课程设计所需资料.docx

课程设计所需资料.docx

《课程设计所需资料.docx》由会员分享，可在线阅读，更多相关《课程设计所需资料.docx（10页珍藏版）》请在冰豆网上搜索。

课程设计所需资料

图像通信系统设计

摘要

本文设计了一个图像通信系统，使用Matlab编程实现图像压缩和图像重建，其中的编解码算法是基于DCT变换的JPEG图像压缩标准。

本文仿真是对512*512大小、8bit/pixel灰度、BMP典型测试图像Lena进行仿真实验。

现实环境里，图像在采集与传输过程中常常混入噪声（高斯噪声、椒盐噪声等），所以本设计测试图像时对模拟图像进行加噪。

首先用不同的去噪算法去噪（均值滤波、中值滤波、自适应中值滤波、Wiener滤波、高斯平滑滤波等），然后对去噪后的图像压缩重建，分析了压缩性能。

经仿真验证，基于DCT变换的JPEG的算法不复杂,当进行低压缩率的静止图像压缩，图像质量较高；当进行高压缩率的静止图像压缩时,图像压缩出现“模块效应”,图像质量急剧下降。

关键词：

图像通信系统；Matlab；JPEG图像压缩；噪声；压缩性能

1.在源图像上加zero-padding（为了第二部分块）

2.分块，把图像分为每个8x8（或16x16）的block（这就是为什么第一步要调整图像大小，以可以整分图像）

3.做DCT变换

4.量化（失真在这里产生）

以上步骤已经算压缩了源图像了

还可以附加一步，根据一定算法将量化好的图像进行编码，以减小文件大小

附    录

DC译码程序

function x =DCHuffmanDecoding（bit_seq,bit_len）

 if （bit_len==3）; 

elseif（bit_len<=8 & bit_len>=5）,

     j=4; 

elseif（bit_len==10）

     j=5; 

elseif（bit_len==12）

     j=6;  

elseif（bit_len==14）

     j=7; 

elseif（bit_len==16）

     j=8;  

elseif（bit_len==18）

     j=9; 

elseif（bit_len==20）

     j=10;  

end 

m=bit_seq（j:

bit_len）; 

if m

（1）=='1' 

    val=bin2dec（m）;

     x=val;

 Else

     val=bitcmp（bin2dec（m）,length（m））;

     x=-val;

 end 

 维纳滤波器

I=imread（'lena512.bmp'）;

 figure; imshow（I）;

 figure; 

title（'原始图像'）; 

[m,n]=size（I）;

 F=fftshift（fft2（I））; 

k=0.005; 

for u=1:

m 

 for v=1:

n 

        H（u,v）=exp（-k）*（（（u-m/2）^2+（v-n/2）^2））;

     end

end

G=F.*H;

I0=real（ifft2（fftshift（G）））; 

I1=imnoise（uint8（I0）,'gaussian',0,0.001） 

figure;imshow（uint8（I1））;title（'加噪图像'）; 

F0=fftshift（fft2（I1））; 

K=0.1;

 for u=1:

m

   for v=1:

n

         H（u,v）=exp（-k*（（（u-m/2）^2+（v-n/2）^2）））;

         H0（u,v）=（abs（H（u,v）））^2; 

        H1（u,v）=H0（u,v）/（H（u,v）*（H0（u,v）+K））;

     end

 end 

F2=H1.*F0; 

I2=ifft2（fftshift（F2））;

 figure; imshow（uint8（I2））;

 title（'去噪图像 '）;

    下采样和插值程序段：

I=imread（'lena512.bmp'）; 

figure; imshow（I,[]）;

 [m,n]=size（I）; 

I1=I（1:

2:

m-1,1:

2:

n-1）;

[m1,n1]=size（I1）;

 Re=zeros（2*m1,2*n1）; 

for i=1:

m1,

     for j=1:

n1,

         Re（2*i-1,2*j-1）=ReconImage（i,j）;

     end

end 

figure,imshow（Re,[]）;

for i=2:

m1-1,

     for j=2:

n1-1,

         Re（2*i,2*j）=（Re（2*i-1,2*j-1）+Re（2*i+1,2*j+1））/2;

         Re（2*i,2*j-1）=（Re（2*i-1,2*j-1）+Re（2*i+1,2*j-1））/2;         Re（2*i-1,2*j）=（Re（2*i-1,2*j-1）+Re（2*i-1,2*j+1））/2;     end 

end 

Re（1,:

）=Re（2,:

）;

Re（:

1）=Re（:

2）; 

Re（m1,:

）=Re（m1-1,:

）;

Re（:

n1）=Re（:

n1-1）;

figure;imshow（Re,[]）; 

title（'重建图像'）

三、实验内容及步骤

1.完成对图像加噪声，使用均值滤波器、中值滤波器对不同噪声类型、不同强度的噪声图像进行滤波处理，并评价处理的结果，进行理论上的解释。

（a）读入图像electric.tif；

（b）利用imnoise函数在图像上加入高斯噪声；

（c）利用预定义函数fspecial产生平均（average）滤波器；

（d）分别采用3×3和5×5的模板，用平均滤波器以及中值滤波器，对加入噪声的图像进行处理并观察不同噪声水平下，上述滤波器处理的结果；

（e）选择不同大小的模板，对加入某一固定噪声的图像进行处理，观察上述滤波器处理的结果；

（f）利用imnoise函数在图像上加入椒盐噪声；

（g）重复（c）~（e）的步骤；

（h）输出全部结果并进行讨论；

高斯噪声0.02，分别用3×3和5×5的模板，进行平均滤波和中值滤波

A=imread（‘cameraman.tif’）;

B=im2double（A）;

CX=imnoise（B,’gaussian’,0.02）;

A3=fspecial（‘average’,3）;

A5=fspecial（‘average’,5）;

DX=filter2（A3,CX）;

EX=filter2（A5,CX）;

FX=medfilt2（CX,[33]）;

GX=medfilt2（CX,[55]）;

subplot（2,3,1）,imshow（A）,title（‘原图’）;

subplot（2,3,2）,imshow（CX）,title（‘高斯噪声0.02′）;

subplot（2,3,3）,imshow（DX）,title（‘平滤波均3×3′）;

subplot（2,3,4）,imshow（EX）,title（‘平滤波均5×5′）;

subplot（2,3,5）,imshow（FX）,title（‘中值滤波3×3′）;

subplot（2,3,6）,imshow（GX）,title（‘中值滤波5×5′）

高斯噪声0.05，分别用3×3和5×5的模板，进行平均滤波和中值滤波

A=imread（‘cameraman.tif‘）;

B=im2double（A）;

CY=imnoise（B,’gaussian’,0.05）;

A3=fspecial（‘average’,3）;

A5=fspecial（‘average’,5）;

DY=filter2（A3,CY）;

EY=filter2（A5,CY）;

FY=medfilt2（CY,[33]）;

GY=medfilt2（CY,[55]）;

subplot（2,3,1）,imshow（A）,title（‘原图’）;

subplot（2,3,2）,imshow（CY）,title（‘高斯噪声0.05′）;

subplot（2,3,3）,imshow（DY）,title（‘平滤波均3×3′）;

subplot（2,3,4）,imshow（EY）,title（‘平滤波均5×5′）;

subplot（2,3,5）,imshow（FY）,title（‘中值滤波3×3′）;

subplot（2,3,6）,imshow（GY）,title（‘中值滤波5×5′）

椒盐噪声0.02，分别用3×3和5×5的模板，进行平均滤波和中值滤波

A=imread（‘cameraman.tif‘）;

B=im2double（A）;

CZ=imnoise（B,’salt&pepper’,0.02）;

A3=fspecial（‘average’,3）;

A5=fspecial（‘average’,5）;

DZ=filter2（A3,CZ）;

EZ=filter2（A5,CZ）;

FZ=medfilt2（CZ,[33]）;

GZ=medfilt2（CZ,[55]）;

subplot（2,3,1）,imshow（A）,title（‘原图’）;

subplot（2,3,2）,imshow（CZ）,title（‘椒盐噪声0.02′）;

subplot（2,3,3）,imshow（DZ）,title（‘平滤波均3×3′）;

subplot（2,3,4）,imshow（EZ）,title（‘平滤波均5×5′）;

subplot（2,3,5）,imshow（FZ）,title（‘中值滤波3×3′）;

subplot（2,3,6）,imshow（GZ）,title（‘中值滤波5×5′）

不同噪声类型和强度，滤波后进行比较：

subplot（3,5,1）,imshow（CX）,title（‘高斯噪声0.02′）;

subplot（3,5,2）,imshow（DX）,title（‘平滤波均3×3′）;

subplot（3,5,3）,imshow（EX）,title（‘平滤波均5×5′）;

subplot（3,5,4）,imshow（FX）,title（‘中值滤波3×3′）;

subplot（3,5,5）,imshow（GX）,title（‘中值滤波5×5′）

subplot（3,5,6）,imshow（CY）,title（‘高斯噪声0.05′）;

subplot（3,5,7）,imshow（DY）,title（‘平滤波均3×3′）;

subplot（3,5,8）,imshow（EY）,title（‘平滤波均5×5′）;

subplot（3,5,9）,imshow（FY）,title（‘中值滤波3×3′）;

subplot（3,5,10）,imshow（GY）,title（‘中值滤波5×5′）

subplot（3,5,11）,imshow（CZ）,title（‘椒盐噪声0.02′）;

subplot（3,5,12）,imshow（DZ）,title（‘平滤波均3×3′）;

subplot（3,5,13）,imshow（EZ）,title（‘平滤波均5×5′）;

subplot（3,5,14）,imshow（FZ）,title（‘中值滤波3×3′）;

subplot（3,5,15）,imshow（GZ）,title（‘中值滤波5×5′）

2.完成对图像的加噪、降噪、边缘增强

A）在MATLAB中读入名为eight.tif的图像给矩阵X，将X强制类型转换为double，最大值归一化并显示X。

B）使用imnoise函数对图像矩阵X加噪（均值为零，方差为0.005的高斯噪声），加噪后图像矩阵名为J。

C）使用平滑滤波模板和conv2函数对加噪图像进行平滑滤波即降噪，输出图像Y1并显示。

D）使用锐化滤波模板和conv2函数对图像X进行锐化滤波即边缘增强，输出图像Y2并显示。

E）在一个图形窗口中建立2×2子窗口，分别显示原始图像X,加噪图像J,降噪后图像Y1和边缘增强图像Y2。

X=imread（‘eight.tif’）;

Y=double（X）;

X=（255-Y）./255;

J=imnoise（X,’gaussian’,0,0.005）;

d1=0.04.*[1,1,1,1,1;1,1,1,1,1;1,1,1,1,1;1,1,1,1,1;1,1,1,1,1];

Y1=conv2（J,d1）;

d2=[0,-1,0;-1,4,-1;0,-1,0];

Y2=conv2（X,d2）;

subplot（2,2,1）,imshow（X）,title（‘原图’）;

subplot（2,2,2）,imshow（J）,title（‘高斯噪声’）;

subplot（2,2,3）,imshow（Y1）,title（‘降噪Y1′）;

subplot（2,2,4）,imshow（Y2）,title（‘边缘增强Y2′）

3.完成图像的边缘检测

a）使用edge函数和同样的锐化滤波器对图像X进行锐化滤波即边缘增强，输出图像Y3并显示。

b）将上述得到的结果图像与第二步的边缘增强结果进行比较，给出合理的解释。

X=imread（‘eight.tif’）;

Y=double（X）;

X=（255-Y）./255;

J=imnoise（X,’gaussian’,0,0.005）;

d2=[0,-1,0;-1,4,-1;0,-1,0];

Y2=conv2（X,d2）;

Y3=edge（X,’sobel’）;

subplot（1,3,1）,imshow（X）,title（‘原图’）;

subplot（1,3,2）,imshow（Y2）,title（‘锐化滤波’）;

subplot（1,3,3）,imshow（Y3）,title（‘edge函数’）;

四、思考与回答：

1.结合实验内容，定性评价平均滤波器/中值滤波器对高斯噪声和椒盐噪声的去噪效果？

subplot（1,2,1）,imshow（DX）,title（‘高斯噪声0.02平滤波均3×3′）;

subplot（1,2,2）,imshow（DZ）,title（‘椒盐噪声0.02平滤波均3×3′）;

平均滤波对两种噪声去噪效果差不多。

subplot（1,2,1）,imshow（FX）,title（‘高斯噪声0.02中值滤波3×3′）;

subplot（1,2,2）,imshow（FZ）,title（‘椒盐噪声0.02中值滤波3×3′）;

中值滤波明显对椒盐噪声去噪效果好。

2.结合实验内容，定性评价滤波窗口对去噪效果的影响？

subplot（1,2,1）,imshow（FZ）,title（‘中值滤波3×3′）;

subplot（1,2,2）,imshow（GZ）,title（‘中值滤波5×5′）

subplot（1,2,1）,imshow（DZ）,title（‘平滤波均3×3′）;

subplot（1,2,2）,imshow（EZ）,title（‘平滤波均5×5′）;

比较可知，滤波窗口越大，去噪效果越好。