信息方向課程設(shè)計(jì)報(bào)告數(shù)字圖像處理

1、課程設(shè)計(jì)報(bào)告題目： 數(shù)字圖像處理 物聯(lián)網(wǎng)工程 學(xué)院 電子信息工程 專(zhuān)業(yè)學(xué) 號(hào) 班 級(jí) 學(xué)生姓名 指導(dǎo)老師二一一年七月信息方向課程設(shè)計(jì)報(bào)告一、 課程設(shè)計(jì)目的數(shù)字信號(hào)處理和圖象處理是電子信息工程專(zhuān)業(yè)必修的基礎(chǔ)課 ,學(xué)好這些課程對(duì)于學(xué)生解決信息 系統(tǒng)中信號(hào)的傳輸與處理問(wèn)題是絕對(duì)必需的。然而 , 這些課程在著重培養(yǎng)學(xué)生掌握信號(hào)與系統(tǒng)物理模型的數(shù)學(xué)描述、分析、求解及相應(yīng)的物理解釋之外 , 在培養(yǎng)學(xué)生的實(shí)驗(yàn)技能方面 也應(yīng)提出明確的要求。鑒于這門(mén)課程偏重理論分析和計(jì)算求解的特點(diǎn) , 本課程的設(shè)計(jì)環(huán)節(jié)側(cè)重軟件 , 兼顧硬件 , 軟硬結(jié)合 , 這不僅會(huì)明顯地鞏固理論教學(xué)中所學(xué)的基本概念和分析方法, 而且將與其它

2、課程實(shí)驗(yàn)一起共同為本科生畢業(yè)設(shè)計(jì)和研究生論文工作的開(kāi)展打下良好基礎(chǔ)。二.課程設(shè)計(jì)任務(wù)1、自適應(yīng)系統(tǒng)仿模：繪制出ek2對(duì)k變化的lms學(xué)習(xí)曲線。2、對(duì)lena圖像的若干增強(qiáng)處理：（1）、直方圖均衡化增強(qiáng)圖像對(duì)比度的matlab程序： （2）、采用鄰域平滑算法增強(qiáng)圖像的matlab程序（3）、采用邊界銳化算法增強(qiáng)圖像的matlab程序3、對(duì)tout圖像進(jìn)行增強(qiáng)處理。三、課程設(shè)計(jì)的主要內(nèi)容1 自適應(yīng)系統(tǒng)仿模對(duì)于一個(gè)離散時(shí)間系統(tǒng)，可定義期待響應(yīng)dk為一個(gè)希望自適應(yīng)系統(tǒng)的輸出如與之相接近的信號(hào)，其中k為采樣時(shí)刻。 如圖1.1所示，系統(tǒng)由一個(gè)自適應(yīng)線性組合器和一個(gè)相減器組成，在k時(shí)刻的系統(tǒng)輸出誤差 (1.

3、1)而自適應(yīng)線性組合器的輸出 (1.2)其中分別為自適應(yīng)系統(tǒng)在k時(shí)刻的輸入信號(hào)向量和權(quán)問(wèn)量，于是系統(tǒng)輸出均方誤差圖1.1 利用mse性能測(cè)度的自適應(yīng)系統(tǒng) (1.3)這里，權(quán)向量wk可以是隨時(shí)間變化的，但為確知向量，故在式(1.1)中可將wk置于統(tǒng)計(jì)平均符號(hào)之外。 考慮平穩(wěn)隨機(jī)信號(hào)，系統(tǒng)輸入信號(hào)xk及期待響應(yīng)dk統(tǒng)計(jì)量的計(jì)算應(yīng)和時(shí)刻k無(wú)關(guān)，故有 (1.4) 定義期待響應(yīng)和輸入信號(hào)之間的互相關(guān)向量為 (1.5)由此，在圖1.1組成的系統(tǒng)中，其均方誤差輸出的性能測(cè)量為權(quán)向量的二次函數(shù)。且該系統(tǒng)的性能函數(shù)(w)為 (1.6)由上式可知，等號(hào)右邊三項(xiàng)均為實(shí)數(shù)，且前面兩項(xiàng)之和必大于或等于第三項(xiàng)，故性能函數(shù)

4、(w)必為大于或等于零的實(shí)數(shù)。 可以看出讓性能函數(shù)(w)達(dá)到最小的最佳權(quán)向量wopt可以用對(duì)它求梯度的方法得到。事實(shí)上，由式(1.6)并利用梯度的運(yùn)算式可知 (1.7)在最佳權(quán)向量處的梯度值應(yīng)為零，于是自適應(yīng)系統(tǒng)在最小均方誤差輸出情況下的最佳權(quán)向量wopt滿足維納一霍夫(wiener-hopf)方程 (1.8)式中，相關(guān)矩陣r必須是滿秩的，即必須有逆。 將式(1. 8)代入式(1. 6)，且考慮到為實(shí)數(shù)，于是最小均方誤差為 (1.9)對(duì)于lms算法，可以簡(jiǎn)單地直接利用單次采樣數(shù)據(jù)| k |2來(lái)代替均方誤差。于是在自適應(yīng)過(guò)程的每次迭代中，其梯度估值具有如下形式： (1.11)采用這個(gè)簡(jiǎn)單的梯度估

5、值，可以導(dǎo)出一種最速下降法類(lèi)型的自適應(yīng)算法。可得 (1.12)稱(chēng)上式為lms算法。是一個(gè)用于控制自適應(yīng)速度和穩(wěn)定性的增益常數(shù)。由于在每次迭代權(quán)時(shí)是基于不準(zhǔn)確的梯度估值，因而這個(gè)自適應(yīng)過(guò)程是帶噪的。一個(gè)單輸入單輸出的未知系統(tǒng)(或稱(chēng)被控系統(tǒng))的自適應(yīng)模擬(adaptive modeling)示于圖1.2，未知被控系統(tǒng)與自適應(yīng)濾波器(即圖中的自適應(yīng)模擬)由相同的輸入激勵(lì)。自適應(yīng)濾波器調(diào)整自身以得到一個(gè)與未知系統(tǒng)相匹配的輸出，通常是得到一個(gè)未知系統(tǒng)輸出最好的最小均方擬合。這種擬合的程度與自適應(yīng)系統(tǒng)的可調(diào)權(quán)數(shù)(即“自由度”)有關(guān)。圖1.2 單輸入單輸出的自適應(yīng)模擬模型對(duì)于如圖1.2所示系統(tǒng)，令xkran

6、dom(1)0.5，讓l2，µ0.2µmax，考慮噪聲nk是一個(gè)功率為enk20.01的白噪聲序列。繪制出ek2對(duì)k變化的lms學(xué)習(xí)曲線。2 對(duì)lena圖像的若干增強(qiáng)處理 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)比度的方法為主要內(nèi)容，其他方法可以在課后自行練習(xí)。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

7、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，它們成為實(shí)時(shí)圖像處理的一個(gè)流行工具。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

8、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。（1）直方圖均衡化增強(qiáng)圖像對(duì)比度的matlab程序： （2）采用鄰域平滑算法增強(qiáng)圖像的matlab程序（3）采用邊界銳化算法增強(qiáng)圖像的matlab程序3. 對(duì)tout圖像進(jìn)行增強(qiáng)處理一幅256x256的灰度圖像,將060灰度級(jí)壓縮到030范圍內(nèi),壓縮比1/2;60180的灰度級(jí)擴(kuò)大到30240,比率為190/120;將180255灰度級(jí)壓縮到240255范圍內(nèi),壓縮比為15/75。增強(qiáng)圖象對(duì)比度實(shí)際上拉伸圖像中一些灰度細(xì)節(jié)，相對(duì)抑制不感興趣的部分。這可以通過(guò)分段線性變換得到。四課程設(shè)計(jì)的仿真及結(jié)果1.自適應(yīng)系統(tǒng)仿模程

9、序：clcclear close alln=5; %濾波器階數(shù)sample_n=2048; %采樣點(diǎn)數(shù)xt=randn(1,2048);b=0.1 0.2 0.3 0.4 0.5;y=filter(b,1,xt);dk=y+0.01*randn(1,2048);m=length(xt); %m為接收數(shù)據(jù)長(zhǎng)度u=0.00182; %計(jì)算能夠使lms算法收斂的u y=zeros(1,m);w=zeros(1,n); %lms濾波器系數(shù)for n=n:m %系數(shù)調(diào)整lms算法 x1=xt(n:-1:n-n+1); %lms算法 y(n)=w*x1' e(n)=dk(n)-y(n); w=w+

10、u*e(n)*x1; enderror=e.2; %lms算法每一步迭代的均方誤差figure(1)plot(error);axis(0 3000 0 3);ylabel('e2');仿真結(jié)果：2 .對(duì)lena圖像的若干增強(qiáng)處理（1）直方圖均衡化增強(qiáng)圖像對(duì)比度程序：clear allclose alli = imread('lena.bmp');i=rgb2gray(i);subplot(2,2,1),imshow(i),title('original image') %原始圖像j = histeq(i);subplot(2,2,2),imsho

11、w(j),title('equalized image') %直方圖均衡化后的圖像subplot(2,2,3),imhist(i),title('original histogram') %歸一化的直方圖subplot(2,2,4),imhist(j);title('equalized histogram')%直方圖均值化后的直方圖仿真結(jié)果：（2）、采用鄰域平滑算法增強(qiáng)圖像程序：i=imread('lena.bmp'); %讀原始圖像j=imnoise(i,'salt & pepper',0.02); %添

12、加均值為0，方差為0.02的噪聲 h=ones(5,5)/25; %定義鄰域?yàn)?×5i2=imfilter(j,h); %鄰域平均subplot(1,2,1);imshow(j);subplot(1,2,2);imshow(i2); 仿真結(jié)果：有噪聲圖像 鄰域平均后的圖像（3）采用邊界銳化算法增強(qiáng)圖像程序：clear allclose all%直方圖i=imread('lena.bmp');i1=rgb2gray(i); %i的灰度圖figure(1)%邊界銳化i1=double(i1);h1=0 1 0, 1 -4 1, 0 1 0; %laplacian算子j3=

13、conv2(i1,h1,'same'); %進(jìn)行卷積運(yùn)算h2=-1 -1 -1, -1 9 -1, -1 -1 -1 ; %高通濾波法，選擇h2濾波器 j4=conv2(i1,h2,'same'); %進(jìn)行卷積運(yùn)算figure(3)subplot(2,2,1),imshow(i),title('original image') %原始圖像subplot(2,2,2),imshow(j3),title('sharpened image1') %用laplacian算子銳化后的圖像subplot(2,2,3),imshow(j4),t

14、itle('sharpened image2') %用高通濾波法銳化后的圖像仿真結(jié)果：3. 對(duì)tout圖像進(jìn)行增強(qiáng)處理程序：clear allclose alli=imread('pout.jpg');m,n,k=size(i);j=zeros(m,n,k);i=double(i);fa=60; fb=180;ga=30; gb=240;k1=ga/fa;k2=(gb-ga)/(fb-fa);k3=(255-gb)/(255-fb);for i=1:mfor j=1:n for k=1:3if i(i,j,k)<=60 j(i,j,k)= k1*i(i,j

15、,k);elseif 60<i(i,j,k)<=180 j(i,j,k)= k2*( i(i,j,k)-fa)+ ga;else j(i,j,k)= k3*( i(i,j,k)-fb)+ gb;endendendendj=uint8(j);subplot(1,2,1),imshow('pout.jpg'),title('original image');subplot(1,2,2),imshow(j),title('transmitted image');仿真結(jié)果：五關(guān)于課程設(shè)計(jì)的討論課程設(shè)計(jì)仿真過(guò)程中遇到幾個(gè)問(wèn)題：1) 輸出圖像的實(shí)

16、際灰度變化范圍很難達(dá)到圖像格式所允許的最大灰度變化范圍。 2) 輸出圖像的灰度分布直方圖雖然接近均勻分布, 但其值與理想值1/n仍有可能存在較大的差異, 并非是最佳值。 3) 輸出圖像的灰度級(jí)有可能被過(guò)多地合并。由于灰度的吞噬也易造成圖像信息的丟失。 六.課程設(shè)計(jì)的心得體會(huì)在這次的課程設(shè)計(jì)中不僅檢驗(yàn)了我所學(xué)習(xí)的知識(shí)，也培養(yǎng)了我如何去把握一件事情，如何去做一件事情，又如何完成一件事情。通過(guò)這次數(shù)字圖像處理課程設(shè)計(jì)，本人在多方面都有所提高。通過(guò)這次課程設(shè)計(jì)，綜合運(yùn)用本專(zhuān)業(yè)所學(xué)課程的理論。在圖像處理過(guò)程中，使用相對(duì)應(yīng)的方法去獲得自己需要的效果，在這次設(shè)計(jì)過(guò)程中，體現(xiàn)出自己的能力以及綜合運(yùn)用知識(shí)的能力，體會(huì)了學(xué)以致用、突出自己勞動(dòng)成果的喜悅心情，從中發(fā)現(xiàn)自己平時(shí)學(xué)習(xí)的不足和薄弱環(huán)節(jié)，從而加以彌補(bǔ)。首先加深了我對(duì)于數(shù)字圖像處理這門(mén)課程的認(rèn)識(shí)，通過(guò)對(duì)相關(guān)知識(shí)的進(jìn)一步了解和掌握，清楚的認(rèn)識(shí)到這