【正文】 像表示二值圖像，但是也可以用來表示每個像素只有一個采樣值的任何圖像，例如灰度圖像等。二值圖像是每個像素只有兩個可能值的數(shù)字圖像。二值圖像一般用來描述文字或者圖形，其優(yōu)點是占用空間少，缺點是，當(dāng)表示人物，風(fēng)景的圖像時，二值圖像只能描述其輪廓，不能描述細(xì)節(jié)。在這樣的應(yīng)用領(lǐng)域每個采樣 16 位即 65536 級得到流行。這種精度剛剛能夠避免可見的條帶失真，并且非常易于編程?；叶葓D像經(jīng)常是在單個電磁波頻譜如可見光內(nèi)測量每個像素的亮度得到的。但是，在數(shù)字圖像領(lǐng)域之外，“黑白圖像”也表示“灰度圖像”，例如灰度的照片通常叫做“黑白照片”。這類圖像通常顯示為從最暗黑色到最亮的白色的灰度，盡管理論上這個采樣可以任何顏色的不同深淺，甚至可以是不同亮度上的不同顏色。通道是Photoshop處理圖像的核心部分，所有的色彩調(diào)整工具都是圍繞在這個核心周圍使用的。通道是整個Photoshop顯示圖像的基礎(chǔ)。用不同的灰度色階來表示“ 紅，綠，藍(lán)”在圖像中的比重。五、算法綜述 灰度圖像：一幅完整的圖像，是由紅色、綠色、藍(lán)色三個通道組成的。添加斑點噪聲39。imshow(J)。,)。J=imnoise(I,39。添加高斯噪聲39。imshow(J)。,0,)。J1=imnoise(I,39。原圖39。imshow(I)。)。（3）對給定的圖像添加噪聲（斑點噪聲、高斯噪聲）效果展示：代碼：I= imread(39。figure。imshow(Imgnew2,[])。Imgnew2(u,v)=(1s)*(1t)*p1+(1s)*t*p3+(1t)*s*p2+s*t*p4。t=yy_low。p4=Img(x_up,y_up)。p2=Img(x_up,y_low)。endif(yy_low)elsey=y_up。amp。amp。y=tem(2)。0])。for u=1:hnewfor v=1:wnewtem=T*([u。Imgnew2=zeros(hnew,wnew)。T=[cos(alpha),sin(alpha)。hnew=ceil(hnew)。hnew=w*sin(alpha)+h*cos(alpha)。alpha=pi/4。Img=double(Img)。D:My DocumentsMy 39。close all。)（2）圖像旋轉(zhuǎn) 原圖效果展示：代碼：clc。title(39。)subplot(3,1,3)。title(39。)subplot(3,1,2)。title(39。subplot(3,1,1)。i = rgb2gray(a)。C:Documents and 39。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。圖像處理是信號處理的子類，另外與計算機科學(xué)、人工智能等領(lǐng)域也有密切的關(guān)系。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。end第三篇：數(shù)字圖像處理實驗報告數(shù)字圖像處理實驗報告目錄一、數(shù)字圖像處理簡介圖像處理，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)。green39。Color39。LineWidth39。lines(k).point2]。,10)。,10,39。lines = houghlines(BW,T,R,p,39。white39。color39。s39。,ceil(*max(H(:))))。)p = houghpeaks(H,5,39。), ylabel(39。), axis on, axis normal xlabel(39。figure(1), imshow(T,R,H,[],39。ThetaResolution39。RhoResolution39。)。BW = edge(I,39。I=RGB。d:39。%利用canny算子進行邊緣檢測 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。canny39。)。%利用prewitt算子進行邊緣檢測 BW4 = edge(I,39。prewitt39。)。%利用Sobel算子進行邊緣檢測 BW2 = edge(I,39。sobel39。I=rgb2gray(I)。d:39。七、程序清單邊緣檢測由edge函數(shù)實現(xiàn)各算子對圖像的邊緣檢測clear all。六、實驗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)拷貝做實驗，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。也即把檢測整體特性轉(zhuǎn)化為檢測局部特性。（2）Hough變換原理是什么？答：Hough變換的基本原理在于利用點與線的對偶性，將原始圖像空間的給定的曲線通過曲線表達形式變?yōu)閰?shù)空間的一個點。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，而且還保護了目標(biāo)的邊界結(jié)構(gòu)。)。title(39。subplot(3,2,5)。J2=ifft2(result)。)。%以三維坐標(biāo)顯示該圖像頻譜圖 title(39。z=log(abs(result))。y=0:1:255。end end subplot(3,2,6)。else h=1/(1+*(d0/d)^(2*nn))。for i=1:M for j=1:N d=sqrt((im)^2+(jn)^2)。m=fix(M/2)。%利用二階巴特沃斯（Butterworth）高通濾波器nn=2。低通濾波后的圖像39。imshow(J3)。J3=uint8(abs(J2))。result=ifftshift(result)。低通濾波后的頻譜39。%取幅度 mesh(z)。[x,y]=meshgrid(x,y)。x=0:1:255。% 計算低通濾波器傳遞函數(shù) result(i,j)=h*g(i,j)。for i=1:M for j=1:N d=sqrt((im)^2+(jn)^2)。m=fix(M/2)。nn=2。)。%以三維坐標(biāo)顯示該圖像頻譜圖 title(39。z=log(abs(g))。y=0:1:255。% 轉(zhuǎn)換數(shù)據(jù)矩陣 subplot(3,2,2)。g=fft2(f)。)。title(39。subplot(3,2,1)。39。Figure。%頻域增強（巴特沃斯原型）%二階巴特沃斯（Butterworth）低通濾波器 %clc。理想高通濾波后的圖像39。%對原圖進行高通濾波 for k=1:1:n for l=1:1:m if(k^2+l^2)imshow(uint8(abs(d)))。subplot(3,2,6)。理想低通濾波后的圖像39。%逆傅里葉變換 imshow(uint8(abs(b)))。%新建圖像顯示窗口 result=fftshift(result)。)。title(39。[x,y]=meshgrid(x,y)。%三維方式顯示低通濾波后的頻譜圖 x=0:1:255。end end end subplot(3,2,4)。%for k=1:1:n for l=1:1:m if(k^2+l^2)=190^2 % result(k,l)=0。)。%以三維坐標(biāo)顯示該圖像頻譜圖title(39。[x,y]=meshgrid(x,y)。x=0:1:255。i=fftshift(i)。i=fft2(data4)。原圖39。imshow(data4)。)。data4=imread(39。七、程序清單clc。六、實驗心得體會本實驗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，最后實驗幾次，就能夠逐一自己解決了。三、實驗運行結(jié)果四、實驗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。%顯示均衡化后的直方圖實驗二 頻域圖像增強一、實驗?zāi)康念l域圖像增強掌握基于頻域的圖像增強方法。均衡化結(jié)果的直方圖39。imhist(J)。)。title(39。%顯示原圖的直方圖 subplot(2,2,3)。原圖直方圖39。imhist(Im)。)。title(39。%均衡化 subplot(2,2,1)。)。Im=imread(39。J=imhist(I)./p。%打開一幅灰度圖像 [m,n]=size(I)。39。七、程序清單clear all。處理的結(jié)果使圖像更適合與人的視覺特征或機器的識別系統(tǒng)。(2)均衡化后的直方圖有何特點？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。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。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。編程完成后運行時輸入文件名與保存時文件名相同，區(qū)分大小寫。第二篇：數(shù)字圖像處理實驗報告實 驗 報 告 書系部學(xué)生專業(yè)班實驗名稱姓名名稱 級時間：： ： ：：實驗一 直方圖均衡一、實驗?zāi)康脑趯W(xué)習(xí)圖像直方圖的概念、計算方法、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編程實現(xiàn)圖像直方圖均衡化程序。Sobel 算子有兩個，一個是檢測水平邊緣的 ；另一個是檢測垂直邊緣的。綜上所述，根據(jù)不同的情況可以需要選用不同的方法。J=TK。T=double(I)。end3）w1=genlaplcaian(5)。x=ceil(n/2)。)。 title(39。)。 K=conv2(T,w,39。1,8,1。 subplot(1,2,1),imshow(T,[])。 I=rgb2gray(i)。D:39。)。title(39。 subplot(2,2,4)。prewitt算子銳化圖像39。imshow(I2)。)。title(39。 subplot(2,2,2)。原圖像39。imshow(i)。 I3=filter2(H,I)。log39。 I2=filter2(H,I)。prewitt39。 I1=filter2(H,I)。sobel39。 I=rgb2gray(i)。d:39。f(x,y)完成圖像的銳化增強，進行銳化濾波，并利用式觀察其有何不同，要求在同一窗口中顯示。1 – 8 1。：實驗任務(wù)和要求采用三種不同算子對圖像進行銳化處理。但是 3*3 的非線性模板中值濾波器上對噪聲的濾除效果更完美。中值濾波與均值濾波相比，在去除圖像椒鹽噪聲的同時，還能夠保持圖像比較清晰的輪廓。但是高斯濾波同時受到標(biāo)準(zhǔn)差 sigma 的影響。（2）采用高斯濾波器對圖像處理能達到去噪的效果，與均值濾波器相同，隨著所用的濾波器尺寸的增大，圖像的細(xì)節(jié)銳化程度相應(yīng)降低圖像變得模糊起來。)。 xlabel(39。 subplot(2,2,4)。均值濾波39。imshow(G1)。)。 xlabel(39。 subplot(2,2,2)。原圖39。imshow(I)。 G2=medfilt2(K)。same39。)。 h=fspecial(39。,)。 J=imnoise(I,39。)。：： i=imread(39。中值濾波39。imshow(G2)。)。 xlabel(39。 subplot(2,2,3)。添加椒鹽噪聲39。imshow(J)。)。 xlabel(39。 subplot(2,2,1)。)。 G1=filter2(h,K,39。average39。 K=im2double(J)。 pepper39。 J=imnoise(i,39。)。：： I=imread(39。中指濾波39。imshow(G2)。)。 xlabel(39。 subplot(2,2,3)。添加高斯噪聲39。imshow(J)。)。 xlabel(39。 subplot(2,2,1)。 subplot(2,2,1)。)。 G1=filter2(h,K,39。average39。 K=im2double(J)。gaussian39。 i=rgb2gray(I)。d:39。)。xlabel(39。 subplot(2,2,4)。椒鹽噪聲39。imshow(K)。)。xlabel(39。 subplot(2,2,2)。原圖39。imshow(i)。,)。%椒鹽噪聲 P=imnoise(i,39。 pepper39。%高斯噪聲 K=imnoise(i,39。gaussian39。 i=rgb2gray(I)。d:39。對受乘性噪聲（）干擾的lena圖像，選擇合適的濾波器將噪聲濾除。對受高斯噪聲（）干擾的lena圖像分別利用鄰域平均法和中值濾波進行濾波去噪（窗口可變，可先取3*3，依次再取5*5，7*7），并顯示濾波結(jié)果。實驗三： 圖像的平滑處理： 實驗?zāi)康氖煜げ⒄莆粘Ｒ姷膱D像噪聲種類；理解并掌握常用的圖像的平滑技術(shù)，如鄰域平均法和中值濾波的原理、特點、適用對象。但是以上幾種方法采用的基本都是線性變換法，在實際應(yīng)用中存在很多缺陷。結(jié)果如圖所示：：結(jié)果分析這次實驗主要是對圖像的灰度變換和直方圖均衡化，實驗內(nèi)容包括灰度拉伸、圖像反轉(zhuǎn)、圖像的二值化以及直方圖均衡。y=[y1,y2,y3]。y3=+*()。y1=2*x1。x2=::。subplot(2,2,4),imhist(j)。subplot(2,2,2),imshow(j)。j=histeq(c)。)。結(jié)果如圖所示：：b=imread(39。負(fù)片效果39。imshow(g)。)。title(39。subplot(2,2,3)。圖像變亮39。imshow(m)。)。title(39。%負(fù)片效果subplot(2,2,1)。])。1])。)。：： a=imread(39。反轉(zhuǎn)圖像39。imshow(d)。d=imadjust(c,[0,1],[1,0])。變暗后的圖像直方圖39。imhist(b)。變暗后的圖像39。imshow(b)。原圖像的直方圖39。