图像处理课程设计报告书.docx
《图像处理课程设计报告书.docx》由会员分享，可在线阅读，更多相关《图像处理课程设计报告书.docx（23页珍藏版）》请在冰点文库上搜索。
图像处理课程设计报告书
《图像处理技术应用实践》课程设计
题目图像增强算法综合应用
学生帅_______
学号___
院系计算机与软件学院
专业计算机科学与技术
任课教师春年____
二Ｏ一七年五月
图像处理技术应用实践—课程设计2
1、设计容
图像增强处理：
设计一套空间域与频率域结合的图像增强算法，处理以下任一组图片中的带噪声图像，去除噪声，提高图像质量。
（1）已知：
噪声为随机噪声和周期噪声混合噪声；
（2）要求：
a）去噪处理后，计算均方误差评估去噪处理后图像的去噪效果
b）撰写完整的科技报告（形式类似科技论文）表述自己的算法设计，算法实现与算法评估过程。
第一组图片：
第二组图片：
2、图像增强算法
2.1问题分析
（1）图片中加入了随机噪声和周期噪声混合噪声。
针对不同的噪声，不同的去噪方法效果不同，因此应该采用不同的去噪方法以达到最好的去噪效果。
（2）随机噪声应在空间域去除，而空域去噪方法中，中值滤波法效果最好。
（3）周期噪声应在频域中消去。
（4）去除噪声后的图像仍然可以改善处理。
（5）均方误差评估去噪处理后图像的去噪效果。
2.2算法设计
（1）读入初始图片及加噪图片。
clc; clear;
f=imread（）;
g=imread（）;
（2） 利用空域滤波，去除随机噪声，此时用中值滤波法，并显示它的频谱图和直方图。
g=medfilt2（g,[3,3]）;
（3）利用频域滤波，去除周期噪声。
先转化成double型，进行傅里叶变换，再转化成数据矩阵，最后利用低通滤波去除周期噪声。
G=double（g）;%转化double
G=fft2（G）;
G=fftshift（G）;
[M,N]=size（G）;
nn=2;
d0=25;
m=fix（m/2）;
n=fix（n/2）;
for i = 1 :
M
for j = 1 :
N
d = sqrt（（i-m）^2+（j-n）^2）;
h = 1/（1+0.414*（d/d0）^（2*nn））; % 计算低通滤波器传递函数
result（i,j） = h * G（i,j）;
end
end
（4）计算均方误差评估去噪效果。
[m n]=size（p）; l=f-p;
he=sum（sum（l））;
avg=he/（m*n）;
k=l-avg;
result1=（sum（sum（k.^2）））/（m*n）;
if result1==0
disp（'dog图均方误差'）; result2=0 else
disp（'dog图均方误差'）;
result2=sqrt（result1）
end
3、算法实现
clear;clc;
f=imread（'C:
\dogOriginal.bmp'）;
g=imread（'C:
\dogDistorted.bmp'）;
f1=double（f）;
f2=fft2（f1）;
f2=fftshift（f2）;
g1=double（g）;
g2=fft2（g1）;
g2=fftshift（g2）;
g3=medfilt2（g,[3,3]）;%3*3模板中值滤波去除随机噪声
g4=double（g3）;
F1=fft2（g3）;
F1=fftshift（F1）;
G=F1;
[M,N]=size（G）;%低通滤波
nn=2;
d0=25;
m=fix（M/2）;
n=fix（N/2）;
fori=1:
M
forj=1:
N
d=sqrt（（i-m）^2+（j-n）^2）;
h=1/（1+0.414*（d/d0）^（2*nn））;
%h=1/（1+（d/d0）^（2*nn））;%备用
G（i,j）=h*G（i,j）;
end
end
p=uint8（real（ifft2（ifftshift（G））））;
subplot（341）;imshow（f）,title（'原图'）;
subplot（345）;imshow（log（abs（f2））,[]）,title（'频谱'）;
subplot（349）;imhist（f）,title（'原图'）;
subplot（342）;imshow（g）,title（'噪声'）;
subplot（346）;imshow（log（abs（g2））,[]）,title（''）;
subplot（3,4,10）;imhist（g）,title（'噪声'）;
subplot（343）;imshow（g3）,title（'去随机噪声'）;
subplot（347）;imshow（log（abs（F1））,[]）,title（''）;
subplot（3,4,11）;imhist（g3）,title（'去随机噪声'）;
subplot（344）;imshow（p,[]）,title（'去噪'）;
subplot（348）;imshow（log（abs（G））,[]）,title（''）;
subplot（3,4,12）;imhist（p）,title（'去噪'）;
[m,n]=size（p）;
l=f-p;
he=sum（sum（l））;
avg=he/（m*n）;
k=l-avg;
result1=（sum（sum（k.^2）））/（m*n）;
ifresult1==0
disp（'dog图均方误差'）,result2=0
else
disp（'dog图均方误差'）,result2=sqrt（result1）
end
4、运行结果
5、认识分析
去噪后图像模糊，同时尝试了直方图均衡化，效果并不理想；d0根据误差调整方便简单；中值滤波简单好用√
参考文献：
[1]全红艳、桂涛，数字图像处理原理与实现方法，机械工业，2013
[2]胡晓军、徐飞，MATLAB应用图像处理，2010
图像处理技术应用实践—课程设计3
1、设计容
图像增强分割：
有一幅包含不同大小的种子图案的扫描图像（如下图所示），每个包含了种子的图像区域称之为感兴趣区域（regionsofinterest—ROI）。
要求：
1、设计一套算法提取源图像中的所有ROI，并计算每一个ROI的大小（大小为包含多少个像素，如包含20个像素，则大小为20）。
提示：
每一个ROI为一个连通集合。
2、撰写完整的科技报告（形式类似科技论文）表述自己的算法设计，算法实现与计算结果。
2、增强分割算法
2.1问题分析
（1）首先题目所给的图为彩色图，应该先将其转化成灰度图，再对其进行处理；
（2）分析题目可知首先要将种子所覆盖的大概区域求出来，可以将种子存在的地方检测出来并用特定灰度标记，方便之后统计像素数；
（3）要检测位置在灰度图中很难实现，可以将图像二值化，在二值化图像中值为0的地方进行标记。
2.2算法设计
（1）读图并灰度和二值化：
clear;clc;
I=imread（'D:
\seed.bmp'）;
f=rgb2gray（I）;
j=im2bw（f）;j2=f;
（2）检测ROI位置并标记：
首先建立一个白板：
[M,N]=size（j2）;
forx=1:
M
fory=1:
N
j2（x,y）=255;
end
end
之后开始标记ROI位置，以第一行第一个为例：
forx=40:
70%1
fory=100:
150
if（j（x,y）==0）
j2（x,y）=1;
end
end
end
这里的40,70可以先将二值图像和其坐标轴显示出来，记录ROI所在的大概位置；第一个用1标记；%坐标轴显示可以用axison指令
按此方法，可以实现37个ROI的标记，用1～37灰度分别标记。
（3）统计像素数：
A=[1,2,3,4,5,6,7,8,9,10,11,12,13,14,15,16,17,18,19,20,21,22,23,24,25,26,27,28,29,30,31,32,33,34,35,36,37];
C=hist（A（:
）,unique（A））;
forx=1:
M
fory=1:
N
fori=1:
37
ifj2（x,y）==A（i）
C（i）=C（i）+1;
end
end
end
End
C数组即储存A中像素个数
（4）最后显示各个图像和最后像素数的数组
figure
（1）;
imshow（j2,[]）;
figure
（2）;
Imshow（j）;
axison;
C
2.3算法实现
clear;clc;
I=imread（'D:
\\seed.bmp'）;
f=rgb2gray（I）;
j=im2bw（f）;
k=f;
axison;
[M,N]=size（k）;
forx=1:
M
fory=1:
N
k（x,y）=255;
end
end
%第一行
forx=40:
70
fory=100:
150
if（j（x,y）==0）
k（x,y）=1;
end
end
end
%第二行
forx=80:
110
fory=100:
160
if（j（x,y）==0）
k（x,y）=2;
end
end
fory=180:
230
if（j（x,y）==0）
k（x,y）=3;
end
end
fory=240:
300
if（j（x,y）==0）
k（x,y）=4;
end
end
end
forx=120:
155
fory=100:
160
if（j（x,y）==0）
k（x,y）=5;
end
end
fory=180:
230
if（j（x,y）==0）
k（x,y）=6;
end
end
fory=240:
300
if（j（x,y）==0）
k（x,y）=7;
end
end
end
forx=160:
200
fory=100:
160
if（j（x,y）==0）
k（x,y）=8;
end
end
fory=180:
230
if（j（x,y）==0）
k（x,y）=9;
end
end
fory=240:
300
if（j（x,y）==0）
k（x,y）=10;
end
end
fory=310:
375
if（j（x,y）==0）
k（x,y）=11;
end
end
end
forx=205:
240
fory=100:
160
if（j（x,y）==0）
k（x,y）=12;
end
end
fory=180:
230
if（j（x,y）==0）
k（x,y）=13;
end
end
fory=240:
300
if（j（x,y）==0）
k（x,y）=14;
end
end
fory=310:
375
if（j（x,y）==0）
k（x,y）=15;
end
end
end
forx=250:
285
fory=100:
160
if（j（x,y）==0）
k（x,y）=16;
end
end
fory=180:
230
if（j（x,y）==0）
k（x,y）=17;
end
end
fory=240:
300
if（j（x,y）==0）
k（x,y）=18;
end
end
fory=310:
375
if（j（x,y）==0）
k（x,y）=19;
end
end
end
forx=290:
328
fory=100:
160
if（j（x,y）==0）
k（x,y）=20;
end
end
fory=180:
230
if（j（x,y）==0）
k（x,y）=21;
end
end
fory=240:
300
if（j（x,y）==0）
k（x,y）=22;
end
end
fory=310:
375
if（j（x,y）==0）
k（x,y）=23;
end
end
end
forx=335:
370
fory=100:
160
if（j（x,y）==0）
k（x,y）=24;
end
end
fory=180:
230
if（j（x,y）==0）
k（x,y）=25;
end
end
fory=240:
300
if（j（x,y）==0）
k（x,y）=26;
end
end
fory=310:
375
if（j（x,y）==0）
k（x,y）=27;
end
end
end
forx=375:
415
fory=100:
160
if（j（x,y）==0）
k（x,y）=28;
end
end
fory=180:
230
if（j（x,y）==0）
k（x,y）=29;
end
end
fory=240:
300
if（j（x,y）==0）
k（x,y）=30;
end
end
fory=310:
375
if（j（x,y）==0）
k（x,y）=31;
end
end
fory=400:
440
if（j（x,y）==0）
k（x,y）=32;
end
end
end
forx=420:
450
fory=100:
160
if（j（x,y）==0）
k（x,y）=33;
end
end
fory=180:
230
if（j（x,y）==0）
k（x,y）=34;
end
end
fory=240:
300
if（j（x,y）==0）
k（x,y）=35;
end
end
fory=320:
375
if（j（x,y）==0）
k（x,y）=36;
end
end
fory=400:
440
if（j（x,y）==0）
k（x,y）=37;
end
end
end
A=[1,2,3,4,5,6,7,8,9,10,11,12,13,14,15,16,17,18,19,20,21,22,23,24,25,26,27,28,29,30,31,32,33,34,35,36,37];
C=hist（A（:
）,unique（A））;
forx=1:
M
fory=1:
N
fori=1:
37
ifk（x,y）==A（i）
C（i）=C（i）+1;
end
end
end
end
figure
（1）;
imshow（k,[]）;
figure
（2）;
imshow（j）;
C
灰度图像
二值化图像（带坐标）
标记ROI后的图像
统计的像素数
3、认识分析
标记ROI位置的时候要尽量精确，否则会有几像素值的误差，甚至还会标记到不必要的地方；最后基本达到要求。
参考文献：
[1]全红艳、桂涛，数字图像处理原理与实现方法，机械工业，2013
[2]胡晓军、徐飞，MATLAB应用图像处理，2010
升级会员 