数字图像处理Word下载.docx
- 文档编号:20946624
- 上传时间:2023-01-26
- 格式:DOCX
- 页数:27
- 大小:1.79MB
数字图像处理Word下载.docx
《数字图像处理Word下载.docx》由会员分享,可在线阅读,更多相关《数字图像处理Word下载.docx(27页珍藏版)》请在冰豆网上搜索。
Ave=mean2(J)
SD=std2(double(J))
s=size(J);
all_white=255*ones(s
(1),s
(2));
all_white_uint8=uint8(all_white);
K=imsubtract(all_white_uint8,J);
subplot(2,2,4);
imshow(K);
imwrite(K,'
\0_iverse.jpg'
)
实验结果:
Ave=105.655
SD=51.9442
5.实验总结:
通过本次实验,我初步了解了MATLAB的使用方法,通过命令式的语言来执行程序,简洁快速,同时也了解到它在数学和图像处理方面的重要应用,在今后的学习后会充分发挥它的作用!
第四章图像变换与二维数字滤波
(1)了解图像正逆变换的原理。
(2)理解图像变换的系数特点
(3)掌握常用图像变换的实现过程。
(4)掌握图像的频谱分析方法。
(5)了解图像变换在图像数据压缩等方法面的应用。
(6)掌握二维数字滤波器的作用以及在图像滤波中的实际应用。
(1)在MATLAB环境中,进行图像的离散傅立叶变换和离散余弦变换,观察图像的频谱并减少DCT系数,观察重建信号和误差信号,理解正交变化在压缩编码中的应用。
(2)在MATLAB环境中,进行图像的离散小波变换,观察图像的近似图像的各方向的细节图像,观察重建图像,理解小波变换在图像特征检测中的应用。
(1)说明实验采用的正交变换原理
(2)分析重建图像、误差图像、变换系数的关系。
(3)通过实验结果说明三种变换的优点以及各自适应的应用场合。
(4)分析图像的二维FIR滤波的结果和各种设计法的优缺点。
(1)傅里叶变换:
F1=fft2(J);
imshow(log(abs(F1)+1),[010]);
F2=fftshift(F1);
imshow(log(abs(F2)+1),[010]);
(2)DCT变换:
subplot(1,2,1),imshow(J);
K=dct2(J);
subplot(1,2,2),imshow(log(abs(K))+1,[010]);
通过上机操作我知道了,正交变换和二维数字滤波广泛应用在图像增强、图像复原、特征提取、图像编码与压缩及形状分析方面。
二维DCT常用于二维信号处理,典型应用是对于静止图像和运动图像进行性能优良的有损数据严肃。
第五章图像编码与压缩
(1)了解图像的压缩编码原理。
(2)掌握常用的图像压缩算法。
(1)利用变换编码压缩图像信息。
(2)计算压缩算法的性能。
(1)说明压缩原理与算法。
(2)原始图像和压缩重构图像。
(3)计算压缩性能,说明为什么同一压缩算法对不同的图像压缩效果不同。
(4)心得和体会。
4.实验程序:
F=imread('
figure
(1);
imshow(F);
G=rgb2gray(F);
dctG=dct2(G);
figure
(2);
imshow(log(abs(dctG)),[]);
T1=5;
T2=50;
dctG(abs(dctG)<
T1)=0;
idctF1=idct2(dctG);
figure(3);
imshow(idctF1,[0255]);
T2)=0;
idctF2=idct2(dctG);
figure(4);
imshow(idctF2,[0255]);
[MN]=size(G);
MSE1=sun(sum((idctF1-double(G)).^2))/(M*N)
MSE1=sun(sum((idctF2-double(G)).^2))/(M*N)
5.实验总结:
通过上机操作对DCT变化更加的了解了。
通过二维DCT变换后,对于低阈值压缩(T1=5),图像损失较小,但是对于较高的阈值压缩(50),图像稍显模糊。
实际应用中如果要求图像质量高的当然要用压缩率比较低的,保证不失真,对于质量要求不高的,可以采取压缩率较大的,在不影响图像判断上,降低图像的存储空间。
第六章图像增强
1.实验目的:
(1)熟悉并学会使用MATLAB中图像增强的相关函数和photoshop操作
(2)掌握图像灰度修正平滑去噪锐化加强边缘和轮廓的方法,并编程实现
2.实验内容:
3.实验要求:
(1)选择利用MATLAB图像处理工具箱实现图像灰度修正图像平滑图像锐化的方法。
(2)列出上述图像处理的程序。
(3)记录灰度修正图像平滑图像锐化的图像,Photoshop图像增强的步骤和相应页面。
(1)图像的归一化直方图:
N=numel(J);
Pr=imhist(J)/N;
k=0:
255;
stem(k,Pr)
(2)线性变换:
figure,imhist(J);
M=imadjust(J,[0.3,0.7],[]);
figure,imshow(M);
figure,imhist(M);
(3)直方图均衡化:
M=histeq(J);
(4)对椒盐噪声的平滑处理:
imshow(J,[]);
f=imnoise(J,'
salt&
pepper'
0.04);
figure,imshow(f);
h0=1/9.*[111111111];
h1=[0.10.10.1;
0.10.20.1;
0.10.10.1];
h2=1/16.*[121;
242;
121];
h3=1/8.*[111;
101;
111];
g0=filter2(h0,f);
g1=filter2(h1,f);
g2=filter2(h2,f);
g3=filter2(h3,f);
figure,imshow(g0,[]);
figure,imshow(g1,[]);
figure,imshow(g2,[]);
figure,imshow(g3,[]);
(5)对椒盐噪声进行中值滤波:
M=imnoise(J,'
K=medfilt2(M);
figure,imshow(K);
(6)图像的锐化处理:
BW=edge(J,'
roberts'
0.1);
figure,imshow(BW);
(7)拉普拉斯算子对图像的均衡化处理:
H=[0-10;
-14-1;
0-10];
J=imfilter(J,H);
figure,imshow(J);
K=imadjust(J,[0.00.2],[]);
figure,imhist(K);
5.实验总结
通过此次上机我对图像增强更加的了解了,和它与图像复原的区别。
图像增强是指对图像的某些特征如边缘、轮廓、对比度进行强调,以便于显示、观察或进一步分析处理。
本次实验中涉及到线性变换的灰度变换,可以使图像动态范围增大,图像对比度扩展,通过第一个实验可以观察到图片的对比度提高了,没有想原图那样平淡。
实验二是对有噪声的图像进行平滑处理,已达到去除噪声的目的,通过空间域分析,不同的模板处理后的效果是不一样的。
实验三是通过拉普拉斯算子和罗伯茨算子来对图像进行锐化处理,增强图像边缘和轮廓。
这对于以后的学习会有很大的帮助,以后我会多多关注图像处理的技术,以及学习更多相关的知识。
第7章图像复原
1.实验目的
(1)了解图像复原的原理。
(2)掌握常用图像复原方法。
2.实验内容
(1)利用维纳滤波对有噪声模糊图像进行复原
(2)比较直接维纳滤波设置信噪比参数设置噪声和自相关函数这三种情况下的图像复原效果。
3.实验要求
(1)说明图像复原的基本原理和算法
(2)原始图像和复原后重建图像
(3)对于同一幅图像,比较直接维纳滤波设置信噪比参数设置噪声和自相关函数这三种情况下的图像复原效果
\zhaopian\20140315210314.jpg'
len=28;
theta=14;
PSF=fspecial('
motion'
len,theta);
blurred=imfilter(I,PSF,'
circular'
'
conv'
v=0.02;
Noisy=imnoise(blurred,'
gaussian'
0,v);
len=9;
theta=12;
SF=fspecial('
UNDERPSF=ones(size(PSF)-4);
[J1P1]=deconvblind(Noisy,UNDERPSF);
figure,subplot(2,2,1);
imshow(J1);
OVERPSF=padarray(UNDERPSF,[44],'
replicate'
both'
[J2P2]=deconvblind(Noisy,OVERPSF);
imshow(J2);
INITPSF=padarray(UNDERPSF,[22],'
[J3P3]=deconvblind(Noisy,INITPSF);
imshow(J3);
通过上机操作知道了,图像复原的目的就是为了使受损的图像恢复到原来的样子,改善图像的质量,不会失真严重,现代的图像复原方法有逆滤波复原、约束复原、非线性复原方法等。
图像复原在修复旧损艺术品、照片、电影胶卷等方面有重要作用。
其次图像的退化原因有很多,比如:
摄像的散焦模糊、成像系统的噪声干扰、景物与相机的相对运动、图像的几何失真等。
所以要选择不同的复原方法来进行复原。
第八章图像分割
(1)熟悉MATLAB图像处理工具的使用方法。
(2)熟悉图像边缘检测的方法。
(3)理解边缘检测在图像分割中的应用。
(4)了解和掌握Photoshop选择区工具。
包括矩形选框工具、套索工具、魔棒工具、遮罩工具等
(1)利用MATLAB图像处理工具箱提供的DEMOS进行实验。
(2)利用MATLAB图形处理工具箱的边缘检测函数编程进行边缘检测。
(3)理解边缘检测在图像分割中的应用,比较各种边缘检测方法。
(1)说明利用MATLAB图像处理工具箱进行边缘检测的方法。
(2)记录某一图像经各种检测方法检测后的图像。
(3)分析检测结果。
(4)回答思考题。
(5)心得和体会。
(1)阈值分割:
K=rgb2gray(I);
subplot(131);
subplot(132);
imhist(K);
T=110;
S=size(K)
[maxI,maxP]=max(K(:
:
))
[minI,minP]=min(K(:
fori=1:
S
(1)
forj=1:
S
(2)
ifK(i,j)>
=TK(i,j)=255;
elseK(i,j)=0;
end
end
subplot(133);
imshow(K)
T=90
T=150
(2)梯度算子:
BW1=edge(J,'
BW2=edge(J,'
prewitt'
BW3=edge(J,'
sobel'
BW4=edge(J,'
log'
BW5=edge(J,'
canny'
figure,imshow(BW1,[]);
figure,imshow(BW2,[]);
figure,imshow(BW3,[]);
figure,imshow(BW4,[]);
figure,imshow(BW5,[]);
图像分割以后,通常需要对分割的区域进行表示和描述,以便计算机进一步处理。
本次实验利用阈值分割图像,选取阈值分割值为T=80,改变阈值的话,可以看到,过高或过低的阈值都会影响分割的效果。
图像分割在实际应用中有一定的作用,比如交通摄像机的车牌号的抓取,从整张图片中分割出关于车牌信息的图像,进一步提取车牌数字。
对以后的进一步学习有很大帮助。
第九章形态学图像处理
(1)了解数学形态学的基本思想和方法。
(2)掌握形态学基本运算。
(3)学习设计形态学图像处理算法。
(1)用数学形态学运算取出图像噪声。
(2)用形态学梯度(已膨胀图像减已腐蚀图像)来提取二值图像中对象的边界搜索。
(1)说明形态学算法。
(2)原始图像和去噪后的图像。
(3)原始图像和边界图像。
(4)心得和体会
D=imread('
I=rgb2gray(D);
subplot(2,3,1);
title('
灰度图像'
J=imnoise(I,'
subplot(2,3,2);
噪声图像'
se1=strel('
square'
2)
D1=imopen(J,se1);
%开闭运算去除噪声
D2=imclose(D1,se1);
subplot(2,3,3);
imshow(D2);
方形开闭后图像'
se2=strel('
disk'
D3=imopen(J,se2);
D4=imclose(D3,se2);
subplot(2,3,4);
imshow(D4);
%采用范围半径为2的圆盘得到的D2比采用正方形的D4效果好
圆盘开闭后图像'
se3=strel('
diamond'
1)
I1=imdilate(I,se3);
%膨胀
I2=imerode(I,se3);
%腐蚀
K1=I1-I2;
%减法,用已经膨胀的图像减去已经腐蚀的图像提取对象的边界像素
subplot(2,3,5);
imshow(K1);
diamond膨胀图像'
se4=strel('
3)
I3=imdilate(I,se4);
I4=imerode(I,se4);
K2=I3-I4;
subplot(2,3,6);
imshow(K2);
方形膨胀图像'
数学形态学基于结构元素的基本思想以及作为基本运算的上、下确界关系表示反应了自然界中一类相当普遍的现象。
通过本次实验,我了解到,图像通过灰值后会使得个别亮点变暗或者消失;
灰值膨胀可以使得图像较暗的地方变亮,对于观察比较细致而又模糊的图像来说,可以使得图像清晰;
具备了腐蚀和膨胀这两种基本灰值形态学运算的便是灰值开运算和闭运算。
第10章彩色图像处理
(1)了解颜色空间的基本概念及转换原理。
(2)能利用matlab工具箱和本章功能的有关公式,在RGB,YIQ,HSV,等颜色空间中读显示彩色图像。
(1)利用MATLAB图像处理工具箱中现有的函数在不同颜色空间中读取,显示彩图像。
(2)根据转换公式,自己编制其他颜色空间转换函数,在该空间读取,显示彩色图像。
3实验要求
(1)利用MATLAB图像处理工具箱,photoshop读,写和显示彩色图像文件。
(2)了解几种常见的颜色空间的概念。
(3)记录读取变换处理后的图像。
(4)列出上述MATLAB图像处理的程序界面。
K1=rgb2hsv(D);
K2=rgb2ycbcr(D);
K3=rgb2ntsc(D);
K4=rgb2gray(D);
K6=gray2ind(D);
%转换成索引图像
[X,map]=imread('
%将真彩图像RGB,颜色映射表为map的索引图像X
K5=im2bw(X,map,0.2);
%转换成二值图像
subplot(4,2,1);
imshow(D);
RGB图像'
subplot(4,2,2);
RGB转HSV图像'
subplot(4,2,3);
RGB转YCBCR图像'
subplot(4,2,4);
imshow(K3);
RGB转NTSC图像'
subplot(4,2,5);
imshow(K4);
RGB转灰度图像'
subplot(4,2,6);
imshow(K5);
RGB转二值图像'
subplot(4,2,7);
imshow(K6);
RGB转IND图像'
subplot(4,2,8);
imshow(K3(:
1));
NTSC的Y分量=灰度图像'
实际应用中常用的颜色空间有很多,有RGB、HSV、HSI、YUV、YIQ、CMYK等。
本次实验都是从RGB图像转换到别的空间的图像,从RGB到HSV、YCBCR、NTSC、灰度图像、二值图像等。
其中HSV颜色空间广泛应用于计算机图像学、科学计算机可视化领域。
它是一个均匀颜色空间。
各个颜色空间的应用领域不同,比如,在彩色电视系统中采用的就是YUV色彩空间。
通过此次学习,对专业知识有了进一步的深化和了解,知道了自己的不足和缺点,在以后的学习中我会更加努力。
- 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