北航数字图象处理实验报告

1、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

2、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=imreadc 10021033. bmp)；p=fft2(j);for i=0:size(p，1)-1 for j=1:size(p，2)g(i*size(p, 2)+j)=p(i+1 ,j);endq=sort (g);for i=1:si

3、ze (q, 2)if (i<size(q. 2)*0. 95 && i+1>=size(q, 2)*0. 95) t=q ；endendg (abs (g) <t)二0;for m=1:size (p, 2)w (n+1，m) = g (n*s i ze (p，2) +m); endendf2=ifft2(w);f3=uint8(f2);axes (hand ies.axes2):imshow(f3)axes (handles, axesl);imshow(j)psnr 1 二psnr (j, f3);set (handles.text3. str ing，

4、psnr1): h otherexp2part实辁 2psnr32.4671尿囝交挨后复ss耳里叶变挨dct哈达玛变疾返回2. dct的源程序及结果j=imreadc 10021033. bmp)；p二dct2 (j);for i=0:size(p, 1)-1 for j=1:size(p，2)g(i*size(p. 2)+j)=p(i+1, j); endend0=sort (g);for i=1:size(q, 2)if (i<size(q.2)*0. 95 && i+1>=size(q. 2)*0. 95) t=q(i);endendg(abs (g) <

5、;t) =0; for n=0:size(p, 1)-1for m=1:size (p，2)w (n+1，m) = g (n*s i ze (p, 2) +m): endendf2=idct2(w); f3=u i nt8 (f2); axes (hand ies.axes2); imshow(f3)axes (hand ies.axesl); imshow(j)psnr1=psnr (j, f3);set(handles. text3, str ing，psnr1); q otherexp2part$葢2psnr33.9157叶变換dct咍达玛变換边囝3. 哈达玛变换的源程序及结果 j=im

6、read c cat. jpg)；j=rgb2gray (j);p=hadamard (512)*(im2doubie(j)*hadamard(512); for i=0:size(p，1)-1for j二1:size(p，2)g(i*size(p, 2)+j)二p(i+1, j);endendqsort(g);for i=1:size(q, 2)if (i<size(q,2)*0. 5 && i+1=size(q，2)*0. 5) t=0(i)；endendg (abs (g) <t)=0;for n=0:size(p，1)-1for m=1:size(p, 2)

7、w (n+1, m)= g (n*s i ze (p, 2) +m);endendf2= i nv(hadamard(512)*w* i nv(hadamard (512); mm 1 二max (max (f 2) ; mn 1 i n (m i n (f2); f2=255+255/(mm1-mn1)*(f2-mm1); f3=uint8(f2);axes (hand ies.axes2); imshow(f3)axes (handles.axesl); imshow(j)psnr1=psnr (j, f3);set (handles. text3,t str ing',psnrl

8、);3 otherexp2part o 丨：！ j实始2psnr22 3745s田交挨后趸眾囝傳里叶交挟dct哈：i玛交换逐囷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) 利用反向滤波方法迸行图像复原；(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h(“，v)=7rau + bv)sin<r(6fw + /?v)exp-7>t(6rw4-/7v)w，v = -w/2，一yv/2 + l”.，一l，0，l”.”7v/2-

9、l与降值图像相关的参数是：t = 5,a = i,b = i；(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a、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l = imread( 10021033. bmp');%l二rgb2gray (i);f:fft2(l);f=fftshift(f);for m=-(size(f, 1)+1 )/2) : (size (f, 1) +1)/2for n=s i ze (f,

10、2) /2: s i ze (f，2) /2h(m+(size(f, 1)+1)/2)+1，n+s i ze (f, 2)/2+1)=5*si n(p i * (m+n)*exp (-sqrt (-1)*p i * (m+n )/(pi*(m+n);endendfor m=1:size(f, 1)for n=1 : s i ze (f, 2)if (i snan (rea i (h (m, n)g (m，n) :f (m，n);h(m，n)二1 ;elseg (m, n) =f (m, n) *h (mr n); endendendg:ifft2(g); t1=abs (g);mm二max (

11、max (t1):mn=mi n(mi n(t1); t1 =255+255/(mm-mn)*(t1-mm); t二uint8(t1);axes (handles.axesl); imshow (t)降质图2. 逆滤波的源代码及结果l = imread( 10021033. bmp');f:fft2(l);f二fftshift(f);for m二-(size(f, 1)+1 )/2) : (size (f, 1) +1)/2for n=-size(f, 2)/2: size (f, 2)/2h (m+ (size (f, 1)+1) /2) +1 r n+s i ze (f, 2) /

12、2+1) =5*s i n (p i * (m+n) *exp (sqrt (-1) *p i * (m+n)/(pi*(m+n);endendfor m=1:size(f, 1)for n=1 : s i ze (f, 2)if (i snan (rea i (h (m, n)g (m，n) =f (m，n);h(m, n)=1 ;elseg (mf n) =f (m, n) *h (mf n); endendendfor m=1:size(f, 1)for n=1 : s i ze (f, 2)if (mk2<200000)f1 (m, n) =g (mf n) /h (m, n);

13、elsef1 (m, n) =g (mf n); endendendf1 = ifft2 (f1); f2=abs(f1):mm二max (max (f 2) ; mn=m i n (m i n (f 2); f2=255+255/(mm-mn)*(f2-mm);f2=uint8(f2); psnr1=psnr (f2r i);set(hand ies. text5r r str i ng',psnr1); axes (hand ies.axes2);imshow(f2)3. 维纳滤波的源代码及结果l = imread(' 10021033.bmp');f=fft2(l

14、);f=fftsh i ft(f):for m二-(size(f，1)+1)/2) : (size (f, 1)+1)/2for n=-s i ze (f, 2) /2: s i ze (f, 2) /2h(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);endendfor m=1:s i ze(fr1)for n=1 : s i ze (f, 2)if (i snan (reai (h (m, n)g (m, n)二f (m, n);

15、h(m, n)=1 ;elseg (mr n) =f (mf n) *h (m, n); endendendfor i=1:s ize (f,1)for j=1 : s i ze (f，2)ff2(i, j)=g(i，j)/h(i，j)*(abs(h(i，j)广2)/(abs(h(l j)r2+10"-38);endendf3=ifft2 (ff2); f4二abs (f 3);mm1=max (max (f4);mn1二min(min(f4);f4=255+255/(mm1-mn1)*(f4-mm1); f4=u i nt8 (f 4); psnr2=psnr (f4r i);se

16、t (hand ies.text5, t str i ng，psnr2); axes (handles.axes2);imshow(f4)复原图实验像分割处理实验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4. 2所示；图4. 2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

17、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的圆形结构元素，注意比较选取不同值时的 处理结果。4. 实验结果实验源代码及结果tu2=i mread ( 图像 2013. bmp)； tu2=rgb2gray (tu2); max2=0;min2=255;mt n二size (tu2); axes (hand ies.axesl); imshow (tu2); tu3二zeros (m，n);%平滑处理for k=2:m-1for s=2:n-1max4二max (tu2 (k-1，s)，tu2 (k, s-1);max5=max(tu2

18、(k+1，s)，tu2(k，s+1);min4二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) +m i n (m i n4, m i n5) /2;endendaxes (hand ies.axes2); imshow(tu2);%平滑处理中点滤波for k=1:mmax1=max(tu2(kr :);if (max 1255) max2=max1 ;break;endif (max2<max1) max2=max1;endend %找出最大灰度值

19、max2 for k=1:nmini = min (tu2(kr :); if (mini二二0) min2=minl;break; el seif (min2min1) min2二mini;endend %找出最小灰度值min2max2=double (max2);mi n2=doub ie(min2) ; % 数据类型转换!nizeros(1, max2-min2+1);for k二1:mfor s=1:ntemp=doubie(tu2(k, s)-min2+1; ni (1r temp) =ni (1r temp) +1 ;endend %统计各灰度值出现次数%找阈值wo=o;ut=o;

20、uo=o;max3=0;sum=m*n; for t二0:size(ni, 2)-1ut二ut+t*ni (t+1)/sum;endfor t=0:s i ze(ni f 2)-1 wo二wo+ni (t+1)/sum; w1二1-wo;uo=uo+t*ni (t+1)/sum; u1 = (ut-w0*u0)/w1 ; temp=w0*w1*(u1-u0)*(u1-u0); if (max3<temp)max3=temp; tmax=t;endendfor k=1:mfor s=1:nif (tu2 (k, s):tmax) tu3 (k, s)=255;endendendaxes (

21、hand i es. axes3); imshow(tu3);%类间方差阈值分割%腐蚀和膨胀se=strel ( d i sk* , 2);tu4=imerode(tu3f se); axes (hand ies.axes4); imshow(tu4); tu4= imd i i ate (tu4r se);axes (hand ies.axes5); imshow(tu4);实验四图像分割处理933中值对攻后田黴珀值分9!s釁实验五用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

22、(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(houghorg. bmp)、加高斯噪声后图像(houghgau. bmp) 和加椒盐噪声后图像(houghsalt.bmp);图4. 3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、sobe i 和 lap i ac i an 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

23、) 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

24、进行边缘检测l = i mread ( houghorg. bmp)； i二rgb2gray(i);bw二edge(i， robertsf);axes (handles.axesl); imshow(bw)利用sobel算子进行边缘检测l = imread ( houghorg. bmp)； i=rgb2gray(i);bw=edge(l， sobel)； axes (hand ies.axesl);imshow (bw)利用laplacian算子进行边缘检测 i = i mread (t houghorg. bmp)； i=rgb2gray(i);bw 二 edge (i, log)； ax

25、es (handles.axesl);imshow (bw)hough变换i = i mread (' houghorg. bmp');i二rgb2gray(l);bw二edge(l，| sobel)； r max=100;麵一酽r_min二40; step_r=1; step_angle=pi/20; p:o. 5;m, n = size (bw);size r 二 round (r maxr min)/step r)+1; size_angle = round (2*p i/step_angie); hough_space 二 zeros (m, nt s i ze_r);

26、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*s i n (ang i e) for i=1:ecountfor r=1:s i ze_rfor k=1:size_anglea 二 round(rows(i) -(r_mi n+(r-1)*step_r)*cos (k*step_angie); b = round (co is (i)-(r_min+(r-1)*step_r)*sin(k*step_angie); i f(

27、a>0&a<=m&b>0&b<=n)hough space (a, b, r) = hough space (a, b, r)+1 ;endendendend%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_c i rc i e 二 false(m，n);for i二1:ecountfor k=1:lengthpar3 = floor (index (k)/(m*n) )+1;par2 = floor (index (k) -(par3-1 )*(m*n)/m)+1 ;par 1 二 index(k)一(par3-1)*(m*n) (par2-1)*m;if (rows (i)-par 1)"2+ (cols (i)-par2)"