一、实验目的
(1)熟悉MATLAB图像处理工具箱的基本使用方法。在掌握MATLAB基本操作的基础上，依靠图像处理工具箱验证和设计图像处理算法。
(2)了解计算图像的统计指标的方法及其在图像处理中的意义。
(3)了解图像的几何操作，如改变图像大小、剪切、旋转等。
二、实验主要仪器设备
(1)台式计算机或笔记本电脑。
(2) MATLAB (安装了图像处理工具箱，即Image Processing Toolbox (IPT))。
(3)典型的灰度、彩色图像文件。
三、实验原理
(1)将一幅图像视为一个二维矩阵。
(2)利用MATLAB图像处理工具箱读、写和显示图像文件。
①调用imread函数将图像文件读入图像数组(矩阵)。
其基本格式为: A= imread(filename, fmt)；
例如：A=imread(‘lena’,’jpg’);
常用简化格式为：
例如：A= imread(‘lena.jpg’);
其中，A为二维数组，filename 为文件名，fmt 为图像文件格式的扩展名。
②调用imwrite函数将图像矩阵写入图像文件。
其基本格式为: imwrite(A,filename,fmt);
例如：imwrite(A,‘test_image’,’jpg’);
常用简化格式为：
例如：imwrite(A,‘test_image.jpg’);
③调用imshow函数显示图像。
例如：imshow(‘tire.tif’);
其基本格式为: imshow(I,N)
其中，I为图像矩阵，N为显示的灰度级数，默认时为256。
(3)计算图像的有关统计参数。
图像的统计特征主要有：
①图像大小：
size(I);返回值为图像的行与列
numel(I):返回值为图像像素总个数（矩阵元素个数）
②图像的灰度平均值（均值）：
即一幅图像的平均灰度（亮度）。
调用函数：mean2(I)
③图像的灰度标准差（standard deviation）：
调用函数：std2(I)
④图像的方差（variance）
求解图像方差有两种方法：
第一种：
调用函数：var;
注意：var函数是对一维数组求方差，因此对图像求方差需要把图像对应的二维矩阵转换为一维。例如：V=var(I(😃);
第二种：
先求标准差，然后进行平方，即：p=std2(I)；V=p^2。
⑤相关系数（correlation coefficient）
判断两幅图之间的相关程度。
调用函数：corr2(A,B);
值越大，说明两幅图像的相关性越高，反之亦然。
⑥获取图像信息
调用函数：imfinfo(FILENAME);
(4)改变图像尺寸、旋转图像、裁剪图像
改变尺寸函数：imresize(I,[m n]); %用m,n指定新尺寸（m行，n列）
imresize(I,n);% n为倍数
旋转图像函数：imrotate(I,angle); % angle为角度
裁剪函数图像：imcrop(I,[a b c d]);% a,b为新图像原点在原图像中的坐标，c,d为新图像的宽度和高度（长或宽）
练习1：A=[1 2 3 4 5 6;
7 6 5 4 3 2;
5 6 7 8 9 0;
4 3 2 5 7 6;
6 5 4 3 2 1;]
B=imcrop(A,[2 2 3 2]);
四、实验内容
(1)用imwrite写入图像
练习：
A=[1 1 1;0 0 0;1 0 1];%创建矩阵
imwrite(A,‘wan.bmp’);%将矩阵写入当前工作空间
B=imread(‘wan.bmp’);%读取
imshow(B);
实验题：
生成单位矩阵，将其写入当前路径并显示。
报告总结：
写出此矩阵被写入的位置（路径）；图像的类型（扩展名）；A的数据类型和B的数据类型。
(2) 用imread读入一幅图像(自选)，并通过imfinfo函数获取图像文件的基本信息，将基本信息用语言文字进行描述并写在报告册（帮助理解）。
(3)读取安装文件中的‘onion.png’,首先将其转换为灰度图片，然后利用“像素和统计处理”函数分别获取：
①灰度图像的大小、总像素个数、均值和方差。
②原彩色图像的大小、总像素个数、总均值及各颜色分量的均值。
各颜色分量均值求解参考如下：
R=mean2(I(:,:,1)) %红色的均值
G=mean2(I(:,:,2)) %蓝色的均值
B=mean2(I(:,:,3)) %绿色的均值
分析总结（体现在报告中）：
原彩色图像和灰度图像的大小、总像素个数之间的关系；
行数和列数相乘是灰度图总像素的大小，而原彩色图是行数和列数相乘的三倍
彩色图像的总均值和三个颜色分量均值存在什么关系：
彩色图像三个颜色分量均值相加是总均值的三倍
根据三个颜色分量的均值分析此图中颜色的配比大概情概况。
绿色占比最高，蓝色其次，最少的是红色
(4)读取一幅图像并对其进行改变图像尺寸、旋转图像不同角度以及裁剪的操作。
①对图像分别改为原图像的2倍和0.5倍；
②对图像分别按照顺时针和逆时针旋转不同的角度；
③对实验原理中的练习1进行运行，观察结果并给出结论（该函数在使用时的注意事项）。
④对本题读出的图像进行大小的裁剪（参数自己设置）并说明新图像的原点在原图像的坐标以及新图像的行与列。
六、实验报告要求
(1)列出上述图像处理的程序，展示处理效果图。
(2)按要求写出相应总结。
(3)撰写心得和体会（本实验中遇到的问题及解决方案，实验心得）。
七、预习要求
(1)了解MATLAB图像处理工具箱的基本功能。
(2)了解图像基本指标特征的含义。
八、实验代码展示
%% (2) A = imread('onion.png'); imshow(A); % imwrite imwrite(A,'1.jpg') B = imread('1.jpg'); % imshow imshow(A) %% (3) % 获取图像信息 disp('获取图像信息') imfinfo('1.jpg') %% （4） B = rgb2gray(A); % 大小 fprintf('原_size_行 = %d\n',size(A,1)) fprintf('原_size_列 = %d\n',size(A,2)) fprintf('原_总像素 = %d\n',numel(A)) fprintf('灰_size_行 = %d\n',size(B,1)) fprintf('灰_size_列 = %d\n',size(B,2)) fprintf('灰_总像素 = %d\n',numel(B)) % 平均值 fprintf('灰_平均值 = %d\n',mean2(B)) fprintf('R_平均值 = %d\n',mean2(A(:,:,1))) fprintf('G_平均值 = %d\n',mean2(A(:,:,2))) fprintf('B_平均值 = %d\n',mean2(A(:,:,3))) fprintf('总_RGB_平均值 = %d\n',mean2(A)) C = im2double(B); fprintf('灰_方差 = %d\n',var(C(:))) %% (4) figure imshow(imresize(A,0.5)) figure imshow(imresize(A,2)) figure subplot(1,2,1) S = imrotate(A,90); imshow(S) subplot(1,2,2) S = imrotate(A,-90); imshow(S) % imcrop(I,[a b c d]);% a,b为新图像原点在原图像中的坐标，c,d为新图像的宽度和高度（长或宽） figure S = imcrop(A,[100 100 100 100]); imshow(S) %% I=imread('onion.png'); F=fft2(I); F_shift=fftshift(F); figure; subplot(2,3,2),imshow(I); subplot(2,3,4),imshow(F); subplot(2,3,5),imshow(F_shift); subplot(2,3,6),imshow(log(abs(F)+1),[0,10]); I=imread('C:\Users\huawei\Desktop\lena.jpg'); F=fft2(I); F_shift=fftshift(F); F_ishiet=ifftshift(F_shift); F_ifft=ifft2(F); figure; subplot(2,4,2.5),imshow(I); subplot(2,4,5),imshow(F); subplot(2,4,6),imshow(F_shift); subplot(2,4,7),imshow(F_ishiet); subplot(2,4,8),imshow(F_ifft);
九、实验图像
1.
2.
3.
