數(shù)字圖像處理上機(jī)實(shí)驗(yàn)報(bào)告(基于Matlab)

1、華北水利水電大學(xué)數(shù)字圖像處理上機(jī)實(shí)驗(yàn)報(bào)告學(xué)院：數(shù)學(xué)與信息科學(xué)專業(yè)：信息與計(jì)算科學(xué)姓名：孫志攀學(xué)號(hào)：201216511指導(dǎo)老師：黃春艷日期：2015年5月4日第一次實(shí)驗(yàn)1. 圖像的運(yùn)算實(shí)驗(yàn)?zāi)康模簣D像的算術(shù)運(yùn)算在圖像處理中有著廣泛的應(yīng)用，它除了可以實(shí)現(xiàn)自身所需的算術(shù)操作，還能為許多復(fù)雜的圖像處理提供準(zhǔn)備。例如，圖像減法就可以用來檢測(cè)同一場(chǎng)景或物體生成的兩幅或多幅圖像的誤差。我們可以使用MATLAB基本算術(shù)符(、等)來執(zhí)行圖像的算術(shù)操作，但是在此之前必須將圖像轉(zhuǎn)換為適合進(jìn)行基本操作的雙精度類型。圖像處理工具箱包含了一個(gè)能實(shí)現(xiàn)所有數(shù)值數(shù)據(jù)的算術(shù)操作的函數(shù)集合。列舉如下：函數(shù)名功能描述Imabsdiif

2、兩幅圖像的絕對(duì)差值Imadd兩個(gè)圖像的加法imcomplment補(bǔ)足一幅圖像imdivide兩個(gè)圖像的除法imlincomb計(jì)算兩幅圖像的線形組合lmmultiply兩個(gè)圖像的乘法Imsubtract兩個(gè)圖像的減法使用圖像工具箱中的圖像代數(shù)運(yùn)算函數(shù)無需再進(jìn)行數(shù)據(jù)類型間的轉(zhuǎn)換，這些函數(shù)能夠接受uint8和uintl6數(shù)據(jù)，并返回相同格式的圖像結(jié)果。圖像的算術(shù)運(yùn)算函數(shù)使用以下截取規(guī)則使運(yùn)算結(jié)果符合數(shù)據(jù)范圍的要求：超出數(shù)據(jù)范圍的整型數(shù)據(jù)將被截取為數(shù)據(jù)范圍的極值，分?jǐn)?shù)結(jié)果將被四舍五入。例如，如果數(shù)據(jù)類型是uint8，那么大于255的結(jié)果(包括無窮大inf)將被設(shè)置為255。無論進(jìn)行哪一種代數(shù)運(yùn)算都要保

3、證兩幅輸入圖像的大小相等，且類型相同。實(shí)驗(yàn)內(nèi)容：圖像的加法MATLAB中調(diào)用imadd函數(shù)實(shí)現(xiàn)圖像相加，格式如下：Z=imadd(X,Y)；其中Z=XY。圖像的減法圖像減法也稱為差分方法，MATLAB中調(diào)用imsubtract函數(shù)實(shí)現(xiàn)圖像相減。調(diào)用格式如下：Z=imsubtract(X,Y)；其中Z=XY。圖像的乘法兩幅圖像進(jìn)行乘法運(yùn)算可以實(shí)現(xiàn)掩模操作，即屏蔽掉圖像的某些部分。一幅圖像乘以一個(gè)常數(shù)通常被稱為縮放。如果使用的縮放因數(shù)大于1，那么將增強(qiáng)圖像的亮度，如果因數(shù)小于1則會(huì)使圖像變暗。MATLAB中調(diào)用immultiply函數(shù)實(shí)現(xiàn)兩幅圖像相乘。調(diào)用格式如下：Zimmultiply(X，Y)

4、；其中Z=XY。圖像的除法除法運(yùn)算可用于校正成像設(shè)備的非線性影響。MATLAB中調(diào)用imdivide函數(shù)進(jìn)行兩幅圖像相除。調(diào)用格式如下：Z=imdivide(X,Y)，其中Z=XY。圖像四則運(yùn)算因?qū)int8、uintl6數(shù)據(jù)，每步運(yùn)算都要進(jìn)行數(shù)據(jù)截取，將會(huì)減少輸出圖像的信息量。圖像四則運(yùn)算較好的辦法是使用函數(shù)imlincomb。該函數(shù)按雙精度執(zhí)行所有代數(shù)運(yùn)算操作，僅對(duì)最后的輸出結(jié)果進(jìn)行截取，該函數(shù)的調(diào)用格式如下：Z=imlincomb(A,X,B,Y,C)，其中，Z=AXBYCZ=imlincomb(A,X,C)，其中：ZAXCZ=imlincomb(A,X,B,Y)，其中：Z=AXBY1.

5、 圖像的加法基于Matlab的代碼如下：clear; I=imread(C:UsersAdministratorDesktop大海.jpg)J=imread(C:UsersAdministratorDesktop戀人.png)K=imadd(I,J);subplot(2,2,1);imshow(I);subplot(2,2,2);imshow(J);subplot(2,2,3);imshow(K);圖片素材：運(yùn)行結(jié)果窗口截圖：2. 圖像的減法基于Matlab的代碼如下：sea=imread(C:UsersAdministratorDesktop戀人.png)background=imopen(

6、sea,strel(disk,20);sea2=imsubtract(sea,background);subplot(1,2,1),imshow(sea);subplot(1,2,2),imshow(sea2); 素材圖片：運(yùn)行結(jié)果窗口截圖：3. 圖像的乘法基于Matlab的代碼如下：I=imread(C:UsersAdministratorDesktop戀人.png)J=immultiply(I,1.2);K=immultiply(I,0.6);subplot(1,3,1),imshow(I);subplot(1,3,2),imshow(J);subplot(1,3,3),imshow(K)

7、;素材圖片：運(yùn)行結(jié)果窗口截圖：4. 圖像的除法基于Matlab的代碼如下：Love=imread(C:UsersAdministratorDesktop戀人.png)I=double(Love);J=0.73*I+100;Ip=imdivide(I,J);subplot(2,2,1),imshow(uint8(I);subplot(2,2,3),imshow(uint8(J);subplot(2,2,4),imshow(uint8(Ip),);運(yùn)行結(jié)果窗口截圖：5. 圖像的邏輯運(yùn)算（與、或、非、異或等運(yùn)算）基于Matlab的代碼如下：clear allA=zeros(128);A(40:70,

8、60:100)=1; %生成128*128的零矩陣A，將寬40-70，高60-100的值設(shè)為1B=zeros(128);B(50:80,40:70)=1; %生成128*128的零矩陣B，將寬50-80，高40-70的值設(shè)為1 C=A(:,:,1); %取單色% D=B(:,:,1);figure(Name,圖像邏輯運(yùn)算) res1=C&D; %C&D%res2=C|D; %C|D%res3=xor(C,D); %xor C D% res3_2=xor(D,C) %xor D C% res4=not(C)¬(D); %C% res4_2=not(C)|not(D); %D% subplo

9、t(2,3,1)subplot(2,3,1)imshow(res1);title(C&D); % &運(yùn)算subplot(2,3,2)imshow(res2);title(C|D); % |運(yùn)算subplot(2,3,3)imshow(res3);title(xor C D); % or運(yùn)算subplot(2,3,4)imshow(res3_2);title(xor D C); subplot(2,3,5)imshow(res4);title(C&D); % 運(yùn)算subplot(2,3,6)imshow(res4_2);title(C|D);運(yùn)行結(jié)果窗口截圖：2. 圖像的濾波（空間、頻域）實(shí)驗(yàn)?zāi)?/p>

10、的 掌握matlab程序設(shè)計(jì)語言，掌握matlab基本數(shù)據(jù)類型、核心函數(shù)及輔助函數(shù)的使用。掌握理想和線性平滑濾波器的設(shè)計(jì)方法。實(shí)驗(yàn)內(nèi)容 利用理想和線性平滑濾波器實(shí)現(xiàn)圖像的濾波；三、實(shí)驗(yàn)原理二維理想低通濾波器的傳遞函數(shù)為：D0是指定非負(fù)數(shù)值，D（u，v）是（u，v）點(diǎn)距頻率中心的距離。如果要研究的圖像尺寸為M X N，則它的變換也有相同的尺寸。在半徑為D0的圓內(nèi)，所有頻率無衰減地通過濾波器，而在此半徑之外的所有頻率完全被衰減掉。高斯高通濾波器傳遞函數(shù)為：D（u，v）是距傅立葉變換中心原點(diǎn)的距離。D0是截止頻率。高斯低通濾波器的傅立葉變換也是高斯的。二維理想高通濾波器的傳遞函數(shù)為：D0是從頻率矩形

11、中點(diǎn)測(cè)得的截止頻率長度，它將以D0為半徑的圓周內(nèi)的所有頻率置零，而毫不衰減地通過圓周外的任何頻率。但其物理上是不可實(shí)現(xiàn)的。高斯高通濾波器傳遞函數(shù)為：高通濾波器能夠用高斯型低通濾波器的差構(gòu)成。這些不同的濾波器有更多的參數(shù)，因此能夠?qū)V波器的形狀進(jìn)行更多的控制。四實(shí)驗(yàn)設(shè)備和儀器1計(jì)算機(jī) 2. matlab開發(fā)平臺(tái)空間域?yàn)V波（舉例：線性平滑濾波器）基于Matlab的代碼如下：I=imread(C:UsersAdministratorDesktop撐著油紙傘的姑娘.jpg);subplot(231)imshow(I)title(原始圖像)I=rgb2gray(I);I1=imnoise(I,salt

12、& pepper,0.02);subplot(232)imshow(I1)title( 添加椒鹽噪聲的圖像)k1=filter2(fspecial(average,3),I1)/255; %進(jìn)行3*3模板平滑濾波k2=filter2(fspecial(average,5),I1)/255; %進(jìn)行5*5模板平滑濾波k3=filter2(fspecial(average,7),I1)/255; %進(jìn)行7*7模板平滑濾波k4=filter2(fspecial(average,9),I1)/255; %進(jìn)行9*9模板平滑濾波subplot(233),imshow(k1);title(3*3 模板平滑

13、濾波);subplot(234),imshow(k2);title(5*5 模板平滑濾波);subplot(235),imshow(k3);title(7*7 模板平滑濾波);subplot(236),imshow(k4);title(9*9 模板平滑濾波);運(yùn)行結(jié)果窗口截圖：頻域?yàn)V波（舉例：理想低通濾波器）基于Matlab的代碼如下：RGB = imread(C:UsersAdministratorDesktoplove.png);I0 = rgb2gray(RGB); subplot(2,3,1),imshow(I0);title(原圖);I1 = imnoise(I0,gaussian)

14、; %對(duì)原圖像加噪聲subplot(2,3,2),imshow(I1);title(加入噪聲后) %將灰度圖像的二維不連續(xù)Fourier 變換的零頻率成分移到頻譜的中心s=fftshift(fft2(I1);subplot(2,3,3),imshow(log(1+abs(s),);title(fftshift); M,N=size(s); %分別返回s的行數(shù)到M中，列數(shù)到N中n1=floor(M/2); %對(duì)M/2進(jìn)行取整n2=floor(N/2); %對(duì)N/2進(jìn)行取整%ILPF濾波（程序中以d0=15為例）d0=50; %初始化d0for i=1:Mfor j=1:N d=sqrt(i-n1

15、)2+(j-n2)2); %點(diǎn)（i,j）到傅立葉變換中心的距離 if d=d0 %點(diǎn)（i,j）在通帶內(nèi)的情況 h(i,j)=1; %通帶變換函數(shù) else %點(diǎn)（i,j）在阻帶內(nèi)的情況 h(i,j)=0; %阻帶變換函數(shù)ends(i,j)=h(i,j)*s(i,j); %ILPF濾波后的頻域表示endends=ifftshift(s); %對(duì)s進(jìn)行反FFT移動(dòng)%對(duì)s進(jìn)行二維反離散的Fourier變換后，取復(fù)數(shù)的實(shí)部轉(zhuǎn)化為無符號(hào)8位整數(shù)s=uint8(real(ifft2(s); subplot(2,3,4),imshow(h);title(傳遞函數(shù)); %顯示GHPF濾波器的傳遞函數(shù)subpl

16、ot(2,3,5),imshow(s); title(ILPF濾波（d0=50); %顯示ILPF濾波后的圖像運(yùn)行結(jié)果窗口截圖：第二次實(shí)驗(yàn)1.圖像復(fù)原算法圖像在形成、傳輸和記錄過程中，由于受到多種原因的影響，圖像的質(zhì)量就會(huì)有所下降，典型的表現(xiàn)為圖像模糊、失真、有噪聲等，這一過程稱為圖像的退化。圖像復(fù)原是試圖利用退化過程的先驗(yàn)知識(shí)使已退化的圖像恢復(fù)本來面目，即根據(jù)退化的原因，分析引起退化的環(huán)境因素，建立相應(yīng)的數(shù)學(xué)模型，并沿著使圖像降質(zhì)的逆過程恢復(fù)圖像。目的在于消除或減輕在圖像獲取以及傳輸?shù)倪^程中造成的圖像品質(zhì)下降，恢復(fù)圖像的本來面目。因此，復(fù)原技術(shù)就是把退化模型化，并采用相反的過程進(jìn)行處理，以便

17、盡可能復(fù)原被退化圖像的本來面目。廣義上講，圖像復(fù)原是一個(gè)求逆問題，逆問題經(jīng)常存在非唯一解，甚至無解。要想恢復(fù)全真的景物圖像比較困難。為了得到逆問題的有用解，圖像復(fù)原本身往往需要一個(gè)質(zhì)量標(biāo)準(zhǔn)，即衡量接近全真景物圖像的程度，或者說，對(duì)圖像的估計(jì)是否達(dá)到最佳的程度。需要有先驗(yàn)知識(shí)以及對(duì)解的附加約束條件。典型的圖像復(fù)原是根據(jù)圖像退化的先驗(yàn)知識(shí)建立一個(gè)退化模型，以此模型為基礎(chǔ)，采用各種逆退化處理的方法進(jìn)行恢復(fù)，使圖像質(zhì)量得到改善。圖像退化的數(shù)學(xué)模型一般來說，圖像的生成可以簡(jiǎn)單地被描述為如下數(shù)學(xué)模型：f(x,y)是成像景物，H是綜合退化因子，g(x,y)是退化圖像。圖像f(x,y)可以表示為：用卷積符號(hào)*

18、表示為：因此還有：式中，是像素點(diǎn)的特性函數(shù)，為沖擊響應(yīng)。假定成像系統(tǒng)是線性移不變系統(tǒng)：退化模型如圖所示+不考慮加性噪聲：考慮加性噪聲：卷積等同于頻域內(nèi)乘積：逆濾波復(fù)原逆濾波復(fù)原法也叫做反向?yàn)V波法，其主要過程是首先將要處理的數(shù)字圖像從空間域轉(zhuǎn)換到傅里葉頻域中，進(jìn)行反向?yàn)V波后再由頻率域轉(zhuǎn)回到空間域，從而得到復(fù)原的圖像信號(hào)5。1在不考慮噪聲的情況下：上式兩邊進(jìn)行傅里葉變換得則原始圖像= 然后進(jìn)行傅里葉逆變換，就可以得到原始圖像。由此可看出，如果已知退化圖像的傅里葉變換和“濾波”傳遞函數(shù)，則可以求得原始圖像的傅里葉變換，經(jīng)反傅里葉變換就可以求得原始圖像f(x,y)，這就是逆濾波法的基本原理。但在實(shí)際中

19、用逆濾波法存在病態(tài)的情況：當(dāng)H(u,v)=0時(shí)，或非常小的數(shù)值點(diǎn)上，F(xiàn)(u,v)將變成無窮大或非常大的數(shù)。2在有噪聲的情況下：逆濾波原理可以寫成：G(u,v)=F(u,v)H(u,v)+N(u,v)寫成逆濾波的方式：F(u,v)=F(u,v)+ 但實(shí)際用逆濾波存在病態(tài)的情況：噪聲存在，當(dāng)H(u,v)很小或?yàn)榱銜r(shí)，則噪聲被放大。這意味著退化圖像中小噪聲的干擾在H(u,v)較小時(shí)，會(huì)對(duì)逆濾波恢復(fù)的圖像產(chǎn)生很大的影響，有可能使恢復(fù)的圖像和f(x,y)相差很大，甚至面目全非。實(shí)驗(yàn)證明，當(dāng)退化圖像的噪聲較小，即輕度降質(zhì)時(shí)，采用逆濾波復(fù)原的方法可以獲得較好的結(jié)果。通常，在離頻率平面原點(diǎn)較遠(yuǎn)的地方數(shù)值較小或

20、為零，因此圖像復(fù)原在原點(diǎn)周圍的有限區(qū)域內(nèi)進(jìn)行，即將退化圖像的傅里葉頻譜限制在沒出零點(diǎn)而且數(shù)值又不是太小的有限范圍內(nèi)。維納濾波復(fù)原逆濾波比較簡(jiǎn)單，但沒有清楚地說明如何處理噪聲，而維納濾波綜合了退化函數(shù)和噪聲統(tǒng)計(jì)特性兩個(gè)方面進(jìn)行復(fù)原處理。維納濾波是維納在1949年提出的，并應(yīng)用于一維平穩(wěn)時(shí)間序列，獲得了滿意的結(jié)果。這是最早也是最著名的線性濾波技術(shù)。 采用維納濾波是假設(shè)圖像信號(hào)可以近似看成平穩(wěn)隨機(jī)過程的前提下，按照使f(x,y)和f(x,y)之間的均方誤差達(dá)到最小的準(zhǔn)則函數(shù)來實(shí)現(xiàn)圖像復(fù)原的，即式中，E（）代表求期望值。因此維納濾波又稱為最小均方誤差濾波器。維納濾波需要假定下述條件成立：1、 系統(tǒng)為線

21、性空間移不變系統(tǒng)。2、 退化圖像、原始圖像、噪聲都是均勻隨機(jī)場(chǎng)，噪聲的均值為零，且與圖像不相關(guān)。維納濾波的復(fù)原濾波函數(shù)，即濾波器的傳遞函數(shù)為： 沒有噪聲時(shí)，維納濾波退化為逆濾波。有噪聲時(shí)，維納濾波利用信噪功率比對(duì)恢復(fù)過程進(jìn)行修正，在信噪功率比很小的區(qū)域內(nèi)，P(u,v)的值也很小，這使恢復(fù)圖像較小地依賴于退化圖像。在H(u,v)很小或等于零時(shí)，P(u,v)的分母不為零，維納濾波沒有病態(tài)問題7。在實(shí)際系統(tǒng)中，維納濾波經(jīng)常用下式近似：，K為特殊常數(shù)。 的維納濾波要求未退化圖像和噪聲的功率必須是已知的。雖然用近似的方法能得到好的結(jié)果，但功率譜比常數(shù)K的估計(jì)一般沒有合適的解?；贛atlab的代碼如下：

22、clear; I=imread(C:UsersAdministratorDesktop明曉妹妹原始圖.jpg)imshow(I); I=rgb2gray(I); %將原圖像轉(zhuǎn)化為黑白圖figure; subplot(2,2,1);imshow(I);title(轉(zhuǎn)成黑白圖像); m,n=size(I); F=fftshift(fft2(I); k=0.0025; for u=1:m for v=1:n H(u,v)=exp(-k)*(u-m/2)2+(v-n/2)2)(5/6); endendG=F.*H; I0=real(ifft2(fftshift(G); I1=imnoise(uint8

23、(I0),gaussian,0,0.001) subplot(2,2,2);imshow(uint8(I1);title(模糊退化且添加高斯噪聲的圖像); F0=fftshift(fft2(I1); F1=F0./H; I2=ifft2(fftshift(F1); subplot(2,2,3);imshow(uint8(I2);title(全逆濾波復(fù)原圖); K=0.1; for u=1:m for v=1:n H(u,v)=exp(-k*(u-m/2)2+(v-n/2)2)(5/6); H0(u,v)=(abs(H(u,v)2; H1(u,v)=H0(u,v)/(H(u,v)*(H0(u,v

24、)+K); endendF2=H1.*F0; I3=ifft2(fftshift(F2); subplot(2,2,4);imshow(uint8(I3);窗口截圖如下：經(jīng)過仿真，如上圖所示，可以看出逆濾波復(fù)原與維納濾波復(fù)原的區(qū)別和聯(lián)系。維納濾波后雖然仍有一些噪聲存在，但已經(jīng)和原圖很接近了。因?yàn)樵瓐D像和噪聲函數(shù)都是已知的，可以正確的估算參量。使用Lucy-Richardson算法的迭代非線性復(fù)原L-R算法是一種迭代非線性復(fù)原算法，它是從最大似然公式印出來的，圖像用泊松分布加以模型化的。當(dāng)下面這個(gè)迭代收斂時(shí)模型的最大似然函數(shù)就可以得到一個(gè)令人滿意的方程：*代表卷積，代表未退化圖像的估計(jì)，g和h和

25、以前定義一樣。這個(gè)算法的本質(zhì)是顯而易見的。它的非線性本質(zhì)是在方程右邊用來除產(chǎn)生的4。在IPT中，L-R算法是由名為deconvlucy的函數(shù)完成的，此函數(shù)的語法為fr= deconvlucy(g,PSF,NUMIT,DAMPAR,WEIGHT)其中，fr代表復(fù)原的圖像，g代表退化的圖像，PSF是點(diǎn)擴(kuò)散函數(shù)，NUMIT為迭代次數(shù)（默認(rèn)為10次），DAMPAR是一個(gè)標(biāo)量，它指定了結(jié)果圖像與原圖像g之間的偏離閾值。WEIGHT是一個(gè)與g同樣大小的數(shù)組，它為每一個(gè)像素分配一個(gè)權(quán)重來反映其重量?；贛atlab的代碼如下：clear; I=imread(C:UsersAdministratorDeskt

26、op孫志攀帥比原始圖.jpg)PSF=fspecial(gaussian,5,5) ;Blurred=imfilter(I,PSF,symmetric,conv); V=.003; BN=imnoise(Blurred,gaussian,0,V); luc=deconvlucy(BN,PSF,5); figuresubplot(2,2,1);imshow(I);title(原始圖像);subplot(2,2,2);imshow (Blurred);title(模糊后的圖像);subplot(2,2,3);imshow (BN);title(加噪后的圖像);subplot(2,2,4);imsh

27、ow (luc);title(恢復(fù)后的圖像);窗口截圖如下：2.讀入一幅彩色圖像，顯示各層圖像。（方法一）基于Matlab的代碼如下：I=imread(C:Documents and SettingsAdministrator桌面1.jpg);%如果是win7系統(tǒng)則讀取路徑為I=imread(C:UsersAdministratorDesktop1.jpg);IR=I;IG=I;IB=I;IR(:,:,2)=0;IR(:,:,3)=0;IG(:,:,1)=0;IG(:,:,3)=0;IB(:,:,1)=0;IB(:,:,2)=0;figure;subplot(2,2,1);imshow(I,)

28、;title(I);subplot(2,2,2);imshow(IR,);title(IR);subplot(2,2,3);imshow(IG,);title(IG);subplot(2,2,4);imshow(IB,);title(IB);（方法二）基于Matlab的代碼如下：I=imread(C:Documents and SettingsAdministrator桌面1.jpg);R = I(:,:,1);G = I(:,:,2);B = I(:,:,3);figure;subplot(2,2,1);imshow(I,);title(I);subplot(2,2,2);imshow(R,

29、);title(R);subplot(2,2,3);imshow(G,);title(G);subplot(2,2,4);imshow(B,);title(B);3.圖像的變換（小波或FT變換）clear allclose allA=imread(C:Documents and SettingsAdministrator桌面1.jpg);%讀入并且顯示出一個(gè)圖像文件subplot(1,2,1);imshow(A);title(原始的圖像);%顯示原始圖像作為對(duì)照if length(size(A)=3A=rgb2gray(A);endsubplot(1,2,2);imshow(A);title(灰度圖像);%對(duì)灰度圖像進(jìn)行傅里葉變換并輸出頻譜A2=fft2(A);A2=fftshift(A2);%將圖像進(jìn)行二維傅里葉變換figure,imshow(log(abs(A2)+1),0,12);%顯示傅里葉變換后的圖像title(傅里葉變