多媒体十个算法作业2016学年(苏大)

1、多媒体信息处理算法报告学号： 姓名： 班级： 日期：算法一 骨架提取一、实验目的将图像中关键信息的骨架提取出来。二、实验原理骨架是描述图像的几何形状及其拓扑性质的重要特征之一。抽取图像骨架的目的是为了表达目标的形状结构，它有助于突出目标的形状和减少冗余的信息量。因而，骨架抽取在文字识别、工业零部件识别或地质构造识别等领域有着重要的应用。骨架抽取算法从形态学的角度定义如下：令目标图像A的骨架为,为骨架子集，则图像A的骨架和开运算得到，即式中，N为A被腐蚀为空集前的最后一次迭代，即 由上式可以看出，图像A可以由连续n次用B对膨胀得到。也就是说，已知一幅图像的骨架图像，可以利用形态学变换的方法重建原

2、始图像，这实际上是求骨架的逆运算过程。图像A用骨架子集重构可以写成为式中，B仍为结构因素，表示连续n次用B对膨胀。三、流程图图 1 流程图四、实验结果图2 实验结果算法二 霍夫变换一、实验目的利用霍夫变换提取图像中的直线。二、实验原理霍夫变换是图像处理中从图像中识别几何形状的基本方法之一，应用很广泛，也有很多改 进算法。最基本的霍夫变换是从黑白图像中检测直线(线段)。广义的Hough变换已经不仅仅局限于提取直线，二值任意可以用表达式表达的曲线，比如圆，椭圆，正弦余弦曲线，等等，但是曲线越是复杂，所需参数越多，运算的时间也就越多。归根结底，Hough变换的精髓在于投票机理，将图像空间转换到参数空

3、间进行求解。我们先看这样一个问题：设已知一黑白图像上画了一条直线，要求出这条直线所在的位置。我们知道，任何在直线上点，x, y都可以表达，其中 r， 是常量。该公式图形表示如下：图1 公式表示图然而在实现的图像处理领域，图像的像素坐标P(x, y)是已知的，而r,则是我们要寻找的变量。如果我们能绘制每个(r, )值根据像素点坐标P(x, y)值的话，那么就从图像笛卡尔坐标系统转换到极坐标霍夫空间系统，这种从点到曲线的变换称为直线的霍夫变换。变换通过量化霍夫参数空间为有限个值间隔等分或者累加格子。当霍夫变换算法开始，每个像素坐标点P(x, y)被转换到(r, )的曲线点上面，累加到对应的格子数据

4、点，当一个波峰出现时候，说明有直线存在。同样的原理，我们可以用来检测圆，只是对于圆的参数方程变为如下等式：其中(a, b)为圆的中心点坐标，r圆的半径。以直线检测为例，每个像素坐标点经过变换都变成都直线特质有贡献的统一度量，一个简单的例子如下：一条直线在图像中是一系列离散点的集合，通过一个直线的离散极坐标公式，可以表达出直线的离散点几何等式如下：其中角度指r与X轴之间的夹角，r为到直线几何垂直距离。三、流程图图2 流程图四、实验结果 图 3 实验结果算法三 图像的锐化（LAPILACI）一、实验目的1利用laplacian算子对图像进行锐化。2在实践操作中加深对laplacian算子锐化图像原

5、理的理解。二、实验原理Laplacian算子是线性二阶微分算子，由于灰度均匀的区域或斜坡中间二阶差分为0，所以laplacian算子在这一区域对图像的不起作用或者说作用很少，而对于图像的斜坡或低灰度侧形成的下冲和在斜坡顶或高灰度侧形成的上冲部分，laplacian表现出很强的突出边缘的 功能。3、 实验流程图4、 实验结果 未处理图像 处理后的图像算法四 bmp数据读取及压缩一、实验目的使用C+完成对bmp图像格式的数据的读取，并且对读取后的数据进行处理，压缩为jpeg格式。二、实验原理1、bmp文件格式Bmp图像文件主要是由文件头，位图信息头，位图调色板和位图数据等四部分组成，其组成结构如下

6、表所示：表 1 位图文件格式位图文件的组成部分各部分的标识名称各部分的作用于用途位图文件头BITMAPFILEHEADER说明文件的类型和位图数据肥肉起始位置等，共14个字节位图信息头BITMAPINFOHEADER说明位图文件的大小、位图的高度和宽度、位图的颜色格式和压缩类型等信息，共40字节位图调色板RGBQUAD由位图的颜色格式字段所确定的调色板数组，数组中的每一个元素是一个RGBQUAD结构，占4个字节位图数据BYTE位图数据，位图的压缩格式确定了该数据阵列是压缩数据或者是非压缩数据2、jpeg格式压缩JPEG的基本编码系统如下图所示。基于DCT压缩的本质，是针对灰度图像样本8*8的子

7、块数据流进行的。对于彩色图像，将其各个分量看做是多层的灰度图像进行压缩，可以一个一个分量地处理，也可以按照8*8的块交替进行。数据输出霍夫曼表量化表编码量化DCTYUV数据RGB数据图1 基于DCT的编码三、流程图图 2 流程图四、实验结果图 3 bmp图像图 4 jpg图像图 5 运行结果算法五 图像分割一、实验目的利用迭代法进行阈值化图像分割，将灰度图转化为二值图像。二、实验原理阈值化分割算法的基本原理是：通过对图像的灰度直方图进行数学统计，选择一个或多个阈值将像素划分为若干类。一般情况下，当图像由灰度值相差较大的目标和背景组成时，如果目标区域内部像素灰度分布均匀一致，背景区域像素在另一个

8、灰度级上也分布均匀，这时图像的灰度直方图会呈现出双峰的特性。在这种情况下，选取位于这两个双峰值中间的谷底对应的灰度值T作为灰度阈值，将图像中各个像素的灰度值与这个阈值进行比较，根据比较的结果将图像中的像素划分到两个类中。像素灰度值大于阈值T的像素点归为一类，而像素灰度值小于或等于阈值T的像素点归为一类。经过阈值化处理后的图像定义为 式中，为原图像；T为灰度值；为分割后产生的二值图像。对于直方图双峰明显、谷底较深的图像，可以使用迭代法获得最佳阈值。迭代法计算阈值的基本思路是：首先根据图像中的目标灰度分布情况，选取一个近似阈值作为初始阈值，一个比较好的方法就是将图像的灰度均值作为初始阈值；然后通过

9、分割图像和修改阈值的迭代过程获得认可的最佳阈值。三、流程图图1 流程图四、实验结果图2 实验结果算法六 中值滤波一、实验目的使用中值滤波器对图像进行去噪，并研究不同尺寸的滤波器对去噪效果的影响。二、实验原理中值滤波器是一种非线性信号处理方法，在去噪的同时还可以兼顾到边界信息的保留，它在一定的条件下，可以克服线性滤波器（如算术均值滤波器等）在去噪的同时所带来的图像细节模糊，而且对滤除脉冲干扰及图像扫描噪声最为有效。由于中值滤波在实际的运算过程中并不需要知道图像的统计特性，因此带来了不少方便。但是对于一些细节多，特别是点、线、尖顶细节多的图像不宜采用中值滤波。中值滤波器就是选用一个含有奇数个像素点

10、的滑动窗口，将该窗口在图像上扫描，把其中所含的像素点的升（或降）序排列，取位于中间的灰度值，来代替窗口中心点的灰度值。对于二维序列，进行中值滤波的结果为，则二维的中值滤波可以表示为 三、流程图图1 流程图四、实验结果图2 采用3*3滤波器图3 采用5*5滤波器窗口越大，滤波效果越好，但是同时会带来图片的模糊。算法七 直方图均衡化一、实验目的使用直方图均衡化的方法对图像进行增强处理。二、实验原理图像对比度增强的方法可以分成两类:一类是直接对比度增强方法;另一类是间接对比度增强方法。直方图拉伸和直方图均衡化是两种最常见的间接对比度增强方法。直方图拉伸是通过对比度拉伸对直方图进行调整，从而“扩大”前

11、景和背景灰度的差别，以达到增强对比度的目的，这种方法可以利用线性或非线性的方法来实现;直方图均衡化则通过使用累积函数对灰度值进行“调整”以实现对比度的增强。直方图均衡化处理的“中心思想”是把原始图像的灰度直方图从比较集中的某个灰度区间变成在全部灰度范围内的均匀分布。直方图均衡化就是对图像进行非线性拉伸，重新分配图像像素值，使一定灰度范围内的像素数量大致相同。直方图均衡化就是把给定图像的直方图分布改变成“均匀”分布直方图分布。这种方法通常用来增加许多图像的局部对比度，尤其是当图像的有用数据的对比度相当接近的时候。通过这种方法，亮度可以更好地在直方图上分布。这样就可以用于增强局部的对比度而不影响整

12、体的对比度，直方图均衡化通过有效地扩展常用的亮度来实现这种功能。 这种方法对于背景和前景都太亮或者太暗的图像非常有用，这种方法尤其是可以带来X光图像中更好的骨骼结构显示以及曝光过度或者曝光不足照片中更好的细节。这种方法的一个主要优势是它是一个相当直观的技术并且是可逆操作，如果已知均衡化函数，那么就可以恢复原始的直方图，并且计算量也不大。这种方法的一个缺点是它对处理的数据不加选择，它可能会增加背景杂讯的对比度并且降低有用信号的对比度。三、流程图图 1 流程图四、实验结果图2 实验结果算法八 同态滤波1、 实验目的 掌握matlab对同态滤波的方法。2、 实验原理 将像元灰度值看作是照度和反射率两

13、个组份的产物。由于照度相对变化很小，可以看作是图像的低频成份，而反射率则是高频成份。通过分别处理照度和反射率对像元灰度值的影响，达到揭示阴影区细节特征的目的。3、 实验结果算法九 邻域平均法滤波一、实验目的选取噪声较明显的图像，分别采用3*3、5*5、7*7的模板进行邻域平均法滤波，并比较滤波效果。二、实验原理邻域平均法的思想是用像素及其指定邻域内像素的平均值或加权平均值作为该像素的新值，以便去除突变的像素点，从而滤除一定的噪声。邻域平均法的数学含义可用下式表示： （1）上式中：是以为中心的邻域像素值；是对每个邻域像素的加权系数或模板系数； 是加权系数的个数或称为模板大小。邻域平均法中常用的模

14、板是： （2）为了解决邻域平均法造成的图像模糊问题，采用阈值法（又叫做超限邻域平均法，如果某个像素的灰度值大于其邻域像素的平均值，且达到一定水平，则判断该像素为噪声，继而用邻域像素的均值取代这一像素值；否则，认为该像素不是噪声点，不予取代），给定阈值： （3）（3）式中，是原始含噪声图像，是由（1）式计算的平均值，滤波后的像素值。三、实验结果算法十 图像的膨胀与腐蚀1、 实验目的掌握运用Matlab软件对灰度与二值图像的膨胀的处理方法。2、 实验原理 膨胀：给图像中的对象边界添加像素。 在操作中，输出图像中所有给定像素的状态都是通过对输入图像的相应像素及邻域使用一定的规则进行确定。在膨胀操作时

15、，输出像素值是输入图像相应像素邻域内所有像素的最大值。在二进制图像中，如果任何像素值为1，那么对应的输出像素值为1。 可以使用imdilate函数进行图像膨胀,imdilate函数需要两个基本输入参数，即待处理的输入图像和结构元素对象。结构元素对象可以是strel函数返回的对象，也可以是一个自己定义的表示结构元素邻域的二进制矩阵。此外，imdilate还可以接受两个可选参数：PADOPT(padopt) 影响输出图片的大小、PACKOPT(packopt).说明输入图像是否为打包的二值图像(二进制图像)。 腐蚀：删除对象边界某些像素。 在操作中，输出图像中所有给定像素的状态都是通过对输入图像的相应像素及邻域使用一定的规则进行确定。在腐蚀