1、求取图像 breast 的阴图像。将得到的结果保存为 JPEG 格式。设置多个不同的质量因子，对比图像质量，并列表分析其与图像数据量之间的关系。 2、设计灰度映射函数，提升图像 pollen2 的对比度。 3、通过直方图均衡化，提升图像 pollen1、pollen2、pollen3 以及 pollen4 的对比度，画出对应的灰度映射函数，并作必要分析。 4、利用图像 test1 和 test2，测试不同像素补充方式对空域均值滤波结果的影响，并作必要分析。 5、利用图像 test3，测试不同模板大小对空域平滑结果的影响，并作必要分析。 6、对图像 ic 分别添加不同强度的高斯噪声和椒盐噪声，并分别利用空域均值滤波器和中值滤波器去噪。对比实验结果，并作必要分析。 7、利用拉普拉斯算子增强图像 moon 的细节。 8、求取图像 test4 的幅度谱，并用 log 函数进行动态范围调整，对比显示结果。 9、在离散傅里叶变换之前，先在图像的空域乘以-1的指数项：(-1)^(x+y)。重复任务 8 的过程，比较所得幅度谱的异同，简述理由。 10、将图像 test5 变换到频域，执行低通滤波。比较不同截止频率下的滤波效果；比较不同类型滤波器（理想、巴特沃斯、高斯）的滤波效果，并进行总结。设计陷波滤波器，与低通滤波的结果进行比较。 11、将图像 test6 的较亮区域变为半透明绿色，较暗区域保持不变，显示输出结果。 12、设计形态学算法填充 fill 中的黑色孔洞。 13、设计灰度形态学算法测定 wood 中粒子的主要尺寸。

1. 图像反转与质量分析
2. 灰度映射提升对比度
3. 直方图均衡化对比度提升
4. 像素补充对均值滤波的影响
5. 模板大小对平滑效果的影响
6. 添加噪声及去噪分析
7. 拉普拉斯算子细节增强
8. 幅度谱与动态范围调整
9. 指数变换后的幅度谱比较
10. 频域低通滤波与陷波滤波对比
11. 半透明绿色区域处理
12. 填充黑色孔洞的形态学算法
13. 粒子尺寸测量

---

任务一

实验目的

本实验的目的是通过对 breast.tif 图像进行负片处理，并使用不同的 JPEG 质量因子保存图像，比较不同质量因子对图像文件大小的影响，探索图像压缩比与图像质量之间的关系。此外，实验还展示了每个质量因子保存的图像，以便更直观地感知质量变化。

任务描述

1. 读取灰度图像 breast.tif。
2. 对图像进行负片处理，生成新的图像。
3. 使用多个不同的 JPEG 质量因子（如 10、20、50、75、90、100）保存负片图像。
4. 计算每个保存的图像的文件大小，并绘制 JPEG 质量因子与文件大小的关系图。
5. 展示所有保存的图像，并进行结果分析。

完整的程序源代码

结果示例

1. 图像展示：通过不同 JPEG 质量因子保存的图像展示在一行中，从左到右依次为质量因子从 10 到 100 的图像。
2. 文件大小与质量因子关系图：随着 JPEG 质量因子的提高，图像文件大小逐渐增大。

实验分析

从实验结果可以看出，不同 JPEG 质量因子对图像文件大小的影响显著。低质量因子（如 10、20）大幅减小文件大小，但会导致严重的图像失真；高质量因子（如 90、100）保留了更多图像细节，但文件大小明显增大。

实验小结

通过对 breast.tif 图像进行负片处理，并保存为不同质量因子的 JPEG 图像，实验展示了图像压缩对文件大小和质量的影响。合理选择 JPEG 质量因子可以在保留高图像质量的同时，显著减少文件大小。

---

任务二

实验目的

本实验的目的是设计一个灰度映射函数，提升图像 pollen2.tif 的对比度，并分析对比度提升后的图像变化。

任务描述

1. 读取 pollen2.tif 图像，并将其转换为灰度图像。
2. 设计一个 Sigmoid 灰度映射函数，调整对比度参数 alpha、中心值 beta 和缩放参数 gamma。
3. 显示原始图像和增强对比度后的图像。

完整的程序源代码

结果示例

• 图像展示：左侧为原始图像，右侧为对比度增强后的图像。

实验分析

通过灰度映射函数提升对比度的效果显著，特别是调整 alpha 和 beta 参数后，图像亮暗对比增强，细节展示更为清晰。

实验小结

本实验通过 Sigmoid 灰度映射函数，成功提升了图像的对比度，增强了细节部分的展示，验证了灰度映射技术在提升图像对比度中的重要性。

---

任务三

实验目的

本实验的目的是通过对 pollen1.tif、pollen2.tif、pollen3.tif 和 pollen4.tif 图像进行直方图均衡化，提升图像的对比度，并绘制相应的灰度映射函数，分析均衡化对图像对比度的提升作用。

任务描述

1. 读取四幅灰度图像：pollen1.tif、pollen2.tif、pollen3.tif 和 pollen4.tif。
2. 对每幅图像进行直方图均衡化处理，增强图像的对比度。
3. 展示每幅图像的原始图像、均衡化后的图像及其对应的直方图。
4. 计算并绘制原始图像和均衡化后图像的灰度映射函数（累积分布函数 CDF），用于对比分析。

完整的程序源代码

结果示例

• 图像展示：通过直方图均衡化后，图像的亮度层次更加丰富，对比度显著提升。
• 灰度映射函数：原始图像的 CDF 曲线较为平缓，均衡化后的 CDF 曲线更加陡峭。

实验分析

直方图均衡化显著增强了图像的对比度，原始图像灰度分布集中，经过均衡化处理后，灰度分布更加均匀，提升了图像细节展示效果。

实验小结

直方图均衡化能够有效提升图像对比度，使灰度值分布更均匀，提高了图像的视觉效果，特别是在原始图像对比度较低的情况下，改善效果尤为显著。

---

任务四

实验目的

本实验旨在测试不同像素补充方式对空域均值滤波结果的影响。通过对比零填充、镜像填充、复制边缘填充、循环填充和特定值填充五种方式，观察其对滤波结果的影响。

任务描述

1. 读取图像 test1 和 test2，并转换为灰度图。
2. 使用 3x3 均值滤波器，分别对图像应用五种不同的边界处理方式。
3. 展示不同补充方式下的滤波结果，分析其影响。

完整的程序源代码

结果示例

• 各种填充方式下的滤波结果展示：零填充会在边缘产生黑边，镜像填充和复制边缘填充能保持自然过渡，而循环填充则引入不自然的重复视觉效果。

实验分析

不同边界处理方式对滤波效果的影响显著，镜像填充和复制边缘填充较为自然，适合大部分图像处理任务，而零填充和特定值填充则可能引入不自然的过渡效果。

实验小结

实验表明，不同像素补充方式对空域均值滤波结果有显著影响。镜像填充和复制边缘填充在边界过渡效果较为自然，而其他方式可能会引入边界处理问题。

---

任务五

实验目的

本实验的目的是通过不同大小的模板测试空域平滑对图像 test3.tif 的影响，分析模板大小对图像平滑效果和细节保留的影响。

任务描述

1. 读取图像 test3.tif 并转换为灰度图。
2. 使用不同大小的均值滤波模板（如 3x3、5x5、7x7、9x9）对图像进行平滑处理。
3. 展示不同模板大小下的滤波结果。

完整的程序源代码

结果示例

• 通过不同大小的模板处理图像后，随着模板大小增加，图像逐渐平滑，但细节部分逐渐模糊。

实验分析

模板越大，平滑效果越明显，但图像细节丢失也越多。小模板适合噪声较小且对细节保留要求较高的场景，而大模板适合需要强力平滑效果的场景。

实验小结

选择合适的模板大小应根据实际需求进行权衡。小模板适合细节保留，而大模板更适合噪声抑制效果明显的场景。

---

任务六

实验目的

本实验通过向图像 ic 添加不同强度的高斯噪声和椒盐噪声，并利用均值滤波器和中值滤波器进行去噪，比较两种滤波方法的去噪效果。

任务描述

1. 向图像 ic 添加不同强度的高斯噪声和椒盐噪声。
2. 分别使用均值滤波器和中值滤波器对噪声图像进行去噪。
3. 对比去噪前后的图像效果。

完整的程序源代码

结果示例

• 均值滤波器更适合去除高斯噪声，而中值滤波器对椒盐噪声有更好的去噪效果。

实验分析

均值滤波器适合处理高斯噪声，保留了图像的平滑性，而中值滤波器在去除椒盐噪声方面效果更佳，能够更好地保留图像边缘细节。

实验小结

两种滤波器在不同噪声条件下表现出不同的去噪优势，均值滤波器适合去除高斯噪声，中值滤波器则适合去除椒盐噪声。

---

任务七

实验目的

本实验旨在使用拉普拉斯算子增强图像 moon.tif 的细节，通过提取图像中的边缘信息并与原始图像叠加，增强图像的对比度和细节展示效果。

任务描述

1. 读取 moon.tif 并转换为灰度图像。
2. 使用 3x3 拉普拉斯算子提取图像的边缘信息。
3. 将提取的边缘信息与原始图像叠加，增强细节。

完整的程序源代码

结果示例

• 原始图像与拉普拉斯增强后的图像对比，增强后的图像边缘更为清晰，细节部分更加突出。

实验分析

拉普拉斯算子能够有效增强图像的边缘和细节，特别是在图像中存在模糊边缘时，细节增强效果更加显著。

实验小结

实验表明，拉普拉斯算子是增强图像边缘和细节的有效工具，特别适用于需要突出图像中细节部分的场景。

---

任务八

实验目的

本实验旨在通过计算图像 test4.tif 的幅度谱，并利用 log 函数对其进行动态范围调整，展示频域中图像的细节变化。实验还对比了经过变换后的图像与原始图像在频域中的差异。

任务描述

1. 读取 test4.tif 图像并转换为灰度图像。
2. 计算原始图像的二维离散傅里叶变换（DFT），得到幅度谱。
3. 使用 log 函数对幅度谱进行动态范围调整。
4. 对比显示原始图像与通过 (-1)^(x+y) 变换后的幅度谱，以突出高频与低频信息的变化。

完整的程序源代码

结果示例

• 原始图像的幅度谱与乘以 (-1)^(x+y) 后图像的幅度谱对比图，显示乘以 (-1)^(x+y) 后，图像的中心频率更加明显，频谱的分布范围更广。

实验分析

通过傅里叶变换，图像的频域信息得以展现。使用 log 函数对幅度谱进行动态范围调整，使得频谱的细节在对比度上更为清晰。原始图像与经过变换后的幅度谱相比，中心区域的高频成分在经过 (-1)^(x+y) 变换后更加突出，说明此变换能够有效移动图像的频率分布，使得观察频谱细节更加直观。

实验小结

本实验成功通过傅里叶变换提取图像的频域信息，并利用 log 函数增强了幅度谱的显示效果。实验表明，乘以 (-1)^(x+y) 的变换能够有效提升图像的频谱对比度，使得频域分析更加直观，有助于理解图像中的频率成分分布。

---

实验九

实验目的

本实验旨在通过对图像在空域乘以 ((-1)^{(x+y)}) 的指数项，调整其频谱的分布，观察该操作对图像离散傅里叶变换（DFT）后的幅度谱影响。通过比较原始图像与处理后图像的幅度谱，探讨该操作对频率信息的重排效果。

任务描述

1. 读取图像 test4.tif 并转换为灰度图像。
2. 对图像在空域乘以 ((-1)^{(x+y)})，将频谱的低频成分移动到中心。
3. 对原始图像和处理后的图像分别进行离散傅里叶变换，计算其幅度谱。
4. 对比两个幅度谱的异同，分析频域信息的变化。

完整的程序源代码

结果示例

• 原始图像的幅度谱：低频成分集中在左上角，显示出图像整体的结构信息。
• 处理后图像的幅度谱：低频成分移到了频谱中心，高频成分在四周分布，图像的细节信息更加清晰。

实验分析

通过比较原始图像和处理后图像的幅度谱，发现两者在频谱分布上存在明显差异。原始图像的幅度谱中，低频成分集中在左上角，表示图像的大尺度信息和背景结构。而乘以 ((-1)^{(x+y)}) 后，幅度谱的低频成分被移动到频谱的中心，高频成分分布在四周，图像细节的表现更加突出。

这种变化的原因在于，乘以 ((-1)^{(x+y)}) 相当于对频谱进行了移位操作，将图像的零频成分（直流分量）从左上角移至中心。这一操作没有改变频谱的内容，仅调整了其位置，因此幅度谱中的信息保持一致，只是显示方式不同。

实验小结

实验表明，通过对图像在空域乘以 ((-1)^{(x+y)})，可以有效调整图像频谱的分布，使频率信息更加集中和直观，有利于后续的频域处理和分析。这种操作不会改变图像中的本质信息，只是对频谱进行了重排。

---

任务十

实验目的

本实验的目的是通过傅里叶变换将图像转换到频域空间，使用不同类型的低通滤波器（理想、巴特沃斯、高斯）对图像进行处理，并比较它们在不同截止频率下的滤波效果。同时，设计陷波滤波器，去除图像中的特定频率成分，并与低通滤波器的效果进行比较，分析各类滤波器的优缺点。

任务描述

1. 图像读取与灰度转换：首先读取图像 test5.tif，并将其转换为灰度图像。
2. 频域转换：使用二维傅里叶变换将灰度图像转换到频域，并将低频分量移到中心。
3. 低通滤波器设计：
   • 采用理想、巴特沃斯、高斯三种不同类型的低通滤波器，对频域图像进行滤波。
   • 设定三种不同的截止频率（fc1、fc2、fc3），观察并比较各类滤波器在不同截止频率下的滤波效果。
4. 陷波滤波器设计：设计一个陷波滤波器，抑制特定频率的成分，去除图像中的周期性噪声，并将其效果与低通滤波器进行对比。
5. 逆傅里叶变换：对滤波后的频域图像进行逆傅里叶变换，恢复图像到空域，并显示滤波结果。

完整的程序源代码

结果示例

实验通过四行图片展示不同滤波效果：

• 原始图像。
• 理想低通滤波器在不同截止频率下的效果对比（fc1, fc2, fc3）。
• 巴特沃斯低通滤波器在不同截止频率下的效果对比（fc1, fc2, fc3）。
• 高斯低通滤波器在不同截止频率下的效果对比（fc1, fc2, fc3）。
• 陷波滤波器对周期性噪声的抑制效果。

实验结果与分析

• 理想低通滤波器：
  • 在较低截止频率下，理想低通滤波器能够有效滤除高频噪声，但同时也会产生明显的振铃效应，导致图像边缘伪影较多，尤其是对于边缘突出的区域，效果不佳。
• 巴特沃斯低通滤波器：
  • 巴特沃斯滤波器具有平滑的过渡特性，在较低的截止频率下相比理想低通滤波器，伪影较少，图像边缘过渡更为平滑。在不同截止频率下表现较为稳定，适合平滑的图像处理需求。
• 高斯低通滤波器：
  • 高斯滤波器的特点是边缘处理更加柔和，减少了振铃效应，但在高频边缘细节的保留上略有不足。适合那些希望减少振铃效应的应用场景。
• 陷波滤波器：
  • 陷波滤波器能够有效抑制特定频率的噪声，尤其对于周期性伪影的抑制效果明显。相比低通滤波器，陷波滤波器更为有针对性，可以应用于图像中的周期性噪声去除。

实验小结

通过本次实验，我们对不同类型低通滤波器的性能进行了深入分析。实验结果表明：

• 理想低通滤波器在锐利的边缘处理上表现较好，但其振铃效应影响了图像的整体质量。
• 巴特沃斯低通滤波器提供了较平滑的过渡，适用于对图像边缘处理有一定要求的场景。
• 高斯低通滤波器在减少振铃效应方面表现优异，但对于高频细节保留不足。
• 陷波滤波器通过有针对性地去除特定频率噪声，为特定应用场景提供了有效的噪声抑制手段，尤其适合去除周期性伪影。

---

任务十一

实验目的

本实验旨在对图像 test6 进行处理，将其较亮区域转换为半透明绿色，同时保持较暗区域不变，通过对亮度的调整，达到图像部分区域的视觉效果优化。

任务描述

1. 读取 test6.tif 并转换为 RGBA 图像。
2. 通过计算图像的亮度，识别较亮的区域（亮度阈值设置为 0.5）。
3. 将识别出的较亮区域的颜色转换为半透明绿色。
4. 保持较暗区域的原始颜色不变，并显示处理前后的图像对比。

完整的程序源代码

结果示例

• 处理后的图像中，较亮区域已成功转换为半透明绿色，原始图像中的较暗部分保持不变。原始图像与处理后图像的对比显示，绿色部分为较亮区域的转换结果。

实验分析

在图像处理中，亮度较高的区域被识别并转换为半透明绿色，利用亮度阈值的方法可以有效控制图像处理的范围。本次实验通过对 RGBA 色彩模型的应用，成功实现了对图像局部区域的颜色和透明度调整，增强了图像的层次感。

实验小结

本实验通过对图像亮度的判断，实现了对图像较亮区域的半透明绿色转换，保留了较暗区域的原始色彩效果。实验结果表明，该方法可以用于增强图像中的重点区域，同时保持其他部分的视觉一致性。

---

任务十二

实验目的

本实验旨在通过形态学算法对二值图像中的黑色孔洞进行填充操作，提升图像完整性。通过形态学闭合操作，填补图像中的小型黑色区域，以达到图像修复的效果。

任务描述

1. 读取 fill.tif 图像并将其转换为灰度图像。
2. 将灰度图像转换为二值图像（黑白图）。
3. 使用形态学闭合操作填充图像中的黑色孔洞。
4. 对比显示填充前后的图像效果。

完整的程序源代码

结果示例

• 左侧为原始图像，显示出图像中的黑色孔洞。右侧为填充后的图像，黑色孔洞已被有效填充，图像更加完整。

实验分析

在本实验中，形态学闭合操作有效地填充了图像中的黑色孔洞。通过使用合适的结构元素，形态学操作能够平滑图像的边缘并修复缺陷区域。实验表明，使用较大的结构元素可以更好地填充孔洞，但可能会影响部分细节的保留。经过闭合操作后，图像的完整性得到提升。

实验小结

实验表明，形态学闭合操作是一种有效的图像修复工具，能够用于填充图像中的黑色孔洞。通过调整结构元素的大小，可以在填充效果和细节保留之间取得平衡。该方法适用于修复具有较大区域缺陷的二值图像。

---

任务十三

实验目的

本实验旨在通过设计灰度形态学算法，分析 wood.tif 图像中的粒子尺寸，利用形态学操作去除噪声并测定图像中粒子的主要尺寸，展示粒子的分布特点。

任务描述

1. 读取 wood.tif 并转换为灰度图像。
2. 使用二值化算法对图像进行分割，区分背景与粒子。
3. 应用开运算去除小的噪声和多余部分，保留粒子主要部分。
4. 分析粒子的等效直径并绘制粒子的尺寸分布直方图。
5. 计算图像中粒子的主要尺寸。

完整的程序源代码

结果示例

• 清理后的二值图像显示了粒子的主要分布，直方图显示了粒子的尺寸分布，其中主要尺寸为 4.05 像素。

实验分析

通过二值化处理和形态学操作，有效去除了图像中的噪声，使粒子的边界更加清晰。利用粒子的等效直径进行统计分析，可以发现大部分粒子的尺寸集中在 4.05 像素附近，表明此尺寸是图像中粒子的主要尺寸。

实验小结

实验结果表明，灰度形态学算法在粒子尺寸测定中表现良好，能够有效去除噪声并精确测量粒子的主要尺寸，适用于分析图像中粒子分布的场景。