數(shù)字圖像處理實(shí)驗(yàn)報(bào)告

數(shù)字圖像處理實(shí)驗(yàn)物理與電子學(xué)院數(shù)字圖像處理實(shí)驗(yàn)報(bào)告院系：班級(jí)：學(xué)號(hào)：姓名：實(shí)驗(yàn)一直方圖均衡化一．實(shí)驗(yàn)設(shè)備筆記本電腦（系統(tǒng)：windows10）一臺(tái)MatlabR2019a軟件二．實(shí)驗(yàn)?zāi)康模?）了解直方圖均衡化相關(guān)理論。（2）通過(guò)matlab軟件對(duì)直方圖均衡化的過(guò)程進(jìn)行仿真實(shí)驗(yàn)。（3）按照老師要求，編寫(xiě)實(shí)驗(yàn)報(bào)告。三．實(shí)驗(yàn)原理直方圖均衡化的主要過(guò)程是將原始圖像的灰度直方圖的灰度區(qū)間分布從較為集中的狀態(tài)轉(zhuǎn)換成全部區(qū)間較為均勻的分布狀態(tài)。我們可以利用函數(shù)自帶的有關(guān)灰度化、均衡化的代碼，來(lái)簡(jiǎn)化我們的仿真過(guò)程。四．實(shí)驗(yàn)步驟打開(kāi)matlab軟件，調(diào)試實(shí)驗(yàn)環(huán)境編寫(xiě)matlab程序，打開(kāi)并顯示一個(gè)圖像，并對(duì)其進(jìn)行灰度化處理；顯示原圖像直方圖顯示均衡化后的直方圖顯示均衡化后的圖像保存實(shí)驗(yàn)程序，編寫(xiě)實(shí)驗(yàn)報(bào)告。五．程序及結(jié)果分析（1）%圖像的預(yù)處理，讀入圖像將其灰度化clearallI=imread('D:\HSKKK\QQ截圖\01.jpg');%讀入JPG圖像文件figure(1)imshow(PS)%顯示出來(lái)title('輸入的JPG圖像')imwrite(rgb2gray(I),'PicSampleGray.bmp');%灰度化I=rgb2gray(I);如下圖1-1;圖1-1（2）%原圖像直方圖[m,n]=size(PS);%測(cè)量圖像尺寸參數(shù)M=zeros(1,256);%預(yù)創(chuàng)建存放灰度出現(xiàn)概率的向量fork=0:255M(k+1)=length(find(I==k))/(m*n);endfigure(2)figure,bar(0:255,M,'g')%繪制直方圖title('原圖像直方圖');xlabel('灰度值');ylabel('出現(xiàn)概率');如圖1-2所示圖1-2（3）%顯示均衡化后的直方圖S1=zeros(1,256);fori=1:256forj=1:IS1(i)=M(j)+S1(i);%計(jì)算SkendendS2=round((S1*256)+0.5);%將Sk歸到相近級(jí)的灰度f(wàn)ori=1:256Meq(i)=sum(M(find(S2==i)));%計(jì)算現(xiàn)有每個(gè)灰度級(jí)出現(xiàn)的概率endfigure(3)bar(0:255,Meq,'b')%顯示均衡化后的直方圖title('均衡化后的直方圖')xlabel('灰度值')ylabel('出現(xiàn)概率')如圖1-3所示：圖1-3（4）%顯示均衡化后的圖像PA=I;fori=0:255PA(find(I==i))=S2(i+1);%將各個(gè)像素歸一化后的灰度值賦給這個(gè)像素endfigure（4）imshow(PA)%顯示均衡化后的圖像title('均衡化后圖像')imwrite(PA,'PicEqual.bmp');如圖1-4所示：圖1-4實(shí)驗(yàn)分析：直方圖均衡化增強(qiáng)了圖像的可讀性，增強(qiáng)圖像的對(duì)比度，直方圖均衡化是一種有效的增強(qiáng)圖像的方法。六．實(shí)驗(yàn)總結(jié)通過(guò)這次實(shí)驗(yàn)，我知道了，matlab軟件十分的強(qiáng)大，里面有很多有關(guān)數(shù)字圖像處理的數(shù)據(jù)庫(kù)，我們要合理進(jìn)行運(yùn)用。經(jīng)過(guò)實(shí)驗(yàn)驗(yàn)證仿真了有關(guān)直方圖均衡化的相關(guān)理論，在仿真過(guò)程中，遇到了一些自己沒(méi)法解決的問(wèn)題。但在查閱相關(guān)資料以及在與同學(xué)們交流探討后，問(wèn)題也就解決了。希望在接下來(lái)的幾次實(shí)驗(yàn)中，能夠了解更多關(guān)于數(shù)字圖像處理的其他知識(shí)。實(shí)驗(yàn)二鄰域平均法平滑加噪圖像一．實(shí)驗(yàn)設(shè)備（1）設(shè)備：筆記本電腦（系統(tǒng)：window10）一臺(tái)（2）編程開(kāi)發(fā)工具：MatlabR2019a軟件二．實(shí)驗(yàn)?zāi)康模?）加強(qiáng)同學(xué)們對(duì)平滑、噪聲、鄰域平均法等數(shù)字圖像處理領(lǐng)域等相關(guān)理論的認(rèn)識(shí)與了解。（2）通過(guò)仿真實(shí)驗(yàn)，讓同學(xué)們對(duì)用鄰域平均法平滑圖像的過(guò)程有更多的認(rèn)識(shí)。（3）通過(guò)實(shí)驗(yàn)的方式加強(qiáng)同學(xué)們的實(shí)際動(dòng)手操作能力，將理論知識(shí)與實(shí)際操作聯(lián)系起來(lái)，使同學(xué)們對(duì)鄰域平均法平滑圖像有自己的認(rèn)識(shí)與見(jiàn)解。三．實(shí)驗(yàn)原理（1）鄰域平均法（均值濾波器法）鄰域平均法，也被成為均值濾波器法。是一種在空間域進(jìn)行圖像平滑的技術(shù)。（2）對(duì)原圖像進(jìn)行高斯噪聲、椒鹽噪聲以及乘性噪聲處理，并用兩種不同尺寸的模板對(duì)其進(jìn)行平滑處理。四．實(shí)驗(yàn)步驟（1）調(diào)試matlab實(shí)驗(yàn)環(huán)境，導(dǎo)入實(shí)驗(yàn)圖片，確保程序正常運(yùn)行。（2）編寫(xiě)程序顯示原圖像，并對(duì)其分別進(jìn)行高斯噪聲、椒鹽噪聲、乘法噪聲三種噪聲處理，得到模擬噪聲圖像。（3）編寫(xiě)程序?qū)崿F(xiàn)利用鄰域平均法對(duì)加噪后的圖像進(jìn)行平滑處理，并顯示平滑后的圖像，與原圖像進(jìn)行對(duì)比觀察。（4）按照老師要求編寫(xiě)實(shí)驗(yàn)報(bào)告，解析實(shí)驗(yàn)過(guò)程，驗(yàn)證相關(guān)理論，加深對(duì)本次實(shí)驗(yàn)的認(rèn)識(shí)與了解。五．程序及結(jié)果分析（1）對(duì)原圖像進(jìn)行三種噪聲處理并顯示加入噪聲后的圖像：代碼：I=imread('D:\HSKKK\QQ截圖\01.jpg');%讀取圖像M1=imnoise(I,'gaussian');%加高斯噪聲M2=imnoise(I,'salt&pepper',0.02);%加椒鹽噪聲M3=imnoise(I,'speckle');%加乘性噪聲figure(1)subplot(221),imshow(I);title('原圖像');subplot(222),imshow(M1);title('加高斯噪聲后圖像');subplot(223),imshow(M2);title('加椒鹽噪聲后圖像');subplot(224),imshow(M3);title('加乘性噪聲后圖像');仿真結(jié)果如下圖2-1所示：圖2-1（2）采用鄰域平均法對(duì)加入噪聲后的圖像進(jìn)行平滑處理：設(shè)平均值濾波模版為K1=1/9[111;111;111]；K2=1/25[11111；11111；11111；11111；11111]；分別用這兩種模板對(duì)上圖中的四幅圖像進(jìn)行濾波平滑處理。代碼（1）：K1=ones(3,3)/9;%3×3領(lǐng)域模板J=imfilter(I,K1);%領(lǐng)域平均J1=imfilter(M1,K1);J2=imfilter(M2,K1);J3=imfilter(M3,K1);figure(2)subplot(221),imshow(J);title('用模板K1對(duì)原圖像處理');subplot(222),imshow(J1);title('用模板K1對(duì)加高斯噪聲后的圖像處理');subplot(223),imshow(J2);title('用模板K1對(duì)加椒鹽噪聲后的圖像處理');subplot(224),imshow(J3);title('用模板K1對(duì)加乘性噪聲后的圖像處理');代碼運(yùn)行后如下圖2-2所示：圖2-2代碼（2）：K2=ones(1,1)/1;J=imfilter(I,K2);J1=imfilter(M1,K2);J2=imfilter(M2,K2);J3=imfilter(M3,K2);figure(3)subplot(221),imshow(J);title('用模板K2對(duì)原圖像處理');subplot(222),imshow(J1);title('用模板K2對(duì)加高斯噪聲后的圖像處理');subplot(223),imshow(J2);title('用模板K2對(duì)加椒鹽噪聲后的圖像處理');subplot(224),imshow(J3);title('用模板K2對(duì)加乘性噪聲后的圖像處理');代碼運(yùn)行后如下圖2-3所示：圖2-3實(shí)驗(yàn)結(jié)果分析：（1）圖像用鄰域平均法進(jìn)行降噪處理后，在噪聲得到了抑制的情況下，圖像變得相對(duì)模糊。（2）最后的平滑效果與所采用的模板尺寸有關(guān)，在模板尺寸增大的情況下，圖像的模糊程度增大。反之，與之相反。（3）仿真實(shí)驗(yàn)結(jié)果表明：該方法對(duì)高斯噪聲的平滑效果比較好。六．實(shí)驗(yàn)總結(jié)通過(guò)本次實(shí)驗(yàn)，我知道了matlab中有關(guān)加噪、平滑等相關(guān)代碼，在本次實(shí)驗(yàn)過(guò)程中，我很開(kāi)心，因?yàn)槲矣终莆樟艘婚T(mén)新的方法，對(duì)鄰域平均法的認(rèn)識(shí)，也更深入了一些，不僅僅的停留在課本層次了。在接下來(lái)的實(shí)驗(yàn)中，我會(huì)更加認(rèn)真細(xì)心地去做接下來(lái)的實(shí)驗(yàn)，希望收獲更多的知識(shí)。實(shí)驗(yàn)三圖像的FFT變換一．實(shí)驗(yàn)設(shè)備（1）設(shè)備：筆記本電腦（系統(tǒng)：window10）一臺(tái)（2）編程開(kāi)發(fā)工具：MatlabR2019a軟件二．實(shí)驗(yàn)?zāi)康模?）對(duì)傅里葉變換相關(guān)理論進(jìn)行了解；（2）學(xué)習(xí)并掌握用matlab進(jìn)行FFT仿真的過(guò)程；（3）在實(shí)驗(yàn)過(guò)程中分析二維頻譜的分布特點(diǎn)；（4）按照要求編寫(xiě)實(shí)驗(yàn)報(bào)告，對(duì)FFT變換相關(guān)理論進(jìn)行驗(yàn)證；三．實(shí)驗(yàn)原理1．應(yīng)用傅立葉變換進(jìn)行圖像處理傅里葉變換是用來(lái)對(duì)線性系統(tǒng)進(jìn)行分析的一種工具，它能夠定量地分析一些圖像，并給出分析結(jié)果。FFT變換的仿真過(guò)程，可以解決大部分關(guān)于圖像處理問(wèn)題。2．傅立葉<Fourier）變換的定義對(duì)于二維信號(hào)，傅里葉變換定義為：式（3-1）二維離散傅立葉變換為：式（3-2）四．實(shí)驗(yàn)步驟（1）調(diào)試matlab實(shí)驗(yàn)環(huán)境，確保代碼正常運(yùn)行（2）編寫(xiě)代碼，顯示原圖像。并對(duì)原圖像進(jìn)行FFT變換，并顯示變換后的圖像。（3）對(duì)其進(jìn)行FFT變換，并顯示變換后的圖像。（4）對(duì)實(shí)驗(yàn)結(jié)果進(jìn)行分析（5）編寫(xiě)實(shí)驗(yàn)報(bào)告，加深對(duì)FFT變換的認(rèn)知五．程序及結(jié)果分析I=imread('D:\HSKKK\QQ截圖\01.jpg');%讀取圖像figure(1);imshow(I)%顯示原圖像figure(2);fftI1=fft2(I)%二維離散傅立葉變換sfftI1=fftshift(fftI1)%直流分量移到頻譜中心RR1=real(sfftI1)%取傅立葉變換的實(shí)部II1=imag(sfftI1)%取傅立葉變換的虛部A1=sqrt(RR1.^2+II1.^2)%計(jì)算頻譜幅值A(chǔ)1=(A1-min(min(A1)))./(max(max(A1))-min(min(A1)))*225%歸一化運(yùn)算imshow(A1);%顯示原圖像的頻譜原圖像如圖3-1：圖3-1圖像的FFT變換后的圖像如圖3-2：圖3-2實(shí)驗(yàn)結(jié)果分析：對(duì)圖像進(jìn)行fft變換，顯示出其頻譜圖像，但是由于低頻分量分布在圖像四個(gè)角，所以需要對(duì)頻譜進(jìn)行搬移，將低頻分量移至圖像中間，方便觀察和對(duì)頻譜進(jìn)行操作。六．實(shí)驗(yàn)總結(jié)一直以來(lái)，在學(xué)習(xí)傅立葉變換的過(guò)程中，我一直有很多疑問(wèn)，對(duì)其基本的原理與變換過(guò)程的認(rèn)識(shí)都還很欠缺。由于需要做圖像的FFT變換仿真實(shí)驗(yàn)，所以，我又重新學(xué)習(xí)了一遍該方面的理論。這種探索知識(shí)的感覺(jué)真的很奇妙，仿真實(shí)驗(yàn)成功所帶的快樂(lè)都很真實(shí)，但我知道，我還有很多可以提升的空間，在接下來(lái)的實(shí)驗(yàn)與學(xué)習(xí)生活中，要保持一種積極向上、努力進(jìn)取的心態(tài)，進(jìn)一步完善自己。實(shí)驗(yàn)四維納濾波復(fù)原噪聲圖像一．實(shí)驗(yàn)設(shè)備（1）設(shè)備：筆記本電腦（系統(tǒng)：window10）一臺(tái)（2）編程開(kāi)發(fā)工具：MatlabR2019a軟件二．實(shí)驗(yàn)?zāi)康模?）學(xué)習(xí)關(guān)于圖像退化/復(fù)原處理模型的相關(guān)理論；（2）通過(guò)本次仿真實(shí)驗(yàn)掌握利用MATLAB編程實(shí)現(xiàn)圖像的復(fù)原的過(guò)程；（3）培養(yǎng)學(xué)生自主實(shí)驗(yàn)、自主思考的實(shí)驗(yàn)?zāi)芰?，并具有?dú)立對(duì)實(shí)驗(yàn)結(jié)果進(jìn)行分析的能力。三．實(shí)驗(yàn)原理維納濾波進(jìn)行圖像恢復(fù)的原理維納濾波考量了退化圖像和噪聲統(tǒng)計(jì)特性，因此維納濾波法是一種使原圖像f(x,y)及其恢復(fù)圖像f^(x,y)之間的均方差最小的復(fù)原方法式（4-1）在上式中，為該數(shù)學(xué)期望算子。原始圖像的傅里葉變換估計(jì)為：式（4-2）上式的的傳遞函數(shù)表達(dá)式為：式（4-3）四．實(shí)驗(yàn)步驟（1）調(diào)試matlab實(shí)驗(yàn)環(huán)境，確保代碼正常運(yùn)行（2）編寫(xiě)代碼，將原圖像的灰度圖顯示出來(lái)。（3）編寫(xiě)代碼，實(shí)現(xiàn)對(duì)原圖像添加高斯噪聲的過(guò)程，并顯示出來(lái)。（4）編寫(xiě)代碼，分別取濾波器窗口大小為[55]和[1010]，并對(duì)加噪后的圖像進(jìn)行復(fù)原。（5）編寫(xiě)代碼，對(duì)進(jìn)行模糊加噪后的圖像進(jìn)行恢復(fù)。（6）編寫(xiě)實(shí)驗(yàn)報(bào)告，加深對(duì)維納濾波復(fù)原噪聲圖像過(guò)程的認(rèn)知與了解。五．程序及結(jié)果分析代碼如下：RGB=imread('D:\HSKKK\QQ截圖\01.jpg');%讀取一幅彩色圖片I=rgb2gray(RGB);%轉(zhuǎn)化為灰度圖像figure(1);subplot(2,2,1);imshow(I);title('原始圖像');R1=imnoise(I,'gaussian',0,0.01);%加噪處理subplot(2,2,2);imshow(R1);title('引入高斯噪聲的圖像');x=R1(:,:,1);K1=wiener2(x,[1010]);subplot(2,2,3);imshow(K1);title('進(jìn)過(guò)維納濾波器后的圖像(窗口大小為[55])');K2=wiener2(x,[2020]);subplot(2,2,4);imshow(K2);title('經(jīng)過(guò)維納濾波器后的圖像(窗口大小為[1010]');如下圖所示：圖4-1代碼如下：I=imread('D:\HSKKK\QQ截圖\01.jpg');figure(2);subplot(221);imshow(I);title('原始圖像');R1=imnoise(I,'gaussian',0,0.01);subplot(222);imshow(R1);title('引入高斯噪聲的圖像');PSF=fspecial('motion',50,45);R2=imfilter(I,PSF,'circular','conv');subplot(223);imshow(R2);title('運(yùn)動(dòng)模糊后的lena.bmp(角度為45)');R3=imnoise(J2,'gaussian',0,0.01);subplot(224);imshow(R3);title('加噪并模糊的lena.bmp');J4=deconvwnr(R3,PSF);figure(3);subplot(121);imshow(R4);title('模糊噪聲圖像的維納濾波復(fù)原');noise=imnoise(zeros(size(I)),'gaussian',0,0.01);NSR=sum(noise(:).^2)/sum(im2double(I(:)).^2);R5=deconvwnr(R3,PSF,NSR);subplot(122);imshow(R5);title('引入SNR的維納濾波復(fù)原');如下圖4-2與4-3：圖4-2圖4-3實(shí)驗(yàn)結(jié)果分析：在這里，我們用的是MATLAB自帶的維納濾波器的函數(shù)，共有兩種，分別是wiener2()和deconvwnr()。由于wiener2()函數(shù)只支持二維濾波，需將圖像轉(zhuǎn)化為二維圖像，而deconvwnr()則無(wú)對(duì)所需要處理的圖像無(wú)特殊要求。不同大小的濾波器對(duì)圖像恢復(fù)的效果不一樣。deconvwnr()對(duì)加噪模糊處理后的圖像復(fù)原效果不佳。引入信噪比后，deconvwnr()對(duì)加噪模糊處理后的圖像復(fù)原效果有很大的加強(qiáng)。六．實(shí)驗(yàn)總結(jié)通過(guò)這次仿真模擬實(shí)驗(yàn)，我又學(xué)到了關(guān)于維納濾波的相關(guān)理論，并且自己成功的仿真了復(fù)原加噪與模糊加噪后的圖像，看到那些很“神奇”的實(shí)驗(yàn)結(jié)果，不禁讓我感嘆這門(mén)學(xué)科的厲害，這也堅(jiān)定了我要學(xué)好這一門(mén)課程的決心，在接下來(lái)的實(shí)驗(yàn)中，我一定會(huì)繼續(xù)努力認(rèn)真做實(shí)驗(yàn)的。實(shí)驗(yàn)五圖像的邊緣檢測(cè)一．實(shí)驗(yàn)設(shè)備（1）設(shè)備：筆記本電腦（系統(tǒng)：window10）一臺(tái)（2）編程開(kāi)發(fā)工具：MatlabR2019a軟件二．實(shí)驗(yàn)?zāi)康模?）了解現(xiàn)有的圖像邊緣檢測(cè)方法，挑選一種進(jìn)行仿真模擬實(shí)驗(yàn)；（2）掌握利用matlab仿真軟件對(duì)canny算子對(duì)圖像進(jìn)行邊緣檢測(cè)的過(guò)程；（3）對(duì)仿真結(jié)果進(jìn)行分析，加強(qiáng)對(duì)canny算子算法的理解；（4）按照要求編寫(xiě)實(shí)驗(yàn)報(bào)告。三．實(shí)驗(yàn)原理邊緣檢測(cè)的主要目的是減少數(shù)據(jù)量，并且剔除不相關(guān)信息，保留圖像重要的結(jié)構(gòu)屬性。在實(shí)驗(yàn)過(guò)程中分別用Sobel算子、Prewitt算子、Roberts算子、log算子（高斯拉普拉斯算子）與Canny算子對(duì)原圖像進(jìn)行邊緣檢測(cè)。四．實(shí)驗(yàn)步驟（1）調(diào)試matlab實(shí)驗(yàn)環(huán)境，確保代碼正常運(yùn)行。（2）編寫(xiě)代碼，顯示原圖像，進(jìn)行灰度化處理，并設(shè)計(jì)一個(gè)一個(gè)高斯濾波器。（3）編寫(xiě)代碼，分別用各種算子對(duì)圖像進(jìn)行邊緣檢測(cè)處理。（4）觀察并分析圖像，驗(yàn)證相關(guān)理論，并進(jìn)行總結(jié)。（5）按照編寫(xiě)實(shí)驗(yàn)報(bào)告，并找老師進(jìn)行驗(yàn)收。五．程序及結(jié)果分析代碼如下：I=imread('D:\HSKKK\QQ截圖\01.jpg');I1=rgb2gray(I);L=fspecial('gaussia',5,0.8);%高斯濾波器b=imfilter(I1,L);bw1=edge(b,'sobel');%sobel算子bw2=edge(b,'prewitt');%prewitt算子;bw3=edge(b,'roberts');%roberts算子bw4=edge(b,'log');%log算子bw5=edge(b,'canny');%canny算子figure(1);sub