数字图像处理实验报告实验三
数字图像处理实验报告实验三
中南大学数字图像处理实验报告
实验三数学形态学及其应用
实验三 数学形态学及其应用
一．实验目的
1.了解二值形态学的基本运算
2.掌握基本形态学运算的实现
3.了解形态操作的应用 二．实验基本原理
腐蚀和膨胀是数学形态学最基本的变换，数学形态学的应用几乎覆盖了图像处理的所有领域，给出利用数学形态学对二值图像处理的一些运算。
膨胀就是把连接成分的边界扩大一层的处理。而收缩则是把连接成分的边界点去掉从而缩小一层的处理。 二值形态学
I(x,y), T(i,j)为 0/1图像Θ
腐蚀：[]),(&),(),)((),(0,j i T j y i x I AND y x T I y x E m
j i ++=Θ==
膨胀：[]),(&),(),)((),(0
,j i T j y i x I OR y x T I y x D m
j i ++=⊕== 灰度形态学 T(i,j)可取10以外的值 腐蚀： []),(),(min ),)((),(1
,0j i T j y i x I y x T I y x E m j i -++=Θ=-≤≤
膨胀： []),(),(max ),)((),(1
,0j i T j y i x I y x T I y x D m j i +++=⊕=-≤≤
1.腐蚀Erosion:
{}x B x B X x ?=Θ:
1B 删两边 2B 删右上
图5-1 剥去一层（皮）
2.膨胀Dilation:
{}X B x B X x ↑⊕:＝
1B 补两边 2B 补左下
图5-2 添上一层（漆）
3.开运算
open ：B B X ⊕Θ=)(X B
4.闭close ：∨
Θ⊕=B B X X B
)(
5.HMT(Hit-Miss Transform:击中——击不中变换) 条件严格的模板匹配
),(21T T T =模板由两部分组成。1T ：物体，2T ：背景。
{}
C x x i X T X T X T X ??=?21,
图5-3 击不中变换示意图
性质：
（1）φ=2T 时，1T X T X Θ=? （2）)()()(21T X T X T X C Θ?Θ=?
C T X T X )()(21Θ?Θ=
)/()(21T X T X ΘΘ= 6.细化/粗化 (1)细化（Thin ）
C T X X T X XoT )(/??=?= 去掉满足匹配条件的点。
图5-4 细化示意图
系统细化{}n B oB XoB T Xo Λ))(((21=， i B 是1-i B 旋转的结果（90?，180?，270?）共8种情况 适于细化的结构元素
1111000d d I = d
d d L 10110
0=
(2)粗化（Thick ） )(T X X T X ??=?
用(){}0,01=T (){}0,12=T 时，X X X T X =?=?
X 22
1
1
1
2
3
T
?
???
?
XoT
X
X ?T ?
X X ?T
X ΘT
T ⊕
故要选择合适的结构元素，如(){}0,11-=T ,(){}0,02=T
对偶性：()*T X T X C C
ο=?（验证一下） where ),(*12T T T = when ),(21T T T = 7. Morphology 小结
A.通过物体（对象）和结构元素的相互作用，得到更本质的形态（shape ）
(1) 图像滤波
(2) 平滑区域的边界
(3) 将一定形状施加于区域边界
(4) 描述和定义图像的各种几何参数和特征（区域数、面积、周长、连通度、颗粒度、骨架、边界） B.形态运算是并行运算 C.细化
区域或边界变为1个象素的宽度，但它不破坏连通性 四方向细化算法：逻辑运算（可删除条件） 形态运算是否可用于细化？
(1)腐蚀：收缩（去掉边缘的点）何时结束？能否保证连通性？ (2)开：去毛刺，能否细化（去掉尺寸小于结构元素的块） 三．实验提示
Matlab 中用imdilate 函数实现膨胀。用法为：
Imdilate(X,SE).其中X 是待处理的图像，SE 是结构元素对象。 例如:
bw = imread('text.png'); se = strel('line',11,90); bw2 = imdilate(bw,se); imshow(bw), title('Original') figure, imshow(bw2), title('Dilated') Matlab 用imerode 函数实现图像腐蚀。用法为:
Imerode(X,SE).其中X 是待处理的图像，SE 是结构元素对象。 如:
I = imread('cameraman.tif'); se = strel('ball',5,5); I2 = imerode(I,se); imshow(I), title('Original') figure, imshow(I2), title('Eroded')
Matlab 用imopen 函数实现图像开运算。用法为: imopen(I,se);
I 为图像源，se 为结构元素
Matlab 用imclosee 函数实现图像闭运算。用法为:
imclose(I,se);
I为图像源，se为结构元素
结构元素的选取：
strel函数
SE = strel('arbitrary',NHOOD)
将NHOOD构造成你设定的矩阵；如将NHOOD写在[1 1 1;1 1 1; 1 1 1] SE = strel('diamond',R)
构造一个中心具有菱形结构的结构元素，R为跟中心点的距离
SE = strel('rectangle',MN)
构造一个矩形的结构元素,MN可写在[3 4]，表示3行4列
SE = strel('square',W)
构造一个正方形的矩阵。
计算二值图像面积
bwarea
功能：
计算二进制图像对象的面积。
语法：
total = bwarea(BW)
举例
BW = imread('circles.png');
imshow(BW);
bwarea(BW)
ans =
15799
bwmorph
功能：
提取二进制图像的轮廓。
语法：
BW2 = bwmorph(BW1,operation)
BW2 = bwmorph(BW1,operation,n)
举例
BW1 = imread('circles.png');
imshow(BW1);
BW2 = bwmorph(BW1,'remove');
BW3 = bwmorph(BW1,'skel',Inf);
imshow(BW2)
figure, imshow(BW3)
四．实验内容与要求
1.设计程序实现对图5-5，实现去除图像中的噪声。
2.设计程序，实现将图5-6转化为二值图像，并计算图中鸡块中骨头的比重。
3.设计程序，实现去除图5-7中的矩形区域外的噪声，并填充矩形区域内部了。
提示：做题是把下面的图另存为单独的图像文件进行处理。
图5-5
图5-6
图5-7
五、实验过程与结果
1.分别用Roberts,Sobel和拉普拉斯高斯算子对图像进行边缘检测。比较三种算子处理的不同之处
代码：
I=imread('test_pattern.tif');
subplot(2,2,1);imshow(I),title('原图');
BW1=edge(I,'roberts');
subplot(2,2,2);imshow(BW1),title('用Roberts算子')
BW2=edge(I,'sobel');
subplot(2,2,3);imshow(BW2),title('用Sobel算子 ')
BW3=edge(I,'log');
subplot(2,2,4);imshow(BW2),title('用拉普拉斯高斯算子 ')
结果：
(3)比较
Roberts算子：边缘定位准，但是对噪声敏感。适用于边缘明显且噪声较少的图像分割。
Roberts边缘检测算子是一种利用局部差分算子寻找边缘的算子,Robert算子图像处理后结果边缘不是很平滑，会在图像边缘附近的区域内产生较宽的响应，边缘定位的精度不是很高。
Sobel算子：算法的优点是计算简单，速度快。
但是由于只采用了2个方向的模板，只能检测水平和垂直方向的边缘，因此这种算法对于纹理较为复杂的图像，其边缘检测效果就不是很理想。
拉普拉斯：对噪声敏感，会产生双边效果。不能检测出边的方向。通常不直接用于边的检测，只起辅助的角色，检测一个像素是在边的亮的一边还是暗的一边利用零跨越，确定边的位置。
2.设计一个检测图3-2中边缘的程序，要求结果类似图3-3，并附原理说明
代码：
I=imread('lines.png');
F=rgb2gray(I);
subplot(2,2,1);
imshow(I);
title('原始图像');
thread=130/255;
subplot(2,2,2);
imhist(F);
title('直方图');
subplot(2,2,3);
J2=im2bw(F,thread);
imshow(J2);
title('分割结果');
实验结果:
(3)原理说明：
根据图像的直方图，发现背景和目标的分割值在135左右，将此作为分割值，将图像转换为二值图像。
3．任选一种阈值法进行图像分割:
(1)选取阈值为180进行分割：
I=imread('lines.png');
F=rgb2gray(I);
subplot(2,2,1);
imshow(I);
title('原始图像');
thread=180/255; %阈值为180进行分割
subplot(2,2,2);
imhist(F);
title('直方图');
subplot(2,2,3);
J2=im2bw(F,thread);
imshow(J2);
title('分割结果');
实验结果：
将阈值调节到180，明显的看到线条的边缘变得模糊，而背景的线条被消除。
4．检测出3.3图像的线条，要求完成的结果为二值图像：
代码：
I=imread('line2.png');
F=rgb2gray(I);
subplot(2,2,1);
imshow(I);
title('原始图像');
thread=120/255;
subplot(2,2,2);
imhist(F);
title('直方图');
subplot(2,2,3);
J2=im2bw(F,thread);
imshow(J2);
title('分割结果');
实验结果：
说明：根据直方图，分割值在120左右，去120为分割线，得到以上分割结果。
数字图像处理实验1
实验一 实验内容和步骤 练习图像的读取、显示和保存图像数据，步骤如下： (1)使用命令figure(1)开辟一个显示窗口 (2)读入一幅RGB图像，变换为灰度图像和二值图像，并在同一个窗口内显示、二值图像和灰度图像，注上文字标题。 (3)保存转换后的灰度图像和二值图像 (4)在同一个窗口显示转换后的灰度图像的直方图 I=imread('BaboonRGB.bmp'); figure,imshow(I); I_gray=rgb2gray(I); figure,imshow(I_gray); I_2bw=Im2bw(I_gray); figure,imshow(I_2bw); subplot(1,3,1),imshow(I),title('RGB图像'); subplot(1,3,2),imshow(I_gray),title('灰度图像'); subplot(1,3,3),imshow(I_2bw),title('二值图像'); imwrite(I_gray,'Baboongray.png'); imwrite(I_2bw,'Baboon2bw.tif'); figure;imhist(I_gray);
RGB 图 像灰度图 像二值图 像 050100150200250 500 1000 1500 2000 2500 3000
(5)将原RGB 图像的R 、G 、B 三个分量图像显示在figure(2)中，观察对比它们的特点，体会不同颜色所对应的R 、G 、B 分量的不同之处。 [A_RGB,MAP]=imread('BaboonRGB.bmp'); subplot(2,2,1),imshow(A_RGB),title('RGB'); subplot(2,2,2),imshow(A_RGB(:,:,1)),title('R'); subplot(2,2,3),imshow(A_RGB(:,:,2)),title('G'); subplot(2,2,4),imshow(A_RGB(:,:,3)),title('B'); (6)将图像放大1.5倍，插值方法使用三种不同方法，在figure(3)中显示放大后的图像，比较不同插值方法的结果有什么不同。将图像放大到其它倍数，重复实验；A=imread('BaboonRGB.bmp'); figure(3),imshow(A),title('原图像'); B=imresize(A,1.5,'nearest'); figure(4),imshow(B),title('最邻近法') C=imresize(A,1.5,'bilinear'); ; figure(5),imshow(C),title('双线性插值'); D=imresize(A,1.5,'bicubic'); figure(6),imshow(D),title('双三次插值 '); RGB R G B
数字图像处理实验报告
数字图像处理实验报告 实验一数字图像基本操作及灰度调整 一、实验目的 1)掌握读、写图像的基本方法。 2)掌握MATLAB语言中图像数据与信息的读取方法。 3)理解图像灰度变换处理在图像增强的作用。 4)掌握绘制灰度直方图的方法，理解灰度直方图的灰度变换及均衡化的方 法。 二、实验内容与要求 1.熟悉MATLAB语言中对图像数据读取，显示等基本函数 特别需要熟悉下列命令：熟悉imread()函数、imwrite()函数、size()函数、Subplot（）函数、Figure（）函数。 1)将MATLAB目录下work文件夹中的forest.tif图像文件读出.用到imread， imfinfo 等文件，观察一下图像数据，了解一下数字图像在MATLAB中的处理就是处理一个矩阵。将这个图像显示出来（用imshow）。尝试修改map颜色矩阵的值，再将图像显示出来，观察图像颜色的变化。 2)将MATLAB目录下work文件夹中的b747.jpg图像文件读出，用rgb2gray() 将其 转化为灰度图像，记为变量B。 2.图像灰度变换处理在图像增强的作用 读入不同情况的图像，请自己编程和调用Matlab函数用常用灰度变换函数对输入图像进行灰度变换，比较相应的处理效果。 3.绘制图像灰度直方图的方法，对图像进行均衡化处理 请自己编程和调用Matlab函数完成如下实验。 1)显示B的图像及灰度直方图，可以发现其灰度值集中在一段区域，用 imadjust函 数将它的灰度值调整到[0，1]之间，并观察调整后的图像与原图像的差别，调整后的灰
度直方图与原灰度直方图的区别。 2) 对B 进行直方图均衡化处理，试比较与源图的异同。 3) 对B 进行如图所示的分段线形变换处理，试比较与直方图均衡化处理的异同。 图1.1 分段线性变换函数 三、实验原理与算法分析 1. 灰度变换 灰度变换是图像增强的一种重要手段，它常用于改变图象的灰度范围及分布，是图象数字化及图象显示的重要工具。 1) 图像反转 灰度级范围为[0, L-1]的图像反转可由下式获得 r L s --=1 2) 对数运算：有时原图的动态范围太大，超出某些显示设备的允许动态范围， 如直接使用原图，则一部分细节可能丢失。解决的方法是对原图进行灰度压缩，如对数变换： s = c log(1 + r )，c 为常数，r ≥ 0 3) 幂次变换： 0,0,≥≥=γγc cr s 4) 对比拉伸：在实际应用中,为了突出图像中感兴趣的研究对象，常常要求 局部扩展拉伸某一范围的灰度值，或对不同范围的灰度值进行不同的拉伸处理，即分段线性拉伸： 其对应的数学表达式为：
数字图像处理实验三中值滤波和均值滤波实验报告
数字图像处理实验三中值滤波和均值滤波实验报告
数字图像处理实验三 均值滤波、中值滤波的计算机实现12281166 崔雪莹计科1202班 一、实验目的： 1）熟悉均值滤波、中值滤波处理的理论基础； 2）掌握均值滤波、中值滤波的计算机实现方法； 3）学习VC++ 6。0 的编程方法； 4）验证均值滤波、中值滤波处理理论； 5）观察均值滤波、中值滤波处理的结果。 二、实验的软、硬件平台： 硬件：微型图像处理系统，包括：主机， PC机；摄像机； 软件：操作系统：WINDOWS2000或WINDOWSXP应用软件：VC++ 6.0 三、实验内容： 1）握高级语言编程技术； 2）编制均值滤波、中值滤波处理程序的方法； 3）编译并生成可执行文件； 4）考察处理结果。 四、实验要求： 1）学习VC++确6。0 编程的步骤及流程； 2）编写均值滤波、中值滤波的程序；
3）编译并改错； 4）把该程序嵌入试验二给出的界面中（作适当修改）； 5）提交程序及文档； 6）写出本次实验的体会。 五、实验结果截图 实验均值滤波采用的是3X3的方块，取周围的像素点取得其均值代替原像素点。边缘像素的处理方法是复制边缘的像素点，增加一个边框，计算里面的像素值得均值滤波。
六、实验体会 本次实验在前一次的实验基础上增加均值滤波和中值滤波，对于椒盐噪声的处理，发现中值滤波的效果更为好一点，而均值滤波是的整个图像变得模糊了一点，效果差异较大。本次实验更加增加了对数字图像处理的了解与学习。 七、实验程序代码注释及分析 // HistDemoADlg.h : 头文件 // #include "ImageWnd.h" #pragma once // CHistDemoADlg 对话框 class CHistDemoADlg : public CDialogEx { // 构造
东南大学数字图像处理实验报告
数字图像处理 实验报告 学号：04211734 姓名：付永钦 日期：2014/6/7 1.图像直方图统计 ①原理：灰度直方图是将数字图像的所有像素，按照灰度值的大小，统计其所出现的频度。 通常，灰度直方图的横坐标表示灰度值，纵坐标为半个像素个数，也可以采用某一灰度值的像素数占全图像素数的百分比作为纵坐标。 ②算法： clear all PS=imread('girl-grey1.jpg'); %读入JPG彩色图像文件figure(1);subplot(1,2,1);imshow(PS);title('原图像灰度图'); [m,n]=size(PS); %测量图像尺寸参数 GP=zeros(1,256); %预创建存放灰度出现概率的向量 for k=0:255 GP(k+1)=length(find(PS==k))/(m*n); %计算每级灰度出现的概率end figure(1);subplot(1,2,2);bar(0:255,GP,'g') %绘制直方图 axis([0 255 min(GP) max(GP)]); title('原图像直方图') xlabel('灰度值') ylabel('出现概率') ③处理结果：
原图像灰度图 100 200 0.005 0.010.0150.020.025 0.030.035 0.04原图像直方图 灰度值 出现概率 ④结果分析：由图可以看出，原图像的灰度直方图比较集中。 2. 图像的线性变换 ①原理：直方图均衡方法的基本原理是：对在图像中像素个数多的灰度值（即对画面起主 要作用的灰度值）进行展宽，而对像素个数少的灰度值（即对画面不起主要作用的灰度值）进行归并。从而达到清晰图像的目的。 ②算法： clear all %一，图像的预处理，读入彩色图像将其灰度化 PS=imread('girl-grey1.jpg'); figure(1);subplot(2,2,1);imshow(PS);title('原图像灰度图'); %二，绘制直方图 [m,n]=size(PS); %测量图像尺寸参数 GP=zeros(1,256); %预创建存放灰度出现概率的向量 for k=0:255
数据库系统实验报告 实验三 数据控制(安全性)..
《数据库系统概论》实验报告 题目：实验三数据控制（安全性） 班级姓名学号日期2014年6月6日 一、实验目的 1.通过SQL对数据库进行安全性控制 2.完成教材中例题的上机练习 二、实验平台 微软SQL Server 2000或以上版本。 对于SQL Server 2000，使用查询分析器运行SQL语句，对于SQL Server 2005以上的版本，使用SQL Server Management Studio运行SQL语句。 三、实验内容和要求 使用SQL对数据进行安全性控制，包括授权和权力回收。 操作完成后，查看授权用户是否真正具有所授予的数据操作权利，在权力回收操作之后，用户是否确实丧失了所回收的数据操作权力。 在前几次实验中已经建立了实验数据库，继续在此数据库上进行实验所要求的各项操作。认真填写实验报告，记录所有的实验用例。 四、实验步骤 1.以管理员sa登录数据库，新建DB数据库，然后运行如下SQL语句，创建 我们前几次实验所建立的表。 CREATE TABLE course ( Cno char(4) NOT NULL, Cname char(40) DEFAULT NULL, Cpno char(4) DEFAULT NULL, Ccredit smallint DEFAULT NULL, PRIMARY KEY (Cno) ) ; -- -- 转存表中的数据'course' -- INSERT INTO course (Cno, Cname, Cpno, Ccredit) V ALUES ('1', '数据库', '5', 4); INSERT INTO course (Cno, Cname, Cpno, Ccredit) V ALUES ('2', '数学', NULL, 2);
数字图像处理上机实验三
医学图像处理实验三1、计算图像的梯度，梯度值和梯度角。 I=imread('C:\Users\Administrator\Desktop\cat.jpg'); B=rgb2gray(I); C=double(B); e=1e-6;%10^-6 [dx,dy]=gradient(C);%计算梯度 G=sqrt(dx.*dx+dy.*dy);%梯度幅值 figure,imshow(uint8(G)),title('梯度图像'); pha=atan(dy./(dx+e)) figure,imshow(pha,[]) 图 1
图 2 梯度角图 2、计算图像边缘检测，用滤波器方式实现各种算子。 （1）Roberts算子 clear; I=imread('C:\Users\admin\Desktop\mao.jpg'); B=rgb2gray(I); [m,n]=size(B); nB=B; robertsnum=0;%经roberts算子计算得到的每一个像素的值robertsthreshold=0.6;%设定阈值 for j=1:m-1;%进行边界提取 for k=1:n-1 robertsnum=abs(B(j,k)-B(j+1,k+1))+abs(B(j+1,k)-B(j,k+1)); if(robertsnum>robertsthreshold) nB(j,k)=255; else nB(j,k)=0; end end end subplot(1,2,1);imshow(B);title('原图'); subplot(1,2,2);imshow(nB,[]);title('Robert算子处理后的图像');
数字图像处理实验 实验二
实验二MATLAB图像运算一、实验目的 1．了解图像的算术运算在数字图像处理中的初步应用。 2．体会图像算术运算处理的过程和处理前后图像的变化。 二、实验步骤 1．图像的加法运算-imadd 对于两个图像f x,y和 (x,y)的均值有： g x,y=1 f x,y+ 1 (x,y) 推广这个公式为： g x,y=αf x,y+β (x,y) 其中，α+β=1。这样就可以得到各种图像合成的效果，也可以用于两张图像的衔接。说明：两个示例图像保存在默认路径下，文件名分别为'rice.png'和'cameraman.tif'，要求实现下图所示结果。 代码： I1 = imread('rice.png'); I2 = imread('cameraman.tif'); I3 = imadd(I1, I2,'uint8'); I4 = imadd(I1, I2,'uint16'); subplot(2, 2, 1), imshow(I1), title('?-ê?í???1'); subplot(2, 2, 2), imshow(I2), title('?-ê?í???2'); subplot(2, 2, 3), imshow(I3), title('8??í?????ê?'); subplot(2, 2, 4), imshow(I4), title('16??í?????ê?'); 结果截图：
2．图像的减法运算-imsubtract 说明： 背景图像可通过膨胀算法得到background = imopen(I,strel('disk',15));，要求实现下图所示结果。 示例代码如下： I1 = imread('rice.png'); background = imerode(I1, strel('disk', 15)); rice2 = imsubtract(I1, background); subplot(2, 2, 1), imshow(I1), title('?-ê?í???'); subplot(2, 2, 2), imshow(background), title('±3?°í???'); subplot(2, 2, 3), imshow(rice2), title('′|àíoóμ?í???'); 结果截图： 3.图像的乘法运算-immultiply
SQL 数据库实验报告3
一、实验内容 （1）掌握在SQL Server管理平台中对表进行插入、修改和删除数据操作的方法。 （2）掌握使用Transact-SQL语句对表进行插入、修改和删除数据操作的方法。 二、实验器材（设备、元器件） Window7操作系统，SQL Server软件 三、实验步骤 （1）启动SQL Server管理平台，在对象资源管理器中展开studentsdb数据库文件夹。 （2）在studentsdb数据库中包含有数据表student_info、curriculum、grade，这些表的数据结构如图所示在studentsdb数据库中包含有数据表student_info、curriculum、grade，这些表的数据结构如图所示 （3）在SQL Server管理平台中创建student_info、curriculum表。 学生基本情况表student_info 课程信息表curriculum
①启动SQL Server管理平台，在对象资源管理器中展开studentsdb数据库文件夹。 ②在SQL Server管理平台中创建student_info表。 ③在SQL Server管理平台中创建curriculum表。 （4）使用Transact-SQL语句CREATE TABLE在studentsdb数据库中创建表 学生成绩表grade
①新建查询，输入Transact-SQL语句，点击执行 ②出现如下界面，学生成绩表grade建立成功 （5）在SQL Server管理平台中，将student_info表的学号列设置为主键，非空。
（6）student_info、curriculum、grade表中的数据如图所示。 student_info的数据 curriculum的数据 grade的数据 （7）在SQL Server管理平台中为student_info表添加数据
数字图像处理实验报告实验三
中南大学 数字图像处理实验报告实验三数学形态学及其应用
实验三 数学形态学及其应用 一．实验目的 1.了解二值形态学的基本运算 2.掌握基本形态学运算的实现 3.了解形态操作的应用 二．实验基本原理 腐蚀和膨胀是数学形态学最基本的变换，数学形态学的应用几乎覆盖了图像处理的所有领域，给出利用数学形态学对二值图像处理的一些运算。 膨胀就是把连接成分的边界扩大一层的处理。而收缩则是把连接成分的边界点去掉从而缩小一层的处理。 二值形态学 I(x,y), T(i,j)为 0/1图像Θ 腐蚀：[]),(&),(),)((),(0,j i T j y i x I AND y x T I y x E m j i ++=Θ== 膨胀：[]),(&),(),)((),(0 ,j i T j y i x I OR y x T I y x D m j i ++=⊕== 灰度形态学T(i,j)可取10以外的值 腐蚀： []),(),(min ),)((),(1 ,0j i T j y i x I y x T I y x E m j i -++=Θ=-≤≤ 膨胀： []),(),(max ),)((),(1 ,0j i T j y i x I y x T I y x D m j i +++=⊕=-≤≤ 1.腐蚀Erosion: {}x B x B X x ?=Θ: 1B 删两边 2B 删右上 图5-1 剥去一层（皮） 2.膨胀Dilation: {}X B x B X x ↑⊕:＝ 1B 补两边 2B 补左下 图5-2 添上一层（漆） 3.开运算open ：
B B X ⊕Θ=)(X B 4.闭close ：∨ Θ⊕=B B X X B )( 5.HMT(Hit-Miss Transform:击中——击不中变换) 条件严格的模板匹配 ),(21T T T =模板由两部分组成。1T ：物体，2T ：背景。 {} C x x i X T X T X T X ??=?21, 图5-3 击不中变换示意图 性质： （1）φ=2T 时，1T X T X Θ=? （2）)()()(21T X T X T X C Θ?Θ=? C T X T X )()(21Θ?Θ= )/()(21T X T X ΘΘ= 6.细化/粗化 (1)细化（Thin ） C T X X T X XoT )(/??=?= 去掉满足匹配条件的点。 图5-4 细化示意图 系统细化{}n B oB XoB T Xo ))(((21=， i B 是1-i B 旋转的结果（90?，180?，270?）共8种情况 适于细化的结构元素 1111000d d I = d d d L 10110 0= (2)粗化（Thick ） )(T X X T X ??=? 用(){}0,01=T (){}0,12=T 时，X X X T X =?=? X 21 1 1 2 3 T ? XoT X ? X X ?T X ΘT T ⊕
数字图像处理——彩色图像实验报告
6.3实验步骤 (1)对彩色图像的表达和显示 * * * * * * * * * * * *显示彩色立方体* * * * * * * * * * * * * rgbcube(0,0,10); %从正面观察彩色立方体 rgbcube(10,0,10); %从侧面观察彩色立方 rgbcube(10,10,10); %从对角线观察彩色立方体 %* * * * * * * * * *索引图像的显示和转换* * * * * * * * * * f=imread('D:\Picture\Fig0604(a)(iris).tif'); figure,imshow(f);%f是RGB真彩图像 %rgb图像转换成8色索引图像，不采用抖动方式 [X1,map1]=rgb2ind(f,8,'nodither'); figure,imshow(X1,map1); %采用抖动方式转换到8色索引图像 [X2,map2]=rgb2ind(f,8,'dither'); figure,imshow(X2,map2); %显示效果要好一些 g=rgb2gray(f); %f转换为灰度图像 g1=dither(g);%将灰色图像经过抖动处理，转换打二值图像figure,imshow(g);%显示灰度图像 figure,imshow(g1);%显示抖动处理后的二值图像 程序运行结果：
彩色立方体原图 不采用抖动方式转换到8色索引图像采用抖动方式转换到8色索引图像 灰度图像抖动处理后的二值图像
(2)彩色空间转换 f=imread('D:\Picture\Fig0604(a)(iris).tif'); figure,imshow(f);%f是RGB真彩图像 %转换到NTSC彩色空间 ntsc_image=rgb2ntsc(f); figure,imshow(ntsc_image(:,:,1));%显示亮度信息figure,imshow(ntsc_image(:,:,2));%显示色差信息figure,imshow(ntsc_image(:,:,3));%显示色差信息 %转换到HIS彩色空间 hsi_image=rgb2hsi(f); figure,imshow(hsi_image(:,:,1));%显示色度信息figure,imshow(hsi_image(:,:,2)); %显示饱和度信息figure,imshow(hsi_image(:,:,3));%显示亮度信息 程序运行结果： 原图 转换到NTSC彩色空间
数字图像处理实验报告
数字图像处理试验报告 实验二：数字图像的空间滤波和频域滤波 姓名：XX学号：2XXXXXXX 实验日期：2017 年4 月26 日 1.实验目的 1. 掌握图像滤波的基本定义及目的。 2. 理解空间域滤波的基本原理及方法。 3. 掌握进行图像的空域滤波的方法。 4. 掌握傅立叶变换及逆变换的基本原理方法。 5. 理解频域滤波的基本原理及方法。 6. 掌握进行图像的频域滤波的方法。 2.实验内容与要求 1. 平滑空间滤波： 1) 读出一幅图像，给这幅图像分别加入椒盐噪声和高斯噪声后并与前一张图显示在同一 图像窗口中。 2) 对加入噪声图像选用不同的平滑（低通）模板做运算，对比不同模板所形成的效果，要 求在同一窗口中显示。 3) 使用函数 imfilter 时，分别采用不同的填充方法（或边界选项，如零填 充、’replicate’、’symmetric’、’circular’）进行低通滤波，显示处理后的图 像。 4) 运用 for 循环，将加有椒盐噪声的图像进行 10 次，20 次均值滤波，查看其特点, 显 示均值处理后的图像（提示:利用fspecial 函数的’average’类型生成均值滤波器）。 5) 对加入椒盐噪声的图像分别采用均值滤波法，和中值滤波法对有噪声的图像做处理，要 求在同一窗口中显示结果。 6) 自己设计平滑空间滤波器，并将其对噪声图像进行处理，显示处理后的图像。 2. 锐化空间滤波 1) 读出一幅图像，采用3×3 的拉普拉斯算子 w = [ 1, 1, 1; 1 – 8 1; 1, 1, 1] 对其进行滤波。 2) 编写函数w = genlaplacian(n)，自动产生任一奇数尺寸n 的拉普拉斯算子，如5 ×5的拉普拉斯算子 w = [ 1 1 1 1 1 1 1 1 1 1 1 1 -24 1 1 1 1 1 1 1 1 1 1 1 1] 3) 分别采用5×5，9×9，15×15和25×25大小的拉普拉斯算子对
数字图像处理实验三
数字图像处理实验报告 学院：电子信息与自动化 专业：电子信息工程 班级：120224 实验人：张文君（12022419） 同组人：姚朱晨（12022417）
实验三： 数字图像的频域增强:低通滤波 一．实验目的 1. 掌握图像滤波的基本定义及目的。 2. 理解频域滤波的基本原理及方法。 3. 掌握进行图像的低通滤波的方法。 二．实验基本原理 频域增强是利用图像变换方法将原来的图像空间中的图像以某种形式转换到其他空间中，然后利用该空间的特有性质方便地进行图像处理，最后再转换回原来的图像空间中，从而得到处理后的图像。 频域增强的主要步骤是： 1.选择变换方法，将输入图像变换到频域空间。 2.在频域空间中，根据处理目的设计一个转移函数，并进行处理。 3.将所得结果用反变换得到增强的图像。 常用的频域增强方法有低通滤波和高通滤波。 低通滤波 图像的能量大部分集中在幅度谱的低频和中频部分，而图像的边缘和噪声对应于高频部分。因此能降低高频成分幅度的滤波器就能减弱噪声的影响。由卷积定理，在频域实现低通滤波的数学表达式： G (u ,v ) =H (u ,v )F (u ,v ) 1) 理想低通滤波器（ILPF ） { 0),u (0 ),(10)v ,u (≤>= v D v u D H 2) 巴特沃斯低通滤波器（BLPF ） n D v u D v u H 20),()12(11 ),(??? ? ??-+= 3）指数型低通滤波器（ELPF ） 2 0),(),(n D v u D e v u H ? ?????-= 三．实验内容与要求
平滑频域滤波 1) 设计理想低通滤波器、巴特沃斯低通滤波器和指数型低通滤波器，截止频率自选。 2) 读出cameraman.tif 这幅图像，加入椒盐躁声，分别采用理想低通滤波器、巴特沃斯低通滤波器和高斯低通滤波器对其进行滤波（截止频率自选），再做反变换得到低通滤波后的空域图像。 四．实验程序 I=imread('cameraman.tif');%读入图像 figure; subplot(2,3,1),imshow(I); title('原图'); I=imnoise(I,'salt & pepper',0.02); %加入椒盐躁声 subplot(2,3,2),imshow(I); title('加入椒盐躁声图'); f=double(I); % 由于MATLAB 不支持unsigned int 型图像计算，故将图像数据变为double 型 g=fft2(f); % 傅里叶变换 g=fftshift(g); % 将傅里叶变化零频率搬移到频谱中间 [M,N]=size(g); % 确定图像大小,M 为行数，N 为列数 D0=100; %截止频率 m=fix(M/2); n=fix(N/2);% 确定傅里叶变化原点（即直流部分），并且数据向0 取整result=zeros(M,N); for i=1:1:M for j=1:1:N d=sqrt((i-m)^2+(j-n)^2);%计算D(u，v) if(d<=D0) h=1;%如果D(u，v)<=D0, H(u,v)=1 else h=0;%如果D(u，v)>D0, H(u,v)=0 end result(i,j)=h*g(i,j); end end result=ifftshift(result);% 傅里叶逆移频，由于之前做过fftshift J1=ifft2(result);% 傅里叶反变换 J2=uint8(real(J1));%提取J1 的实部,并将该数据定义为8 位无符号整数 subplot(2,3,3),imshow(J2) ; title('理想低通滤波图'); n=2;%二阶 D0=150; %截止频率 m=fix(M/2); n=fix(N/2);% 确定傅里叶变化原点（即直流部分），并且数据向0 取整result=zeros(M,N);
数字图像处理实验
《数字图像处理》 实验报告 学院：信息工程学院 专业：电子信息工程 学号： 姓名： 2015年6月18日
目录 实验一图像的读取、存储和显示 (2) 实验二图像直方图分析 (6) 实验三图像的滤波及增强 (15) 实验四噪声图像的复原 (19) 实验五图像的分割与边缘提取 (23) 附录1MATLAB简介 (27)
实验一图像的读取、存储和显示 一、实验目的与要求 1．熟悉及掌握在MATLAB中能够处理哪些格式图像。 2．熟练掌握在MATLAB中如何读取图像。 3．掌握如何利用MATLAB来获取图像的大小、颜色、高度、宽度等等相关信息。 4．掌握如何在MATLAB中按照指定要求存储一幅图像的方法。 5．图像的显示。 二、实验原理 一幅图像可以被定义为一个二维函数f(x,y),其中x和y是空间(平面)坐标，f 在任何坐标处(x,y)处的振幅称为图像在该点的亮度。灰度是用来表示黑白图像亮度的一个术语，而彩色图像是由单个二维图像组合形成的。例如，在RGB彩色系统中，一幅彩色图像是由三幅独立的分量图像(红、绿、蓝)组成的。因此，许多为黑白图像处理开发的技术适用于彩色图像处理，方法是分别处理三副独立的分量图像即可。图像关于x和y坐标以及振幅连续。要将这样的一幅图像转化为数字形式，就要求数字化坐标和振幅。将坐标值数字化成为取样；将振幅数字化成为量化。采样和量化的过程如图1所示。因此，当f的x、y分量和振幅都是有限且离散的量时，称该图像为数字图像。 三、实验设备 (1) PC计算机 (2) MatLab软件/语言包括图像处理工具箱(Image Processing Toolbox) (3) 实验所需要的图片 四、实验内容及步骤 1．利用imread( )函数读取一幅图像，假设其名为flower.tif，存入一个数组中； 2．利用whos 命令提取该读入图像flower.tif的基本信息； 3．利用imshow()函数来显示这幅图像； 4．利用imfinfo函数来获取图像文件的压缩，颜色等等其他的详细信息； 5．利用imwrite()函数来压缩这幅图象，将其保存为一幅压缩了像素的jpg文件设为flower.jpg语法：imwrite(原图像，新图像，‘quality’,q), q取0-100。 6．同样利用imwrite()函数将最初读入的tif图象另存为一幅bmp图像，设为flower.bmp。 7．用imread()读入图像：Lenna.jpg 和camema.jpg； 8．用imfinfo()获取图像Lenna.jpg和camema.jpg 的大小；
数字图像处理实验报告
数字图像处理实验 报告 学生姓名：学号： 专业年级： 09级电子信息工程二班
实验一常用MATLAB图像处理命令 一、实验内容 1、读入一幅RGB图像，变换为灰度图像和二值图像，并在同一个窗口内分成三个子窗口来分别显示RGB图像和灰度图像，注上文字标题。 实验结果如右图： 代码如下： Subplot (1,3,1) i=imread('E:\数字图像处理\2.jpg') imshow(i) title('RGB') Subplot (1,3,2) j=rgb2gray(i) imshow(j) title('灰度') Subplot (1,3,3) k=im2bw(j,0.5) imshow(k) title('二值') 2、对两幅不同图像执行加、减、乘、除操作，在同一个窗口内分成五个子窗口来分别显示，注上文字标题。 实验结果如右图： 代码如下： Subplot (3,2,1) i=imread('E:\数字图像处理 \16.jpg') x=imresize(i,[250,320]) imshow(x) title('原图x') Subplot (3,2,2) j=imread(''E:\数字图像处理 \17.jpg') y=imresize(j,[250,320]) imshow(y) title('原图y') Subplot (3,2,3) z=imadd(x,y) imshow(z)
title('相加结果')；Subplot (3,2,4)；z=imsubtract(x,y)；imshow(z)；title('相减结果') Subplot (3,2,5)；z=immultiply(x,y)；imshow(z)；title('相乘结果') Subplot (3,2,6)；z=imdivide(x,y)；imshow(z)；title('相除结果') 3、对一幅图像进行灰度变化，实现图像变亮、变暗和负片效果，在同一个窗口内分成四个子窗口来分别显示，注上文字标题。 实验结果如右图： 代码如下： Subplot (2,2,1) i=imread('E:\数字图像处理 \23.jpg') imshow(i) title('原图') Subplot (2,2,2) J = imadjust(i,[],[],3); imshow(J) title('变暗') Subplot (2,2,3) J = imadjust(i,[],[],0.4) imshow(J) title('变亮') Subplot (2,2,4) J=255-i Imshow(J) title('变负') 二、实验总结 分析图像的代数运算结果，分别陈述图像的加、减、乘、除运算可能的应用领域。 解答：图像减运算与图像加运算的原理和用法类似，同样要求两幅图像X、Y的大小类型相同，但是图像减运算imsubtract()有可能导致结果中出现负数，此时系统将负数统一置为零，即为黑色。 乘运算实际上是对两幅原始图像X、Y对应的像素点进行点乘(X.*Y)，将结果输出到矩阵Z中，若乘以一个常数，将改变图像的亮度：若常数值大于1，则乘运算后的图像将会变亮；叵常数值小于是，则图像将会会暗。可用来改变图像的灰度级，实现灰度级变换，也可以用来遮住图像的某些部分，其典型应用是用于获得掩膜图像。 除运算操作与乘运算操作互为逆运算，就是对两幅图像的对应像素点进行点（X./Y)， imdivide()同样可以通过除以一个常数来改变原始图像的亮度，可用来改变图像的灰度级，其典型运用是比值图像处理。 加法运算的一个重要应用是对同一场景的多幅图像求平均值 减法运算常用于检测变化及运动的物体，图像相减运算又称为图像差分运算，差分运算还可以用于消除图像背景，用于混合图像的分离。
数据库原理实验报告(3)实验三数据表的创建与管理实验
数据库原理实验报告(3)实验三数据表的创建与 管理实验 南京晓庄学院 《数据库原理与应用》 课程实验报告 实验三数据表的创建与管理实验 所在院(系): 数学与信息技术学院班级： 学号： 姓名： 1.实验目的 (1) 理解SQL Server 20xx常用数据类型和表结构的设计方法。理解主键、外键含义，掌握 建立各表相关属性间参照关系的方法。 (2) 熟练掌握使用SQL Server Management Studio图形工具创建表，删除表，修改表结构，插入及更新数据的方法。 (3) 熟练掌握使用Transact-SQL语句创建表，删除表，修改表结构，插入及更新数据的方 法。 2.实验要求 基本实验：
(1) 在实验二所创建的“TM”数据库中合理设计以下各表逻辑结构： 学生信息（学号，姓名，性别，籍贯，出生日期，民族，学院/系别号，班级号） 课程信息（课程号，课程名称，课程所属模块，课程类别，学分，学时） 学习信息（学号，课程号，考试成绩，平时成绩） 院系信息（院系号，院系名称） 要求确定各个字段的名称、类型、是否有默认值，是否主键等信息。 (2) 依据你所设计的表结构，使用SQL Server Management Studio图形工具在“TM”数据 库中创建学生信息表和课程信息表，并试验在图形界面中修改表结构，删除数据表，输入并更新数据的方法。 (3) 依据你所设计表结构，使用Transact-SQL语句创建学习信息表和院系信息表，并试验 使用T-SQL语句修改表结构，删除数据表，插入和更新数据的方法。 (4) 找出已创建各表之间相关属性的参照关系，并在相关表中增加引用完整性约束。 (5) 按要求完成实验报告。 扩展实验： (1) 在“TM”数据库中补充设计以下各表结构：
数字图像处理实验报告3
实验三数字图像的空间域滤波 院（系）：电气学院姓名：刘丽霞学号：200902050068 实验时间：2012/11/20 实验地点：A07-602 指导老师：李静 一、实验目的 1）掌握图像滤波的基本定义及目的。 2）理解空间域滤波的基本原理及方法。 3）掌握进行图像的空域滤波的方法。 二、实验环境 1）在MATLAB的环境下进行实验； 2）复制若干图形文件至MATLAB目录下work文件夹中。 三、实验方法 1.平滑空间滤波： 1)读出eight.tif这幅图像，给这幅图像分别加入椒盐噪声和高 斯噪声后并与前一张图显示在同一图像窗口中。 I1=imnoise(I,'salt & pepper',0.02); %加入椒盐噪声 I2=imnoise(I,'gaussian',0,0.005); %加入高斯噪声 2)对加入噪声图像选用不同的平滑（低通）模板做运算，对比不 同模板所形成的效果，要求在同一窗口中显示。 Hs = fspecial('sobel'); Sobel = imfilter(I,Hs,'replicate'); %选用不同的平滑模板 3)使用函数imfilter时，分别采用不同的填充方法（或边界选 项，如零填充、’replicate’、’symmetric’、’circular’）进行低通滤波，显示处理后的图像。 4)运用for循环，将加有椒盐噪声的图像进行10次，20次均值 滤波，查看其特点,显示均值处理后的图像。 II1=rgb2gray(I1); a=1/9.*[1 1 1 1 1 1
1 1 1]; b=conv2(a,II1); %均值处理 5)对加入椒盐噪声的图像分别采用均值滤波法，和中值滤波法对 有噪声的图像做处理，要求在同一窗口中显示结果。 2.锐化空间滤波 读出moon.tif这幅图像，采用3×3的拉普拉斯算子w = [ 1, 1, 1; 1 – 8 1; 1, 1, 1]对其进行滤波。 w =[1,1,1; 1,-8,1; 1,1,1]; K=conv2(T,w,'same');%3×3的拉普拉斯算子滤波 四、实验结果
数字图像处理实验一
数字图像处理—实验一 一．实验内容： 图像灰度变换 二．实验目的： 学会用Matlab软件对图像灰度进行变换；感受各种不同的灰度变换方法对最终图像效果的影响。 三．实验步骤： 1．获取实验用图像：rice.jpg. 使用imread函数将图像读入Matlab。 程序： clc;clear; figure; subplot(4,4,1); i = imread('rice.png'); i = im2double(i); imshow(i);title('1'); 2．产生灰度变换函数T1，使得： 0.3r r < 0.35 s = 0.105 + 2.6333(r – 0.35) 0.35 ≤r ≤0.65
1 + 0.3(r – 1) r > 0.65 用T1对原图像rice.jpg进行处理，使用imwrite函数保存处理后的新图像。程序： subplot(4,4,2); r=[0:0.001:1]; s=[r<0.35].*r*0.3+[r<=0.65].*[r>=0.35].*(0.105+2.6333*(r-0.35))+[r>0.65].*(1 +0.3*(r-1)); plot(r,s);title('2p'); subplot(4,4,3); T1=[i<0.35].*i*0.3+[i<=0.65].*[i>=0.35].*(0.105+2.6333*(i-0.35))+[i>0.65].*( 1+0.3*(i-1)); imshow(T1);title('2i'); imwrite(T1,'rice_T1.jpg','jpg');
3．产生灰度变换函数T2，使得： 用T2对原图像rice.jpg进行处理，使用imwrite保存处理后的新图像。 %3 subplot(4,4,4); r = [0:0.001:1];
武汉科技大学 数字图像处理实验报告讲解
二○一四～二○一五学年第一学期电子信息工程系 实验报告书 班级：电子信息工程（DB）1102班姓名 学号： 课程名称：数字图像处理 二○一四年十一月一日
实验一图像直方图处理及灰度变换（2学时） 实验目的： 1. 掌握读、写、显示图像的基本方法。 2. 掌握图像直方图的概念、计算方法以及直方图归一化、均衡化方法。 3. 掌握图像灰度变换的基本方法，理解灰度变换对图像外观的改善效果。 实验内容： 1. 读入一幅图像，判断其是否为灰度图像，如果不是灰度图像，将其转化为灰度图像。 2. 完成灰度图像的直方图计算、直方图归一化、直方图均衡化等操作。 3. 完成灰度图像的灰度变换操作，如线性变换、伽马变换、阈值变换（二值化）等，分别使用不同参数观察灰度变换效果（对灰度直方图的影响）。 实验步骤： 1. 将图片转换为灰度图片,进行直方图均衡，并统计图像的直方图： I1=imread('pic.jpg'); %读取图像 I2=rgb2gray(I1); %将彩色图变成灰度图 subplot(3,2,1); imshow(I1); title('原图'); subplot(3,2,3); imshow(I2); title('灰度图'); subplot(3,2,4); imhist(I2); %统计直方图 title('统计直方图'); subplot(3,2,5); J=histeq(I2); %直方图均衡 imshow(J); title('直方图均衡'); subplot(3,2,6); imhist(J); title('统计直方图');
原 图 灰度图 01000 2000 3000统计直方图 100200直方图均衡 0统计直方图 100200 仿真分析： 将灰度图直方图均衡后，从图形上反映出细节更加丰富，图像动态范围增大，深色的地方颜色更深，浅色的地方颜色更前，对比更鲜明。从直方图上反应，暗部到亮部像素分布更加均匀。 2. 将图片进行阈值变换和灰度调整，并统计图像的直方图： I1=imread('rice.png'); I2=im2bw(I1,0.5); %选取阈值为0.5 I3=imadjust(I1,[0.3 0.9],[]); %设置灰度为0.3-0.9 subplot(3,2,1); imshow(I1); title('原图'); subplot(3,2,3); imshow(I2); title('阈值变换'); subplot(3,2,5); imshow(I3); title('灰度调整'); subplot(3,2,2); imhist(I1); title('统计直方图'); subplot(3,2,4);