1、數(shù)字圖像處理作業(yè)報(bào)告編號(hào):02課程編號(hào):21909601姓名:吳浩起始日期:2011-11-04截止日期:2011-11-11圖像增強(qiáng)的方法有兩大類(lèi):空間域方法和頻域方法。 “空間域” 是指圖像平面自身, 這類(lèi)方法是對(duì)圖像像素的直接處理為基礎(chǔ)的。 “ 頻 域” 處理技術(shù)是以修改圖像的傅里葉變換為基礎(chǔ)。 在這次作業(yè)中主要 是基于空間域的方法對(duì)圖像的增強(qiáng)。技術(shù)討論空間濾波處理就是在待處理圖像中逐點(diǎn)移動(dòng)掩模, 在每一點(diǎn) (x,y 處,濾波器在該店的響應(yīng) R 為: R=w(-1,-1f(x-1,y-1+w(-1,0f(x-1,y+···+w(1,1f(x+1,y+1 一般

2、來(lái)說(shuō),在 M*N的圖像 f 上,用 m*n的濾波器進(jìn)行 線(xiàn)性濾波為:g(x,y=w(s,tf(x+s,y+t.平滑濾波器用于模糊處理和減少噪聲,主要有均值濾 波器和中值濾波器。均值濾波器 它用濾波器掩模確定的領(lǐng)域內(nèi)像素的平 均灰度值代替圖像中每個(gè)點(diǎn)的灰度值,主要應(yīng)用是去除圖像 中的不相干細(xì)節(jié), 減噪功能較好。 此次作業(yè)中選用 w=1 1 1;1 1 1;1 1 1/9的盒濾波器,還有一種重要的掩模 -加權(quán)平均, 處于掩模中心的像素比其它任何點(diǎn)的像素值都大, 一幅 M*N的圖像經(jīng)過(guò)一個(gè) m*n的加權(quán)均值濾波器濾波的過(guò)程為:g(x,y= as= a w s,t f(s+x,y+t bt= bs=

3、a w(s,t t= b中值濾波器 他的響應(yīng)基于圖像濾波器包圍的圖像區(qū)域 中像素的排序,然后用統(tǒng)計(jì)排序結(jié)果決定的值代替中心像素 的值,即將鄰域內(nèi)像素灰度的中值 代替該像素的值。只存在噪聲的 空間濾波復(fù)原 的方法也用到均值濾波 器和中值濾波器。此次處理的噪聲有高斯噪聲和椒鹽噪聲。 討論結(jié)果不管用什么濾波器都會(huì)遇到邊界的處理,最簡(jiǎn)單的方法 是將掩模中心點(diǎn)的移動(dòng)范圍限制在距離圖像邊緣不小于 (n-1 /2個(gè)像素點(diǎn)處,這種做法將使處理后的圖像比原始圖像小, 諧波均值濾波器對(duì)于 “鹽” 噪聲效果更好, 不適用于 “椒” 噪聲,它善于處理像高斯噪聲那樣的其它噪聲。它的表達(dá)式 為:f(x,y=mn(s,t

4、s xy中值濾波器使用的統(tǒng)計(jì)排序的方法得出中值,用冒泡 排序的方法,復(fù)雜度為 O(n2,從首元素開(kāi)始,每次兩兩比 較,前面的比后面的小,則位置不變,否則交換位置,每一 趟比較,都能得到待排子序列中的最大值,就像小的值冒上 去,大的值沉下來(lái)還有其他的排序方法選擇排序,插入 排序,快速排序,歸并排序等,方法不同算法的復(fù)雜度也不 同 .第二題;思路:隨機(jī)在一幅圖像中選取一部分灰度矩陣用所給的方法進(jìn)行濾波 處理,可以的到相同的效果,即所得的灰度值也相同。a:證明在一個(gè)圖像中隨機(jī)取一個(gè) 3*3的灰度矩陣設(shè)為 I=a b c;d e f ;g h i A=1 2 1;2 4 2;1 2 1/16,用濾波器

5、 A 給 I 濾波得到 I1=( a+ 2b +c+2d+ 4e+ 2f +g+ 2h+ i/16用 Bx=1 2 1/4給 I 濾波得到的矩陣為 I2=a +b2 +c;d +2e+ f ;g +2h +i/4 再用 By=1;2;1/4給 I2濾波得到的矩陣為 I3=(a +2b+ c+2d+ 4e+ 2f +g +2h+ i/16由以上可得:I1和 I3的矩陣完全相同,由于 I 的隨機(jī)性,證畢 b:證明依然在一個(gè)圖像中隨機(jī)取一個(gè) 3*3的灰度矩陣設(shè)為 I=a b c;d e f ;g h i 用 Bx=1 2 1/4給 I 濾波得到的矩陣為 I1= a +b2 +c;d +2e+ f ;

6、g +2h +i/4 用 Cx=1 1/2給 I 濾波得到的矩陣為 I2=a+b b+c;d+e e+f;g+h h+i/2 再用 Cx=1 1/2給 I 濾波得到 I3= a +b2 +c;d +2e+ f ;g +2h +i/4由以上可得:I1和 I3的矩陣完全相同,證畢第三題:先將灰度值轉(zhuǎn)換到 01之間,用濾波器濾波后再轉(zhuǎn)化成 uint8型,就得到整型的灰度值第一個(gè)矩陣用均值濾波器處理:I=10 20 10 10 90;20 10 10 90 80;10 10 90 80 90;10 90 80 90 80;90 80 90 80 90/255;>> w=1 1 1;1 1

7、1;1 1 1/9;>> J=imfilter(I,w,'corr','replicate'>> J1=im2uint8(J;>> J1J1 =14 13 21 44 7013 21 37 61 7821 37 61 77 8444 61 77 86 8670 78 84 86 86第二個(gè)矩陣用均值濾波器處理:I1=20 10 20 10 20;10 70 80 20 10;20 85 90 30 20;20 15 20 25 15;20 15 20 20 10/255;>> w=1 1 1;1 1 1;1 1 1

8、/9;J=imfilter(I1,w,'corr','replicate'>> J1=im2uint8(J;>> J1J1 =21 29 28 23 1629 45 46 33 1830 46 48 34 1826 34 36 28 1818 18 19 18 15第三個(gè)矩陣用均值濾波器處理:I=10 10 10 10 10;10 20 20 20 10;10 20 20 20 10;10 20 20 20 10;10 10 10 10 10/255;>> w=1 1 1;1 1 1;1 1 1/9;>> J=im

9、filter(I,w,'corr','replicate'>> J1=im2uint8(J;>> J1J1 =11 12 13 12 1112 14 17 14 1213 17 20 17 1312 14 17 14 1211 12 13 12 11第一個(gè)矩陣用中值濾波器處理:I=10 20 10 10 90;20 10 10 90 80;10 10 90 80 90;10 90 80 90 80;90 80 90 80 90/255;>> J=medfilt2(I;>> J1=im2uint8(J;>>

10、; J1J1 =0 10 10 10 010 10 10 80 8010 10 80 80 8010 80 80 90 800 80 80 80 0第二個(gè)矩陣用中值濾波器處理:I=20 10 20 10 20;10 70 80 20 10;20 85 90 30 20;20 15 20 25 15;20 15 20 20 10/255;>> J=medfilt2(I;>> J1=im2uint8(J;>> J1J1 =0 10 10 10 010 20 30 20 1015 20 30 20 1515 20 20 20 150 15 15 15 0第三個(gè)矩陣

11、用中值濾波器處理:I=10 10 10 10 10;10 20 20 20 10;10 20 20 20 10;10 20 20 20 10;10 10 1010 10/255;>> J=medfilt2(I;>> J1=im2uint8(J;>> J1J1 =0 10 10 10 010 10 20 10 1010 20 20 20 1010 10 20 10 100 10 10 10 0第四題:a:均值濾波I=imread('F:tupianlena_frag.TIF'>> var(16 % 將 16通過(guò) var(a/2552

12、換算v =>> J=imnoise(I,'gaussian',0, 0.0039; % 對(duì)源圖像加 v=0.0039的高 斯噪聲>> w=1 1 1;1 1 1;1 1 1/9;>> g=imfilter(J,w,'corr','replicate' % 用均值濾波器 w 對(duì) J 濾波 >> MSE(I,g %計(jì)算均方誤差ans =>> var(32 將 32通過(guò) var(a/2552換算v =>> J=imnoise(I,'gaussian',0, 0.01

13、57; %對(duì)源圖像加 v= 0.0157的高斯 噪聲>> w=1 1 1;1 1 1;1 1 1/9;>> g=imfilter(J,w,'corr','replicate' %用均值濾波器 w 對(duì) J 濾波 >> MSE(I,g %計(jì)算均方誤差ans =>> var(64 將 64通過(guò) var(a/2552換算 v =>> w=1 1 1;1 1 1;1 1 1/9;>> g=imfilter(J,w,'corr','replicate' %用均值濾波器 w

14、 對(duì) J 濾波 >> MSE(I,g %計(jì)算均方誤差ans =>> x= 0.0039 0.0157 0.0630;>> y= 43.1916 128.2858 453.9916;>> plot(x,y %繪制 v-MSE 圖像 I=imread('F:tupianlivingroom.TIF'>> J=imnoise(I,'gaussian',0, 0.0039; % 對(duì)源圖像加 v=0.0039的高斯 噪聲w=1 1 1;1 1 1;1 1 1/9;g=imfilter(J,w,'corr&

15、#39;,'replicate' % 用均值濾波器 w 對(duì) J 濾波 MSE(I,g %計(jì)算均方誤差350400450500v/2552M S E平 滑 濾 波ans =>> var(32 % 將 32通過(guò) var(a/2552換算 v =>> J=imnoise(I,'gaussian',0, 0.0157; %對(duì)源圖像加 v= 0.0157的高斯噪 聲>> w=1 1 1;1 1 1;1 1 1/9;g=imfilter(J,w,'corr','replicate' % 用均值濾波器 w 對(duì)

16、 J 濾波 MSE(I,g %計(jì)算均方誤差ans =>> var(64 % 將 64通過(guò) var(a/2552換算 v =>> J=imnoise(I,'gaussian',0, 0.0630; %對(duì)源圖像加 v=0.0630的高斯 噪聲w=1 1 1;1 1 1;1 1 1/9;g=imfilter(J,w,'corr','replicate' % 用均值濾波器 w 對(duì) J 濾波 MSE(I,g %計(jì)算均方誤差ans =>> x= 0.0039 0.0157 0.0630; y= 103.4953 188.7

17、669 494.5915; >> plot(x,y % 繪制 v-MSE 圖 b 中值濾波I=imread('F:tupianlena_frag.TIF'>> J=imnoise(I,'gaussian',0, 0.0039; % 對(duì)源圖像加 v=0.0039的高斯 噪聲>> g=medfilt2(J,3,3; %對(duì) J 中值濾波100400450500M S Ev/2552平 滑 濾 波>> MSE(I,g %計(jì)算均方誤差ans =>> var(32 % 將 32通過(guò) var(a/2552換算v =&

18、gt;> J=imnoise(I,'gaussian',0, 0.0157; % 對(duì)源圖像加 v=0.0157的高斯 噪聲>> g=medfilt2(J,3,3; %對(duì) J 中值濾波>> MSE(I,g %計(jì)算均方誤差ans =>> var(64 % 將 64通過(guò) var(a/2552換算v =>> J=imnoise(I,'gaussian',0, 0.0630; % 對(duì)源圖像加 v=0.0630的高斯 噪聲>> g=medfilt2(J,3,3; %對(duì) J 中值濾波MSE(I,g %計(jì)算均方誤

19、差ans =>> x= 0.0039 0.0157 0.0630;>> y=59.9084 189.9914 671.1821; >>plot(x,y % 繪制 v-MSE 圖 I=imread('F:tupianlivingroom.TIF'>> J=imnoise(I,'gaussian',0, 0.0039; % 對(duì)源圖像加 v=0.0039的高斯 噪聲500600700v/2552M S E中 值 濾 波>> var(32 % 將 32通過(guò) var(a/2552換算v =>> J=i

20、mnoise(I,'gaussian',0, 0.0157; % 對(duì)源圖像加 v=0.0157的高斯 噪聲g=medfilt2(J,3,3; %對(duì) J 中值濾波MSE(I,g %計(jì)算均方誤差ans =>> var(64 % 將 64通過(guò) var(a/2552換算v =>> J=imnoise(I,'gaussian',0, 0.0630; % 對(duì)源圖像加 v=0.0630的高斯 噪聲g=medfilt2(J,3,3; %對(duì) J 中值濾波MSE(I,g %計(jì)算均方誤差ans =>> x= 0.0039 0.0157 0.0630

21、;>> y=111.6965 248.6776 764.4271;>> plot(x,y % 繪制 v-MSE 圖第五題:a 均值濾波I=imread('F:tupianlena_frag.TIF'>> J=imnoise(I,'salt & pepper',0.05; % 加 d=0.05的椒鹽噪聲 >> w=1 1 1;1 1 1;1 1 1/9;>> g=imfilter(J,w,'corr','replicate' %均值濾波>> J=imno

22、ise(I,'salt & pepper',0.10; % 加 d=0.10的椒鹽噪 聲100200300400500600700 800M S Ev/2552中 值 濾 波>> w=1 1 1;1 1 1;1 1 1/9;>> g=imfilter(J,w,'corr','replicate' %均值濾波>> MSE(I,g % 計(jì)算原始圖像和濾波后的圖像的 MSEans =>> J=imnoise(I,'salt & pepper',0.25; % 加 d=0.2

23、5的椒鹽噪聲 >> w=1 1 1;1 1 1;1 1 1/9;>> g=imfilter(J,w,'corr','replicate' %均值濾波>> MSE(I,g % 計(jì)算原始圖像和濾波后 的圖像的 MSEans =>> x=0.05 0.10 0.25;>> y= 145.1620 274.8993 820.2930;>> plot(x,y %繪制 d-MSE 圖I=imread('F:tupianlivingroom.TIF'>> J=imnoise(I

24、,'salt & pepper',0.05; % 加 d=0.05的椒鹽噪聲 >> w=1 1 1;1 1 1;1 1 1/9;>> g=imfilter(J,w,'corr','replicate' %均值濾波>> J=imnoise(I,'salt & pepper',0.10; % 加 d=0.10的椒鹽噪聲 >> w=1 1 1;1 1 1;1 1 1/9;>> g=imfilter(J,w,'corr','replicat

25、e' %均值濾波>> MSE(I,g % 計(jì)算原始圖像和濾波后的圖像的 MSE ans =700800 900dM S E中 值 濾 波>> J=imnoise(I,'salt & pepper',0.25; % 加 d=0.25的椒鹽噪聲 >> w=1 1 1;1 1 1;1 1 1/9;>> g=imfilter(J,w,'corr','replicate' %均值濾波>> x=0.05 0.10 0.25;>> y=185.5876 307.8651 7

26、01.6381; >> plot(x,y %繪制 d-MSE 圖 b 中值濾波I=imread('F:tupianlena_frag.TIF'600700800dM S E均 值 濾 波>> >> J=imnoise(I,'salt & pepper',0.05; g=medfilt2(J,3,3; %中值濾波 >> MSE(I,g ans = 14.0766 >> J=imnoise(I,'salt & pepper',0.10; %中值濾波 >> g=medfilt2(J,3,3; >&