太原理工大学数字图像处理课设-图像滤波研究

1、氐吧1龙打少大学TAJYUANUNIVERSITYOFTECHNOLOGY课程名称：数字图像处理实验项目：图像滤波研究实验地点：起点机房专业班级：通信1002学号:学生姓名：指导教师：2013年6月14日课题图像滤波研究一、设计目的1)提高分析问题、解决问题的能力，进一步巩固数字图像处理系统中的基本原理与方2)熟悉掌握MATLAB语言，可以进行数字图像的应用的开发设计。二、设计内容刚获得的图像有很多的噪声，这是由平时的工作和环境引起的，图像增强是减弱噪音，增强对比度。想得到比较干净清晰的图像并不是容易的事情。为这个目标而为处理图像所涉及的操作是设计一个适合、匹配的滤波器和恰当的阈值。这就是所谓

2、的图像滤波研究。本设计就是用图像平均、平滑滤波、中值滤波、理想低通滤波方法、巴特沃斯滤波方法五种方法来实现图像滤波处理。三、总体方案设计自选黑白图像，用加噪声的方法获得有噪图像。整个设计要完成的基本功能大致如下：1、用图像平均的方法消除噪声并计算信噪比的改善。(参考P.68)2、用平滑滤波方法消除噪声并计算信噪比的改善(参考P.71)3、用中值滤波方法消除噪声并计算信噪比的改善(参考P.734、用理想低通滤波方法消除口声并计算信噪比的改善(参考P.785、用巴特沃斯低通滤波方法消除噪声并计算信噪比的改善(参考P.80更换不同特性的图像和噪声重复以上滤波方法，观察并分析这些算法的应用场合。在该设

3、计中，所采用的噪声类型主要有：高斯噪声，椒盐噪声。四、各个功能模块的主要实现程序以及测试和调试1、用图像平均的方法消除噪声并计算信噪比的改善程序I=imread(9.gif);x=1;M,N=size(I);II1=zeros(M,N);fori=1:16II(:,:,i)=imnoise(I,gaussian,0,0.01);II1=II1+double(II(:,:,i);ifor(or(i=1,i=4),or(i=8,i=16);subplot(2,2,x);imshow(uint8(II1/i);title(num2str(x);x=x+1;endendI2=double(II1/1)

4、-double(I);%I3=double(II1/2)-double(I);%I4=double(II1/3)-double(I);%I5=double(II1/4)-double(I);%添加噪声后图与原图像想减得噪声添加噪声后图与原图像想减得噪声添加噪声后图与原图像想减得噪声添加噪声后图与原图像想减得噪声图像进行方差运算图像进行方差运算图像进行方差运算A=std2(I2/255)A2;%对I2B=std2(I3/255)A2;%对I3C=std2(I4/255)A2;%对I4D=std2(I5/255)A2;%对I5图像进行方差运算E=std2(II1/255)A2;%对噪声进行方差运算

5、Y1=10*log(E/A);%计算图像信噪比丫2=10*log(E/B);Y3=10*log(E/C);Y4=10*log(E/D);X=ABCDSNR=Y1Y2Y3Y4相应信噪比心357r2LS1320.6363Q,3340SNK=L29G616.643926.138233.49%2、用平滑滤波方法消除噪声并计算信噪比的改善程序I=imread(16.gif);J=imnoise(I,gaussian,0,0.03);subplot(231),imshow(I);title(原始图像);subplot(232),imshow(J);title(添加椒盐噪声的图像,);k1=filter2(

6、fspecial(average,3),J);%k2=filter2(fspecial(average,5),J);%k3=filter2(fspecial(average,7),J);%k4=filter2(fspecial(average,9),J);%subplot(233),imshow(uint8(k1);title(3*3Q1=uint8(k1);subplot(234),imshow(uint8(k2);title(5*5Q2=uint8(k2);subplot(235),imshow(uint8(k3);title(7*7Q3=uint8(k2);subplot(236),im

7、show(uint8(k4);title(9*9进彳T3*3模板平滑滤波进彳T5*5模板平滑滤波进彳T7*7模板平滑滤波进彳T9*9模板平滑滤波模板平Vt滤波,);模板平Vt滤波,);模板平Vt滤波,);模板平Vt滤波,);Q4=uint8(k2);%十算信噪比I2=double(J)-double(I);%A=std2(I2)A2%B=std2(double(k1)A2;%C=std2(double(k2)F2;%D=std2(double(k3)A2;%E=std2(double(k4)F2;%通过添加噪声的图像与原图像想见运算的到噪声对噪声信号数据进行方差运算对经过双精度变换的图像对经过

8、双精度变换的图像对经过双精度变换的图像对经过双精度变换的图像k1数据进行方差运算k2数据进行方差运算k3数据进行方差运算k4数据进行方差运算Y1=10*log(B/A);%计算k1图信噪比Y2=10*log(C/A);%计算k2图信噪比Y3=10*log(D/A);%计算k3图信噪比Y4=10*log(E/A);%计算k4图信噪比X=BCDESNR=Y1Y2Y3Y4结果:A=1.6041e+003K=I. 0e+003*3,32343,07912.36562,8887SNK=7. 28425.52066.14525.83243、用中值滤波方法消除噪声并计算信噪比的改善I=imread(23.g

9、if);J=imnoise(I,salt&pepper,0.02);%添加椒盐噪声图像subplot(231),imshow(I);title(原图像)；%构建两行三列图像组第一幅图显示原图像subplot(232),imshow(J);title(像k1=medfilt2(J);%k2=medfilt2(J,55);%I添加椒盐噪声图像,)%第二幅图显示添加椒盐噪声图对含噪声信号图像数据进行中值滤波对含噪声信号图像数据进行中值滤波k3=medfilt2(J,77);%k4=medfilt2(J,99);%subplot(233),imshow(k1);title(3*3图像subplot(2

10、34),imshow(k2);title(5*5图像subplot(235),imshow(k3);title(7*7图像subplot(236),imshow(k4);title(9*9图像I2=double(J)-double(I);声成份A=std2(I2)A2B=std2(double(k1)A2;C=std2(double(k2)A2;D=std2(double(k3)A2;E=std2(double(k4)F2;对含噪声信号图像数据进行中值滤波对含噪声信号图像数据进行中值滤波模板中值滤波模板中值滤波模板中值滤波模板中值滤波1)1)1)1)第三幅图显示经过中值滤波的第四幅图显示经过中

11、值滤波的第五幅图显示经过中值滤波的第六幅图显示经过中值滤波的经双精度处理含噪声图像减去原图像得噪对噪声信号数据进行方差运算对对对对k1k2k3图像信号数据做方差运算图像信号数据做方差运算图像信号数据做方差运算图像信号数据做方差运算Y1=10*log(B/A);%求k1图的信噪比Y2=10*log(C/A);%求k2图的信噪比Y3=10*log(D/A);%求k3图的信噪比Y4=10*log(E/A);%求k4图的信噪比%k4X=BCDESNR=Y1Y2Y3Y4结果403.68451.0e+003*1.34341.31031.”66k2455SNR=12,025511,7766IL516111.

12、26914、用理想低通滤波方法消除噪声并计算信噪比的改善程序原始图像）;%构建3行3列图像组，显示原图J=imread(eight.tif);subplot(131);imshow(J);title(像J=double(J);%对原图像进行双精度运算f=fft2(J);%对上图进行快速傅里叶变换g=fftshift(f);%移动零频点到频谱中间subplot(132);imshow(log(abs(g),),color(jet(64);M,N=size(f);%分别返回f的行数到Mn1=floor(M/2);%对M/2进行取整n2=floor(N/2);%对N/2进行取整d0=5;%初始化d0

13、中，列数到N中fori=1:Mforj=1:Nd=sqrt(i-n1)A2+(j-n2)A2);ifd=d0点（i,j）到傅立叶变换中心的距离h=1;elseh=0;endg(i,j尸h*g(i,j);endendg=ifftshift(g);g=uint8(real(ifft2(g);%subplot(133);imshow(g);I2=double(g)-double(J);对g进行反FFT移动单精度变换g第三幅图显示g滤波处理后的图像经双精度处理含噪声图像减去原图像得噪声成份对噪声信号数据进行方差运算对g图像信号数据做方差运算求图j的信噪比A=std2(I2)A2B=std2(doubl

14、e(g)A2snr1=10*log(B/A)结果原始图像K1.3925-0032.4570e+D03snr1=E.7835、用巴特沃斯低通滤波器方法消除噪声并计算信噪比的改善程序I=imread(19.gif);J=imnoise(I,salt&pepper,0.05);%添加椒盐噪声subplot(131);imshow(I);title(subplot(132);imshow(J);title(原始图像);有椒盐噪声的图像);J=double(J);%对原图像进行双精度运算f=fft2(J);%对上图进行快速傅里叶变换g=fftshift(f)%移动零频点到频谱中间M,N=size(f);

15、%分别返回f的行数到M中，列数到N中n=3;%初始化d0=20;%初始化n1=floor(M/2);%对M/2n2=floor(N/2);%对N/2fori=1:Mforj=1:Nd=sqrt(i-n1)A2+(j-n2)A2)%h=1/(1+(d/d0)A(2*n);g(i,j尸h*g(i,j);nd0进行取整进行取整点(i,j)到傅立叶变换中心的距离endendg=ifftshift(g);g=uint8(real(ifft2(g);%subplot(133);imshow(g);I2=J-double(I);%A=std2(I2/255)A2%B=(std2(double(g)/255)

16、A2%snr=10*log(B/A)%单精度变换傅里叶后的图像g的数据计算噪声成份对噪声信号数据求方差对含噪图像求力差对图求信噪比结果原始图像有椒盐噪声的图像0.0172B=0.0220snr-2.44246、更换不同特性的图像和噪声重复以上滤波方法，观察并分析这些算法的应用场合，用图片50.bmp进行调试。得图如下：(1)图像平均K二8. 03081.75320.67390.3243SNR=J. 27C916.4S9226.050033.3655(2)平滑滤波1.0e+003*2.27402.07601.37681,9035SNK=2.30631*3961。*9068D+5277(3)中值滤

17、波1,OeH-003*2.26382.23712.2122SNK=17.943417.8248IT.712817.5S50(4)理想低通滤波1.l095e+03987.8466snr1三-L1614(5)巴特沃斯低通滤波itDireciorv：|&-yMATl：CnrmiaindJVmin0.0N16.2307五、实验分析1 .平均图像滤波时，随着平均图像数量的增加，在各个位置上的像素的噪声影响会逐步减少；2 .线性平滑滤波处理减少了图像灰度的“尖锐”变化；中值滤波不像平滑滤波那样使图像边界模糊，它在衰减噪声的同时保持了图像细节的清晰；3 .理想滤波器有比较陡峭的截断频率，在处理过程中产生比较严重的模糊和振铃现象；Butterworth低通滤波在高低频率间的过渡比较平滑，其产生的输出振