医学图像处理4.docx
- 文档编号:26967710
- 上传时间:2023-06-24
- 格式:DOCX
- 页数:14
- 大小:20.68KB
医学图像处理4.docx
《医学图像处理4.docx》由会员分享,可在线阅读,更多相关《医学图像处理4.docx(14页珍藏版)》请在冰豆网上搜索。
医学图像处理4
评分
大理大学实验报告
课程名称医学图像处理
实验名称图像增强
专业班级13级生物医学工程1班
姓名杨飞范小欢
学号20131661412013166143
实验日期2015年12月17日
实验地点S3-204
2015—2016学年度第2学期
一、实验目的
掌握常见的图像噪声种类。
学习用于图像增强中的去噪声等平滑技术。
理解在空间域领域平均法和中值滤波的原理、特点、适用对象。
学习用于突出目标形状特征、改善视觉效果的图像锐化技术的原理和常用方法。
二、实验环境
1、硬件配置:
处理器:
Intel(R)celeron(R)CPUN2940@2.60GHz2.60GHz
安装内存(RAM):
4.00GB
系统类型:
64位操作系统
2、软件环境:
MATLABR2012b
3、实验内容
例1对图像rice.png分别添加高斯噪声、椒盐噪声和乘性噪声。
实验代码:
I=imread('rice.png');%读入图像图像rice.png
J1=imnoise(I,'gaussian',0,0.02);%添加高斯噪声,均值为0,噪声方差0.02
J2=imnoise(I,'salt&pepper',0.02);%添加椒盐噪声,密度为0.02
J3=imnoise(I,'speckle',0.02);%添加乘性噪声,噪声方差0.02
subplot(2,2,1),imshow(I);title('原图像')%建立2行2列子图窗口,显示图像I
subplot(2,2,2),imshow(J1);title('添加高斯噪声图像')%建立2行2列子图窗口,显示图像J1
subplot(2,2,3),imshow(J2);title('添加椒盐噪声图像')%建立2行2列子图窗口,显示图像J2
subplot(2,2,4),imshow(J3);title('添加乘性噪声图像')%建立2行2列子图窗口,显示图像J3
例2生成各种滤波器。
实验代码:
H1=fspecial('gaussian',3,0.5)%产生高斯低通滤波算子
%默认值为[33],sigma为滤波器的标准值,单位为像素,默认值为0.5
H2=fspecial('sobel')%产生Sobel滤波算子,用于边缘提取
H3=fspecial('prewitt')%产生Prewitt滤波算子,用于边缘增强,大小为[33]
H4=fspecial('laplacian',0.2)%产生二维拉普拉斯运算滤波算子
H5=fspecial('log',3,0.5)%产生高斯拉普拉斯(LOG)滤波算子
H6=fspecial('average',3)%产生均值滤波算子
H7=fspecial('unsharp',0.2)%产生对比度增强滤波算子,
例3领域平均法滤波。
实验代码
I=imread('tire.tif');%读入图像图像eight.tif
J=imnoise(I,'salt&pepper',0.02);%添加椒盐噪声,密度0.02
subplot(2,2,1),imshow(I);%建立2行2列子图窗口,显示图像I
title('原图像')%添加标题
subplot(2,2,2),imshow(J);%建立2行2列子图窗口,显示图像J
title('添加椒盐噪声图像')%添加标题
K1=filter2(fspecial('average',3),J)/255;%对图像J执行均值滤波,生成均值滤波算子,模板尺寸为3*3
subplot(2,2,3),imshow(K1);%建立2行2列子图窗口,显示图像K1
title('3×3窗的邻域平均滤波图像')%添加标题
K2=filter2(fspecial('average',7),J)/255;%对图像J执行均值滤波,生成均值滤波算子,模板尺寸为7*7
subplot(2,2,4),imshow(K2);%建立2行2列子图窗口,显示图像K2
title('7×7窗的邻域平均滤波图像')%添加标题
例4各种滤波方法比较。
J=[37620;%输入图像矩阵
24611;
47254;
30621;
57512];
I=imnoise(J,'salt&pepper',0.02);%添加椒盐噪声,密度0.02
I=uint8(I);%转化为8位无符号整形数据
w1=1/9*ones(3,3);%产生均值滤波器
w3=fspecial('laplacian',0);%产生二维拉普拉斯滤波器
w4=[0.010.10.01;%产生矩阵w4
0.100.560.10;
0.010.10.01];
I1=imfilter(I,w1);%对图像执行二维均值滤波
I2=medfilt2(I);%对图像I执行二维中值滤波,输出像素为m*n邻域的中值,缺省为3*3
I3=I-imfilter(I,w3);%对图像I执行拉普拉斯滤波
I4=imfilter(I,w4);%对图像I执行以矩阵w为算子的滤波
[mn]=size(I);%返回图像的行数(m)和列数(n)
fori=1:
m
I1(1,i)=I(1,i);
I1(i,1)=I(i,1);
I1(5,i)=I(5,i);
I1(i,5)=I(i,5);
I2(1,i)=I(1,i);
I2(i,1)=I(i,1);
I2(5,i)=I(5,i);
I2(i,5)=I(i,5);
I3(1,i)=I(1,i);
I3(i,1)=I(i,1);
I3(5,i)=I(5,i);
I3(i,5)=I(i,5);
I4(1,i)=I(1,i);
I4(i,1)=I(i,1);
I4(5,i)=I(5,i);
I4(i,5)=I(i,5);
end
subplot(3,2,[1,2]),imshow(J,[07]),title('原图像')%建立3行2列子图窗口,显示图像J
subplot(3,2,3),imshow(I1,[07]),title('均值滤波图像')%建立3行2列子图窗口,显示图像I1
subplot(3,2,4),imshow(I2,[07]),title('中值滤波图像')%建立3行2列子图窗口,显示图像I2
subplot(3,2,5),imshow(I3,[07]),title('laplacian滤波图像')%建立3行2列子图窗口,显示图像I3
subplot(3,2,6),imshow(I4,[07]),title('低通滤波图像')%建立3行2列子图窗口,显示图像I4
四、思考题:
1.在对图像进行邻域平均法滤波时,领域半径的大小对图像有什么影响,为什么?
答:
领域半径越大,图像噪声减小的效果越显著,但图像会越模糊。
如例3实验结果所示,图3.3和图3.4都是处理图3.2后的结果,图3.3和图3.2比较后容易看出,图3.3噪声减少了许多;图3.4和图3.2比较后容易看出,图3.4几乎没噪声;图3.4比图3.3除噪效果明显,但是图像变得模糊。
2.领域平均法更适合于处理高斯噪声还是椒盐噪声?
试分析原因。
实验代码:
I=imread('tire.tif');%读入图像图像eight.tif
J=imnoise(I,'salt&pepper',0.02);%添加椒盐噪声,密度0.02
J1=imnoise(I,'gaussian',0,0.02);%添加高斯噪声,均值为0,噪声方差0.02%添加椒盐噪声,噪声方差0.02
subplot(2,3,1),imshow(I);%建立2行3列子图窗口,显示图像I
title('原图像')%添加标题
subplot(2,3,2),imshow(J);%建立2行3列子图窗口,显示图像J
title('添加椒盐噪声图像')%添加标题
subplot(2,3,3),imshow(J1);%建立2行3列子图窗口,显示图像J1
title('添加高斯噪声图像')%添加标题
K1=filter2(fspecial('average',7),J)/255;%对图像J执行均值滤波,生成均值滤波算子
subplot(2,3,4),imshow(K1);%建立2行3列子图窗口,显示图像K1
title('椒盐噪声的邻域平均滤波图像')%添加标题
K2=filter2(fspecial('average',7),J1)/255;%对图像J1执行均值滤波,生成均值滤波算子阿
subplot(2,2,4),imshow(K2);%建立2行3列子图窗口,显示图像K2
title('高斯噪声的邻域平均滤波图像')%添加标题
实验结果:
图2.21原图像图2.22添加椒盐噪声图像图2.23添加高斯噪声图像
图2.24椒盐噪声的领域平均滤波图像图2.25高斯噪声的领域平均滤波图像
据上图所示:
领域平均法处理高斯噪声图像的效果比处理椒盐噪声的效果好,所以,领域平均法更适合处理高斯噪声。
3.中值滤波更适合于处理高斯噪声还是椒盐噪声?
试分析原因。
实验代码:
I=imread('tire.tif');%读入图像图像eight.tif
J=imnoise(I,'salt&pepper',0.02);%添加椒盐噪声,密度0.02
J1=imnoise(I,'gaussian',0,0.02);%添加高斯噪声,均值为0,噪声方差0.02
subplot(2,3,1),imshow(I);%建立2行3列子图窗口,显示图像I
title('原图像')%添加标题
subplot(2,3,2),imshow(J);%建立2行3列子图窗口,显示图像J
title('添加椒盐噪声图像')%添加标题
subplot(2,3,3),imshow(J1);%建立2行3列子图窗口,显示图像J1
title('添加高斯噪声图像')%添加标题
K1=medfilt2(J);%对图像J进行中值滤波处理
subplot(2,3,4),imshow(K1);%建立2行3列子图窗口,显示图像K1
title('椒盐噪声的中值滤波图像')%添加标题
K2=medfilt2(J1);%对图像J1进行中值滤波处理
subplot(2,2,4),imshow(K2);%建立2行3列子图窗口,显示图像K2
title('高斯噪声的中值滤波图像')%添加标题
实验结果:
图3.31原图图3.32添加椒盐噪声图像图3.33添加高斯噪声图像
图3.34椒盐噪声的领域平均滤波图像图3.35高斯噪声的领域平均滤波图像
据上图所示:
中值滤波处理椒盐噪声的效果比处理处理高斯噪声的效果好,所以,中值滤波更适用于处理椒盐噪声。
4.对叠加有乘性噪声的图像,设计一种处理方法,既能去噪声又能保持边缘清晰。
实验代码:
I=imread('rice.png');%读入图像图像rice.png
J1=imnoise(I,'speckle',0.02);%添加乘性噪声,噪声方差0.02
subplot(2,2,1),imshow(I);title('原图像')%建立2行2列子图窗口,显示图像I
subplot(2,2,2),imshow(J1);title('添加乘性噪声图像')%建立2行2列子图窗口,显示图像J1
K1=medfilt2(J1);%对J1进行中值滤波处理
subplot(2,2,3),imshow(K1);title('中值滤波处理后图像')%建立2行2列子图窗口,显示图像k1
实验结果:
图4.41图4.42添加乘性噪声图像
图4.43中值滤波处理后图像
五、实验结果与分析
例1实验结果:
图1.1原图像图1.2添加高斯噪声图像
图1.3添加椒盐噪声图像图1.4添加乘性噪声图像
结果分析:
通过图1.1和图1.2对比可知:
在图像中加高斯噪声会使图像变得模糊且会出现细小的斑点,使得图像变得不清晰;通过图1.1和图1.3对比可知:
对于被椒盐噪声污染的图像,噪声点只取图像动态范围内(如0~255)的最大值或最小值,即在图像中出现一些灰度值很小(接近黑色)或灰度值很大(接近白色)的污染点,在图像上呈现一个个暗点和亮点,类似于胡椒末和盐粉的微粒,因此称为椒盐噪声;通过图1.1和图1.4对比可知:
图像中加乘性噪声会使图像出现细小斑点且模糊。
例2实验结果:
H1=
0.01130.08380.0113
0.08380.61930.0838
0.01130.08380.0113
H2=
121
000
-1-2-1
H3=
111
000
-1-1-1
H4=
0.16670.66670.1667
0.6667-3.33330.6667
0.16670.66670.1667
H5=
0.40380.80210.4038
0.8021-4.82330.8021
0.40380.80210.4038
H6=
0.11110.11110.1111
0.11110.11110.1111
0.11110.11110.1111
H7=
-0.1667-0.6667-0.1667
-0.66674.3333-0.6667
-0.1667-0.6667-0.1667
实验结果分析:
H1为高斯低通滤波算子;H2为Sobel滤波算子,用于边缘提取;H3为Prewitt滤波算子,用于边缘增强;
H4为拉普拉斯运算滤波算子;H5为高斯拉普拉斯(LOG)滤波算子;H6为均值滤波算子;H7为对比度增强
滤波算子。
例3实验结果:
图3.1原图图3.2添加椒盐噪声图像
图3.33x3窗的领域平均图像图3.47x7窗的领域平均图像
实验结果分析:
图3.3和图3.4都是处理图3.2后的结果,图3.3和图3.2比较后容易看出,图3.3噪声减少了许多;图3.4和图3.2比较后容易看出,图3.4几乎没噪声;图3.4比图3.3除噪效果明显,但是图像变得模糊,由此可得出结论:
领域平均法滤波时,以图像模糊为代价来减小噪声,且领域半径越大,噪声减小的效果越明显。
例4实验结果:
图4.1原图
图4.2均值滤波图像图4.3中值滤波图像
图4.4laplacian滤波图像图4.5低通滤波图像
结果分析:
(1)对于均值滤波, 由以上处理后的图像可以看到:
均值滤波对高斯噪声的抑制是比较好的,处理后的图像边缘模糊较少。
但对椒盐噪声的影响不大,因为在削弱噪声的同时整幅图像内容总体也变得模糊,其噪声仍然存在。
(2)对于中值滤波,由图像处理的结果可以看出,它只影响了图像的基本信息,说明中值滤波对高斯噪声的抑制效果不明显。
这是因为高斯噪声使用随机大小的幅值污染所有的点,因此无论怎样进行数据选择,得到的始终还是被污染的值。
(3)laplacian滤波使图像增强。
(4)低通滤波使图像变的模糊,平滑。
使不同颜色或灰度间有一定的过度,棱角分明的图像模糊化。
六、实验小结:
对于不同的噪声处理应选用不同的滤波处理。
手写签名:
- 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:
- 医学 图像 处理