北航数字图象处理实验报告.docx

北航数字图象处理实验报告.docx

《北航数字图象处理实验报告.docx》由会员分享，可在线阅读，更多相关《北航数字图象处理实验报告.docx（15页珍藏版）》请在冰豆网上搜索。

北航数字图象处理实验报告

数字图像处理实验报告

实验二图像变换实验

1．实验目的

学会对图像进行傅立叶等变换，在频谱上对图像进行分析，增进对图像频域上的感性认识，并用图像变换进行压缩。

2．实验内容

对Lena或cameraman图像进行傅立叶、离散余弦、哈达玛变换。

在频域，对比他们的变换后系数矩阵的频谱情况，进一步，通过逆变换观察不同变换下的图像重建质量情况。

3.实验要求

实验采用获取的图像，为灰度图像，该图像每象素由8比特表示。

具体要求如下：

（1）输入图像采用实验1所获取的图像（Lena、Cameraman）；

（2）对图像进行傅立叶变换、获得变换后的系数矩阵；

（3）将傅立叶变换后系数矩阵的频谱用图像输出，观察频谱；

（4）通过设定门限，将系数矩阵中95%的（小值）系数置为0，对图像进行反变换，获得逆变换后图像；

（5）观察逆变换后图像质量，并比较原始图像与逆变后的峰值信噪比（PSNR）。

（6）对输入图像进行离散余弦、哈达玛变换，重复步骤1-5；

（7）比较三种变换的频谱情况、以及逆变换后图像的质量（PSNR）。

4.实验结果

1.DFT的源程序及结果

J=imread（'.bmp'）;

P=fft2（J）;

fori=0:

size（P,1）-1

forj=1:

size（P,2）

G（i*size（P,2）+j）=P（i+1,j）;

end

end

Q=sort（G）;

fori=1:

size（Q,2）

if（i=size（Q,2）*

t=Q（i）;

end

end

G（abs（G）

forn=0:

size（P,1）-1

form=1:

size（P,2）

W（n+1,m）=G（n*size（P,2）+m）;

end

end

f2=ifft2（W）;

f3=uint8（f2）;

axes;

imshow（f3）

axes;

imshow（J）

psnr1=psnr（J,f3）;

set,'string',psnr1）;

2.DCT的源程序及结果

J=imread（'.bmp'）;

P=dct2（J）;

fori=0:

size（P,1）-1

forj=1:

size（P,2）

G（i*size（P,2）+j）=P（i+1,j）;

end

end

Q=sort（G）;

fori=1:

size（Q,2）

if（i=size（Q,2）*

t=Q（i）;

end

end

G（abs（G）

forn=0:

size（P,1）-1

form=1:

size（P,2）

W（n+1,m）=G（n*size（P,2）+m）;

end

end

f2=idct2（W）;

f3=uint8（f2）;

axes;

imshow（f3）

axes;

imshow（J）

psnr1=psnr（J,f3）;

set,'string',psnr1）;

3.哈达玛变换的源程序及结果

J=imread（''）;

J=rgb2gray（J）;

P=hadamard（512）*（im2double（J））*hadamard（512）;

fori=0:

size（P,1）-1

forj=1:

size（P,2）

G（i*size（P,2）+j）=P（i+1,j）;

end

end

Q=sort（G）;

fori=1:

size（Q,2）

if（i=size（Q,2）*

t=Q（i）;

end

end

G（abs（G）

forn=0:

size（P,1）-1

form=1:

size（P,2）

W（n+1,m）=G（n*size（P,2）+m）;

end

end

f2=inv（hadamard（512））*W*inv（hadamard（512））;

mm1=max（max（f2））;mn1=min（min（f2））;

f2=255+255/（mm1-mn1）*（f2-mm1）;

f3=uint8（f2）;

axes;

imshow（f3）

axes;

imshow（J）

psnr1=psnr（J,f3）;

set,'string',psnr1）;3

实验三图像复原实验

1．实验目的

利用反向滤波和维纳滤波进行降质图像复原，比较不同参数选择对复原结果的影响。

2．实验内容

（1）利用反向滤波方法进行图像复原；

（2）利用维纳滤波方法进行图像复原。

3.实验要求

（1）输入图像采用实验1所获取的图像，对输入图像采用运动降质模型，如下式所示

与降值图像相关的参数是：

；

（2）对每一种方法通过计算复原出来的图像的峰值信噪比，进行最优参数的选择，包括反向滤波方法中进行复原的区域半径、维纳方法中的噪声对信号的频谱密度比值K；

（3）将降质图像和利用最优参数恢复后的图像同时显示出来，以便比较。

4.实验结果

1.运动降质的源代码及结果

I=imread（'.bmp'）;

%I=rgb2gray（I）;

F=fft2（I）;

F=fftshift（F）;

form=-（（size（F,1）+1）/2）:

（size（F,1）+1）/2

forn=-size（F,2）/2:

size（F,2）/2

H（m+（（size（F,1）+1）/2）+1,n+size（F,2）/2+1）=5*sin（pi*（m+n））*exp（-sqrt（-1）*pi*（m+n））/（pi*（m+n））;

end

end

form=1:

size（F,1）

forn=1:

size（F,2）

if（isnan（real（H（m,n））））

G（m,n）=F（m,n）;

H（m,n）=1;

else

G（m,n）=F（m,n）*H（m,n）;

end

end

end

g=ifft2（G）;

t1=abs（g）;

mm=max（max（t1））;mn=min（min（t1））;

t1=255+255/（mm-mn）*（t1-mm）;

t=uint8（t1）;

axes;

imshow（t）

2.逆滤波的源代码及结果

I=imread（'.bmp'）;

F=fft2（I）;

F=fftshift（F）;

form=-（（size（F,1）+1）/2）:

（size（F,1）+1）/2

forn=-size（F,2）/2:

size（F,2）/2

H（m+（（size（F,1）+1）/2）+1,n+size（F,2）/2+1）=5*sin（pi*（m+n））*exp（-sqrt（-1）*pi*（m+n））/（pi*（m+n））;

end

end

form=1:

size（F,1）

forn=1:

size（F,2）

if（isnan（real（H（m,n））））

G（m,n）=F（m,n）;

H（m,n）=1;

else

G（m,n）=F（m,n）*H（m,n）;

end

end

end

form=1:

size（F,1）

forn=1:

size（F,2）

if（m^2+n^2<200000）

F1（m,n）=G（m,n）/H（m,n）;

else

F1（m,n）=G（m,n）;

end

end

end

f1=ifft2（F1）;

f2=abs（f1）;

mm=max（max（f2））;mn=min（min（f2））;

f2=255+255/（mm-mn）*（f2-mm）;

f2=uint8（f2）;

psnr1=psnr（f2,I）;

set,'string',psnr1）;

axes;

imshow（f2）

3.维纳滤波的源代码及结果

I=imread（'.bmp'）;

F=fft2（I）;

F=fftshift（F）;

form=-（（size（F,1）+1）/2）:

（size（F,1）+1）/2

forn=-size（F,2）/2:

size（F,2）/2

H（m+（（size（F,1）+1）/2）+1,n+size（F,2）/2+1）=5*sin（pi*（m+n））*exp（-sqrt（-1）*pi*（m+n））/（pi*（m+n））;

end

end

form=1:

size（F,1）

forn=1:

size（F,2）

if（isnan（real（H（m,n））））

G（m,n）=F（m,n）;

H（m,n）=1;

else

G（m,n）=F（m,n）*H（m,n）;

end

end

end

fori=1:

size（F,1）

forj=1:

size（F,2）

ff2（i,j）=G（i,j）/H（i,j）*（abs（H（i,j））^2）/（abs（H（i,j））^2+10^-38）;

end

end

f3=ifft2（ff2）;

f4=abs（f3）;

mm1=max（max（f4））;mn1=min（min（f4））;

f4=255+255/（mm1-mn1）*（f4-mm1）;

f4=uint8（f4）;

psnr2=psnr（f4,I）;

set,'string',psnr2）;

axes;

imshow（f4）

实验四图像分割处理实验

1．实验目的

（1）了解图像分割的基本原理，并利用图像分割算法进行图像分割处理；

（2）掌握数学形态学的基本运算。

2．实验内容

（1）利用类间方差阈值算法实现图像的分割处理；

（2）利用形态学处理进行处理结果修正。

3.实验要求

（1）实验用图如图所示；

图原始图像

（2）对输入图像进行平滑处理，以减小噪声对分割处理的影响；

（3）利用类间方差阈值算法对滤波处理后图像进行分割处理，获取分割图像；

（4）利用数学形态学中的腐蚀和膨胀运算处理，剔除分割处理结果中的一些细小的残余误分割点，在进行腐蚀和膨胀运算时可采用半径为r的圆形结构元素，注意比较选取不同r值时的处理结果。

4.实验结果

实验源代码及结果

tu2=imread（'图像'）;

tu2=rgb2gray（tu2）;

max2=0;min2=255;

[m,n]=size（tu2）;

axes;

imshow（tu2）;

tu3=zeros（m,n）;

%-----------平滑处理---------------

fork=2:

m-1

fors=2:

n-1

max4=max（tu2（k-1,s）,tu2（k,s-1））;max5=max（tu2（k+1,s）,tu2（k,s+1））;

min4=min（tu2（k-1,s）,tu2（k,s-1））;min5=min（tu2（k+1,s）,tu2（k,s+1））;

tu2（k,s）=（max（max4,max5）+min（min4,min5））/2;

end

end

axes;

imshow（tu2）;

%-----------平滑处理中点滤波---------------

fork=1:

m

max1=max（tu2（k,:

））;

if（max1==255）max2=max1;break;end

if（max2

end%找出最大灰度值max2

fork=1:

n

min1=min（tu2（k,:

））;

if（min1==0）min2=min1;break;

elseif（min2>min1）min2=min1;end

end%找出最小灰度值min2

max2=double（max2）;

min2=double（min2）;%数据类型转换！

！

！

！

ni=zeros（1,max2-min2+1）;

fork=1:

m

fors=1:

n

temp=double（tu2（k,s））-min2+1;

ni（1,temp）=ni（1,temp）+1;

end

end%统计各灰度值出现次数

%---------------------------找阈值----------------------

w0=0;ut=0;u0=0;max3=0;sum=m*n;

fort=0:

size（ni,2）-1

ut=ut+t*ni（t+1）/sum;

end

fort=0:

size（ni,2）-1

w0=w0+ni（t+1）/sum;

w1=1-w0;

u0=u0+t*ni（t+1）/sum;

u1=（ut-w0*u0）/w1;

temp=w0*w1*（u1-u0）*（u1-u0）;

if（max3

max3=temp;

tmax=t;

end

end

fork=1:

m

fors=1:

n

if（tu2（k,s）>=tmax）

tu3（k,s）=255;

end

end

end

axes;

imshow（tu3）;

%-----------------------类间方差阈值分割--------------

%-----------------------腐蚀和膨胀-------------------

se=strel（'disk',2）;

tu4=imerode（tu3,se）;

axes;

imshow（tu4）;

tu4=imdilate（tu4,se）;

axes;

imshow（tu4）;

实验五用Hough变换进行曲线的参数提取

1．实验目的

（1）了解边缘检测算子的原理，并利用边缘算子对图像进行检测；

（2）掌握Hough变换的基本原理。

2．实验内容

（1）分别将原始图像及加高斯噪声、椒盐噪声后的图像中圆形边缘检测出来；

（2）用Hough变换对边缘进行参数提取。

3.实验要求

（1）实验用图像文件：

原始图像（）、加高斯噪声后图像（）和加椒盐噪声后图像（）；

图原始图像

（2）在含有噪声的背景下，先对图像中值滤波，再进行边缘检测；

（3）将目标的边界提取出来。

边缘检测算子可利用matlab自带函数实现，使用Robert、Sobel和Laplacian算子；

（4）利用Hough变换提取的参数绘制曲线，并叠加在噪声图像上。

4.实验要点

（1）利用算子进行边缘检测：

可先将加噪以后的图像进行平滑滤波，如采用9*9的掩膜模板进行中值滤波；为了对图像中图形边缘进行线性提取，可通过设置阈值将图像变为二值图像，再利用三种不同的算子（Robert、Sobel和Laplacian）来完成边缘的检测；

（2）Hough变换进行曲线参数提取：

在使用三种算子对加噪后图像进行边缘检测以后，使用Hough变换对检测后图像进行参数提取，并在提取成功以后，使用提取获得的参数进行图像的重建，最后将重建图像叠加到加噪图像中。

注意在进行Hough变换时，对比观察获得图像与使用算子进行边缘检测获得图像之间的区别。

5.实验结果

1.原图

利用Robert算子进行边缘检测

I=imread（''）;

I=rgb2gray（I）;

BW=edge（I,'roberts'）;

axes;

imshow（BW）

利用Sobel算子进行边缘检测

I=imread（''）;

I=rgb2gray（I）;

BW=edge（I,'sobel'）;

axes;

imshow（BW）

利用Laplacian算子进行边缘检测

I=imread（''）;

I=rgb2gray（I）;

BW=edge（I,'log'）;

axes;

imshow（BW）

Hough变换

I=imread（''）;

I=rgb2gray（I）;

BW=edge（I,'sobel'）;

r_max=100;

r_min=40;

step_r=1;

step_angle=pi/20;

p=;

[m,n]=size（BW）;

size_r=round（（r_max-r_min）/step_r）+1;

size_angle=round（2*pi/step_angle）;

hough_space=zeros（m,n,size_r）;

[rows,cols]=find（BW）;

ecount=size（rows）;

%Hough变换

%将图像空间（x,y）对应到参数空间（a,b,r）

%a=x-r*cos（angle）

%b=y-r*sin（angle）

fori=1:

ecount

forr=1:

size_r

fork=1:

size_angle

a=round（rows（i）-（r_min+（r-1）*step_r）*cos（k*step_angle））;

b=round（cols（i）-（r_min+（r-1）*step_r）*sin（k*step_angle））;

if（a>0&a<=m&b>0&b<=n）

hough_space（a,b,r）=hough_space（a,b,r）+1;

end

end

end

end

%搜索超过阈值的聚集点

max_para=max（max（max（hough_space）））;

index=find（hough_space>=max_para*p）;

length=size（index）;

hough_circle=false（m,n）;

fori=1:

ecount

fork=1:

length

par3=floor（index（k）/（m*n））+1;

par2=floor（（index（k）-（par3-1）*（m*n））/m）+1;

par1=index（k）-（par3-1）*（m*n）-（par2-1）*m;

if（（rows（i）-par1）^2+（cols（i）-par2）^2<（r_min+（par3-1）*step_r）^2+5&...

（rows（i）-par1）^2+（cols（i）-par2）^2>（r_min+（par3-1）*step_r）^2-5）

hough_circle（rows（i）,cols（i））=true;

end

end

end

%打印检测结果

fork=1:

length

par3=floor（index（k）/（m*n））+1;

par2=floor（（index（k）-（par3-1）*（m*n））/m）+1;

par1=index（k）-（par3-1）*（m*n）-（par2-1）*m;

par3=r_min+（par3-1）*step_r;

fprintf（1,'Center%d%dradius%d\n',par1,par2,par3）;

para（:

k）=[par1,par2,par3];

end

axes;

imshow（I）,holdon

viscircles（[par2par1],par3）;

2.加高斯噪声源代码及结果

I=imread（''）;

I=rgb2gray（I）;

I=imnoise（I,'gaussian'）;

axes;

imshow（I）

imwrite（I,''）;

利用Robert算子进行边缘检测

利用Sobel算子进行边缘检测

利用Laplacian算子进行边缘检测

Hough变换

3.加椒盐噪声源代码及结果

I=imread（''）;

I=rgb2gray（I）;

I=imnoise（I,'salt&pepper'）;

axes;

imshow（I）

imwrite（I,''）

利用Robert算子进行边缘检测

利用Sobel算子进行边缘检测

利用Laplacian算子进行边缘检测

Hough变换