圖像處理課程設(shè)計(jì)參考范文

《圖像處理技術(shù)應(yīng)用實(shí)踐》課程設(shè)計(jì)題 目 圖像增強(qiáng)算法綜合應(yīng)用學(xué)生姓名 韓帥 學(xué) 號(hào) 8０8８ 院 系 計(jì)算機(jī)與軟件學(xué)院專 業(yè) 計(jì)算機(jī)科學(xué)與技術(shù)任課教師 范 春 年 二O一七年五月圖像處理技術(shù)應(yīng)用實(shí)踐—課程設(shè)計(jì) 2１、設(shè)計(jì)內(nèi)容圖像增強(qiáng)處理 :設(shè)計(jì)一套空間域與頻率域結(jié)合得圖像增強(qiáng)算法 理以下任一組圖片中得帶噪聲圖像，去除噪聲，提高圖像質(zhì)量。（1）已知：噪聲為隨機(jī)噪聲與周期噪聲混合噪聲 ;（2)要求：a)去噪處理后，計(jì)算 均方誤差評(píng)估去噪處理后圖像得去噪效果b）撰寫完整得科技報(bào)告 (形式類似科技論文 )表述自己得算法計(jì)，算法實(shí)現(xiàn)與算法評(píng)估過(guò)程。第一組圖片:第二組圖片第二組圖片:2、圖像增強(qiáng)算法2、1問(wèn)題分析（圖片中加入了隨機(jī)噪聲與周期噪聲混合噪聲。針對(duì)不同得噪聲，不同得去噪方法效果不同 因此應(yīng)該采用不同得去噪方法以到最好得去噪效果 .(２）隨機(jī)噪聲應(yīng)在空間域去除 ,而空域去噪方法中 ,中值濾波法果最好。(3)周期噪聲應(yīng)在頻域中消去。（4）去除噪聲后得圖像仍然可以改善處理 .（5)均方誤差評(píng)估去噪處理后圖像得去噪效果 .２、2算法設(shè)計(jì)（1）讀入初始圖片及加噪圖片 .ｃｌc；clear;ｆ＝ｉｍg=im);(2）利用空域?yàn)V波，去除隨機(jī)噪聲，此時(shí)用中值濾波法，并顯示它得頻譜圖與直方圖 .g=medｆilｔ（3）利用頻域?yàn)V波,去除周期噪聲。先轉(zhuǎn)化成 double型進(jìn)行傅里變換,再轉(zhuǎn)化成數(shù)據(jù)矩陣，最后利用低通濾波去除周期噪聲。Ｇ＝douｂｌ%轉(zhuǎn)化doubleG=ffｔ２(G);fftshift（G）；［Ｍ，Ｎ]=siｚｅ;ｄ0＝2５；ｍ =ｆｉｘ（m/2）；n=fix(n／2）；foｒi＝1:Mforj＝1：Ｎｄ＝t((i—ｍ）^２+(j—2)；=1/(１+０、414*(d/d0)^（２＊nｎ））； %計(jì)算低通濾波器遞函數(shù)lｔ（i，j)=h*G(i，ｊ）;ｅndend(4）[ｍp);l=f－p；；ａｖg=ｈn）;k=l-avg;um（、^2）)）／（n）;ｉfrｅsulｔ1==0diｓp(’dog圖均方誤差'); dｉsp（'dｏg圖均方誤差＇）；end3、算法實(shí)現(xiàn)cｌeａr；ｃｌc；f=ｉmreａd（'C:\do ｇＯrigin ａｌ、bmp’）;g=iｍreａd(＇Ｃ ｄogDistorte ｄ、ｂmp')f１=dｏｕble( ｆ)；f2=fft2 （f1);f2=ｆfｔsｈift （f2）g1=ｄouble(g ）;g２=fｆｔ２(g1）;ｇ2=fftshｉft （ｇ2）；g3=mｅdfilt２(g,[3,3])； ％3*3模板中值濾波去除隨機(jī)噪聲g4=dｏuｂle( ｇ3)；F1=fft ２(g3) ；F1=fftshif ｔ(Ｆ１）G=Ｆ1;［N］=size(G) ； ％低通濾波nn=2；ｄ０=2５;m=fｉx(M/2) ；n＝fix （foｒｉ=1：Mfoｒj=1:Nd=sｑrｔ（（i-m)^2+ （j—n）^2)；ｈ=1/（1+0、4１4＊(d/d0)^ （2*ｎn）)%h=1/（１＋（ｄ/d0）^(2＊nn））； ％備用G（i,j)=h ＊i，j）;endenｄp=ｕint8 （real(ifft ２（iｆftsh ｉｆt（)) ）;subｐｌｏt(341);imsho ｗ（ｆ），ｔ itle （）；suｂplo ｔ(345) imshow(log （aｂs(f2 ））,[ ］），title( '頻譜')；sｕbplot （34９）；ｉmhist( ｆ）,ｔiｔle( ＇原圖’）;ｓubplo ｔ(３42）；imｓｈow（g)title( ’噪聲＇）;ｓｕbｐloｔ（346）;imsh ｏw(ｌoｇ(abs （g2)）,[ ］ti ｔle（' ）subplot(3,4 ，10）；imhist(g),t ｉtｌe('）；subｐlｏt(343 ）；imshow(g3 ），ti ｔle( '去隨機(jī)噪聲＇ ）;subpｌot(3 ４7）；ｉmshｏw(log （aｂｓ(F1）），［]）,title( ＇’）subplot （３，4，１1)；ｉiｓt( ｇ3），tｉtle( ＇去隨機(jī)噪聲＇ )；subplot （34４）;i ｍshow(p ，［]），ｔit ｌe（’去噪'）；subｐlot(3 8);i ｍｓｈow(log( ａbs（,[] ）,title( ’＇）subpl ｏｔ(3，４,12);i ｍhis ｔ(p) ti ｔｌe（'）；[ｍ,n]= ｓｉze（p);l=f －p；he=sｕm(sum（ｌ）)ａvg=he ／（ｍ＊n）;k＝ｌ－avｇ；ｒesｕlt １=(sum(sum （ｋ、^2））)/ （m*if res ｕlt1 ＝=0diｓｐ（’dｏg圖均方誤差＇ )，ｒeｓult2 ＝elｓｅdｉsp(’ｄog圖均方誤差’ ），resｕlt ２=sqrt （result1)ｅnｄ4、運(yùn)行結(jié)果5、認(rèn)識(shí)分析去噪后圖像模糊 同時(shí)嘗試了直方圖均衡化， 效果并不理想；ｄ0根據(jù)誤差調(diào)整方便簡(jiǎn)單；中值濾波簡(jiǎn)單好用√參考文獻(xiàn):［1］全紅艷、曹桂濤，數(shù)字圖像處理原理與實(shí)現(xiàn)方法，機(jī)械工業(yè)出版社，2０１3[2］胡曉軍、徐飛， MATLAB 應(yīng)用圖像處理， 0圖像處理技術(shù)應(yīng)用實(shí)踐—課程設(shè)計(jì) 3１、設(shè)計(jì)內(nèi)容圖像增強(qiáng)分割 :有一幅包含不同大小得種子圖案得掃描圖像（如下圖所示)，每個(gè)包含了種子得圖像區(qū)域稱之為感興趣區(qū)域（ ｏｆ ｉest—ROI)。要求:1、設(shè)計(jì)一套算法提取源圖像中得所有Ｒ OI，并計(jì)算每一個(gè) ROI得大?。ù笮榘嗌賯€(gè)像素，如包含 個(gè)像素則大小為 提示：每一個(gè) RＯI為一個(gè)連通集合 .2撰寫完整得科技報(bào)告 (形式類似科技論文 )表述自己得算法設(shè)計(jì) ,算法實(shí)現(xiàn)與計(jì)算結(jié)果 .2、增強(qiáng)分割算法（1）首先題目所給得圖為彩色圖，應(yīng)該先將其轉(zhuǎn)化成灰度圖 對(duì)其進(jìn)行處理；分析題目可知首先要將種子所覆蓋得大概區(qū)域求出來(lái)， 可以種子存在得地方檢測(cè)出來(lái)并用特定灰度標(biāo)記 ,方便之后統(tǒng)計(jì)像素?cái)?shù) ;要檢測(cè)位置在灰度圖中很難實(shí)現(xiàn)， 可以將圖像二值化，在二化圖像中值為 0得地方進(jìn)行標(biāo)記。２、2算法設(shè)計(jì)（１)讀圖并灰度與二值化 cleａｒ;clc；I=imｒ、bmp＇);f=rgb2grａy(Ｉ）;ｊ=im2ｂｗ(f）;j2=f;檢測(cè)ROI位置并標(biāo)記首先建立一個(gè)白板 :[M，N］＝ｓizｅ(j2foｒ 1：Mfory=１：Nｊ２（x，y）=２eｎdeｎd之后開始標(biāo)記 ROI位置以第一行第一個(gè)為例forx=４7０ ％1fｏｒ y=100：１5０ｉf（j（ｘ,y)==０)j2(x,ｙ)＝１；enｄｅｎdend這里得 40,70可以先將二值圖像與其坐標(biāo)軸顯示出來(lái) ,記錄所在得大概位置；第一個(gè)用 1標(biāo)記；％坐標(biāo)軸顯示可以用 axｉsｏn指令按此方法，可以實(shí)現(xiàn) 37個(gè)ＲOI得標(biāo)記,用灰度分別標(biāo)記 .統(tǒng)計(jì)像素?cái)?shù):Ａ＝[1,2,3,４，５，8，９,10，11，1２，16，１7,18,19，2０,21,２2，２3，2４,25,2６8,2９，３0，３1,3２，３3，34，35，３C=hiｓt（A（:），ue(A)）；for ｘ=1：Mfor y=1:Nｆori＝1:37ｉｆ j2（x，y）==Ａ(ｉ)C(ｉ)＝C(ｉ）+1;dendｅEnｄC數(shù)組即儲(chǔ)存 A中像素個(gè)數(shù)（ｆiｇｕｒe（1)；iｍｓｈ(j2,［］figｕ)；Imshow（j）;on;C2、３算法實(shí)現(xiàn)cleaｒ;clc;I＝ｉmrｅad（＇D、ｂｍp'）;f=rgｂ2ｇray（I);j=im2ｂw（f);ｋ=f；axis ｏ［M，N］=ｓｉze（ｋ）；foｒ 1：Mfｏry=1：Nk（x,y)=２５５；eｎdend％第一行=1;fory=100：16０ｆorｘ＝4０:7０endｉf(（xｙ==0)fory=100：1５0eｎdk(x，０）ｉf(j（ｘ,y）==end％第二行y)=2；ｅndk(ｘ，y）fｏrx=80:110eｎdforｙ=1８0：２3０

if（j（ｘ,y)==0）

if(j（x,y)==0）ｙ)=3;

iｆ（j(x,ｙ)==0)k（ｘ，

=7;

ｅ

（xｙ）

ｙ11;

end

k(x，end

end

endｅｎｄｆｏr ｙ=２40:300if(j（

enｄforx＝１６0：200ｆｏr y=1０0:160

enｄfoｒx=205:２40for ｙ=1０k(x,y）=4;

ｉf(ｊ(x，y)==０）

==０)

if(j（x，y）

end

ｅｎd

８;enｄ

end

ｋ(x

＝

end

k（x，ｙ）ｅｎd=5;

forx=120：155foｒｙ=1０if（j(x,y)==０）９；endenｄ

fｏｒ y＝１80：2３if(j(x)k（x,y)=endenｄfｏr y=２４0

１３；

fｏry=180：23０if（j(x，y）==０）k（x,y）=ｅndendfｏry=240：３００＝０）６；

foｒy=1８0:２30if（ｊ（x,y）=k（x,y）=

０)=1０;

if（j（x,y）==ｋ(x，y）

==０）y)=14；

iｆ（j(ｘ，ｙ）k(x，ｅｎｄend

eｎd

end

endendfory＝30０

ｆoｒy=３1０:375

fｏry＝310：3７5y）=15;end

if（j（x,y)==0）k（ｘ，eｎdｅｎd

＝０)（x,y)=19；ｅndend

ｉf（j(x,ｙ）=kend

y)=23；

end

xｋ(ｘ，ｅndfoｒx＝２５0：２85foｒy=1０0:16０if＝＝0)ｋ(x，y）=1６；

==0)

forx=29０:３２８foｒy＝100：1６０ｉｆ(ｊ(x,y）x，y)=

forｘ=335:3７0foｒy=１00：1６0ｉｆ(j（ｘ，ｙ）==０）k（x，y)=24;eｎd

ｅnｄ

２0；

end

end

end

eｎd=１７；０

ｆorｙ=180:２３0if（j(x,y)==０)k（x,y）endeｎdfor y＝２4０：30

21;

for y=1８０:2３0if(j（x,ｙ）＝k(ｘ,y）＝endeｎdfory=２４0:300if(ｊ(x,y）＝

＝0）

fory=180：230iｆ（j（x,ｙ）＝k(x,y）=25;enｄenｄfｏrｙ＝２40：300ｉf（j（ｘ，＝１8;

end

（jend

ｘk（x，y）

=0）y)＝22；

ｅnｄend

ｋ（x，

y)==0）y)＝26;

ｅndeｎd

ｋ（ｘ，fｏry＝3１0:375

for y=3１0：37５

fory=310:3７5＝0）ｙ)=2７；

ｉf（j（x，y)=ｋ(ｘ，

30；

endｅnd

k（x，y)＝

=33；

ｅndｅｎｄfor y=1８0:230end

end

eｎｄ

ｆorｙ=３10：375if（j（ｘ,ｙ)==０）

ｙ）==0）

if（ｊ（x，k（x，ｆoｒ x=375：4１5ｆｏrｙ=100：if(ｊ（ｘ，０)

=3１;

eｎd

end

k（x，y）

y)=３4；

end

ｅnｄ＝28;

end

d

k(x，y)

＝0）

fory=４０0:440if（j（x,y）=（x）

==0）３5;

fory=2４0：30０if（j（ｘ，y）ｋ(x,yfor y＝18０:230ｘ,ｙ）==0)

=32；

eｎd

enｄ

endy)=29；

k(x，

ｅnd

ｆory=320:3７5end

eｎd

ｆor x=４20:45０foｒy＝100:160

=36;

ｊ(x,k(x,ｙ）ｆoｒy=240：30０0）iｆ（j（ｘ,y)==０)fory=4０0：440if(j(ｘ，ｙ）==０)

if(ｊ（x,y)＝＝k（x,ｙ）

endk（x,y）＝37;eｎdendendA=[1，2,3,４，5,6,7，８,9,10，11，12,13,14，15,16,１7,18,19，20,21,22,２3，2４，25，2６，27,２8，29，30，３1,32，３3，３４，35，36,37］；C=hist（A（:），unｉque（A）);foｒｘ＝1:Mｆory=1：Nfori＝1：3７ｉfk（x,ｙ)==A(ｉ）C（i)=C（i)+１;endeｎdeｎdｅndfigure（１)；imshoｗ（k,［］）ｆigurｅ（2)；imｓhoｗ（ｊ）；C灰度圖像二值化圖像二值化圖像(帶坐標(biāo))標(biāo)記ROI后得圖像統(tǒng)計(jì)得像素?cái)?shù)統(tǒng)計(jì)得像素?cái)?shù)3、認(rèn)識(shí)分析標(biāo)記ROI位置得時(shí)候要盡量精確，否則會(huì)有幾像素值得誤差 ,甚還會(huì)標(biāo)記到不必要得地方；最后基本達(dá)到要求。參考文獻(xiàn):[1]全紅艷、曹桂濤 數(shù)字圖像處理原理與實(shí)現(xiàn)方法 機(jī)械工業(yè)出版社2013[２]胡曉軍、徐飛， MAＴＬAB應(yīng)用圖像處理衛(wèi)生管理制度1 總則1.1 為了加強(qiáng)公司的環(huán)境衛(wèi)生管理，創(chuàng)造一個(gè)整潔、文明、溫馨的購(gòu)物、辦公環(huán)境，根據(jù)《公共場(chǎng)所衛(wèi)生管理?xiàng)l例》的要求，特制定本制度。1.2 集團(tuán)公司的衛(wèi)生管理部門設(shè)在企管部，并負(fù)責(zé)將集團(tuán)公司的衛(wèi)生區(qū)域詳細(xì)劃分到各部室，各分公司所轄區(qū)域衛(wèi)生由分公司客服部負(fù)責(zé)劃分，確保無(wú)遺漏。2 衛(wèi)生標(biāo)準(zhǔn)2.1 室內(nèi)衛(wèi)生標(biāo)準(zhǔn)2.1.1 地面、墻面：無(wú)灰塵、無(wú)紙屑、無(wú)痰跡、無(wú)泡泡糖等粘合物、無(wú)積水，墻角無(wú)灰吊、無(wú)蜘蛛網(wǎng)。2.1.2 門、窗、玻璃、鏡子、柱子、電梯、樓梯、燈具等，做到明亮、無(wú)灰塵、無(wú)污跡、無(wú)粘合物，特別是玻璃，要求兩面明亮。2.1.3 柜臺(tái)、貨架：清潔干凈，貨架、柜臺(tái)底層及周圍無(wú)亂堆亂放現(xiàn)象、無(wú)灰塵、無(wú)粘合物，貨架頂部、背部和底部干凈，不存放雜物和私人物品。2.1.4 購(gòu)物車（筐）、直接接觸食品的售貨工具（包括刀、叉等）：做到內(nèi)外潔凈，無(wú)污垢和粘合物等。購(gòu)物車（筐）要求每天營(yíng)業(yè)前簡(jiǎn)單清理，周五全面清理消毒；售貨工具要求每天消毒，并做好記錄。2.1.5 商品及包裝：商品及外包裝清潔無(wú)灰塵（外包裝破損的或破舊的不得陳列）。2.1.6 收款臺(tái)、服務(wù)臺(tái)、辦公櫥、存包柜：保持清潔、無(wú)灰塵，臺(tái)面和側(cè)面無(wú)灰塵、無(wú)灰吊和蜘蛛網(wǎng)。桌面上不得亂貼、亂畫、亂堆放物品，用具擺放有