圖像平滑處理Word版

1、 1用 butterworth和理想低通濾波器對受椒鹽噪聲和高斯噪聲污染的圖像進(jìn)行平滑處理, 計算平滑前后的PSNR(峰值信噪比).解答：首先利用imnoise函數(shù)產(chǎn)生被噪聲污染的圖像，首先實現(xiàn)理想低通濾波器的平滑處理，對于理想低通的截止頻率，下面分別嘗試了取0.05,0.1, 0.2個寬的長度以下是理想低通實現(xiàn)對椒鹽噪聲的平滑處理，程序如下f=imread(face.jpg);以下分別獲得兩個噪聲圖像fsalt=imnoise(f,'salt & pepper',0.1);fgauss=imnoise(f,'gaussian',0,0.02);首先進(jìn)行

2、fft變換f1=fft2(fsalt);改變中心坐標(biāo)>> f2=fftshift(f1);設(shè)定截止頻率>> d0=0.05*495;開始填充新的幅頻圖 for i=1:1:642 for j=1:1:495 if (i-321)*(i-321)+(j-248)*(j-248)<d0*d0 f3(i,j)=f2(i,j); else f3(i,j)=0; end endend>> f4=ifftshift(f3);反變換以及輸出>> ff=abs(ifft2(f4);>> subplot(2,2,1);>> imsho

3、w(f);>> subplot(2,2,2);>> imshow(fsalt);>> subplot(2,2,3);>> imshow(abs(log(1+f3),);>> subplot(2,2,4);>> imshow(mat2gray(ff)下面分別是原圖，噪聲圖像，以及分別取0.05 ，0.1 ，0.2 個直徑作為截止頻率得到的新的幅頻圖像和最后反變換得到的平滑圖像可見當(dāng)截止頻率比較低時候平滑效果是比較好的，噪聲得到較好地抑制，但是代價是原圖的細(xì)節(jié)也被磨掉了，所以后面增大截止頻率后雖然噪聲有所增加，但是圖像原來的細(xì)

4、節(jié)也越來越明顯，圖像變得細(xì)膩了原圖及椒鹽噪聲圖像0.050.10.2峰值信噪比定義為：其中，MAXI是表示圖像點顏色的最大數(shù)值，如果每個采樣點用 8 位表示，那么為255下面首先計算原圖與椒鹽噪聲圖像的峰值信噪比，程序和結(jié)果如下f=double(f);fsalt=double(fsalt); s=0; for i=1:1:642 for j=1:1:495 m=(f(i,j)-fsalt(i,j)2; s=s+m; endend>> mse=s/(642*495);>> PSNR=10*log10(2552/mse)PSNR = 14.1058下面計算處理過的圖像，取0

5、.2的那一幅平滑圖像f=double(f);ff=double(ff); s=0; for i=1:1:642 for j=1:1:495 m=(f(i,j)-ff(i,j)2; s=s+m; endendmse=s/(642*495);>> PSNR=10*log10(2552/mse)PSNR = 22.9686比較可得峰值信噪比提高了，不過好像還不是很大下面用二階巴特沃斯濾波器處理高斯噪聲污染的圖像，過程跟上面差不多，只不過是濾波器換了下面是程序和結(jié)果，這里也就不多寫了f1=fft2(fgauss);f2=fftshift(f1);d0=(0.05*495)2;for i=1

6、:1:642for j=1:1:495 d=(i-321)2+(j-248)2;主要就是二階濾波器這里應(yīng)該這樣子寫，當(dāng)然階數(shù)越多就越接近理想低通f3(i,j)=f2(i,j)/(1+(d/d0)2);endendf4=ifftshift(f3); ff=abs(ifft2(f4);subplot(2,2,1);imshow(f);subplot(2,2,2);>> imshow(fgauss);>> subplot(2,2,3);imshow(abs(log(1+f3),);subplot(2,2,4); imshow(mat2gray(ff)下面分別是截止頻率為0.0

7、5 0.1 0.2 時候復(fù)原的圖像，可見振鈴現(xiàn)象有所減少好吧還得計算其峰值信噪比啊，首先計算原圖與高斯噪聲污染的圖的信噪比，程序和結(jié)果如下，也就不多說了，直接上f=double(f);fgauss=double(fgauss); s=0; for i=1:1:642 for j=1:1:495 m=(f(i,j)-fgauss(i,j)2; s=s+m; endend>> mse=s/(642*495);>> PSNR=10*log10(2552/mse)PSNR = 18.5093下面計算平滑后的信噪比f=double(f);ff=double(ff); s=0; f

8、or i=1:1:642 for j=1:1:495 m=(f(i,j)-ff(i,j)2; s=s+m; endendmse=s/(642*495); PSNR=10*log10(2552/mse)PSNR = 28.9013簡單比較就是信噪比的確提高了很多2. 用 3x3鄰域平均平滑和3x3中值濾波對受椒鹽噪聲和高斯噪聲污染的圖像進(jìn)行平滑處理, 計算平滑前后的PSNR(峰值信噪比).解答：怎么還是這樣的題目，好吧 領(lǐng)域平均平滑就很簡單了，就是求平均了，以這個均值作為自己的灰度值程序如下for i=2:1:641 for j=2:1:494 f1(i,j)=(1/9)*(fsalt(i-1,

9、j-1)+fsalt(i-1,j) +fsalt(i-1,j+1)+fsalt(i,j-1)+fsalt(i,j)+fsalt(i,j+1)+fsalt(i+1,j-1)+fsalt(i+1,j)+fsalt(i+1,j+1); endend>> imshow(f1)Warning: Image is too big to fit on screen; displaying at 67% > In imuitoolsprivateinitSize at 73 In imshow at 262>> subplot(1,2,1);>> imshow(fsa

10、lt);>> subplot(1,2,2);>> imshow(f1)；首先這里偷懶了，邊緣沒有補充，可以取臨近值近似啥的，不過影響不大，這里就忽略了得到的原圖和輸出的平滑圖像，可見是真很大啊，只有個大概的輪廓了，黑白都融合了 均值濾波效果圖 椒鹽噪聲求其信噪比，由于加噪后的前面已經(jīng)做過了，這里只做平滑后的上程序，跟之前差不多f=double(f);f1=double(f1); s=0; for i=2:1:641 for j=2:1:494 m=(f(i,j)-f1(i,j)2; s=s+m; endendmse=s/(641*494); PSNR=10*log10(

11、2552/mse)PSNR = 12.3306前面噪聲的是PSNR = 14.1058信噪比竟然減小了，所以這樣子不妥啊，我決定給加個閾值，再來做一次平均值降噪程序如下f=imread('face.jpg');fsalt=imnoise(f,'salt & pepper',0.1);for i=2:1:641for j=2:1:494 f1(i,j)=(1/9)*(fsalt(i-1,j-1)+fsalt(i-1,j) +fsalt(i-1,j+1)+fsalt(i,j-1)+fsalt(i,j)+fsalt(i,j+1)+fsalt(i+1,j-1)+

12、fsalt(i+1,j)+fsalt(i+1,j+1); if abs(fsalt(i,j)-f1(i,j)>150 f2(i,j)=f1(i,j); else f2(i,j)=fsalt(i,j); endendend subplot(1,2,1);imshow(fsalt);subplot(1,2,2);imshow(f2);對于這幅圖嘗試了幾次，最后閾值頂?shù)竭@么大，左邊臉還是有塊疤啊 有閾值的均值濾波效果圖 椒鹽噪聲可見均值對椒鹽噪聲沒啥辦法，下面來試試高斯噪聲f=imread(face.jpg);fsalt=imnoise(f,gaussian,0,0.02);for i=2:1

13、:641 for j=2:1:494 f1(i,j)=(1/9)*(fsalt(i-1,j-1)+fsalt(i-1,j) +fsalt(i-1,j+1)+fsalt(i,j-1)+fsalt(i,j)+fsalt(i,j+1)+fsalt(i+1,j-1)+fsalt(i+1,j)+fsalt(i+1,j+1); endend>> imshow(f1)Warning: Image is too big to fit on screen; displaying at 67% > In imuitoolsprivateinitSize at 73 In imshow at 26

14、2>> subplot(1,2,1);>> imshow(fsalt);>> subplot(1,2,2);>> imshow(f1)；我偷了個懶，這次雖然寫的是fsalt,其實是gaussian噪聲，不過效果也不明顯啊，都做煩了，這個的信噪比就不求了，看樣子也不高 均值濾波效果圖 高斯噪聲下面來做中值濾波，我估計對于高斯噪聲這種圖像中值濾波會很好用的，濾波原理就是求出中間值了，把這個中間值作為新的填充灰度，上程序 f=imread('face.jpg');fsalt=imnoise(f,'salt & peppe

15、r',0.1);>> for i=2:1:641 for j=2:1:494 a=fsalt(i-1,j-1) fsalt(i-1,j) fsalt(i-1,j+1) fsalt(i,j-1) fsalt(i,j) fsalt(i,j+1) fsalt(i+1,j-1) fsalt(i+1,j) fsalt(i+1,j+1); for k=8:-1:1; for l=1:1:k;冒泡排序法 if a(l)>a(l+1) temp=0; temp=a(l); a(l)=a(l+1); a(l+1)=temp; end end end f1(i,j)=a(5); ende

16、nd>> subplot(1,2,1);imshow(fsalt);subplot(1,2,2);imshow(f1)得到如下輸出，效果真的是很好啊 中值濾波效果圖 椒鹽噪聲計算一下此時的信噪比f=double(f);f1=double(f1); s=0; for i=1:1:641 for j=1:1:494 m=(f(i,j)-f1(i,j)2; s=s+m; endendmse=s/(641*494); PSNR=10*log10(2552/mse)PSNR = 39.6073這是原圖與濾波后圖像的信噪比，真的比之前加噪聲的圖像PSNR = 14.1058db要好很多很多，比

17、之前的平均值濾波效果要好很多很多，幾乎和原圖近似了，可見中值濾波對付椒鹽噪聲是很有效的 下面來看均值濾波對付高斯噪聲是啥效果程序就不貼了，跟前面一樣，只是把椒鹽噪聲圖像換成高斯噪聲圖像，直接貼結(jié)果 中值濾波 高斯噪聲失真很大啊，大概只能看個輪廓，下面試驗一下加個閾值再來一次中值濾波看看效果 閾值為100時的效果圖把代碼也附上吧f=imread('face.jpg');fsalt=imnoise(f,'gaussian',0,0.02); for i=2:1:641 for j=2:1:494 a=fsalt(i-1,j-1) fsalt(i-1,j) fsalt

18、(i-1,j+1) fsalt(i,j-1) fsalt(i,j) fsalt(i,j+1) fsalt(i+1,j-1) fsalt(i+1,j) fsalt(i+1,j+1); for k=8:-1:1; for l=1:1:k; if a(l)>a(l+1) temp=0; temp=a(l); a(l)=a(l+1); a(l+1)=temp; end end end if abs(a(5)-fsalt(i,j)<100 f1(i,j)=a(5); else f1(i,j)=fsalt(i,j); end endendsubplot(1,2,1);imshow(fsalt);subplot(1,2,2);imshow(f1)1. 用 roberts算子和Laplace算子對一圖像進(jìn)行銳化處理, 得到其邊緣二值圖像.首先使用羅伯茨算子，程序和結(jié)果如下f=imread('face.jpg'); for i=2:1:641 for j=2:1:494 g1(i,j)=1*max(abs(f(i+1,j+1)-f(i,j),abs(f(i+1,j)-f(i,j+1); g2(i,j)=2*max(abs(f(i+1,j+1)-f(i,j),abs(f(i+1,j)-f(i,j