隨著個人素質的提升，報告使用的頻率越來越高，我們在寫報告的時候要注意邏輯的合理性。怎樣寫報告才更能起到其作用呢？報告應該怎么制定呢？這里我整理了一些優(yōu)秀的報告范文，希望對大家有所幫助，下面我們就來了解一下吧。
數(shù)字圖像處理總結報告篇一
1.產(chǎn)生右圖所示亮塊圖像 f1(x,y)（128×128大小，暗處=0，亮處=255），對其進行fft：
（1）同屏顯示原圖f1和fft(f1)的幅度譜圖；
圖像：
（2）若令f2(x,y)=（-1）f1(x,y)，重復以上過程，比較二者幅度譜的異同，簡述理由；（3）若將f2(x,y)順時針旋轉45度得到f3(x,y)，試顯示fft(f3)的幅度譜，并與fft(f2)的幅度譜進行比較。
x+y
結論：不同點：f2的頻譜是對f1頻譜的移位，它時f1的頻譜從原點（0，0）移到了中心（64，64），而得到了一個完整的頻譜。
相同點：頻譜的實質沒有改變，幅度等都沒有發(fā)生變化。
（3）若將f2(x,y)順時針旋轉45度得到f3(x,y)，試顯示fft(f3)的幅度譜，并與fft(f2)的幅度譜進行比較。
源程序：f1=zeros(128,128);for i=38:1:90 for j=58:1:70 f1(i,j)=255;end end figure(1)subplot(1,2,1);imshow(f1);subplot(1,2,2);imshow(fft2(f1));% f2(x,y)=（-1）^(x+y)* f1(x,y)for i=1:1:128 for j=1:1:128 f2(i,j)=(-1)^(i+j)*f1(i,j);end end figure(2);subplot(1,3,1);imshow(f2);f3=imrotate(f2,-45,'bilinear');%將f2順時針旋轉45度 subplot(1,3,2);imshow(fft2(f2));%顯示f2的頻譜 subplot(1,3,3);imshow(fft2(f3));%顯示f3的頻譜
結論：均衡化后的直方圖并非完全均勻分布的原因：因為圖像的像素個數(shù)和灰度等級均為離散值，而且均衡化后使灰度級并歸。
2.對256?256大小、256級灰度的數(shù)字圖像lena進行頻域的理想低通、高通濾波，同屏顯示原圖、幅度譜圖和低通、高通濾波的結果圖。
源代碼： figure(1);fid=fopen('d:','r');data=(fread(fid,[256,256],'uint8'))';subplot(2,2,1)imagesc(data);colormap(gray);title('lena','color','r');subplot(2,2,2);imshow(fft2(data));s=fftshift(fft2(data));[m,n]=size(s);%分別返回s的行數(shù)到m中，列數(shù)到n中 n=2;%對n賦初值 %glpf濾波，d0=5，15，30（程序中以d0=30為例）d0=30;%初始化d0 n1=floor(m/2);%對m/2進行取整 n2=floor(n/2);%對n/2進行取整 for i=1:m for j=1:n d=sqrt((i-n1)^2+(j-n2)^2);%點（i,j）到傅立葉變換中心的距離 h=1*exp(-1/2*(d^2/d0^2));%glpf濾波函數(shù)
s(i,j)=h*s(i,j);%glpf濾波后的頻域表示 end end s=ifftshift(s);%對s進行反fft移動
%對s進行二維反離散的fourier變換后，取復數(shù)的實部轉化為無符號8位整數(shù) s=uint8(real(ifft2(s)));subplot(2,2,3);%創(chuàng)建圖形圖像對象 imshow(s);p=fftshift(fft2(data));[m,n]=size(p);%分別返回p的行數(shù)到m中，列數(shù)到n中 n=2;%對n賦初值 %glpf濾波d1=30 d1=30;%初始化d1 n3=floor(m/2);%對m/2進行取整 n4=floor(n/2);%對n/2進行取整 for i=1:m for j=1:n dd=sqrt((i-n3)^2+(j-n4)^2);%點（i,j）到傅立葉變換中心的距離 h1=1-exp(-1/2*(dd^2/d1^2));%ghpf濾波函數(shù)
p(i,j)=h1*p(i,j);%ghpf濾波后的頻域表示 end end p=ifftshift(p);%對p進行反fft移動
%對s進行二維反離散的fourier變換后，取復數(shù)的實部轉化為無符號8位整數(shù) p=uint8(real(ifft2(p)));subplot(2,2,4);%創(chuàng)建圖形圖像對象 imshow(p);
3.對給定的兩種128?128、256級灰度的數(shù)字圖像（（指紋圖）（顯微醫(yī)學圖像）進行如下處理：
（1）對原圖像進行直方圖均衡化處理，同屏顯示處理前后圖像及其直方圖，比較異同，并回答為什么數(shù)字圖像均衡化后其直方圖并非完全均勻分布。
異同：由于原圖像中目標物的灰度主要集中于低亮度部分，而且象素總數(shù)比較多，經(jīng)過直方圖均衡后，目標物的所占的灰度等級得到擴展，對比度加強，使整個圖像得到增強。
數(shù)字圖像均衡化后其直方圖并非完全均勻分布的原因：由于原圖像中目標物的灰度主要集中于低亮度部分，而且象素總數(shù)比較少，而所占的灰度等級比較多，因此圖像的對比度比較好，亮度比較大，整體圖像清晰。經(jīng)過直方圖均衡后，目標物的所占的灰度等級被壓縮，對比度減弱，反而使目標物變的難以辨認。
數(shù)字圖像均衡化后，其直方圖并非完全均勻分布，這是因為圖像的象素個數(shù)和灰度等級均為離散值；而且均衡化使灰度級并歸，因此，均衡化后，其直方圖并非完全均勻分布。
源代碼： figure(1);fid=fopen('d:','r');
%打開無格式文件 data1=(fread(fid,[128,128],'uint8'))';%將打開的文件讀入到data1 subplot(4,2,1);
%將figure(1)分成4*2的8個子窗口, data11=uint8(data1);imshow(data11);%圖象顯示
title('cell','color','b');
%加標題 subplot(4,2,2);title('原圖像直方圖');imhist(data11);subplot(4,2,3);
%取第二個子窗口
data2=uint8(data1);%將灰度圖象轉換成uint8格式 b=histeq(data2);
%直方圖均衡化
imshow(b,256);
%顯示均衡化圖象,256可缺省 title('均衡化','color','b');
subplot(4,2,4);imhist(b);title('均衡化后圖像直方圖');subplot(4,2,5)fid=fopen('d:','r');%打開無格式文件
data3=(fread(fid,[128,128],'uint8'))';%將打開的文件讀入到data3 data31=uint8(data3);
%將灰度圖象轉換成uint8格式 imshow(data31);
%顯示灰度圖象 title('fing','color','b');subplot(4,2,6)imhist(data31);title('原圖像直方圖');subplot(4,2,7);
data4=uint8(data3);%將灰度圖象轉換成uint8格式 d=histeq(data4);
%直方圖均衡化
imshow(d,256);
%顯示均衡化圖象,256可缺省 title('均衡化','color','b');
subplot(4,2,8);imhist(d);title('均衡化后原圖像直方圖');（2）對原圖像加入高斯噪聲，用4-鄰域平均法平滑加噪聲圖像（圖像四周邊界不處理，下同），同屏顯示原圖像、加噪圖像和處理后的圖像。
① 不加門限；
② 加門限 t?2f(m,n)，（其中f(m,n)?
1n2??f(i,j)）
ij
源代碼： % cell figure(2);fid=fopen('d:','r');
%打開無格式文件
data1=(fread(fid,[128,128],'uint8'))';%將打開的文件讀入到data1 i=uint8(data1);i1=imnoise(i,'gaussian');%加乘性噪聲 h1=[0 1 0;1 0 1;0 1 0]/4;%4×4領域模板 j=imfilter(i,h1);%領域平均
subplot(2,4,1),imshow(i);%顯示圖像i title('原圖像');subplot(2,4,2),imshow(i1);title('加噪聲后圖像');subplot(2,4,3),imshow(j);
%不加門限平滑 title('不加門限平滑后圖像');%加門限后濾波
t= 2*sum(i1(:))/128^2;im_t = zeros(128,128);for i = 1:128
for j = 1:128
if abs(i1(i,j)j(i,j))>t
im_t(i,j)= j(i,j);
else
im_t(i,j)= i1(i,j);
end
end end subplot(2,4,8);imshow(im_t);title('加門限后');4.（1）用laplacian銳化算子（分??1和??2兩種情況）對256?256大小、256級灰度的數(shù)字圖像lena進行銳化處理，顯示處理前、后圖像。
源代碼：
%laplacian算子銳化
i=imread('d:');% 讀入原圖像 figure(1);subplot(1,3,1);imshow(i);title('原始圖像');l=fspecial('laplacian');l1=[0-1 0;-1 5-1;0-1 0];l2=[0-2 0;-2 9-2;0-2 0];lp1=imfilter(i,l1,'replicate');% α=1時的拉普拉斯算子 lp2=imfilter(i,l2,'replicate');% α=2時的拉普拉斯算子
subplot(1,3,2);imshow(lp1);title('laplacian算子α=1銳化圖像');subplot(1,3,3);imshow(lp2);title('laplacian算子α=2銳化圖像');
（2）若令
g1(m,n)?f(m,n)???2f，g2(m,n)?4?f(m,n)??[f(m?1,n)?f(m?1,n)?f(m,n?1)?f(m,n?1)
?f(m,n?1)?f(m,n?1)]
則回答如下問題：
① f(m,n)、g1(m,n)和g2(m,n)之間有何關系？ ② g2(m,n)代表圖像中的哪些信息？ ③ 由此得出圖像銳化的實質是什么？
①因為g2(m,n)????2f(m,n)，所以f(m,n)、g1(m,n)和g2(m,n)之間有以下關系：
g1(m,n)?f(m,n)?g2(m,n)
②g2(m,n)代表了原圖像中的二階梯度信息；g1(m,n)是邊緣增強后的數(shù)字圖像； ③由此可以得出：圖像銳化的實質是將原圖像與梯度信息疊加（梯度信息所占的比例由，相當于對目標物的邊緣進行了增強。?的大小決定，?值越大則梯度信息所占的比例越大）
5.分別利用roberts、prewitt和sobel邊緣檢測算子，對256?256大小、256級灰度的數(shù)字圖像lena進行邊緣檢測，顯示處理前、后圖像。圖像：
源代碼：
i=imread('d:');% 讀入原圖像 figure(1)%roberts梯度法銳化
subplot(2,2,1);imshow(i);title('原始圖像');j=double(i);[ix,iy]=gradient(j);%計算梯度 a=sqrt(ix.*ix+iy.*iy);subplot(2,2,2);imshow(a,[]);title('roberts梯度法銳化圖像');%prewitt算子銳化
s=imfilter(i,fspecial('prewitt'));subplot(2,2,3);imshow(s);title('prewitt算子銳化圖像');%sobel算子銳化
s=imfilter(i,fspecial('sobel'));subplot(2,2,4);imshow(s);title('sobel算子銳化圖像');
6、學習數(shù)字圖像處理課程的心得體會，該課程在哪些方面需要改進，對該課程或者任課老師有哪些意見或建議。
通過對數(shù)字圖像處理課程的認真學習，在課堂聽課和課余實踐中了解了數(shù)字圖像的基礎知識，培養(yǎng)了一定的軟件編程能力，在努力完成課堂作業(yè)的同時，發(fā)現(xiàn)了對圖像方面的興趣。老師認真負責，布置合理的作業(yè)。但希望能夠通過更加豐富的授課方式，提高更多人學習該門課程的興趣和主動性。也同樣希望老師能夠加強點名和作業(yè)的驗收，督促學生更加認真的學習知識。
數(shù)字圖像處理總結報告篇二
練習一 常用matlab圖像處理命令
一、練習目的
1、熟悉并掌握matlab工具的使用；
2、實現(xiàn)圖像的讀取、顯示、代數(shù)運算和簡單變換。
二、練習環(huán)境
windows操作系統(tǒng)
matlab 6.5或以上應用軟件
三、練習內容
1、圖像文件的讀寫
（1）imread函數(shù)用來實現(xiàn)圖像文件的讀取。輸入以下程序：
a=imread('文件名.擴展名');%用imread函數(shù)來讀入圖像 注：設置路徑 imshow(a);%用imshow函數(shù)來顯示圖像 得到的結果如圖：
（2）imfinfo函數(shù)用來查詢圖像文件信息。輸入以下程序：
info=imfinfo('文件名.擴展名');% 用imfinfo函數(shù)查詢圖像文件信息 得到： info =
filename: '文件名.擴展名'
（4）imshow函數(shù)用來顯示圖像。
剛才介紹imread函數(shù)時已使用此函數(shù)。
（5）colorbar函數(shù)將顏色條添加到坐標軸對象中。輸入以下程序：
rgb=imread('***');%圖像讀入
i=rgb2gray(rgb);%把rgb圖像轉換成灰度圖像
imshow(i),colorbar('vert')% 將顏色條添加到坐標軸對象中
得到如圖：
2、圖像處理的基本操作
一、圖像代數(shù)運算
（1）imadd函數(shù)實現(xiàn)兩幅圖像的相加或者給一幅圖像加上一個常數(shù)。給圖像每個像素都增加亮度的程序如下： i=imread('***');j=imadd(i,100);%給圖像增加亮度 subplot(1,2,1),imshow(i)%填充 subplot(1,2,2),imshow(j)結果如圖5。
（2）imsubtract函數(shù)實現(xiàn)從一幅圖像中減去一個常數(shù)。輸入以下程序實現(xiàn)從一幅圖像中減去一個常數(shù)：
（3）immultiply實現(xiàn)兩幅圖像的相乘或者一幅圖像的亮度縮放（圖像乘以小于1或大于1的參數(shù)，比較效果）。輸入以下程序：
（4）imspanide函數(shù)實現(xiàn)兩幅圖像的除法或一幅圖像的亮度縮放。輸入以下程序：
二、圖像的空間域操作
（1）imrotate函數(shù)實現(xiàn)圖像的旋轉。輸入以下程序： i=imread('***');j=imrotate(i,45);%對圖像進行旋轉 subplot(1,2,1),imshow(i);subplot(1,2,2),imshow(j);得到圖：
練習二 數(shù)字圖像處理的基本操作
一、練習目的
1、練習使用matlab工具進行數(shù)字圖像處理；
2、實現(xiàn)圖像的邊緣提取、濾波、直方圖修正等操作。
二、練習環(huán)境
windows操作系統(tǒng)
matlab 6.5或以上應用軟件
三、練習內容
（1）imresize函數(shù)實現(xiàn)圖像的縮放。輸入以下程序：
j=imread('文件名.擴展名');x1=imresize(j,2);%對圖像進行縮放 figure,imshow(j)結果如圖
（2）imcrop函數(shù)實現(xiàn)圖像的剪切。輸入以下程序： i=imread('***');i2=imcrop(i);%對圖像進行剪切 subplot(填充),imshow(填充);subplot(填充),imshow(填充);如圖：
圖像變換
（1）fft2函數(shù)和ifft2函數(shù)分別是計算二維的fft和反變換。輸入以下程序： f=zeros(100,100);f(20:70,40:60)=1;imshow(f);f=fft2(f);% 計算二維的fft f2=log(abs(f));%對幅值取對數(shù) imshow(f2),colorbar
（2）dct2函數(shù)采用基于fft的算法，用于實現(xiàn)較大輸入矩陣的離散余弦變換。與之對應，idct2函數(shù)實現(xiàn)圖像的二維逆離散余弦變換 輸入以下程序： rgb=imread('***');i=rgb2gray(rgb);j=dct2(i);% 對i進行離散余弦變換 imshow(log(abs(j))),colorbar j(abs(j)<10)=0;k=idct2(j);% 圖像的二維逆離散余弦變換 figure,imshow(i);figure,imshow(k,[0,255])得到如圖：
（3）edge函數(shù)用于提取圖像的邊緣。輸入以下程序：
rgb=imread('');i=rgb2gray(rgb);bw=edge(i);% 提取圖像的邊緣 imshow(i),figure,imshow(bw);得到圖
圖像增強、分割和編碼
（1）imhist函數(shù)產(chǎn)生圖像的直方圖。a=imread('');%讀入圖像
b=rgb2gray(a);%把rgb圖像轉化成灰度圖像 imshow(b);%顯示灰度圖像
imhist(b)%顯示灰度圖像的直方圖 得到圖
（2）histeq函數(shù)用于對圖像的直方圖均衡化。接上面程序：
c=histeq(b);%對圖像b進行均衡化 imshow(c);%顯示圖像
imhist(c)；%得到均衡化后的灰度直方圖 得到如圖
filter2函數(shù)實現(xiàn)均值濾波。輸入以下程序：
a=imread('');i=rgb2gray(a);imshow(i);k1=filter2(fspecial('average',3),i)/255;% 3?3的均值濾波 k2=補充;
% 5?5的均值濾波 k3=補充;
% 7?7的均值濾波 figure,imshow(k1);figure,imshow(k2);figure,imshow(k3);得到圖
（5）medfilt2函數(shù)實現(xiàn)中值濾波。輸入以下程序：
自查函數(shù)如何使用，并編程： 結果如圖：
練習三
圖像采樣及圖像類型轉換
一、練習目的
1、熟悉并掌握matlab圖像處理工具箱的使用；
2、試對自選圖像分別進行4和16倍剪采樣，查看其剪采樣效果
3、將所給圖，轉換成256級灰度圖像，8級灰度圖像和2值圖像
二、練習環(huán)境
matlab 6.5或以上版本、win xp或以上計算機
三、練習內容
使用matlab，對圖像進行減采樣。
a = imread('***.jpg');b = rgb2gray(a);[wid,hei]=size(b);%4倍減抽樣
quartimg = zeros(wid/2+1,hei/2+1);i1 = 1;j1 = 1;for i=1:2:wid
for j=1:2:hei
quartimg(i1,j1)= b(i,j);
j1 = j1 + 1;
end i1 = i1 + 1;j1 = 1;end figure
imshow(uint8(quartimg))練習結果如圖
%16倍減抽樣
編程并運行顯示圖像結果：
圖像類型
1、練習內容
試將自選圖，轉換成256級灰度圖像，8級灰度圖像和2值圖像
2、練習方法及程序
使用matlab，進行圖像類型變換。
a = imread('***.jpg');b = rgb2gray(a);
figure imshow(b)[wid,hei]=size(b);img8 = zeros(wid,hei);img2 = zeros(wid,hei);for i=1:wid
for j=1:hei
img8(i,j)= floor(b(i,j)/32);%得到8級灰度圖像
end end figure
imshow(uint8(img8),[0,7])for i=1:wid
for j=1:hei
補充;end end figure
imshow(uint8(img8),[0,2])%得到2值圖像
練習結果如圖
練習四
數(shù)字圖像的空間域處理
一、練習目的
1、熟悉并掌握matlab圖像處理工具箱的使用；
2、熟悉圖像相加的方法及效果
3、熟悉圖像灰度擴展的方法及效果
4、熟悉圖像縮放、旋轉的方法及效果
二、練習環(huán)境
matlab 6.5或以上版本、win xp或以上計算機
三、練習內容 part 1（1）選擇一幅圖像***.jpg，設置輸入輸出變換的灰度級范圍，a=0.3, b=0.6, c=0.1, d=0.9；
（2）設置非線性擴展函數(shù)的參數(shù)c=2；
（3）采用灰度倒置變換函數(shù)s=255-r進行圖像變換；
（4）設置二值化圖像的閾值，分別為level=0.4,level=0.7參考程序如下： i=imread('***.jpg');figure;subplot(1,3,1);imshow(i);title('原圖');j=imadjust(i,[0.3;0.6],[0.1;0.9]);%設置灰度變換的范圍 subplot(1,3,2);imshow(j);title('線性擴展');i1=double(i);%將圖像轉換為double類型 i2=i1/255;%歸一化此圖像 c=2;k=c*log(1+i2);%求圖像的對數(shù)變換 subplot(1,3,3);imshow(k);title('非線性擴展');m=255-i;%將此圖像取反 figure;subplot(1,3,1);imshow(m);title('灰度倒置');n1=im2bw(i,0.4);%將此圖像二值化，閾值為0.4 n2=im2bw(i,0.7);%將此圖像二值化，閾值為0.7 subplot(1,3,2);imshow(n1);title('二值化閾值0.4');subplot(1,3,3);imshow(n2);title('二值化閾值0.7');練習結果與分析
（1）練習結果如圖3.7所示。
part 2 讀取一幅圖片，如***.jpg，設置圖像旋轉的角度分別為450和900，采用圖形旋轉函數(shù)imrotate對圖像進行旋轉。程序如下，結果如圖3.10。
i=imread('');j=imrotate(i,45);%圖像進行逆時針旋轉，默認采用最近鄰法進行插值處理 k=imrotate(i,90);%默認旋轉出界的部分不被截出 subplot(1,3,1);imshow(i);subplot(1,3,2);imshow(j);subplot(1,3,3);imshow(k);練習結果與分析
（1）練習結果如圖3.10所示。
練習五 數(shù)字圖像的頻域處理
一、練習目的
1、熟悉并掌握matlab工具的使用；
2、實現(xiàn)圖像離散傅里葉變換并觀察效果
3、實現(xiàn)圖像離散余弦變換并觀察效果
二、練習環(huán)境
windows操作系統(tǒng) matlab 6.5或以上應用軟件
三、練習內容 part 1 選取一幅圖像，進行離散傅里葉變換，再對其分別進行x軸與y軸上的平移，得其離散傅里葉變換，觀察三幅結果圖。
i=imread('');figure(1)imshow(real(i));i=i(:,:,3);ffti=fft2(i);sffti=fftshift(ffti);%求離散傅里葉頻譜
%對原始圖像進行二維傅里葉變換，并將其坐標原點移到頻譜圖中央位置
rrfdp1=real(sffti);iifdp1=imag(sffti);a=sqrt(rrfdp1.^2+iifdp1.^2);a=(a-min(min(a)))/(max(max(a))-min(min(a)))*225;
figure(2)imshow(real(a));練習結果與分析
part 2 選取一幅圖像，進行離散傅里葉變換，再對其進行一定角度的旋轉，進行離散傅里葉變換。
%構造原始圖像
i = zeros(256,256);
i(88:168,124:132)= 1;%圖像范圍是256*256,前一值是縱向比，后一值是橫向比 imshow(i)
%求原始圖像的傅里葉頻譜
j = fft2(i);f = abs(j);j1 = fftshift(f);figure imshow(j1,[5 50])
%對原始圖像進行旋轉
j = imrotate(i,90,'bilinear','crop');figure imshow(j)%求旋轉后圖像的傅里葉頻譜
j1 = fft2(j);f = abs(j1);j2 = fftshift(f);figure imshow(j2,[5 50])練習結果與分析
1） 3 選取一幅圖像，進行離散余弦變換，并對其進行離散余弦反變換，觀察其結果。
%對***.jpg文件計算二維dct變換 rgb = imread('***.jpg ');figure(1)imshow(rgb)i = rgb2gray(rgb);%真彩色圖像轉換成灰度圖像 j = dct2(i);%計算二維dct變換 figure(2)imshow(log(abs(j)),[])%圖像大部分能量集中在上左角處 figure(3);j(abs(j)< 10)= 0;%把變換矩陣中小于10的值置換為0，然后用idct2重構圖像 k = idct2(j)/255;imshow(k)練習結果與分析
數(shù)字圖像處理總結報告篇三
數(shù)字圖像處理上機實驗題
一、產(chǎn)生右圖所示圖像 f1(m,n)，其中圖像大小為256×256，中間亮條為128×32，暗處=0，亮處=100。對其進行 fft：
1、屏顯示原圖 f1(m,n)和fft(f1)的幅度譜圖；
2、令f2(m,n)=（-1）^（m+n）*f1(m,n)，重復以上過程，比較二者幅度譜的異同，簡述理由；
3、若將f2(m,n)順時針旋轉 90 度得到f3(m,n)，試顯示 fft(f3)的幅度譜，并與 fft(f2)的幅度譜進行比較；
4、若將f1(m,n)順時針旋轉 90 度得到f4(m,n)，令f5(m,n)=f1(m,n)+f4(m,n)，試顯示 fft(f5)的幅度譜，并指出其與 fft(f1)和fft(f4)的關系；
5、若令f6(m,n)=f2(m,n)+f3(m,n)，試顯示 fft(f6)的幅度譜，并指出其與 fft(f 2)和fft(f3)的關系，比較 fft(f6)和fft(f5)的幅度譜。
代碼
f1=zeros(256,256);
for i =64:1:191 for j = 112:1:143 f1(i,j)= 100;
end
end
f2 = fft2(f1);
%f2(m,n)= f3
f3 =((-1)^(i+j))*f1;f4 = fft2(f3);
%f3(m,n)= f5
f5 = imrotate(f3,90,'bilinear');f6 = fft2(f5);
%f4(m,n)= f7
f7 = imrotate(f1,90,'bilinear');f8 = fft2(f7);
%f5(m,n)= f8 f9 = f1 + f7;f10 = fft2(f9);
%f6(m,n)= f2(m,n)+f3(m,n)f11 = f3 + f5;f12 = fft2(f11);
figure(1)subplot(1,2,1);imshow(abs(f1));title('原圖f1');subplot(1,2,2);imshow(abs(f2));title('幅度譜fft2(f1)');figure(2)subplot(2,2,1)imshow(abs(f1));title('原圖f1')subplot(2,2,2)imshow(abs(f2));title('幅度譜fft2(f1)');subplot(2,2,3);imshow(abs(f3))title('變換譜f2');subplot(2,2,4);imshow(abs(f4));title('幅度譜fft2(f2)');figure(3)subplot(2,2,1)imshow(abs(f3))title('變換譜f2');subplot(2,2,2);imshow(abs(f4));title('幅度譜fft2(f2)');subplot(2,2,3);imshow(abs(f5))title('變換譜f3');subplot(2,2,4);imshow(abs(f6));title('幅度譜fft2(f3)');figure(4)subplot(3,2,1);imshow(f7);
title('f1旋轉圖f4');subplot(3,2,2);imshow(abs(f8));title('幅度譜fft2(f4)');subplot(3,2,3);imshow(f9);
title('f5(m,n)=f1+f4');subplot(3,2,4);imshow(abs(f10));title('幅度譜fft2(f5)');subplot(3,2,5)imshow(abs(f1));title('原圖f1');subplot(3,2,6);imshow(abs(f2));title('幅度譜fft2(f1)');figure(5)subplot(3,2,1)imshow(abs(f3))title('變換譜f2');subplot(3,2,2);imshow(abs(f4));title('幅度譜fft2(f2)');subplot(3,2,3);imshow(abs(f5))title('變換譜f3');subplot(3,2,4);imshow(abs(f6));title('幅度譜fft2(f3)');subplot(3,2,5)imshow(abs(f11))title('變換譜f6=f2+f3');subplot(3,2,6);imshow(abs(f12));title('幅度譜fft2(f6)');
figure(6)subplot(2,2,1);imshow(f9);
title('f5(m,n)=f1+f4');subplot(2,2,2);imshow(abs(f10));title('幅度譜fft2(f5)');subplot(2,2,3)imshow(abs(f11))
title('變換譜f6(m,n)=f2+f3');subplot(2,2,4);imshow(abs(f12));title('幅度譜fft2(f6)');
結果
分析
2、f2(m,n)與f1(m,n)幅度值相同，f2(m,n)=（-1）^（m+n）*f1(m,n)中，并未改變幅值。
3、fft(f2)比fft(f3)幅值大。
4、f5=f1+f4，即幅值相加。
5、f6=f2+f3，即幅值相加。
二、產(chǎn)生教材 104 頁題圖 4.18（右圖）所示的二值圖像（白為1，黑為0），編程實現(xiàn)習題4.18 所要求的處理（3*3 的平均濾波和中值濾波）功能（圖像四周邊界不考慮，處理結果按四舍五入仍?。?或1），顯示處理前后的圖像，比較其異同。
代碼
i=[ 1,0,1,0,1,0,1,0;0,1,0,1,0,1,0,1;1,0,1,0,1,0,1,0;0,1,0,1,0,1,0,1;1,0,1,0,1,0,1,0;0,1,0,1,0,1,0,1;1,0,1,0,1,0,1,0;0,1,0,1,0,1,0,1;];j=imhist(i,2);
k=filter2(fspecial('average',3),i);k1=round(k);j1=imhist(k1,2);k2=medfilt2(i);j2=imhist(k2,2);
figure(1)subplot(2,2,1)imshow(i);title('原圖像');subplot(2,2,2)imshow(j);
title('原圖像直方圖');subplot(2,2,3)imshow(k1);
title('3*3領域平均');subplot(2,2,4)imshow(j1);
title('領域平均圖像直方圖')figure(2)subplot(2,2,1)imshow(i);title('原圖像');subplot(2,2,2)imshow(j);
title('原圖像直方圖');subplot(2,2,3)imshow(k2);title('中值濾波');subplot(2,2,4)imshow(j2);
title('中值濾波圖像直方圖')
結果
三、產(chǎn)生教材 104 頁題圖 4.16 所示的灰度圖像（白為255，黑為0），分別加入高斯白噪聲和椒鹽噪聲，再分別進行 3′ 3 的平均濾波和中值濾波，顯示原圖像、加噪圖像和濾波結果圖像，并比較四種濾波結果。
代碼
f=zeros(256,256);for i =23:1:23
3for j=28:1:35 f(i,j)=255;
end
for j=52:1:59 f(i,j)=255;
end
for j=76:1:83 f(i,j)=255;
end
for j=100:1:107 f(i,j)=255;
end
for j=124:1:131 f(i,j)=255;
end
for j=148:1:155 f(i,j)=255;
end
for j=172:1:179 f(i,j)=255;
end
for j=196:1:203 f(i,j)=255;
end
for j=220:1:227 f(i,j)=255;
end end
g=imnoise(f,'gaussian',0.2);s=imnoise(f,'salt & pepper',0.2);k1=filter2(fspecial('average',3),g);g1=round(k1);g2=medfilt2(g);
k2=filter2(fspecial('average',3),s);s1=round(k2);s2=medfilt2(s);
figure(1)imshow(f)
title('?-ê?í???');figure(2)subplot(3,2,1)imshow(g)
title('???1í???');subplot(3,2,2)imshow(s)
title('?·??í???');subplot(3,2,3)imshow(g1)
title('???ùa?2¨???1í???');subplot(3,2,5)imshow(g2)
title('?e?μa?2¨???1í???');subplot(3,2,4)imshow(s1)
title('???ùa?2¨?·??í???');subplot(3,2,6)imshow(s2)
title('?e?μa?2¨?·??í???');
結果
四、對某一灰度圖像，進行如下處理：
（1）分別利用 roberts、prewitt和sobel 邊緣檢測算子進行邊緣檢測；
（2）將roberts、prewitt和sobel 邊緣檢測算子修改為銳化算子，對原圖像進行銳化，同屏顯示原圖像、邊緣檢測結果和銳化后圖像，說明三者之間的關系。
代碼
f1=imread('c:');f2=rgb2gray(f1);k1=edge(f2,'roberts');k2=edge(f2,'prewitt');k3=edge(f2,'sobel');
k4=filter2(fspecial('prewitt'),f2);k5=filter2(fspecial('prewitt'),f2);k6=filter2(fspecial('sobel'),f2);
figure(1)subplot(4,2,1)imshow(f1);title('yuanshi');subplot(4,2,2)imshow(f2);title('huidu');subplot(4,2,3)imshow(k1);title('roberts');subplot(4,2,5)imshow(k2);title('prewitt');subplot(4,2,7)imshow(k3);title('sobel');subplot(4,2,4)imshow(k4);title('log');subplot(4,2,6)imshow(k5);title('prewitt');subplot(4,2,8)imshow(k6);title('sobel');
結果
二值化。
五、編程實現(xiàn)教材 214 頁所給圖像門限化分割的迭代閾值算法，實現(xiàn)對某一灰度圖像的代碼
f1=imread('c:');f2=rgb2gray(f1);f3=f2;
zm=max(f2(:));zi=min(f2(:));k=2;
t(k)=(zm+zi)/2;while t(k)~=t(k-1);r1=find(f2<=t(k));r2=find(f2>t(k));k=k+1;
t(k)=(mean(f2(r1))+mean(f2(r2)))/2;end
r3=find(f3<=t(k));r4=find(f3>t(k));f3(r3)=0;f3(r4)=255;
figure(1)subplot(221)imshow(f1)title('原始圖像');subplot(222)imshow(f2)title('灰度圖像');subplot(223)imshow(f3)
title('迭代閾值算法二值化');
結果
心得體會
通過此次作業(yè)讓我明白了很多，實際操作起來往往比理論所想的要復雜很多。當然，在課設的進行過程中，我還是遇到了不少問題。例如，起初由于我對句柄使用以及一些函數(shù)使用的不恰當。隨著課設的進行，對matlab的的熟悉度逐步加深。
總體來說，此次的課程設計，還是較為滿意的。它不但鞭策著我去鞏固matlab的基礎理論知識，還提高了我對matlab的實際操作運用，使得理論與實踐相結合，為進一步學習matlab打下堅實的基礎；同時，在實踐的工程中，也讓我體會到一種努力付出并得到回報的滿足感覺。
數(shù)字圖像處理總結報告篇四
中南大學
數(shù)字圖像處理實驗 實驗名稱：空間濾波和頻域濾波
班級：電子信息0802班
姓名：李哲 學號：0909080609 實驗日期：2010年12月22日
目錄
一，實驗目的???????????????????????3 二，給圖像添加噪聲????????????????????4 三，對被噪聲污染的圖像進行中值濾波和均值濾波???????5 四，對圖像進行空間域的銳化????????????????6 五，matlab以外函數(shù)空間濾波和圖像銳化??????????7 六，自帶函數(shù)傅立葉變換和反變換??????????????8 七，低通濾波器程序????????????????????9 八，心得體會 ??????????????????????10 九，參考文獻 ??????????????????????10
一、實驗目的 1，空間濾波：
圖像平滑主要目的是減少噪聲。噪聲有很多種類，不同的噪聲有不同的抑制措施。本實驗要求用平滑線性濾波和中值濾波2種最典型、最常用的處理算法進行程序設計，學習如何對已被噪聲污染的圖像進行“凈化”。通過平滑處理，對結果圖像加以比較，得出自己的實驗結論。學習如何用銳化處理技術來加強圖像的目標邊界和圖像細節(jié)，對圖像進行梯度算子、拉普拉斯算子，使圖像的某些特征（如邊緣、輪廓等）得以進一步的增強及突出。本實驗銳化處理主要在空間域中進行 2，頻域濾波：
掌握傅里葉變換的基本性質； 掌握傅里葉正變換和反變換； 通過實驗了解二維頻譜的分布特點； 掌握怎樣利用傅立葉變換進行頻域濾波
利用matlab程序數(shù)字圖像的傅立葉變換并且進行頻域濾波
二，給圖像添加椒鹽噪聲或者高斯噪聲： 原理：利用matlab自帶函數(shù)添加噪聲 程序代碼：a=imread('');i=rgb2gray(a);imshow(i);j = imnoise(i,'salt & pepper',0.05);figure,imshow(j),title('椒鹽噪聲');%添加椒鹽噪聲 k = imnoise(i,'gaussian',0,0.03);
figure,imshow(k),title('高斯噪聲');%添加高斯噪聲
三，對被噪聲污染的圖像進行中值濾波和均值濾波： 原理：自帶函數(shù)進行中值濾波和均值濾波 源程序：a=imread('');i=rgb2gray(a);j = imnoise(i,'salt & pepper',0.05);k2=medfilt2(j,[5 5]);k3=medfilt2(j,[7 7]);imshow(j),title('原圖');figure,imshow(k2),title('中值濾波5*5模板');figure,imshow(k3),title('中值濾波7*7模板');
四，對圖像進行空間域的銳化： 原理：自帶函數(shù)進行空間銳化。源程序：i=imread('');subplot(121),imshow(i),title('原圖像');h=fspecial('sobel');i2=filter2(h ,i);subplot(122),imshow(i2),title('sobel算子銳化圖像');
五，matlab以外函數(shù)空間濾波和圖像銳化：
源程序：i = imread('');j = imnoise(i,'salt & pepper',0.02);k = medfilt2(j);imshow(j);title('噪聲干擾圖像')figure, imshow(k);title('medfilt2濾波圖像')x=j;a=2;b=2;k=floor(a*b/2)+1;[m,n]=size(x);uint8 y=zeros(m,n);funbox=zeros(a,b);temp=zeros(a*b);
for i=1:m-a
for j=1:n-b
funbox=x(i:i+a,j:j+b);
temp=funbox(:);
tempsort=sort(temp);
y(i,j)=tempsort(k);
end;end;figure, imshow(y);title('濾波圖像')
六，利用matlab的圖像處理工具箱中提供的函數(shù)實現(xiàn)圖像的傅立葉變換和反變換： 源程序：
a=imread('');f=rgb2gray(a);subplot(131),imshow(f),title('原圖');f=fft2(f);% 快速傅立葉變換
subplot(132),imshow(f),title('傅里葉變換')fabs=abs(f);% 求幅頻絕對值 fc=fftshift(fabs);% 中心移位 sfc=log(1+fc);% 對數(shù)變換
ifc1=ifftshift(fc);% 中心移位的逆變換，絕對值 if2=ifft2(ifc1);% 快速傅立葉變換的逆變換
subplot(133),imshow(if2),title('快速傅立葉變換的逆變換')
七，低通濾波器程序：
i=imread('');subplot(221),imshow(i);title('原始圖像')j1=imnoise(i,'gaussian',0.02);% 疊加高斯白噪聲
subplot(222),imshow(j1);title('添加高斯白噪聲的圖像')f=double(j1);
% 數(shù)據(jù)類型轉換 g=fft2(f);
% 傅立葉變換 g=fftshift(g);
[m,n]=size(g);nn=2;
% 二階巴特沃斯(butterworth)低通濾波器 d0=50;
% 設置截止頻率 m=fix(m/2);n=fix(n/2);for i=1:m for j=1:n
d=sqrt((i-m)^2+(j-n)^2);
h=1/(1+0.414*(d/d0)^(2*nn));% 計算低通濾波器傳遞函數(shù)
result(i,j)=h*g(i,j);end end result=ifftshift(result);j2=ifft2(result);j3=uint8(real(j2));subplot(223),imshow(j3);title('低通濾波后圖像')
心得體會
1，進一步熟悉了matlab軟件、編程以及圖像處理工具箱 2，學會利用自帶函數(shù)對圖像做簡單的處理，例如：均值化等。3，熟練了一些基本函數(shù)的運用，例如fspecial，imfilter等。4，加深了對matlab編程的理解。
5，對于試驗中的出現(xiàn)的一些問題，懂得怎樣去處理。6，通過實際操作，增強了自己的動手能力，把理論用于實踐。
參考文獻：數(shù)字圖像處理第二版
matlab教程
數(shù)字圖像處理總結報告篇五
實驗五 圖像的幾何變換
一．實驗目的及要求
掌握圖像幾何變換的基本原理，熟練掌握數(shù)字圖像的縮放、旋轉、平移、鏡像和轉置的基本原理及其matlab編程實現(xiàn)方法。
二、實驗內容
（一）研究以下程序，分析程序功能；輸入執(zhí)行各命令行，認真觀察命令執(zhí)行的結果。熟悉程序中所使用函數(shù)的調用方法，改變有關參數(shù)，觀察試驗結果。
1.圖像縮放 clear all, close all i = imread('');scale = 1.35;
% 將圖像放大1.35倍
j1 = imresize(i, scale, 'nearest');
% using the nearest neighbor interpolation j2 = imresize(i, scale, 'bilinear');
% using the bilinear interpolation imshow(i), title('original image');figure, imshow(j1), title('resized image--using the nearest neighbor interpolation ');figure, imshow(j2), title('resized image--using the bilinear interpolation ');help imresize
% 查看imresize使用幫助
1.95倍
i = imread('');scale = 1.96;
% 將圖像放大1.96倍
j1 = imresize(i, scale, 'nearest');
% using the nearest neighbor interpolation j2 = imresize(i, scale, 'bilinear');
% using the bilinear interpolation imshow(i), title('original image');figure, imshow(j1), title('resized image--using the nearest neighbor interpolation ');figure, imshow(j2), title('resized image--using the bilinear interpolation ');
說明：
?注意觀察不同插值方法的圖像表現(xiàn)； ?改變圖像縮放因子scale，重做上述實驗。2.圖像旋轉
clear all, close all i = imread('');theta = 45;
% 將圖像逆時針旋轉45?。
j1 = imrotate(i, theta, 'nearest');
% using the nearest neighbor interpolation theta =-45;
% 將圖像順時針旋轉45?。
j2 = imrotate(i, theta, 'bilinear', 'crop');% using bilinear interpolation and crops the output image imshow(i), title('original image');figure, imshow(j1), title('rotated image--using the nearest neighbor interpolation ');figure, imshow(j2), title(' rotated image--using the bilinear interpolation ');% 查看imrotate使用幫助 help imrotate %-------
圖像旋轉30順時針逆時針
clear all, close all i = imread('');theta = 30;
% 將圖像逆時針旋轉30。
j1 = imrotate(i, theta, 'nearest');
% using the nearest neighbor interpolation theta =-30;
% 將圖像順時針旋轉30。
j2 = imrotate(i, theta, 'bilinear', 'crop');% using bilinear interpolation and crops the output image imshow(i), title('original image');figure, imshow(j1), title('rotated image--using the nearest neighbor interpolation ');figure, imshow(j2), title(' rotated image--using the bilinear interpolation ');7 說明：
?注意觀察不同插值方法和輸出圖像后處理方法的圖像表現(xiàn)； ?改變旋轉角度大小和方向，重做上述實驗。
3．圖像水平鏡象
clear all, close all i = imread('');i1 = flipdim(i,2);
i2 = flipdim(i,1);figure(1), subplot(1,2,1), imshow(i);subplot(1,2,2), imshow(i1);figure(2), subplot(2,1,1), imshow(i);subplot(2,1,2), imshow(i2);%----
(二)用matlab編程實現(xiàn)以下圖像幾何變換（參考自編講義相關章節(jié)）
1．圖像扭曲變換 2．球面變換
三、實驗設備
1．piii以上微機； 2．matlab6.5；
四、預習與思考
1．預習實驗內容，閱讀教材熟悉實驗原理；
2．查閱資料，熟悉實驗中涉及的有關matlab函數(shù)；
3．利用課余時間，采用matlab底層函數(shù)編程實現(xiàn)實驗內容
（二）中的圖像平移、圖像轉置等幾何變換。
五、實驗報告要求
1．簡述試驗的目的和試驗原理；
2．敘述各段程序功能，改變有關函數(shù)的參數(shù)，分析比較實驗結果； 3．打印出所編寫的實驗程序。4．寫出本實驗的心得體會及意見。
實驗六
數(shù)字圖像處理應用
一．實驗目的及要求
1．利用matlab提供的圖像處理函數(shù)實現(xiàn)圖像中物體屬性的測量； 2．訓練綜合運用matlab圖像處理函數(shù)的能力； 3．了解數(shù)字圖像處理基本應用。
二、實驗內容
以大米粒特性測量為例，綜合應用課程中圖像分割、形態(tài)學濾波、圖像增強、圖像特征提取等圖像處理方法，實現(xiàn)大米粒特性自動測量。實驗過程簡述：
1． 讀取和顯示圖像 2． 估計圖像背景 3． 獲取背景均勻的圖像 4． 圖像增強 5． 圖像二值化分割 6． 區(qū)域標記及為彩色處理
7． 測量圖像中的區(qū)域特性（面積、質心等）
8．統(tǒng)計大米粒的特性分布規(guī)律。
（一）研究以下程序，分析程序功能；輸入執(zhí)行各命令行，認真觀察命令執(zhí)行的結 果。熟悉程序中所使用函數(shù)的調用方法，改變有關參數(shù)，觀察試驗結果。
% read and display an image clear, close all,close all;i = imread('');
figure, imshow(i)
% use morphological opening to estimate the background
background = imopen(i,strel('disk',15));
figure, imshow(background);
%display the background approximation as a surface
figure, surf(double(background(1:8:end,1:8:end))),zlim([0 255]);set(gca,'ydir','reverse');% subtract the background image from the original image i2 = imsubtract(i,background);figure, imshow(i2)% adjust the image contrast i3 = imadjust(i2, stretchlim(i2), [0 1]);figure, imshow(i3);% apply thresholding to the image level = graythresh(i3);bw = im2bw(i3,level);figure, imshow(bw)% determine the number of objects in the image [labeled,numobjects] = bwlabel(bw,4);
% label ects % examine the label matrix rgb_label = label2rgb(labeled, @spring, 'c', 'shuffle');figure, imshow(rgb_label);% measure object properties in the image graindata = regionprops(labeled,'basic')allgrains = [];% compute statistical properties of objects in the image max(allgrains);biggrain = find(allgrains==695)mean(allgrains);figure, hist(allgrains,20);12
(詳見matlab ipt的 幫助文檔demo中的correcting nonuniform illumination)
（二）查看matlab ipt 幫助文檔，研究其它應用演示
三、實驗設備 1．piii以上微機； 2．matlab6.5；
四、預習與思考
1．預習實驗內容，閱讀教材熟悉實驗原理； 2．查閱資料，熟悉實驗中涉及的有關函數(shù)。
3．利用課余時間，采用matlab函數(shù)編程實現(xiàn)實驗內容
（二）。
五、實驗報告要求
1．簡述試驗的目的和試驗原理；
2．敘述各段程序功能，改變有關函數(shù)的參數(shù)，分析比較實驗結果； 3．打印出所編寫的實驗程序。4．寫出本實驗的心得體會及意見。
【本文地址：http://mlvmservice.com/zuowen/2173453.html】
