光電圖像處理課程設(shè)計

1、光電 學(xué)院： 專業(yè)： 學(xué)號： 姓名： 2013年6月1日課程設(shè)計圖像處理 光電頭像處理 實 驗 報 告 實驗時間 2013年6月1號 第14 周 理 學(xué)院 班級學(xué)號 姓名 組號 01 指導(dǎo)老師 李晶 得分 實驗名稱：1.圖像的傅里葉變換 2.圖像增強 3.小波變換實驗?zāi)康模毫私鈭D像變換的意義和手段；熟悉傅里葉變換的基本性質(zhì)；熟練掌握FFT的變換方法及應(yīng)用；通過實驗了解二維頻譜的分布特點；通過本實驗掌握利用MATLAB編程實現(xiàn)數(shù)字圖像的傅立葉變換。掌握灰度直方圖的概念及其計算方法；熟練掌握直方圖均衡化和直方圖規(guī)定化的計算過程；熟練掌握空域濾波中常用的平滑和銳化濾波器；利用MATLAB程序進行圖像

2、增強。實驗原理：1、應(yīng)用傅立葉變換進行圖像處理傅里葉變換是線性系統(tǒng)分析的一個有力工具，它能夠定量地分析諸如數(shù)字化系統(tǒng)、采樣點、電子放大器、卷積濾波器、噪音和顯示點等的作用。通過實驗培養(yǎng)這項技能，將有助于解決大多數(shù)圖像處理問題。對任何想在工作中有效應(yīng)用數(shù)字圖像處理技術(shù)的人來說，把時間用在學(xué)習(xí)和掌握博里葉變換上是很有必要的。傅立葉（Fourier）變換的定義對于二維信號，二維Fourier變換定義為：逆變換： 逆變換： 圖像的傅立葉變換與一維信號的傅立葉變換變換一樣，有快速算法，具體參見參考書目，有關(guān)傅立葉變換的快速算法的程序不難找到。實際上，現(xiàn)在有實現(xiàn)傅立葉變換的芯片，可以實時實現(xiàn)傅立葉變換。2

3、.圖像增強是指按特定的需要突出一幅圖像中的某些信息，同時，消弱或去除某些不需要的信息的處理方法。其主要目的是處理后的圖像對某些特定的應(yīng)用比原來的圖像更加有效。圖像增強技術(shù)主要有直方圖修改處理、圖像平滑化處理、圖像尖銳化處理和彩色處理技術(shù)等。本實驗以直方圖均衡化增強圖像對比度的方法和中值濾波為主要內(nèi)容，其他方法同學(xué)們可以在課后自行練習(xí)。直方圖均衡化直方圖是多種空間域處理技術(shù)的基礎(chǔ)。直方圖操作能有效地用于圖像增強。除了提供有用的圖像統(tǒng)計資料外，直方圖固有的信息在其他圖像處理應(yīng)用中也是非常有用的，如圖像壓縮與分割。直方圖在軟件中易于計算，也適用于商用硬件設(shè)備，因此，它們成為了實時圖像處理的一個流行工

4、具。直方圖是圖像的最基本的統(tǒng)計特征，它反映的是圖像的灰度值的分布情況。直方圖均衡化的目的是使圖像在整個灰度值動態(tài)變化范圍內(nèi)的分布均勻化，改善圖像的亮度分布狀態(tài)，增強圖像的視覺效果。灰度直方圖是圖像預(yù)處理中涉及最廣泛的基本概念之一。圖像的直方圖事實上就是圖像的亮度分布的概率密度函數(shù)，是一幅圖像的所有象素集合的最基本的統(tǒng)計規(guī)律。直方圖反映了圖像的明暗分布規(guī)律，可以通過圖像變換進行直方圖調(diào)整，獲得較好的視覺效果。直方圖均衡化是通過灰度變換將一幅圖像轉(zhuǎn)換為另一幅具有均衡直方圖，即在每個灰度級上都具有相同的象素點數(shù)的過程。中值濾波中值濾波是一種基于排序統(tǒng)計理論的非線性濾波技術(shù)，它的目的是在消除噪聲的同時

5、保持圖像中的邊緣和細節(jié)。中值濾波法是把鄰域內(nèi)所有像素按序排列，然后用中間值作為中心像素的輸出。例如，如果窗口長度為5，窗口中像素的灰度值分別為100、110、190、106、116，按從小到大排序得到該窗口內(nèi)各像素的中值為110，于是原來窗口中心點的灰度值190就由110代替，如果190是一個尖銳的噪聲，此時就得到了濾除。二維中值濾波的定義為： 式中， 為窗口，通常窗口的大小選取奇數(shù)，以便于有中間像素。若窗口大小為偶數(shù)，則中值可取中間兩像素的平均值。由于中值濾波輸出的像素是由鄰域圖像的中間值決定的，因此中值濾波對個別與周圍像素灰度差異較大的點不如取平均值那么敏感，從而可以消除一些孤立的噪聲點，

6、又不容易產(chǎn)生模糊。中值濾波窗口的大小和形狀對于濾波效果都有著密切關(guān)系。一般說來，小于濾波器面積一半的亮的或暗的物體基本上會被濾除，而較大的物體或被保存下來。因此，濾波器的大小要根據(jù)所處理的圖像進行選擇。具體選取什么樣形狀的濾波模板也要根據(jù)圖像內(nèi)容選取。實驗步驟：實驗一：打開計算機，安裝和啟動MATLAB程序；準備好待處理的三個圖像文件；利用MatLab工具箱中的函數(shù)編制FFT頻譜顯示的函數(shù)；a).調(diào)入圖像；圖像存儲格式應(yīng)為“.gif”； b)對這三幅圖像做FFT并利用自編的函數(shù)顯示其頻譜；c)討論不同的圖像內(nèi)容與FFT頻譜之間的對應(yīng)關(guān)系。記錄和整理實驗報告。實驗二：打開計算機，安裝和啟動MAT

7、LAB程序； 調(diào)入數(shù)字圖像，并進行直方圖均衡化處理；顯示原圖像的直方圖和經(jīng)過均衡化處理過的圖像直方圖。調(diào)入原數(shù)字圖像，并進行中值濾波；顯示中值濾波前圖像的直方圖和中之濾波處理后的圖像直方圖。記錄和整理實驗報告。實驗三：1.讀取衣服灰度圖像，并顯示原始圖像。選擇適合的小波函數(shù)，對其進行一級2D小波分解，得到4個小波系數(shù)（近似系數(shù)CA，水平細節(jié)CH，垂直細節(jié)CV，對角細節(jié)CD）；對變換系數(shù)進行編碼量化，并對其進行拼接后，作為一幅圖進行顯示；最后，對變換結(jié)果進行簡要分析。2.對上述小波分解的結(jié)果進行2D小波逆變換，對逆變換的結(jié)果與原始圖像進行對比，求取誤差圖。研究在同一窗口下，分別顯示原始圖像，逆變

8、換圖像及二者之間的誤差圖。并分析產(chǎn)生誤差的原因。3.上機練習(xí)使用matlab小波變換工具箱。包括1D小波分析，2D分析工具，對實例信號分別進行不同的小波，不同級次的分解。觀察期變換結(jié)果，以對小波分析工具有更深入的了解和認識。有興趣的同學(xué)還可以嘗試使用特殊工具進行信號去噪等練習(xí)。實驗結(jié)果：實驗一：實驗二：實驗三：實驗心得：實驗對圖像的變換和恢復(fù)進行了研究，分別從圖像預(yù)處理、傅里葉變換以及圖像增強和小波變換處理等方面進行了分析。通過這次課程設(shè)計我們能夠比較系統(tǒng)的了解理論知識，掌握了傅里葉變換以及圖像增強和小波變換處理等方面的知識，學(xué)會了使用仿真軟件Matlab，并學(xué)會通過應(yīng)用軟件仿真來實現(xiàn)某些簡單

9、的圖像的處理，對以后的學(xué)習(xí)和工作都起到了一定的作用，加強了動手能力和學(xué)業(yè)技能。 通過這次課程設(shè)計還讓我們知道了，我平時所學(xué)的知識如果不加以實踐的話等于紙上談兵。課程設(shè)計主要是我理論知識的延伸，它的目的主要是要在設(shè)計中發(fā)現(xiàn)問題，并且自己要能找到解決問題的方案，形成一種獨立的意識。我還能從設(shè)計中檢驗我所學(xué)的理論知識到底有多少，鞏固我已經(jīng)學(xué)會的，不斷學(xué)習(xí)我所遺漏的新知識把這門課學(xué)的扎實。當(dāng)然在做課程設(shè)計的過程中總會出現(xiàn)各種問題，在這種情況下我都會努力尋求最佳路徑解決問題，無形間提高了我的動手，動腦能力，并且同學(xué)之間還能相互探討問題，研究解決方案，增進大家的友誼?？偟膩碚f，這次課程設(shè)計讓我們收獲頗多，

10、不僅讓我更深一步理解書本的知識，提高我分析問題和解決問題的能力。程序：%clc;clear all;close all;%圖像的傅立葉變換%I=imread(圖片1.jpg); old_image=I(:,:,2);fftI=fft2(old_image); sfftI=fftshift(fftI); RR=real(sfftI); II=imag(sfftI); A=sqrt(RR.2+II.2);A=(A-min(min(A)/(max(max(A)-min(min(A)*225; figure(11);imshow(old_image);title(原圖像);set(gcf,color,

11、c);figure(12);imshow(A);title(傅立葉變換);set(gcf,color,g);%clc;clear all;close all;%圖像增強%close all;clear all;I=imread(IMG_0110.jpg);old_image=I(:,:,1);new_image1=histeq(old_image);figure(21);subplot(2,2,1);imshow(old_image);title(原圖像);subplot(2,2,2);imhist(old_image);subplot(2,2,3);imshow(new_image1);ti

12、tle(均衡化前后比較);subplot(2,2,4);imhist(new_image1);set(gcf,color,g);%old_image1=double(old_image);M,N=size(old_image1);MM=200;NN=150;KK=30;WW=255;for i=1:M for j=1:N if I(i,j)=KK old_image1(i,j)=old_image1(i,j); elseif I(i,j)=NN old_image1(i,j)=(MM-KK)/(NN-KK)*(old_image1(i,j)-KK)+KK; else old_image1(i,

13、j)=(WW-MM)/(WW-NN)*(old_image1(i,j)-NN)+MM; end endendold_image2=uint8(old_image1); figure(22);subplot(1,2,1);imshow(old_image);title(原圖像);subplot(1,2,2);imshow(old_image2);title(灰度線性變換);set(gcf,color,c);%old_image3=41*log(1+old_image1);old_image3=uint8(old_image3);figure(23);subplot(1,2,1);imshow(o

14、ld_image)title(原圖像);subplot(1,2,2);imshow(old_image3);title(對圖像進行對數(shù)變換);set(gcf,color,b);%old_image4=WW-old_image1;old_image4=uint8(old_image4);figure(24);subplot(1,2,1);imshow(old_image);title(原圖像);subplot(1,2,2);imshow(old_image4);title(對灰度圖像求反);set(gcf,color,y);%J=imnoise(old_image,gaussian,0.02);

15、 Jk1=filter2(fspecial(average,3),J); Jk2=filter2(fspecial(average,5),J); Jk3=filter2(fspecial(average,7),J); Jk4=filter2(fspecial(average,9),J); figure(25);subplot(2,3,1);imshow(old_image);title(原圖像);subplot(2,3,2);imshow(J); title(添加高斯噪聲圖像); subplot(2,3,3);imshow(uint8(Jk1);title(33模板平滑濾波);subplot(

16、2,3,4);imshow(uint8(Jk2);title(55模板平滑濾波);subplot(2,3,5);imshow(uint8(Jk3);title(77模板平滑濾波);subplot(2,3,6);imshow(uint8(Jk4);title(99模板平滑濾波);set(gcf,color,r);%clc;clear all;close all;%圖像增強%close all;clear all;I=imread(IMG_0110.jpg);old_image=I(:,:,1);%J1=imnoise(old_image,salt & pepper,0.02); J1k1=fil

17、ter2(fspecial(average,3),J1); J1k2=filter2(fspecial(average,5),J1); J1k3=filter2(fspecial(average,7),J1); J1k4=filter2(fspecial(average,9),J1); figure(26);subplot(2,3,1);imshow(old_image);title(原圖像);subplot(2,3,2);imshow(J1); title(添加椒鹽噪聲圖像); subplot(2,3,3);imshow(uint8(J1k1);title(33模板平滑濾波);subplot

18、(2,3,4);imshow(uint8(J1k2);title(55模板平滑濾波);subplot(2,3,5);imshow(uint8(J1k3);title(77模板平滑濾波);subplot(2,3,6);imshow(uint8(J1k4);title(99模板平滑濾波);set(gcf,color,c);%JJ=imnoise(old_image,salt & pepper,0.02);JJk1=medfilt2(JJ); JJk2=medfilt2(JJ,5 5); JJk3=medfilt2(JJ,7 7); JJk4=medfilt2(JJ,9 9);figure(27);

19、subplot(2,3,1);imshow(old_image);title(原圖像);subplot(2,3,2);imshow(JJ); title(添加椒鹽噪聲圖像);subplot(2,3,3);imshow(uint8(JJk1);title(33模板中值濾波);subplot(2,3,4);imshow(uint8(JJk2);title(55模板中值濾波);subplot(2,3,5);imshow(uint8(JJk3);title(77模板中值濾波);subplot(2,3,6);imshow(uint8(JJk4);title(99模板中值濾波);set(gcf,color

20、,g);%JJ1=imnoise(old_image,gaussian,0.02);JJ1k1=medfilt2(JJ1); JJ1k2=medfilt2(JJ1,5 5); JJ1k3=medfilt2(JJ1,7 7); JJ1k4=medfilt2(JJ1,9 9);figure(28);subplot(2,3,1);imshow(old_image);title(原圖像);subplot(2,3,2);imshow(JJ1); title(添加高斯噪聲圖像);subplot(2,3,3);imshow(uint8(JJ1k1);title(33模板中值濾波);subplot(2,3,4);imshow(uint8(JJ1k2);title(55模板中值濾波);subplot(2,3,5);imshow(uint8(JJ1k3);title(77模板中值濾波);subplot(2,3,6);imshow(uint8(JJ1k4);title(99模板中值濾波);set(gcf,color,b);%clc;clear all;clos