光電圖像處理課程設(shè)計(jì)

1、光電 學(xué)院： 專業(yè)： 學(xué)號(hào)： 姓名： 2013年6月1日課程設(shè)計(jì)圖像處理 光電頭像處理 實(shí) 驗(yàn) 報(bào) 告 實(shí)驗(yàn)時(shí)間 2013年6月1號(hào) 第14 周 理 學(xué)院 班級(jí)學(xué)號(hào) 姓名 組號(hào) 01 指導(dǎo)老師 李晶 得分 實(shí)驗(yàn)名稱：1.圖像的傅里葉變換 2.圖像增強(qiáng) 3.小波變換實(shí)驗(yàn)?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(guò)實(shí)驗(yàn)了解二維頻譜的分布特點(diǎn)；通過(guò)本實(shí)驗(yàn)掌握利用MATLAB編程實(shí)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(jì)算方法；熟練掌握直方圖均衡化和直方圖規(guī)定化的計(jì)算過(guò)程；熟練掌握空域?yàn)V波中常用的平滑和銳化濾波器；利用MATLAB程序進(jìn)行圖像

2、增強(qiáng)。實(shí)驗(yàn)原理：1、應(yīng)用傅立葉變換進(jìn)行圖像處理傅里葉變換是線性系統(tǒng)分析的一個(gè)有力工具，它能夠定量地分析諸如數(shù)字化系統(tǒng)、采樣點(diǎn)、電子放大器、卷積濾波器、噪音和顯示點(diǎn)等的作用。通過(guò)實(shí)驗(yàn)培養(yǎng)這項(xiàng)技能，將有助于解決大多數(shù)圖像處理問(wèn)題。對(duì)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(lái)說(shuō)，把時(shí)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(duì)于二維信號(hào)，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(hào)的傅立葉變換變換一樣，有快速算法，具體參見(jiàn)參考書(shū)目，有關(guān)傅立葉變換的快速算法的程序不難找到。實(shí)際上，現(xiàn)在有實(shí)現(xiàn)傅立葉變換的芯片，可以實(shí)時(shí)實(shí)現(xiàn)傅立葉變換。2

3、.圖像增強(qiáng)是指按特定的需要突出一幅圖像中的某些信息，同時(shí)，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(duì)某些特定的應(yīng)用比原來(lái)的圖像更加有效。圖像增強(qiáng)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(shí)驗(yàn)以直方圖均衡化增強(qiáng)圖像對(duì)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(qiáng)。除了提供有用的圖像統(tǒng)計(jì)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(jì)算，也適用于商用硬件設(shè)備，因此，它們成為了實(shí)時(shí)圖像處理的一個(gè)流行工

4、具。直方圖是圖像的最基本的統(tǒng)計(jì)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(gè)灰度值動(dòng)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(qiáng)圖像的視覺(jué)效果?；叶戎狈綀D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(shí)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(jì)規(guī)律。直方圖反映了圖像的明暗分布規(guī)律，可以通過(guò)圖像變換進(jìn)行直方圖調(diào)整，獲得較好的視覺(jué)效果。直方圖均衡化是通過(guò)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(gè)灰度級(jí)上都具有相同的象素點(diǎn)數(shù)的過(guò)程。中值濾波中值濾波是一種基于排序統(tǒng)計(jì)理論的非線性濾波技術(shù)，它的目的是在消除噪聲的同時(shí)

5、保持圖像中的邊緣和細(xì)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(zhǎng)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(lái)窗口中心點(diǎn)的灰度值190就由110代替，如果190是一個(gè)尖銳的噪聲，此時(shí)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(duì)個(gè)別與周?chē)袼鼗叶炔町愝^大的點(diǎn)不如取平均值那么敏感，從而可以消除一些孤立的噪聲點(diǎn)，

6、又不容易產(chǎn)生模糊。中值濾波窗口的大小和形狀對(duì)于濾波效果都有著密切關(guān)系。一般說(shuō)來(lái)，小于濾波器面積一半的亮的或暗的物體基本上會(huì)被濾除，而較大的物體或被保存下來(lái)。因此，濾波器的大小要根據(jù)所處理的圖像進(jìn)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(shí)驗(yàn)步驟：實(shí)驗(yàn)一：打開(kāi)計(jì)算機(jī)，安裝和啟動(dòng)MATLAB程序；準(zhǔn)備好待處理的三個(gè)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(chǔ)格式應(yīng)為“.gif”； b)對(duì)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(duì)應(yīng)關(guān)系。記錄和整理實(shí)驗(yàn)報(bào)告。實(shí)驗(yàn)二：打開(kāi)計(jì)算機(jī)，安裝和啟動(dòng)MAT

7、LAB程序； 調(diào)入數(shù)字圖像，并進(jìn)行直方圖均衡化處理；顯示原圖像的直方圖和經(jīng)過(guò)均衡化處理過(guò)的圖像直方圖。調(diào)入原數(shù)字圖像，并進(jìn)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(shí)驗(yàn)報(bào)告。實(shí)驗(yàn)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(duì)其進(jìn)行一級(jí)2D小波分解，得到4個(gè)小波系數(shù)（近似系數(shù)CA，水平細(xì)節(jié)CH，垂直細(xì)節(jié)CV，對(duì)角細(xì)節(jié)CD）；對(duì)變換系數(shù)進(jìn)行編碼量化，并對(duì)其進(jìn)行拼接后，作為一幅圖進(jìn)行顯示；最后，對(duì)變換結(jié)果進(jìn)行簡(jiǎn)要分析。2.對(duì)上述小波分解的結(jié)果進(jìn)行2D小波逆變換，對(duì)逆變換的結(jié)果與原始圖像進(jìn)行對(duì)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(jī)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(duì)實(shí)例信號(hào)分別進(jìn)行不同的小波，不同級(jí)次的分解。觀察期變換結(jié)果，以對(duì)小波分析工具有更深入的了解和認(rèn)識(shí)。有興趣的同學(xué)還可以嘗試使用特殊工具進(jìn)行信號(hào)去噪等練習(xí)。實(shí)驗(yàn)結(jié)果：實(shí)驗(yàn)一：實(shí)驗(yàn)二：實(shí)驗(yàn)三：實(shí)驗(yàn)心得：實(shí)驗(yàn)對(duì)圖像的變換和恢復(fù)進(jìn)行了研究，分別從圖像預(yù)處理、傅里葉變換以及圖像增強(qiáng)和小波變換處理等方面進(jìn)行了分析。通過(guò)這次課程設(shè)計(jì)我們能夠比較系統(tǒng)的了解理論知識(shí)，掌握了傅里葉變換以及圖像增強(qiáng)和小波變換處理等方面的知識(shí)，學(xué)會(huì)了使用仿真軟件Matlab，并學(xué)會(huì)通過(guò)應(yīng)用軟件仿真來(lái)實(shí)現(xiàn)某些簡(jiǎn)單

9、的圖像的處理，對(duì)以后的學(xué)習(xí)和工作都起到了一定的作用，加強(qiáng)了動(dòng)手能力和學(xué)業(yè)技能。 通過(guò)這次課程設(shè)計(jì)還讓我們知道了，我平時(shí)所學(xué)的知識(shí)如果不加以實(shí)踐的話等于紙上談兵。課程設(shè)計(jì)主要是我理論知識(shí)的延伸，它的目的主要是要在設(shè)計(jì)中發(fā)現(xiàn)問(wèn)題，并且自己要能找到解決問(wèn)題的方案，形成一種獨(dú)立的意識(shí)。我還能從設(shè)計(jì)中檢驗(yàn)我所學(xué)的理論知識(shí)到底有多少，鞏固我已經(jīng)學(xué)會(huì)的，不斷學(xué)習(xí)我所遺漏的新知識(shí)把這門(mén)課學(xué)的扎實(shí)。當(dāng)然在做課程設(shè)計(jì)的過(guò)程中總會(huì)出現(xiàn)各種問(wèn)題，在這種情況下我都會(huì)努力尋求最佳路徑解決問(wèn)題，無(wú)形間提高了我的動(dòng)手，動(dòng)腦能力，并且同學(xué)之間還能相互探討問(wèn)題，研究解決方案，增進(jìn)大家的友誼?？偟膩?lái)說(shuō)，這次課程設(shè)計(jì)讓我們收獲頗多，

10、不僅讓我更深一步理解書(shū)本的知識(shí)，提高我分析問(wèn)題和解決問(wèn)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(qiáng)%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(duì)圖像進(jìn)行對(duì)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(duì)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(qiáng)%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