數(shù)字圖像課程設(shè)計報告書

課程設(shè)計班級：電信092姓名：黃琳學(xué)號：0910930224指導(dǎo)老師：郭文平日期：2012任務(wù)一：數(shù)字圖像的根本處理仔細(xì)分析如圖fig1_1_1、fig1_1_2、fig1_1_3所示圖像的缺陷。求出各圖像的灰度直方圖并進行直方圖均衡化處理。流程圖：程序：I1=imread('fig1_1_1.bmp');I2=imread('fig1_1_2.bmp');I3=imread('fig1_1_3.bmp');subplot(3,2,1),imshow(I1),title('原始圖像1');subplot(3,2,2),imhist(I1),title('圖像的灰度直方圖1');subplot(3,2,3),imshow(I2),title('原始圖像2');subplot(3,2,4),imhist(I2),title('圖像的灰度直方圖2');subplot(3,2,5),imshow(I3),title('原始圖像2');subplot(3,2,6),imhist(I3),title('圖像的灰度直方圖2');由直方圖分析可得：fig1_1_1灰度集中在低灰度區(qū)，圖像亮度低fig1_1_2灰度集中在高灰度區(qū)，圖像亮度高fig1_1_3灰度集中在中度灰度區(qū)，圖像顏色反差小。均衡化處理后的圖片程序：I1=imread('fig1_1_1.bmp');I2=imread('fig1_1_2.bmp');I3=imread('fig1_1_3.bmp');J1=histeq(I1);J2=histeq(I2);J3=histeq(I3);subplot(3,2,1);imshow(I1);title('原圖像1');subplot(3,2,2);imshow(J1);colorbar;title('直方圖均衡化后的圖像1');subplot(3,2,3);imshow(I2);title('原圖像2');subplot(3,2,4);imshow(J2);colorbar;title('直方圖均衡化后的圖像2');subplot(3,2,5);imshow(I3);title('原圖像3');subplot(3,2,6);imshow(J3);colorbar;title('直方圖均衡化后的圖像3');2、對圖fig1_2分別進行如下處理：〔1〕利用各種不同尺寸的空間濾波器模板對圖像進行平滑濾波，并比擬濾波效果，說明不同大小的濾波器處理產(chǎn)生差異的原因。原理：平滑濾波是低頻增強的空間域濾波技術(shù)。它的目的有兩類：一類是模糊；另一類是消除噪音?？臻g域的平滑濾波一般采用簡單平均法進行，就是求鄰近像元點的平均亮度值。鄰域的大小與平滑的效果直接相關(guān)，鄰域越大平滑的效果越好，但鄰域過大，平滑會使邊緣信息損失的越大，從而使輸出的圖像變得模糊，因此需合理選擇鄰域的大小。流程圖：程序:I=imread('fig1_2.bmp');subplot(231)imshow(I)title('原始圖像')I1=imnoise(I,'salt&pepper',0.02);subplot(232)imshow(I1)title('添加椒鹽噪聲的圖像')k1=filter2(fspecial('average',3),I1)/255;k2=filter2(fspecial('average',5),I1)/255;k3=filter2(fspecial('average',7),I1)/255;k4=filter2(fspecial('average',9),I1)/255;subplot(233),imshow(k1);title('3*3模板平滑濾波');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');〔2〕利用各種不同尺寸的空間濾波器模板對圖像進行銳化濾波，并比擬濾波效果，說明不同大小的濾波器處理產(chǎn)生差異的原因。原理：圖像銳化處理的目的是為了使圖像的邊緣、輪廓線以及圖像的細(xì)節(jié)變的清晰。一般情況下，在計算機圖像處理中可用微分運算和高通濾波器來實現(xiàn)圖像的銳化。空間域圖像的銳化常用的是拉普拉斯運算，它不僅是偏導(dǎo)數(shù)的線性組合，而且是各向同性的，這樣可以使圖像中間任何方向伸展的邊緣和輪廓線變得清晰流程圖：程序：i=imread('fig1_2.bmp');f=[8];g=[-1-1-1;-18-1;-1-1-1];%線性高通濾波3*3模板m=[-1-1-1-1-1;-1-18-1-1;-1-1-1-1-1];n=[-1-1-1-1-1-1-1;-1-1-18-1-1-1;-1-1-1-1-1-1-1];p=[-1-1-1-1-1-1-1-1-1;-1-1-1-18-1-1-1-1;-1-1-1-1-1-1-1-1-1];h=double(i);%轉(zhuǎn)化為double類型e=conv2(h,f,'same');j=conv2(h,g,'same');%線性高通濾波進行圖像濾波x=conv2(h,m,'same');y=conv2(h,n,'same');z=conv2(h,n,'same');subplot(2,3,1);imshow(h);title('原始圖像');subplot(2,3,2);imshow(e);title('濾波后圖像1');subplot(2,3,3);imshow(j);title('濾波后圖像2');subplot(2,3,4);imshow(x);title('濾波后圖像3');subplot(2,3,5);imshow(y);title('濾波后圖像4');subplot(2,3,6);imshow(z);title('濾波后圖像5');〔3〕利用截止頻率不同的頻域低通濾波器對圖像進行處理，并比擬不同截止頻率對濾波效果的影響，說明產(chǎn)生差異的原因。原理：去掉信號中不必要的高頻成分，降低采樣頻率，防止頻率混淆，去掉高頻干擾流程圖：程序：I=imread('fig1_2.bmp');[mnp]=size(I);I=double(I);subplot(2,2,1);image(I);colormap(gray);title('原始圖')Noise=wgn(m,n,25);New=Noise+I;subplot(2,2,2);image(New);title('噪聲圖')g=fft2(New);g=fftshift(g);[M,N]=size(g);nn=2;d0=20;m=fix(M/2);n=fix(N/2);fori=1:Mforj=1:Nd=sqrt((i-m)^2+(j-n)^2);h=1/(1+0.414*(d/d0)^(2*nn));result(i,j)=h*g(i,j);endendresult=ifftshift(result);J2=ifft2(result);J3=uint8(real(J2));subplot(2,2,3);image(J3);title('截止頻率20')nn=2;d0=100;m=fix(M/2);n=fix(N/2);fori=1:Mforj=1:Nd=sqrt((i-m)^2+(j-n)^2);h=1/(1+0.414*(d/d0)^(2*nn));result(i,j)=h*g(i,j);endendresult=ifftshift(result);J2=ifft2(result);J3=uint8(real(J2));subplot(2,2,4);image(J3);title('截止頻率100')〔4〕利用截止頻率不同的頻域高通濾波器對圖像進行處理，并比擬不同截止頻率對濾波效果的影響，說明產(chǎn)生差異的原因。原理：高通濾波器衰減或抑制低頻分量而通過高頻分量。圖像的邊緣、細(xì)節(jié)主要在高頻局部得到反映。而圖像的模糊是高頻局部較弱造成的。為了消除模糊，突出圖像的邊緣信息，那么采用高通濾波器讓高頻局部通過，消弱圖像的低頻成分，再經(jīng)過傅里葉逆變換得到邊緣銳化的圖像。流程圖程序：I=imread('fig1_2.bmp');[mnp]=size(I);I=double(I);subplot(2,2,1);image(I);colormap(gray);title('原始圖')Noise=wgn(m,n,25);New=Noise+I;subplot(2,2,2);image(New);title('噪聲圖')g=fft2(f);g=fftshift(g);[M,N]=size(g);d0=15;m=fix(M/2);n=fix(N/2);fori=1:Mforj=1:Nd=sqrt((i-m)^2+(j-n)^2);if(d<=d0)h=0;elseh=1;endresult(i,j)=h*g(i,j);endendresult=ifftshift(result);J1=ifft2(result);J2=uint8(real(J1));subplot(2,2,3)imshow(J2);title('IHPF濾波〔d0=15)');[M,N]=size(g);d0=100;m=fix(M/2);n=fix(N/2);fori=1:Mforj=1:Nd=sqrt((i-m)^2+(j-n)^2);if(d<=d0)h=0;elseh=1;endresult(i,j)=h*g(i,j);endendresult=ifftshift(result);J1=ifft2(result);J2=uint8(real(J1));subplot(2,2,4)imshow(J2);title('IHPF濾波〔d0=100)');3.圖像復(fù)原〔圖像恢復(fù)〕圖像復(fù)原技術(shù)就是將圖像退化過程模型化，并且采用相反的過程進行處理，以便復(fù)原出原始圖像。例如，原始圖像fig1_3_1.bmp由于退化變成了退化圖像fig1_3_2.bmp。此圖像的退化函數(shù)為：，其中，M=366，N=364。請采用全逆濾波和不同截止半徑的逆濾波對其進行復(fù)原，并與原圖像fig3_1.bmp進行比擬。再采用維納濾波對其進行復(fù)原，并與逆濾波結(jié)果進行比擬。原理：圖像復(fù)原是試圖利用退化過程的先驗知識使已退化的圖像恢復(fù)本來面目，即根據(jù)退化的原因，分析因其退化的環(huán)境因素，建立相應(yīng)的數(shù)學(xué)模型，并且按著使圖像降質(zhì)的逆過程恢復(fù)圖像流程圖：程序：I=imread('fig1_3_1.bmp');subplot(2,2,1);imshow(I);title('模糊圖像');[m,n]=size(I);F=fftshift(fft2(I));k=0.0025;foru=1:mforv=1:nH(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(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(fù)原圖');K=0.1;foru=1:mforv=1:nH(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)+K));endendF2=H1.*F0;I3=ifft2(fftshift(F2)); subplot(2,2,4);imshow(uint8(I3));title('維納濾波復(fù)原圖');圖fig1_3_3由于運動引起了圖像的模糊變?yōu)閳Dfig1_3_4，其退化函數(shù)為，其中的參數(shù)為a=b=0.1和T=1。在退化的過程中如果參加了噪聲，那么圖像退化成fig1_3_5。請利用逆濾波和最小均方誤差〔維納〕濾波對兩幅退化的圖像進行復(fù)原〔恢復(fù)〕，比擬濾波器參數(shù)的不同對結(jié)果的影響流程圖：程序：I=imread('fig1_3_4.bmp');imshow(I);subplot(2,2,1);imshow(I);title('原圖像');[m,n]=size(I);F=fftshift(fft2(I));k=0.0025;foru=1:mforv=1:nH(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(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(fù)原圖');K=0.1;foru=1:mforv=1:nH(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)+K));endendF2=H1.*F0;I3=ifft2(fftshift(F2));subplot(2,2,4);imshow(uint8(I3));title('維納濾波復(fù)原圖');4、形態(tài)學(xué)圖像處理請利用形態(tài)學(xué)處理方法對圖fig1_4_1進行處理，將字符中的斷裂連接上。同時利用低通濾波對此圖像進行處理，比擬兩種處理方法的效果。流程圖：程序：I1=imread('fig1_4_1.bmp');I2=imnoise(I1,'salt&pepper');%在圖像上參加椒鹽噪聲Subplot(221),imshow(I2)%顯示加椒鹽噪聲后的灰度圖像I3=im2bw(I1);%把加椒鹽噪聲后的灰度圖像二值化Subplot(222),imshow(I3)%顯示二值化后的圖像I4=bwmorph(I3,'open');%對二值噪聲圖像進行二值形態(tài)學(xué)開運算Subplot(223),imshow(I4)%顯示開運算后的圖像I5=bwmorph(I4,'close');%對上述圖像進行形態(tài)學(xué)閉運算Subplot(224),imshow(I5)%顯示最終處理后的圖像圖fig1_4_2顯示了被噪聲污染的指紋圖像的一局部。這里，噪聲表現(xiàn)為在黑色背景上的隨機亮像素和指紋較亮局部上的暗像素。請利用形態(tài)學(xué)處理方法消除噪聲，同時使圖像的失真盡可能小。流程圖：程序：I=imread('fig1_4_2.bmp');B=strel('diamond',1);J1=imopen(I,B);J2=imclose(J1,B);subplot(1,2,1);imshow(I);title('原始圖像');subplot(1,2,2);imshow(J2);title('慮噪結(jié)果');5、彩色圖像處理求圖fig1_5的紅色分量、綠色分量和藍(lán)色分量圖像，并對圖像進行平滑濾波。原理：RGB色彩模式是工業(yè)界的一種顏色標(biāo)準(zhǔn)，是通過對紅(R)、綠(G)、藍(lán)(B)三個顏色通道的變化以及它們相互之間的疊加來得到各式各樣的顏色的，RGB即是代表紅、綠、藍(lán)三個通道的顏色，這個標(biāo)準(zhǔn)幾乎包括了人類視力所能感知的所有顏色，是目前運用最廣的顏色系統(tǒng)之一。RGB色彩模式使用RGB模式為圖像中每一個像素的RGB分量分配一個0~255范圍內(nèi)的強度值。RGB圖像只使用三種顏色，就可以使它們按照不同的比例混合，在屏幕上重現(xiàn)16777216種顏色。從人的視覺系統(tǒng)看，色彩可用色調(diào)、飽和度和亮度來描述。人眼看到的任一彩色光都是這三個特性的綜合效果，這三個特性可以說是色彩的三要素，其中色調(diào)與光波的波長有直接關(guān)系，亮度和飽和度與光波的幅度有關(guān)。HSI色彩空間是從人的視覺系統(tǒng)出發(fā)，用色調(diào)、色飽和度和亮度來描述色彩。HSI色彩空間可以用一個圓錐空間模型來描述。用這種描述HIS色彩空間的圓錐模型相當(dāng)復(fù)雜，但確能把色調(diào)、亮度和色飽和度的變化情形表現(xiàn)得很清楚。流程圖：程序：rgb=imread('fig1_5.bmp');rgb=im2double(rgb);r=rgb(:,:,1);g=rgb(:,:,2);b=rgb(:,:,3);subplot(3,3,1),imshow(rgb),title('fig1_5');subplot(3,3,4),imshow(r),title('?-ê?í???oìé?·?á?');subplot(3,3,5),imshow(g),title('?-ê?í????ìé?·?á?');subplot(3,3,6),imshow(b),title('?-ê?í???à?é?·?á?');num=0.5*((r-g)+(r-b));symden;fen=sqrt((r-g).^2+(r-g).*(g-b));theta=acos(num./(fen+eps));H=theta;H(b>g)=2*pi-H(b>g);H=H/(2*pi);num=min(min(r,g),b);fen=r+g+b;fen(fen==0)=eps;S=1-3.*num./fen;H(S==0)=0;I=(r+g+b)/3;hsi=cat(3,H,S,I);subplot(3,3,7),imshow(H),title('H');subplot(3,3,8),imshow(S),title('S');subplot(3,3,9),imshow(I),title('I');I1=rgb2gray(rgb);subplot(3,3,2),imshow(I1);title('?ò?èí???');k1=filter2(fspecial('average',3),I1)/255;%??DD3*3?￡°???????2¨subplot(3,3,3),imshow(k1);title('??????2¨í???');任務(wù)三：文本圖像的傾斜校正光學(xué)字符識別〔OCR〕技術(shù)可以分為印刷體文字識別和手寫體文字識別兩大類。印刷體文字識別過程一般包括6個組成局部：預(yù)處理、版面分析、字符切割、特征提取、單字識別和后處理。其中預(yù)處理包括對原始圖像的去噪、傾斜校正等，為提高字符識別率做準(zhǔn)備。請使用適當(dāng)?shù)姆椒▽A斜的橫排文本圖像進行自動傾斜校正。原理：任何水平方向和垂直方向的線條或者文字行的傾斜方向都與文檔的傾斜方向是一致的,因此可以通過這些線條和文字行估計傾斜角度流程圖：程序：clearall;A=imread('fig3_1.bmp');%讀取圖像se=strel('ball',12,0);%定義結(jié)構(gòu)元素BW=imdilate(A,se);%使用腐蝕BW2=bwmorph(BW,'thin',Inf);%細(xì)化[H,T,R]=hough(BW2);%哈弗變換

P=houghpeaks(H,5);%提取Hough變換后參數(shù)平面上的峰值點lines=houghlines(BW2,T,R,P);%提取直線fork=1:length(lines)xy=[lines(k).point1;lines(k).point2];%提取坐標(biāo)endm=(xy(2,2)-xy(1,2))/(xy(2,1)-xy(1,1));%求斜率M=atan(m);%求角度M=M*180/3.14;%轉(zhuǎn)化成角度C=imrotate(A,M);%圖像校正subplot(1,2,1);imshow(A);title('原圖像');subplot(1,2,2);imshow(C);title('校正之后');任務(wù)四：圖像融合多聚焦圖像融合是將多幅成像條件相同而且關(guān)于同一場景的不同聚焦部位圖像，融合成一幅各處都清晰的圖像。編寫多聚焦圖像融合算法程序，實現(xiàn)圖像融合。例如，將圖像fig4_1中的6幅序列圖像進行融合，效果如圖fig4_2所示。原理如下圖像融合就是通過一種特定算法將兩幅或多幅圖像合成為一幅新圖像。主要包括的內(nèi)容有：圖像預(yù)處理，圖像融合算法，圖像融合評價，融合結(jié)果。圖像融合系統(tǒng)的層次劃分為：像素層融合、特征層融合、決策層融合，目前絕大多數(shù)融合算法研究都集中在這一層次上流程圖：程序：X1=imread('fig4_1_a.jpg');X2=imread('fig4_1_b.jpg');X3=imread('fig4_1_c.jpg');X4=imread('fig4_1_d.jpg');X5=imread('fig4_1_e.jpg');X6=imread('fig4_1_f.jpg');subplot(3,2,1);imshow(X1);title('序列圖像1');subplot(3,2,2);imshow(X2);title('序列圖像2');subplot(3,2,3);imshow(X3);title('序列圖像3');subplot(3,2,4);imshow(X4);title('序列圖像4');subplot(3,2,5);imshow(X5);title('序列圖像5');subplot(3,2,6);imshow(X6);title('序列圖像6');X1=double(X1);X2=double(X2);X3=double(X3);X4=double(X4);X5=double(X5);X6=double(X6);[c1,I1]=wavedec2(X1,3,'sym4');[c2,I2]=wavedec2(X2,3,'sym4');[c3,I3]=wavedec2(X3,3,'sym4');[c4,I4]=wavedec2(X4,3,'sym4');[c5,I5]=wavedec2(X5,3,'sym4');[c6,I6]=wavedec2(X6,3,'sym4');%對分解系數(shù)進行融合c=c1+c2+c3+c4+c5+c6;I=I1+I2+I3+I4+I5+I6;c=0.001*(c1+c2+c3+c4+c5+c6);%=========================================================%應(yīng)用融合系數(shù)進行圖像重構(gòu)并顯示XX=waverec2(c,I1,'sym4');figure;%image(uint8(XX));XX=double(XX);imshow(XX);title('融合圖像');任務(wù)五：圖像壓縮編寫基于離散余弦變換〔DCT〕的圖像壓縮算法程序，實現(xiàn)圖像壓縮。例如，將圖像fig5_1中圖像進行壓縮，效果如圖fig5_2所示。程序：I=imread('fig5_1.tif');I=im2double(I);T=dctmtx(8);dct=@(x)T*x*T';B=blkproc(I,[88],dct);mask=[111100001110000011000000