数字图像处理实验记录一(图像基本灰度变换)

文章目录

基础知识

第一次接触这方面的知识,一开始有点措手不及,过了很久才慢慢了解

图像是什么样的?

在matlab中使用imread()函数读取一副彩色图像后我们得到了以下的矩阵

在计算机中,图像就是以这种形式保存的。

1,空间分辨率,灰度分辨率

空间分辨率:图像中可分辨的最小细节,由采样间隔值决定,看起来对清晰度有影响

灰度分辨率:灰度级别中可辨别的最小变化,感觉是黑白色之间过渡的级别

灰度分辨率越小,越黑白

2,灰度图和彩色图的区别

彩色图:每个像素由R,G,B三个分量表示,用三个二维矩阵分别表示各个像素的R,G,B三个颜色分量。

灰度图:每个像素只有一个采样颜色,所以用一个二维矩阵来表示各个像素的采样颜色。

3,什么是灰度直方图?

由此可见,进行灰度变换就是改变灰度值

实验要求

1,按照灰度变换曲线对图像进行灰度变换

2,读入一幅图像,分别对其进行求反变换、对数变换和幂次变换。并显示原图像和变换后图像。

实验记录

任务一:

了解了以上的知识后,这个图也能够看懂了

原图的灰度曲线应该是这个样子的:

是一条过原点斜率为1的曲线
通过以下操作可以将其变成要求的曲线

py 复制代码
%分段
x0=0;y0=0;
x1=48;y1=23;
x2=196;y2=216;
x3=255;y3=255;

%算变换斜率
a1=(y1-y0)/(x1-x0);
a2=(y2-y1)/(x2-x1);
a3=(y3-y2)/(x3-x2);
I2 = I1;
[height,width] = size(I1) %得出图片的高,宽
for row = 1:1:height      %遍历图片矩阵
    for col = 1:1:width
        tmp = I2(row,col);
        if(tmp < x1)
            I2(row,col) = a1*tmp;
        elseif(tmp>=x1&tmp<x2)
            I2(row,col) = a2*(tmp-x1)+y1;
        else
            I2(row,col) = a3*(tmp-x2)+y2;
        end
    end
end
plot(x,y);
hold on
plot([0 x1],[y1 y1],'r--') %画线
plot([x1 x1],[0 y1],'r--') %画线

plot([0 x2],[y2 y2],'r--') %画线
plot([x2 x2],[0 y2],'r--') %画线

hold off


接下来我们就可以通过以上步骤对图像进行操作:

py 复制代码
%分段
x0=0;y0=0;
x1=48;y1=23;
x2=196;y2=216;
x3=255;y3=255;

%算变换斜率
a1=(y1-y0)/(x1-x0);
a2=(y2-y1)/(x2-x1);
a3=(y3-y2)/(x3-x2);
I2 = I1;
[height,width] = size(I1) %得出图片的高,宽
for row = 1:1:height      %遍历图片矩阵
    for col = 1:1:width
        tmp = I2(row,col);
        if(tmp < x1)
            I2(row,col) = a1*tmp;
        elseif(tmp>=x1&tmp<=x2)
            I2(row,col) = a2*(tmp-x1)+y1;
        else
            I2(row,col) = a3*(tmp-x2)+y2;
        end
    end
end

展示结果代码:

py 复制代码
subplot(221);imshow(I1);title('灰度图');
subplot(222);imhist(I1);title('灰度直方图');

subplot(223);imshow(I2);title('灰度变换后图');
subplot(224);imhist(I2);title('灰度直方图');

任务二:

反转变换:

把黑变成白,把白变成黑

公式:

L是灰度级,一般是256

py 复制代码
H=imread('山.png');
Hi = 255-H;
subplot(324);imshow(Hi);title('求反变换');

对数变换:


py 复制代码
I=imread('山.png');
c = 1 %对数因子
I1 = im2double(I);
I3 = uint8(c*log(1+I1*255)/log(256)*255);
subplot(121);imshow(I);title('原图');
subplot(122);imshow(I3);title('对数变换图');

幂次变换:

公式


py 复制代码
gamma = 2.5; % 幂次参数,可根据需要调整
Hgam = c*im2double(H).^gamma;
subplot(326);imshow(Hgam);title('幂次变换');

结果展示

结果1:

结果2:

反转变换:

对数变换:

幂次变换:

反思,总结与收获

1,在matlab中让几幅图片在一个窗口显示

py 复制代码
subplot(121);imshow(I);title('原图');
subplot(122);imshow(Hgam);title('幂次变换图');

subplot(a,b,c);将窗口分割成a行b列后,这个图片在序号为c的位置

序号排序如下:

注意:subplot()函数里面的参数要加,分隔,我没有分隔,是坏习惯

2,title(' ') 标题

在''之间添加文本就可以显示标题了

3,uint8

图像矩阵的数据类型一般是uint8,无符号8位整型数据

4,im2double()函数

将图的uint8矩阵转成double矩阵,要注意的是,这个函数一般会将原来uint8数据从0~255范围映射到0~1范围,所以当你想把它重新转成uint8的时候要乘255

5,matlab判断语句怎么写

py 复制代码
if(条件)
 ...
elseif(条件)
...
else
...
end

6,matlab 循环语句怎么写

py 复制代码
for i = 1:7		%这个代表了从1到7,每次递增1
...
end

for i = 0:2:8   %这个代表了从0到8,每次递增2
...
end

7,清空命令行

py 复制代码
% 在脚本里加入以下语句,在每次运行时会清空命令行
clear all;
clc;
相关推荐
Blossom.11813 分钟前
机器学习在智能供应链中的应用:需求预测与物流优化
人工智能·深度学习·神经网络·机器学习·计算机视觉·机器人·语音识别
叶子爱分享9 小时前
计算机视觉与图像处理的关系
图像处理·人工智能·计算机视觉
cver1239 小时前
野生动物检测数据集介绍-5,138张图片 野生动物保护监测 智能狩猎相机系统 生态研究与调查
人工智能·pytorch·深度学习·目标检测·计算机视觉·目标跟踪
kyle~11 小时前
目标检测在国防和政府的应用实例
人工智能·目标检测·计算机视觉
Akttt12 小时前
【T2I】R&B: REGION AND BOUNDARY AWARE ZERO-SHOT GROUNDED TEXT-TO-IMAGE GENERATION
人工智能·深度学习·计算机视觉·text2img
jndingxin13 小时前
OpenCV CUDA模块设备层-----反向二值化阈值处理函数thresh_binary_inv_func()
人工智能·opencv·计算机视觉
jndingxin14 小时前
OpenCV CUDA模块设备层-----在 GPU 上执行类似于 std::copy 的操作函数warpCopy()
人工智能·opencv·计算机视觉
jndingxin15 小时前
OpenCV CUDA模块设备层-----在GPU 上高效地执行两个 uint 类型值的最大值比较函数vmax2()
人工智能·opencv·计算机视觉
加油吧zkf16 小时前
目标检测新纪元:DETR到Mamba实战解析
图像处理·人工智能·python·目标检测·分类
顾道长生'17 小时前
(Arxiv-2024)自回归模型优于扩散:Llama用于可扩展的图像生成
计算机视觉·数据挖掘·llama·自回归模型·多模态生成与理解