数字图像管理组织实验报告

.数字图像处理实验报告.姓名：郑思义学号：201216524课程：数字图像处理.题目：实验一：图像复原算法。实验二：读入一幅彩色图像，显示各层图像。实验三：图像的变换（小波或FT变换）。实验四：图像的信息隐藏。实验一：图像复原算法一、实验内容：读入一幅彩色图片，将其转化为灰度图像。加入退化精品文档放心下载函数后加入高斯噪声，依次利用直接全逆滤波（适用噪声较小时）、精品文档放心下载维纳滤波复原图像。二、实验原理：1、逆滤波复原法也叫做反向滤波法，其主要过程是首先将要处理的数字图像从空间域转换到傅里叶频域中，进行反向滤波后再由频率域转回到空间域，从而得到复原的图像信号。精品文档放心下载有噪声的情况下逆滤波的原理：G(u,v)=F(u,v)H(u,v)+N(u,v)写成逆滤波的方式：F(u,v)=F(u,v)+N(u,v)/H(u,v)。实验证明：当退化图像噪声较小时采用逆滤波的方法可以获得比较好的结果。谢谢阅读2、采用维纳滤波是假设图像信号可以近似看成平稳随机过程的前提感谢阅读下，按照使f(x,y)和f(x,y)之间的均方误差达到最小的准则函数来实现感谢阅读 图像复原的，即e2minEf(x,y)f(x,y)2式中，E代表期望值，因此维纳滤波又称最小均方误差滤波器。谢谢阅读.维纳滤波需要假定下述条件成立：1、系统为线性空间移不变系统。感谢阅读2、退化图像、原始图像噪声都是均匀随机场，噪声的均值为零，且感谢阅读与图像不相关。滤波器的传递函数为：1Hu,v2Fu,vPu,vGu,vSu,v/SGu,vHu,vHu,v2u,vnf没有噪声时，维纳滤波退化为逆滤波。有噪声时，维纳滤波利用信噪精品文档放心下载功率比恢复过程进行修正。三、实验算法步骤：1、读入一幅彩色图片，转化为灰度图片I。2、对灰度图片退化，利用退化函数Hu,vekum/22vn/225/6（k感谢阅读是与湍流有关的常数，k=0.0025）3、加入高斯噪声。显示模糊退化且添加高斯噪声的图像I2。4、直接对I2图像进行逆滤波复原I3。谢谢阅读5、对I2图像进行维纳滤波复原I4。6、对比I3和I4复原效果。四、实验代码：clc;clear;I0=imread('F:\个人\gesang.png'); %读入原图谢谢阅读I=rgb2gray(I0); %将彩色图片转化为灰度图像感谢阅读imshow(I0);%原图.figure;subplot(2,2,1);imshow(I);%灰度图谢谢阅读I=double(I);[m,n]=size(I);k=0.0025;foru=1:mforv=1:nH(u,v)=exp((-k)*(((u-m/2)^2+(v-n/2)^2)^(5/6)));精品文档放心下载endendF=fftshift(fft2(I));G=F.*H;I1=real(ifft2(fftshift(G)));谢谢阅读I2=imnoise(uint8(I1),'gaussian',0,0.001);谢谢阅读subplot(2,2,2);imshow(uint8(I2));%模糊退化且添加高斯噪声的图像谢谢阅读F0=fftshift(fft2(I2));F1=F0./H;I3=ifft2(fftshift(F1));subplot(2,2,3);imshow(uint8(I3));%逆滤波复原图感谢阅读k=0.1;foru=1:mforv=1:n.H(u,v)=exp(-k*(((u-m/2)^2+(v-n/2)^2)^(5/6)));精品文档放心下载H0(u,v)=(abs(H(u,v)))^2;H1(u,v)=H0(u,v)/(H(u,v)*(H0(u,v)+k));精品文档放心下载endendF2=H1.*F0;I4=ifft2(fftshift(F2));subplot(2,2,4);imshow(uint8(I4));%维纳滤波复原图感谢阅读五、实验结果：六、实验分析：对于噪声很小的或者单纯除燥的情况，逆滤波才会有很好的视觉效果。而维纳滤波对于那些退化函数已知的情况会有很好的结果。当然退化函数的选取也是比较麻烦的,往往退化函数并不已知。而且与湍流的性质有关的常数K的选取也会起到关键作用。总之很麻烦，刚开始的时候图片像素的大小也会导致H发生变化，H很小时逆滤波会把噪声放大，导致效果很差。谢谢阅读.实验二：读入一幅彩色图像，显示各层图像。（本实验很简单所以只提供实验代码和结果。）一、实验代码：clc;clear;I=imread('F:\个人\gesang.png');精品文档放心下载R=I;G=I;B=I;R(:,:,2)=0;R(:,:,3)=0;G(:,:,1)=0;G(:,:,3)=0;B(:,:,1)=0;B(:,:,2)=0;figure;subplot(2,2,1);imshow(I,[]);title('I');精品文档放心下载subplot(2,2,2);imshow(R,[]);title('R');谢谢阅读subplot(2,2,3);imshow(G,[]);title('G');感谢阅读subplot(2,2,4);imshow(B,[]);title('B');谢谢阅读二、实验结果：.实验三：图像的变换（FT变换）。一、实验代码：A=imread('F:\个人\gesang.png');感谢阅读subplot(1,2,1);imshow(A); %显示原图像感谢阅读iflength(size(A))==3A=rgb2gray(A);endsubplot(1,2,2);imshow(A);%对灰度图像感谢阅读A2=fft2(A);A2=fftshift(A2); %进行二维傅里叶变换感谢阅读figure,imshow(log(abs(A2)+1),[0,12]); %显示傅里叶变换后的图像感谢阅读title('傅里叶变换后的图像');二、实验结果：.实验四：图像的信息隐藏（以数字水印为例）一、实验代码：W=imread('F:\个人\shuiyin.png');%水印感谢阅读A=imread('F:\个人\gesang.png');%原图精品文档放心下载%加入水印[a1,a2,a3]=size(W);A0=A([1:a1],[1:a2],:);.A0=double(A0);W=double(W);感谢阅读a=0.1;%嵌入强度因子fori=1:3[U1{i},S1{i},V1{i}]=svd(A0(:,:,i));精品文档放心下载A1(:,:,i)=S1{i}+a*W(:,:,i);精品文档放心下载[U2{i},S2{i},V2{i}]=svd(A1(:,:,i));感谢阅读A2(:,:,i)=U1{i}*S2{i}*V1{i}';感谢阅读endAW=A;AW([1:a1],[1:a2],:)=A2;AW=uint8(AW);W=uint8(W);subplot(1,3,1),imshow(A);%显示原图感谢阅读subplot(1,3,2),imshow(W);%显示水印感谢阅读subplot(1,3,3),imshow(AW);%显示加水印后的图片感谢阅读二、实验结果：.题目：实验一：图像的运算（+—*/与或非异或）；实验二：图像的滤波（空间、频域）精品文档放心下载一、实验目的：利用课堂知识对图像进行简单运算；掌握图像空间域、谢谢阅读频域滤波的基本原理及方法；学习运用matlab等软件进行对图像处精品文档放心下载理简单操作。二、实验一内容（代码）：clc;clear;I=imread('F:\个人\1111.jpg');%读入图片精品文档放心下载J=imread('F:\个人\2222.jpg');%读入图片谢谢阅读%图像+运算K1=imadd(I,J);%图像-运算K2=immultiply(I,1.2);%图像*运算K3=imdivide(I,2);.%图像/运算background=imopen(I,strel('disk',15));谢谢阅读K4=imsubtract(I,background);精品文档放心下载%图像与、或、非、异或运算A=im2bw(I);B=im2bw(J);K5=A&B;K6=A|B;K7=~A;K8=xor(A,B);subplot(2,5,1);imshow(I);title('原图I');谢谢阅读subplot(2,5,2);imshow(J);title('原图J');精品文档放心下载subplot(2,5,3);imshow(K1);title('+运算');精品文档放心下载subplot(2,5,4);imshow(K2);title('-运算');精品文档放心下载subplot(2,5,5);imshow(K3);title('*运算');谢谢阅读subplot(2,5,6);imshow(K4);title('/运算');精品文档放心下载subplot(2,5,7);imshow(K5);title('与运算');感谢阅读subplot(2,5,8);imshow(K6);title('或运算');精品文档放心下载subplot(2,5,9);imshow(K7);title('非运算');精品文档放心下载subplot(2,5,10);imshow(K8);title('异或运算');感谢阅读三、实验一结果：.四、实验二内容（代码）：空间域滤波一般分为线性和非线性滤波。线性滤波是基于傅里精品文档放心下载叶变换的分析，非线性滤波则是对邻域直接进行操作。根据空间域滤谢谢阅读波器功能可分为平滑滤波和锐化滤波。平滑的目的一是模糊二是除谢谢阅读燥，锐化的目的是为了增强被模糊的细节。空间域滤波代码（非线性锐化滤波）：clc;clear;I0=imread('F:\个人\1111.jpg'); %读入彩色图片精品文档放心下载I=rgb2gray(I0); %转化为灰度图像L=im2bw(I,0.5);.h=-fspecial('laplacian',0.5);精品文档放心下载K1=filter2(h,L);J=fspecial('sobel');K2=filter2(J,L);subplot(2,2,1);imshow(I0);title('原图');谢谢阅读subplot(2,2,2);imshow(I);title('灰度图像');精品文档放心下载subplot(2,2,3);imshow(K1);title('利用laplace算子锐化后图像');精品文档放心下载subplot(2,2,4);imshow(K2);title('利用sobel算子锐化后图像');精品文档放心下载频域滤波代码：clc;clear;[I,map]=imread('F:\个人\1111.jpg');%读入图片感谢阅读I=rgb2gray(I); %转化为灰度图像I=gradient(double(I));figure;imshow(I);colormap(map);colorbar; %执行图像的单层小波分析精品文档放心下载[ca1,ch1,cv1,cd1]=dwt2(I,'bior3.7'); %由系数重构低频和高频部分精品文档放心下载a1=upcoef2('a',ca1,'bior3.7',1);感谢阅读h1=upcoef2('h',ch1,'bior3.7',1);谢谢阅读v1=upcoef2('v',cv1,'bior3.7',1);精品文档放心下载d1=upcoef2('d',cd1,'bior3.7',1);感谢阅读.figure;colormap(map);nbcol=size(map,1)subplot(2,2,1);image(wcodemat(a1,nbcol));感谢阅读xlabel('(a)低频a1');subplot(2,2,2);image(wcodemat(h1,nbcol));谢谢阅读xlabel('(b)水平高频h1');subplot(2,2,3);image(wcodemat(v1,nbcol));谢谢阅读xlabel('(c)垂直高频v1');subplot(2,2,4);image(wcodemat(d1,nbcol));精品文档放心下载xlabel('(d)对角高频d1'); %由小波逆变换恢复原图谢谢阅读xsyn=idwt2(ca1,ch1,cv1,cd1,'bior3.7'); %检查单层重构效果精品文档放心下载errl=max(max(abs(X-xsyn)))%图像的多层二维小波分析[c,s]=wavedec2(X,2,'bior3.7',2);%提取系数的低频和高频部分ca2=appcoef(c,s,'bior3.7',2);%重构第2层的低频信号a2=wrcoef2('a',c,s,'bior3.7',2);%重构第1、2层的高频信号h1=wrcoef2('h',c,s,'bior3.7',1);v1=wrcoef2('v',c,s,'bior3.7',1);d1=wrcoef2('d',c,s,'bior3.7',1);h2=wrcoef2('h',c,s,'bior3.7',2);v2=wrcoef2('v',c,s,'bior3.7',2);d2=wrcoef2('d',c,s,'bior3.7',2);%显示多层二维分解效果.figure;colormap(map);subplot(2,4,1);image(wcodemat(a1,nbcol));谢谢阅读xlabel('(a)低频a1');subplot(2,4,2);image(wcodemat(h1,nbcol));精品文档放心下载xlabel('(b)水平高频h1');subplot(2,4,3);image(wcodemat(v1,nbcol));精品文档放心下载xlabel('(c)垂直高频v1');subplot(2,4,4);image