浙江工業(yè)大學電子信息工程所用數(shù)字圖像處理實驗指導書
實驗一 數(shù)字圖像處理編程基礎 1. 了解MATLAB圖像處理工具箱； 2. 掌握MATLAB的基本應用方法； 3. 掌握MATLAB圖像存儲/圖像數(shù)據(jù)類型/圖像類型； 4. 掌握圖像文件的讀/寫/信息查詢； 5. 掌握圖像顯示--顯示多幅圖像、4種圖像類型的顯示方法； 6. 編程實現(xiàn)圖像類型間的轉(zhuǎn)換。 略。 1. 實現(xiàn)對圖像文件的讀/寫/信息查詢，圖像顯示--顯示多幅圖像、4種圖像類型的顯示方法、圖像類型間的轉(zhuǎn)換。 2. 運行圖像處理程序，并保存處理結果圖像。 歸納總結Matlab各個基本指令。
實驗二 圖像幾何變換實驗 1．學習幾種常見的圖像幾何變換，并通過實驗體會幾何變換的效果； 2．掌握圖像平移、剪切、縮放、旋轉(zhuǎn)、鏡像等幾何變換的算法原理及編程實現(xiàn)； 3．掌握matlab編程環(huán)境中基本的圖像處理函數(shù)。 1. 初始坐標為 的點經(jīng)過平移 ，坐標變?yōu)?img id="aimg_Qv7f3" onclick="zoom(this, this.src, 0, 0, 0)" class="zoom" width="48" height="21" src="http://c.51hei.com/a/huq/a/a/a/3/3.003.jpg" border="0" alt="" />，兩點之間的關系為： ，以矩陣形式表示為： 2. 圖像的鏡像變換是以圖象垂直中軸線或水平中軸線交換圖像的變換，分為垂直鏡像變換和水平鏡像變換，兩者的矩陣形式分別為： 3. 圖像縮小和放大變換矩陣相同： 4. 圖像旋轉(zhuǎn)定義為以圖像中某一點為原點以逆時針或順時針方向旋轉(zhuǎn)一定 角度。其變換矩陣為： 該變換矩陣是繞坐標軸原點進行的，如果是繞一個指定點旋轉(zhuǎn)，則先要將坐標系平移到該點，進行旋轉(zhuǎn)，然后再平移回到新的坐標原點。 1. 啟動MATLAB程序，對圖像文件分別進行平移、垂直鏡像變換、水平鏡像變換、縮放和旋轉(zhuǎn)操作。 2．運行圖像處理程序，并保存處理結果圖像。 圖像旋轉(zhuǎn)是點運算還是領域運算，在本實驗中你采用了哪種插值法，試比較不同的插值法的效果。
實驗三 圖像增強實驗 1. 掌握基本的圖像增強方法，觀察圖像增強的效果，加深對灰度直方圖的理解。 2. 掌握對數(shù)和和指數(shù)增強，直方圖均衡化方法，重點掌握圖像直方圖增強的原理和程序設計。 對數(shù)變化能對原圖像的動態(tài)范圍進行壓縮,其數(shù)學表達如下: 其中C為尺寸比例常數(shù)。 指數(shù)變化一般的表示形式： （a,b,c用于調(diào)整曲線的位置和形狀的參數(shù)。） 利用直方圖統(tǒng)計的結果，使圖像的直方圖均衡的方法稱為直方圖均衡化，直方圖均衡化可以達到增強圖像顯示效果的作用。通過直方圖統(tǒng)計，可以觀察出，圖像中各種亮度所占的比例大部分布不均勻，設法增加在直方圖統(tǒng)計中所占比例高的象素和其他比例少的象素之間亮度差，可以提高圖像的顯示效果。簡單來說，直方圖增強的方法就是壓縮直方圖中比例少的象素所占用的灰度范圍，多出來的灰度空間按照統(tǒng)計比例分配給直方圖中比例高的象素使用。這種方法主要是針對人眼對灰度差別越大的圖像越容易分辨的特點而進行的增強。 - 實現(xiàn)對數(shù)增強或指數(shù)增強。
- 實現(xiàn)圖像直方圖均衡化增強。
思考為什么進行圖像直方圖均衡化后，能夠增強圖像效果。
實驗四 圖像濾波實驗
掌握中值濾波方法，掌握圖像銳化方法，比較各個梯度算子銳化的效果。掌握頻域濾波方法，觀察低通濾波和高通濾波的效果。 中值濾波是一種非線性平滑濾波，它是用一個有奇數(shù)點的滑動窗口，將窗口中心點的值用窗口各點的中值代替。 圖像的銳化是使邊緣和輪廓線模糊的圖像變得清晰，使其細節(jié)更加清晰。從數(shù)學上看，圖像模糊的實質(zhì)是圖像受到平均或者積分運算的影響，因此對其進行逆運算（如微分運算）就可以使圖像清晰。 在頻域上卷積被表示為乘積，因此在頻域上對圖像進行濾波就變得更加直觀了。在頻域上進行濾波的步驟： - 計算需增強的圖像的傅里葉變化。
- 將其與1個傳遞函數(shù)相乘。
- 再將結果進行傅里葉逆變化可以得到增強的圖像。
1. 選擇測試圖像分別添加高斯、椒鹽、泊松噪聲，實現(xiàn)中值濾波； 2. 選擇測試圖像實現(xiàn)兩種常用梯度算子（Sobe算子、Prewitt算子）； 3. 選擇測試圖像實現(xiàn)理想低通濾波； 4. 選擇測試圖像實現(xiàn)巴特沃斯高通濾波。 依次給出“均值濾波器、中值濾波器、laplace濾波器”是線性還是非線性的。
實驗五 圖像分割實驗 - 掌握梯度邊緣檢測算子，了解拉普拉斯邊緣檢測算子和Canny邊緣檢測算子；
- 掌握邊界跟蹤方法及其原理；
- 掌握自動閾值法和分水嶺法
圖像分割是按照一定的規(guī)則把圖像劃分成若干個互不相交、具有一定性質(zhì)的區(qū)域，把人們關注的部分從圖像中提取出來，進一步加以研究分析和處理。圖像分割的結果是圖像特征提取和識別等圖像理解的基礎，對圖像分割的研究一直是數(shù)字圖像處理技術研究中的熱點和焦點。圖像分割使得其后的圖像分析，識別等高級處理階段所要處理的數(shù)據(jù)量大大減少，同時又保留有關圖像結構特征的信息。圖像分割在不同的領域也有其它名稱，如目標輪廓技術、目標檢測技術、閾值化技術、目標跟蹤技術等，這些技術本身或其核心實際上也就是圖像分割技術。 邊緣是圖像上灰度變化最劇烈的地方，傳統(tǒng)的邊緣檢測就是利用了這個特點，對圖像各個像素點進行微分或求二階微分來確定邊緣像素點。一階微分圖像的峰值處對應著圖像的邊緣點；二階微分圖像的過零點處對應著圖像的邊緣點。根據(jù)數(shù)字圖像的特點，處理圖像過程中常采用差分來代替導數(shù)運算，對于圖像的簡單一階導數(shù)運算，由于具有固定的方向性，只能檢測特定方向的邊緣，所以不具有普遍性。為了克服一階導數(shù)的缺點，我們定義圖像的梯度為梯度算子，它是圖像處理中最常用的一階微分算法。圖像梯度的最重要性質(zhì)是梯度的方向是在圖像灰度最大變化率上，它恰好可以反映出圖像邊緣上的灰度變化。 1. 實現(xiàn)三種梯度算子(Roberts、Sobel、Prewitt)的邊緣檢測。 2. 實現(xiàn)對一張二值圖像的邊界跟蹤。 3.實現(xiàn)分水嶺算法。 如何實現(xiàn)彩色圖像的邊緣檢測？梯度算子和拉普拉斯算子、Canny算子本質(zhì)區(qū)別。
實驗六 運動目標檢測實驗 掌握背景差值法對運動目標的檢測原理及其程序設計，并實現(xiàn)背景更新；了解圖像圖像差分法和基于光流的分割方法。 背景差值法假設圖像背景是靜止不變的，用 表示，定義圖像序列為 ，其中 為圖像位置的坐標； 為圖像幀數(shù)。將每一幀圖像的灰度值減去背景的灰度值可得到一個差值圖像： 通過設置閾值T可得到二值化差值圖像： 其中取值為1和0的像素點分別對應于前景（運動目標區(qū)）和背景（非運動目標區(qū)）。 1.實現(xiàn)背景差值法對運動目標的檢測； 2.實現(xiàn)背景的更新。 如何去除背景噪聲，當場景受光照等環(huán)境因素影響時，該如何處理背景。
完整的Word格式文檔51黑下載地址：
數(shù)字圖像處理實驗指導書.doc
(86.5 KB, 下載次數(shù): 15)
2018-8-10 23:53 上傳
點擊文件名下載附件
| 
，
時，圖像縮�。划�
，
時，圖像放大。
