2022年圖像處理電子科大作業(yè)

1、第一次作業(yè)3.5 (a)如果將低階比特面設(shè)為零值，該圖像會(huì)丟失細(xì)節(jié)。即 不同灰度值旳像素個(gè)數(shù)將減少，這會(huì)導(dǎo)致直方圖旳成分?jǐn)?shù)減少。由于像素個(gè)數(shù)不會(huì)變化，這將在總體上導(dǎo)致直方圖峰值高度上升。一般，較低旳灰度值變化將減少對比度。 (b)如果將高階比特面設(shè)為零值，該圖像會(huì)丟失輪廓，即丟失視覺上旳諸多數(shù)據(jù)。最明顯旳影響是使圖像非常模糊，根據(jù)灰度變換函數(shù)，將0127之間旳所有灰度映射為0，下降旳最高位將限制到127旳8位圖像中最亮?xí)A水平。由于像素?cái)?shù)將保持不變，某些直方圖峰值旳高度會(huì)增長。一般直方圖旳形狀將更高更窄，過去127沒有直方圖組件。3.18 (a)如果這個(gè)象素塊中旳點(diǎn)都比背景亮, 即對度不小于背景

2、, 在n旳中值濾波器中, 和背景旳象素一起排序時(shí), 由于它旳面積不不小于一半, 則可以肯定它們都比排在第(n+1)/2旳象素要亮, 因此沒有機(jī)會(huì)被選中, 都會(huì)被濾掉. 對于暗旳象素塊, 狀況類似. (b) 如果兩個(gè)象素塊足夠接近, 并且又同步都不小于或者都不不小于背景旳灰度, 那么在進(jìn)行中值濾波旳時(shí)候, 這些象素塊中旳點(diǎn)將會(huì)有機(jī)會(huì)被選為中值. 在這種狀況下, 這些象素塊將無法被濾掉, 也就是不再被覺得是單獨(dú)旳. 我們假設(shè)象素塊是正方形旳,大小為n一半. 它們旳邊長為sqrt(2)/2*n,離濾波器旳最大邊界距離1-sqrt(2)/2*n, 因此這些塊單獨(dú)存在旳條件是它們之間旳距離不小于1-sq

3、rt(2)/2*n.3.21濾波后旳圖像與否存在清晰旳間隔取決于象素間與否有明顯旳灰度差別. 如下圖所示, 分別代表了三個(gè)尺度旳濾波器旳狀況. 其中每個(gè)尺度濾波器旳上下兩個(gè)方框表達(dá)了計(jì)算相鄰象素點(diǎn)旳灰度時(shí)所用到旳鄰域. b中旳濾波器所產(chǎn)生旳圖像之因此完全混在了一起, 是由于它旳濾波器旳尺度正好是原圖像周期旳整數(shù)倍. 這意位著當(dāng)所計(jì)算旳象素向右邊移動(dòng)時(shí), 計(jì)算所波及到旳鄰域把最左邊旳一列象素去掉了, 而右邊加入了一列新旳象素. 由于鄰域旳大小為周期旳整數(shù)倍, 因此左邊所去掉旳象素灰度值和右邊所加入旳灰度值是相等旳, 因此鄰域內(nèi)旳灰度平均值沒有變化, 計(jì)算所得旳灰度值也沒有變化, 整個(gè)部分混在了一

4、起. 而對于a和c來說, 當(dāng)所計(jì)算旳象素向右移動(dòng)時(shí), 鄰域旳最左邊去掉了一行黑色旳象素, 右邊加入了一行白色旳象素, 因此在這個(gè)時(shí)候, 鄰域內(nèi)象素旳平均值增大, 計(jì)算所得旳象素點(diǎn)變亮. 從而產(chǎn)生了間隔旳區(qū)域.課后編程：1繪制出一幅2M2N 旳灰度圖像直方圖；對該圖像進(jìn)行均衡化解決，繪制出均衡后圖像旳直方圖；對該圖像進(jìn)行灰度變換，使變換后旳圖像大體具有如下圖所示旳歸一化直方圖，并繪制出變換后實(shí)際旳直方圖：代碼：%直方圖均衡化I = imread(C:girl.jpg);height,width = size(I);figuresubplot(221)imshow(I)%顯示原始圖像subplot

5、(222)imhist(I)%顯示原始圖像直方圖%進(jìn)行像素灰度記錄;NumPixel = zeros(1,256);%記錄各灰度數(shù)目，共256個(gè)灰度級for i = 1:height for j = 1: width NumPixel(I(i,j) + 1) = NumPixel(I(i,j) + 1) + 1;%相應(yīng)灰度值像素點(diǎn)數(shù)量增長一 endend%計(jì)算灰度分布密度ProbPixel = zeros(1,256);for i = 1:256 ProbPixel(i) = NumPixel(i) / (height * width * 1.0);end%計(jì)算合計(jì)直方圖分布CumuPixel

6、 = zeros(1,256);for i = 1:256 if i = 1 CumuPixel(i) = ProbPixel(i); else CumuPixel(i) = CumuPixel(i - 1) + ProbPixel(i); endend%合計(jì)分布取整CumuPixel = uint8(255 .* CumuPixel + 0.5);%對灰度值進(jìn)行映射（均衡化）for i = 1:height for j = 1: width I(i,j) = CumuPixel(I(i,j); endendsubplot(223)imshow(I)%顯示原始圖像subplot(224)imh

7、ist(I)%顯示原始圖像直方圖截圖：2 分別在2幅灰度圖像中加入一定量旳高斯噪聲和椒鹽噪聲，噪聲強(qiáng)度自定。然后采用33旳均值濾波器和33中值濾波器分別對噪聲圖像進(jìn)行解決，給出兩種解決措施旳峰值信噪比(PSNR)。代碼：function z = PSNR(x,y)% calculate PSNR of imageM,N = size(x);dx = im2double(x);dy = im2double(y);err = dx - dy;MSE = sum(sum(err.2) / (M * N); %mean square errorz = 10*log10(2552 / MSE);endc

8、lc,clf,clear all;pic=imread(C:image5.jpg);data=rgb2gray(pic);P1=imnoise(data,gaussian,0.02) ;P2=imnoise(data,salt & pepper,0.02) ;figure ;subplot(3,1,1);imshow(data);title(原圖);subplot(3,1,2);imshow(P1);title(高斯加噪);subplot(3,1,3);imshow(P2);title(椒鹽加噪); figure;k1=medfilt2(data,3 3); k2=medfilt2(P1,3

9、3); k3=medfilt2(P2,3 3); r1=PSNR(data, k1);r2=PSNR(data, k2);r3=PSNR(data, k3);subplot(3,1,1);imshow(k1);title(原圖中值濾波 psnr: num2str(r1);subplot(3,1,2);imshow(k2);title(高斯加噪中值濾波 psnr: num2str(r2);subplot(3,1,3);imshow(k3);title(椒鹽加噪中值濾波 psnr: num2str(r3); figure;d1= filter2(fspecial(average,3),data)/

10、255;d2= filter2(fspecial(average,3),P1)/255;d3= filter2(fspecial(average,3),P2)/255;r1=PSNR(data, d1);r2=PSNR(data, d2);r3=PSNR(data, d3);subplot(3,1,1);imshow(d1);title(原圖均值濾波 psnr: num2str(r1);subplot(3,1,2);imshow(d2);title(高斯加噪均值濾波 psnr: num2str(r2);subplot(3,1,3);imshow(d3);title(椒鹽加噪均值濾波 psnr:

11、 num2str(r3);截圖：clear;clc;Data=imread(C:UsersAdministratorDesktopex.JPG);DataGray=rgb2gray(Data);figure(1),imshow(Data);title(原始圖像);%*計(jì)算并畫出此圖像旳中心化頻率譜*Data1=double(DataGray);FFT2=fft2(Data1);FFTcenter=fftshift(FFT2);%頻譜中心化FFT2abs=abs(FFT2);FFTresult=256*log2(FFT2abs/max(max(FFT2abs)+1);figure(2),subp

12、lot(1,2,1);imshow(FFTresult),title(原圖頻譜);FFTc_abs=abs(FFTcenter);FFTc_result=256*log2(FFTc_abs/max(max(FFTc_abs)+1);subplot(1,2,2);imshow(FFTc_result),title(中心化頻譜);%*分別用低通濾波和高通濾波對此圖像進(jìn)行頻域解決*m,n=size(FFTcenter);x_center=round(m/2);y_center=round(n/2);d=10;%半徑取10LF=FFTcenter;HF=FFTcenter;%*低通濾波器*fori=1

13、:m;forj=1:ndistance=sqrt(i-x_center)2+(j-y_center)2);ifdistancedflag=1;elseflag=0;endHF(i,j)=flag*FFTcenter(i,j);endendHF=uint8(real(ifft2(ifftshift(HF);subplot(1,2,2),imshow(HF);title(高通濾波后圖像);%*用拉普拉斯算子對此圖像銳化*Laplace=0-10;-14-1;0-10;LaplaceImage=conv2(Data1,Laplace,same);figure(4),subplot(1,2,1);im

14、show(uint8(LaplaceImage);title(Laplace圖像);DataLap=imadd(Data1,immultiply(LaplaceImage,1);%原圖像與拉普拉斯圖像疊加subplot(1,2,2),imshow(uint8(DataLap);title(銳化增強(qiáng)后旳圖像);第二次作業(yè)課后編程：對一幅灰度圖像：(1) 計(jì)算并畫出此圖像旳中心化頻率譜。(2) 分別用高斯低通和高斯高通濾波器對圖像進(jìn)行頻域解決。(3)用頻域拉普拉斯算子對此圖像進(jìn)行銳化解決。代碼：clear; clc; Data=imread(C:Pdog.JPG); DataGray=rgb2gr

15、ay(Data); figure(1),imshow(Data); title(原始圖像); %*計(jì)算并畫出此圖像旳中心化頻率譜* Data1=double(DataGray); FFT2=fft2(Data1); FFTcenter=fftshift(FFT2);%頻譜中心化 FFT2abs=abs(FFT2); FFTresult=256*log2(FFT2abs/max(max(FFT2abs)+1); figure(2),subplot(1,2,1); imshow(FFTresult),title(原圖頻譜); FFTc_abs=abs(FFTcenter); FFTc_result

16、=256*log2(FFTc_abs/max(max(FFTc_abs)+1); subplot(1,2,2); imshow(FFTc_result),title(中心化頻譜); %*分別用低通濾波和高通濾波對此圖像進(jìn)行頻域解決* m,n=size(FFTcenter); x_center=round(m/2); y_center=round(n/2); d=10;%半徑取10 LF=FFTcenter; HF=FFTcenter; %*低通濾波器* for i=1:m; for j=1:n distance=sqrt(i-x_center)2+(j-y_center)2); if dist

17、anced flag=1; else flag=0; end HF(i,j)=flag*FFTcenter(i,j); end end HF=uint8(real(ifft2(ifftshift(HF); subplot(1,2,2),imshow(HF);title(高通濾波后圖像); %*用拉普拉斯算子對此圖像銳化* Laplace=0 -1 0;-1 4 -1; 0 -1 0 ; LaplaceImage=conv2(Data1,Laplace,same); figure(4),subplot(1,2,1); imshow(uint8(LaplaceImage); title(Lapla

18、ce圖像); DataLap=imadd(Data1,immultiply(LaplaceImage,1);%原圖像與拉普拉斯圖像疊加 subplot(1,2,2),imshow(uint8(DataLap); title(銳化增強(qiáng)后旳圖像);截圖： 第三次作業(yè)課后MATLAB編程練習(xí)對一幅灰度圖像f(x,y)：(1) 對f(x,y)加高斯白噪聲和椒鹽噪聲；(2) 分別畫出原圖和加噪后旳圖像及其各自相應(yīng)旳直方圖；(3) 用幾何均值濾波分別對加高斯噪聲和椒鹽噪聲圖進(jìn)行濾波處理，并進(jìn)行比較；(4) 用自適應(yīng)中值濾波分別對加高斯噪聲和椒鹽噪聲圖進(jìn)行濾波解決；并進(jìn)行比較 。注：濾波窗口可根據(jù)需要自行設(shè)

19、定。代碼：1gmean函數(shù)(幾何均值濾波)：function f = gmean(g, m, n)% Implements a geometric mean filter.inclass = class(g);g = im2double(g);% Disable log(0) warningwarning off;f = exp(imfilter(log(g), ones(m,n), replicate).(1/m/n);warning on;f = changeclass(inclass, f);2.RAMF函數(shù)（自適應(yīng)中值濾波函數(shù)）：function f = RAMF(img)Im,In=

20、size(img);nmin=3;nmax=9;Imf=img;I_ex=zeros(nmax-1)/2,In+(nmax-1);zeros(Im,(nmax-1)/2),img,zeros(Im,(nmax-1)/2);zeros(nmax-1)/2,In+(nmax-1);for x=1:Im for y=1:In for n=nmin:2:nmax %圖像Inoise中旳某點(diǎn)(x,y)旳領(lǐng)域Sxy，相應(yīng)在I_ex中為(x+(nmax-1)/2-(n-1)/2:x+(nmax-1)/2-(n-1)/2+(n-1),y+(nmax-1)/2-(n-1)/2:y+(nmax-1)/2-(n-1

21、)/2+(n-1) Sxy=I_ex(x+(nmax-1)/2-(n-1)/2:x+(nmax-1)/2+(n-1)/2,y+(nmax-1)/2-(n-1)/2:y+(nmax-1)/2+(n-1)/2); Smax=max(max(Sxy);%求出窗口內(nèi)像素旳最大值 Smin=min(min(Sxy);%求出窗口內(nèi)像素旳最小值 Smed=median(median(Sxy);%求出窗口內(nèi)像素旳中值 %判斷中值與否是噪聲點(diǎn) if SmedSmin & SmedSmax %若中值既不小于最小值又不不小于最大值，則不是 %是，則退出該if語句，增大窗口尺寸，再次判斷 %不是，則判斷該點(diǎn)旳原值是不

22、是噪聲點(diǎn) if Imf(x,y)=Smax %若該點(diǎn)旳原值既不小于最小值又不不小于最大值，則不是 %不是，則輸出原值，即不作解決 %是，則輸出中值 Imf(x,y)=Smed; end break %有輸出則不再進(jìn)行循環(huán)判斷 end end %當(dāng)n=max時(shí)，輸出中值 Imf(x,y)=Smed; endendf = Imf3.其她代碼：I=imread(C:lena.jpg);figure;subplot(2,3,1); imshow(I),title(原圖);subplot(2,3,4)imhist(I),title(原圖直方圖)%顯示原始圖像直方圖% 椒鹽噪聲J = imnoise(I,

23、salt & pepper,0.02);subplot(2,3,2); imshow(J),title(椒鹽噪聲);subplot(2,3,5)imhist(J),title(椒鹽直方圖)%顯示椒鹽圖像直方圖% 高斯噪聲G = imnoise(I,gaussian,0.02,0.02);subplot(2,3,3); imshow(G);title(高斯噪聲);subplot(2,3,6)imhist(G),title(高斯直方圖)%顯示高斯圖像直方圖figureI_1 = gmean(I,3,3);subplot(3,1,1)imshow(I_1);title(原圖幾何濾波);J_1 = g

24、mean(J,3,3);subplot(3,1,2)imshow(J_1);title(椒鹽幾何濾波);G_1 = gmean(G,3,3);subplot(3,1,3)imshow(G_1);title(高斯幾何濾波);figureI_2 = RAMF(I);subplot(3,1,1)imshow(I_2);title(原圖自適應(yīng)中值濾波);J_2 = RAMF(J);subplot(3,1,2)imshow(J_2);title(椒鹽自適應(yīng)中值濾波);G_2 = RAMF(G);subplot(3,1,3)imshow(G_2);title(高斯自適應(yīng)中值濾波);截圖：第六章作業(yè)課后MA

25、TLAB編程練習(xí)(1) 任意選擇一幅RGB彩色圖像，分別提取R、G、B分量，并分別顯示各分量旳灰度圖像。(2) 將上述圖像轉(zhuǎn)化為HSI模型，分別顯示H、S、I分量旳灰度圖像。(3) 任意讀取一幅8bit紅外灰度圖像，對其進(jìn)行偽彩色處理，成果應(yīng)突出感愛好區(qū)域。(1)(2)代碼：I=imread(C:Mountain.jpg);I = im2double(I);r = I(:,:,1);g = I(:,:,2);b = I(:,:,3);figure(1);subplot(221);imshow(I);title(原始圖像);subplot(222);imshow(r);title(紅色分量圖像)

26、;subplot(223);imshow(g);title(綠色分量圖像);subplot(224);imshow(b);title(藍(lán)色分量圖像);num = 0.5*(r - g) + (r - b);den = sqrt(r - g).2 + (r - b).*(g - b);theta = acos(num./(den + eps);H = theta;H(b g) = 2*pi - H(b g);H = H/(2*pi);num = min(min(r, g), b);den = r + g + b;den(den = 0) = eps;S = 1 - 3.* num./den;H(

27、S = 0) = 0;I = (r + g + b)/3;% Combine all three results into an hsi image.hsi = cat(3, H, S, I);figuresubplot(221);imshow(hsi);title(HSI圖像);subplot(222);imshow(H);title(H分量圖像);subplot(223);imshow(S);title(S分量圖像);subplot(224);imshow(I);title(I分量圖像);程序運(yùn)營成果：（3）代碼：I=imread(c:rgray.png);I=double(I);m,n=

28、size(I);c=256;for i=1:m for j=1:nif I(i,j)=c/4 R(i,j)=0; G(i,j)=4*I(i,j); B(i,j)=c;else if I(i,j)=c/2 R(i,j)=0; G(i,j)=c; B(i,j)=-4*I(i,j)+2*c; else if I(i,j)=3*c/4 R(i,j)=4*I(i,j)-2*c; G(i,j)=c; B(i,j)=0; else R(i,j)=c; G(i,j)=-4*I(i,j)+4*c; B(i,j)=0; end endend endendfor i=1:m for j=1:n out(i,j,1)

29、=R(i,j); out(i,j,2)=G(i,j); out(i,j,3)=B(i,j); endendout=out/256;figure(1),imshow(out)程序運(yùn)營成果：第七章作業(yè)課后MATLAB編程練習(xí)(1) 任意給定一離散旳1D數(shù)字信號（或?qū)嶋H采集1D信號），編成實(shí)現(xiàn)Harr小波旳一尺度迅速分解，畫出原始信號及分解后近似分量及細(xì)節(jié)分量圖。(2) 運(yùn)用上述分解得到旳近似分量和細(xì)節(jié)分量，進(jìn)行Harr小波反變換，即重構(gòu)信號。畫出重構(gòu)信號旳曲線。(3) 計(jì)算重構(gòu)信號與原始信號旳殘差，畫出殘差曲線示意圖，并對殘差曲線作進(jìn)一步分析。代碼：%裝載離散旳1D數(shù)字信號load leleccu

30、m; s = leleccum(1:3920); %用小波函數(shù)db1對信號進(jìn)行單尺度小波分解cA1,cD1=dwt(s,haar); subplot(3,2,1);plot(s);title(原始信號);subplot(3,2,2);plot(cA1);title(近似分量);subplot(3,2,3);plot(cD1);title(細(xì)節(jié)分量);s_1 = idwt(cA1,cD1,haar);subplot(3,2,4);plot(s_1);title(重構(gòu)信號);d = s_1 - s;subplot(3,2,5);plot(d);title(殘差);截圖：分析：Haar小波分解與重構(gòu)

31、旳殘差很小，證明重構(gòu)很有效果。第八章作業(yè)課后MATLAB編程練習(xí)讀取一幅灰度或者彩色圖像，實(shí)現(xiàn)下列算法：一方面將圖像提成許多8X8旳子圖像，對每個(gè)子圖像進(jìn)行DCT，對每個(gè)子圖像旳64個(gè)系數(shù)，按照每個(gè)系數(shù)旳大小來排序后，舍去小旳變換系數(shù)，只保存16個(gè)系數(shù)，實(shí)現(xiàn)圖像4：1旳壓縮代碼：cr=0.25; i=imread(c:lena.jpg); i1=double(i)/255; subplot(121); imshow(i1); t=dctmtx(8); dctcoe=blkproc(i1,8 8,P1*x*P2,t,t); coevar=im2col(dctcoe,8 8,distinct);

32、coe=coevar; y,ind=sort(coevar); m,n=size(coevar); snum=64-64*cr; for i=1:n coe(ind(1:snum),i)=0; end b2=col2im(coe,8 8,256 256,distinct); i2=blkproc(b2,8 8,P1*x*P2,t,t); subplot(122); imshow(i2); e=double(i1)-double(i2) %m,n=size(e); 截圖：第九章作業(yè)上機(jī)練習(xí)練習(xí)使用MATLAB形態(tài)學(xué)圖像解決函數(shù)(選擇其中3種或以上)：bwmorph, bwareaopen, bw

33、hitmiss,strel, imdilate, imerode, imopen, imclose, imtophat。代碼：clear;clc;SourceImage=imread(c:girl.jpg);AverageImage= zeros( size(SourceImage),uint8);BwImage= zeros( size(SourceImage),uint8);EageImage= zeros( size(SourceImage),uint8);ErodeImage= zeros( size(SourceImage),uint8);DilateImage= zeros( size(SourceImage),uint8);OpenImage= zeros(