數(shù)字圖像處理研究生期末作業(yè)

1、2015年在職研究生 專業(yè)期末考試試題（開卷）姓名： 學號： 一、 自己拍攝的圖像完成以下作業(yè)（用Matlab語言完成）1、 打開一個BMP文件 2、 將其局部區(qū)域的灰度值進行改變3、 另存為一個新的BMP文件 原圖像：zuoye1=imread(Hist1.bmp);m,n=size(zuoye1);f=zuoye1(50:200,500:1000);zuoye2=imadjust(f,0.5 0.75,0 1,5);zuoye=zuoye1;zuoye(50:200,500:1000)=zuoye2;imshow(zuoye1);figure,imshow(zuoye)新圖像：4、 Mat

2、lab編程實現(xiàn)圖像傅立葉高通、低通濾波，給出算法原理及實驗結(jié)果。高通濾波：I= imread(Hist1.bmp);F=rgb2gray(I);figure,imshow(I);title(原圖像);F=fftshift(fft2(I);f,h=size(F);f0=round(f/2);h0=round(h/2);d=10;p=0.2;q=0.5;for i=1:f for j=1:h distance=sqrt(i- f0)2+(j- h0)2); if distance=d H=0; else H=1; end; F(i,j)=(p+q*H)*F(i,j); end;end;F=uint

3、8(real(ifft2(ifftshift(F);figure(2);imshow(F);title(高通濾波所得圖像);低通濾波：I=imread(Hist1.bmp);F=rgb2gray(I);figure,imshow(I);title(原圖像);F=fftshift(fft2(I);f,h=size(F);f0=round(f/2);h0=round(h/2);d=10;for i=1:f for j=1:h distance=sqrt(i- f0)2+(j- h0)2); if distance=d H=1; else H=0; end; F(i,j)=H*F(i,j); end

4、;end;F=uint8(real(ifft2(ifftshift(F);figure(2);imshow(F);title(低通濾波所得圖像);5、 找一幅曝光不足的灰度或彩色圖像，用Matlab按照直方圖均衡化的方法進行處理。HD=imread(DCL.BMP);imshow(HD)title(輸入的彩色BMP圖像)imwrite(rgb2gray(HD),HDTX.bmp);HD=rgb2gray(HD);figure,imshow(HD)title(灰度化后的圖像)m,n=size(HD);GP=zeros(1,256);for k=0:255GP(k+1)=length(find(H

5、D=k)/(m*n);endfigure,bar(0:255,GP,g)title(原圖像直方圖)xlabel(灰度值)ylabel(出現(xiàn)概率)S1=zeros(1,256);for i=1:256for j=1:iS1(i)=GP(j)+S1(i);endendS2=round(S1*256); for i=1:256GPeq(i)=sum(GP(find(S2=i); endfigure,bar(0:255,GPeq,b)title(均衡化后的直方圖)xlabel(灰度值)ylabel(出現(xiàn)概率)figure,plot(0:255,S2,r)legend(灰度變化曲線)xlabel(原圖像

6、灰度級)ylabel(均衡化后灰度級)PA=HD;for i=0:255PA(find(HD=i)=S2(i+1);endfigure,imshow(PA)title(均衡化后圖像)imwrite(PA,JHCLTX.bmp);6、 用Matlab打開一幅圖像，添加椒鹽、高斯噪聲，然后使用鄰域平均法、中值濾波法進行平滑。原圖像：添加椒鹽噪聲：鄰域平均法處理I0=imread(Hist2.bmp);I=rgb2gray(I0);J=imnoise(I,salt & pepper,0.02); figure,imshow(J);title(添加椒鹽噪聲后圖像);K1=filter2(fspecia

7、l(average,7),J);K2=filter2(fspecial(average,9),J);figure,imshow(uint8(K1);title(鄰域平均法處理后圖像);中值濾波法處理I0=imread(Hist2.bmp);I=rgb2gray(I0)J=imnoise(I,salt & pepper,0.02);figure,imshow(J);title(添加椒鹽噪聲后圖像);K=medfilt2(J,7 7);figure,imshow(K);title(中值濾波法處理后圖像);添加高斯噪聲：鄰域平均法處理I0=imread(Hist2.bmp);I=rgb2gray(I

8、0);J=imnoise(I,gaussian,0,0.02)figure,imshow(J);title(添加高斯噪聲后圖像);K=filter2(fspecial(average,7),J);figure,imshow(uint8(K);title(鄰域平均法處理后圖像);中值濾波法處理I0=imread(Hist2.bmp);I=rgb2gray(I0)J=imnoise(I,gaussian,0.02);figure,imshow(J);title(添加高斯噪聲后圖像);K=medfilt2(J,7 7);figure,imshow(K);title(中值濾波法處理后圖像);7、 用M

9、atlab打開一幅圖像，利用Roberts梯度法、Sobel算子和拉普拉斯算子進行銳化，并比較結(jié)果Roberts梯度法I=imread(Hist2.bmp);H,W=size(I) ;M=double(I) ;J=M;for i=1:H-1for j=1:W-1J(i,j)=abs(M(i,j)-M(i+1,j+1)+abs(M(i+1,j)-M(i,j+1) ;end;end;figure;imshow(I) ;title(原圖) ;figure;imshow(uint8(J) ;title(Roberts處理后) ;Sobel算子I=imread(Hist2.bmp);H,W=size(I

10、);M=double(I);J=M;for i=2:H-1for j=2:W-1J(i,j)=abs(M(i-1,j+1)-M(i-1,j-1)+2*M(i,j+1)-2*M(i,j-1)+M(i+1,j+1)-M(i+1,j-1)+abs(M(i-1,j-1)-M(i+1,j-1)+2*M(i-1,j)-2*M(i+1,j)+M(i-1,j+1)-M(i+1,j+1);end;end;figure;imshow(I);title(原圖);figure;imshow(uint8(J);title(Sobel 處理后);拉普拉斯算子I=imread(Hist2.bmp);H,W=size(I);

11、M=double(I);J=M;for i=2:H-1 for j=2:W-1 J(i,j)=4*M(i,j)-M(i+1,j)+M(i-1,j)+M(i,j+1)+M(i,j-1); end;end;figure;imshow(I);title(原圖);figure;imshow(uint8(J);title(銳化處理后的圖);由實驗效果對比可以看出Sobel算子處理圖像后使邊緣有一定的模糊。拉普拉斯算子對圖像中孤立點及線端的檢測效果好，但邊緣方向信息丟失，對噪聲敏感，整體檢測效果不如Roberts梯度算子。二、 用正弦圖像場產(chǎn)生待測試的干涉場圖像加入各類模擬噪聲，進行模糊處理再消除噪聲，然

12、后采用邊緣檢測、圖像增強技術(shù)要求判讀條紋的間距，請給出圖像處理的方案并說明每一步的作用及其對其它處理步驟可能產(chǎn)生的影響。待處理圖像：處理方案：進行模糊處理，消除噪聲邊緣檢測，進行圖像增強處理二值化圖像，再進行邊緣檢測，能夠得到很清晰的邊界采用橫向標號法，根據(jù)值為1像素在標號中的相鄰位置可以確定間距I=imread(GSTW.bmp);I=rgb2gray(I);figure,imshow(I);title(灰度化圖像);I1=medfilt2(I);figure,imshow(I1);title(中值濾波后圖像) ;m,n=size(I1);for i=1:m for j=1:n if(I1(

13、i,j)100) I1(i,j)=255; else I1(i,j)=0; end endendfigure,imshow(I1);title(二值化后圖像) ;Y1=zeros(1,25);Y2=Y1;c=Y2;i=100;for j=1:272 if (I1(i,j)=255&I1(i,j+1)=0) Y1=j+1; end if (I1(i,j)=0&I1(i,j+1)=255) Y2=j; endendfor i=1:25 c=Y2(i)-Y1(i)endc灰度化后圖像： 中值濾波后圖像：二值化后圖像：處理結(jié)果：c=9三、現(xiàn)有8個待編碼的符號m0,m7,它們的概率分別為0.11,0.0

14、2,0.08,0.04,0.39,0.05,0.06,0.25，利用哈夫曼編碼求出這一組符號的編碼并畫出哈夫曼樹。m0=0.11,m1=0.02,m2=0.08,m3=0.04,m4=0.39,m5=0.05,m6=0.06,m7=0.25;1m40.391101m70.25 1 0.61 00001m00.11 1 0.22 0 0.36 00010m20.08 0 0.14 100110m30.04 0 0.06 100111m10.02 100000m60.06 0 0.11 000001m50.05 1四、（1）編寫Matlab函數(shù)計算灰度圖像的均方誤差（MSE）、信噪比（SNR）、峰

15、值信噪比（PSNR）、平均絕對誤差（MAE）；（2）編寫函數(shù)對灰度圖像經(jīng)行降采樣，直接消除像素以及消除像素前進行簡單平滑濾波；（3）編寫函數(shù)對圖像進行放大，分別使用像素直接復制和雙線性插值的方法：（4）編寫函數(shù)用題目給出的量化步驟Q去量化灰度圖像，并給出相應(yīng)的MSE和直方圖；（5）編寫函數(shù)對灰度圖像執(zhí)行直方圖均衡化，顯示均衡前后的直方圖。(1)計算灰度圖像的均方誤差、信噪比、峰值信噪比、平均絕對誤差I(lǐng)=imread(Hist2.bmp);figure(1),imshow(I);title(原圖像) ;A=rgb2gray(I);m n=size(A);B=imnoise(A,gaussian,

16、0,0.05);figure(2),imshow(B);title(高斯噪聲污染后圖像) ;a=double(A);b=double(B);sum=0;for i=1:m for j=1:n sum=sum+(a(i,j)-b(i,j)2; endendMSE=(sum/(m*n)PSNR=10*log10(2552)/MSE)sum1=0;for i=1:m for j=1:nsum1=sum1+a(i,j)2; endendSNR=10*log10(sum1/MSE) sum2=0;for i=1:mfor j=1:nsum2=sum2+a(i,j)+b(i,j); endendMAE=s

17、um2/(m*n)原圖像：該灰度圖像的均方誤差（MSE）：MSE =2.5087e+003信噪比（SNR）： SNR =64.5054峰值信噪比（PSNR）： PSNR =14.1363平均絕對誤差（MAE）： MAE =314.6968 (2)直接消除像素點 X=imread(Hist2.bmp);I=rgb2gray(X);subplot(3,2,1);imshow(X); title(原圖);subplot(3,2,2);imshow(I); title(灰度圖);subplot(3,2,3); I1=I(1:2:end,1:2:end);imshow(I1); title(2:1 圖)

18、;subplot(3,2,4); I2=I(1:4:end,1:4:end);imshow(I2); title(4:1 圖);subplot(3,2,5); I3=I(1:8:end,1:8:end);imshow(I3); title(8:1 圖);subplot(3,2,6); I4=I(1:16:end,1:16:end);imshow(I4); title(16:1圖);先濾波再消除像素點 X=imread(Hist2.bmp);I=rgb2gray(X);subplot(3,2,1); imshow(I);title(灰度圖);w=1 1 1;1 1 1;1 1 1/9;g=imf

19、ilter(I,w,corr,replicate);subplot(3,2,2); imshow(g); title(濾波后的圖);subplot(3,2,3); I1=g(1:2:end,1:2:end);imshow(I1); title(2:1 圖);subplot(3,2,4); I2=g(1:4:end,1:4:end);imshow(I2); title(4:1 圖);subplot(3,2,5); I3=g(1:8:end,1:8:end);imshow(I3); title(8:1 圖);subplot(3,2,6); I4=g(1:16:end,1:16:end);imsho

20、w(I4); title(16:1 圖);(3) 像素直接復制法X=imread(Hist2.bmp);I=rgb2gray(X);S=I(1:2:end, 1:2:end); subplot(1,3,1); imshow(I); title(灰度圖像); subplot(1,3,2); imshow(S); title(按2：1縮小的圖像);F=imresize(I,2,nearest);subplot(1,3,3); imshow(F); title(按1：2放大的圖像);雙線性插值法 A= imread(Hist2.bmp);I=rgb2gray(A);S=I(1:2:end, 1:2:end); subplot(1,3,1); imshow(I); title(原圖像); subplot(1,3