数字图像处理习题解析2图像增强.docx
- 文档编号:10020489
- 上传时间:2023-02-08
- 格式:DOCX
- 页数:18
- 大小:69.55KB
数字图像处理习题解析2图像增强.docx
《数字图像处理习题解析2图像增强.docx》由会员分享,可在线阅读,更多相关《数字图像处理习题解析2图像增强.docx(18页珍藏版)》请在冰豆网上搜索。
数字图像处理习题解析2图像增强
数字图像处理作业
报告编号:
02
课程编号:
21909601
姓名:
吴浩
起始日期:
2011-11-04
截止日期:
2011-11-11
图像增强的方法有两大类:
空间域方法和频域方法。
“空间域”是指图像平面自身,这类方法是对图像像素的直接处理为基础的。
“频域”处理技术是以修改图像的傅里叶变换为基础。
在这次作业中主要是基于空间域的方法对图像的增强。
技术讨论
空间滤波处理就是在待处理图像中逐点移动掩模,在每一点(x,y处,滤波器在该店的响应R为:
R=w(-1,-1f(x-1,y-1+w(-1,0f(x-1,y+···+w(1,1f(x+1,y+1一般来说,在M*N的图像f上,用m*n的滤波器进行线性滤波为:
g(x,y=
w(s,tf(x+s,y+t.
平滑滤波器用于模糊处理和减少噪声,主要有均值滤波器和中值滤波器。
均值滤波器它用滤波器掩模确定的领域内像素的平均灰度值代替图像中每个点的灰度值,主要应用是去除图像中的不相干细节,减噪功能较好。
此次作业中选用w=[111;111;111]/9的盒滤波器,还有一种重要的掩模----加权平均,处于掩模中心的像素比其它任何点的像素值都大,一幅M*N的图像经过一个m*n的加权均值滤波器滤波的过程为:
g(x,y=a
s=−aws,tf(s+x,y+tb
t=−b
s=−aw(s,tt=−b
中值滤波器他的响应基于图像滤波器包围的图像区域中像素的排序,然后用统计排序结果决定的值代替中心像素的值,即将邻域内像素灰度的中值代替该像素的值。
只存在噪声的空间滤波复原的方法也用到均值滤波器和中值滤波器。
此次处理的噪声有高斯噪声和椒盐噪声。
讨论结果
不管用什么滤波器都会遇到边界的处理,最简单的方法是将掩模中心点的移动范围限制在距离图像边缘不小于(n-1/2个像素点处,这种做法将使处理后的图像比原始图像小,谐波均值滤波器对于“盐”噪声效果更好,不适用于“椒”噪声,它善于处理像高斯噪声那样的其它噪声。
它的表达式为:
f(x,y=mn
(s,t∈sxy
中值滤波器使用的统计排序的方法得出中值,用冒泡排序的方法,复杂度为O(n^2,从首元素开始,每次两两比较,前面的比后面的小,则位置不变,否则交换位置,每一趟比较,都能得到待排子序列中的最大值,就像小的值冒上去,大的值沉下来还有其他的排序方法——选择排序,插入排序,快速排序,归并排序等,方法不同算法的复杂度也不同.
第二题;
思路:
随机在一幅图像中选取一部分灰度矩阵用所给的方法进行滤波处理,可以的到相同的效果,即所得的灰度值也相同。
a:
证明
在一个图像中随机取一个3*3的灰度矩阵设为I=[abc;def;ghi]A=[121;242;121]/16,
用滤波器A给I滤波得到I1=(a+2b+c+2d+4e+2f+g+2h+i]/16
用Bx=[121]/4给I滤波得到的矩阵为I2=[a+b2+c;d+2e+f;g+2h+i/4再用By=[1;2;1]/4给I2滤波得到的矩阵为I3=(a+2b+c+2d+4e+2f+g+2h+i/16
由以上可得:
I1和I3的矩阵完全相同,由于I的随机性,证毕b:
证明
依然在一个图像中随机取一个3*3的灰度矩阵设为I=[abc;def;ghi]用Bx=[121]/4给I滤波得到的矩阵为I1=[a+b2+c;d+2e+f;g+2h+i]/4用Cx=[11]/2给I滤波得到的矩阵为I2=[a+bb+c;d+ee+f;g+hh+i]/2再用Cx=[11]/2给I滤波得到I3=[a+b2+c;d+2e+f;g+2h+i]/4
由以上可得:
I1和I3的矩阵完全相同,证毕
第三题:
先将灰度值转换到0~1之间,用滤波器滤波后再转化成uint8型,就
得到整型的灰度值
第一个矩阵用均值滤波器处理:
I=[1020101090;2010109080;1010908090;1090809080;9080908090]/255;
>>w=[111;111;111]/9;
>>J=imfilter(I,w,'corr','replicate';
>>J1=im2uint8(J;
>>J1
J1=
1413214470
1321376178
2137617784
4461778686
7078848686
第二个矩阵用均值滤波器处理:
I1=[2010201020;1070802010;2085903020;2015202515;2015202010]/255;
>>w=[111;111;111]/9;
J=imfilter(I1,w,'corr','replicate';
>>J1=im2uint8(J;
>>J1
J1=
2129282316
2945463318
3046483418
2634362818
1818191815
第三个矩阵用均值滤波器处理:
I=[1010101010;1020202010;1020202010;1020202010;1010101010]/255;
>>w=[111;111;111]/9;
>>J=imfilter(I,w,'corr','replicate';
>>J1=im2uint8(J;
>>J1
J1=
1112131211
1214171412
1317201713
1214171412
1112131211
第一个矩阵用中值滤波器处理:
I=[1020101090;2010109080;1010908090;1090809080;9080908090]/255;
>>J=medfilt2(I;
>>J1=im2uint8(J;
>>J1
J1=
01010100
1010108080
1010808080
1080809080
08080800
第二个矩阵用中值滤波器处理:
I=[2010201020;1070802010;2085903020;2015202515;2015202010]/255;
>>J=medfilt2(I;
>>J1=im2uint8(J;
>>J1
J1=
01010100
1020302010
1520302015
1520202015
01515150
第三个矩阵用中值滤波器处理:
I=[1010101010;1020202010;1020202010;1020202010;101010
1010]/255;
>>J=medfilt2(I;
>>J1=im2uint8(J;
>>J1
J1=
01010100
1010201010
1020202010
1010201010
01010100
第四题:
a:
均值滤波
I=imread('F:
\tupian\lena_frag.TIF';
>>var(16%将16通过var(a/255^2换算
v=
0.0039
>>J=imnoise(I,'gaussian',0,0.0039;%对源图像加v=0.0039的高斯噪声
>>w=[111;111;111]/9;
>>g=imfilter(J,w,'corr','replicate';%用均值滤波器w对J滤波>>MSE(I,g%计算均方误差
ans=
43.1916
>>var(32将32通过var(a/255^2换算
v=
0.0157
>>J=imnoise(I,'gaussian',0,0.0157;%对源图像加v=0.0157的高斯噪声
>>w=[111;111;111]/9;
>>g=imfilter(J,w,'corr','replicate';%用均值滤波器w对J滤波>>MSE(I,g%计算均方误差
ans=
128.2858
>>var(64将64通过var(a/255^2换算v=
0.0630
>>J=imnoise(I,'gaussian',0,0.0630;%对源图像加v=0.0630的高斯噪声
>>w=[111;111;111]/9;
>>g=imfilter(J,w,'corr','replicate';%用均值滤波器w对J滤波>>MSE(I,g%计算均方误差
ans=
453.9916
>>x=[0.00390.01570.0630];
>>y=[43.1916128.2858453.9916];
>>plot(x,y%绘制v-MSE图像
I=imread('F:
\tupian\livingroom.TIF';
>>var(16%将16通过var(a/255^2换算v=0.0039
>>J=imnoise(I,'gaussian',0,0.0039;%对源图像加v=0.0039的高斯噪声
w=[111;111;111]/9;
g=imfilter(J,w,'corr','replicate';%用均值滤波器w对J滤波MSE(I,g%计算均方误差
0.01
0.02
0.03
0.04
0.05
0.06
0.07
050100150200250300
350400450
500v/2552
MSE
平滑滤波
ans=
103.4953
>>var(32%将32通过var(a/255^2换算v=
0.0157
>>J=imnoise(I,'gaussian',0,0.0157;%对源图像加v=0.0157的高斯噪声
>>w=[111;111;111]/9;
g=imfilter(J,w,'corr','replicate';%用均值滤波器w对J滤波MSE(I,g%计算均方误差
ans=
188.7669
>>var(64%将64通过var(a/255^2换算v=
0.0630
>>J=imnoise(I,'gaussian',0,0.0630;%对源图像加v=0.0630的高斯噪声
w=[111;111;111]/9;
g=imfilter(J,w,'corr','replicate';%用均值滤波器w对J滤波MSE(I,g%计算均方误差
ans=
494.5915
>>x=[0.00390.01570.0630];y=[103.4953188.7669494.5915];>>plot(x,y%绘制v-MSE图
b中值滤波
I=imread('F:
\tupian\lena_frag.TIF';
>>var(16%将16通过var(a/255^2换算v=0.0039
>>J=imnoise(I,'gaussian',0,0.0039;%对源图像加v=0.0039的高斯噪声
>>g=medfilt2(J,[3,3];%对J中值滤波
00.010.020.03
0.040.050.060.07
100
150********0350
400450
500MSE
v/2552
平滑滤波
>>MSE(I,g%计算均方误差
ans=
59.9084
>>var(32%将32通过var(a/255^2换算
v=
0.0157
>>J=imnoise(I,'gaussian',0,0.0157;%对源图像加v=0.0157的高斯噪声
>>g=medfilt2(J,[3,3];%对J中值滤波
>>MSE(I,g%计算均方误差
ans=
189.9914
>>var(64%将64通过var(a/255^2换算
v=
0.0630
>>J=imnoise(I,'gaussian',0,0.0630;%对源图像加v=0.0630的高斯噪声
>>g=medfilt2(J,[3,3];%对J中值滤波
MSE(I,g%计算均方误差
ans=
671.1821
>>x=[0.00390.01570.0630];
>>y=[59.9084189.9914671.1821];>>plot(x,y%绘制v-MSE图
I=imread('F:
\tupian\livingroom.TIF';
>>var(16%将16通过var(a/255^2换算v=0.0039
>>J=imnoise(I,'gaussian',0,0.0039;%对源图像加v=0.0039的高斯噪声
g=medfilt2(J,[3,3];%对J中值滤波MSE(I,g%计算均方误差ans=111.6965
0.010.020.03
0.040.050.060.07
010*********
500
600
700
v/2552
MSE
中值滤波
>>var(32%将32通过var(a/255^2换算
v=
0.0157
>>J=imnoise(I,'gaussian',0,0.0157;%对源图像加v=0.0157的高斯噪声
g=medfilt2(J,[3,3];%对J中值滤波
MSE(I,g%计算均方误差
ans=
248.6776
>>var(64%将64通过var(a/255^2换算
v=
0.0630
>>J=imnoise(I,'gaussian',0,0.0630;%对源图像加v=0.0630的高斯噪声
g=medfilt2(J,[3,3];%对J中值滤波
MSE(I,g%计算均方误差
ans=
764.4271
>>x=[0.00390.01570.0630];
>>y=[111.6965248.6776764.4271];
>>plot(x,y%绘制v-MSE图
第五题:
a均值滤波
I=imread('F:
\tupian\lena_frag.TIF';
>>J=imnoise(I,'salt&pepper',0.05;%加d=0.05的椒盐噪声>>w=[111;111;111]/9;
>>g=imfilter(J,w,'corr','replicate';%均值滤波
>>MSE(I,g%计算原始图像和滤波后的图像的MSEans=145.1620
>>J=imnoise(I,'salt&pepper',0.10;%加d=0.10的椒盐噪声
0.010.020.03
0.040.050.060.07
100
200300400500
600
700
800
MSE
v/2552
中值滤波
>>w=[111;111;111]/9;
>>g=imfilter(J,w,'corr','replicate';%均值滤波
>>MSE(I,g%计算原始图像和滤波后的图像的MSE
ans=
274.8993
>>J=imnoise(I,'salt&pepper',0.25;%加d=0.25的椒盐噪声>>w=[111;111;111]/9;
>>g=imfilter(J,w,'corr','replicate';%均值滤波
>>MSE(I,g%计算原始图像和滤波后的图像的MSE
ans=
820.2930
>>x=[0.050.100.25];
>>y=[145.1620274.8993820.2930];
>>plot(x,y%绘制d-MSE图
I=imread('F:
\tupian\livingroom.TIF';
>>J=imnoise(I,'salt&pepper',0.05;%加d=0.05的椒盐噪声>>w=[111;111;111]/9;
>>g=imfilter(J,w,'corr','replicate';%均值滤波
>>MSE(I,g%计算原始图像和滤波后的图像的MSEans=185.5876
>>J=imnoise(I,'salt&pepper',0.10;%加d=0.10的椒盐噪声>>w=[111;111;111]/9;
>>g=imfilter(J,w,'corr','replicate';%均值滤波
>>MSE(I,g%计算原始图像和滤波后的图像的MSEans=
0.05
0.1
0.150.20.25
100200300400500600
700800
900d
MSE
中值滤波
307.8651
>>J=imnoise(I,'salt&pepper',0.25;%加d=0.25的椒盐噪声>>w=[111;111;111]/9;
>>g=imfilter(J,w,'corr','replicate';%均值滤波
>>MSE(I,g%计算原始图像和滤波后的图像的MSEans=701.6381
>>x=[0.050.100.25];
>>y=[185.5876307.8651701.6381];>>plot(x,y%绘制d-MSE图
b中值滤波
I=imread('F:
\tupian\lena_frag.TIF';
0.05
0.1
0.150.20.25
100200300400500
600
700
800
d
MSE
均值滤波
>>>>J=imnoise(I,'salt&pepper',0.05;g=medfilt2(J,[3,3];%中值滤波>>MSE(I,gans=14.0766>>J=imnoise(I,'salt&pepper',0.10;%中值滤波>>g=medfilt2(J,[3,3];>>MSE(I,gans=21.7728>>J=imnoise(I,'salt&pepper',0.25;>>g=medfilt2(J,[3,3];>>MSE(I,gans=162.2223>>x=[0.050.100.25];>>y=[14.0766>>plot(x,y21.7728162.2223];%绘制d-MSE图
中值滤波1801601401201008060402000.05MSE0.10.15d0.20.25I=imread('F:
\tupian\livingroom.TIF';>>J=imnoise(I,'salt&pepper',0.05;%中值滤波>>g=medfilt2(J,[3,3];>>MSE(I,gans=63.5189>>J=imnoise(I,'salt&pepper',0.10;>>>>ans=75.8063>>J=imnoise(I,'salt&pepper',0.25;g=medfilt2(J,[3,3];MSE(I,g%中值滤波
>>g=medfilt2(J,[3,3];>>ans=223.2547>>x=[0.050.100.25];MSE(I,g%中值滤波>>y=[63.518975.8063223.2547];>>plot(x,y%绘制d-MSE图中值滤波24022020018016014012010080600.05MSE0.10.15d0.20.25
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 数字图像处理 习题解析2图像增强 数字图像 处理 习题 解析 图像 增强