北航数字图象处理实验报告

数字图像办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剖析，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、失散余弦、哈达玛变换。在频域，对照他们的变换后系数矩阵的频谱状况，进一步，经过逆变换察看不一样变换下的图像重修质量状况。实验要求实验采纳获取的图像，为灰度图像，该图像每象素由8比特表示。详细要求以下：（1）输入图像采纳实验1所获取的图像（Lena、Cameraman）；2）对图像进行傅立叶变换、获取变换后的系数矩阵；3）将傅立叶变换后系数矩阵的频谱用图像输出，察看频谱；（4）经过设定门限，将系数矩阵中95%的（小值）系数置为0，对图像进行反变换，获取逆变换后图像；（5）察看逆变换后图像质量，并比较原始图像与逆变后的峰值信噪比（PSNR）。（6）对输入图像进行失散余弦、哈达玛变换，重复步骤1-5；（7）比较三种变换的频谱状况、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=imread('.bmp');P=fft2(J);fori=0:size(P,1)-1forj=1:size(P,2)G(i*size(P,2)+j)=P(i+1,j);endendQ=sort(G);fori=1:size(Q,2)if(i<size(Q,2)*&&i+1>=size(Q,2)*t=Q(i);endendG(abs(G)<t)=0;forn=0:size(P,1)-1form=1:size(P,2)W(n+1,m)=G(n*size(P,2)+m);endendf2=ifft2(W);f3=uint8(f2);axes;imshow(f3)axes;imshow(J)psnr1=psnr(J,f3);set,'string',psnr1);DCT的源程序及结果J=imread('.bmp');P=dct2(J);fori=0:size(P,1)-1forj=1:size(P,2)G(i*size(P,2)+j)=P(i+1,j);endendQ=sort(G);fori=1:size(Q,2)if(i<size(Q,2)*&&i+1>=size(Q,2)*t=Q(i);endendG(abs(G)<t)=0;forn=0:size(P,1)-1form=1:size(P,2)W(n+1,m)=G(n*size(P,2)+m);endendf2=idct2(W);f3=uint8(f2);axes;imshow(f3)axes;imshow(J)psnr1=psnr(J,f3);set,'string',psnr1);哈达玛变换的源程序及结果J=imread('');J=rgb2gray(J);P=hadamard(512)*(im2double(J))*hadamard(512);fori=0:size(P,1)-1forj=1:size(P,2)G(i*size(P,2)+j)=P(i+1,j);endendQ=sort(G);fori=1:size(Q,2)if(i<size(Q,2)*&&i+1>=size(Q,2)*t=Q(i);endendG(abs(G)<t)=0;forn=0:size(P,1)-1form=1:size(P,2)W(n+1,m)=G(n*size(P,2)+m);endendf2=inv(hadamard(512))*W*inv(hadamard(512));mm1=max(max(f2));mn1=min(min(f2));f2=255+255/(mm1-mn1)*(f2-mm1);f3=uint8(f2);axes;imshow(f3)axes;imshow(J)psnr1=psnr(J,f3);set,'string',psnr1);3实验三图像还原实验1．实验目的利用反向滤波和维纳滤波进行降质图像还原，比较不一样参数选择对还原结果的影响。2．实验内容1）利用反向滤波方法进行图像还原；2）利用维纳滤波方法进行图像还原。3.实验要求（1）输入图像采纳实验

1所获取的图像，对输入图像采纳运动降质模型，

以下式所示与降值图像有关的参数是：；（2）对每一种方法经过计算还原出来的图像的峰值信噪比，进行最优参数的选择，向滤波方法中进行还原的地区半径、维纳方法中的噪声对信号的频谱密度比值K；

包含反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。实验结果运动降质的源代码及结果I=imread('.bmp');%I=rgb2gray(I);F=fft2(I);F=fftshift(F);form=-((size(F,1)+1)/2):(size(F,1)+1)/2forn=-size(F,2)/2:size(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));endendform=1:size(F,1)forn=1:size(F,2)if(isnan(real(H(m,n))))G(m,n)=F(m,n);H(m,n)=1;elseG(m,n)=F(m,n)*H(m,n);endendendg=ifft2(G);t1=abs(g);mm=max(max(t1));mn=min(min(t1));t1=255+255/(mm-mn)*(t1-mm);t=uint8(t1);axes;imshow(t)逆滤波的源代码及结果I=imread('.bmp');F=fft2(I);F=fftshift(F);form=-((size(F,1)+1)/2):(size(F,1)+1)/2forn=-size(F,2)/2:size(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));endendform=1:size(F,1)forn=1:size(F,2)if(isnan(real(H(m,n))))G(m,n)=F(m,n);H(m,n)=1;elseG(m,n)=F(m,n)*H(m,n);endendendform=1:size(F,1)forn=1:size(F,2)if(m^2+n^2<200000)F1(m,n)=G(m,n)/H(m,n);elseF1(m,n)=G(m,n);endendendf1=ifft2(F1);f2=abs(f1);mm=max(max(f2));mn=min(min(f2));f2=255+255/(mm-mn)*(f2-mm);f2=uint8(f2);psnr1=psnr(f2,I);set,'string',psnr1);axes;imshow(f2)维纳滤波的源代码及结果I=imread('.bmp');F=fft2(I);F=fftshift(F);form=-((size(F,1)+1)/2):(size(F,1)+1)/2forn=-size(F,2)/2:size(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));endendform=1:size(F,1)forn=1:size(F,2)if(isnan(real(H(m,n))))G(m,n)=F(m,n);H(m,n)=1;elseG(m,n)=F(m,n)*H(m,n);endendendfori=1:size(F,1)forj=1:size(F,2)ff2(i,j)=G(i,j)/H(i,j)*(abs(H(i,j))^2)/(abs(H(i,j))^2+10^-38);endendf3=ifft2(ff2);f4=abs(f3);mm1=max(max(f4));mn1=min(min(f4));f4=255+255/(mm1-mn1)*(f4-mm1);f4=uint8(f4);psnr2=psnr(f4,I);set,'string',psnr2);axes;imshow(f4)实验四图像切割办理实验1．实验目的1）认识图像切割的基来源理，并利用图像切割算法进行图像切割办理；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切割办理；2）利用形态学办理进行办理结果修正。实验要求1）实验用图以下图；图原始图像（2）对输入图像进行光滑办理，以减小噪声对切割办理的影响；3）利用类间方差阈值算法对滤波办理后图像进行切割办理，获取切割图像；4）利用数学形态学中的腐化和膨胀运算办理，剔除切割办理结果中的一些渺小的剩余误切割点，在进行腐化和膨胀运算时可采纳半径为r的圆形构造元素，注意比较选用不一样办理结果。

r值时的4.实验结果实验源代码及结果tu2=imread('图像');tu2=rgb2gray(tu2);max2=0;min2=255;[m,n]=size(tu2);axes;imshow(tu2);tu3=zeros(m,n);%-----------光滑办理---------------fork=2:m-1fors=2:n-1max4=max(tu2(k-1,s),tu2(k,s-1));max5=max(tu2(k+1,s),tu2(k,s+1));min4=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)+min(min4,min5))/2;endendaxes;imshow(tu2);%-----------光滑办理中点滤波---------------fork=1:mmax1=max(tu2(k,:));if(max1==255)max2=max1;break;endif(max2<max1)max2=max1;endend%找出最大灰度值max2fork=1:nmin1=min(tu2(k,:));if(min1==0)min2=min1;break;elseif(min2>min1)min2=min1;endend%找出最小灰度值min2max2=double(max2);min2=double(min2);%数据种类变换！！！！ni=zeros(1,max2-min2+1);fork=1:mfors=1:ntemp=double(tu2(k,s))-min2+1;ni(1,temp)=ni(1,temp)+1;endend%统计各灰度值出现次数%---------------------------找阈值----------------------w0=0;ut=0;u0=0;max3=0;sum=m*n;fort=0:size(ni,2)-1ut=ut+t*ni(t+1)/sum;endfort=0:size(ni,2)-1w0=w0+ni(t+1)/sum;w1=1-w0;u0=u0+t*ni(t+1)/sum;u1=(ut-w0*u0)/w1;temp=w0*w1*(u1-u0)*(u1-u0);if(max3<temp)max3=temp;tmax=t;endendfork=1:mfors=1:nif(tu2(k,s)>=tmax)tu3(k,s)=255;endendendaxes;imshow(tu3);%-----------------------

类间方差阈值切割

--------------%-----------------------

腐化和膨胀

-------------------se=strel('disk',2);tu4=imerode(tu3,se);axes;imshow(tu4);tu4=imdilate(tu4,se);axes;imshow(tu4);实验五用Hough变换进行曲线的参数提取1．实验目的1）认识边沿检测算子的原理，并利用边沿算子对图像进行检测；2）掌握Hough变换的基来源理。2．实验内容（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沿检测出来；2）用Hough变换对边沿进行参数提取。实验要求1）实验用图像文件：原始图像（）、加高斯噪声后图像（）和加椒盐噪声后图像（）；图原始图像（2）在含有噪声的背景下，先对图像中值滤波，再进行边沿检测；（3）将目标的界限提拿出来。边沿检测算子可利用matlab自带函数实现，使用Robert、Sobel和Laplacian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。实验重点（1）利用算子进行边沿检测：可先将加噪此后的图像进行光滑滤波，如采纳9*9板进行中值滤波；为了对图像中图形边沿进行线性提取，可经过设置阈值将图像变成二值图像，再利用三种不一样的算子（Robert、Sobel和Laplacian）来达成边沿的检测；（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沿检测此后，使

的掩膜模用Hough变换对检测后图像进行参数提取，重修，最后将重修图像叠加到加噪图像中。算子进行边沿检测获取图像之间的差别。

并在提取成功此后，使用提取获取的参数进行图像的注意在进行Hough变换时，对照察看获取图像与使用实验结果原图利用Robert算子进行边沿检测I=imread('');I=rgb2gray(I);BW=edge(I,'roberts');axes;imshow(BW)利用Sobel算子进行边沿检测I=imread('');I=rgb2gray(I);BW=edge(I,'sobel');axes;imshow(BW)利用Laplacian算子进行边沿检测I=imread('');I=rgb2gray(I);BW=edge(I,'log');axes;imshow(BW)Hough变换I=imread('');I=rgb2gray(I);BW=edge(I,'sobel');r_max=100;r_min=40;step_r=1;step_angle=pi/20;p=;[m,n]=size(BW);size_r=round((r_max-r_min)/step_r)+1;size_angle=round(2*pi/step_angle);hough_space=zeros(m,n,size_r);[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*sin(angle)fori=1:ecountforr=1:size_rfork=1:size_anglea=round(rows(i)-(r_min+(r-1)*step_r)*cos(k*step_angle));b=round(cols(i)-(r_min+(r-1)*step_r)*sin(k*step_angle));if(a>0&a<=m&b>0&b<=n)hough_space(a,b,r)=hough_space(a,b,r)+1;endendendend搜寻超出阈值的齐集点max_para=max(max(max(hough_space)));index=find(hough_space>=max_para*p);length=size(index);hough_circle=false(m,n);fori=1:ecountfork=1:lengthpar3=floor(index(k)/(m*n))+1;par2=floor((index(k)-(par3-1)*(m*n))/m)+1;par1=index(k)-(par3-1)*(m*n)-(par2-1)*m;if((rows(i