MATLAB课程设计

1、通信与信息工程学院数字图像处理课程设计班 级：电信科13级 1301 班姓 名：朱相军学 号：1307080122指导教师：高腾、柏均、王书朋、侯颖设计时间：2016.7.11 2016.7.15成 绩：评 语：通信与信息工程学院二一六年 项目一项目名称： 中值滤波一.引言一幅图像在传输、接收和处理过程中，存在噪声干扰。噪声会降低图像的质量，使图像特征模糊或淹没，给分析和审美带来困难，所以为使图像更逼真，就要去除噪声。去噪即滤波，通常分为线性滤波和非线性滤波。非线性滤波常采用均值滤波和中值滤波两种方法。因为均值滤波在滤出噪声的同时会滤除图像的边界和细节，所以大多数会选择中值滤波。它的优点是运算

2、简单而且速度快在脉冲噪声的空间密度较小的情况下，中值滤波的效果会很好，随着脉冲噪声的概率密度增大，中值滤波为了滤出噪声，不得不增大掩膜尺寸。中值滤波方法：对一个图像进行滤波处理时，首先要定义一个长度为奇数的窗口。然后对窗口内的制进行排序,用中值替换位于窗口中心的值。二.实验原理中值滤波对脉冲噪声有良好的滤除作用，特别是在滤除噪声的同时，能够保护信号的边缘，使之不被模糊。.它是基于排序统计理论的一种能有效抑制噪声的非线性信号处理技术，将每一像素点的灰度值设置为该点某邻域窗口内的所有像素点灰度值的中值.让周围的像素值接近的真实值，从而消除孤立的噪声点。方法是用某种结构的二维滑动模板，将板内像素按照

3、像素值的大小进行排序，生成单调上升（或下降）的为二维数据序列。二维中值滤波输出为g（x,y）=medf(x-k,y-l),(k,lW) ，其中，f(x,y)，g(x,y)分别为原始图像和处理后图像。W为二维模板，通常为3*3，5*5区域，也可以是不同的的形状，如线状，圆形，十字形，圆环形等。3.实验步骤第一步：读取一幅图像，然后人为的进行加椒盐噪声处理imageA=imread('lena.bmp');imageB = imnoise(imageA,'salt & pepper', 0.01);第二步：读取imageB的len和wid；lenth ,wi

4、dth = size(imageB);第三步：进行尺寸的选择，设置窗口的大小，让窗口进行滑动循环的处理，前面两个for循环是让掩膜在整个图像中循环处理for i=1+y:lenth-yfor j = 1+y : width-y然后在对掩膜进行处理，对窗口里面每一个值进行扫描然后sort排序for l = i -y: i +y for w = j -y: j+y a(m) = imageB(l ,w); m = m+1; end end a = sort(a);第四步：进行形状的选择，第三步是写的方形的，下面是十字形的。用两个if语句进行判断lenth和width，把掩膜的十字形数分别循环放在数

5、组a（m）中。注意的一点是中心的值被加了两次，所以要与上w = j避免重复相加。 if w = j a(m) = imageB(l ,w); m = m+1; end if l = i && w = j a(m) = imageB(l ,w); m = m+1; end 第五步：将排序后的中值赋给窗口的中心。 imageB(i,j) = a(z+1); 4.实验结果分析:先对图像进行了加噪处理,生成一个含有噪声的图像，然后通过中值滤波的方法对其进行滤波处理，还原了图像的逼真度。不足：由上图可知，图像的边缘细节等方面存在模糊，这是在椒盐噪声0.35的情况，（在0.1以上都存在还原

6、后还存在噪声的现象）噪声越大中值滤波对它的处理越显示出弊端，也就是说如果图像的噪声太多太大的话，中值滤波就不能对其完全的还原。范围：1中值滤波使用的范围只适应于椒盐噪声或者其他噪声在0.1以下的范围甚至更小的范围，如果超过了此范围则边界将存在没有滤出完的现象。 2 在噪声0.01的情况下，如果窗口选择的是3*3的话，图像能够很好的被复原，但是随着掩膜越大，块越大的话，图像的恢复质量下降，变得模糊。如下图是块选的9*9的情况，很明显可以看出很模糊，所以，中值滤波一般的窗口选择都是3*3和5*5。同时，如果块选择的越小，虽然能够得到更好的恢复，但是付出的代价就是需要处理的数据量大大提高了；如果块选

7、择的越大，虽然处理的数据量减少了，但是恢复质量下降了，所以，我们一直在寻求二者都能够达到的算法。改进方法：自适应中值滤波它能根据图像的局部方差来调整滤波器的输出，局部方差越大，滤波器的平滑作用越强。它的最终目的是使恢复图像f(x,y)与原始图像f(x,y)的均方误差e2=Ef(x,y)- f(x,y)最小。实质包括两方面，一方面为噪声检测及滤窗大小的确定，另一方面为噪声点检测后的中值滤波。W.Y.HAN等人得出的MMEM算法，首先是将邻域窗口中的灰度值接近最大或最小值得像素点给丢弃，然后计算余下点的均值ew，如果窗口中心像素点（即待检测的点）灰度值与ew的差值大于某一阈值，则判定该点为噪声点，

8、同时用ew代替中心像素点的值；否则，该点为图像的有用信息点，应保持其灰度值不变。 项目二试验项目:阈值分割 大津法 迭代发 膨胀 腐蚀一 前言图像阈值分割是利用图像中要提取的目标与其背景在灰度特性上的差异,把图像视为具有不同灰度级的两类区域(目标和背景)的组合。选取一个合适的阈值,以确定图像中的每一个像素点应该属于目标还是背景区域,从而产生相应的二值图像。阈值分割是先确定阈值,然后将图像中所有像素值与阈值比较,根据比较结果将像素分成两类目标或背景。二 原理迭代阈值法先选择一个近似阈值作为估计值的初始值,然后不断改进这一估计值。阈值的改进,初始阈值为图像的平均灰度T0,用T0将图像的象素点分作两

9、部分,计算各自平均灰度,小于T0的部分为TA,大于T0的部分为TB。计算T1=(TA+TB)/2将T1作为新的全局阈值代替T0,重复以上过程,如此迭代,直至TK收敛。即TK+1=TK,也就是TA,TB的均值不再变化。 大津法: 选取的最佳阈值t应当使得不同类间的分离性最好。首先基于直方图计算各灰度级的发生概率,并以阈值变量t将灰度级分为两类,然后求出每一类的类内方差及类间方差,选取使得类间方差最大,类内方差最小的t作为最佳阈值。三 步骤有三步:(1)确定阈值。(2)将像素值与阈值比较。(3)把像素归类。最关键的是第一步,就是如何选取最合适的阈值。如果能找到合适的阈值,就能对图像进行准确、方便的

10、分割四 实验结果 分析:(1)从分割阈值及效果看,迭代法的阈值较大,目标轮廓不很清晰,难以辨认出目标的形状;而Ostu法阈值更合理,较好的保留目标形状,目标轮廓清晰,容易辨认,减少了背景的影响; (2)从分割处理速度来比较,Ostu法处理时间最短 项目三实验项目：方块编码引言方块编码也叫方块截断编码(block truncation coding，简称BTC)是静态图像编码中的一种， 其原理是把一幅图像分为大小为N×N的子像块(简称子块)，由于小块内各相邻像素间具有亮度互相近似的相关性，于是只选用两个适当的亮度来近似代表小块内各像素原来的亮度，然后指明子块内的各像素分别属于哪个亮度。

11、一 原理方块编码，它把一幅图像分为大小为N*N的互不重叠的子图像模块，然后分别对每个子块进行编码。公式： 二 步骤选取的是-均方误差最小的参数选择法第一步：选取编码模块的大小code_size=16;第二步：在选取的方块中，计算出每一个值得和sum=sum+imageB(len,wid);并求出平均数 avergeq=sum/k;第三步:求出a0和a1 a0=(sum-m)/(k-n); a1=m/n;第四步： 进行判断if imageB(len,wid)>avergeq imageB(len,wid)=a1; else imageB(len,wid)=a0; end 三 实验结果四 结果分析上图是方块为12的编码后的图像，code-size选取的越大图像变得越模糊，越小就越接近真实，但是方块选取的越小需要处理的数据量