数字图像处理实验报告.docx
- 文档编号:12874158
- 上传时间:2023-04-22
- 格式:DOCX
- 页数:14
- 大小:1.10MB
数字图像处理实验报告.docx
《数字图像处理实验报告.docx》由会员分享,可在线阅读,更多相关《数字图像处理实验报告.docx(14页珍藏版)》请在冰豆网上搜索。
数字图像处理实验报告
(一)数字图像空间域增强
一、实验目的
了解数字图像的灰度变换和γ校正、直方图均衡化、中值滤波和算术均值滤波
二、实验环境
操作系统:
WindowsXPSP3
实验平台:
Matlab7.10.0(R2010a)
三、实验过程
1.选择一张位图格式的图片
2.将BMP图像内容读入内存数组
3.对图像进行空间域增强
实验图像:
四、实验结果与代码
1.对图像进行伽马较正,分别取值为0.4,0.6,0.8。
实验代码
src=imread('111.bmp');
src=double(src);
src=src/256.0;%对原图像进行标准化
gamma0p4=uint8(src.^(1/0.4).*256.0);%进行γ校正
gamma0p6=uint8(src.^(1/0.6).*256.0);
gamma0p8=uint8(src.^(1/0.8).*256.0);
subplot(2,2,1);
imshow(src);title('原图像');
subplot(2,2,2);
imshow(gamma0p4);title('γ=0.4');
subplot(2,2,3);
Imshow(gamma0p4);title('γ=0.6');
subplot(2,2,4);
imshow(gamma0p4);title('γ=0.8');
1.直方图均衡化
实验代码
src=imread('111.bmp');
src=rgb2gray(src);
src1=histeq(src);
subplot(221);
imshow(src);title('原图像');
subplot(222);
imhist(src);title('原图像直方图');
subplot(223);
imshow(src1);title('直方图均衡后图像');
subplot(224);
imhist(src1);title('均衡化后直方图');
2.中值滤波和算术均值滤波
实验中,针对高斯噪声和椒盐噪声分别进行中值滤波和算术均值滤波。
并加以对比,体会其中的不同之处。
实验代码
M=imread('111.bmp');
M=rgb2gray(M);
subplot(3,3,1)
imshow(M);title('原图像')
P1=imnoise(M,'gaussian',0.02);%加入高斯躁声
subplot(3,3,2)
imshow(P1);title('加入高斯噪声');
P2=imnoise(M,'salt&pepper',0.02);%加入椒盐躁声
subplot(3,3,3)
imshow(P2);title('加入椒盐噪声');
g=medfilt2(P1);%对高斯躁声中值滤波
subplot(3,3,5)
imshow(g);title('高斯噪声中值滤波')
h=medfilt2(P2);%对椒盐躁声中值滤波
subplot(3,3,6)
imshow(h);title('椒盐噪声中值滤波')
l=[111%算术均值滤波
111
111];
l=l/9;k=conv2(P1,l);
subplot(3,3,8)
imshow(k,[]);title('高斯噪声算术均值滤波')
d=conv2(P2,l);
subplot(3,3,9)
imshow(d,[]);title('椒盐噪声算术均值滤波')
(二)数字图像的频域处理
一、实验目的
●了解数字图像的频率域处理方法
●学会两种简单的频域低通和高通滤波方法。
二、实验环境
操作系统:
WindowsXPSP3
实验平台:
Matlab7.10.0(R2010a)
三、实验过程
1.选择一张位图格式的图片
2.将BMP图像内容读入内存数组
3.对图像进行频域处理
实验图像:
四、实验结果与代码
1.对源图像进行进行空间域到频域的变换,结果如下
实验代码
src=imread('111.bmp');
src=rgb2gray(src);
[r,c]=size(src);
f=fftshift(fft2(double(src)));
mx=max(max(f,[],1),[],2);
imf=abs(f)/mx*25600;
imshow(uint8(imf));
2.进行频域的高斯低通滤波,取D0为10,20,40,80
实验结果如下页所示,通过所得结果可知,D0越小,结果越模糊,去噪效果越好。
但,如果过小,会使图像的细节边缘变得不清楚,影响图像质量。
所以如果使用低通滤波的方法去除噪声,一定要选定好D0的值。
实验部分代码
D0=[20,50,80,120];
D=f;
H=D;
forrow=1:
r
forcolumn=1:
c
D(row,column)=sqrt((row-r/2)^2+(column-c/2)^2);
end
end
fortype=1:
length(D0)
H=exp(D.^2/(2*D0(type)^2)*(-1));
f2=f.*H;
f2=ifft2(ifftshift(f2));
subplot(2,2,type);
imshow(uint8(real(f2)));
title(D0(type));
end
3.进行频域的高斯高通滤波,取D0为10,20,40,80
实验结果表明,D0越大,所得细节轮廓越少。
高通滤波器的功能就是滤除掉图像平滑区的内容,保留细节轮廓和噪声部分。
实验部分代码
D0=[10,20,40,80];
n=2;
D=f;H=D;
forrow=1:
r
forcolumn=1:
c
D(row,column)=sqrt((row-r/2)^2+(column-c/2)^2);
end
end
fortype=1:
length(D0)
H=1-exp(D.^2/(2*D0(type)^2)*(-1));
f2=f.*H;
f2=ifft2(ifftshift(f2));
subplot(2,2,type);
imshow(uint8(real(f2)));
title(D0(type));
end
(三)数字图像的复原
一、实验目的
●了解傅里叶变换、反变换的算法实现;
●掌握频域逆滤波和维纳滤波图像复原的方法。
二、实验环境
操作系统:
WindowsXPSP3
实验平台:
Matlab7.10.0(R2010a)
三、实验过程
1.将BMP格式图像内容读入内存数组;
2.用快速Fourier变换算法,对图像作二维FFT变换得到G(u,v);
3.进行频域逆滤波和维纳滤波;
4.进行Fourier反变换得到g(x,y);
实验图像:
四、实验结果与代码
1.采用逆滤波的方法
实验代码
src=imread('111.bmp');
src=rgb2gray(src);
[r,c]=size(src);
H=zeros(r,c);
k=0.00001;
forrow=1:
r
forcolumn=1:
c
H(row,column)=exp(-k*((row-r/2)^2+(column-c/2)^2)^(5/6));
end
end
f=fftshift(fft2(double(src)));
f=f./H;
f=ifft2(ifftshift(f));
f=uint8(real(f));
imshow(f);
2.采用维纳滤波的方法
实验代码
src=imread('111.bmp');
src=rgb2gray(src);
[r,c]=size(src);
H=zeros(r,c);
k=0.0001;
forrow=1:
r
forcolumn=1:
c
H(row,column)=exp(-k*((row-r/2)^2+(column-c/2)^2)^(5/6));
end
end
spectrum=H.^2;
f=fftshift(fft2(double(src)));
HW=H./(spectrum+0.0001);
f=f.*(HW);
f=ifft2(ifftshift(f));
f=uint8(real(f));
imshow(f);
实验中,H(u,v)应该是根据图像的退化过程来定的,在此处,仅仅自定义一种H(u,v),注重逆滤波和维纳滤波的复原方法。
实验总结
- 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 实验 报告