数字图像处理实验四.docx
《数字图像处理实验四.docx》由会员分享，可在线阅读，更多相关《数字图像处理实验四.docx（9页珍藏版）》请在冰点文库上搜索。
数字图像处理实验四
《数字图像处理》实验报告
2013/2014学年第2学期
系别：
计算机科学与技术
专业：
计算机科学与技术
班级：
2011级嵌入式应用技术班
学号：
1110441057
姓名：
汪美玲
教师：
周晓
实验四图像复原
一、实验目的
1．掌握退化模型。
2．熟悉高斯噪声、均匀噪声、脉冲噪声等噪声模型。
3．掌握均值、顺序统计、频域滤波、维纳滤波的方法。
4．熟悉其他图像复原方法。
二、实验内容
1．自然图像含有大量噪声，这些噪声可能服从一定的统计规律，请采用顺序统计方法，实现去噪。
任意选取一副图像，添加一些噪声，并采用顺序统计方法去除。
实验要求：
（1）生成椒盐噪声滤波。
（2）采用均值、中值滤波实现去噪。
2．维纳滤波器是一种最小均方差滤波器，它能自动抑制噪声。
任选一副图像，添加噪声和运动模糊退化，采用维纳滤波进行复原。
实验要求：
（1）添加运动模糊。
（2）添加噪声。
（3）采用带自相关函数的维纳滤波实现复原。
三、实验代码及结果（截图）
1．实验代码及结果
代码：
img=rgb2gray（imread（'i_boat_gray.bmp'））;
figure;imshow（img）;title（'1110441057原图'）;
img_noise=double（imnoise（img,'salt&pepper',0.06））;
figure;imshow（img_noise,[]）;title（'111041057椒盐噪声'）;
img_mean=imfilter（img_noise,fspecial（'average',5））;
figure;imshow（img_mean,[]）;title（'1110441057均值滤波²¨'）;
img_median=medfilt2（img_noise）;
figure;imshow（img_median,[]）;title（'1110441057中值滤波1'）;
img_median2=medfilt2（img_median）;
figure;imshow（img_median2,[]）;title（'1110441057中值滤波2'）;
截图：
图1.1原图
图1.2加椒盐噪声
图1.3均值滤波
图1.4中值滤波
（1）
图1.5中值滤波
（2）
2．实验代码及结果
代码：
I=imread（'i_camera.bmp'）;
figure
（1）;imshow（I,[]）;title（'1110441057原图'）;
PSF=fspecial（'motion',25,11）;
Blurred=imfilter（I,PSF,'conv','circular'）;
Noise=0.1*randn（size（I））;
BlurredNoisy=imadd（Blurred,im2uint8（Noise））;
figure
（2）;imshow（BlurredNoisy,[]）;title（'运动模糊退化且加噪声'）;
WI1=deconvwnr（BlurredNoisy,PSF）;
figure（3）;imshow（WI1,[]）;title（'不带参数的维纳滤波'）;
NSR=sum（Noise（:
）.^2）/sum（im2double（I（:
））.^2）;
WI2=deconvwnr（BlurredNoisy,PSF,NSR）;
figure（4）;imshow（WI2,[]）;title（'不带参数的维纳滤波'）;
NP=abs（fftn（Noise））.^2;
NCORR=real（ifftn（NP））;
IP=abs（fftn（im2double（I）））.^2;
ICORR=real（ifftn（IP））;
WI3=deconvwnr（BlurredNoisy,PSF,NCORR,ICORR）;
figure（5）;imshow（WI3,[]）;title（'带自相关函数参数的维纳滤波'）;
截图：
图2.1原图
图2.2运动模糊退化且加噪声
图2.3不带参数的维纳滤波
图2.4不带参数的维纳滤波
图2.5带自相关函数参数的维纳滤波
四、实验总结
通过本次试验熟悉高斯噪声、均匀噪声、脉冲噪声等噪声模型，掌握了均值、顺序统计、频域滤波、维纳滤波的方法等。
在实现过程中，根据教材中相关内容的指导，顺利完成试验。
试验锻炼了我们的动手能力，是我们更加直观深入的了解了其中的原理。
实验五图像压缩
一、实验目的
1．熟悉信息熵、图像数据冗余、压缩技术性能指标等相关概念。
2．掌握哈夫曼编码、算术编码，熟悉其他无失真压缩编码。
3．掌握预测编码、变换编码，熟悉其他有限失真压缩编码。
4．熟悉图像压缩技术标准。
二、实验内容
1．哈夫曼编码是根据可变长最佳编码定理，应用哈夫曼算法而产生的一种编码方式。
它根据信息源字符出现的概率大小来构造码字。
具体步骤：
（1）将信息源符号出现的概率按由大到小的顺序排列。
（2）将两处最小的概率进行组合相加，行程一个新概率。
并按第
（1）步方法重排，如此重复进行直到只有两个概率为止。
（3）分配码字，码字分配从最后一步开始反向进行，对最后两个概率一个赋予“0”码字，一个赋予“1”码字。
如此反向进行到开始的概率排列，在此过程中，若概率不变，则采用原码字。
实验要求：
（1）设输入图像的灰度级{y1,y2,y3,y4,y5,y6,y7}出现的概率分别为0.40，0.18，0.10，0.10，0.07，0.06，0.05，0.04，请进行哈夫曼编码。
2．变换编码首先将一副N×N大小的图像分割为（N/n）2个子图像，然后对图像进行变化操作，解除子图像像素间的相关性，用少量的变换系数包含尽可能多的图像信息，再通过量化和编码实现对图像的压缩编码。
基于DCT的图像压缩编码技术就是其中一种，在JPEG的基本系统中，就是采用二维DCT的算法作为压缩的基本方法。
实验要求：
（1）任选一副图像，生成一个8×8的离散余弦变换矩阵，对图像进行DCT变化。
（2）设计一个8×8模版矩阵，对图像进行数据压缩，丢弃右下角数据。
（3）对处理过的图像进行反DCT变换，显示效果图。
三、实验代码及结果（截图）
1．实验代码及结果
代码：
截图
2．实验代码及结果
代码：
截图：
四、实验总结
升级会员 