实验一 直方图Matlab 运算及C 之间转换
一、实验目的
1. 熟悉利用Matlab 进行图像处理的基本操作，了解图像数据的存储形式及进行图像处理编程的步骤方法。
2. 巩固图像处理编程的步骤格式，理解图像直方图的原理，掌握图像直方图的实现方法。
二、实验内容
1. 矩阵赋值、求最大值等操作（ 见上传的.m 文件），转换为C 语言。
2. 从图像的行列扫描以及直方图的灰度扫描两种思路进行Matlab 编程，绘制直方图，观察图像效果与直方图的关系。
3. 比较两种实现方法的复杂度，并计算两种方法的完成时间。
三、实验要求
1、编写代码，完成各项实验内容
2、总结实验中遇到问题及解决方案，书写实验报告
实验二 图像增强（直方图均衡化、同态滤波）
一、实验目的
理解图像灰度变换和直方图的概念，掌握灰度变换和直方图均衡化的原理及实现方法。
二、实验内容
1、 线性灰度变换
2、 非线性变换
s =cr γ，修改指数γ观察图像效果，总结指数项γ合理取值的一般规律
3、 直方图
绘制直方图，观察图像效果与直方图的关系
4、 直方图均衡化
利用直方图均衡化确定灰度变换关系，画出变换曲线及图像处理前后的直方图
5、 选择合适的图片和函数及参数，进行同态滤波，比较光照变化情况和直方图的改变。
三、实验要求
1、编写代码，完成各项实验内容
2、总结实验中遇到问题及解决方案，书写实验报告
实验三 模糊图像恢复
一、实验目的
本实验是一个综合性实验，要求学生巩固学习多个知识点和内容，主要有：
1、理解掌握运动图像的退化模型；
2、掌握维纳滤波法的原理和实现方法；
3、在不同的噪声和点扩散函数参数下进行恢复，并比较结果；
4、通过分析和实验得出相应的结论。
二、实验准备
1、运动模糊退化模型：运动模糊是图像退化的一种，可以用数学表达式刻画出来。对线性移（空）不变系统，退化模型可表示为：g(x,y)=h(x,y)*f(x,y)+n(x,y)。对匀速直线运动而言，退化图像为：
g (x , y )=⎰f [x -x 0(t ), y -y 0(t )]dt
0T
其中x 0(t)和y 0(t)分别表示x 和y 方向的运动分量。并假设退化系统是线性移不变的，光学成像过程是完善的，快门开关是瞬间完成的。
对上式进行傅立叶变换，则得频域表达式为
⎡+∞+∞⎤G (u , v )=g (x , y )exp [-j 2π(ux +vy )]dxdy =⎢f [x -x 0(t ), y -y 0(t )]exp [-j 2π(ux +vy )]dxdy ⎥dt ⎢-∞-∞⎥ -∞-∞0⎣⎦+∞+∞T ⎰⎰⎰⎰⎰
=F (u , v )exp {-j 2π[ux 0(t )+vy 0(t )]}dt =F (u , v ) H (u , v ) T
⎰0
其中
H (u , v )=⎰exp {-j 2π[ux 0(t )+vy 0(t )]}dt
0T
假设景物只在x 方向匀速运动，在T 时间内共移动距离是a ，即x 0(t)=at/T，y 0(t)=0, 则 H (u , v )=⎰exp ⎢-j 2πu
0T ⎡⎣at ⎤T dt =sin (πua )exp [-j πua ] T ⎥πua ⎦
在Matlab 中可用滤波器卷积的方法仿真出运动模糊图像。
h=fspecial(‘motion ’,len,theta), 表示在theta 方向移动len 长度，产生运动模糊的点扩散函数h 。
blurred=imfilter(I,h,'circular’, ’conv ’), 产生运动模糊图像。
2、维纳滤波法恢复图像：
此方法也叫最小均方误差滤波法，是建立在图像和噪声都是随机过程，图像和噪声不相关，其中之一的均值为零，灰度估计值与退化图像中的灰度值成线性关系。其基本思想是找
ˆ(x , y ) ，使得估计与原图像之间的均方误差在统计意义上最小。 到原图像f(x,y)的一个估计f
ˆ(x , y )]2} e 2=E {[f (x , y ) -f
ˆ(x , y ) 在频域的表达式其中E{.}表示数学期望，当上式取得最小值时，所得到的估计值f
为：
*⎡⎤()H u , v ˆ(u , v )=⎢F ⎥G (u , v ) 2⎢⎣H u , v +S n u , v /S f u , v ⎥⎦
其中H(u,v)是点扩散函数h (x , y ) 的傅里叶变换，H*(u , v ) 是退化函数H (u , v ) 的复共轭，S n (u , v ) =|N(u , v ) |2、S f (u , v ) =|S(u , v ) |2分别是噪声和原图像的功率谱。
而在实际当中，S n (u , v ) 、S f (u , v ) 未知，特别是S f (u , v ) ，上式无法直接运用。解决的方法之一是令S n (u , v ) / Sf (u , v ) 等于某个常数k 。上式就成了
⎡H *(u , v )⎤ˆ(u , v )=⎢F ⎥G (u , v ) 2⎢⎣H u , v +k ⎥⎦
在Matlab 中有专门的函数可以实现维纳滤波法恢复。wn1=deconvwnr(blurred,h)，参数部分有多种选择的方法，这个表示用真实的点扩散函数进行恢复。
为了对比，可取不同的参数，以及加入噪声，再恢复，噪声可用imnoise 或randn 函数生成。细节可参阅matlab 相关资料。
三、实验内容与要求
参照以上知识点和过程仿真一幅运动模糊图像，用不同的参数，不同的噪声等情况下进行恢复，并探讨各量对恢复结果的影响。
四、实验报告
1、提交经调试正确的程序源代码及相关文档。
2、总结调试程序时遇到的问题及解决方案。
实验五 边缘检测与分割（otsu 法）
一、实验目的
1. 了解图像分割的基本方法，掌握阈值分割与边缘检测的区别
2. 掌握利用最大类间方差法计算阈值的原理及实现方法
3. 掌握常用的边缘检测算子，了解边缘检测与图像锐化的关系
二、实验准备
1.
2.
3.
4. 复习图像分割的概念及常用方法 掌握阈值分割和边缘检测如何实现图像目标分割 了解阈值设定的基本原则，理解最大类间方差法的原理 列出常用的边缘检测算子，了解各算子的特点
三、实验内容与步骤
1. 理解最大类间方差法的原理，编写代码，实现otsu 法图像分割。
2. 改变阈值观察图像分割结果的变化
3. 利用Roberts 算子、Prewitt 算子、Sobel 算子等一阶算子进行处理，联系课本知识观察分析各算子的处理结果
4. 编程实现利用二阶拉普拉斯算子检测边缘
5. 对比图像锐化，分析边缘在图像增强中的作用
四、实验报告与思考题
1. 总结实验内容及步骤方法完成实验报告，报告中要求有关键代码的注释说明及程序运行和图像处理结果
2. 实验报告中回答以下问题
(1) 阈值分割和边缘检测实现图像目标分割的角度有什么不同？
(2) 列出两种以上的阈值计算方法，分析其异同
(3) 边缘检测和图像锐化有什么联系
实验六 基于区域生长图像分割
一、实验目的
理解区域生长的原理，了解其应用；掌握利用区域生长进行图像分割的处理过程及编程方法。
二、实验内容
1. 首先找到种子点；
2. 利用种子点与邻域点的相似性度量，进行邻域点归属的分类
3. 不同类别采用不同的标签（二类可采用0、1或者黑白表示），输出结果。
三、实验要求
1、编写代码，完成各项实验内容
2、总结实验中遇到问题及解决方案，书写实验报告
实验一 直方图Matlab 运算及C 之间转换
一、实验目的
1. 熟悉利用Matlab 进行图像处理的基本操作，了解图像数据的存储形式及进行图像处理编程的步骤方法。
2. 巩固图像处理编程的步骤格式，理解图像直方图的原理，掌握图像直方图的实现方法。
二、实验内容
1. 矩阵赋值、求最大值等操作（ 见上传的.m 文件），转换为C 语言。
2. 从图像的行列扫描以及直方图的灰度扫描两种思路进行Matlab 编程，绘制直方图，观察图像效果与直方图的关系。
3. 比较两种实现方法的复杂度，并计算两种方法的完成时间。
三、实验要求
1、编写代码，完成各项实验内容
2、总结实验中遇到问题及解决方案，书写实验报告
实验二 图像增强（直方图均衡化、同态滤波）
一、实验目的
理解图像灰度变换和直方图的概念，掌握灰度变换和直方图均衡化的原理及实现方法。
二、实验内容
1、 线性灰度变换
2、 非线性变换
s =cr γ，修改指数γ观察图像效果，总结指数项γ合理取值的一般规律
3、 直方图
绘制直方图，观察图像效果与直方图的关系
4、 直方图均衡化
利用直方图均衡化确定灰度变换关系，画出变换曲线及图像处理前后的直方图
5、 选择合适的图片和函数及参数，进行同态滤波，比较光照变化情况和直方图的改变。
三、实验要求
1、编写代码，完成各项实验内容
2、总结实验中遇到问题及解决方案，书写实验报告
实验三 模糊图像恢复
一、实验目的
本实验是一个综合性实验，要求学生巩固学习多个知识点和内容，主要有：
1、理解掌握运动图像的退化模型；
2、掌握维纳滤波法的原理和实现方法；
3、在不同的噪声和点扩散函数参数下进行恢复，并比较结果；
4、通过分析和实验得出相应的结论。
二、实验准备
1、运动模糊退化模型：运动模糊是图像退化的一种，可以用数学表达式刻画出来。对线性移（空）不变系统，退化模型可表示为：g(x,y)=h(x,y)*f(x,y)+n(x,y)。对匀速直线运动而言，退化图像为：
g (x , y )=⎰f [x -x 0(t ), y -y 0(t )]dt
0T
其中x 0(t)和y 0(t)分别表示x 和y 方向的运动分量。并假设退化系统是线性移不变的，光学成像过程是完善的，快门开关是瞬间完成的。
对上式进行傅立叶变换，则得频域表达式为
⎡+∞+∞⎤G (u , v )=g (x , y )exp [-j 2π(ux +vy )]dxdy =⎢f [x -x 0(t ), y -y 0(t )]exp [-j 2π(ux +vy )]dxdy ⎥dt ⎢-∞-∞⎥ -∞-∞0⎣⎦+∞+∞T ⎰⎰⎰⎰⎰
=F (u , v )exp {-j 2π[ux 0(t )+vy 0(t )]}dt =F (u , v ) H (u , v ) T
⎰0
其中
H (u , v )=⎰exp {-j 2π[ux 0(t )+vy 0(t )]}dt
0T
假设景物只在x 方向匀速运动，在T 时间内共移动距离是a ，即x 0(t)=at/T，y 0(t)=0, 则 H (u , v )=⎰exp ⎢-j 2πu
0T ⎡⎣at ⎤T dt =sin (πua )exp [-j πua ] T ⎥πua ⎦
在Matlab 中可用滤波器卷积的方法仿真出运动模糊图像。
h=fspecial(‘motion ’,len,theta), 表示在theta 方向移动len 长度，产生运动模糊的点扩散函数h 。
blurred=imfilter(I,h,'circular’, ’conv ’), 产生运动模糊图像。
2、维纳滤波法恢复图像：
此方法也叫最小均方误差滤波法，是建立在图像和噪声都是随机过程，图像和噪声不相关，其中之一的均值为零，灰度估计值与退化图像中的灰度值成线性关系。其基本思想是找
ˆ(x , y ) ，使得估计与原图像之间的均方误差在统计意义上最小。 到原图像f(x,y)的一个估计f
ˆ(x , y )]2} e 2=E {[f (x , y ) -f
ˆ(x , y ) 在频域的表达式其中E{.}表示数学期望，当上式取得最小值时，所得到的估计值f
为：
*⎡⎤()H u , v ˆ(u , v )=⎢F ⎥G (u , v ) 2⎢⎣H u , v +S n u , v /S f u , v ⎥⎦
其中H(u,v)是点扩散函数h (x , y ) 的傅里叶变换，H*(u , v ) 是退化函数H (u , v ) 的复共轭，S n (u , v ) =|N(u , v ) |2、S f (u , v ) =|S(u , v ) |2分别是噪声和原图像的功率谱。
而在实际当中，S n (u , v ) 、S f (u , v ) 未知，特别是S f (u , v ) ，上式无法直接运用。解决的方法之一是令S n (u , v ) / Sf (u , v ) 等于某个常数k 。上式就成了
⎡H *(u , v )⎤ˆ(u , v )=⎢F ⎥G (u , v ) 2⎢⎣H u , v +k ⎥⎦
在Matlab 中有专门的函数可以实现维纳滤波法恢复。wn1=deconvwnr(blurred,h)，参数部分有多种选择的方法，这个表示用真实的点扩散函数进行恢复。
为了对比，可取不同的参数，以及加入噪声，再恢复，噪声可用imnoise 或randn 函数生成。细节可参阅matlab 相关资料。
三、实验内容与要求
参照以上知识点和过程仿真一幅运动模糊图像，用不同的参数，不同的噪声等情况下进行恢复，并探讨各量对恢复结果的影响。
四、实验报告
1、提交经调试正确的程序源代码及相关文档。
2、总结调试程序时遇到的问题及解决方案。
实验五 边缘检测与分割（otsu 法）
一、实验目的
1. 了解图像分割的基本方法，掌握阈值分割与边缘检测的区别
2. 掌握利用最大类间方差法计算阈值的原理及实现方法
3. 掌握常用的边缘检测算子，了解边缘检测与图像锐化的关系
二、实验准备
1.
2.
3.
4. 复习图像分割的概念及常用方法 掌握阈值分割和边缘检测如何实现图像目标分割 了解阈值设定的基本原则，理解最大类间方差法的原理 列出常用的边缘检测算子，了解各算子的特点
三、实验内容与步骤
1. 理解最大类间方差法的原理，编写代码，实现otsu 法图像分割。
2. 改变阈值观察图像分割结果的变化
3. 利用Roberts 算子、Prewitt 算子、Sobel 算子等一阶算子进行处理，联系课本知识观察分析各算子的处理结果
4. 编程实现利用二阶拉普拉斯算子检测边缘
5. 对比图像锐化，分析边缘在图像增强中的作用
四、实验报告与思考题
1. 总结实验内容及步骤方法完成实验报告，报告中要求有关键代码的注释说明及程序运行和图像处理结果
2. 实验报告中回答以下问题
(1) 阈值分割和边缘检测实现图像目标分割的角度有什么不同？
(2) 列出两种以上的阈值计算方法，分析其异同
(3) 边缘检测和图像锐化有什么联系
实验六 基于区域生长图像分割
一、实验目的
理解区域生长的原理，了解其应用；掌握利用区域生长进行图像分割的处理过程及编程方法。
二、实验内容
1. 首先找到种子点；
2. 利用种子点与邻域点的相似性度量，进行邻域点归属的分类
3. 不同类别采用不同的标签（二类可采用0、1或者黑白表示），输出结果。
三、实验要求
1、编写代码，完成各项实验内容
2、总结实验中遇到问题及解决方案，书写实验报告