图像处理课程设计

1、图像处理技术应用实践课程设计题 目图像增强算法综合应用学生姓名韩帅学 号院 系计算机与软件学院专 业计算机科学与技术任课教师范 春 年二0七年五月图像处理技术应用实践一课程设计 21、设计内容图像增强处理：设计一套空间域与频率域结合的图像增强算法，处理以下任一组图片中的带噪声图像，去除噪声，提高图像质量。(1) 已知：噪声为随机噪声和周期噪声混合噪声；(2) 要求：a) 去噪处理后，计算 均方误差评估去噪处理后图像的去噪效果b) 撰写完整的科技报告(形式类似科技论文)表述自己的算法设计，算法实现与算法评估过程。第一组图片：第二组图片：2、图像增强算法2.1问题分析？(1) 图片中加入了随机噪声

2、和周期噪声混合噪声。针对不同的 噪声，不同的去噪方法效果不同，因此应该采用不同的去噪方法以达 到最好的去噪效果。？(2) 随机噪声应在空间域去除，而空域去噪方法中，中值滤波法效果最好。？(3) 周期噪声应在频域中消去。(4) 去除噪声后的图像仍然可以改善处理。？(5) 均方误差评估去噪处理后图像的去噪效果。2.2算法设计？(1) 读入初始图片及加噪图片。？clc;?clear;?f=imread();?g=imread();?(2) ?利用空域滤波，去除随机噪声，此时用中值滤波法，并显示它 的频谱图和直方图。？g=medfilt2(g,3,3);(3) 利用频域滤波，去除周期噪声。先转化成do

3、uble型，进行傅里 叶变换，再转化成数据矩阵，最后利用低通滤波去除周期噪声。G=double(g); %转化 doubleG=fft2(G);G=fftshift(G);M,N=size(G);nn=2;d0=25;m =fix(m/2);n 二fix( n/2);for?i?=?1?:?M? for?j?=?1?:?N?d?=?sqrt(i-m)A2+(j-n)A2);? h?=?1/(1+0.414*(d/d0)A(2* nn);?%?计算低通滤波器传递函数?result(i,j)?=?h?*?G(i,j);?end?end(4) 计算均方误差评估去噪效果。？m? n=size(p);?

4、l二f-p;?he二sum(sum(l);?avg=he/(m* n);?k=l-avg;?result1=(sum(sum(k.A2)/(m* n);?if?result1=0?disp(dog图均方误差);?result2=0?else? disp(dog图均方误差);?result2=sqrt(result1)?end3、算法实现clear;clc;););f=imread( C:dogOrigi nal.bmp g=imread( C:dogDistorted.bmp f仁 double(f);f2=fft2(f1);f2=fftshift(f2);g1=double(g);g2=ff

5、t2(g1);g2=fftshift(g2);g3=medfilt2(g,3,3);%3*3模板中值滤波去除随机噪声g4=double(g3);F1=fft2(g3);F1=fftshift(F1);G=F1;M,N=size(G); %低通滤波nn=2;d0=25;m=fix(M/2);n=fix(N/2);for i=1:Mfor j=1:Nd=sqrt(i-m)A2+(j-n)A2);h=1/(1+0.414*(d/d0)A(2* nn);备用%h=1/(1+(d/d0)A(2* nn); %G(i,j)=h*G(i,j);endendp=ui nt8(real(ifft2(ifftsh

6、ift(G);subplot(341);imshow(f),title(subplot(345);imshow(log(abs(f2),),title(subplot(349);imhist(f), title(subplot(342);imshow(g),title(原图);频谱);原图); 噪声);噪声）； 去随机噪声）;去随机噪声）; 去噪）；去噪）;subplot(346);imshow(log(abs(g2),),title( subplot(3,4,10);imhist(g), ti tle( subplot(343);imshow(g3), ti tle( subplot(347

7、);imshow(log(abs(F1),),title( subplot(3,4,11);imhist(g3),title(subplot(344);imshow(p,),title( subplot(348);imshow(log(abs(G),),title( subplot(3,4,12);imhist(p), ti tle( m, n=size(p);l=f-p;he=sum(sum(l);avg=he/(m* n);k=l-avg;result1=(sum(sum(k.A2)/(m* n);if result1=0disp(dog 图均方误差),result2=0elsedisp(

8、dog 图均方误差),result2=sqrt(result1)end4、运行结果5、认识分析去噪后图像模糊，同时尝试了直方图均衡化，效果并不理想；d0根据误差调整方便简单；中值滤波简单好用参考文献：？1 全红艳、曹桂涛，数字图像处理原理与实现方法，机械工业出版社，20132 胡晓军、徐飞，MATLAB应用图像处理，2010图像处理技术应用实践一课程设计 31、设计内容图像增强分割：有一幅包含不同大小的种子图案的扫描图像 （如 下图所示），每个包含了种子的图像区域称之为感兴趣区域（regio ns of i nterest ROI）。要求：1、设计一套算法提取源图像中的所有 ROI，并计算每一

9、个ROI 的大小（大小为包含多少个像素，如包含20个像素，则大小为20）。提示：每一个ROI为一个连通集合。2、撰写完整的科技报告（形式类似科技论文）表述自己的算法 设计，算法实现与计算结果2、增强分割算法2.1问题分析(1)首先题目所给的图为彩色图，应该先将其转化成灰度图，再对 其进行处理；分析题目可知首先要将种子所覆盖的大概区域求出来，可以将种子存在的地方检测出来并用特定灰度标记，方便之后统计像素数；(3) 要检测位置在灰度图中很难实现，可以将图像二值化，在二值 化图像中值为0的地方进行标记。2.2算法设计(1) 读图并灰度和二值化：clear;clc;I二imread(D:seed.bm

10、p);f=rgb2gra y(I);j=im2bw(f);j2=f;(2) 检测ROI位置并标记：首先建立一个白板：M,N=size(j2);for x=1:Mfor y=1:Nj2(x,y)=255;endend之后开始标记ROI位置，以第一行第一个为例：for x=40:70 %1for y=100:150 if(j(x,y)=0)j2(x,y)=1;endendend这里的40,70可以先将二值图像和其坐标轴显示出来，记录 ROI 所在的大概位置；第一个用1标记；坐标轴显示可以用axis on指 令按此方法，可以实现37个ROI的标记，用137灰度分别标记。(3) 统计像素数：A二1,2

11、,3,4,5,6,7,8,9,10,11,12,13,14,15,16,17,18,19,20,21,22,23,24,2 5,26,27,28,29,30,31,32,33,34,35,36,37;C=hist(A(:),u nique(A);for x=1:Mfor y=1:Nfor i=1:37if j2(x,y)=A(i)C(i)=C(i)+1;endendendEndC数组即储存A中像素个数(4) 最后显示各个图像和最后像素数的数组figure(1);imshow(j2,);figure(2);Imshow(j);axis on;C2.3算法实现clear;clc;l=imread(

12、D:seed.bmp); f=rgb2gray(l);j=im2bw(f);k=f;axis on;M,N=size(k);for x=1:Mfor y=1:Nk(x,y)=255;endend%第一行for x=40:70for y=100:150 if(j(x,y)=0) k(x,y)=1;endendend%第二行for x=80:110for y=100:160 if(j(x,y)=0)(x,y)=2；endendfor y=180:230 if(j(x,y)=0) k(x,y)=3;endendfor y=240:300 if(j(x,y)=0) k(x,y)=4;endendend

13、for x=120:155for y=100:160 if(j(x,y)=0) k(x,y)=5;endendfor y=180:230 if(j(x,y)=0) k(x,y)=6;endendfor y=240:300 if(j(x,y)=0) / k(x,y)=7;endendendfor x=160:200for y=100:160 if(j(x,y)=0) k(x,y)=8;endendfor y=180:230 if(j(x,y)=0) k(x,y)=9;endendfor y=240:300 if(j(x,y)=0) k(x,y)=10;endendfor y=310:375 if

14、(j(x,y)=0) k(x,y)=11;endendendfor x=205:240for y=100:160if(j(x,y)=0) k(x,y)=12;endendfor y=180:230 if(j(x,y)=0) k(x,y)=13;endendfor y=240:300if(j(x,y)=0) k(x,y)=14;endendfor y=310:375 if(j(x,y)=0) k(x,y)=15;endendendfor x=250:285for y=100:160 if(j(x,y)=0) k(x,y)=16;endendfor y=180:230if(j(x,y)=0) k(

15、x,y)=17;endendfor y=240:300if(j(x,y)=0) k(x,y)=18;endendfor y=310:375 if(j(x,y)=0) k(x,y)=19;endendendfor x=290:328for y=100:160if(j(x,y)=0) k(x,y)=20;endendfor y=180:230 if(j(x,y)=0) k(x,y)=21;endendfor y=240:300if(j(x,y)=0) k(x,y)=22;endendfor y=310:375 if(j(x,y)=0) k(x,y)=23;endfor y=400:440if(j(

16、x,y)=0) k(x,y)=37;endendendfor x=335:370for y=100:160if(j(x,y)=0) k(x,y)=24;endendfor y=180:230if(j(x,y)=0) k(x,y)=25;endendfor y=240:300if(j(x,y)=0) k(x,y)=26;endendfor y=310:375 if(j(x,y)=0) k(x,y)=27;endendendfor x=375:415for y=100:160if(j(x,y)=0) k(x,y)=28;endendfor y=180:230 if(j(x,y)=0) k(x,y)

17、=29;endendfor y=240:300if(j(x,y)=0) k(x,y)=30;endendfor y=310:375 if(j(x,y)=0) k(x,y)=31;endendfor y=400:440if(j(x,y)=0) k(x,y)=32;endendendfor x=420:450for y=100:160if(j(x,y)=0) k(x,y)=33;endendfor y=180:230 if(j(x,y)=0) k(x,y)=34;endendfor y=240:300if(j(x,y)=0) k(x,y)=35;endendfor y=320:375 if(j(x,y)=0) k(x,y)=36;endendendendA=1,2,3,4,5,6,7,8,9,10,11,12,13,14,15,16,17,18,19,20,21,22,23,24,25,26,27,28,29,30,31,32,33,34,35,36,37C=hist(A(: