內(nèi)蒙古工業(yè)大學(xué)數(shù)字圖像處理(共22頁)

1、精選優(yōu)質(zhì)文檔-傾情為你奉上學(xué)校代碼： 10128學(xué) 號： 3數(shù)字圖像處理課程設(shè)計題 目： 數(shù)字圖像處理及算術(shù)編碼（或DCT壓縮編碼）仿真實(shí)現(xiàn)學(xué)生姓名： 陳浩 學(xué) 院： 信息工程學(xué)院系 別： 電子信息工程系專 業(yè)： 電子信息工程班 級： 電子12-2指導(dǎo)教師： 呂方 黎玉玲 2015 年 12月 28 日專心-專注-專業(yè)數(shù)字圖像處理課程設(shè)計1、課程設(shè)計目的通過本課程設(shè)計使學(xué)生了解數(shù)字圖像的基本概念，掌握數(shù)字圖像處理的基本內(nèi)容，如圖像點(diǎn)運(yùn)算、幾何變換、增強(qiáng)處理、圖像復(fù)原、邊緣檢測以及圖像壓縮等的基本原理和Matlab實(shí)現(xiàn)方法。通過本次課程設(shè)計，讓學(xué)生掌握如何學(xué)習(xí)一門語言，如何進(jìn)行資料查閱搜集，如何

2、自己解決問題等方法，養(yǎng)成良好的學(xué)習(xí)習(xí)慣。擴(kuò)展理論知識，培養(yǎng)學(xué)生的綜合設(shè)計能力。2、課程設(shè)計內(nèi)容2.1 圖像處理基本功能1）數(shù)字圖像的變換：普通傅里葉變換(ft)與逆變換（ift）、快速傅里葉變換（fft）與逆變換(ifft)、離散余弦變換（DCT），小波變換。2) 數(shù)字圖像直方圖的統(tǒng)計及繪制等；2.2 圖像處理綜合功能1）圖像平滑算法程序設(shè)計：2）DCT壓縮（保留不同系數(shù)），要求顯示原圖像、壓縮后圖像的文件大小、壓縮比或算術(shù)編碼壓縮3、 課程設(shè)計的一般步驟1） 選題與搜集資料：選擇課題，進(jìn)行系統(tǒng)調(diào)查，搜集資料。2） 分析與設(shè)計：根據(jù)搜集的資料，進(jìn)行功能分析，并對系統(tǒng)功能與模塊劃分等設(shè)計。3）

3、程序設(shè)計：運(yùn)用掌握的語言，編寫程序，實(shí)現(xiàn)所設(shè)計的功能。4） 調(diào)試與測試：自行調(diào)試程序，同學(xué)之間交叉測試程序，并記錄測試情況。5） 驗(yàn)收與評分：指導(dǎo)教師對每個成員開發(fā)的程序進(jìn)行綜合驗(yàn)收，結(jié)合設(shè)計報告，根據(jù)課程設(shè)計成績的評定方法，評出成績。1.普通傅里葉變換(ft)與逆變換（ift）傅里葉變換是一個非常復(fù)雜的理論，我們在圖像處理中集中關(guān)注于其傅里葉離散變換離散傅立葉變換(Discrete Fourier Transform)。圖象是由灰度（RGB）組成的二維離散數(shù)據(jù)矩陣，則對它進(jìn)行傅立葉變換是離散的傅立葉變換。對圖像數(shù)據(jù)f(x,y)（x=0,1, ,-1； y=0,1, ,N-1）。則其離散傅立葉

4、變換定義可表示為： 式中，u=0,1, M-1;v= 0,1, N-1其逆變換為式中，x=0,1, M-1;y= 0,1, N-1程序如下：t=imread('D:chenhao.jpg');t=rgb2gray(t);figure,subplot(2,1,1)imshow(t);title('原灰度圖象');m,n=size(t);M=zeros(m,m);N=zeros(n,n);for i=1:m for k=1:m M(i,k)=exp(2*pi*i*k*(-j)/m); endend for k=1:n for i=1:n N(k,i)=exp(2*p

5、i*i*k*(-j)/n); endendt=double(t);T = M*t*N;Ni=N'Mi=M'Ti = Mi*T*Ni/(m*n);subplot(2,2,3),imshow(uint8(T)title('傅里葉變換頻譜');subplot(2,2,4),imshow(uint8(Ti);title('傅里葉逆變換圖像');圖像如下：2.快速傅里葉變換（fft）與逆變換(ifft)可分離性的優(yōu)點(diǎn)是二維的傅立葉變換或逆變換由兩個連續(xù)的一維傅立葉變換變換來實(shí)現(xiàn)，對于一個影像f(x,y)，可以先沿著其每一列求一維傅立葉變換，再對其每一行再求

6、一維變換。正變換逆變換由于二維的傅立葉變換具有可分離性，故只討論一維快速傅立葉變換。 正變換逆變換由于計算機(jī)進(jìn)行運(yùn)算的時間主要取決于所用的乘法的次數(shù)。按照上式進(jìn)行一維離散由空間域向頻率域傅立葉變換時，對于N個F（u)值，中的每一個都要進(jìn)行N次運(yùn)算，運(yùn)算時間與N2成正比。程序如下：I=imread('D:/chenhao.jpg'); subplot(1,2,1),imshow(I); title('原始圖像');f=rgb2gray(I);F1=fft2(f); subplot(1,2,2),imshow(F1); title('二維離散傅里葉變換后的頻

7、譜');figure,subplot(2,2,1),imshow(log(abs(F1)+1),0 10); title('圖像的頻譜圖');F2=fftshift(F1); subplot(2,2,2),imshow(log(abs(F2)+1),0 10);title('中心化的頻譜圖');F3=ifft2(F1);subplot(2,2,3),imshow(uint8(F3);title('傅立葉逆變換');subplot(2,2,4),imshow(f);title('灰度圖像');圖像如下：3.離散余弦變換（DC

8、T）離散形式 式中，逆變換 在MATLAB中，采用dct2和idct2分別進(jìn)行二維DCT變換和二維DCT逆變換。二維DCT常用于信號和圖像處理，典型應(yīng)用是對靜止圖像和運(yùn)動圖像進(jìn)行性能優(yōu)良的有損數(shù)據(jù)壓縮。在靜止圖像編碼標(biāo)準(zhǔn)JPEG、運(yùn)動圖像編碼標(biāo)準(zhǔn)MJPEG和MPEG等標(biāo)準(zhǔn)中都使用了8*8塊的離散余弦變換，并將結(jié)果進(jìn)行量化之后進(jìn)行熵編碼。DCT具有很強(qiáng)的能量集中在頻譜的低頻部分的特性，而且當(dāng)信號具有接近馬爾科夫過程（Markov processes）的統(tǒng)計特性時，DCT的去相關(guān)性接近于具有最優(yōu)去相關(guān)性的K-L變換（Karhunen-Loeve變換）的性能。另外，改進(jìn)的離散余弦變換（Modifie

9、d Discrete Cosine Transform，MDCT）對交疊的數(shù)據(jù)進(jìn)行DCT，有助于避免由于區(qū)塊邊界所產(chǎn)生的多余數(shù)據(jù)，被用在高級音頻編碼（Advanced Audio Coding，AAC）、Ogg Vorbis、AC3和MP3音頻壓縮中。程序如下：RGB=imread('D:/chenhao.jpg');I=rgb2gray(RGB); subplot(2,2,1),imshow(RGB);title('原始圖像');C1=dct2(I); subplot(2,2,2),imshow(log(abs(C1),),colormap(jet(64),c

10、olorbartitle('圖像大部分能量集中在上左角');C2=fftshift(C1); subplot(2,2,3),imshow(log(abs(C2)+1,0 10);title('DCT系數(shù)');C3=idct2(C1); subplot(2,2,4),imshow(uint8(C3); title('灰度圖像');圖像如下：4.小波變換離散形式式中，和分別函數(shù)在軸上的，平移量。逆變換 類似地，可以定義二維離散小波變換逼近，并采用Mallat二維快速算法求解。與DFT類似，可分離二維小波變換最終可轉(zhuǎn)換為兩次一維小波變換。對圖像進(jìn)行小波

11、變換的MATLAB常用函數(shù)有： 對圖像進(jìn)行一層二維小波分解，常見形式為： CA,CH,CV,CD=dwt2（X,wname）式中，X為圖像矩陣；wname是使用的小波基函數(shù)名稱，如可選擇雙正交樣條小波基函數(shù)，形式為biorNr.Nd。 查詢使用的小波基函數(shù)的信息，使用形式為： Waveinfo(wname)式中，小波基名稱wname可選用haar（哈爾小波）、db（Daubechies 小波）、bior（雙正交樣條小波）等。例如，在命令行狀態(tài)下鍵入wavainfo(bior)進(jìn)行查詢雙正交樣條小波，可知r表示reconstruction（重建），d表示decomposition（分解），N表示

12、相應(yīng)FIR濾波器的階數(shù)；CA、CH、CV、CD分別是輸入矩陣X小波分解的近似系數(shù)矩陣、水平細(xì)節(jié)系數(shù)、垂直細(xì)節(jié)系數(shù)和對角線細(xì)節(jié)系數(shù)。 對二維小波分解的圖像進(jìn)行各種分量的重構(gòu)，常見函數(shù)形式為： Y=upcoef2(O,X,wname,N)式中，X是分解后的細(xì)節(jié)信號，Y是重構(gòu)的細(xì)節(jié)信號分量；N表示對矩陣X的系數(shù)進(jìn)行重建的步驟數(shù)，即重構(gòu)的層數(shù)，默認(rèn)值為1。O是細(xì)節(jié)信號的類型。如果O=a，則表示對信號的近似系數(shù)進(jìn)行重建；否則，如果O=h、v或d，則分別對水平、垂直或?qū)蔷€細(xì)節(jié)進(jìn)行重建。 對應(yīng)上述的一層二維小波變換DWT2函數(shù)，進(jìn)行一層二維小波變換逆變換，常見形式為： X=idwt2(CA,CH,CV,C

13、D,wname)idwt2函數(shù)采用wname所指示的小波、已重建的基于近似矩陣CA，以及水平細(xì)節(jié)CH、垂直細(xì)節(jié)CV和對角線細(xì)節(jié)CD計算原圖像矩陣X。 對重構(gòu)的圖像進(jìn)行量化編碼，常見函數(shù)形式為： Y=wcodemat(X,NBCODES,OPT,ABSOL)式中，X為待進(jìn)行量化編碼的矩陣，Y為編碼矩陣。在編碼中，把矩陣X中元素絕對值最大的作為NBCODES（整數(shù)），絕對值最小的作為1，其他元素依其絕對值的大小在1與NBCODES中排列。當(dāng)OPT為row時，做行編碼；當(dāng)OPT為col時，做列編碼；當(dāng)OPT為mat時，做全局編碼，即把整個矩陣中元素絕對值最大的元素作為NBCODES，最小的作為1.當(dāng)

14、ABSOL為0時，該函數(shù)返回輸入矩陣X的一個編碼版本，當(dāng)ABSOL非0時，返回X的絕對值。程序如下：A=imread('jpg.jpg');B=rgb2gray(A);C,S=wavedec2(B,2,'bior3.7');cA2=appcoef2(C,S,'bior3.7',2);cA1=appcoef2(C,S,'bior3.7',1);cH1,cV1,cD1=detcoef2('all',C,S,1);A1 = wrcoef2('a',C,S,'bior3.7',1); A2

15、= wrcoef2('a',C,S,'bior3.7',1); H1 = wrcoef2('h',C,S,'bior3.7',1); V1 = wrcoef2('v',C,S,'bior3.7',1); D1 = wrcoef2('d',C,S,'bior3.7',1); C1=A1,H1;V1,D1;subplot(221); imshow(uint8(B);title('原圖');subplot(222); imshow(uint8(C1);tit

16、le('第一次壓縮低頻和高頻分量');subplot(223); imshow(uint8(A1);title('第一次壓縮');subplot(224); imshow(uint8(A2);title('第二次壓縮');圖像如下：5圖像直方圖均衡化程序如下：Q=imread('chenhao.jpg');D=rgb2gray(Q);P=imnoise(D,'gaussian',0.02);J=histeq(P);subplot(221),imshow(P),title('加入噪聲后');subpl

17、ot(222),imshow(J),title('直方圖均衡化');subplot(223),imhist(P,256),title('原圖直方圖');subplot(224),imhist(J,256),title('均衡化后');6圖像平滑算法程序如下：A=imread('chenhao.jpg');B=rgb2gray(A);C=imnoise(B,'salt & pepper',0.02);D=filter2(fspecial('average',3),C)/255;subplot(

18、131),imshow(B),title('原圖');subplot(132),imshow(C),title('添加高斯噪聲');subplot(133),imshow(D),title('平滑濾波后');圖像如下：7.圖像銳化算法程序如下：ima=imread('chenhao.jpg'); if isrgb(ima) ima=rgb2gray(ima); endima=double(ima);bw1 = edge(ima,'sobel'); figure;subplot(121);imshow(uint8(i

19、ma);title('原始圖像');subplot(122);imshow(bw1);title('sobel算子銳化');bw2 = edge(ima,'prewitt');figure;subplot(121);imshow(uint8(ima);title('原始圖像');subplot(122);imshow(bw2);title('prewitt算子銳化');bw3 = edge(ima,'roberts');figure;subplot(121);imshow(uint8(ima);ti

20、tle('原始圖像');subplot(122);imshow(bw3);title('roberts算子銳化');bw4 = edge(ima,'log'); figure;subplot(121);imshow(uint8(ima);title('原始圖像');subplot(122);imshow(bw4);title('log算子銳化');bw5 = edge(ima,'canny'); figure;subplot(121);imshow(uint8(ima);title('原始圖

21、像');subplot(122);imshow(bw5);title('canny算子銳化');圖像如下：8.DCT壓縮程序如下：I = imread('chenhao.jpg'); I=rgb2gray(I); I = im2double(I); disp('壓縮前圖像的大小:'); whos('I') T = dctmtx(8); B = blkproc(I,8 8,'P1*x*P2',T,T'); mask = 1 1 1 1 1 0 0 0 1 1 1 1 0 0 0 0 1 1 1 1 0 0 0 0 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 ; B2 = blkproc(B,8 8,'P1.*x',mask); I2 = blkproc(B2,8 8,'P1*x*P2',T',T); subplot(1, 2, 1); imshow(I, );title('原圖像'); subplot(1, 2, 2); imshow(I2,