數(shù)字圖像處理實驗答案2(共17頁)

1、實驗(shyn)名稱：圖像(t xin)的銳化處理實驗(shyn)目的學習用銳化處理技術(shù)來加強圖像的目標邊界和圖像細節(jié)。對圖像進行梯度算子、Roberts算子、Sobel算子邊緣檢測處理和Laplace算子邊緣增強處理，使圖像的某些特征（如邊緣、輪廓等）得以進一步的增強和突出。實驗內(nèi)容編寫梯度算子和Roberts算子濾波函數(shù)。編寫Sobel算子濾波函數(shù)。編寫Laplace算子邊緣增強濾波函數(shù)。觀察頻域中用高低通濾波技術(shù)對圖像進行的平滑和銳化處理。實驗方法及編程用Matlab進行編程，主要是對照著實驗書上面的算法流程圖進行代碼的編寫，主要編寫代碼如下所示：function newbuf=RobF

2、ilter(oldbuf,M,N);% *% 函數(shù)名稱： % RobFilter() % 說明：% Robert梯度濾波算法。 % *for i=1:M-1for j=1:N-1newbuf(i,j)=abs(oldbuf(i,j)-oldbuf(i+1,j+1)+abs(oldbuf(i+1,j)-oldbuf(i,j+1);endend %- function newbuf=SobFilter(oldbuf,M,N);% *% 函數(shù)名稱： % SobFilter() % 說明(shumng)：% Sobel濾波(lb)算法。 % *for i=2:M-1for j=2:N-1 sx=old

3、buf(i+1,j-1)+2*oldbuf(i+1,j)+oldbuf(i+1,j+1)-oldbuf(i-1,j-1)-2*oldbuf(i-1,j)-oldbuf(i-1,j+1); sy=oldbuf(i-1,j+1)+2*oldbuf(i,j+1)+oldbuf(i+1,j+1)-oldbuf(i-1,j-1)-2*oldbuf(i,j-1)-oldbuf(i+1,j-1);newbuf(i,j)=abs(sx)+abs(sy); endend %-function newbuf=LapFilter(oldbuf,M,N);% *% 函數(shù)(hnsh)名稱： % LapFilter()

4、% 說明：% Laplace濾波算法。 % * for i=2:M-1for j=2:N-1 newbuf(i,j)=5*oldbuf(i,j)-oldbuf(i-1,j)-oldbuf(i+1,j)-oldbuf(i,j-1)-oldbuf(i,j+1); endend 實驗結(jié)果及分析（原圖像和處理后的圖像比較及分析）如上圖所示即為實驗(shyn)結(jié)果。如上圖所示Robert算子能夠檢測出原圖像的邊緣，并且顯示出來；Sobel在Robert算子的基礎(chǔ)上增強了邊緣，所以圖像上結(jié)果會顯示比原圖像邊緣要更加粗一些；Laplace算子與其他邊緣增強方法(fngf)不同，即其邊緣的增強程度和邊緣的方向

5、無關(guān)，所以圖像的細節(jié)(xji)明顯比原來更加突出。實驗名稱：圖像方塊編碼實驗目的通過編程實驗，掌握方塊編碼的基本方法及壓縮性能。實驗內(nèi)容編程實現(xiàn)子塊為nxn的方塊編碼基本算法，分別取n=2,4,8方塊尺寸進行編解碼實驗，計算編碼后的均方誤差和壓縮比。實驗圖像可為任意圖像。實驗方法及編程用Matlab進行編程，主要是對照著實驗書上面的算法流程圖進行代碼的編寫，下面是主要的實驗代碼：function newbuf=BtcCode(oldbuf,M,N,n)% *% 函數(shù)(hnsh)名稱：% BtcCode() 方塊(fn kui)編碼函數(shù)% 參數(shù)(cnsh)：% oldbuf 原圖像數(shù)組% M N

6、 原圖像尺寸% n 方塊尺寸% 說明：% 調(diào)用方塊編碼算法函數(shù)，輸出編碼后的圖像% * newbuf=oldbuf; rowblocks=M/n; colblocks=N/n; for i=1:rowblocks-1 row=i*n; for j=1:colblocks-1 col=j*n; for i=1:n for j=1:n inbuf(i,j)=oldbuf(i+row,j+col); end end outbuf=BtcBlock(inbuf,n); for i=1:n for j=1:n newbuf(i+row,j+col)=outbuf(i,j); end end end en

7、d%- function outbuf=BtcBlock(inbuf,n)% *% 函數(shù)名稱：% btcblock() 方塊編碼算法函數(shù)% 參數(shù)：% inbuf 方塊(fn kui)數(shù)組% n 方塊(fn kui)尺寸% outbuf 存放(cnfng)處理后的方塊圖像% 說明：% 把原圖像分成n*n子塊，對每個方塊的圖像數(shù)據(jù)分別計算xt,a0,a1值，再用分辨率分% 量(a0,a1)替代方塊原來的數(shù)據(jù) 最后放入方塊圖像數(shù)組中并返回該數(shù)組。% * temp=0; temp0=0; temp1=0; q=0;m=n*n; inbuf=double(inbuf);for i=1:n for j=1

8、:n temp=temp+inbuf(i,j); endendxt=temp/m;for i=1:n for j=1:n if (inbuf(i,j)=xt) q=q+1; temp1=temp1+inbuf(i,j); else temp0=temp0+inbuf(i,j); end endendif q=m a0=round(temp0/(m-q);endif q=0 a1=round(temp1/q);endfor i=1:n for j=1:n if (inbuf(i,j)1% 2_D DPCM: xi,j=128 if i=1,j=1% x i,j-1 if i=1,j1% xi-1

9、,j if i1,j=1 or N% 1/2x i,j-1 if i1,j1% 1/8xi-1,j-1 (Pirschs predictor)% 1/4xi-1,j % 1/8xi-1,j+1% Dim : Dimension of prediction% Row : vertical coordinate of current pixel to be predicted% COL : horizontal coordinate of current pixel to be predicted% *global newbuf; switch dim %預測(yc)算法編程 case 1 if

10、col=1 Pvalue=128; else Pvalue=newbuf(row,col-1); end case 2 if (row=1&col=1) Pvalue=128; end if (row=1&col1) Pvalue=newbuf(row,col-1); end if (row1&col=1)|(row1&col=N) Pvalue=newbuf(row-1,col); end if (row1&col1&colN) Pvalue=(1/2)*newbuf(row,col-1)+(1/4)*newbuf(row-1,col-1)+. (1/4)*newbuf(row-1,col+

11、1); endend%-function Qvalue=Quant_Value(err);% * % This function is used as linear quantizer.The quantizer has totally% 13 quantization level :% 0,-+7,-+16,-+27,-+38,-+51,-+66% * if (abs(err)=3) lev=0; else if(abs(err)=11) lev=7; else if(abs(err)=21) lev=16; else if(abs(err)=32) lev=27; else if(abs(

12、err)=44) lev=38; else if(abs(err)=58) lev=51; else lev=66; end; end; end; end; end; end; Qvalue = lev; if (err = 0) Qvalue = lev*(err / abs(err); end%-function Rvalue=Restor_Value(quan_err,pre_val)% *% This function is used to get restored value of DPCM% x=x+Quant_Error% * Rvalue=quan_err + pre_val;

13、 %-function Cvalue=Clip_Value(res_val)% *% This function is used to clip to restored value to 8_bit value% 0 if x255% x otherwise% * if (res_val255) Cvalue=255; else Cvalue=res_val; end;end;實驗結(jié)果(ji gu)及分析（原圖像和處理后的圖像比較及分析）如上圖所示，即為實驗所得的結(jié)果(ji gu)圖像。由實驗(shyn)結(jié)果可以看出，一維和二維預測編碼圖像非常接近原圖像；從誤碼圖像中可以看出，一維預測編碼會將

14、誤差延續(xù)到行末端，而二維預測編碼其將誤碼延續(xù)至其后的斜后方，所以二維預測編碼的誤差會偏小。實驗名稱：JPEG壓縮編碼實驗目的掌握nxn子塊的DCT圖像變換及頻譜特點。熟悉JPEG基本系統(tǒng)的圖像編解碼方法。實驗內(nèi)容編程實現(xiàn)(shxin)nxn子塊DCT變換的圖像頻譜顯示，8x8子塊DCT變換系數(shù)按“Z”掃描圖像重建，計算圖像的均方根(fnggn)誤差RMSE，顯示誤差圖像和誤差直方圖。編程實現(xiàn)JPEG壓縮編碼，進行8x8子塊的DCT圖像變換，JPEG量化矩陣的量化與反量化，8x8子塊DCT的圖像重建，計算圖像的均方根(fnggn)誤差RMSE，顯示誤差圖像和誤差直方圖。 實驗方法及編程用Matl

15、ab進行編程，主要是對照著實驗書上面的算法流程圖進行代碼的編寫，主要的代碼如下所示：function newbuf=DctBlock(oldbuf,Block)% *% 函數(shù)名稱： % DctBlock() DCT n*n 塊頻譜函數(shù)% % 參數(shù)：% oldbuf 原圖像數(shù)組% Block DCT n*n 當前塊選擇值% newbuf 存放處理后的圖像二維數(shù)組% % 說明：% 根據(jù)Block塊的當前選擇值，計算原圖像的n*n塊DCT變換，并轉(zhuǎn)換為可視頻譜圖，% 有利于頻譜的觀察。 % * oldbuf=double(oldbuf);% 添加程序H=dctmtx(Block);newbuf=bl

16、kproc(oldbuf,Block Block,P1*x*P2,H,H);newbuf=log(abs(newbuf);subplot(2,2,2);imshow(newbuf,); %- function newbuf=DctCode(oldbuf,DCTch)% *% 函數(shù)名稱： % DctCode() DCT 8*8 塊系數(shù)(xsh)“Z”字掃描(somio)圖像壓縮函數(shù)% % 參數(shù)(cnsh)：% oldbuf 原圖像數(shù)組% DCTch DCT 8*8 塊“Z”掃描當前系數(shù)選擇值% newbuf 存放處理后的圖像二維數(shù)組% % 說明：% 計算圖像的88子塊DCT變換，按“Z”字掃描順

17、序，根據(jù)DCTch參數(shù)，只保留64個% DCT系數(shù)中的前DCTch個系數(shù)，對修改后的DCT系數(shù)用逆DCT變換重建圖像，得到DCT變% 換的壓縮圖像。計算重建圖像的均方根誤差RMSE ；顯示誤差圖像和誤差直方圖。 % * zigzag=1 2 6 7 15 16 28 29 %設置z掃描順序 3 5 8 14 17 27 30 43 4 9 13 18 26 31 42 44 10 12 19 25 32 41 45 54 11 20 24 33 40 46 53 55 21 23 34 39 47 52 56 61 22 35 38 48 51 57 60 62 36 37 49 50 58

18、59 63 64; tbuf=ones(8); %定義8*8全1數(shù)組 maskbuf=tbuf .* zigzag= 1 %如果有數(shù)據(jù) s=max(h(:); subplot(2,2,3); %imshow(hist); bar(x,h/s,k); %顯示圖像差值直方圖 RMSE = num2str(RMSE); %把數(shù)值轉(zhuǎn)換為字符串 strRMSE = strcat(圖像差值直方圖 均方根誤差RMSE= ,RMSE); %把多個串連接成長串 title(strRMSE); e = mat2gray(e,-emax,emax); %顯示差值圖像 subplot(2,2,4),imshow(e); title(原圖像與壓縮圖像的差值圖像); %顯示結(jié)果圖像標題 endend實驗結(jié)果及分析（原圖像和處理后的圖像比較及分析）如上圖所示，即為實驗的結(jié)果(ji gu)圖像。對于DCT變換，變換后的高頻部分