數(shù)字圖像處理上機實驗報告(基于Matlab)

1、華北水利水電大學數(shù)字圖像處理上機實驗報告學院：數(shù)學與信息科學專業(yè)：信息與計算科學姓名：孫志攀學號：201216511指導老師：黃春艷日期：2015年5月4日第一次實驗1. 圖像的運算實驗目的：圖像的算術運算在圖像處理中有著廣泛的應用，它除了可以實現(xiàn)自身所需的算術操作，還能為許多復雜的圖像處理提供準備。例如，圖像減法就可以用來檢測同一場景或物體生成的兩幅或多幅圖像的誤差。我們可以使用MATLAB基本算術符(、等)來執(zhí)行圖像的算術操作，但是在此之前必須將圖像轉換為適合進行基本操作的雙精度類型。圖像處理工具箱包含了一個能實現(xiàn)所有數(shù)值數(shù)據(jù)的算術操作的函數(shù)集合。列舉如下：函數(shù)名功能描述Imabsdiif

2、兩幅圖像的絕對差值Imadd兩個圖像的加法imcomplment補足一幅圖像imdivide兩個圖像的除法imlincomb計算兩幅圖像的線形組合lmmultiply兩個圖像的乘法Imsubtract兩個圖像的減法使用圖像工具箱中的圖像代數(shù)運算函數(shù)無需再進行數(shù)據(jù)類型間的轉換，這些函數(shù)能夠接受uint8和uintl6數(shù)據(jù)，并返回相同格式的圖像結果。圖像的算術運算函數(shù)使用以下截取規(guī)則使運算結果符合數(shù)據(jù)范圍的要求：超出數(shù)據(jù)范圍的整型數(shù)據(jù)將被截取為數(shù)據(jù)范圍的極值，分數(shù)結果將被四舍五入。例如，如果數(shù)據(jù)類型是uint8，那么大于255的結果(包括無窮大inf)將被設置為255。無論進行哪一種代數(shù)運算都要保

3、證兩幅輸入圖像的大小相等，且類型相同。實驗內容：圖像的加法MATLAB中調用imadd函數(shù)實現(xiàn)圖像相加，格式如下：Z=imadd(X,Y)；其中Z=XY。圖像的減法圖像減法也稱為差分方法，MATLAB中調用imsubtract函數(shù)實現(xiàn)圖像相減。調用格式如下：Z=imsubtract(X,Y)；其中Z=XY。圖像的乘法兩幅圖像進行乘法運算可以實現(xiàn)掩模操作，即屏蔽掉圖像的某些部分。一幅圖像乘以一個常數(shù)通常被稱為縮放。如果使用的縮放因數(shù)大于1，那么將增強圖像的亮度，如果因數(shù)小于1則會使圖像變暗。MATLAB中調用immultiply函數(shù)實現(xiàn)兩幅圖像相乘。調用格式如下：Zimmultiply(X，Y)

4、；其中Z=XY。圖像的除法除法運算可用于校正成像設備的非線性影響。MATLAB中調用imdivide函數(shù)進行兩幅圖像相除。調用格式如下：Z=imdivide(X,Y)，其中Z=XY。圖像四則運算因對uint8、uintl6數(shù)據(jù)，每步運算都要進行數(shù)據(jù)截取，將會減少輸出圖像的信息量。圖像四則運算較好的辦法是使用函數(shù)imlincomb。該函數(shù)按雙精度執(zhí)行所有代數(shù)運算操作，僅對最后的輸出結果進行截取，該函數(shù)的調用格式如下：Z=imlincomb(A,X,B,Y,C)，其中，Z=AXBYCZ=imlincomb(A,X,C)，其中：ZAXCZ=imlincomb(A,X,B,Y)，其中：Z=AXBY1.

5、 圖像的加法基于Matlab的代碼如下：clear; I=imread(C:UsersAdministratorDesktop大海.jpg)J=imread(C:UsersAdministratorDesktop戀人.png)K=imadd(I,J);subplot(2,2,1);imshow(I);subplot(2,2,2);imshow(J);subplot(2,2,3);imshow(K);圖片素材：運行結果窗口截圖：2. 圖像的減法基于Matlab的代碼如下：sea=imread(C:UsersAdministratorDesktop戀人.png)background=imopen(

6、sea,strel(disk,20);sea2=imsubtract(sea,background);subplot(1,2,1),imshow(sea);subplot(1,2,2),imshow(sea2); 素材圖片：運行結果窗口截圖：3. 圖像的乘法基于Matlab的代碼如下：I=imread(C:UsersAdministratorDesktop戀人.png)J=immultiply(I,1.2);K=immultiply(I,0.6);subplot(1,3,1),imshow(I);subplot(1,3,2),imshow(J);subplot(1,3,3),imshow(K)

7、;素材圖片：運行結果窗口截圖：4. 圖像的除法基于Matlab的代碼如下：Love=imread(C:UsersAdministratorDesktop戀人.png)I=double(Love);J=0.73*I+100;Ip=imdivide(I,J);subplot(2,2,1),imshow(uint8(I);subplot(2,2,3),imshow(uint8(J);subplot(2,2,4),imshow(uint8(Ip),);運行結果窗口截圖：5. 圖像的邏輯運算（與、或、非、異或等運算）基于Matlab的代碼如下：clear allA=zeros(128);A(40:70,

8、60:100)=1; %生成128*128的零矩陣A，將寬40-70，高60-100的值設為1B=zeros(128);B(50:80,40:70)=1; %生成128*128的零矩陣B，將寬50-80，高40-70的值設為1 C=A(:,:,1); %取單色% D=B(:,:,1);figure(Name,圖像邏輯運算) res1=C&D; %C&D%res2=C|D; %C|D%res3=xor(C,D); %xor C D% res3_2=xor(D,C) %xor D C% res4=not(C)¬(D); %C% res4_2=not(C)|not(D); %D% subplo

9、t(2,3,1)subplot(2,3,1)imshow(res1);title(C&D); % &運算subplot(2,3,2)imshow(res2);title(C|D); % |運算subplot(2,3,3)imshow(res3);title(xor C D); % or運算subplot(2,3,4)imshow(res3_2);title(xor D C); subplot(2,3,5)imshow(res4);title(C&D); % 運算subplot(2,3,6)imshow(res4_2);title(C|D);運行結果窗口截圖：2. 圖像的濾波（空間、頻域）實驗目

10、的 掌握matlab程序設計語言，掌握matlab基本數(shù)據(jù)類型、核心函數(shù)及輔助函數(shù)的使用。掌握理想和線性平滑濾波器的設計方法。實驗內容 利用理想和線性平滑濾波器實現(xiàn)圖像的濾波；三、實驗原理二維理想低通濾波器的傳遞函數(shù)為：D0是指定非負數(shù)值，D（u，v）是（u，v）點距頻率中心的距離。如果要研究的圖像尺寸為M X N，則它的變換也有相同的尺寸。在半徑為D0的圓內，所有頻率無衰減地通過濾波器，而在此半徑之外的所有頻率完全被衰減掉。高斯高通濾波器傳遞函數(shù)為：D（u，v）是距傅立葉變換中心原點的距離。D0是截止頻率。高斯低通濾波器的傅立葉變換也是高斯的。二維理想高通濾波器的傳遞函數(shù)為：D0是從頻率矩形

11、中點測得的截止頻率長度，它將以D0為半徑的圓周內的所有頻率置零，而毫不衰減地通過圓周外的任何頻率。但其物理上是不可實現(xiàn)的。高斯高通濾波器傳遞函數(shù)為：高通濾波器能夠用高斯型低通濾波器的差構成。這些不同的濾波器有更多的參數(shù)，因此能夠對濾波器的形狀進行更多的控制。四實驗設備和儀器1計算機 2. matlab開發(fā)平臺空間域濾波（舉例：線性平滑濾波器）基于Matlab的代碼如下：I=imread(C:UsersAdministratorDesktop撐著油紙傘的姑娘.jpg);subplot(231)imshow(I)title(原始圖像)I=rgb2gray(I);I1=imnoise(I,salt

12、& pepper,0.02);subplot(232)imshow(I1)title( 添加椒鹽噪聲的圖像)k1=filter2(fspecial(average,3),I1)/255; %進行3*3模板平滑濾波k2=filter2(fspecial(average,5),I1)/255; %進行5*5模板平滑濾波k3=filter2(fspecial(average,7),I1)/255; %進行7*7模板平滑濾波k4=filter2(fspecial(average,9),I1)/255; %進行9*9模板平滑濾波subplot(233),imshow(k1);title(3*3 模板平滑

13、濾波);subplot(234),imshow(k2);title(5*5 模板平滑濾波);subplot(235),imshow(k3);title(7*7 模板平滑濾波);subplot(236),imshow(k4);title(9*9 模板平滑濾波);運行結果窗口截圖：頻域濾波（舉例：理想低通濾波器）基于Matlab的代碼如下：RGB = imread(C:UsersAdministratorDesktoplove.png);I0 = rgb2gray(RGB); subplot(2,3,1),imshow(I0);title(原圖);I1 = imnoise(I0,gaussian)

14、; %對原圖像加噪聲subplot(2,3,2),imshow(I1);title(加入噪聲后) %將灰度圖像的二維不連續(xù)Fourier 變換的零頻率成分移到頻譜的中心s=fftshift(fft2(I1);subplot(2,3,3),imshow(log(1+abs(s),);title(fftshift); M,N=size(s); %分別返回s的行數(shù)到M中，列數(shù)到N中n1=floor(M/2); %對M/2進行取整n2=floor(N/2); %對N/2進行取整%ILPF濾波（程序中以d0=15為例）d0=50; %初始化d0for i=1:Mfor j=1:N d=sqrt(i-n1

15、)2+(j-n2)2); %點（i,j）到傅立葉變換中心的距離 if d=d0 %點（i,j）在通帶內的情況 h(i,j)=1; %通帶變換函數(shù) else %點（i,j）在阻帶內的情況 h(i,j)=0; %阻帶變換函數(shù)ends(i,j)=h(i,j)*s(i,j); %ILPF濾波后的頻域表示endends=ifftshift(s); %對s進行反FFT移動%對s進行二維反離散的Fourier變換后，取復數(shù)的實部轉化為無符號8位整數(shù)s=uint8(real(ifft2(s); subplot(2,3,4),imshow(h);title(傳遞函數(shù)); %顯示GHPF濾波器的傳遞函數(shù)subpl

16、ot(2,3,5),imshow(s); title(ILPF濾波（d0=50); %顯示ILPF濾波后的圖像運行結果窗口截圖：第二次實驗1.圖像復原算法圖像在形成、傳輸和記錄過程中，由于受到多種原因的影響，圖像的質量就會有所下降，典型的表現(xiàn)為圖像模糊、失真、有噪聲等，這一過程稱為圖像的退化。圖像復原是試圖利用退化過程的先驗知識使已退化的圖像恢復本來面目，即根據(jù)退化的原因，分析引起退化的環(huán)境因素，建立相應的數(shù)學模型，并沿著使圖像降質的逆過程恢復圖像。目的在于消除或減輕在圖像獲取以及傳輸?shù)倪^程中造成的圖像品質下降，恢復圖像的本來面目。因此，復原技術就是把退化模型化，并采用相反的過程進行處理，以便

17、盡可能復原被退化圖像的本來面目。廣義上講，圖像復原是一個求逆問題，逆問題經(jīng)常存在非唯一解，甚至無解。要想恢復全真的景物圖像比較困難。為了得到逆問題的有用解，圖像復原本身往往需要一個質量標準，即衡量接近全真景物圖像的程度，或者說，對圖像的估計是否達到最佳的程度。需要有先驗知識以及對解的附加約束條件。典型的圖像復原是根據(jù)圖像退化的先驗知識建立一個退化模型，以此模型為基礎，采用各種逆退化處理的方法進行恢復，使圖像質量得到改善。圖像退化的數(shù)學模型一般來說，圖像的生成可以簡單地被描述為如下數(shù)學模型：f(x,y)是成像景物，H是綜合退化因子，g(x,y)是退化圖像。圖像f(x,y)可以表示為：用卷積符號*

18、表示為：因此還有：式中，是像素點的特性函數(shù)，為沖擊響應。假定成像系統(tǒng)是線性移不變系統(tǒng)：退化模型如圖所示+不考慮加性噪聲：考慮加性噪聲：卷積等同于頻域內乘積：逆濾波復原逆濾波復原法也叫做反向濾波法，其主要過程是首先將要處理的數(shù)字圖像從空間域轉換到傅里葉頻域中，進行反向濾波后再由頻率域轉回到空間域，從而得到復原的圖像信號5。1在不考慮噪聲的情況下：上式兩邊進行傅里葉變換得則原始圖像= 然后進行傅里葉逆變換，就可以得到原始圖像。由此可看出，如果已知退化圖像的傅里葉變換和“濾波”傳遞函數(shù)，則可以求得原始圖像的傅里葉變換，經(jīng)反傅里葉變換就可以求得原始圖像f(x,y)，這就是逆濾波法的基本原理。但在實際中

19、用逆濾波法存在病態(tài)的情況：當H(u,v)=0時，或非常小的數(shù)值點上，F(xiàn)(u,v)將變成無窮大或非常大的數(shù)。2在有噪聲的情況下：逆濾波原理可以寫成：G(u,v)=F(u,v)H(u,v)+N(u,v)寫成逆濾波的方式：F(u,v)=F(u,v)+ 但實際用逆濾波存在病態(tài)的情況：噪聲存在，當H(u,v)很小或為零時，則噪聲被放大。這意味著退化圖像中小噪聲的干擾在H(u,v)較小時，會對逆濾波恢復的圖像產(chǎn)生很大的影響，有可能使恢復的圖像和f(x,y)相差很大，甚至面目全非。實驗證明，當退化圖像的噪聲較小，即輕度降質時，采用逆濾波復原的方法可以獲得較好的結果。通常，在離頻率平面原點較遠的地方數(shù)值較小或

20、為零，因此圖像復原在原點周圍的有限區(qū)域內進行，即將退化圖像的傅里葉頻譜限制在沒出零點而且數(shù)值又不是太小的有限范圍內。維納濾波復原逆濾波比較簡單，但沒有清楚地說明如何處理噪聲，而維納濾波綜合了退化函數(shù)和噪聲統(tǒng)計特性兩個方面進行復原處理。維納濾波是維納在1949年提出的，并應用于一維平穩(wěn)時間序列，獲得了滿意的結果。這是最早也是最著名的線性濾波技術。 采用維納濾波是假設圖像信號可以近似看成平穩(wěn)隨機過程的前提下，按照使f(x,y)和f(x,y)之間的均方誤差達到最小的準則函數(shù)來實現(xiàn)圖像復原的，即式中，E（）代表求期望值。因此維納濾波又稱為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

21、性空間移不變系統(tǒng)。2、 退化圖像、原始圖像、噪聲都是均勻隨機場，噪聲的均值為零，且與圖像不相關。維納濾波的復原濾波函數(shù)，即濾波器的傳遞函數(shù)為： 沒有噪聲時，維納濾波退化為逆濾波。有噪聲時，維納濾波利用信噪功率比對恢復過程進行修正，在信噪功率比很小的區(qū)域內，P(u,v)的值也很小，這使恢復圖像較小地依賴于退化圖像。在H(u,v)很小或等于零時，P(u,v)的分母不為零，維納濾波沒有病態(tài)問題7。在實際系統(tǒng)中，維納濾波經(jīng)常用下式近似：，K為特殊常數(shù)。 的維納濾波要求未退化圖像和噪聲的功率必須是已知的。雖然用近似的方法能得到好的結果，但功率譜比常數(shù)K的估計一般沒有合適的解?；贛atlab的代碼如下：

22、clear; I=imread(C:UsersAdministratorDesktop明曉妹妹原始圖.jpg)imshow(I); I=rgb2gray(I); %將原圖像轉化為黑白圖figure; subplot(2,2,1);imshow(I);title(轉成黑白圖像); m,n=size(I); F=fftshift(fft2(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); endendG=F.*H; I0=real(ifft2(fftshift(G); I1=imnoise(uint8

23、(I0),gaussian,0,0.001) subplot(2,2,2);imshow(uint8(I1);title(模糊退化且添加高斯噪聲的圖像); F0=fftshift(fft2(I1); F1=F0./H; I2=ifft2(fftshift(F1); subplot(2,2,3);imshow(uint8(I2);title(全逆濾波復原圖); 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

24、)+K); endendF2=H1.*F0; I3=ifft2(fftshift(F2); subplot(2,2,4);imshow(uint8(I3);窗口截圖如下：經(jīng)過仿真，如上圖所示，可以看出逆濾波復原與維納濾波復原的區(qū)別和聯(lián)系。維納濾波后雖然仍有一些噪聲存在，但已經(jīng)和原圖很接近了。因為原圖像和噪聲函數(shù)都是已知的，可以正確的估算參量。使用Lucy-Richardson算法的迭代非線性復原L-R算法是一種迭代非線性復原算法，它是從最大似然公式印出來的，圖像用泊松分布加以模型化的。當下面這個迭代收斂時模型的最大似然函數(shù)就可以得到一個令人滿意的方程：*代表卷積，代表未退化圖像的估計，g和h和

25、以前定義一樣。這個算法的本質是顯而易見的。它的非線性本質是在方程右邊用來除產(chǎn)生的4。在IPT中，L-R算法是由名為deconvlucy的函數(shù)完成的，此函數(shù)的語法為fr= deconvlucy(g,PSF,NUMIT,DAMPAR,WEIGHT)其中，fr代表復原的圖像，g代表退化的圖像，PSF是點擴散函數(shù)，NUMIT為迭代次數(shù)（默認為10次），DAMPAR是一個標量，它指定了結果圖像與原圖像g之間的偏離閾值。WEIGHT是一個與g同樣大小的數(shù)組，它為每一個像素分配一個權重來反映其重量?；贛atlab的代碼如下：clear; I=imread(C:UsersAdministratorDeskt

26、op孫志攀帥比原始圖.jpg)PSF=fspecial(gaussian,5,5) ;Blurred=imfilter(I,PSF,symmetric,conv); V=.003; BN=imnoise(Blurred,gaussian,0,V); luc=deconvlucy(BN,PSF,5); figuresubplot(2,2,1);imshow(I);title(原始圖像);subplot(2,2,2);imshow (Blurred);title(模糊后的圖像);subplot(2,2,3);imshow (BN);title(加噪后的圖像);subplot(2,2,4);imsh

27、ow (luc);title(恢復后的圖像);窗口截圖如下：2.讀入一幅彩色圖像，顯示各層圖像。（方法一）基于Matlab的代碼如下：I=imread(C:Documents and SettingsAdministrator桌面1.jpg);%如果是win7系統(tǒng)則讀取路徑為I=imread(C:UsersAdministratorDesktop1.jpg);IR=I;IG=I;IB=I;IR(:,:,2)=0;IR(:,:,3)=0;IG(:,:,1)=0;IG(:,:,3)=0;IB(:,:,1)=0;IB(:,:,2)=0;figure;subplot(2,2,1);imshow(I,)

28、;title(I);subplot(2,2,2);imshow(IR,);title(IR);subplot(2,2,3);imshow(IG,);title(IG);subplot(2,2,4);imshow(IB,);title(IB);（方法二）基于Matlab的代碼如下：I=imread(C:Documents and SettingsAdministrator桌面1.jpg);R = I(:,:,1);G = I(:,:,2);B = I(:,:,3);figure;subplot(2,2,1);imshow(I,);title(I);subplot(2,2,2);imshow(R,

29、);title(R);subplot(2,2,3);imshow(G,);title(G);subplot(2,2,4);imshow(B,);title(B);3.圖像的變換（小波或FT變換）clear allclose allA=imread(C:Documents and SettingsAdministrator桌面1.jpg);%讀入并且顯示出一個圖像文件subplot(1,2,1);imshow(A);title(原始的圖像);%顯示原始圖像作為對照if length(size(A)=3A=rgb2gray(A);endsubplot(1,2,2);imshow(A);title(灰度圖像);%對灰度圖像進行傅里葉變換并輸出頻譜A2=fft2(A);A2=fftshift(A2);%將圖像進行二維傅里葉變換figure,imshow(log(abs(A2)+1),0,12);%顯示傅里葉變換后的圖像title(傅里葉變