編程處理圖像.doc

數(shù)字圖像處理與模式識(shí)別作業(yè)練習(xí)題一在圖像中生成一個(gè)矩形，然后用模板匹配法找出矩形位置。使用SSDA或改進(jìn)的SSDA法。Matlab源程序：%模板匹配法算法函數(shù)%生成一個(gè)矩形，并用ssda算法找出矩形所在的位置，程序輸出的是匹配處的第一個(gè)點(diǎn)的坐標(biāo)。img = zeros(30);img(8:13,3:6) = 1;mask = 1 1 1 1;1 1 1 1;1 1 1 1;1 1 1 1;1 1 1 1;1 1 1 1;maskH, maskW = size(mask);imgH, imgW = size(img);energyMask = 0;for n=1:maskHfor m=1:maskW energyMask = energyMask + mask(n,m)*mask(n,m);endendif(energyMask = 0) energyMask = 1;endenergyMask= sqrt(energyMask);R = zeros(imgH, imgW); for y=1:(imgH-maskH) for x = 1:(imgW-maskW) % whether position (y,x) is OK? relateVal = 0; energySubImage = 0; for n=1:maskH for m=1:maskW % S - y+n-1 relateVal = relateVal+ img(y+n-1,x+m-1)*mask(n,m); energySubImage = energySubImage + img(y+n-1,x+m-1)*img(y+n-1,x+m-1); end end energySubImage= sqrt(energySubImage); if(energySubImage = 0) energySubImage = 1; end R(y,x) = relateVal/(energySubImage*energyMask); aaa = R(y,x); if(R(y,x)=1) %y,x為匹配點(diǎn)的起始坐標(biāo); y x end endend 程序運(yùn)行結(jié)果：y =8；x =3總結(jié)：通過相關(guān)函數(shù)的計(jì)算來找到它及被搜索的圖的坐標(biāo)位置。由于模板要在 個(gè)參數(shù)位置上作相關(guān)計(jì)算，其中除一點(diǎn)以外都是在非匹配點(diǎn)上作“無用”工作，因此人們自然希望有一種快速有效算法，當(dāng)一旦發(fā)現(xiàn)模板所在參數(shù)位置為非匹配點(diǎn)就丟棄不再算下去，立即換到一個(gè)新的參數(shù)點(diǎn)作計(jì)算，這樣就能加快求匹配過程，就是序貫相似性檢測算法。簡稱SSDA。練習(xí)題二用C語言或者VC，VB，Matlab或其他語言完成如下實(shí)驗(yàn)：1）打開一個(gè)BMP文件2）將其局部區(qū)域的灰度值進(jìn)行改變3）另存為一個(gè)新的BMP文件要求顯示出原BMP圖像和新BMP圖像?？偨Y(jié)：讀入一幅圖像，首先如果是rgb圖像，要轉(zhuǎn)化為灰度圖像?；叶葓D像有256個(gè)灰度等級(jí)。改變對應(yīng)的數(shù)值，可以改變局部區(qū)域的灰度值。以下程序中實(shí)現(xiàn)了將一矩形區(qū)域全部變?yōu)榘咨?。Matlab源程序：clear all;f=imread(image1.bmp);f1=rgb2gray(f); %轉(zhuǎn)換為灰度圖figure(1);imshow(f1);imwrite(f1,image1_gray.bmp);f1(100:150,100:120)=256; %局部改變灰度值figure(2);imshow(f1);imwrite(f1,image1_gray_1.bmp);size(f1)whos f1原始灰度圖像： 局部改變灰度值的圖像：練習(xí)題三1編程實(shí)現(xiàn)圖像傅立葉高通、低通濾波。2嘗試傅立葉壓縮。1低通濾波MATLAB源程序：clear all;I=imread(image1_gray.bmp);figure(1);imshow(I);I=double(I);f=fft2(I); g=fftshift(f); M,N=size(g);n1=floor(M/2);n2=floor(N/2);d0=30;for i=1:M for j=1:N d=sqrt(i-n1)2+(j-n2)2); if d=d0 h1=1; else h1=0; endg1(i,j)=(h1+0.5)*g(i,j);endendg2=ifftshift(g1);g3=uint8(real(ifft2(g2); figure(2);imshow(g3);title(高通濾波結(jié)果)高通濾波結(jié)果：總結(jié)：圖像低通濾波使圖像變的模糊，平滑。高通濾波能突出圖像的邊緣，是圖像清晰。練習(xí)題四1打開一幅圖像，添加椒鹽、高斯噪聲，然后使用鄰域平均法、中值濾波法、K鄰近平均法進(jìn)行平滑。1）首先加入椒鹽噪聲， 然后對其處理。源程序：clear all;f=imread(image1.bmp);I=rgb2gray(f); %轉(zhuǎn)為灰度圖像figure(1);imshow(I);title(原始圖像)imwrite(I,image1_gray.bmp);P2=imnoise(I,salt & pepper,0.02) %加入椒鹽躁聲figure(2);imshow(P2);title(加入椒鹽躁聲)h1=medfilt2(P2) ; %對椒鹽躁聲中值濾波figure(3);imshow(h1);title(對椒鹽躁聲中值濾波后) %鄰域平均法 w1=fspecial(average); %產(chǎn)生一個(gè)3x3大小的方形平均濾波模板w1h2=imfilter(P2,w1,replicate); % g1為處理后的圖像。replicate指卷積填充邊緣時(shí)用復(fù)制邊界的值來擴(kuò)展。 figure(4);imshow(h2);title(鄰域平均法平滑)加入椒鹽噪聲后的圖像：對椒鹽噪聲中值濾波后的圖像：對椒鹽噪聲采用鄰域法平滑后的圖像：對椒鹽噪聲采用K鄰域法平滑后的圖像：2）加入高斯噪聲后對圖像濾波處理源程序：P2=imnoise(I,gaussian,0.02) %加入高斯躁聲其他與加入椒鹽噪聲的處理程序相同。加入高斯噪聲后的圖像：對高斯噪聲中值濾波平滑后的圖像：對高斯噪聲鄰域均平均法平滑后的圖像：對高斯噪聲K鄰近均平均法平滑后的圖像：實(shí)驗(yàn)結(jié)果分析：對于椒鹽噪聲，采用中值濾波的方法對圖像平滑效果較好，對于高斯噪聲，采用鄰域平均法對圖像平滑的效果較好。2打開一幅圖像，利用Roberts梯度法、Sobel算子和拉普拉斯算子進(jìn)行銳化，并比較結(jié)果。源程序：clear all;%Roberts梯度法I,map=imread(image1_gray.bmp);imshow(I,map);title(原始圖像)I=double(I);Gx,Gy=gradient(I); % 計(jì)算梯度G=sqrt(Gx.*Gx+Gy.*Gy); % 注意是矩陣點(diǎn)乘J1=G;figure(2),imshow(J1,map); title(Roberts梯度法進(jìn)行銳化)%拉普拉斯算子進(jìn)行銳化I=double(I);h=0 -1 0;-1 4 -1 ;0 -1 0;J=conv2(I,h,same);K=J;figure(3),imshow(K,); title(拉普拉斯算子進(jìn)行銳化) %Sobel算子銳化I=double(I);h1=-1 0 1 ;-2 0 2;-1 0 1;J1=conv2(I,h1,same);K1=J1;figure(4),imshow(K1); title(Sobel算子銳化) 利用Roberts梯度法銳化后的圖像：利用Sobel算子銳化后的圖像：利用拉普拉斯算子銳化后的圖像：練習(xí)題五編寫一個(gè)程序，對輸入的圖像進(jìn)行哈夫曼編碼，顯示原圖像的熵、編碼后的平均碼字長度、并能夠根據(jù)編碼重建出圖像。Matlab源程序：clear all;clc;I=imread(image1_gray_1.bmp);x=isrgb(I);if x=1 I=rgb2gray(I);elseendi=double(I);m,n=size(I);len=m*n;for p=1:256; j=find(i=p-1); u(p)=length(j);endstem(u);r=find(u0);k=length(r);F(1,:)=r-1;v=u(r);A=v/sum(v);F(2,:)=A;B=F;B=sortrows(B,2);B=B;B=fliplr(B);A=B(2,:);avlen,END,H,P,L=huffenco(A);B=sym(B);B(3,:)=END;q=double(1/(sum(L.*(sum(v)*B(2,:)/len/8);function avlen,END,H,P,L=huffenco(A)A=fliplr(sort(A);%按降序排列T=A;m,n=size(A);B=zeros(n,n-1);%空的編碼表（矩陣）for i=1:n B(i,1)=T(i);%生成編碼表的第一列endr=B(i,1)+B(i-1,1);%最后兩個(gè)元素相加T(n-1)=r;T(n)=0;T=fliplr(sort(T);t=n-1;for j=2:n-1%生成編碼表的其他各列 for i=1:t B(i,j)=T(i); end K=find(T=r); B(n,j)=K(end);%從第二列開始，每列的最后一個(gè)元素記錄特征元素在%該列的位置 r=(B(t-1,j)+B(t,j);%最后兩個(gè)元素相加 T(t-1)=r; T(t)=0; T=fliplr(sort(T); t=t-1;endB;%輸出編碼表END=sym(0,1);%給最后一列的元素編碼t=2;for j=n-2:-1:1%從倒數(shù)第二列開始依次對各列元素編碼 y=B(n,j+1); if y=n-j temp=END(y); for i=y:(n-j)-1 END(i)=END(i+1); end END(i+1)=temp; end temp1=END(t); END(t)=char(temp1),0; END(t+1)=char(temp1),1; t=t+1;endENDfor i=1:n a,b=size(char(END(i); L(i)=b;endLavlen=sum(L.*A)%平均碼長 H1=log2(A);H=-A*(H1)%熵P=H/avlen%編碼效率程序運(yùn)行結(jié)果：平均碼字長度：avlen =6.1022熵：H =7.3328編碼效率：P =1.2017灰度直方圖統(tǒng)計(jì)：總結(jié)：為了達(dá)到大的壓縮率，提出了一種方法就是將在圖像中出現(xiàn)頻度大的像素值,給一個(gè)比較短的編碼，將出現(xiàn)頻度小的像數(shù)值,給一個(gè)比較長的編碼。先將輸入灰度