《數(shù)字圖像處理》作業(yè)題目

1、數(shù)字圖像處理作業(yè) 班級(jí)： Y100501 姓名： 雷 鋒 學(xué)號(hào)： 000000001 一、編寫程序完成不同濾波器的圖像頻域降噪和邊緣增強(qiáng)的 算法并進(jìn)行比較，得出結(jié)論。頻域降噪。對圖像而言，噪聲一般分布在高頻區(qū)域，而圖像真是信息主要集中在低頻區(qū)，所以，圖像降噪一般是利用低通濾波的方法來降噪。邊緣增強(qiáng)。圖像的邊緣信息屬于細(xì)節(jié)信息，主要由圖像的高頻部分決定，所以，邊緣增強(qiáng)一般采取高通濾波，分離出高頻部分后，再和原頻譜進(jìn)行融合操作，達(dá)到邊緣增強(qiáng)，改善視覺效果，或者為進(jìn)一步處理奠定基礎(chǔ)的目的。1頻域降噪，主程序如下：I=imread('lena.bmp'); %讀入原圖像文件J=imno

2、ise(I,'gaussian',0,0.02);%加入高斯白噪聲A=ilpf(J,0.4);%理想低通濾波figure,subplot(222);imshow(J);title('加噪聲后的圖像');subplot(222);imshow(A);title('理想低通濾波');B=blpf(J,0.4,4);%巴特沃斯低通濾波subplot(223);imshow(B);title('巴特沃斯低通濾波');C=glpf(J,0.4);%高斯低通濾波subplot(224);imshow(C);title('高斯低通濾波&

3、#39;);用到的濾波器函數(shù)的程序代碼如下：function O=ilpf(J,p) %理想低通濾波，p是截止頻率f1,f2=freqspace(size(J),'meshgrid');hd=ones(size(J);r=sqrt(f1.2+f2.2);hd(r>p)=0;y=fft2(double(J);y=fftshift(y);ya=y.*hd;ya=ifftshift(ya);ia=ifft2(ya);O=uint8(real(ia);function O=blpf(J,d,n) %巴特沃斯低通濾波器，d是截止頻率，n是階數(shù)f1,f2=freqspace(size

4、(J),'meshgrid');hd=ones(size(J);r=f1.2+f2.2;for i=1:size(J,1) for j=1:size(J,2) t=r(i,j)/(d*d); hd(i,j)=1/(tn+1); endendy=fft2(double(J);y=fftshift(y);ya=y.*hd;ya=ifftshift(ya);ia=ifft2(ya);O=uint8(real(ia);function O=glpf(J,D) %高斯濾波器，D是截止頻率f1,f2=freqspace(size(J),'meshgrid');r=f1.2+

5、f2.2;Hd=ones(size(J);for i=1:size(J,1) for j=1:size(J,2) t=r(i,j)/(D*D); Hd(i,j)=exp(-t); endendY=fft2(double(J);Y=fftshift(Y);Ya=Y.*Hd;Ya=ifftshift(Ya);ia=ifft2(Ya);O=uint8(real(ia);運(yùn)行結(jié)果如圖1所示。從結(jié)果可以看出，三種濾波器都可以對圖像進(jìn)行降噪，經(jīng)濾波器濾波后，圖像更噪聲部分得到抑制，但是細(xì)節(jié)部分變得模糊。這是因?yàn)?，?xì)節(jié)信息分布在高頻部分，降噪會(huì)對圖像起到平滑作用，細(xì)節(jié)部分減弱。2 邊緣增強(qiáng)，程序如下：J=i

6、mread('moon.tif'); figuresubplot(121),imshow(J);title('原始圖像');f1,f2=freqspace(size(J),'meshgrid');r=f1.2+f2.2;D=0.3;Hd=ones(size(J);for i=1:size(J,1) for j=1:size(J,2) t=r(i,j)/(D*D); Hd(i,j)=1-exp(-t); %高斯高通濾波 endendY=fft2(double(J);Y=fftshift(Y);Ya=Y.*Hd; %高斯高通濾波%Ya=ifftshi

7、ft(Ya);ia=Y+1.4*Ya; %原始圖像頻譜加上1.4倍的高頻頻譜Ya=ifftshift(ia);ia=ifft2(Ya);O=uint8(real(ia);subplot(122),imshow(O);title('邊緣增強(qiáng)后的圖像');運(yùn)行結(jié)果如下圖示：邊緣增強(qiáng)采用高斯高通濾波器將高頻頻譜過濾出來然后乘以1.4倍以后與原圖像頻譜詳加，然后對所得頻譜進(jìn)行反變換得到增強(qiáng)后的圖像。也可以采用其他濾波器，比如巴特沃斯濾波器或者理想高通濾波器等。從結(jié)果可以看出高頻加強(qiáng)后圖像細(xì)節(jié)增強(qiáng)，邊緣部分更容易分辨。二、編寫程序完成不同銳化方法的圖像銳化的算法并進(jìn)行比較，得出結(jié)論。圖像

8、銳化可以分為空域和頻域銳化兩大類，在此著重討論空域。頻域銳化可以參考上題中邊緣增強(qiáng)部分。1.拉普拉斯變換銳化。f=imread('lena.bmp');w=fspecial('laplacian',0);%生成模版f2=im2double(f);g2=imfilter(f2,w,'replicate');g=f2-g2;g1=1.3*f2-g2;%高頻提升figure,subplot(131);imshow(f);title('原始圖片');subplot(132);imshow(g);title('標(biāo)準(zhǔn)拉普拉斯銳化

9、9;);subplot(133);imshow(g1);title('高頻提升銳化');運(yùn)行結(jié)果如下圖所示:2.梯度算子銳化。程序如下：f=imread('coins.png'); h1=fspecial('prewitt'); h2=fspecial('sobel'); h3=fspecial('log'); f2=im2double(f);g1=imfilter(f2,h1,'replicate');g2=imfilter(f2,h2,'replicate');g3=imfilt

10、er(f2,h3,'replicate');figure,subplot(221);imshow(f);title('原始圖片');subplot(222);imshow(g1);title('prewitt算子梯度銳化');subplot(223);imshow(g2);title('sobel算子梯度銳化');subplot(224);imshow(g2);title('log算子梯度銳化');運(yùn)行結(jié)果如下如所示：從運(yùn)行結(jié)果可以看出，拉普拉斯變換銳化效果明顯，高頻提升后邊緣信息更加清晰，但是也同時(shí)可以看出，拉普

11、拉斯銳化會(huì)產(chǎn)生很多噪聲。相比較一下，梯度算子沒有引入噪聲，邊緣信息明顯，很適合計(jì)算機(jī)自動(dòng)檢測和識(shí)別。三、編寫程序完成同態(tài)濾波的算法，得出結(jié)論。同態(tài)濾波是把頻率過濾和灰度變換結(jié)合起來的一種圖像處理方法，它依靠圖像的照度/ 反射率模型作為頻域處理的基礎(chǔ)，利用壓縮亮度范圍和增強(qiáng)對比度來改善圖像的質(zhì)量。同態(tài)濾波的maitlab實(shí)現(xiàn)如下：clear;img0 = imread('tun.jpg');%img0=rgb2gray(I);%彩色圖像轉(zhuǎn)化為灰度圖像M,N=size(img0);img=double(img0);img = log(1+img); %取對數(shù) img = fft2(

12、img); %傅立葉變換 img = fftshift(img); %將頻域原點(diǎn)移到圖像中心 for i=1:M for j=1:N D(i,j)=sqrt(i-floor(M/2)2+(j-floor(N/2)2);%求距離 end end c=4; %銳化參數(shù)，可調(diào) Do=150 ; %一般是方差 (濾波器的高通截止頻率) H=(2.0-0.5)*(1-exp(-c*(D.2/(Do2)+0.5; %濾波器函數(shù) whos;himg=img.*H; himg=ifftshift(himg);gimg=ifft2(himg); %逆傅立葉變換 gimg=exp(gimg); %取指數(shù) G=re

13、al(gimg); img=G; img_min=min(img(:);img_max=max(img(:);img=(img-img_min)/(img_max-img_min); img=imadjust(img,0 1,0 1,0.3);w1=fspecial('gaussian',5,5,2.3);img_new=imfilter(img,w1); %高斯濾波J=histeq(img_new);%直方圖均衡化處理im2=histeq(img);figure,subplot(121),imshow(img0);title('原始圖像');%顯示原始圖像su

14、bplot(122); imshow(J);title('同態(tài)濾波后的圖像'); %濾波處理過的圖像運(yùn)行結(jié)果如下圖示：程序中為了得到更好的視覺效果，同態(tài)濾波后，有進(jìn)行了空域高斯濾波和直方圖均衡化處理。通過運(yùn)行結(jié)果我們可以看出，經(jīng)同態(tài)濾波后，圖像中原本很暗的巖壁更加清晰，圖像的亮度范圍減小，對比對增強(qiáng)，細(xì)節(jié)信息增強(qiáng)，視覺效果更好。四、編寫程序完成不同分割方法的圖像分割的算法并進(jìn)行比較，得出結(jié)論。圖像分割是圖像處理的重要領(lǐng)域，是計(jì)算機(jī)進(jìn)一步處理的基礎(chǔ)。筆者完成了兩個(gè)比較有代表性的圖像分割算法，一個(gè)是基于灰度的閾值分割，一個(gè)是基于邊緣信息的分割，分水嶺算法進(jìn)行的圖像分割。1. Ots

15、u法閾值分割圖像clear allI=imread('coins.png');subplot(1,2,1),imshow(I);title('原始圖像')level=graythresh(I); %確定灰度閾值BW=im2bw(I,level);subplot(1,2,2),imshow(BW);title('Otsu法閾值分割圖像')；運(yùn)行結(jié)果如下圖示：從運(yùn)行結(jié)果可以看出，Otsu法閾值分割圖像對于前景目標(biāo)和背景灰度差別較大、目標(biāo)灰度范圍較小，的情況下可以實(shí)現(xiàn)較為理想的分割。在一定的領(lǐng)域具有重要應(yīng)用。但對背景和目標(biāo)灰度分布不明顯的情況下分割效果

16、不理想。2. 分水嶺算法圖像分割。I=imread('rice.png'); f=double(I); hv=fspecial('prewitt'); hh=hv.' gv=abs(imfilter(f,hv,'replicate'); gh=abs(imfilter(f,hh,'replicate'); g=sqrt(gv.2+gh.2);%計(jì)算梯度 df=bwdist(f);%計(jì)算到最近不為0的點(diǎn)的距離 L1=watershed(df); %分水嶺算法 em=L1=0; im=imextendedmax(f,20);%

17、計(jì)算大于某閾值的極大值 g2=imimposemin(g,im|em);%使用形態(tài)重構(gòu)修改強(qiáng)度圖像g，使得它在im|em非零的地方只有區(qū)域極小值。 L2=watershed(g2); wr2=L2=0; f(wr2)=255; figure, subplot(121);imshow(I);title('原始圖像'); subplot(122),imshow(uint8(f);title('分割結(jié)果');運(yùn)行結(jié)果如下圖示：由運(yùn)行結(jié)果可以看出，分水嶺算法可以較好的實(shí)現(xiàn)圖像的分割。分水嶺算法是圖像分割的一種重要方法，但是此方法對噪聲比較敏感，容易造成過分割現(xiàn)象。需要進(jìn)

18、行一定的預(yù)處理。本程序在進(jìn)行自動(dòng)標(biāo)記后效果明顯，分割效果比較理想。五、編寫程序完成不同壓縮方法的圖像壓縮的算法并進(jìn)行比較，得出結(jié)論。圖像壓縮算法有有損壓縮和無損壓縮兩大類。無損編碼主要是熵編碼，典型的有哈夫曼編碼，還有利用圖像空間冗余的游程編碼。有損編碼主要是變換域編碼，如DCT變換編碼，小波壓縮編碼等。筆者完成了而至圖像的游程編碼和灰度圖像的DCT變換編碼。1.游程編碼 matlab程序如下：tu1=imread('lena.bmp'); %讀入圖像tu2=tu1(1:65536); %將原始圖像寫成一維的數(shù)據(jù)并設(shè)為 tu2tu2length=length(tu2); % 計(jì)

19、算tu2的長度for i=1:1:tu2length % for 循環(huán)，目的在于轉(zhuǎn)換為二值圖像if tu2(i)>=120tu2(i)=255;else tu2(i)=0;endend tu3=reshape(tu2,256,256); % 重建二維數(shù)組圖像，并設(shè)為tu3 figure, subplot(121);imshow(tu3);title('原始二值圖像'); X=tu3(:); %令X為新建的二值圖像的一維數(shù)據(jù)組 j=1;tu4(1)=1;for z=1:1:(length(X)-1) % 游程編碼程序段if X(z)=X(z+1)tu4(j)=tu4(j)+

20、1;elsedata(j)=X(z); % data(j)代表相應(yīng)的像素?cái)?shù)據(jù)j=j+1;tu4(j)=1;endend data(j)=X(length(X); % 最后一個(gè)像素?cái)?shù)據(jù)賦給data tu4length=length(tu4); % 計(jì)算游程編碼后的所占字節(jié)數(shù)，記為tu4length % 下面程序是游程編碼解壓l=1;for m=1:tu4length for n=1:1:tu4(m); rec_tu(l)=data(m); l=l+1; end end rec2_tu=reshape(rec_tu,256,256); % 重建二維二維圖像數(shù)組subplot(122);imshow(rec2_tu);title('恢復(fù)后的圖像');%顯示解壓后的圖像運(yùn)行結(jié)果如下圖示：壓縮后數(shù)據(jù)如下（whos命令）： Name Size Bytes Class tu4 1x3826 30608 double 由圖可以看出，對于二值圖像（或灰度變化不大的灰度圖像）可以無失真的壓縮，壓縮前圖像為256*256大小，壓縮后為1*3826，壓縮效果比較明顯。如果灰度變化較大，則壓縮效果不明顯，甚至可能會(huì)比原來圖