第1页 / 共30页
第2页 / 共30页
第3页 / 共30页
第4页 / 共30页
第5页 / 共30页
第6页 / 共30页
第7页 / 共30页
第8页 / 共30页
数字图像处理与图像通信实验.doc
通信与信息工程学院
2012/2013 学年第一学期
实 验 报 告
实验课程名称 数字图像处理与图像通信实验
专
业
电子信息工程
学 生 学 号
学 生 姓 名
指 导 教 师
刘 瑜
指 导 单 位
图像与广播电视系
实验名称：图像的锐化处理
日 期：
2012 年 9
月 12 日
一、实验目的：←
学习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、Roberts
算子、Sobel 算子边缘检测处理和 Laplace 算子边缘增强处理，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。
二、实验内容：
（1）编写梯度算子和 Roberts 算子滤波函数。
（2）编写 Sobel 算子滤波函数。
（3）编写拉普拉斯边缘增强滤波函数。
（4）观察频域中用高低通滤波技术对图像进行的平滑和锐化处理。
三、实验方法及编程：
1、梯度算子
梯度算子是边缘检测的一种方法，有水平垂直分法和 Roberts 交叉梯度法。水平垂
直分法可同时检测水平和垂直边缘，因此这种算子对水平和垂直边缘比较敏感，而
Roberts 交叉算子则是检测 45°和 135°边缘的，可以根据图像边缘的特征来选择两种
算子之一。
（1） 水平垂直梯度算子
,(
yxg
)
|
,(
yxf
)
(
xf
,1
y
|)
|
,(
yxf
)
,(
yxf
|)1
f(x,y)
f(x+1,y)
1
-1
f(x,y+1)
-1
（2） Roberts 交叉算子
,(
yxg
)
|
,(
yxf
)
(
xf
,1
y
|)1
|
(
xf
,1
y
)
,(
yxf
|)1
f(x,y)
f(x+1,y)
f(x,y+1)
f(x+1,y+1)
function newbuf=RobFilter(oldbuf,M,N);
RobFilter()
%
for x=1:M-1
for y=1:N-1
newbuf(x,y)=abs(oldbuf(x,y)-oldbuf(x+1,y+1))+abs(oldbuf(x+1,y)-oldbuf
(x,y+1));
end
end
for x=1:M
end
newbuf(x,N)=oldbuf(x,N);
for y=1:N
end
newbuf(M,y)=oldbuf(M,y);
2、 Sobel 算子
g
S
2
x
S
2
y
式中：
S x
[
(
xf
[
(
xf
,1
y
,1
(2)1
xf
y
,1
(2)1
y
xf
,1
)
(
)
xf
y
(
,1
y
xf
,1
y
)]1
)]1
S y
[
(
xf
[
(
xf
,1
y
,(2)1
,1
yxf
y
)1
,(2)1
yxf
)1
(
xf
(
xf
,1
y
,1
y
)]1
)]1
f(x-1,y-1)
f(x,y-1)
f(x+1,y-1)
f(x-1,y)
f(x,y)
f(x+1,y)
f(x-1,y+1)
f(x,y+1)
f(x+1,y+1)
-1
0
1
-1
-2
-1
-2
0
2
0
0
0
-1
0
1
1
2
1
function newbuf=SobFilter(oldbuf,M,N);
% 函数名称：
%
for x =2:M-1
for y=2:N-1
SobFilter()
newbuf(x,y)=abs((oldbuf(x+1,y-1)+2*oldbuf(x+1,y)+oldbuf(x+1,y+1))-(ol
dbuf(x-1,y-1)+2*oldbuf(x-1,y)+oldbuf(x-1,y+1)))+...
abs((oldbuf(x-1,y+1)+2*oldbuf(x,y+1)+oldbuf(x+1,y+1))-(oldbuf(x-1,y-1)
+2*oldbuf(x,y-1)+oldbuf(x+1,y-1)));
end
end
for x=1:M
newbuf(x,N)=oldbuf(x,N);
newbuf(1,N)=oldbuf(x,N);
end
for y=1:N
end
newbuf(M,y)=oldbuf(M,y);
newbuf(1,y)=oldbuf(1,y);
3、 Laplace 边缘增强算子
如果对图像在 ),(
j
i 点进行 Laplace 边缘增强运算，则偏导数的线性组合可近似地表
示
,(
yxg
)
,(*5
yxf
)
[
(
xf
,1
y
)
(
xf
,1
y
)
,(
yxf
)1
,(
yxf
)]1
0
-1
0
-1
-1
-1
1
-2
1
-1
4
-1
-1
8
-1
-2
4
-2
0
-1
0
-1
-1
-1
1
-2
1
function newbuf=LapFilter(oldbuf,M,N);
% 函数名称：
%
for x=2:M-1
LapFilter()
for y=2:N-1
newbuf(x,y)=5*oldbuf(x,y)-(oldbuf(x+1,y)+oldbuf(x-1,y)+oldbuf(x,y+1)+
oldbuf(x,y-1));
end
end
for x=1:M
end
for y=1:N
end
newbuf(x,N)=oldbuf(x,N);
newbuf(1,N)=oldbuf(x,N);
newbuf(M,y)=oldbuf(M,y);
newbuf(1,y)=oldbuf(1,y);
四、实验结果及分析：（原图像和处理后的图像比较及分析）
（1） 由上图可以看到分别经过 Robert、Sobel、Laplace 算子后的图像。
（2） 梯度算子：梯度算子正比于相邻像素灰度值之查分，因此在图像缓慢区域其值很小，
而在线条轮廓等变化较大的部分其值较大。图像经过梯度算子运算后，留下灰度值
急剧变化的边沿处的点。
Sobel 算子：Sobel 算子采用了两列或两行加权之差值，因而对图像中的随机噪声有
一定的平滑作用。
Laplace 算子：该方法是一种各向同性的增强要求，即其边缘的曾强程度与边缘的
方向无关，从而可以满足不同走向的边缘锐化的要求。其产生的边沿锐化程度大于
其他边缘增强方法。
（3） 平滑滤波可以减少图像中的噪声，平滑后的图像经过锐化后，噪声的影响可以得到
很好的控制，得到的图像锐化效果更好，图像更清晰。
（4） 对于一幅图像，它的边缘、细节、跳跃部分及噪声都可以代表图像的高频分量，而
大面积的北京区和缓慢变化部分代表图像的低频分量，用频域低通除去高频分量就
能去掉噪声，从而使图像得到平滑。
图像中的边缘或线条等细节部分与图像频谱的高频分量相对应，因而采用高通滤波
让高频分量顺利通过，适当抑制低频分量，使图像的细节变得清楚，实现图像的锐
化。
高通用于锐化，低通用于平滑。
日 期：
2012 年 9
月 19 日
实验名称：图像信号的数字化
一、实验目的：
通过本实验了解图像的数字化参数取样频率（像素个数）、量化级数与图像质量的关系。
二、实验内容：
（1）编写并调试图像数字化程序。要求参数 k，N 可调。其中，k 为亚抽样比例，N 为
量化比特数。
（2）可选择任意图像进行处理，在显示器上观察各种数字化参数组合下的图像效果。
本实验是对 8 bit 数字化图像（将其近似看做连续图像）进行再取样和再量化。
三、实验方法及编程：
1、采样
在空间上用有限的点来代替连续无限的坐标值称为采样，采样结果为一幅 m*n 大小
的数字图像（m，n 分别为水平和垂直方向采样点的个数），采样点间隔的选取决定了
采样后的图像忠实地放映原图像的程度。
在水平和垂直方向做 1：k（k=2,4,6,8）的采样，得到新的采样图像。为了观察显
示的需要，再按 k:1 的比例将再采样的图像还原为原图像尺寸（如 256*256）。
2、量化
对每个采样点灰度值的离散化过程称为量化，即用有限个数来代替连续无限多的连
续灰度值。量化级数通常取为 2 的 N 次幂，称为对图像进行 N bit 量化。例如，若每
个像素的灰度值量化后用一个字节（8 bit）来表示，则量化为 0—255 共 256 个灰度
级。如果对每个像素分别取 N bit 的量化（N=7,6，…,2,1）,其处理算法为：
f
g
),(
j
i
[
f
2/),(
i
j
8
N
8
N
2*]
式中，[/]表示取整运算。
通常把大小为 m*n ，灰度级为 L 级的数字图像称为空间分辨率为 m*n 像素，灰度级
分辨率为 L 级的数字图像。
图像数字化算法函数
原图像数组
原图像尺寸
取样间隔
量化比特值
Sample_Quant()
oldbuf
M N
k
n
newbuf
function newbuf=Sample_Quant(oldbuf,k,n)
%
% 参数：
%
%
%
%
%
% 说明：
%
% 素分别取 n 比特量化，为了观察显示的需要，再按 k:1 的比例将再取样的图像还原
% 为原图像尺寸。最后放入新的图像数组中并返回该数组。
[M,N]=size(oldbuf);
oldbuf=double(oldbuf);
M1=floor(M/k);
N1=floor(N/k);
for i=1:M1
在水平和垂直方向作 1:k 取样，得到新的取样图像，再根据量化公式对每个像
存放处理后的图像二维数组
for j=1:N1
X1=1+(i-1)*k;
Y1=2+(j-1)*k;
if(X1
当 Sample Interval 为 4，Quantization Bits 为 2 时，图像如下
（1） 原图像与处理后图像比较见上图。
（2） 比较图一与图二可以观察，当 N 值不变、k 值变化时，数字图像的区别；
比较图二与图三可以观察，当 k 值不变、N 值变化时，数字图像的区别；
（4）公示 6.1.1 是对每个像素分别进行 N bit 的量化，如果去掉 N82 只是将每个像素除以
N82 后取整，与原灰度值相差很大，不是量化的过程。
相关推荐
2023年江西萍乡中考道德与法治真题及答案.doc
2012年重庆南川中考生物真题及答案.doc
2013年江西师范大学地理学综合及文艺理论基础考研真题.doc
2020年四川甘孜小升初语文真题及答案I卷.doc
2020年注册岩土工程师专业基础考试真题及答案.doc
2023-2024学年福建省厦门市九年级上学期数学月考试题及答案.doc
2021-2022学年辽宁省沈阳市大东区九年级上学期语文期末试题及答案.doc
2022-2023学年北京东城区初三第一学期物理期末试卷及答案.doc
2018上半年江西教师资格初中地理学科知识与教学能力真题及答案.doc
2012年河北国家公务员申论考试真题及答案-省级.doc
2020-2021学年江苏省扬州市江都区邵樊片九年级上学期数学第一次质量检测试题及答案.doc
2022下半年黑龙江教师资格证中学综合素质真题及答案.doc
