图像处理课程设计 报告.docx
《图像处理课程设计 报告.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.docx（14页珍藏版）》请在冰点文库上搜索。
图像处理课程设计报告
《数字图像处理》课程设计
1、课程设计目的
1、提高分析问题、解决问题的能力，进一步巩固数字图像处理系统中的基本原理与方法。
2、熟悉掌握一门计算机语言，可以进行数字图像的应用处理的开发设计。
2、课程设计要求
1、要充分认识课程设计对培养自己的重要性，认真做好设计前的各项准备工作。
尤其是对编程软件的使用有基本的认识。
2、既要虚心接受老师的指导，又要充分发挥主观能动性。
结合课题，独立思考，努力钻研，勤于实践，勇于创新。
3、独立按时完成规定的工作任务，不得弄虚作假，不准抄袭他人内容，否则成绩以不及格计。
4、在设计过程中，要严格要求自己，树立严肃、严密、严谨的科学态度，必须按时、按质、按量完成课程设计。
5.2实施要求
1、理解各种图像处理方法确切意义。
2、独立进行方案的制定，系统结构设计要合理。
3、在程序开发时，则必须清楚主要实现函数的目的和作用，需要在程序书写时说明做适当的注释。
如果使用matlab来进行开发，要理解每个函数的具体意义和适用范围，在写课设报告时，必须要将主要函数的功能和参数做详细的说明。
4、通过多幅不同形式的图像来检测该系统的稳定性和正确性。
用图像平均的方法消除噪声编程：
J=imread（'1036032.jpg'）;
I=rgb2gray（J）;
[m,n]=size（I）;
II1=zeros（m,n）;
fori=1:
16
II（:
:
i）=imnoise（I,'gaussian',0,0.01）;
II1=II1+double（II（:
:
i））;
ifor（or（i==1,i==4）,or（i==8,i==16））;
figure;
imshow（uint8（II1/i））;
end
end
迭加零均值高斯随机噪声图像
4幅同类图像加平均
8幅同类图像加平均
16幅同类图像加平均
用平滑滤波方法消除噪声编程：
I=imread（'001122.jpg'）;
I=rgb2gray（I）;
J=imnoise（I,'gaussian',0,0.02）;
subplot（231）,imshow（I）;title（'原图像'）;
subplot（232）,imshow（J）;title（'添加高斯噪声图像'）;
k1=filter2（fspecial（'average',3）,J）;
k2=filter2（fspecial（'average',5）,J）;
k3=filter2（fspecial（'average',7）,J）;
k4=filter2（fspecial（'average',9）,J）;
subplot（233）,imshow（uint8（k1））;title（'3*3模板平滑滤波'）;
subplot（234）,imshow（uint8（k2））;title（'5*5模板平滑滤波'）;
subplot（235）,imshow（uint8（k3））;title（'7*7模板平滑滤波'）;
subplot（236）,imshow（uint8（k4））;title（'9*9模板平滑滤波'）;
用中值滤波方法消除噪声编程：
I=imread（'1036032.jpg'）;
I=rgb2gray（I）;
J=imnoise（I,'gaussian',0,0.01）;
subplot（231）,imshow（I）;title（'原图像'）;
subplot（232）,imshow（J）;title（'添加高斯白噪声图像'）;
k1=medfilt2（J）;
k2=medfilt2（J,[55]）;
k3=medfilt2（J,[77]）;
k4=medfilt2（J,[99]）;
subplot（233）,imshow（k1）;title（'3×3模板中值滤波'）
subplot（234）,imshow（k2）;title（'5×5模板中值滤波'）
subplot（235）,imshow（k3）;title（'7×7模板中值滤波'）
subplot（236）,imshow（k4）;title（'9×9模板中值滤波'）
用理想低通滤波方法消除噪声编程：
I=imread（'001122.jpg'）;
J=rgb2gray（I）;
J=imnoise（J,'gaussian',0,0.02）;
subplot（331）;imshow（J）;
J=double（J）;
f=fft2（J）;
g=fftshift（f）;
subplot（332）;imshow（log（abs（g））,[]）,color（jet（64））;
[M,N]=size（f）;
n1=floor（M/2）;
n2=floor（N/2）;
d0=5;
fori=1:
M
forj=1:
N
d=sqrt（（i-n1）^2+（j-n2）^2）;
ifd<=d0
h=1;
else
h=0;
end
g（i,j）=h*g（i,j）;
end
end
g=ifftshift（g）;
g=uint8（real（ifft2（g）））;
subplot（333）;
imshow（g）;
I=imread（'001122.jpg'）;
J=rgb2gray（I）;
J=imnoise（J,'gaussian',0,0.02）;
subplot（331）;imshow（J）;
J=double（J）;
f=fft2（J）;
g=fftshift（f）;
subplot（332）;imshow（log（abs（g））,[]）,color（jet（64））;
[M,N]=size（f）;
n1=floor（M/2）;
n2=floor（N/2）;
d0=15;
fori=1:
M
forj=1:
N
d=sqrt（（i-n1）^2+（j-n2）^2）;
ifd<=d0
h=1;
else
h=0;
end
g（i,j）=h*g（i,j）;
end
end
g=ifftshift（g）;
g=uint8（real（ifft2（g）））;
subplot（334）;
imshow（g）;
I=imread（'001122.jpg'）;
J=rgb2gray（I）;
J=imnoise（J,'gaussian',0,0.02）;
subplot（331）;imshow（J）;
J=double（J）;
f=fft2（J）;
g=fftshift（f）;
subplot（332）;imshow（log（abs（g））,[]）,color（jet（64））;
[M,N]=size（f）;
n1=floor（M/2）;
n2=floor（N/2）;
d0=45;
fori=1:
M
forj=1:
N
d=sqrt（（i-n1）^2+（j-n2）^2）;
ifd<=d0
h=1;
else
h=0;
end
g（i,j）=h*g（i,j）;
end
end
g=ifftshift（g）;
g=uint8（real（ifft2（g）））;
subplot（335）;
imshow（g）;
I=imread（'001122.jpg'）;
J=rgb2gray（I）;
J=imnoise（J,'gaussian',0,0.02）;
subplot（331）;imshow（J）;
J=double（J）;
f=fft2（J）;
g=fftshift（f）;
subplot（332）;imshow（log（abs（g））,[]）,color（jet（64））;
[M,N]=size（f）;
n1=floor（M/2）;
n2=floor（N/2）;
d0=65;
fori=1:
M
forj=1:
N
d=sqrt（（i-n1）^2+（j-n2）^2）;
ifd<=d0
h=1;
else
h=0;
end
g（i,j）=h*g（i,j）;
end
end
g=ifftshift（g）;
g=uint8（real（ifft2（g）））;
subplot（336）;
imshow（g）;
用巴特沃斯低通滤波方法消除噪声
I=imread（'001122.jpg'）;
I=rgb2gray（I）;
J=imnoise（I,'gaussian',0,0.04）;
subplot（121）;imshow（J）;
title（'高斯白噪声图像'）;
J=double（J）;
f=fft2（J）;
g=fftshift（f）;
[M,N]=size（f）;
n=3;
d0=20;
n1=floor（M/2）;
n2=floor（N/2）;
fori=1:
M
forj=1:
N
d=sqrt（（i-n1）^2+（j-n2）^2）;
h=1/（1+（d/d0）^（2*n））;
g（i,j）=h*g（i,j）;
end
end
g=ifftshift（g）;
g=uint8（real（ifft2（g）））;
subplot（122）;
imshow（g）;
title（'巴特沃斯低通滤波'）;
峰值信噪比PSNR程序：
functionresult=psnr（in1,in2）
in1=imread（'a.jpg'）;%a为原图像%
in2=imread（'b.jpg'）;%b为调制之后的图像%
z=mse（in1,in2）;
result=10*log10（255.^2/z）;
functionz=mse（x,y）
x=double（x）;
y=double（y）;
[m,n]=size（x）;
z=0;
fori=1:
m
forj=1:
n
z=z+（x（i,j）-y（i,j））.^2;
end
end
z=z/（m*n）;
方法一图像平均的方法处理得到信噪比分别如下：
ans=
7.1689
ans=
7.2601
ans=
7.2789
ans=
7.2876
方法二平滑滤波方法处理得到信噪比分别如下：
ans=
6.0426
ans=
6.0713
ans=
6.0955
ans=
6.1052
方法三中值滤波方法处理得到信噪比分别如下：
ans=
7.1708
ans=
7.2487
ans=
7.2830
ans=
7.3065
ans=
7.3290
方法四理想低通滤波方法处理得到的信噪比：
ans=
5.9024
ans=
6.3146
ans=
6.1266
ans=
6.0586
ans=
6.0479
方法五巴特沃斯低通滤波方法处理得到的信噪比：
ans=
5.9042
ans=
6.2459
升级会员 