数字图像课程设计.docx
《数字图像课程设计.docx》由会员分享，可在线阅读，更多相关《数字图像课程设计.docx（19页珍藏版）》请在冰点文库上搜索。
数字图像课程设计
均衡化：
图像一直方图集中在低灰度区，图像偏暗；图像二直方图集中在高灰度区，图像偏亮；图像三直方图集中在中部，图像效反差小。
a=imread（'fig1_1_1.bmp'）;
b=imread（'fig1_1_2.bmp'）;
c=imread（'fig1_1_3.bmp'）;
a1=histeq（a）;
b1=histeq（b）;
c1=histeq（c）;
subplot（3,3,1）,imshow（a）,title（'原始图像1'）;
subplot（3,3,2）,imshow（b）,title（'原始图像2'）;
subplot（3,3,3）,imshow（c）,title（'原始图像3'）;
subplot（3,3,4）,imhist（a）,title（'图1直方图'）;
subplot（3,3,5）,imhist（b）,title（'图2直方图'）;
subplot（3,3,6）,imhist（c）,title（'图3直方图'）;
subplot（3,3,7）,imshow（a1）,title（'均衡化后图像1'）;
subplot（3,3,8）,imshow（b1）,title（'均衡化后图像2'）;
subplot（3,3,9）,imshow（c1）,title（'均衡化后图像3'）;
平滑滤波：
a=imread（'fig1_2.bmp'）;
a1=imnoise（a,'salt&pepper',0.02）;
l1=filter2（fspecial（'average',3）,a1）/255;
l2=filter2（fspecial（'average',5）,a1）/255;
l3=filter2（fspecial（'average',7）,a1）/255;
l4=filter2（fspecial（'average',9）,a1）/255;
figure
（1）
subplot（2,3,1）,imshow（a）,title（'原始图像'）;
subplot（2,3,2）,imshow（l1）;title（'3*3模板平滑滤波'）;
subplot（2,3,3）,imshow（l2）;title（'5*5模板平滑滤波'）;
subplot（2,3,4）,imshow（l3）;title（'7*7模板平滑滤波'）;
subplot（2,3,5）,imshow（l4）;title（'9*9模板平滑滤波'）;
l11=filter2（fspecial（'average',3）,a）/255;
l22=filter2（fspecial（'average',5）,a）/255;
l33=filter2（fspecial（'average',7）,a）/255;
l44=filter2（fspecial（'average',9）,a）/255;
figure
（2）
subplot（2,3,1）,imshow（a）,title（'原始图像'）;
subplot（2,3,2）,imshow（a1）,title（'添加椒盐噪声的图像'）;
subplot（2,3,3）,imshow（l11）;title（'3*3模板平滑滤波'）;
subplot（2,3,4）,imshow（l22）;title（'5*5模板平滑滤波'）;
subplot（2,3,5）,imshow（l33）;title（'7*7模板平滑滤波'）;
subplot（2,3,6）,imshow（l44）;title（'9*9模板平滑滤波¨'）;
平滑滤波是低频增强的空间域滤波技术。
它的目的有两类：
一类是模糊；另一类是消除噪音。
空间域的平滑滤波一般采用简单平均法进行，就是求邻近像元点的平均亮度值。
在噪声均匀分布在边缘时，使用平滑滤波会有较大的误差，如果噪声不是均匀分布，可有效去除噪声。
邻域的大小与平滑的效果直接相关，邻域越大平滑的效果越好，但邻域过大，平滑会使边缘信息损失的越大，从而使输出的图像变得模糊，因此需合理选择邻域的大小。
锐化滤波：
i=imread（'fig1_2.bmp'）;
f=[8];
g=[-1-1-1;-18-1;-1-1-1];m=[-1-1-1-1-1;-1-18-1-1;-1-1-1-1-1];
n=[-1-1-1-1-1-1-1;-1-1-18-1-1-1;-1-1-1-1-1-1-1];
p=[-1-1-1-1-1-1-1-1-1;-1-1-1-18-1-1-1-1;-1-1-1-1-1-1-1-1-1];
h=double（i）;
e=conv2（h,f,'same'）;
j=conv2（h,g,'same'）;
x=conv2（h,m,'same'）;
y=conv2（h,n,'same'）;
z=conv2（h,n,'same'）;
subplot（2,3,1）;imshow（h）;title（'原始图像'）;
subplot（2,3,2）;imshow（e）;title（'滤波后图像1'）;
subplot（2,3,3）;imshow（j）;title（'滤波后图像2'）;
subplot（2,3,4）;imshow（x）;title（'滤波后图像3'）;
subplot（2,3,5）;imshow（y）;title（'滤波后图像4'）;
subplot（2,3,6）;imshow（z）;title（'滤波后图像5'）;
图像锐化处理的目的是为了使图像的边缘、轮廓线以及图像的细节变的清晰。
一般情况下，在计算机图像处理中可用微分运算和高通滤波器来实现图像的锐化。
空间域图像的锐化常用的是拉普拉斯运算，它不仅是偏导数的线性组合，而且是各向同性的，这样可以使图像中间任何方向伸展的边缘和轮廓线变得清晰
低通滤波：
I=imread（'fig1_2.bmp'）;
[mnp]=size（I）;
I=double（I）;
subplot（2,2,1）;image（I）;colormap（gray）,title（'原始图'）;
Noise=wgn（m,n,25）;
New=Noise+I;
subplot（2,2,2）;image（New）,title（'噪声图'）;
g=fft2（New）;
g=fftshift（g）;
[M,N]=size（g）;
nn=2;
d0=20;
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））;
result（i,j）=h*g（i,j）;
end
end
result=ifftshift（result）;
J2=ifft2（result）;
J3=uint8（real（J2））;
subplot（2,2,3）;image（J3）,title（'截止频率20'）;
nn=2;
d0=100;
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））;
result（i,j）=h*g（i,j）;
end
end
result=ifftshift（result）;
J2=ifft2（result）;
J3=uint8（real（J2））;
subplot（2,2,4）;image（J3）,title（'截止频率100'）
去掉信号中不必要的高频成分，降低采样频率，避免频率混淆，去掉高频干扰
高通滤波：
I=imread（'fig1_2.bmp'）;
[mnp]=size（I）;
I=double（I）;
subplot（2,2,1）,image（I）,colormap（gray）;,title（'原始图'）;
Noise=wgn（m,n,25）;
New=Noise+I;
subplot（2,2,2）;image（New）,title（'噪声图'）;
g=fft2（New）;
g=fftshift（g）;
[M,N]=size（g）;
d0=15;
m=fix（M/2）;n=fix（N/2）;
fori=1:
M
forj=1:
N
d=sqrt（（i-m）^2+（j-n）^2）;
if（d<=d0）
h=0;
elseh=1;
end
result（i,j）=h*g（i,j）;
end
end
result=ifftshift（result）;
J1=ifft2（result）;
J2=uint8（real（J1））;
subplot（2,2,3）,imshow（J2）,title（'IHPF滤波（d0=15）'）;
[M,N]=size（g）;
d0=100;
m=fix（M/2）;n=fix（N/2）;
fori=1:
M
forj=1:
N
d=sqrt（（i-m）^2+（j-n）^2）;
if（d<=d0）
h=0;
elseh=1;
end
result（i,j）=h*g（i,j）;
end
end
result=ifftshift（result）;
J1=ifft2（result）;
J2=uint8（real（J1））;
subplot（2,2,4）,imshow（J2）,title（'IHPF滤波（d0=100）'）;
高通滤波器衰减或抑制低频分量而通过高频分量。
图像的边缘、细节主要在高频部分得到反映。
而图像的模糊是高频部分较弱造成的。
为了消除模糊，突出图像的边缘信息，则采用高通滤波器让高频部分通过，消弱图像的低频成分，再经过傅里叶逆变换得到边缘锐化的图像。
图像还原：
I=imread（'fig1_3_1.bmp'）;
subplot（2,2,1）;imshow（I）;title（'模糊图像'）;
[m,n]=size（I）;
F=fftshift（fft2（I））;
k=0.0025;
foru=1:
m
forv=1:
n
H（u,v）=exp（（-k）*（（（u-m/2）^2+（v-n/2）^2）^（5/6）））;
end
end
G=F.*H;
I0=real（ifft2（fftshift（G）））;
I1=imnoise（uint8（I0）,'gaussian',0,0.001）
subplot（2,2,2），imshow（uint8（I1）），title（'模糊退化且添加高斯噪声的图像'）;
F0=fftshift（fft2（I1））;
F1=F0./H;
I2=ifft2（fftshift（F1））;
subplot（2,2,3），imshow（uint8（I2）），title（'全逆滤波复原图'）;
K=0.1;
foru=1:
m
forv=1:
n
H（u,v）=exp（-k*（（（u-m/2）^2+（v-n/2）^2）^（5/6）））;H0（u,v）=（abs（H（u,v）））^2;
H1（u,v）=H0（u,v）/（H（u,v）*（H0（u,v）+K））;
end
end
F2=H1.*F0;
I3=ifft2（fftshift（F2））;
subplot（2,2,4），imshow（uint8（I3）），title（'维纳滤波复原图'）;
形态学图像处理：
I1=imread（'fig1_4_1.bmp'）;
I3=im2bw（I1）;
Subplot（221）,imshow（I1）
Subplot（222）,imshow（I3）
I4=bwmorph（I3,'open'）;
Subplot（223）,imshow（I4）
I5=bwmorph（I4,'close'）;
I=imread（'fig1_4_2.bmp'）;
B=strel（'diamond',1）;
J1=imopen（I,B）;
J2=imclose（J1,B）;
subplot（1,2,1）;imshow（I）;title（'原始图像'）;
subplot（1,2,2）;imshow（J2）;title（'滤噪结果'）;
rgb=imread（'fig1_5.bmp'）;
rgb=im2double（rgb）;
r=rgb（:
:
1）;
g=rgb（:
:
2）;
b=rgb（:
:
3）;
subplot（3,3,1）,imshow（rgb）,title（'原始图像'）;
subplot（3,3,4）,imshow（r）,title（'原始图像红色分量'）;
subplot（3,3,5）,imshow（g）,title（'原始图像绿色分量'）;
subplot（3,3,6）,imshow（b）,title（'原始图像蓝色分量'）;
num=0.5*（（r-g）+（r-b））;
symden;
fen=sqrt（（r-g）.^2+（r-g）.*（g-b））;
theta=acos（num./（fen+eps））;
H=theta;
H（b>g）=2*pi-H（b>g）;
H=H/（2*pi）;
num=min（min（r,g）,b）;
fen=r+g+b;
fen（fen==0）=eps;
S=1-3.*num./fen;
H（S==0）=0;
I=（r+g+b）/3;
hsi=cat（3,H,S,I）;
subplot（3,3,7）,imshow（H）,title（'H'）;
subplot（3,3,8）,imshow（S）,title（'S'）;
subplot（3,3,9）,imshow（I）,title（'I'）;
I1=rgb2gray（rgb）;
subplot（3,3,2）,imshow（I1）;
title（'灰度图像'）;
k1=filter2（fspecial（'average',3）,I1）/255;
subplot（3,3,3）,imshow（k1）;title（'平滑滤波图像'）;
图像的校正：
A=imread（'fig3_1.bmp'）;
se=strel（'ball',12,0）;
BW=imdilate（A,se）;´
BW2=bwmorph（BW,'thin',Inf）;
[H,T,R]=hough（BW2）;
P=houghpeaks（H,5）;
lines=houghlines（BW2,T,R,P）;
fork=1:
length（lines）
xy=[lines（k）.point1;lines（k）.point2];
end
m=（xy（2,2）-xy（1,2））/（xy（2,1）-xy（1,1））;
M=atan（m）;
M=M*180/3.14;
C=imrotate（A,M）;
subplot（1,2,1）;imshow（A）;title（'原图像'）;
subplot（1,2,2）;imshow（C）;title（'校正后的图像'）;
图像融合：
X1=imread（'fig4_1_a.jpg'）;
X2=imread（'fig4_1_b.jpg'）;
X3=imread（'fig4_1_c.jpg'）;
X4=imread（'fig4_1_d.jpg'）;
X5=imread（'fig4_1_e.jpg'）;
X6=imread（'fig4_1_f.jpg'）;
subplot（3,2,1）;imshow（X1）;title（'序列图像1'）;
subplot（3,2,2）;imshow（X2）;title（'序列图像2'）;
subplot（3,2,3）;imshow（X3）;title（'序列图像3'）;
subplot（3,2,4）;imshow（X4）;title（'序列图像4'）;
subplot（3,2,5）;imshow（X5）;title（'序列图像5'）;
subplot（3,2,6）;imshow（X6）;title（'序列图像'）;
X1=double（X1）;
X2=double（X2）;
X3=double（X3）;
X4=double（X4）;
X5=double（X5）;
X6=double（X6）;
[c1,I1]=wavedec2（X1,3,'sym4'）;
[c2,I2]=wavedec2（X2,3,'sym4'）;
[c3,I3]=wavedec2（X3,3,'sym4'）;
[c4,I4]=wavedec2（X4,3,'sym4'）;
[c5,I5]=wavedec2（X5,3,'sym4'）;
[c6,I6]=wavedec2（X6,3,'sym4'）;
%对分解系数进行融合
c=c1+c2+c3+c4+c5+c6;
I=I1+I2+I3+I4+I5+I6;
c=0.001*（c1+c2+c3+c4+c5+c6）;
%应用融合系数进行图像重构并显示
XX=waverec2（c,I1,'sym4'）;
figure;
XX=double（XX）;
imshow（XX）;title（'融合图像'）;
图像压缩：
clear
I=imread（'fig5_1.tif'）;
%该图片在安装matlab的目录中找，原图为灰度图象
I=im2double（I）;%图像存储类型转换
T=dctmtx（8）;%离散余弦变换矩阵
B=blkproc（I,[88],'P1*x*P2',T,T'）;%对原图像进行DCT变换
mask=[11110000
11100000
11000000
10000000
00000000
00000000
00000000
00000000];
B2=blkproc（B,[88],'P1.*x',mask）;%数据压缩，丢弃右下角高频数据
I2=blkproc（B2,[88],'P1*x*P2',T',T）;%进行DCT反变换，得到压缩后的图像
subplot（1,2,1），imshow（I），title（'原始图像'）
subplot（1,2,2）,imshow（I2），title（'压缩后的图像'）
imwrite（I2,'cameraman_proc.tif'）
升级会员 