圖像處理課程設(shè)計報告模板

PAGE圖像處理課程設(shè)計報告（小初）設(shè)計題目：專業(yè)班級：通信08-02班學生姓名：吳麗霞（以上小二號、行距40磅）（A4紙打?。╊}目（三號，黑體，居中）摘要（四號，黑體，居中）圖像中的噪聲會妨礙人們對圖像的理解，而圖像去噪的目的就是去除圖像中的噪聲，提高人們對圖像的認識程度，以便對圖像作進一步地處理。該次課設(shè)就是用幾種方法對圖像的噪聲進行處理，使圖像增強。1、均值濾波

均值濾波是在空間域?qū)D象進行平滑處理的一種方法，易于實現(xiàn)，效果也挺好。

設(shè)噪聲η(m,n)是加性噪聲，其均值為0，方差（噪聲功率）為σ2，而且噪聲與圖象f(m,n)不相關(guān)。

除了對噪聲有上述假定之外，該算法還基于這樣一種假設(shè)：圖象是由許多灰度值相近的小塊組成。這個假設(shè)大體上反映了許多圖象的結(jié)構(gòu)特征。（2）式表達的算法是由某像素領(lǐng)域內(nèi)各點灰度值的平均值來代替該像素原來的灰度值。

可用模塊反映領(lǐng)域平均算法的特征。對模版沿水平和垂直兩個方向逐點移動，相當于用這樣一個模塊與圖像進行卷積運算，從而平滑了整幅圖象。模版內(nèi)各系數(shù)和為1，用這樣的模版處理常數(shù)圖象時，圖像沒有變化；對一般圖象處理后，整幅圖像灰度的平均值可不變。

2、中值濾波

中值濾波是一種非線性處理技術(shù)，能抑制圖象中的噪聲。它是基于圖象的這樣一種特性：噪聲往往以孤立的點的形式出現(xiàn)，這些點對應(yīng)的象素很少，而圖象則是由像素數(shù)較多、面積較大的小塊構(gòu)成。

在一維的情況下，中值濾波器是一個含有奇數(shù)個像素的窗口。在處理之后，位于窗口正中的像素的灰度值，用窗口內(nèi)各像素灰度值的中值代替。例如若窗口長度為5，窗口中像素的灰度值為80、90、200、110、120，則中值為110，因為按小到大（或大到?。┡判蚝?，第三位的值是110。于是原理的窗口正中的灰度值200就由110取代。如果200是一個噪聲的尖峰，則將被濾除。然而，如果它是一個信號，則濾波后就被消除，降低了分辨率。因此中值濾波在某些情況下抑制噪聲，而在另一些情況下卻會抑制信號。

中值濾波很容易推廣到二維的情況。二維窗口的形式可以是正方形、近似圓形的或十字形的。在圖像增強的具體應(yīng)用中，中值濾波只能是一種抑制噪聲的特殊工具，在處理中應(yīng)監(jiān)視其效果，以決定最終是福才有這種方案。實施過程中的關(guān)鍵問題是探討一些快速算法。

3、低通濾波(Low-passfilter)是一種過濾方式，規(guī)則為低頻信號能正常通過，而超過設(shè)定臨界值的高頻信號則被阻隔、減弱。但是阻隔、減弱的幅度則會依據(jù)不同的頻率以及不同的濾波程序（目的）而改變。它有的時候也被叫做高頻去除過濾（high-cutfilter）或者最高去除過濾（treble-cutfilter)。低通過濾是高通過濾的對立。（摘要正文小四，宋體，行距1.5倍）Abstract（英文摘要正文TimesNewRoman，小四，行距1.5倍）1、meanfilterThemeanfilterisinspatialdomainsmoothingoftheimageofakindofmethod,easytoberealized,theeffectisgoodtoo.Anoiseη(m,n)isadditivenoise,themeanis0,thevariance(noise)forsigma2,powerandnoiseandimagef(m,n)notrelated.Inadditiontothenoiseoutsidetheassumption,thealgorithmisbasedontheassumptionthattheimageiscomposedofmanysimilargreyvalueofsmallpieces.Thehypothesisthatgenerallyreflectmanyfeaturesofthestructureoftheimage.(2)thealgorithmofexpressionisapixelfieldbyeachpointintheaverageofthegreyvaluetoreplacethepixelsoftheoriginalgrayscalevalue.Canreflecttheaveragealgorithmmodulesfieldcharacteristics.Fortemplatealongtheverticalandhorizontaldirectionstopointmobile,equivalenttousesoamoduleandimage,andsmoothoperationconvolutiontheimage.Withinthetemplatecoefficientandto1,theuseofsuchtemplateimageprocessing,imagenotconstantchanges;Onthegeneralimageprocessing,thewholeimagecanbeunchanged.2、medianfilteringThemedianfilterisanonlinearprocessingtechnology,canrestrainthenoiseoftheimage.Itisbasedonimagesuchafeature:noiseofteninanisolatedpoint,thesepointsintheformofthecorrespondingpixelimageisveryfew,andbythenumbersofpixelsthelargeareasmallpiecestoform.Inonedimension,themedianfilterisacontainsanoddnumberofpixelswindow.Intheprocessing,islocatedinthewindowafteristhepixelgrayvalue,usewithinthewindowpixelvaluesofthemedianinstead.Forexampleifthewindowfor5,thewindowthelengthofthepixelgrayscalevaluefor80,90,200,110,120,themedianfor110,accordingtothesmalltolargebecause(orbigtosmall),afterthethirdordervalueis110.Soisthewindowoftheprincipleofgreyvalueby110insteadof200.If200isanoise,itwillbetheheightsoffilter.However,ifitisasignal,thefilteriseliminatedafter,andtoreducetheresolution.Sothemedianfilterinsomecasesthenoiseelimination,andinsomecasesbutwillrestrainsignal.Themedianfilteriseasytospreadtothe2d.2dwindowformcanbeisasquare,approximatecircleorthecross.Inimageenhancementofthespecificapplication,themedianfiltercanreducethenoiseisakindofspecialtools,indealingwiththeeffectshouldbemonitoring,withdecisionisultimatelyblessingtojusthavethiskindofplan.Thekeyproblemsintheprocessofimplementationistoexploresomealgorithms.3、Lowpassfiltering(Low-passthefilter)isakindoffiltrationmethodforLowfrequencysignalcanbenormalrulesby,andmorethanthehighfrequencysignaliscriticalvaluesetwascut,abate.Butcutoff,abaterangewillaccordingtodifferentfrequencyanddifferentfilterprogram(purpose)andchange.Itsometimesalsocalledhighfrequencyremovefiltering(high-howthefilter)orthehighestremovalfilter(treble-howthefilter).Lowthroughthefilterhigh-passfilterisoftheconflict.目錄一、設(shè)計目的、任務(wù)與要求二、總體方案設(shè)計三、各功能模塊的主要實現(xiàn)程序四、測試和調(diào)試五、結(jié)論與心得六、參考文獻

一、設(shè)計目的、任務(wù)與要求（大標題均為四號，黑體）（小標題為小四號，黑體；正文為小四號，宋體；單倍行距）1、結(jié)合實例學習如何在視頻顯示程序中增加圖像處理算法；2、理解和掌握圖像的線性變換和直方圖均衡化的原理和應(yīng)用；3、了解平滑處理的算法和用途，學習使用均值濾波、中值濾波和拉普拉斯銳化進行圖像增強處理的程序設(shè)計方法；4、了解噪聲模型及對圖像添加噪聲的基本方法；5、了解圖像變換的意義和手段；6、熟悉傅里葉變換的基本性質(zhì)；7、熱練掌握FFT方法及應(yīng)用；8、通過實驗了解二維頻譜的分布特點；9、通過本實驗掌握利用MATLAB編程實現(xiàn)數(shù)字圖像的傅立葉變換及濾波銳化和復(fù)原處理；10、了解理想、巴特沃茲、高斯等不同濾波器的結(jié)構(gòu)及濾波效果。二、總體方案設(shè)計自選黑白圖像，用加噪聲的方法獲得有噪圖像。用圖像平均的方法消除噪聲并計算信噪比的改善。用平滑濾波方法消除噪聲并計算信噪比的改善。用中值濾波方法消除噪聲并計算信噪比的改善。用理想低通濾波方法消除噪聲并計算信噪比的改善。5、用巴特沃斯低通濾波方法消除噪聲并計算信噪比的改善。更換不同圖像及噪聲重復(fù)以上濾波方法，觀察并分析這些算法的應(yīng)用場合。（根據(jù)課程設(shè)計的具體情況，描述系統(tǒng)的具體構(gòu)架，包括：功能模塊的劃分、系統(tǒng)運行的環(huán)境、選用的工具及主要實現(xiàn)功能的原理，系統(tǒng)總體架構(gòu)可用方框圖表示。）三、各功能模塊的主要實現(xiàn)程序I=imread(‘原圖像名.gif’);%讀入原圖像文件imshow(I);%顯示原圖像fftI=fft2(I);%二維離散傅立葉變換sfftI=fftshift(fftI);%直流分量移到頻譜中心RR=real(sfftI);%取傅立葉變換的實部f=fft2(J);%傅里葉變化g=ifftshift(g);%傅里葉反變換II=imag(sfftI);%取傅立葉變換的虛部A=sqrt(RR.^2+II.^2);%計算頻譜幅值J=imnoise(I,'salt&pepper',0.02);%在原圖上添加椒鹽噪聲k=filter2(fspecial('average',A),J);%進行A×A模板平滑濾波k=filter2(fspecial('average',A),J);%進行A×A模板平滑濾波A=（A-min(min(A))）/(max(max(A))-min(min(A)))*225;%歸一化figure;%設(shè)定窗口imshow(A);%顯示原圖像的頻譜snr=10*log(B/A)%計算信噪比（主要的功能實現(xiàn)和函數(shù)要進行詳細的說明，包括其用法，使用范圍，及參數(shù)等）。四、測試和調(diào)試4圖像平均法例4.9I=imread('saturn.tif');%裝入MATBLE圖像是saturn[M,N]=size(I);%建立矩陣II1=zeros(M,N);fori=1:16%循環(huán)從1到16II(:,:,i)=imnoise(I,'gaussian',0,0.01);%在原圖I上，添加高斯噪聲II1=II1+double(II(:,:,i));ifor(or(i==1,i==4),or(i==8,i==16));figure;imshow(uint8(II1/i));%分別以II1/1,II1/4，II1/8和II1/16命名四幅圖endendJ1=double(II1)-double(I);%純噪聲A=(std2(J1))^2;%噪聲的方差B=(std2(double(II1)))^2;%添加1幅同類圖像后所得到的恢復(fù)圖像的方差snr1=10*log(B/A)%計算信噪比J2=double(II1/4)-double(I);C=(std2(II1/4))^2;D=(std2(double(J2)))^2;%將4幅圖像的均值添加在原圖上所得到的恢復(fù)圖像的方差snr2=10*log(C/D)J3=double(II1/8)-double(I);E=(std2(double(II1/8)))^2;%將8幅圖像的均值添加在原圖上所得到的恢復(fù)圖像的方差F=(std2(J3))^2;snr3=10*log(E/F)J4=double(II1/16)-double(I);H=(std2(double(II1/16)))^2;%將16幅圖像的均值添加在原圖上所得到的恢復(fù)圖像的方差G=(std2(J4))^2;snr4=10*log(H/G)結(jié)果：snr1=1.3720snr2=6.1570snr3=15.0462snr4=45.5555例4.10I=imread('saturn.tif');%裝入MATBLE圖像saturnJ=imnoise(I,'salt&pepper',0.02);%在原圖上添加椒鹽噪聲，產(chǎn)生新的圖像Jsubplot(231),imshow(I);title('原圖像');%在2行3列的第1個位置，顯示原圖I，加標題subplot(232),imshow(J);title('添加椒鹽噪聲圖像');%在2行3列的第2個位置，顯示添加噪聲的圖像J，加標題k1=filter2(fspecial('average',3),J);%進行3×3模板平滑濾波k2=filter2(fspecial('average',5),J);%進行5×5模板平滑濾波k3=filter2(fspecial('average',7),J);%進行7×7模板平滑濾波k4=filter2(fspecial('average',9),J);%進行9×9模板平滑濾波subplot(233),imshow(uint8(k1));title('3*3模板平滑濾波');%圖像所在位置及名稱subplot(234),imshow(uint8(k2));title('5*5模板平滑濾波');subplot(235),imshow(uint8(k3));title('7*7模板平滑濾波');subplot(236),imshow(uint8(k4));title('9*9模板平滑濾波')I2=double(J)-double(I)%純噪聲A=(std2(I2/255))^2%純噪聲的方差B=std2(double(k1)/255)^2%進行3×3模板平滑濾波后圖像k1的方差C=std2(double(k2)/255)^2%進行5×5模板平滑濾波后圖像k2的方差D=std2(double(k3)/255)^2%進行7×7模板平滑濾波后圖像k3的方差E=std2(double(k4)/255)^2%進行9×9模板平滑濾波后圖像k4的方差snr1=10*log(B/A)%計算信噪比snr2=10*log(C/A)snr3=10*log(D/A)snr4=10*log(E/A)所得結(jié)果：snr1=21.5874snr2=21.4311snr3=21.3249snr4=21.2262例4.11I=imread('saturn.tif');%裝入MATBLE圖像saturnJ=imnoise(I,'salt&pepper',0.02);%在原圖上添加椒鹽噪聲，產(chǎn)生新的圖像Jsubplot(231),imshow(I);title('原圖像');%在2行3列的第1個位置，顯示原圖I，加標題subplot(232),imshow(J);title('添加椒鹽噪聲圖像');%在2行3列的第2個位置，顯示添加噪聲的圖像J，加標題k1=medfilt2(J);%進行3×3模板中值濾波k2=medfilt2(J,[55]);%進行5×5模板中值濾波k3=medfilt2(J,[77]);%進行7×7模板中值濾波k4=medfilt2(J,[99]);%進行9×9模板中值濾波subplot(233),imshow(k1);title('3*3模板中值濾波')%圖像所在位置及名稱subplot(234),imshow(k2);title('5*5模板中值濾波')subplot(235),imshow(k3);title('7*7模板中值濾波')subplot(236),imshow(k4);title('9*9模板中值濾波')I2=double(J)-double(I)%純噪聲A=(std2(I2/255))^2%純噪聲的方差B=std2(double(k1)/255)^2%進行3×3模板平滑濾波后圖像k1的方差C=std2(double(k2)/255)^2%進行5×5模板平滑濾波后圖像k2的方差D=std2(double(k3)/255)^2%進行7×7模板平滑濾波后圖像k3的方差E=std2(double(k4)/255)^2%進行9×9模板平滑濾波后圖像k4的方差snr1=10*log(B/A)%計算信噪比snr2=10*log(C/A)snr3=10*log(D/A)snr4=10*log(E/A)結(jié)果：snr1=22.5069snr2=22.4962snr3=22.4869snr4=22.4728例4.13J=imread('saturn.tif');%裝入MATBLE圖像saturnsubplot(331);imshow(J);J=double(J);%雙精度變化f=fft2(J);%傅里葉變化g=fftshift(f);%數(shù)據(jù)矩陣平衡subplot(332);imshow(log(abs(g)),[]),color(jet(64));%顯示傅里葉變換譜[M,N]=size(f);n1=floor(M/2);%設(shè)置浮點數(shù)n2=floor(N/2);d0=5;fori=1:Mforj=1:Nd=sqrt((i-n1)^2+(j-n2)^2);ifd<=d0h=1;elseh=0;endg(i,j)=h*g(i,j);endendg=ifftshift(g);%傅里葉反變換g=uint8(real(ifft2(g)));%單精度的實部subplot(333);imshow(g);J1=double(g)-double(J);%純噪聲A=(std2(J1))^2;%噪聲的方差B=(std2(double(g)))^2;%恢復(fù)圖像的方差snr1=10*log(B/A)%計算信噪比d0=5,snr1=21.8943d0=15,snr1=38.2288d0=45,snr1=56.9751d0=65,snr1=64.7662例4.14I=imread('saturn.tif');%裝入MATBLE圖像saturnJ=imnoise(I,'salt&pepper',0.02);%在原圖上添加椒鹽噪聲subplot(121);imshow(J);title('含有椒鹽噪聲的圖像')J=double(J);%進行雙精度變換f=fft2(J);%傅里葉變化g=fftshift(f);%傅里葉反變化[M,N]=size(f);n=3;d0=20;%設(shè)置初始值n1=floor(M/2);%設(shè)置浮點數(shù)n2=floor(N/2);%%建立矩陣fori=1:Mforj=1:Nd=sqrt((i-n1)^2+(j-n2)^2);h=1/(1+(d/d0)^(2*n));g(i,j)=h*g(i,j);endendI2=J-double(I);%純噪聲g=ifftshift(g);%傅里葉反變化G=uint8(real(ifft2(g)));%單精度實部subplot(122);imshow(G);A=std2(I2/255)^2B=(std2(double(g)/255))^2snr=10*log(B/A)%計算信噪比結(jié)果：A=0.0091B=1.7048e+004snr=144.4250例4．9I=imread('tire.tif');[M,N]=size(I);II1=zeros(M,N);fori=1:16II(:,:,i)=imnoise(I,'gaussian',0,0.01);II1=II1+double(II(:,:,i));ifor(or(i==1,i==4),or(i==8,i==16));figure;imshow(uint8(II1/i));endendJ1=double(II1)-double(I);A=(std2(J1))^2;B=(std2(double(II1)))^2;snr1=10*log(B/A)J2=double(II1/4)-double(I);C=(std2(II1/4))^2;D=(std2(double(J2)))^2;snr2=10*log(C/D)J3=double(II1/8)-double(I);E=(std2(double(II1/8)))^2;F=(std2(J3))^2;snr3=10*log(E/F)J4=double(II1/16)-double(I);H=(std2(double(II1/16)))^2;G=(std2(J4))^2;snr4=10*log(H/G)snr1=1.3455snr2=6.0190snr3=14.5933snr4=44.0807例4.10I=imread('tire.tif');J=imnoise(I,'salt&pepper',0.02);subplot(231),imshow(I);title('原圖像');subplot(232),imshow(J);title('添加椒鹽噪聲圖像');k1=filter2(fspecial('average',3),J);k2=filter2(fspecial('average',5),J);k3=filter2(fspecial('average',7),J);k4=filter2(fspecial('average',9),J);subplot(233),imshow(uint8(k1));title('3*3模板平滑濾波');subplot(234),imshow(uint8(k2));title('5*5模板平滑濾波');subplot(235),imshow(uint8(k3));title('7*7模板平滑濾波');subplot(236),imshow(uint8(k4));title('9*9模板平滑濾波')I2=double(J)-double(I)A=(std2(I2/255))^2B=std2(double(k1)/255)^2C=std2(double(k2)/255)^2D=std2(double(k3)/255)^2E=std2(double(k4)/255)^2snr1=10*log(B/A)snr2=10*log(C/A)snr3=10*log(D/A)snr4=10*log(E/A)snr1=18.8153snr2=17.9915snr3=17.1928snr4=16.3833例4.11I=imread('tire.tif');J=imnoise(I,'salt&pepper',0.02);subplot(231),imshow(I);title('原圖像');subplot(232),imshow(J);title('添加椒鹽噪聲圖像');k1=medfilt2(J);k2=medfilt2(J,[55]);k3=medfilt2(J,[77]);k4=medfilt2(J,[99]);subplot(233),imshow(k1);title('3*3模板中值濾波')subplot(234),imshow(k2);title('5*5模板中值濾波')subplot(235),imshow(k3);title('7*7模板中值濾波')subplot(236),imshow(k4);title('9*9模板中值濾波')I2=double(J)-double(I)A=(std2(I2/255))^2B=std2(double(k1)/255)^2C=std2(double(k2)/255)^2D=std2(double(k3)/255)^2E=std2(double(k4)/255)^2snr1=10*log(B/A)snr2=10*log(C/A)snr3=10*log(D/A)snr4=10*log(E/A)A=0.0082B=0.0583C=0.0567D=0.0547E=0.0517snr1=19.6435snr2=19.3577snr3=18.9948snr4=18.44334.13J=imread('tire.tif');subplot(331);imshow(J);J=double(J);f=fft2(J);g=fftshift(f);subplot(332);imshow(log(abs(g)),[]),color(jet(64));[M,N]=size(f);n1=floor(M/2);n2=floor(N/2);d0=5;fori=1:Mforj=1:Nd=sqrt((i-n1)^2+(j-n2)^2);ifd<=d0h=1;elseh=0;endg(i,j)=h*g(i,j);endendg=ifftshift(g);g=uint8(real(ifft2(g)));subplot(333);imshow(g);J1=double(g)-double(J);A=(std2(J1))^2;B=(std2(double(g)))^2;snr1=10*log(B/A)d0=5,snr1=0.0370d0=15,snr1=20.8364d0=45,snr1=40.3386d0=65,snr1=50.4833例4．14I=imread('tire.tif');J=imnoise(I,'salt&pepper',0.02);subplot(121);imshow(J);title('含有椒鹽噪聲的圖像')J=double(J);f=fft2(J);g=fftshift(f);[M,N]=size(f);n=3;d0=20;n1=floor(M/2);n2=floor(N/2);fori=1:Mforj=1:Nd=sqrt((i-n1)^2+(j-n2)^2);h=1/(1+(d/d0)^(2*n));