數(shù)字圖像處理實驗一

1、數(shù)字圖像處理實驗一一、 實驗目的1、 學習時域平滑濾波器的概念及原理，觀察并比較由不同模版3×3，5×5，7×7模版處理后的圖像。2、 學會使用Robert梯度算法尋找圖像邊界及其相關的原理。3、 學習銳化處理，使用laplace算子對圖像實現(xiàn)銳化處理，不斷嘗試尋找不同的觀察其效果二、 實驗原理1、 平滑空間濾波器平滑濾波器用于模糊處理和減小噪聲，我們學習的平滑線性空間濾波器的輸出響應是包含在濾波模版鄰域內(nèi)像素的簡單平均值，也稱均值濾波器，屬于低通濾波器。平滑濾波器用濾波模版確定的鄰域內(nèi)像素的平均灰度值去代替圖像每個像素點的值，這種處理減小了圖像灰度的尖銳化，同時

2、也會帶來一些負面的影響，比如的處理完之后帶來圖像會更加的模糊，尤其是當模版越大的時候越明顯。模版大致有兩種，一是鄰域平均，一是加權(quán)平均。本次實驗中使用加權(quán)平均的方式，簡單的進行加權(quán)平均表示成： 注意濾波器模板的所有系數(shù)均為1，可保證輸出圖仍在原來的灰度值范圍，計算也更有效。在處理的時候，應該注意邊界的處理必要的時候可以擴展一下邊界。補0或者是使用最外圈的數(shù)據(jù)擴展。2、 Robert梯度算法梯度法是基于一階微分尋找邊界的方法。實際實現(xiàn)算法的過程中經(jīng)常會使用絕對值（街區(qū)距離）來替代平方根（歐氏距離）運算近似求梯度。為得出合適的濾波模版，Robert定義了交叉差分算法，給出了梯度的近似算法如下：可以

3、看出是兩個3×3的模版對圖像處理之后的相加。模版分別為：與 兩個模版3.圖像增強銳化拉普拉斯算子使用二階微分梯度在圖像增強處理中的應用，邊緣增強是要突出圖像邊緣，抑制圖像中非邊緣信息，使圖像輪廓更加清晰。由于邊緣占據(jù)圖像的高頻成分，所以邊緣增強通常屬于高通濾波。一個二元圖像函數(shù)的拉普拉斯變換定義為：為了適合于計算機的處理，對微分方程進行離散化處理：這個公式可由多種模版實現(xiàn)，本次實驗用使用的模版是：三 實驗的步驟1、 圖像平滑下列為3×3模版的平滑處理的MATLAB代碼function m=pinghua_03fid=fopen('d:Eimage_007.img&#

4、39;,'r');%打開文件M=256;N=256;c=fread(fid,M*N,'float64');%讀取文件的數(shù)據(jù)；fclose(fid);for m=1:Mfor n=1:N Image(m,n)=c(m-1)*256+n);end end%將讀取出來的向量轉(zhuǎn)化為矩陣subplot(121);imshow(Image,0,255);%顯示原始圖像title('fontname華文隸書slfontsize16未經(jīng)過處理的圖像');h1=ones(3,3)/9;%3×3的模板Image1=zeros(M+2,N+2);Image1

5、(2:M+1,2:N+1)=Image; %擴展數(shù)字圖像矩陣處理for i=1:M for j=1:N s=Image1(i:i+2,j:j+2); Image_New(i,j)=sum(sum(h1.*s); endendsubplot(122);%顯示經(jīng)過3×3的模板的圖像imshow(Image_New,min(min(Image_New),max(max(Image_New); title('fontname華文隸書slfontsize16經(jīng)過經(jīng)過3×3的模板的平滑處理后的圖像'); (1)結(jié)果如圖1所示：圖1(2)同理修改模版將其改為5×

6、5模版之后。顯示的結(jié)果如圖2所示圖2(3)模版改為7×7之后運行的結(jié)果如圖3所示圖3實驗結(jié)論：雖然在一定程度上這樣簡單的平滑處理之后圖像顯得更加的平滑了，但是同時帶來了一個不良的效應就是整個圖像的模糊化效應。模版越大，模糊效應越是明顯。尤其在7×7模版中尤為的突出2.邊界的提取function robert_bjfid=fopen('c:Eimage_007.img','r');%打開文件M=256;N=256;c=fread(fid,M*N,'float64');%讀取文件的數(shù)據(jù)；fclose(fid);for m=1:Mf

7、or n=1:N Image(m,n)=c(m-1)*256+n);end end%將讀取出來的向量轉(zhuǎn)化為矩陣subplot(121);imshow(Image,0,255); %顯示原始圖像title('fontname華文隸書slfontsize12未經(jīng)過處理的圖像');h_x=0,0,0;0,1,0;0,0,-1;h_y=0,0,0;0,0,1;0,-1,0;Image1=zeros(M+2,N+2);Image1(2:M+1,2:N+1)=Image; %邊界的擴展for i=1:M for j=1:N s=Image1(i:i+2,j:j+2); Image_x(i,

8、j)=sum(sum(h_x.*s); Image_y(i,j)=sum(sum(h_y.*s); Image_New(i,j)=abs(Image_x(i,j)+abs(Image_y(i,j); endend subplot(122);im_max=max(max(Image_New);im_min=min(min(Image_New);imshow(Image_New,im_min,im_max); %結(jié)果robert算子處理之后的圖像title('fontname華文隸書slfontsize12使用robert算子的獲得的圖像');運行的結(jié)果如下圖4所示圖4實驗結(jié)論：這

9、樣可以涂邊界的一些輪廓可以做到凸顯的效果，便于觀察一些變化部分的細節(jié)。3.圖像銳化：程序如下：function m=laplace_rh(KI)fid=fopen('d:Eimage_007.img','r');%打開文件M=256;N=256;c=fread(fid,M*N,'float64');%讀取文件的數(shù)據(jù)；fclose(fid);for m=1:Mfor n=1:N Image(m,n)=c(m-1)*256+n);end end%將讀取出來的向量轉(zhuǎn)化為矩陣subplot(121);imshow(Image,0,255);%顯示原始圖像

10、title('fontname華文隸書slfontsize12未經(jīng)過處理的圖像');h=-KI,-KI,-KI;-KI,8*KI+1,-KI;-KI,-KI,-KI;Image_1=zeros(M+2,N+2);Image_1(2:M+1,2:N+1)=Image;for i=1:M for j=1:N s=Image_1(i:i+2,j:j+2); Image_New(i,j)=sum(sum(h.*s); endendsubplot(122);im_max=max(max(Image_New);im_min=min(min(Image_New);imshow(Image_New,im_min,im_max);%顯示經(jīng)過3×3的模板的圖像title('fontname華文隸書slfontsize12使用laplace算子KI=1時獲得的圖像');在command windows窗口，輸入不同的KI值，將顯示不同的的KI值處理之后的圖像。(1)當KI=1時處理前后的結(jié)果如圖5所示圖