随着个人素质的提升，报告使用的频率越来越高，我们在写报告的时候要注意逻辑的合理性。怎样写报告才更能起到其作用呢？报告应该怎么制定呢？这里我整理了一些优秀的报告范文，希望对大家有所帮助，下面我们就来了解一下吧。
数字图像处理总结报告篇一
1.产生右图所示亮块图像 f1(x,y)（128×128大小，暗处=0，亮处=255），对其进行fft：
（1）同屏显示原图f1和fft(f1)的幅度谱图；
图像：
（2）若令f2(x,y)=（-1）f1(x,y)，重复以上过程，比较二者幅度谱的异同，简述理由；（3）若将f2(x,y)顺时针旋转45度得到f3(x,y)，试显示fft(f3)的幅度谱，并与fft(f2)的幅度谱进行比较。
x+y
结论：不同点：f2的频谱是对f1频谱的移位，它时f1的频谱从原点（0，0）移到了中心（64，64），而得到了一个完整的频谱。
相同点：频谱的实质没有改变，幅度等都没有发生变化。
（3）若将f2(x,y)顺时针旋转45度得到f3(x,y)，试显示fft(f3)的幅度谱，并与fft(f2)的幅度谱进行比较。
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');%将f2顺时针旋转45度 subplot(1,3,2);imshow(fft2(f2));%显示f2的频谱 subplot(1,3,3);imshow(fft2(f3));%显示f3的频谱
结论：均衡化后的直方图并非完全均匀分布的原因：因为图像的像素个数和灰度等级均为离散值，而且均衡化后使灰度级并归。
2.对256256大小、256级灰度的数字图像lena进行频域的理想低通、高通滤波，同屏显示原图、幅度谱图和低通、高通滤波的结果图。
源代码： 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);%分别返回s的行数到m中，列数到n中 n=2;%对n赋初值 %glpf滤波，d0=5，15，30（程序中以d0=30为例）d0=30;%初始化d0 n1=floor(m/2);%对m/2进行取整 n2=floor(n/2);%对n/2进行取整 for i=1:m for j=1:n d=sqrt((i-n1)^2+(j-n2)^2);%点（i,j）到傅立叶变换中心的距离 h=1*exp(-1/2*(d^2/d0^2));%glpf滤波函数
s(i,j)=h*s(i,j);%glpf滤波后的频域表示 end end s=ifftshift(s);%对s进行反fft移动
%对s进行二维反离散的fourier变换后，取复数的实部转化为无符号8位整数 s=uint8(real(ifft2(s)));subplot(2,2,3);%创建图形图像对象 imshow(s);p=fftshift(fft2(data));[m,n]=size(p);%分别返回p的行数到m中，列数到n中 n=2;%对n赋初值 %glpf滤波d1=30 d1=30;%初始化d1 n3=floor(m/2);%对m/2进行取整 n4=floor(n/2);%对n/2进行取整 for i=1:m for j=1:n dd=sqrt((i-n3)^2+(j-n4)^2);%点（i,j）到傅立叶变换中心的距离 h1=1-exp(-1/2*(dd^2/d1^2));%ghpf滤波函数
p(i,j)=h1*p(i,j);%ghpf滤波后的频域表示 end end p=ifftshift(p);%对p进行反fft移动
%对s进行二维反离散的fourier变换后，取复数的实部转化为无符号8位整数 p=uint8(real(ifft2(p)));subplot(2,2,4);%创建图形图像对象 imshow(p);
3.对给定的两种128128、256级灰度的数字图像（（指纹图）（显微医学图像）进行如下处理：
（1）对原图像进行直方图均衡化处理，同屏显示处理前后图像及其直方图，比较异同，并回答为什么数字图像均衡化后其直方图并非完全均匀分布。
异同：由于原图像中目标物的灰度主要集中于低亮度部分，而且象素总数比较多，经过直方图均衡后，目标物的所占的灰度等级得到扩展，对比度加强，使整个图像得到增强。
数字图像均衡化后其直方图并非完全均匀分布的原因：由于原图像中目标物的灰度主要集中于低亮度部分，而且象素总数比较少，而所占的灰度等级比较多，因此图像的对比度比较好，亮度比较大，整体图像清晰。经过直方图均衡后，目标物的所占的灰度等级被压缩，对比度减弱，反而使目标物变的难以辨认。
数字图像均衡化后，其直方图并非完全均匀分布，这是因为图像的象素个数和灰度等级均为离散值；而且均衡化使灰度级并归，因此，均衡化后，其直方图并非完全均匀分布。
源代码： figure(1);fid=fopen('d:','r');
%打开无格式文件 data1=(fread(fid,[128,128],'uint8'))';%将打开的文件读入到data1 subplot(4,2,1);
%将figure(1)分成4*2的8个子窗口, data11=uint8(data1);imshow(data11);%图象显示
title('cell','color','b');
%加标题 subplot(4,2,2);title('原图像直方图');imhist(data11);subplot(4,2,3);
%取第二个子窗口
data2=uint8(data1);%将灰度图象转换成uint8格式 b=histeq(data2);
%直方图均衡化
imshow(b,256);
%显示均衡化图象,256可缺省 title('均衡化','color','b');
subplot(4,2,4);imhist(b);title('均衡化后图像直方图');subplot(4,2,5)fid=fopen('d:','r');%打开无格式文件
data3=(fread(fid,[128,128],'uint8'))';%将打开的文件读入到data3 data31=uint8(data3);
%将灰度图象转换成uint8格式 imshow(data31);
%显示灰度图象 title('fing','color','b');subplot(4,2,6)imhist(data31);title('原图像直方图');subplot(4,2,7);
data4=uint8(data3);%将灰度图象转换成uint8格式 d=histeq(data4);
%直方图均衡化
imshow(d,256);
%显示均衡化图象,256可缺省 title('均衡化','color','b');
subplot(4,2,8);imhist(d);title('均衡化后原图像直方图');（2）对原图像加入高斯噪声，用4-邻域平均法平滑加噪声图像（图像四周边界不处理，下同），同屏显示原图像、加噪图像和处理后的图像。
① 不加门限；
② 加门限 t2f(m,n)，（其中f(m,n)
1n2f(i,j)）
ij
源代码： % cell figure(2);fid=fopen('d:','r');
%打开无格式文件
data1=(fread(fid,[128,128],'uint8'))';%将打开的文件读入到data1 i=uint8(data1);i1=imnoise(i,'gaussian');%加乘性噪声 h1=[0 1 0;1 0 1;0 1 0]/4;%4×4领域模板 j=imfilter(i,h1);%领域平均
subplot(2,4,1),imshow(i);%显示图像i title('原图像');subplot(2,4,2),imshow(i1);title('加噪声后图像');subplot(2,4,3),imshow(j);
%不加门限平滑 title('不加门限平滑后图像');%加门限后滤波
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('加门限后');4.（1）用laplacian锐化算子（分1和2两种情况）对256256大小、256级灰度的数字图像lena进行锐化处理，显示处理前、后图像。
源代码：
%laplacian算子锐化
i=imread('d:');% 读入原图像 figure(1);subplot(1,3,1);imshow(i);title('原始图像');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时的拉普拉斯算子 lp2=imfilter(i,l2,'replicate');% α=2时的拉普拉斯算子
subplot(1,3,2);imshow(lp1);title('laplacian算子α=1锐化图像');subplot(1,3,3);imshow(lp2);title('laplacian算子α=2锐化图像');
（2）若令
g1(m,n)f(m,n)2f，g2(m,n)4f(m,n)[f(m1,n)f(m1,n)f(m,n1)f(m,n1)
f(m,n1)f(m,n1)]
则回答如下问题：
① f(m,n)、g1(m,n)和g2(m,n)之间有何关系？ ② g2(m,n)代表图像中的哪些信息？ ③ 由此得出图像锐化的实质是什么？
①因为g2(m,n)2f(m,n)，所以f(m,n)、g1(m,n)和g2(m,n)之间有以下关系：
g1(m,n)f(m,n)g2(m,n)
②g2(m,n)代表了原图像中的二阶梯度信息；g1(m,n)是边缘增强后的数字图像； ③由此可以得出：图像锐化的实质是将原图像与梯度信息叠加（梯度信息所占的比例由，相当于对目标物的边缘进行了增强。的大小决定，值越大则梯度信息所占的比例越大）
5.分别利用roberts、prewitt和sobel边缘检测算子，对256256大小、256级灰度的数字图像lena进行边缘检测，显示处理前、后图像。图像：
源代码：
i=imread('d:');% 读入原图像 figure(1)%roberts梯度法锐化
subplot(2,2,1);imshow(i);title('原始图像');j=double(i);[ix,iy]=gradient(j);%计算梯度 a=sqrt(ix.*ix+iy.*iy);subplot(2,2,2);imshow(a,[]);title('roberts梯度法锐化图像');%prewitt算子锐化
s=imfilter(i,fspecial('prewitt'));subplot(2,2,3);imshow(s);title('prewitt算子锐化图像');%sobel算子锐化
s=imfilter(i,fspecial('sobel'));subplot(2,2,4);imshow(s);title('sobel算子锐化图像');
6、学习数字图像处理课程的心得体会，该课程在哪些方面需要改进，对该课程或者任课老师有哪些意见或建议。
通过对数字图像处理课程的认真学习，在课堂听课和课余实践中了解了数字图像的基础知识，培养了一定的软件编程能力，在努力完成课堂作业的同时，发现了对图像方面的兴趣。老师认真负责，布置合理的作业。但希望能够通过更加丰富的授课方式，提高更多人学习该门课程的兴趣和主动性。也同样希望老师能够加强点名和作业的验收，督促学生更加认真的学习知识。
数字图像处理总结报告篇二
练习一 常用matlab图像处理命令
一、练习目的
1、熟悉并掌握matlab工具的使用；
2、实现图像的读取、显示、代数运算和简单变换。
二、练习环境
windows操作系统
matlab 6.5或以上应用软件
三、练习内容
1、图像文件的读写
（1）imread函数用来实现图像文件的读取。输入以下程序：
a=imread('文件名.扩展名');%用imread函数来读入图像 注：设置路径 imshow(a);%用imshow函数来显示图像 得到的结果如图：
（2）imfinfo函数用来查询图像文件信息。输入以下程序：
info=imfinfo('文件名.扩展名');% 用imfinfo函数查询图像文件信息 得到： info =
filename: '文件名.扩展名'
（4）imshow函数用来显示图像。
刚才介绍imread函数时已使用此函数。
（5）colorbar函数将颜色条添加到坐标轴对象中。输入以下程序：
rgb=imread('***');%图像读入
i=rgb2gray(rgb);%把rgb图像转换成灰度图像
imshow(i),colorbar('vert')% 将颜色条添加到坐标轴对象中
得到如图：
2、图像处理的基本操作
一、图像代数运算
（1）imadd函数实现两幅图像的相加或者给一幅图像加上一个常数。给图像每个像素都增加亮度的程序如下： i=imread('***');j=imadd(i,100);%给图像增加亮度 subplot(1,2,1),imshow(i)%填充 subplot(1,2,2),imshow(j)结果如图5。
（2）imsubtract函数实现从一幅图像中减去一个常数。输入以下程序实现从一幅图像中减去一个常数：
（3）immultiply实现两幅图像的相乘或者一幅图像的亮度缩放（图像乘以小于1或大于1的参数，比较效果）。输入以下程序：
（4）imspanide函数实现两幅图像的除法或一幅图像的亮度缩放。输入以下程序：
二、图像的空间域操作
（1）imrotate函数实现图像的旋转。输入以下程序： i=imread('***');j=imrotate(i,45);%对图像进行旋转 subplot(1,2,1),imshow(i);subplot(1,2,2),imshow(j);得到图：
练习二 数字图像处理的基本操作
一、练习目的
1、练习使用matlab工具进行数字图像处理；
2、实现图像的边缘提取、滤波、直方图修正等操作。
二、练习环境
windows操作系统
matlab 6.5或以上应用软件
三、练习内容
（1）imresize函数实现图像的缩放。输入以下程序：
j=imread('文件名.扩展名');x1=imresize(j,2);%对图像进行缩放 figure,imshow(j)结果如图
（2）imcrop函数实现图像的剪切。输入以下程序： i=imread('***');i2=imcrop(i);%对图像进行剪切 subplot(填充),imshow(填充);subplot(填充),imshow(填充);如图：
图像变换
（1）fft2函数和ifft2函数分别是计算二维的fft和反变换。输入以下程序： f=zeros(100,100);f(20:70,40:60)=1;imshow(f);f=fft2(f);% 计算二维的fft f2=log(abs(f));%对幅值取对数 imshow(f2),colorbar
（2）dct2函数采用基于fft的算法，用于实现较大输入矩阵的离散余弦变换。与之对应，idct2函数实现图像的二维逆离散余弦变换 输入以下程序： rgb=imread('***');i=rgb2gray(rgb);j=dct2(i);% 对i进行离散余弦变换 imshow(log(abs(j))),colorbar j(abs(j)<10)=0;k=idct2(j);% 图像的二维逆离散余弦变换 figure,imshow(i);figure,imshow(k,[0,255])得到如图：
（3）edge函数用于提取图像的边缘。输入以下程序：
rgb=imread('');i=rgb2gray(rgb);bw=edge(i);% 提取图像的边缘 imshow(i),figure,imshow(bw);得到图
图像增强、分割和编码
（1）imhist函数产生图像的直方图。a=imread('');%读入图像
b=rgb2gray(a);%把rgb图像转化成灰度图像 imshow(b);%显示灰度图像
imhist(b)%显示灰度图像的直方图 得到图
（2）histeq函数用于对图像的直方图均衡化。接上面程序：
c=histeq(b);%对图像b进行均衡化 imshow(c);%显示图像
imhist(c)；%得到均衡化后的灰度直方图 得到如图
filter2函数实现均值滤波。输入以下程序：
a=imread('');i=rgb2gray(a);imshow(i);k1=filter2(fspecial('average',3),i)/255;% 33的均值滤波 k2=补充;
% 55的均值滤波 k3=补充;
% 77的均值滤波 figure,imshow(k1);figure,imshow(k2);figure,imshow(k3);得到图
（5）medfilt2函数实现中值滤波。输入以下程序：
自查函数如何使用，并编程： 结果如图：
练习三
图像采样及图像类型转换
一、练习目的
1、熟悉并掌握matlab图像处理工具箱的使用；
2、试对自选图像分别进行4和16倍剪采样，查看其剪采样效果
3、将所给图，转换成256级灰度图像，8级灰度图像和2值图像
二、练习环境
matlab 6.5或以上版本、win xp或以上计算机
三、练习内容
使用matlab，对图像进行减采样。
a = imread('***.jpg');b = rgb2gray(a);[wid,hei]=size(b);%4倍减抽样
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))练习结果如图
%16倍减抽样
编程并运行显示图像结果：
图像类型
1、练习内容
试将自选图，转换成256级灰度图像，8级灰度图像和2值图像
2、练习方法及程序
使用matlab，进行图像类型变换。
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级灰度图像
end end figure
imshow(uint8(img8),[0,7])for i=1:wid
for j=1:hei
补充;end end figure
imshow(uint8(img8),[0,2])%得到2值图像
练习结果如图
练习四
数字图像的空间域处理
一、练习目的
1、熟悉并掌握matlab图像处理工具箱的使用；
2、熟悉图像相加的方法及效果
3、熟悉图像灰度扩展的方法及效果
4、熟悉图像缩放、旋转的方法及效果
二、练习环境
matlab 6.5或以上版本、win xp或以上计算机
三、练习内容 part 1（1）选择一幅图像***.jpg，设置输入输出变换的灰度级范围，a=0.3, b=0.6, c=0.1, d=0.9；
（2）设置非线性扩展函数的参数c=2；
（3）采用灰度倒置变换函数s=255-r进行图像变换；
（4）设置二值化图像的阈值，分别为level=0.4,level=0.7参考程序如下： i=imread('***.jpg');figure;subplot(1,3,1);imshow(i);title('原图');j=imadjust(i,[0.3;0.6],[0.1;0.9]);%设置灰度变换的范围 subplot(1,3,2);imshow(j);title('线性扩展');i1=double(i);%将图像转换为double类型 i2=i1/255;%归一化此图像 c=2;k=c*log(1+i2);%求图像的对数变换 subplot(1,3,3);imshow(k);title('非线性扩展');m=255-i;%将此图像取反 figure;subplot(1,3,1);imshow(m);title('灰度倒置');n1=im2bw(i,0.4);%将此图像二值化，阈值为0.4 n2=im2bw(i,0.7);%将此图像二值化，阈值为0.7 subplot(1,3,2);imshow(n1);title('二值化阈值0.4');subplot(1,3,3);imshow(n2);title('二值化阈值0.7');练习结果与分析
（1）练习结果如图3.7所示。
part 2 读取一幅图片，如***.jpg，设置图像旋转的角度分别为450和900，采用图形旋转函数imrotate对图像进行旋转。程序如下，结果如图3.10。
i=imread('');j=imrotate(i,45);%图像进行逆时针旋转，默认采用最近邻法进行插值处理 k=imrotate(i,90);%默认旋转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);练习结果与分析
（1）练习结果如图3.10所示。
练习五 数字图像的频域处理
一、练习目的
1、熟悉并掌握matlab工具的使用；
2、实现图像离散傅里叶变换并观察效果
3、实现图像离散余弦变换并观察效果
二、练习环境
windows操作系统 matlab 6.5或以上应用软件
三、练习内容 part 1 选取一幅图像，进行离散傅里叶变换，再对其分别进行x轴与y轴上的平移，得其离散傅里叶变换，观察三幅结果图。
i=imread('');figure(1)imshow(real(i));i=i(:,:,3);ffti=fft2(i);sffti=fftshift(ffti);%求离散傅里叶频谱
%对原始图像进行二维傅里叶变换，并将其坐标原点移到频谱图中央位置
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));练习结果与分析
part 2 选取一幅图像，进行离散傅里叶变换，再对其进行一定角度的旋转，进行离散傅里叶变换。
%构造原始图像
i = zeros(256,256);
i(88:168,124:132)= 1;%图像范围是256*256,前一值是纵向比，后一值是横向比 imshow(i)
%求原始图像的傅里叶频谱
j = fft2(i);f = abs(j);j1 = fftshift(f);figure imshow(j1,[5 50])
%对原始图像进行旋转
j = imrotate(i,90,'bilinear','crop');figure imshow(j)%求旋转后图像的傅里叶频谱
j1 = fft2(j);f = abs(j1);j2 = fftshift(f);figure imshow(j2,[5 50])练习结果与分析
1） 3 选取一幅图像，进行离散余弦变换，并对其进行离散余弦反变换，观察其结果。
%对***.jpg文件计算二维dct变换 rgb = imread('***.jpg ');figure(1)imshow(rgb)i = rgb2gray(rgb);%真彩色图像转换成灰度图像 j = dct2(i);%计算二维dct变换 figure(2)imshow(log(abs(j)),[])%图像大部分能量集中在上左角处 figure(3);j(abs(j)< 10)= 0;%把变换矩阵中小于10的值置换为0，然后用idct2重构图像 k = idct2(j)/255;imshow(k)练习结果与分析
数字图像处理总结报告篇三
数字图像处理上机实验题
一、产生右图所示图像 f1(m,n)，其中图像大小为256×256，中间亮条为128×32，暗处=0，亮处=100。对其进行 fft：
1、屏显示原图 f1(m,n)和fft(f1)的幅度谱图；
2、令f2(m,n)=（-1）^（m+n）*f1(m,n)，重复以上过程，比较二者幅度谱的异同，简述理由；
3、若将f2(m,n)顺时针旋转 90 度得到f3(m,n)，试显示 fft(f3)的幅度谱，并与 fft(f2)的幅度谱进行比较；
4、若将f1(m,n)顺时针旋转 90 度得到f4(m,n)，令f5(m,n)=f1(m,n)+f4(m,n)，试显示 fft(f5)的幅度谱，并指出其与 fft(f1)和fft(f4)的关系；
5、若令f6(m,n)=f2(m,n)+f3(m,n)，试显示 fft(f6)的幅度谱，并指出其与 fft(f 2)和fft(f3)的关系，比较 fft(f6)和fft(f5)的幅度谱。
代码
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('原图f1');subplot(1,2,2);imshow(abs(f2));title('幅度谱fft2(f1)');figure(2)subplot(2,2,1)imshow(abs(f1));title('原图f1')subplot(2,2,2)imshow(abs(f2));title('幅度谱fft2(f1)');subplot(2,2,3);imshow(abs(f3))title('变换谱f2');subplot(2,2,4);imshow(abs(f4));title('幅度谱fft2(f2)');figure(3)subplot(2,2,1)imshow(abs(f3))title('变换谱f2');subplot(2,2,2);imshow(abs(f4));title('幅度谱fft2(f2)');subplot(2,2,3);imshow(abs(f5))title('变换谱f3');subplot(2,2,4);imshow(abs(f6));title('幅度谱fft2(f3)');figure(4)subplot(3,2,1);imshow(f7);
title('f1旋转图f4');subplot(3,2,2);imshow(abs(f8));title('幅度谱fft2(f4)');subplot(3,2,3);imshow(f9);
title('f5(m,n)=f1+f4');subplot(3,2,4);imshow(abs(f10));title('幅度谱fft2(f5)');subplot(3,2,5)imshow(abs(f1));title('原图f1');subplot(3,2,6);imshow(abs(f2));title('幅度谱fft2(f1)');figure(5)subplot(3,2,1)imshow(abs(f3))title('变换谱f2');subplot(3,2,2);imshow(abs(f4));title('幅度谱fft2(f2)');subplot(3,2,3);imshow(abs(f5))title('变换谱f3');subplot(3,2,4);imshow(abs(f6));title('幅度谱fft2(f3)');subplot(3,2,5)imshow(abs(f11))title('变换谱f6=f2+f3');subplot(3,2,6);imshow(abs(f12));title('幅度谱fft2(f6)');
figure(6)subplot(2,2,1);imshow(f9);
title('f5(m,n)=f1+f4');subplot(2,2,2);imshow(abs(f10));title('幅度谱fft2(f5)');subplot(2,2,3)imshow(abs(f11))
title('变换谱f6(m,n)=f2+f3');subplot(2,2,4);imshow(abs(f12));title('幅度谱fft2(f6)');
结果
分析
2、f2(m,n)与f1(m,n)幅度值相同，f2(m,n)=（-1）^（m+n）*f1(m,n)中，并未改变幅值。
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、产生教材 104 页题图 4.18（右图）所示的二值图像（白为1，黑为0），编程实现习题4.18 所要求的处理（3*3 的平均滤波和中值滤波）功能（图像四周边界不考虑，处理结果按四舍五入仍取（0或1），显示处理前后的图像，比较其异同。
代码
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('原图像');subplot(2,2,2)imshow(j);
title('原图像直方图');subplot(2,2,3)imshow(k1);
title('3*3领域平均');subplot(2,2,4)imshow(j1);
title('领域平均图像直方图')figure(2)subplot(2,2,1)imshow(i);title('原图像');subplot(2,2,2)imshow(j);
title('原图像直方图');subplot(2,2,3)imshow(k2);title('中值滤波');subplot(2,2,4)imshow(j2);
title('中值滤波图像直方图')
结果
三、产生教材 104 页题图 4.16 所示的灰度图像（白为255，黑为0），分别加入高斯白噪声和椒盐噪声，再分别进行 3´ 3 的平均滤波和中值滤波，显示原图像、加噪图像和滤波结果图像，并比较四种滤波结果。
代码
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('ô-ê¼í¼ïñ');figure(2)subplot(3,2,1)imshow(g)
title('¸ßë¹í¼ïñ');subplot(3,2,2)imshow(s)
title('½·ñîí¼ïñ');subplot(3,2,3)imshow(g1)
title('æ½¾ùâ벨¸ßë¹í¼ïñ');subplot(3,2,5)imshow(g2)
title('öðöµâ벨¸ßë¹í¼ïñ');subplot(3,2,4)imshow(s1)
title('æ½¾ùâ벨½·ñîí¼ïñ');subplot(3,2,6)imshow(s2)
title('öðöµâ벨½·ñîí¼ïñ');
结果
四、对某一灰度图像，进行如下处理：
（1）分别利用 roberts、prewitt和sobel 边缘检测算子进行边缘检测；
（2）将roberts、prewitt和sobel 边缘检测算子修改为锐化算子，对原图像进行锐化，同屏显示原图像、边缘检测结果和锐化后图像，说明三者之间的关系。
代码
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');
结果
二值化。
五、编程实现教材 214 页所给图像门限化分割的迭代阈值算法，实现对某一灰度图像的代码
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('原始图像');subplot(222)imshow(f2)title('灰度图像');subplot(223)imshow(f3)
title('迭代阈值算法二值化');
结果
心得体会
通过此次作业让我明白了很多，实际操作起来往往比理论所想的要复杂很多。当然，在课设的进行过程中，我还是遇到了不少问题。例如，起初由于我对句柄使用以及一些函数使用的不恰当。随着课设的进行，对matlab的的熟悉度逐步加深。
总体来说，此次的课程设计，还是较为满意的。它不但鞭策着我去巩固matlab的基础理论知识，还提高了我对matlab的实际操作运用，使得理论与实践相结合，为进一步学习matlab打下坚实的基础；同时，在实践的工程中，也让我体会到一种努力付出并得到回报的满足感觉。
数字图像处理总结报告篇四
中南大学
数字图像处理实验 实验名称：空间滤波和频域滤波
班级：电子信息0802班
姓名：李哲 学号：0909080609 实验日期：2010年12月22日
目录
一，实验目的„„„„„„„„„„„„„„„„„„„„„„„3 二，给图像添加噪声„„„„„„„„„„„„„„„„„„„„4 三，对被噪声污染的图像进行中值滤波和均值滤波„„„„„„„5 四，对图像进行空间域的锐化„„„„„„„„„„„„„„„„6 五，matlab以外函数空间滤波和图像锐化„„„„„„„„„„7 六，自带函数傅立叶变换和反变换„„„„„„„„„„„„„„8 七，低通滤波器程序„„„„„„„„„„„„„„„„„„„„9 八，心得体会 „„„„„„„„„„„„„„„„„„„„„„10 九，参考文献 „„„„„„„„„„„„„„„„„„„„„„10
一、实验目的 1，空间滤波：
图像平滑主要目的是减少噪声。噪声有很多种类，不同的噪声有不同的抑制措施。本实验要求用平滑线性滤波和中值滤波2种最典型、最常用的处理算法进行程序设计，学习如何对已被噪声污染的图像进行“净化”。通过平滑处理，对结果图像加以比较，得出自己的实验结论。学习如何用锐化处理技术来加强图像的目标边界和图像细节，对图像进行梯度算子、拉普拉斯算子，使图像的某些特征（如边缘、轮廓等）得以进一步的增强及突出。本实验锐化处理主要在空间域中进行 2，频域滤波：
掌握傅里叶变换的基本性质； 掌握傅里叶正变换和反变换； 通过实验了解二维频谱的分布特点； 掌握怎样利用傅立叶变换进行频域滤波
利用matlab程序数字图像的傅立叶变换并且进行频域滤波
二，给图像添加椒盐噪声或者高斯噪声： 原理：利用matlab自带函数添加噪声 程序代码：a=imread('');i=rgb2gray(a);imshow(i);j = imnoise(i,'salt & pepper',0.05);figure,imshow(j),title('椒盐噪声');%添加椒盐噪声 k = imnoise(i,'gaussian',0,0.03);
figure,imshow(k),title('高斯噪声');%添加高斯噪声
三，对被噪声污染的图像进行中值滤波和均值滤波： 原理：自带函数进行中值滤波和均值滤波 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('原图');figure,imshow(k2),title('中值滤波5*5模板');figure,imshow(k3),title('中值滤波7*7模板');
四，对图像进行空间域的锐化： 原理：自带函数进行空间锐化。源程序：i=imread('');subplot(121),imshow(i),title('原图像');h=fspecial('sobel');i2=filter2(h ,i);subplot(122),imshow(i2),title('sobel算子锐化图像');
五，matlab以外函数空间滤波和图像锐化：
源程序：i = imread('');j = imnoise(i,'salt & pepper',0.02);k = medfilt2(j);imshow(j);title('噪声干扰图像')figure, imshow(k);title('medfilt2滤波图像')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('滤波图像')
六，利用matlab的图像处理工具箱中提供的函数实现图像的傅立叶变换和反变换： 源程序：
a=imread('');f=rgb2gray(a);subplot(131),imshow(f),title('原图');f=fft2(f);% 快速傅立叶变换
subplot(132),imshow(f),title('傅里叶变换')fabs=abs(f);% 求幅频绝对值 fc=fftshift(fabs);% 中心移位 sfc=log(1+fc);% 对数变换
ifc1=ifftshift(fc);% 中心移位的逆变换，绝对值 if2=ifft2(ifc1);% 快速傅立叶变换的逆变换
subplot(133),imshow(if2),title('快速傅立叶变换的逆变换')
七，低通滤波器程序：
i=imread('');subplot(221),imshow(i);title('原始图像')j1=imnoise(i,'gaussian',0.02);% 叠加高斯白噪声
subplot(222),imshow(j1);title('添加高斯白噪声的图像')f=double(j1);
% 数据类型转换 g=fft2(f);
% 傅立叶变换 g=fftshift(g);
[m,n]=size(g);nn=2;
% 二阶巴特沃斯(butterworth)低通滤波器 d0=50;
% 设置截止频率 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));% 计算低通滤波器传递函数
result(i,j)=h*g(i,j);end end result=ifftshift(result);j2=ifft2(result);j3=uint8(real(j2));subplot(223),imshow(j3);title('低通滤波后图像')
心得体会
1，进一步熟悉了matlab软件、编程以及图像处理工具箱 2，学会利用自带函数对图像做简单的处理，例如：均值化等。3，熟练了一些基本函数的运用，例如fspecial，imfilter等。4，加深了对matlab编程的理解。
5，对于试验中的出现的一些问题，懂得怎样去处理。6，通过实际操作，增强了自己的动手能力，把理论用于实践。
参考文献：数字图像处理第二版
matlab教程
数字图像处理总结报告篇五
实验五 图像的几何变换
一．实验目的及要求
掌握图像几何变换的基本原理，熟练掌握数字图像的缩放、旋转、平移、镜像和转置的基本原理及其matlab编程实现方法。
二、实验内容
（一）研究以下程序，分析程序功能；输入执行各命令行，认真观察命令执行的结果。熟悉程序中所使用函数的调用方法，改变有关参数，观察试验结果。
1.图像缩放 clear all, close all i = imread('');scale = 1.35;
% 将图像放大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使用帮助
1.95倍
i = imread('');scale = 1.96;
% 将图像放大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 ');
说明：
注意观察不同插值方法的图像表现； 改变图像缩放因子scale，重做上述实验。2.图像旋转
clear all, close all i = imread('');theta = 45;
% 将图像逆时针旋转45。
j1 = imrotate(i, theta, 'nearest');
% using the nearest neighbor interpolation theta =-45;
% 将图像顺时针旋转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使用帮助 help imrotate %-------
图像旋转30顺时针逆时针
clear all, close all i = imread('');theta = 30;
% 将图像逆时针旋转30。
j1 = imrotate(i, theta, 'nearest');
% using the nearest neighbor interpolation theta =-30;
% 将图像顺时针旋转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 说明：
注意观察不同插值方法和输出图像后处理方法的图像表现； 改变旋转角度大小和方向，重做上述实验。
3．图像水平镜象
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编程实现以下图像几何变换（参考自编讲义相关章节）
1．图像扭曲变换 2．球面变换
三、实验设备
1．piii以上微机； 2．matlab6.5；
四、预习与思考
1．预习实验内容，阅读教材熟悉实验原理；
2．查阅资料，熟悉实验中涉及的有关matlab函数；
3．利用课余时间，采用matlab底层函数编程实现实验内容
（二）中的图像平移、图像转置等几何变换。
五、实验报告要求
1．简述试验的目的和试验原理；
2．叙述各段程序功能，改变有关函数的参数，分析比较实验结果； 3．打印出所编写的实验程序。4．写出本实验的心得体会及意见。
实验六
数字图像处理应用
一．实验目的及要求
1．利用matlab提供的图像处理函数实现图像中物体属性的测量； 2．训练综合运用matlab图像处理函数的能力； 3．了解数字图像处理基本应用。
二、实验内容
以大米粒特性测量为例，综合应用课程中图像分割、形态学滤波、图像增强、图像特征提取等图像处理方法，实现大米粒特性自动测量。实验过程简述：
1． 读取和显示图像 2． 估计图像背景 3． 获取背景均匀的图像 4． 图像增强 5． 图像二值化分割 6． 区域标记及为彩色处理
7． 测量图像中的区域特性（面积、质心等）
8．统计大米粒的特性分布规律。
（一）研究以下程序，分析程序功能；输入执行各命令行，认真观察命令执行的结 果。熟悉程序中所使用函数的调用方法，改变有关参数，观察试验结果。
% 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
(详见matlab ipt的 帮助文档demo中的correcting nonuniform illumination)
（二）查看matlab ipt 帮助文档，研究其它应用演示
三、实验设备 1．piii以上微机； 2．matlab6.5；
四、预习与思考
1．预习实验内容，阅读教材熟悉实验原理； 2．查阅资料，熟悉实验中涉及的有关函数。
3．利用课余时间，采用matlab函数编程实现实验内容
（二）。
五、实验报告要求
1．简述试验的目的和试验原理；
2．叙述各段程序功能，改变有关函数的参数，分析比较实验结果； 3．打印出所编写的实验程序。4．写出本实验的心得体会及意见。
【本文地址：http://www.xuefen.com.cn/zuowen/2173453.html】
