整理数字图像处理实验Word文档下载推荐.docx
- 文档编号:16798045
- 上传时间:2022-11-26
- 格式:DOCX
- 页数:25
- 大小:337.33KB
整理数字图像处理实验Word文档下载推荐.docx
《整理数字图像处理实验Word文档下载推荐.docx》由会员分享,可在线阅读,更多相关《整理数字图像处理实验Word文档下载推荐.docx(25页珍藏版)》请在冰豆网上搜索。
一、实验步骤:
1.利用工具(如ACDSee、PhotoShop)将Sample1-1.jpg转换为Sample1-1.bmp;
2.将BMP图像内容读入内存数组;
3.通过访问数字图像RGB三个通道的对应矩阵,改变数字图像的色彩;
4.将数字图像的RGB表示转换为YUV表示;
Y=0.30R+0.59G+0.11B
U=0.70R-0.59G-0.11B
V=-0.30R-0.59G+0.89B
5.通过访问Y(亮度)通道,改变数字图像的亮度;
二、实验图像:
三、实验主要过程:
1、读入图像,分离RGB三个通道,结果如下:
代码如下:
%读入图像并分离RGB,显示;
src=imread('
sample1-1.bmp'
);
[rcd]=size(src);
R=src;
G=src;
B=src;
R(:
:
2)=zeros(r,c);
3)=zeros(r,c);
G(:
1)=zeros(r,c);
B(:
subplot(1,3,1);
imshow(R);
title('
R分量'
subplot(1,3,2);
imshow(G);
G分量'
subplot(1,3,3);
imshow(B);
B分量'
2、修改RGB值(反色),改变图像的色彩,结果如下:
%修改RGB的值(这时采用了反色),改变图像的色彩;
1)=255-R(:
1);
%为了进行后面的实验,请注释此行
2)=255-G(:
2);
3)=255-B(:
3);
subplot(2,3,1);
R分量反色'
subplot(2,3,2);
G分量反色'
subplot(2,3,3);
B分量反色'
subplot(2,3,4);
imshow(src);
原图'
subplot(2,3,6);
imshow(R+G+B);
反色'
3、将RGB转为YUV,结果如下:
R=double(R(:
1));
G=double(G(:
2));
B=double(B(:
3));
Y=0.299*R+0.587*G+0.114*B;
U=-0.147*R-0.289*G+0.436*B;
V=0.615*R-0.515*G-0.100*B;
imshow(uint8(Y));
Y分量'
imshow(uint8(U));
U分量'
imshow(uint8(V));
V分量'
4、修改Y分量(这里除以1.5),重新由YUV转为RGB,结果如下:
Y=Y/1.5;
R=Y+1.140*V;
G=Y-0.395*U-0.581*V;
B=Y+2.032*U;
rgb(:
1)=uint8(R(:
));
2)=uint8(G(:
3)=uint8(B(:
imshow(rgb);
修改亮度'
小结
通过本次实验,掌握了基本的图像颜色空间变换,及简单的图像修改。
指导教师评语及成绩
评语:
成绩:
指导教师签名:
批阅日期:
实验2、数字图像空间域增强
了解数字图像的灰度变换和γ(0.4,0.6,0.8)校正。
1.了解图像的灰度变换。
2.对图像进行γ校正。
1.利用工具(如ACDSee、PhotoShop)将图像sample2-1.jpg转换为sample2-1.bmp
2.将BMP图像内容读入内存数组。
3.对图像进行校正γ较正,分别取值为0.4,0.6,0.8.
4.调整图像的灰度。
1、对源图像进行标准化,使像素的RGB值的范围为0到1
sample2-1.bmp'
src=double(src);
src=src/256.0;
2、对源图像的各像素,采用不同的珈玛值进行校正,并显示比较,结果如下:
gamma0p4=uint8(src.^(1/0.4).*256.0);
gamma0p6=uint8(src.^(1/0.6).*256.0);
gamma0p8=uint8(src.^(1/0.8).*256.0);
subplot(2,2,1);
源图像'
subplot(2,2,2);
imshow(gamma0p4);
0.4'
subplot(2,2,3);
0.6'
subplot(2,2,4);
0.8'
通过本次实验,掌握了珈玛校正的原理及操作方法。
实验3、数字图像的噪声去除
学会用滤波器去除图像中的噪声。
1.用均值滤波器去除图像中的噪声;
2.用中值滤波器去除图像中的噪声;
3.比较两种方法的处理结果
1.将BMP图像内容读入内存数组;
2.用均值滤波器去除图像中的噪声;
3.用中值滤波器去除图像中的噪声;
4.将两种处理方法的结果与原图比较;
注意两种处理方法对边缘的影响。
源图像加噪声后的图像
1、对源图像进行3*3的均值滤波,结果如下:
sample3-2.bmp'
[r,c]=size(src);
output=src;
n=3;
k=(n-1)/2;
forrow=1+k:
r-k
forcolumn=1+k:
c-k
m=src(row-k:
row+k,column-k:
column+k);
temp=sum(sum(m,1),2)*(1/n/n);
output(row,column)=uint8(temp);
end
end
imshow(output);
在本代码中,边缘并没有被处理,而是直接采用源图像的对应值。
2、对源图像进行3*3的中值滤波,结果如下:
k=(n-1)/2;
v=m(1:
end);
v=sort(v);
output(row,column)=v((n*n-1)/2+1);
3、比较:
从结果图像中看出,滤波后的图像比之前的图像模糊,但是可以基本滤去噪声。
而从直观上比较两种滤波,均值滤波的结果比中值滤波的结果亮一点。
通过本次实验,掌握了简单的滤波器原理及过滤方法。
实验4、频率域低通和高通滤波
学会两种简单的频域低通和高通滤波方法。
1.使用布特沃斯和高斯滤波器进行低通滤波;
2.使用布特沃斯和高斯滤波器进行高通滤波。
1、用布特沃思低通滤波器对图像进行低通滤波;
2、用高斯低通滤波器对图像进行低通滤波;
3、用布特沃思高通滤波器对图像进行高通滤波;
4、用高斯高通滤波器对图像进行高能滤波;
1、对源图像进行进行空间域到频域的变换,结果如下:
sample4-2.bmp'
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,结果如下:
(取D0为10,20,40,80)
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);
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));
从结果可知,D0越小,结果越模糊,去噪效果越好;
D0越大,则相反。
3、进行频域的高斯高通滤波,结果如下:
D0=[10,20,40,80];
n=2;
H=1-exp(D.^2/(2*D0(type)^2)*(-1));
4、进行频域的布特沃斯低通滤波,结果如下:
(取D0为10,20,40,80,n为2)
H=1./(1+(D/D0(type)).^(2*n));
5、进行频域的布特沃斯高通滤波,结果如下:
H=1-1./(1+(D/D0(type)).^(2*n));
通过本次实验,掌握了频域滤波的基本原理及高斯/布特沃斯高低通滤波。
实验5、数字图像复原
了解Fourier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。
1.用Fourier变换算法对图像作二维Fourier变换。
2.用Fourier反变换算法对图像作二维Fourier反变换。
3.频域逆滤波和维纳滤波图像复原。
(三)环境标准和环境影响评价技术导则
(2)列出有关的法律、法规、规章、标准、规范和评价对象被批准设立的相关文件及其他有关参考资料等安全预评价的依据。
(1)建设项目概况。
环境影响评价工程师课主持进行下列工作:
新增加的六个内容是:
风险评价;
公众参与;
总量控制;
清洁生产和循环经济;
水土保持;
社会环境影响评价。
1)地方环境标准是对国家环境标准的补充和完善。
在执行上,地方环境标准优先于国家环境标准。
1.将BMP格式图像内容读入内存数组;
2.
3.1)采取防护措施。
用快速Fourier变换算法,对图像作二维FFT变换得到G(u,v);
(2)区域、流域、海域的建设、开发利用规划。
环境影响篇章或说明(考虑图像为256*256,可以采用快速Fourier变换方法)
4.进行频域逆滤波和维纳滤波;
5.
6.
(2)是否符合国家产业政策和清洁生产标准或要求。
进行Fourier反变换得到g(x,y);
需要复原的图像原图像
2.环境影响评价工程师职业资格制度
1、进行逆滤波的操作,这里的H(u,v)是自定义的,结果如下:
sample5-1.jpg'
src=rgb2gray(src);
[r,c]=size(src);
H=zeros(r,c);
k=0.00001;
H(row,column)=exp(-k*((row-r/2)^2+(column-c/2)^2)^(5/6));
f=f./H;
f=ifft2(ifftshift(f));
f=uint8(real(f));
imshow(f);
由于给出了源图片,所以这里H(u,v)也可以由后面的图像的频域值除以源图片的频域值得出。
2、进行维纳滤波的操作,这里的H(u,v)是自定义的,结果如下:
k=0.0001;
H(row,column)=exp(-k*((row-r/2)^2+(column-c/2)^2)^(5/6));
spectrum=H.^2;
HW=H./(spectrum+0.0001);
f=f.*(HW);
通过这次实验,掌握了图像恢复的基本原理和简单的手法。
- 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:
- 整理 数字图像 处理 实验