北航数字图象处理实验报告

《北航数字图象处理实验报告》由会员分享，可在线阅读，更多相关《北航数字图象处理实验报告（17页珍藏版）》请在装配图网上搜索。

1、 数字图像处理实验报告 实验二 图像变换实验1实验目的学会对图像进行傅立叶等变换，在频谱上对图像进行分析，增进对图像频域上的感性认识，并用图像变换进行压缩。2实验内容对Lena或cameraman图像进行傅立叶、离散余弦、哈达玛变换。在频域，对比他们的变换后系数矩阵的频谱情况，进一步，通过逆变换观察不同变换下的图像重建质量情况。3. 实验要求实验采用获取的图像，为灰度图像，该图像每象素由8比特表示。具体要求如下：（1）输入图像采用实验1所获取的图像（Lena、Cameraman）；（2）对图像进行傅立叶变换、获得变换后的系数矩阵；（3）将傅立叶变换后系数矩阵的频谱用图像输出，观察频谱；（4）通

2、过设定门限，将系数矩阵中95%的（小值）系数置为0，对图像进行反变换，获得逆变换后图像；（5）观察逆变换后图像质量，并比较原始图像与逆变后的峰值信噪比（PSNR）。（6）对输入图像进行离散余弦、哈达玛变换，重复步骤1-5；（7）比较三种变换的频谱情况、以及逆变换后图像的质量（PSNR）。4. 实验结果1.DFT的源程序及结果J=imread(10021033.bmp);P=fft2(J);for i=0:size(P,1)-1 for j=1:size(P,2) G(i*size(P,2)+j)=P(i+1,j); endendQ=sort(G);for i=1:size(Q,2) if (i

3、=size(Q,2)*0.95) t=Q(i); endend G(abs(G)t)=0; for n=0:size(P,1)-1 for m=1:size(P,2) W(n+1,m)= G(n*size(P,2)+m); endendf2=ifft2(W);f3=uint8(f2);axes(handles.axes2);imshow(f3)axes(handles.axes1);imshow(J)psnr1=psnr(J,f3);set(handles.text3,string,psnr1);2. DCT的源程序及结果J=imread(10021033.bmp);P=dct2(J);for

4、 i=0:size(P,1)-1 for j=1:size(P,2) G(i*size(P,2)+j)=P(i+1,j); endendQ=sort(G);for i=1:size(Q,2) if (i=size(Q,2)*0.95) t=Q(i); endend G(abs(G)t)=0; for n=0:size(P,1)-1 for m=1:size(P,2) W(n+1,m)= G(n*size(P,2)+m); endendf2=idct2(W);f3=uint8(f2);axes(handles.axes2);imshow(f3)axes(handles.axes1);imshow

5、(J)psnr1=psnr(J,f3);set(handles.text3,string,psnr1);3. 哈达玛变换的源程序及结果J=imread(cat.jpg);J=rgb2gray(J);P=hadamard(512)*(im2double(J)*hadamard(512);for i=0:size(P,1)-1 for j=1:size(P,2) G(i*size(P,2)+j)=P(i+1,j); endendQ=sort(G);for i=1:size(Q,2) if (i=size(Q,2)*0.5) t=Q(i); endend G(abs(G)t)=0; for n=0:

6、size(P,1)-1 for m=1:size(P,2) W(n+1,m)= G(n*size(P,2)+m); endendf2=inv(hadamard(512)*W*inv(hadamard(512);mm1=max(max(f2);mn1=min(min(f2);f2=255+255/(mm1-mn1)*(f2-mm1);f3=uint8(f2);axes(handles.axes2);imshow(f3)axes(handles.axes1);imshow(J)psnr1=psnr(J,f3);set(handles.text3,string,psnr1);3实验三 图像复原实验1

7、实验目的利用反向滤波和维纳滤波进行降质图像复原，比较不同参数选择对复原结果的影响。2实验内容（1）利用反向滤波方法进行图像复原；（2）利用维纳滤波方法进行图像复原。3. 实验要求（1）输入图像采用实验1所获取的图像，对输入图像采用运动降质模型，如下式所示与降值图像相关的参数是：；（2）对每一种方法通过计算复原出来的图像的峰值信噪比，进行最优参数的选择，包括反向滤波方法中进行复原的区域半径、维纳方法中的噪声对信号的频谱密度比值K；（3）将降质图像和利用最优参数恢复后的图像同时显示出来，以便比较。4. 实验结果1.运动降质的源代码及结果I=imread(10021033.bmp);%I=rgb2g

8、ray(I);F=fft2(I);F=fftshift(F);for m=-(size(F,1)+1)/2):(size(F,1)+1)/2 for n=-size(F,2)/2:size(F,2)/2 H(m+(size(F,1)+1)/2)+1,n+size(F,2)/2+1)=5*sin(pi*(m+n)*exp(-sqrt(-1)*pi*(m+n)/(pi*(m+n); endendfor m=1:size(F,1) for n=1:size(F,2) if (isnan(real(H(m,n) G(m,n)=F(m,n); H(m,n)=1; else G(m,n)=F(m,n)*H

9、(m,n); end endendg=ifft2(G);t1=abs(g);mm=max(max(t1);mn=min(min(t1);t1=255+255/(mm-mn)*(t1-mm);t=uint8(t1);axes(handles.axes1);imshow(t)2.逆滤波的源代码及结果I=imread(10021033.bmp);F=fft2(I);F=fftshift(F);for m=-(size(F,1)+1)/2):(size(F,1)+1)/2 for n=-size(F,2)/2:size(F,2)/2H(m+(size(F,1)+1)/2)+1,n+size(F,2)/

10、2+1)=5*sin(pi*(m+n)*exp(-sqrt(-1)*pi*(m+n)/(pi*(m+n); endendfor m=1:size(F,1) for n=1:size(F,2) if (isnan(real(H(m,n) G(m,n)=F(m,n); H(m,n)=1; else G(m,n)=F(m,n)*H(m,n); end endendfor m=1:size(F,1) for n=1:size(F,2) if(m2+n2200000) F1(m,n)=G(m,n)/H(m,n); else F1(m,n)=G(m,n); end endendf1=ifft2(F1);f

11、2=abs(f1);mm=max(max(f2);mn=min(min(f2);f2=255+255/(mm-mn)*(f2-mm);f2=uint8(f2);psnr1=psnr(f2,I);set(handles.text5,string,psnr1);axes(handles.axes2);imshow(f2)3.维纳滤波的源代码及结果I=imread(10021033.bmp);F=fft2(I);F=fftshift(F);for m=-(size(F,1)+1)/2):(size(F,1)+1)/2 for n=-size(F,2)/2:size(F,2)/2H(m+(size(F

12、,1)+1)/2)+1,n+size(F,2)/2+1)=5*sin(pi*(m+n)*exp(-sqrt(-1)*pi*(m+n)/(pi*(m+n); endendfor m=1:size(F,1) for n=1:size(F,2) if (isnan(real(H(m,n) G(m,n)=F(m,n); H(m,n)=1; else G(m,n)=F(m,n)*H(m,n); end endendfor i=1:size(F,1) for j=1:size(F,2) ff2(i,j)=G(i,j)/H(i,j)*(abs(H(i,j)2)/(abs(H(i,j)2+10-38); en

13、dendf3=ifft2(ff2);f4=abs(f3);mm1=max(max(f4);mn1=min(min(f4);f4=255+255/(mm1-mn1)*(f4-mm1);f4=uint8(f4);psnr2=psnr(f4,I);set(handles.text5,string,psnr2);axes(handles.axes2);imshow(f4)实验四 图像分割处理实验1实验目的（1）了解图像分割的基本原理，并利用图像分割算法进行图像分割处理；（2）掌握数学形态学的基本运算。2实验内容（1）利用类间方差阈值算法实现图像的分割处理；（2）利用形态学处理进行处理结果修正。3. 实

14、验要求（1）实验用图如图4.2所示；图4.2 原始图像（2）对输入图像进行平滑处理，以减小噪声对分割处理的影响；（3）利用类间方差阈值算法对滤波处理后图像进行分割处理，获取分割图像；（4）利用数学形态学中的腐蚀和膨胀运算处理，剔除分割处理结果中的一些细小的残余误分割点，在进行腐蚀和膨胀运算时可采用半径为r的圆形结构元素，注意比较选取不同r值时的处理结果。4. 实验结果实验源代码及结果tu2=imread(图像2013.bmp);tu2=rgb2gray(tu2); max2=0;min2=255; m,n=size(tu2); axes(handles.axes1);imshow(tu2);

15、tu3=zeros(m,n); %-平滑处理- for k=2:m-1 for s=2:n-1max4=max(tu2(k-1,s),tu2(k,s-1);max5=max(tu2(k+1,s),tu2(k,s+1); min4=min(tu2(k-1,s),tu2(k,s-1);min5=min(tu2(k+1,s),tu2(k,s+1); tu2(k,s)=(max(max4,max5)+min(min4,min5)/2; end end axes(handles.axes2); imshow(tu2); %-平滑处理 中点滤波- for k=1:m max1=max(tu2(k,:);

16、if (max1=255) max2=max1;break;end if (max2min1) min2=min1;end end %找出最小灰度值min2 max2=double(max2); min2=double(min2);%数据类型转换！ ni=zeros(1,max2-min2+1); for k=1:m for s=1:n temp=double(tu2(k,s)-min2+1; ni(1,temp)=ni(1,temp)+1; end end %统计各灰度值出现次数 %-找阈值- w0=0;ut=0;u0=0;max3=0;sum=m*n; for t=0:size(ni,2)

17、-1 ut=ut+t*ni(t+1)/sum; end for t=0:size(ni,2)-1 w0=w0+ni(t+1)/sum; w1=1-w0; u0=u0+t*ni(t+1)/sum; u1=(ut-w0*u0)/w1; temp=w0*w1*(u1-u0)*(u1-u0); if (max3=tmax) tu3(k,s)=255; end end end axes(handles.axes3); imshow(tu3); %-类间方差阈值分割- %-腐蚀和膨胀- se=strel(disk,2); tu4=imerode(tu3,se); axes(handles.axes4);

18、imshow(tu4); tu4=imdilate(tu4,se); axes(handles.axes5); imshow(tu4);实验五 用Hough变换进行曲线的参数提取1实验目的（1）了解边缘检测算子的原理，并利用边缘算子对图像进行检测；（2）掌握Hough变换的基本原理。2实验内容（1）分别将原始图像及加高斯噪声、椒盐噪声后的图像中圆形边缘检测出来；（2）用Hough变换对边缘进行参数提取。3. 实验要求（1）实验用图像文件：原始图像（houghorg.bmp）、加高斯噪声后图像（houghgau.bmp）和加椒盐噪声后图像（houghsalt.bmp）； 图4.3 原始图像 （2

19、）在含有噪声的背景下，先对图像中值滤波，再进行边缘检测；（3）将目标的边界提取出来。边缘检测算子可利用matlab自带函数实现，使用Robert、Sobel和Laplacian算子；（4）利用Hough变换提取的参数绘制曲线，并叠加在噪声图像上。4. 实验要点（1）利用算子进行边缘检测：可先将加噪以后的图像进行平滑滤波，如采用9*9的掩膜模板进行中值滤波；为了对图像中图形边缘进行线性提取，可通过设置阈值将图像变为二值图像，再利用三种不同的算子（Robert、Sobel和Laplacian）来完成边缘的检测；（2）Hough变换进行曲线参数提取：在使用三种算子对加噪后图像进行边缘检测以后，使用H

20、ough变换对检测后图像进行参数提取，并在提取成功以后，使用提取获得的参数进行图像的重建，最后将重建图像叠加到加噪图像中。注意在进行Hough变换时，对比观察获得图像与使用算子进行边缘检测获得图像之间的区别。5. 实验结果1.原图利用Robert算子进行边缘检测I=imread(houghorg.bmp);I=rgb2gray(I);BW=edge(I,roberts);axes(handles.axes1);imshow(BW)利用Sobel算子进行边缘检测I=imread(houghorg.bmp);I=rgb2gray(I);BW=edge(I,sobel);axes(handles.a

21、xes1);imshow(BW)利用Laplacian算子进行边缘检测I=imread(houghorg.bmp);I=rgb2gray(I);BW=edge(I,log);axes(handles.axes1);imshow(BW)Hough变换I=imread(houghorg.bmp);I=rgb2gray(I);BW=edge(I,sobel);r_max=100;r_min=40;step_r=1;step_angle=pi/20;p=0.5;m,n = size(BW);size_r = round(r_max-r_min)/step_r)+1;size_angle = round

22、(2*pi/step_angle);hough_space = zeros(m,n,size_r);rows,cols = find(BW);ecount = size(rows);% Hough变换% 将图像空间(x,y)对应到参数空间(a,b,r)% a = x-r*cos(angle)% b = y-r*sin(angle)for i=1:ecount for r=1:size_r for k=1:size_angle a = round(rows(i)-(r_min+(r-1)*step_r)*cos(k*step_angle); b = round(cols(i)-(r_min+(r

23、-1)*step_r)*sin(k*step_angle); if(a0&a0&b=max_para*p);length = size(index);hough_circle = false(m,n);for i=1:ecount for k=1:length par3 = floor(index(k)/(m*n)+1; par2 = floor(index(k)-(par3-1)*(m*n)/m)+1; par1 = index(k)-(par3-1)*(m*n)-(par2-1)*m; if(rows(i)-par1)2+(cols(i)-par2)2(r_min+(par3-1)*ste

24、p_r)2-5) hough_circle(rows(i),cols(i) = true; end endend% 打印检测结果for k=1:length par3 = floor(index(k)/(m*n)+1; par2 = floor(index(k)-(par3-1)*(m*n)/m)+1; par1 = index(k)-(par3-1)*(m*n)-(par2-1)*m; par3 = r_min+(par3-1)*step_r; fprintf(1,Center %d %d radius %dn,par1,par2,par3); para(:,k) = par1,par2,p

25、ar3;endaxes(handles.axes1);imshow(I), hold onviscircles(par2 par1,par3);2.加高斯噪声源代码及结果I=imread(houghorg.bmp);I=rgb2gray(I);I=imnoise(I,gaussian);axes(handles.axes1);imshow(I)imwrite(I,houghgau.bmp);利用Robert算子进行边缘检测利用Sobel算子进行边缘检测利用Laplacian算子进行边缘检测Hough变换3.加椒盐噪声源代码及结果I=imread(houghorg.bmp);I=rgb2gray(I);I=imnoise(I,salt & pepper);axes(handles.axes1);imshow(I)imwrite(I,houghsalt.bmp)利用Robert算子进行边缘检测利用Sobel算子进行边缘检测利用Laplacian算子进行边缘检测Hough变换