素數(shù)占全圖像素數(shù)的百分比作為縱坐標。直方圖均衡方法的基本原理是：對在圖像中像素個數(shù)多的灰度值（即對畫面起主要作用的灰度值）進行展寬，而對像素個數(shù)少的灰度值（即對畫面不起主要作用的灰度值）進行歸并。從而達到清晰圖像的目的。1 GUI圖像處理平臺的總體設(shè)計圖像處理平臺設(shè)計的目的是能夠?qū)D像處理的各個獨立算法集成到一個平臺內(nèi)，實現(xiàn)圖像處理過程的交互和可視化，并為用戶二次開發(fā)提供平臺接口，提高圖像處理算法的綜合利用效率2平臺總體功能設(shè)計 根據(jù)一體化的設(shè)計思想，平臺主要實現(xiàn)算法集成、：（1）已有算法集成是對Ｍatlab圖像處理工具包中提供的算法進行集成，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(shè)計一個高性能的圖像處理平臺應(yīng)該為用戶提供，其中菜單項提供平臺的整體功能，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(shè)計 基本功能：彩色圖像轉(zhuǎn)灰度圖像I=imread(39。C: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:39。,39。jpg39。)。img1=rgb2gray(img1)。figure,imshow(img1)。imwrite(img1,39。39。)。%%%%%%平移se=translate(strel(1),[20 20])。img2=imdilate(img1,se)。figure,imshow(img2)。imwrite(img2,39。39。)。%%%%%%旋轉(zhuǎn) img3=imrotate(img1,90)。figure,imshow(img3)。imwrite(img3,39。39。)。% %%%%%縮放 img4=imresize(img1,2)。figure,imshow(img4)。imwrite(img4,39。39。)。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:39。,39。jpg39。)。B=imread(39。C: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:39。,39。jpg39。)。B=imread(39。C: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:39。,39。jpg39。)。B=imread(39。C: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(shè)置）；img=imread(39。C:39。,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(yù)創(chuàng)建存放灰度出現(xiàn)概率的向量 for k=0:255 GreyHist(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(yīng)位置end figure(2)。bar(0:255,GreyHist)%繪制直方圖 title(39。原直方圖39。)xlabel(39?；叶戎?9。)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))。for i=1:m for j=1:n img(i,j)=a*img(i,j)+b。end end figure(3)。imshow(img)。title(39?；叶壤?9。)。GreyHist=zeros(1,256)。%預(yù)創(chuàng)建存放灰度出現(xiàn)概率的向量 for k=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(yù)處理，讀入彩色圖像將其灰度化img=imread(39。C:39。,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(yù)創(chuàng)建存放灰度出現(xiàn)概率的向量 for k=0:255 GP(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(yīng)位置 end figure,bar(0:255,GP,39。g39。)%繪制直方圖 title(39。原圖像直方圖39。)xlabel(39?；叶戎?9。)ylabel(39。出現(xiàn)概率39。)%三，直方圖均衡化 S1=zeros(1,256)。for i=1:256 for j=1:i S1(i)=GP(j)+S1(i)。%計算Sk end end S2=round((S1*256)+)。%將Sk歸到相近級的灰度 for i=1:256 GPeq(i)=sum(GP(find(S2==i)))。%計算現(xiàn)有每個灰度級出現(xiàn)的概率 end figure,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?；叶戎?9。)ylabel(39。出現(xiàn)概率39。)%四，圖像均衡化 PA=img。for i=0:255 PA(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 end figure,imshow(PA)%顯示均衡化后的圖像 title(39。均衡化后