数字图像处理实验答案.docx
《数字图像处理实验答案.docx》由会员分享，可在线阅读，更多相关《数字图像处理实验答案.docx（24页珍藏版）》请在冰点文库上搜索。
数字图像处理实验答案
实验名称：
图像的锐化处理
1、实验目的
学习用锐化处理技术来加强图像的目标边界和图像细节。
对图像进行梯度算子、Roberts算子、Sobel算子边缘检测处理和Laplace算子边缘增强处理，使图像的某些特征（如边缘、轮廓等）得以进一步的增强和突出。
2、实验内容
（1）编写梯度算子和Roberts算子滤波函数。
（2）编写Sobel算子滤波函数。
（3）编写Laplace算子边缘增强滤波函数。
（4）观察频域中用高低通滤波技术对图像进行的平滑和锐化处理。
3、实验方法及编程
用Matlab进行编程，主要是对照着实验书上面的算法流程图进行代码的编写，主要编写代码如下所示：
functionnewbuf=RobFilter（oldbuf,M,N）;
%*************************************************************************
%函数名称：
%RobFilter（）
%说明：
%'Robert梯度'滤波算法。
%*************************************************************************
fori=1:
M-1
forj=1:
N-1
newbuf（i,j）=abs（oldbuf（i,j）-oldbuf（i+1,j+1））+abs（oldbuf（i+1,j）-oldbuf（i,j+1））;
end
end
%-------------------------------------------------------------------------
functionnewbuf=SobFilter（oldbuf,M,N）;
%*************************************************************************
%函数名称：
%SobFilter（）
%说明：
%'Sobel'滤波算法。
%*************************************************************************
fori=2:
M-1
forj=2:
N-1
sx=oldbuf（i+1,j-1）+2*oldbuf（i+1,j）+oldbuf（i+1,j+1）-oldbuf（i-1,j-1）-2*oldbuf（i-1,j）-oldbuf（i-1,j+1）;
sy=oldbuf（i-1,j+1）+2*oldbuf（i,j+1）+oldbuf（i+1,j+1）-oldbuf（i-1,j-1）-2*oldbuf（i,j-1）-oldbuf（i+1,j-1）;
newbuf（i,j）=abs（sx）+abs（sy）;
end
end
%-------------------------------------------------------------------------
functionnewbuf=LapFilter（oldbuf,M,N）;
%*************************************************************************
%函数名称：
%LapFilter（）
%说明：
%'Laplace'滤波算法。
%************************************************************************
fori=2:
M-1
forj=2:
N-1
newbuf（i,j）=5*oldbuf（i,j）-oldbuf（i-1,j）-oldbuf（i+1,j）-oldbuf（i,j-1）-oldbuf（i,j+1）;
end
end
4、实验结果及分析（原图像和处理后的图像比较及分析）
如上图所示即为实验结果。
如上图所示Robert算子能够检测出原图像的边缘，并且显示出来；Sobel在Robert算子的基础上增强了边缘，所以图像上结果会显示比原图像边缘要更加粗一些；Laplace算子与其他边缘增强方法不同，即其边缘的增强程度和边缘的方向无关，所以图像的细节明显比原来更加突出。
实验名称：
图像方块编码
3、实验目的
通过编程实验，掌握方块编码的基本方法及压缩性能。
4、实验内容
编程实现子块为nxn的方块编码基本算法，分别取n=2,4,8方块尺寸进行编解码实验，计算编码后的均方误差和压缩比。
实验图像可为任意图像。
5、实验方法及编程
用Matlab进行编程，主要是对照着实验书上面的算法流程图进行代码的编写，下面是主要的实验代码：
functionnewbuf=BtcCode（oldbuf,M,N,n）
%*************************************************************************
%函数名称：
%BtcCode（）方块编码函数
%参数：
%oldbuf原图像数组
%MN原图像尺寸
%n方块尺寸
%说明：
%调用方块编码算法函数，输出编码后的图像
%*************************************************************************
newbuf=oldbuf;
rowblocks=M/n;
colblocks=N/n;
fori=1:
rowblocks-1
row=i*n;
forj=1:
colblocks-1
col=j*n;
fori=1:
n
forj=1:
n
inbuf（i,j）=oldbuf（i+row,j+col）;
end
end
outbuf=BtcBlock（inbuf,n）;
fori=1:
n
forj=1:
n
newbuf（i+row,j+col）=outbuf（i,j）;
end
end
end
end
%-------------------------------------------------------------------------
functionoutbuf=BtcBlock（inbuf,n）
%*************************************************************************
%函数名称：
%btcblock（）方块编码算法函数
%参数：
%inbuf方块数组
%n方块尺寸
%outbuf存放处理后的方块图像
%说明：
%把原图像分成n*n子块，对每个方块的图像数据分别计算xt,a0,a1值，再用分辨率分
%量（a0,a1）替代方块原来的数据最后放入方块图像数组中并返回该数组。
%*************************************************************************
temp=0;temp0=0;temp1=0;q=0;m=n*n;
inbuf=double（inbuf）;
fori=1:
n
forj=1:
n
temp=temp+inbuf（i,j）;
end
end
xt=temp/m;
fori=1:
n
forj=1:
n
if（inbuf（i,j）>=xt）
q=q+1;
temp1=temp1+inbuf（i,j）;
else
temp0=temp0+inbuf（i,j）;
end
end
end
ifq~=m
a0=round（temp0/（m-q））;
end
ifq~=0
a1=round（temp1/q）;
end
fori=1:
n
forj=1:
n
if（inbuf（i,j）outbuf（i,j）=a0;
else
outbuf（i,j）=a1;
end
end
End
6、实验结果及分析（原图像和处理后的图像比较及分析）
如上图所示，即为实验结果。
实验将图像分为m=n*n的子图像块，然后进行方块编码；由实验结果可知，窗口愈大时，方块效应越明显，方块编码图像变得越模糊；窗口愈小时，编码图像接近于原图像。
实验名称：
图像线性预测编码
7、实验目的
通过编程设计，掌握帧内DPCM的编解码方法（预测，量化）及其压缩性能。
8、实验内容
（1）编制一维前值预测DPCM编解码程序，预测系数取（1,0,0,0）。
（2）编制二维前值预测DPCM编解码程序，预测系数取（1/2,1/4,0,1/4）。
（3）重建图像
与原图像
误差图像，用绝对误差表示如下：
式中的n为放大因子，以便观察误差的分布情况。
本实验采用15个量化分层的主观量化器，其量化电平分别取（0，+5，+10，+17，+28，+39，+52，+67）。
分别计算重建后图像的PSNR。
实验的图像为cla0或cla1。
3、实验方法及编程
用Matlab进行编程，主要是对照着实验书上面的算法流程图进行代码的编写，主要的代码如下所示：
functionnewbuf=Dpcm_code（oldbuf,M,N,dim）;
%*************************************************************************
%函数名称：
%Dpcm_Code（）“线性预测编解码器”算法函数
%参数：
%oldbuf原图像数组
%M,N原图像尺度
%dim选择预测编码维数
%newbuf存放处理后的图像二维数组
%说明：
%根据线性预测编解码算法调用各个子模块，对原图像进行1D/2D线性预测编码和解码，
%解码后的恢复图像放在newbuf数组中。
%*************************************************************************
globalnewbuf;%定义全局变量
fori=1:
M
forj=1:
N
pre_val=Predict_Value（i,j,N,dim）;
err=oldbuf（i,j）-pre_val;
quan_err=Quant_Value（err）;
res_val=Restor_Value（quan_err,pre_val）;
newbuf（i,j）=Clip_Value（res_val）;
end
end
%-------------------------------------------------------------------------
functionnewbuf=Error_Code（M,N,dim）;
%*************************************************************************
%函数名称：
%Error_Code（）“传输误码解码器”算法函数
%参数：
%M,N原图像尺度
%dim选择预测编码维数
%newbuf存放处理后的图像二维数组
%说明：
%模拟信道传输过程中产生的误码，观察传输误码经解码后对恢复图像的影响，解码
%后的恢复图像放在newbuf数组中。
%*************************************************************************
globalnewbuf;
wrong=zeros（M,N）;
wrong（100,100）=120;
fori=1:
M
forj=1:
N
pre_val=Predict_Value（i,j,N,dim）;
err=wrong（i,j）;
quan_err=Quant_Value（err）;
res_val=Restor_Value（quan_err,pre_val）;
newbuf（i,j）=Clip_Value（res_val）;
end
end
%-------------------------------------------------------------------------
functionPvalue=Predict_Value（row,col,N,dim）
%*************************************************************************
%{Thisfunctionisusedtogivepredictedvalueaslinearpredictor.
%Thepredictionformulaisasfollows:
%1_DDPCM:
^x[i,j]=128ifj=1
%x'[i,j-1]ifj>1
%2_DDPCM:
^x[i,j]=128ifi=1,j=1
%x'[i,j-1]ifi=1,j>1
%x'[i-1,j]ifi>1,j=1orN
%1/2x'[i,j-1]ifi>1,j>1
%1/8x'[i-1,j-1]（Pirsch'spredictor）
%1/4x'[i-1,j]
%1/8x'[i-1,j+1]
%Dim:
Dimensionofprediction
%Row:
verticalcoordinateofcurrentpixeltobepredicted
%COL:
horizontalcoordinateofcurrentpixeltobepredicted}
%*************************************************************************
globalnewbuf;
switchdim%预测算法编程
case1
ifcol==1
Pvalue=128;
else
Pvalue=newbuf（row,col-1）;
end
case2
if（row==1&&col==1）
Pvalue=128;
end
if（row==1&&col>1）
Pvalue=newbuf（row,col-1）;
end
if（row>1&&col==1）||（row>1&&col==N）
Pvalue=newbuf（row-1,col）;
end
if（row>1&&col>1&&colPvalue=（1/2）*newbuf（row,col-1）+（1/4）*newbuf（row-1,col-1）+...
（1/4）*newbuf（row-1,col+1）;
end
end
%-------------------------------------------------------------------------
functionQvalue=Quant_Value（err）;
%*************************************************************************
%Thisfunctionisusedaslinearquantizer.Thequantizerhastotally
%13quantizationlevel:
%0,-+7,-+16,-+27,-+38,-+51,-+66
%*************************************************************************
if（abs（err）<=3）lev=0;
elseif（abs（err）<=11）lev=7;
elseif（abs（err）<=21）lev=16;
elseif（abs（err）<=32）lev=27;
elseif（abs（err）<=44）lev=38;
elseif（abs（err）<=58）lev=51;
elselev=66;
end;
end;
end;
end;
end;
end;
Qvalue=lev;
if（err~=0）
Qvalue=lev*（err/abs（err））;
end
%-------------------------------------------------------------------------
functionRvalue=Restor_Value（quan_err,pre_val）
%*************************************************************************
%ThisfunctionisusedtogetrestoredvalueofDPCM
%x=^x+Quant_Error
%*************************************************************************
Rvalue=quan_err+pre_val;
%-------------------------------------------------------------------------
functionCvalue=Clip_Value（res_val）
%*************************************************************************
%Thisfunctionisusedtocliptorestoredvalueto8_bitvalue
%0ifx<0
%x'=255ifx>255
%xotherwise
%*************************************************************************
if（res_val<0）Cvalue=0;
elseif（res_val>255）Cvalue=255;
elseCvalue=res_val;
end;
end;
4、实验结果及分析（原图像和处理后的图像比较及分析）
如上图所示，即为实验所得的结果图像。
由实验结果可以看出，一维和二维预测编码图像非常接近原图像；从误码图像中可以看出，一维预测编码会将误差延续到行末端，而二维预测编码其将误码延续至其后的斜后方，所以二维预测编码的误差会偏小。
实验名称：
JPEG压缩编码
9、实验目的
（1）掌握nxn子块的DCT图像变换及频谱特点。
（2）熟悉JPEG基本系统的图像编解码方法。
2、实验内容
（1）编程实现nxn子块DCT变换的图像频谱显示，8x8子块DCT变换系数按“Z”扫描图像重建，计算图像的均方根误差RMSE，显示误差图像和误差直方图。
（2）编程实现JPEG压缩编码，进行8x8子块的DCT图像变换，JPEG量化矩阵的量化与反量化，8x8子块DCT的图像重建，计算图像的均方根误差RMSE，显示误差图像和误差直方图。
3、实验方法及编程
用Matlab进行编程，主要是对照着实验书上面的算法流程图进行代码的编写，主要的代码如下所示：
functionnewbuf=DctBlock（oldbuf,Block）
%*************************************************************************
%函数名称：
%DctBlock（）DCTn*n块频谱函数
%
%参数：
%oldbuf原图像数组
%BlockDCTn*n当前块选择值
%newbuf存放处理后的图像二维数组
%
%说明：
%根据Block块的当前选择值，计算原图像的n*n块DCT变换，并转换为可视频谱图，
%有利于频谱的观察。
%*************************************************************************
oldbuf=double（oldbuf）;%添加程序
H=dctmtx（Block）;
newbuf=blkproc（oldbuf,[BlockBlock],'P1*x*P2',H,H'）;
newbuf=log（abs（newbuf））;
subplot（2,2,2）;
imshow（newbuf,[]）;
%-------------------------------------------------------------------------
functionnewbuf=DctCode（oldbuf,DCTch）
%*************************************************************************
%函数名称：
%DctCode（）DCT8*8块系数“Z”字扫描图像压缩函数
%
%参数：
%oldbuf原图像数组
%DCTchDCT8*8块“Z”扫描当前系数选择值
%newbuf存放处理后的图像二维数组
%
%说明：
%计算图像的8×8子块DCT变换，按“Z”字扫描顺序，根据DCTch参数，只保留64个
%DCT系数中的前DCTch个系数，对修改后的DCT系数用逆DCT变换重建图像，得到DCT变
%换的压缩图像。
计算重建图像的均方根误差RMSE；显示误差图像和误差直方图。
%*************************************************************************
zigzag=[126715162829%设置z扫描顺序
3581417273043
49131826314244
1012192532414554
1120243340465355
2123343947525661
2235384851576062
3637495058596364];
tbuf=ones（8）;%定义8*8全1数组
升级会员 