數(shù)字圖像處理實(shí)驗(yàn)報(bào)告

1、精選優(yōu)質(zhì)文檔-傾情為你奉上數(shù)字圖像處理實(shí)驗(yàn)報(bào)告 姓名：鄭思義 學(xué)號(hào)： 課程：數(shù)字圖像處理專心-專注-專業(yè)題目：實(shí)驗(yàn)一：圖像復(fù)原算法。實(shí)驗(yàn)二：讀入一幅彩色圖像，顯示各層圖像。實(shí)驗(yàn)三：圖像的變換（小波或FT變換）。實(shí)驗(yàn)四：圖像的信息隱藏。實(shí)驗(yàn)一：圖像復(fù)原算法一、實(shí)驗(yàn)內(nèi)容：讀入一幅彩色圖片，將其轉(zhuǎn)化為灰度圖像。加入退化函數(shù)后加入高斯噪聲，依次利用直接全逆濾波（適用噪聲較小時(shí)）、維納濾波復(fù)原圖像。二、實(shí)驗(yàn)原理：1、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)。有噪聲的情況下逆濾波的原理：G(u,

2、v)=F(u,v)H(u,v)+N(u,v)寫成逆濾波的方式：F(u,v)=F(u,v)+N(u,v)/H(u,v)。實(shí)驗(yàn)證明：當(dāng)退化圖像噪聲較小時(shí)采用逆濾波的方法可以獲得比較好的結(jié)果。2、 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(lái)實(shí)現(xiàn)圖像復(fù)原的，即式中，E代表期望值，因此維納濾波又稱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)。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

3、利用信噪功率比恢復(fù)過程進(jìn)行修正。3、 實(shí)驗(yàn)算法步驟：1、讀入一幅彩色圖片，轉(zhuǎn)化為灰度圖片I。2、對(duì)灰度圖片退化，利用退化函數(shù)（k是與湍流有關(guān)的常數(shù)，k=0.0025） 3、加入高斯噪聲。顯示模糊退化且添加高斯噪聲的圖像I2。4、直接對(duì)I2圖像進(jìn)行逆濾波復(fù)原I3。5、對(duì)I2圖像進(jìn)行維納濾波復(fù)原I4。6、對(duì)比I3和I4復(fù)原效果。四、實(shí)驗(yàn)代碼：clc;clear;I0=imread(F:個(gè)人gesang.png); %讀入原圖I=rgb2gray(I0); %將彩色圖片轉(zhuǎn)化為灰度圖像imshow(I0);%原圖figure;subplot(2,2,1);imshow(I); %灰度圖I=double

4、(I);m,n=size(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); endendF=fftshift(fft2(I);G=F.*H;I1=real(ifft2(fftshift(G); I2=imnoise(uint8(I1),gaussian,0,0.001);subplot(2,2,2);imshow(uint8(I2);%模糊退化且添加高斯噪聲的圖像F0=fftshift(fft2(I2);F1=F0./H; I3=ifft2(fftshift(F1); subplot(2,2,3);

5、imshow(uint8(I3);%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)+k); endendF2=H1.*F0;I4=ifft2(fftshift(F2); subplot(2,2,4); imshow(uint8(I4);%維納濾波復(fù)原圖五、實(shí)驗(yàn)結(jié)果：6、 實(shí)驗(yàn)分析：對(duì)于噪聲很小的或者單純除燥的情況，逆濾波才會(huì)有很好的視覺效果。而維納濾波對(duì)于那些退化函數(shù)已知的情況會(huì)有很好的結(jié)果。

6、當(dāng)然退化函數(shù)的選取也是比較麻煩的,往往退化函數(shù)并不已知。而且與湍流的性質(zhì)有關(guān)的常數(shù)K的選取也會(huì)起到關(guān)鍵作用?？傊苈闊瑒傞_始的時(shí)候圖片像素的大小也會(huì)導(dǎo)致H發(fā)生變化，H很小時(shí)逆濾波會(huì)把噪聲放大，導(dǎo)致效果很差。實(shí)驗(yàn)二：讀入一幅彩色圖像，顯示各層圖像。（本實(shí)驗(yàn)很簡(jiǎn)單所以只提供實(shí)驗(yàn)代碼和結(jié)果。）一、實(shí)驗(yàn)代碼：clc;clear;I=imread(F:個(gè)人gesang.png);R=I;G=I;B=I;R(:,:,2)=0;R(:,:,3)=0;G(:,:,1)=0;G(:,:,3)=0;B(:,:,1)=0;B(:,:,2)=0;figure;subplot(2,2,1);imshow(I,);ti

7、tle(I);subplot(2,2,2);imshow(R,);title(R);subplot(2,2,3);imshow(G,);title(G);subplot(2,2,4);imshow(B,);title(B);2、 實(shí)驗(yàn)結(jié)果：實(shí)驗(yàn)三：圖像的變換（FT變換）。1、 實(shí)驗(yàn)代碼：A=imread(F:個(gè)人gesang.png); subplot(1,2,1);imshow(A); %顯示原圖像if length(size(A)=3 A=rgb2gray(A);endsubplot(1,2,2);imshow(A); %對(duì)灰度圖像A2=fft2(A);A2=fftshift(A2); %

8、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(傅里葉變換后的圖像);2、 實(shí)驗(yàn)結(jié)果：實(shí)驗(yàn)四：圖像的信息隱藏（以數(shù)字水印為例）1、 實(shí)驗(yàn)代碼：W=imread(F:個(gè)人shuiyin.png);%水印A=imread(F:個(gè)人gesang.png);%原圖%加入水印a1,a2,a3=size(W);A0=A(1:a1,1:a2,:);A0=double(A0);W=double(W);a=0.1;%嵌入強(qiáng)度因子for i=1:3 U1i,S1i,V1i=svd(A0(:,:,i); A1(:,:,i)=S1i+a*W

9、(:,:,i); U2i,S2i,V2i=svd(A1(:,:,i); A2(:,:,i)=U1i*S2i*V1i;endAW=A;AW(1:a1,1:a2,:)=A2;AW=uint8(AW);W=uint8(W);subplot(1,3,1), imshow(A);%顯示原圖subplot(1,3,2), imshow(W);%顯示水印subplot(1,3,3), imshow(AW);%顯示加水印后的圖片2、 實(shí)驗(yàn)結(jié)果：題目：實(shí)驗(yàn)一：圖像的運(yùn)算（+*/與或非異或）；實(shí)驗(yàn)二：圖像的濾波（空間、頻域）1、 實(shí)驗(yàn)?zāi)康模豪谜n堂知識(shí)對(duì)圖像進(jìn)行簡(jiǎn)單運(yùn)算；掌握?qǐng)D像空間域、頻域?yàn)V波的基本原理及方法；

10、學(xué)習(xí)運(yùn)用matlab等軟件進(jìn)行對(duì)圖像處理簡(jiǎn)單操作。2、 實(shí)驗(yàn)一內(nèi)容（代碼）：clc;clear;I=imread(F:個(gè)人1111.jpg);%讀入圖片J=imread(F:個(gè)人2222.jpg);%讀入圖片%圖像+運(yùn)算K1=imadd(I,J);%圖像-運(yùn)算K2=immultiply(I,1.2);%圖像*運(yùn)算K3=imdivide(I,2); %圖像/運(yùn)算background =imopen(I,strel(disk,15);K4=imsubtract(I, background); %圖像與、或、非、異或運(yùn)算A=im2bw(I);B=im2bw(J);K5=A&B;K6=A|B;K7=A

11、;K8=xor(A,B);subplot(2,5,1);imshow(I);title(原圖I);subplot(2,5,2);imshow(J);title(原圖J);subplot(2,5,3);imshow(K1);title(+運(yùn)算);subplot(2,5,4);imshow(K2);title(-運(yùn)算);subplot(2,5,5);imshow(K3);title(*運(yùn)算);subplot(2,5,6);imshow(K4);title(/運(yùn)算);subplot(2,5,7);imshow(K5);title(與運(yùn)算);subplot(2,5,8);imshow(K6);titl

12、e(或運(yùn)算);subplot(2,5,9);imshow(K7);title(非運(yùn)算);subplot(2,5,10);imshow(K8);title(異或運(yùn)算);3、 實(shí)驗(yàn)一結(jié)果：4、 實(shí)驗(yàn)二內(nèi)容（代碼）： 空間域?yàn)V波一般分為線性和非線性濾波。線性濾波是基于傅里葉變換的分析，非線性濾波則是對(duì)鄰域直接進(jìn)行操作。根據(jù)空間域?yàn)V波器功能可分為平滑濾波和銳化濾波。平滑的目的一是模糊二是除燥，銳化的目的是為了增強(qiáng)被模糊的細(xì)節(jié)。空間域?yàn)V波代碼（非線性銳化濾波）：clc;clear;I0=imread(F:個(gè)人1111.jpg); %讀入彩色圖片I=rgb2gray(I0); %轉(zhuǎn)化為灰度圖像L=im2b

13、w(I,0.5);h=-fspecial(laplacian,0.5);K1=filter2(h,L);J=fspecial(sobel);K2=filter2(J,L);subplot(2,2,1);imshow(I0);title(原圖);subplot(2,2,2);imshow(I);title(灰度圖像);subplot(2,2,3);imshow(K1);title(利用laplace算子銳化后圖像);subplot(2,2,4);imshow(K2);title(利用sobel算子銳化后圖像);頻域?yàn)V波代碼：clc;clear;I,map=imread(F:個(gè)人1111.jpg)

14、; %讀入圖片 I=rgb2gray(I); %轉(zhuǎn)化為灰度圖像I=gradient(double(I); figure;imshow(I); colormap(map);colorbar; % 執(zhí)行圖像的單層小波分析ca1,ch1,cv1,cd1=dwt2(I,bior3.7); %由系數(shù)重構(gòu)低頻和高頻部分a1=upcoef2(a,ca1,bior3.7,1);h1=upcoef2(h,ch1,bior3.7,1);v1=upcoef2(v,cv1,bior3.7,1);d1=upcoef2(d,cd1,bior3.7,1);figure;colormap(map);nbcol=size(ma

15、p,1)subplot(2,2,1);image(wcodemat(a1,nbcol);xlabel(a) 低頻a1);subplot(2,2,2);image(wcodemat(h1,nbcol);xlabel(b) 水平高頻h1);subplot(2,2,3);image(wcodemat(v1,nbcol);xlabel(c) 垂直高頻v1);subplot(2,2,4);image(wcodemat(d1,nbcol);xlabel(d) 對(duì)角高頻d1); %由小波逆變換恢復(fù)原圖xsyn=idwt2(ca1,ch1,cv1,cd1,bior3.7); %檢查單層重構(gòu)效果errl=max

16、(max(abs(X-xsyn) %圖像的多層二維小波分析c,s=wavedec2(X,2,bior3.7,2); %提取系數(shù)的低頻和高頻部分ca2=appcoef(c,s,bior3.7,2); %重構(gòu)第2層的低頻信號(hào)a2=wrcoef2(a,c,s,bior3.7,2); %重構(gòu)第1、2層的高頻信號(hào)h1=wrcoef2(h,c,s,bior3.7,1);v1=wrcoef2(v,c,s,bior3.7,1);d1=wrcoef2(d,c,s,bior3.7,1);h2=wrcoef2(h,c,s,bior3.7,2);v2=wrcoef2(v,c,s,bior3.7,2);d2=wrcoe

17、f2(d,c,s,bior3.7,2); %顯示多層二維分解效果figure;colormap(map);subplot(2,4,1);image(wcodemat(a1,nbcol);xlabel(a) 低頻a1);subplot(2,4,2);image(wcodemat(h1,nbcol);xlabel(b) 水平高頻h1);subplot(2,4,3);image(wcodemat(v1,nbcol);xlabel(c) 垂直高頻v1);subplot(2,4,4);image(wcodemat(d1,nbcol);xlabel(d) 對(duì)角高頻d1);subplot(2,4,5);image(wcodemat(a2,nbcol);xlabel(e) 低頻a2);subplot(2,4,6);image(wcodemat(h2,nbcol);xlabel(f) 水平高頻h2);subplot(2,4,7);image(wcodemat(v2,nbcol);xlabel(j) 垂直高頻v2);subplot(2,4,8);image(wcodemat(d2,nbcol);xlabel(k) 對(duì)角高頻d2);figure; %重構(gòu)原始圖像信號(hào)I0=waverec2(c,