1、評分實驗報告 課程名稱 醫(yī)學(xué)圖像處理 實驗名稱 圖像運算 專業(yè)班級 姓 名 學(xué) 號 實驗日期 實驗地點 20152016學(xué)年度第 2 學(xué)期一、 實驗?zāi)康腗ATLAB的圖像處理工具箱提供了圖像運算函數(shù)。本實驗將具體介紹Matlab中的圖像點運算、代數(shù)運算、幾何和鄰域操作運算。二、實驗環(huán)境 1、硬件配置：處理器：Intel（R） Core(TM) i7-3770 CPU 3.40GHz 3.40GHz 安裝內(nèi)存（RAM）：4.00GB 系統(tǒng)類型：64位操作系統(tǒng)2、 軟件環(huán)境：MATLAB R2013b軟件三、實驗內(nèi)容利用Matlab對圖像進行點運算、加法運算、減法運算、乘法運算、除法運算、改變圖像

2、的大小、旋轉(zhuǎn)圖像、圖像的剪切、圖像的鄰域操作。四、實驗結(jié)果與分析 （包括實驗原理、數(shù)據(jù)的準備、運行過程分析、源程序（代碼）、圖形圖象界面等）注：本項可以增加頁數(shù)例1 圖像點運算skull=imread(skull.tif); %讀取圖像 subplot(131),imshow(skull) %生成一行三列三塊區(qū)域，并在第一塊區(qū)域繪制圖像 I=double(skull); %轉(zhuǎn)換為雙精度類型 J=I*0.43+60; %利用該函數(shù)對輸出圖像進行壓縮，使其對比度減小，圖像變暗skull2=uint8(J); %轉(zhuǎn)換為uint8 subplot(132),imshow(skull2) %在第二塊區(qū)域

3、繪制圖像 J=I*1.5-60; %利用該函數(shù)對輸出圖像進行對比度級數(shù)拓展，使其對比度增強，圖像變亮 skull3=uint8(J); %轉(zhuǎn)換為uint8 subplot(133),imshow(skull3) %在第三塊區(qū)域繪制圖像運行結(jié)果： 圖1 原圖像 圖2 對比度減小的圖像 圖3 對比度增強的圖像分析：1）subplot是用于將多個圖像畫到一個平面上的函數(shù)。subplot(m,n,p,)中的m表示m行，n表示n列，p表示從左到右的第幾塊區(qū)域；2）uint8表示8位無符號的整型數(shù)據(jù)類型，以此方式存儲的圖像稱作8位圖像；而Matlab中數(shù)值一般采用double型的存儲和運算，因此在進行本題

4、的灰度變換運算時，應(yīng)先把skull圖像轉(zhuǎn)化為double格式； 3）線性灰度變換函數(shù) 當(dāng)a=1，b=0時，輸出圖像像素不發(fā)生變化；當(dāng)a=1，時，輸出圖像所有灰度值上移或下移；當(dāng)時，輸出圖像灰度級壓縮，對比度減小，如圖2所示；當(dāng)時，輸出圖像灰度級拓展，對比度增強，如圖3所示；當(dāng) 時，輸出圖像暗區(qū)域變亮，亮區(qū)域變暗，圖像求反。2、圖像的代數(shù)運算例2 圖像加法運算skull=imread(skull.tif); %讀取圖像imshow(skull) %顯示圖像J=imread(cameraman.tif); %讀取圖像figure,imshow(J) %顯示圖像I=imresize(skull,25

5、6,256); %將skull圖像轉(zhuǎn)換為的大小K=imadd(I,J); %對兩幅圖像的灰度值進行加法運算figure,imshow(K) %顯示圖像K2=imadd(I,J,uint16); %對兩幅圖像的灰度值進行加法運算，并轉(zhuǎn)化為uint16figure,imshow(K2,) %顯示圖像RGB=imread(skull.tif); %讀取圖像RGB2=imadd(RGB,50); %將圖像skull與常數(shù)50相加imshow(RGB) %顯示RGB圖像figure,imshow(RGB2) %顯示亮度增強50的RGB圖像RGB3=imadd(RGB,100); %將圖像skull與常數(shù)

6、100相加figure,imshow(RGB3) %顯示亮度增強100的RGB圖像運行結(jié)果： 圖4 skull原圖像 圖5 cameraman原圖像 圖6 兩幅相加后的圖像 圖7 轉(zhuǎn)化為uint16的圖像 圖8 RGB原圖 圖9 亮度增強50后的圖像圖10 亮度增強100后的圖像分析：1）imadd是用于實現(xiàn)兩圖像灰度值相加的函數(shù)，imadd(I,J)中的I和J要求大小相等，由于我讀取的skull圖像的尺寸為，因此在進行I和J的加法運算前須利用imresize函數(shù)把skull圖像轉(zhuǎn)換為的大小； 2）I和J進行相加后的圖像如圖6所示，而在I和J相加的基礎(chǔ)上將其轉(zhuǎn)換為uint16的圖像如圖7所示，

7、我們可以清楚的發(fā)現(xiàn)圖6比圖7的更亮，但細節(jié)比圖7的模糊，這是由于Matlab在運算后會自動將圖像轉(zhuǎn)換為double型，因此uint16的圖像是比double型的圖像更清晰； 3）imadd（RGB,50）是將一個常數(shù)50加到RGB圖像上,即使圖像的灰度級增強了50，如圖9所示，以此類推，圖10為灰度級增強了100的圖像。例3 圖像減法運算I=imread(skull.tif); %讀取圖像imshow(I) %顯示圖像background=imopen(I,strel(disk,15); %估計圓盤半徑為15的背景圖像figure,imshow(background); %顯示背景圖I2=im

8、subtract(I,background); %從原始圖像中減去不均勻的背景圖運行結(jié)果： 圖11 skull原圖 圖12 背景圖 圖13 減去背景圖后的圖像分析：1）imopen開運算屬于形態(tài)圖像處理，是先腐蝕后膨脹，可以使邊界平滑，消除尖刺，斷開窄小的連接，保持面積大小不變；strel是用于構(gòu)建結(jié)構(gòu)元素對象，imopen(I,strel(disk,15)就是構(gòu)建圓盤半徑為15的背景圖，如圖12所示； 2）imsubtract函數(shù)是用于兩幅圖像的相減運算，如圖13所示，減去不均勻的部分后，圖像變得更加平滑。例4 圖像的乘法運算I=imread(skull.tif); %讀取圖像J=immul

9、tiply(I,1.2); %圖像的乘法，縮放因子是1.21，增強圖像的亮度K=immultiply(I,0.5); %圖像的乘法，縮放因子是0.51，減小圖像的亮度imshow(I) %顯示原圖像figure,imshow(J) %顯示亮度增強圖像figure,imshow(K) %顯示亮度減小圖像運行結(jié)果： 圖14 skull原圖 圖15 亮度增強后的圖像 圖16 亮度減小后的圖像分析：1）乘法運算可以實現(xiàn)掩模操作，即屏蔽掉圖像的某些部分 2）一幅圖像乘以一個常數(shù)通常被稱為縮放。immultiply(I,1.2)，使用的縮放因數(shù)大于1，那么將增強圖像的亮度，如圖15所示；immultipl

10、y(I,0.5)中的因數(shù)小于1則會使圖像變暗，如圖16所示。例5 圖像除法運算I=imread(skull.tif); %讀取原圖像J=double(I)*0.43+80; %利用該函數(shù)對輸出圖像進行處理，是對比度減小，圖像變暗J=uint8(J); %轉(zhuǎn)換成uint8K=imdivide(I,J); %除法運算imshow(I) %顯示原圖像figure,imshow(J) %顯示對比度減小的圖像figure,imshow(K) %顯示灰度級相除后的圖片運行結(jié)果： 圖17 skull原圖 圖18 對比度減小的圖片 圖19 灰度級相除后的圖片分析：1）J=double(I)*0.43+80是將

11、skull圖像轉(zhuǎn)換為double型再對其進行灰度變換運算，使其灰度級減小，如圖18所示； 2）imdivide(I,J)要求I和J數(shù)據(jù)類型一致，因此在進行此運算時，須先將double型的J轉(zhuǎn)換為uint8，兩幅圖像的灰度級相除后的到的結(jié)果為0,1，因為其灰度級極其相近且小，肉眼無法分辨，故我們所看到的輸出圖像幾近與純黑色，如圖19所示； 3）除法運算是用于校正成像設(shè)備的非線性影響。例6 圖像的幾何運算I=imread(skull.tif); %讀取圖像J=imresize(I,1.25); %返回圖像J,其長寬是圖像I的長寬的1.25倍，即放大圖像K=imresize(I,0.8); %返回圖

12、像K,其長寬是圖像I的長寬的0.8倍，即縮小圖像imshow(I) %顯示原圖figure,imshow(J) %顯示尺寸放大的圖像figure,imshow(K) %顯示尺寸減小的圖像 Y=imresize(I,100,150); %返回圖像Y，高度為100，寬度為150figure,imshow(Y) %顯示的圖像運行結(jié)果： 圖20 skull的原圖像 圖21 尺寸放大的圖像 圖22 尺寸減小的圖像圖23 的圖像分析：1）imresize函數(shù)可改變圖像輸出圖像的大小，J=imresize(I,1.25)為返回圖像J,其長寬是圖像I的長寬的1.25倍，即放大圖像，如圖21所示；K=imres

13、ize(I,0.8)為返回圖像K,其長寬是圖像I的長寬的0.8倍，即縮小圖像，如圖22所示； 2）Y=imresize(I,100,150)是直接指定輸出圖像真實的大小，即返回圖像Y，高度為100，寬度為150。例7 旋轉(zhuǎn)一幅圖像I=imread(skull.tif); %讀取圖像J=imrotate(I,30,bilinear); %將圖像skull繞圖像的中心點旋轉(zhuǎn)30度J1=imrotate(I,30,bilinear,crop); %crop：通過對旋轉(zhuǎn)后的圖像進行裁剪，保持旋轉(zhuǎn)后輸出圖像J1的尺寸和輸入圖像skull的尺寸一樣。imshow(I) %顯示原圖figure,imshow

14、(J) %顯示逆時針旋轉(zhuǎn)30度的圖像figure,imshow(J1) %顯示裁剪后的圖像J2=imrotate(I,-15,bilinear); %將圖像順時針旋轉(zhuǎn)15度，進行雙線性插值figure,imshow(J2) %顯示順時針旋轉(zhuǎn)15度的圖像運行結(jié)果： 圖24 skull的原圖像 圖25 逆時針旋轉(zhuǎn)的圖像 圖26 裁剪后的圖像 圖27 順時針旋轉(zhuǎn)的圖像分析：1） Imrorate(x，n)是用于對圖像進行旋轉(zhuǎn)的函數(shù)，其中X若為正數(shù)則表示逆時針旋轉(zhuǎn)，數(shù)則表示順時針旋轉(zhuǎn)；J=imrotate(I,30,bilinear)表示逆時針旋轉(zhuǎn)30度，如圖25所示；其中bilinear為雙線性插值

15、，在兩個方向分別進行一次線性插值；J2=imrotate(I,-15,bilinear)則表示順時針旋轉(zhuǎn)15度，如圖27所示；2） J1=imrotate(I,30,bilinear,crop)中的crop是通過對旋轉(zhuǎn)后的圖像進行裁剪，保持旋轉(zhuǎn)后輸出圖像J1的尺寸和輸入圖像skull的尺寸一樣，如圖26所示。例8 圖像剪切%通過交互操作，從一幅圖像中剪切一個矩形區(qū)域。I=imread(skull.tif); %讀取圖像imshow(I); %顯示圖像II1=imcrop; %對圖像進行自由地剪切操作figure,imshow(I1) %顯示圖像I1I2=imcrop(I,30 60 120 1

16、60); %剪切圖像I,坐標（30，60）往下120*160的圖像figure,imshow(I2) %顯示圖像I2運行結(jié)果： 圖28 skull的原圖像 圖29 手動剪切后的圖像 圖30 定義剪切后的圖像分析：1）imcrop用于返回圖像的一個裁剪區(qū)域，但其也允許用戶自己以交互方式使用鼠標選定要剪切的區(qū)域；因此如圖29所示，為我們自己手動剪切的圖像；I2=imcrop(I,30 60 120 160)為剪切橫坐標30-60，縱坐標60-160的圖像區(qū)域，如圖30所示。例9 圖像的領(lǐng)域操作I=imread(skull.tif); %讀取原圖f=inline(max(x(:); %定義一個取最大

17、值的函數(shù)f，構(gòu)造復(fù)合函數(shù)I2=nlfilter(I,3 3,f); %對圖像I的每一個3*3滑塊應(yīng)用函數(shù)f，滑動鄰域操作imshow(I) %顯示原圖figure,imshow(I2) %顯示進行滑動鄰域操作的圖像I=imread(skull.tif); %讀取原圖f=inline(uint8(round(mean2(x)*ones(size(x); %構(gòu)造復(fù)合函數(shù)I2=blkproc(I,8 8,f); %對圖像I的每一個8*8滑塊應(yīng)用函數(shù)f，分離鄰域操作imshow(I) %顯示原圖figure,imshow(I2) %顯示分離鄰域操作的圖像運行結(jié)果： 圖31 skull的原圖像 圖32

18、滑動鄰域操作的圖像 圖33 分離鄰域操作的圖像分析：1）nlfilter是對圖像進行邊沿操作，即進行滑動鄰域操作，nlfilter(I,3 3,f)為對圖像I的每一個3*3滑塊應(yīng)用函數(shù)f進行滑動鄰域操作，如圖32所示；2） blkproc是實現(xiàn)圖像的顯示塊操作，即分離鄰域操作，blkproc(I,8 8,f)為對圖像I的每一個8*8滑塊應(yīng)用函數(shù)f進行分離鄰域操作，如圖33所示；五、實驗小結(jié)： （包括主要實驗問題的最終結(jié)果描述、詳細的收獲體會，待解決的問題等）在此次實驗中，由于實驗內(nèi)容更貼近生活應(yīng)用，因此比起上學(xué)期，我們更容易領(lǐng)悟該程序的表達，只是在細節(jié)方面還是很容易出錯，甚至不容易拐過彎來。在實驗中應(yīng)注