您好,欢迎访问三七文档
当前位置:首页 > 临时分类 > 数字图像处理实验报告
数字图像处理实验报告姓名:吴记辉学号:6100212014班级:通信121班目录实验一——图像的数字化,灰度修正及图像增强验证实验实验二——图像的锐化及图像的尺度变换实验三——图像的复原和图像的正交变换实验一标题:图像的数字化,灰度修正及图像增强验证实验一、实验目的1、学会图像的数字化,会简单的图像格式转换;2、应用灰度级对图像进行修正;3、利用平滑滤波器将图像进行降噪;二、实验原理1、图像是由照射源和形成图像的场景元素对光能的反射或吸收相结合而产生的。照射可能由电磁能源引起,如雷达、红外线或X射线,也可能是非传统光源,如超声波等。场景可能是熟悉的物体,也可能是分子、沉积岩、大脑等。2、一幅连续图像f(x、y),需要将其转化为数字形式以便于计算机处理。图像的x、y坐标值和幅度值都可能是连续的,必须在坐标和幅度上进行数字化操作,数字化坐标称为采样,数字化幅值称为量化。3、图像基本操作,在matlab中利用imread(‘address’);rgb2ray(a);innosise(a,‘nameofnoise’);imshow(a);等指令对图像进行处理。4、常用的图像增强方法有:灰度修正法、平滑、几何校正、图像锐化、频域增强、维纳滤波、卡尔曼滤波等。5、Matlab图像处理工具箱中的函数imadjust实现上述对比度调整算法。函数实现:J=imadjust(I,[lowhigh],[bottomtop],gamma)Matlab函数实现:(1)求图像的灰度直方图Imhist(I,n)(2)求灰度的等值图Imcontour(I,n)(3)直方图均衡化J=histeq(I,hgram)三、实验内容1、程序如下:f=imread('c:/2.JPG');%读入一张图片f1=rgb2gray(f);%将rgb值转换为灰度图subplot(3,3,1),imshow(f),title('灰度图');%显示这幅图像f2=im2bw(f1);%将图像转换为二值图subplot(3,3,2),imshow(f2),title('二值图');%显示这幅图像f3=~f2;%对图像进行取反操作subplot(3,3,3),imshow(f3),title('取反图');%显示这幅图像f4=imnoise(f,'gaussian');%subplot(3,3,4),imshow(f4),title('加高斯噪声图');%对象进行预操作,加入高斯噪声h=ones(5,5)/25;%设计一个5*5的均值滤波器f5=imfilter(f4,h);%对图像进行均值滤波subplot(3,3,5),imshow(f5),title('平滑滤波图');%显示这幅图像f6=imadjust(f,[0,1],[0,1]);%对图像灰度值进行归一化处理subplot(3,3,6),imshow(f6),title('灰度级修正图1');%显示这幅图像f7=imadjust(f,[0,0.8],[0,1]);%降低输入的灰度值subplot(3,3,7),imshow(f7),title('灰度级修正图2');%显示这幅图像2、图像处理结果如下图三、实验心得通过上课自己编写代码,查资料,提供高了动手能力,也对数字图像处理有了更深的认识,从只会到看图,到会对图片进行简单的处理,这一步前提是自己在上课后的基础上得到的,图像的灰度值转换为二值图,取反后,产生明显的对比,而对图像加了高斯噪声,则可以通过均值滤波器和中值滤波器去噪,平时写作业的时候,只是从数学理论上了解了,并没有真正感官上的认识,这节实验课受益匪浅。实验二标题:图像的锐化及图像的尺度变换一、实验目的1、会用拉普拉斯算子,梯度计算,Sobel算子对图像进行图像的锐化。2、会对图像进行伪彩色处理。3、会一些简单的图像变化、放大缩小、旋转等操作。二、实验内容⑴图像锐化1、在matlab中主要有imfileter,fspecial(产生垂直方向的sobel算子),imadjust等函数对图像进行数据操作。2、Sobel算子形式)水平(obel121000121Sdx,)垂直(obel1-01-2-02-101Sdx。3、拉普拉斯算子形式01-01-4-1-01-04、梯度算子形式|)1,(),1(||)1,1(),(|)],([yxfyxfyxfyxfyxfG(2)伪彩色处理1、伪彩色处理是指将黑白图像转化为彩色图像,或者是将单色图像变换成给定彩色分布图像。2、伪彩色处理技术的实现方法有多种,如密度分层法、灰度级-彩色变换法、频域滤波法等等。其中灰度级-彩色变换伪色彩处理技术可以将灰度图像变为具有多种颜色渐变的连续彩色图像。该方法先将灰度图像送入具有不同变换特性的红、绿、蓝三个变换器,然后再将三个变换器的不同输出分别送到彩色显像管的红、绿、蓝枪,再合成某种颜色。同一灰度由三个变换器对其实施不同变换,使三个变换器输出不同,从而不同大小灰度级可以合成不同颜色。3、彩色处理之灰度级-彩色变换法),(yxfr0L/2L(a)0L/2L(b)0L/2L(c)0L/2L(d)),(yxfg),(yxfb以上是一组典型的灰度级-彩色变换的传递函数。其中图(a)、(b)、(c)分别表示红色、绿色、蓝色的传递函数,图(d)是三种彩色传递函数组合在一起的情况。由图(a)可见,凡灰度级小于L/2的像素将被转变为尽可能的暗红色,而灰度级位于L/2到3L/4之间的像素则取红色从暗到亮的线性变换。凡灰度级大于3L/4的像素均被转变成最亮的红色。其他的颜色以此类推。(3)图形的几何变化1、初始坐标为(x,y)的点经过平移)(00,yx,坐标变为)('',yx,两点之间的关系为:00''yyyxxx以矩阵形式表示为:110010011''00yxyxyx。2、图像缩放。110000001''yxSSyxyx图像放大图像缩小,1,1,1,1yxyxSSSS3、图像翻转。图像旋转定义为以图像中某一点为原点以逆时针或顺时针方向旋转一定角度。其变换矩阵为11000cossin0sincos1''yxyx该变换矩阵是绕坐标轴原点进行的,如果是绕一个指定点(a,b)旋转,则现要将坐标系平移到该点,进行旋转,然后再平移回到新的坐标原点。三、实验程序1、图像锐化处理f=imread('c:/2.JPG');subplot(2,2,1),imshow(f),title('原图像');h=ones(15,15)/225;f2=imfilter(f,h);subplot(2,2,2),imshow(f2),title('经过滤波器模糊的图像');f=double(f2);%转换为double类型[Gx,Gy]=gradient(f);%计算梯度G=sqrt(Gx.*Gx+Gy.*Gy);%水平垂直差分J=f2;K=find(G=8.5);%指定灰度级J(K)=255;subplot(2,2,3),imshow(J),title('经过锐化的图像');2、图像伪彩色处理f=imread('c:/2.JPG');f3=rgb2gray(f);figure;imshow(f3),title('未处理前的图像');f4=grayslice(f3,8);figure;imshow(f4,hot(8)),title('伪彩色处理');3、图像的几何变换f=imread('c:/2.JPG');imshow(f),title('原图像');f5=imresize(f,0.5,'nearest');figure;imshow(f5),title('原图像缩小1倍');f6=imrotate(f,90);figure;imshow(f6),title('原图翻转90度');四、实验结果1、图像锐化处理结果2、图像的伪彩色处理3、图像的几何变换五、实验心得图像的锐化处理使得模糊的图像变得更为的轮廓清晰,伪彩色处理不改变像素的几何位置,而仅仅改变其显示的颜色。图像的几何变化使得图像变得有趣。这三种中的伪彩色处理尤其有意义,它是一种很实用的图像增强技术,主要用于提高人眼对图像的分辨能力。这种处理可以用计算机来完成,也可以用专用硬件设备来实现。伪彩色图像处理技术已经被广泛应用于遥感和医学图像处理中,例如,它适用于航摄、遥感图片和云图判读、X光片等方面。实验三标题:图像的复原和图像的正交变换二、实验目的4、了解图像复原的原理5、掌握常用图像复原方法6、会将图像进行傅里叶变化,利用matlab软件绘画频谱及其逆变换7、会对图像进行离散傅里叶变换三、实验原理1、图像的退化模型图像复原处理的关键问题在于建立退化模型。在用数学方法描述图像时,它的最普遍的数学表达式为),(),(),(),(yxyxfyxhyxg频率域表达式为),(),(),(),(vuNvuFvuHvuG图像退化/复原过程的模型如下:),(yxf退化复原2、常见的噪声退化图像及恢复①(1)高斯噪声的产生:所谓高斯噪声是指它的概率密度函数服从高斯分布(即正态分布)的一类噪声。一个高斯随机变量z的PDF可表示为:P(z)=221exp2zu2(2)其中z代表灰度,u是z的均值,是z的标准差。高斯噪声的灰度值多集中在均值附近。退化函数H复原滤波器噪声)(yx,图2高斯函数可以通过不同的算法用matlab来产生高斯噪声。(2)去除高斯噪声的一些方法去除高斯噪声的方法有直方图变换,低通滤波,高通滤波,逆滤波,维纳滤波,中值滤波等。②(1)脉冲噪声脉冲噪声的PDF由下式给出:其它abbaPPbzPazPzp1)((2)利用均值,中值滤波器,逆滤波器可以很好的处理脉冲噪声③(1)伽马噪声伽马噪声的PDF由下式给出:azazebzazpazbb0)!1()(1其中,参数a0,b为整数,。其概率密度的均值和方差由22ababz和给出。(2)去除这种噪声的方法,可以用均值滤波器。④(1)瑞丽噪声瑞丽噪声的PDF由下式给出:azazebzpbaz02)(/)-2(概率密度的均值和方差由:4)4(4/2bbaz和给出。(2)瑞丽噪声也可以用均值滤波器去除。3、几种复原滤波器模型①逆滤波前提是在退化函数已给出,我们用退化函数除退化函数图象的傅里叶变换),(vuG来计算原始图象傅里叶变换的估计),(^yxF,即:),(),(),(^vuHvuGyxF该除法是阵列操作,而且有),(),(),(),(vuNvuFvuHvuG所以,近似),(),(),(),(^vuHvuNvuFyxF这是一个很有趣的表达式,即使知道退化函数,也不能准确地恢复原未退化的图象,因为噪声函数不知道,所以没有给出具体的说明怎么处理噪声。②最小均方差(维纳)滤波最小均值方差滤波是建立在图像和噪声都是随机变量的基础上,目标是找到未污染图象f的一个估计f’,是他们的之间的均值方差最小,这种误差度量由下式给出:2^2)(ffEe其中E是参数的期望值。这假设图象和噪声不相关,其中一个或另一个有零均值,且估计中的灰度级是退化函数中灰度级的线性函数。基于这些条件,误差函数的最小值在频率域中由如下表达式给出:),(),(),(),(),(),(*),(2^vuGvuSvuHvuSvuSvuHvuFff),(),(/),(),(),(),(1),(22^vuGvuSvuSvuHvuHvuHvuFf函数相关说明:的功率谱的功率谱的共轭退化函数22*),(),(),(),(),(),(),(vuFvuSvuNv
本文标题:数字图像处理实验报告
链接地址:https://www.777doc.com/doc-6181032 .html