华南理工大学计算机报告规范Word文档格式.docx
《华南理工大学计算机报告规范Word文档格式.docx》由会员分享，可在线阅读，更多相关《华南理工大学计算机报告规范Word文档格式.docx（25页珍藏版）》请在冰点文库上搜索。
实验内容
【实验过程】
一、实验步骤：
1．利用工具（如ACDSee、PhotoShop）将Sample1-1.jpg转换为Sample1-1.bmp；
2．将BMP图像内容读入内存数组；
3．通过访问数字图像RGB三个通道的对应矩阵，改变数字图像的色彩；
4．将数字图像的RGB表示转换为YUV表示；
Y=0.30R+0.59G+0.11B
U=0.70R-0.59G-0.11B
V=-0.30R-0.59G+0.89B
5．通过访问Y（亮度）通道，改变数字图像的亮度；
二、实验图像：
三、实验主要过程：
1、读入图像，分离RGB三个通道，结果如下：
代码如下：
%读入图像并分离RGB，显示；
src=imread（'
sample1-1.bmp'
）;
[rcd]=size（src）;
R=src;
G=src;
B=src;
R（:
:
2）=zeros（r,c）;
3）=zeros（r,c）;
G（:
1）=zeros（r,c）;
B（:
subplot（1,3,1）;
imshow（R）;
title（'
R分量'
subplot（1,3,2）;
imshow（G）;
G分量'
subplot（1,3,3）;
imshow（B）;
B分量'
2、修改RGB值（反色），改变图像的色彩，结果如下：
%修改RGB的值（这时采用了反色），改变图像的色彩；
1）=255-R（:
1）;
%为了进行后面的实验，请注释此行
2）=255-G（:
2）;
3）=255-B（:
3）;
subplot（2,3,1）;
R分量反色'
subplot（2,3,2）;
G分量反色'
subplot（2,3,3）;
B分量反色'
subplot（2,3,4）;
imshow（src）;
原图'
subplot（2,3,6）;
imshow（R+G+B）;
反色'
3、将RGB转为YUV，结果如下：
R=double（R（:
1））;
G=double（G（:
2））;
B=double（B（:
3））;
Y=0.299*R+0.587*G+0.114*B;
U=-0.147*R-0.289*G+0.436*B;
V=0.615*R-0.515*G-0.100*B;
imshow（uint8（Y））;
Y分量'
imshow（uint8（U））;
U分量'
imshow（uint8（V））;
V分量'
4、修改Y分量（这里除以1.5），重新由YUV转为RGB，结果如下：
Y=Y/1.5;
R=Y+1.140*V;
G=Y-0.395*U-0.581*V;
B=Y+2.032*U;
rgb（:
1）=uint8（R（:
））;
2）=uint8（G（:
3）=uint8（B（:
imshow（rgb）;
修改亮度'
小结
通过本次实验，掌握了基本的图像颜色空间变换，及简单的图像修改。
指导教师评语及成绩
评语：
成绩：
指导教师签名：
批阅日期：
实验2、数字图像空间域增强
了解数字图像的灰度变换和（0.4，0.6，0.8）校正。
1.了解图像的灰度变换。
2.对图像进行校正。
1.利用工具（如ACDSee、PhotoShop）将图像sample2-1.jpg转换为sample2-1.bmp
2.将BMP图像内容读入内存数组。
3.对图像进行校正较正,分别取值为0.4,0.6,0.8.
4.调整图像的灰度。
1、对源图像进行标准化，使像素的RGB值的范围为0到1
sample2-1.bmp'
src=double（src）;
src=src/256.0;
2、对源图像的各像素，采用不同的珈玛值进行校正，并显示比较，结果如下：
gamma0p4=uint8（src.^（1/0.4）.*256.0）;
gamma0p6=uint8（src.^（1/0.6）.*256.0）;
gamma0p8=uint8（src.^（1/0.8）.*256.0）;
subplot（2,2,1）;
源图像'
subplot（2,2,2）;
imshow（gamma0p4）;
0.4'
subplot（2,2,3）;
0.6'
subplot（2,2,4）;
0.8'
通过本次实验，掌握了珈玛校正的原理及操作方法。
实验3、数字图像的噪声去除
学会用滤波器去除图像中的噪声。
1．用均值滤波器去除图像中的噪声；
2．用中值滤波器去除图像中的噪声；
3．比较两种方法的处理结果
1．将BMP图像内容读入内存数组；
2．用均值滤波器去除图像中的噪声；
3．用中值滤波器去除图像中的噪声；
4．将两种处理方法的结果与原图比较；
注意两种处理方法对边缘的影响。
源图像加噪声后的图像
1、对源图像进行3*3的均值滤波，结果如下：
sample3-2.bmp'
[r,c]=size（src）;
output=src;
n=3;
k=（n-1）/2;
forrow=1+k:
r-k
forcolumn=1+k:
c-k
m=src（row-k:
row+k,column-k:
column+k）;
temp=sum（sum（m,1）,2）*（1/n/n）;
output（row,column）=uint8（temp）;
end
end
imshow（output）;
在本代码中，边缘并没有被处理，而是直接采用源图像的对应值。
2、对源图像进行3*3的中值滤波，结果如下：
k=（n-1）/2;
v=m（1:
end）;
v=sort（v）;
output（row,column）=v（（n*n-1）/2+1）;
3、比较：
从结果图像中看出，滤波后的图像比之前的图像模糊，但是可以基本滤去噪声。
而从直观上比较两种滤波，均值滤波的结果比中值滤波的结果亮一点。
通过本次实验，掌握了简单的滤波器原理及过滤方法。
实验4、频率域低通和高通滤波
学会两种简单的频域低通和高通滤波方法。
1．使用布特沃斯和高斯滤波器进行低通滤波；
2．使用布特沃斯和高斯滤波器进行高通滤波。
1、用布特沃思低通滤波器对图像进行低通滤波；
2、用高斯低通滤波器对图像进行低通滤波；
3、用布特沃思高通滤波器对图像进行高通滤波；
4、用高斯高通滤波器对图像进行高能滤波；
1、对源图像进行进行空间域到频域的变换，结果如下：
sample4-2.bmp'
f=fftshift（fft2（double（src）））;
mx=max（max（f,[],1）,[],2）;
imf=abs（f）/mx*25600;
imshow（uint8（imf））;
2、进行频域的高斯低通滤波，结果如下：
（取D0为10，20，40，80）
D0=[20,50,80,120];
D=f;
H=D;
forrow=1:
r
forcolumn=1:
c
D（row,column）=sqrt（（row-r/2）^2+（column-c/2）^2）;
fortype=1:
length（D0）
H=exp（D.^2/（2*D0（type）^2）*（-1））;
f2=f.*H;
f2=ifft2（ifftshift（f2））;
subplot（2,2,type）;
imshow（uint8（real（f2）））;
title（D0（type））;
从结果可知，D0越小，结果越模糊，去噪效果越好；
D0越大，则相反。
3、进行频域的高斯高通滤波，结果如下：
D0=[10,20,40,80];
n=2;
H=1-exp（D.^2/（2*D0（type）^2）*（-1））;
4、进行频域的布特沃斯低通滤波，结果如下：
（取D0为10，20，40，80，n为2）
H=1./（1+（D/D0（type））.^（2*n））;
5、进行频域的布特沃斯高通滤波，结果如下：
H=1-1./（1+（D/D0（type））.^（2*n））;
通过本次实验，掌握了频域滤波的基本原理及高斯/布特沃斯高低通滤波。
实验5、数字图像复原
了解Fourier变换、反变换的算法实现，掌握频域逆滤波和维纳滤波图像复原的方法。
1．用Fourier变换算法对图像作二维Fourier变换。
2．用Fourier反变换算法对图像作二维Fourier反变换。
3．频域逆滤波和维纳滤波图像复原。
1．将BMP格式图像内容读入内存数组；
2．用快速Fourier变换算法，对图像作二维FFT变换得到G（u,v）；
（考虑图像为256*256，可以采用快速Fourier变换方法）
3．进行频域逆滤波和维纳滤波;
4．进行Fourier反变换得到g（x,y）；
需要复原的图像原图像
1、进行逆滤波的操作，这里的H（u,v）是自定义的，结果如下：
sample5-1.jpg'
src=rgb2gray（src）;
[r,c]=size（src）;
H=zeros（r,c）;
k=0.00001;
H（row,column）=exp（-k*（（row-r/2）^2+（column-c/2）^2）^（5/6））;
f=f./H;
f=ifft2（ifftshift（f））;
f=uint8（real（f））;
imshow（f）;
由于给出了源图片，所以这里H（u,v）也可以由后面的图像的频域值除以源图片的频域值得出。
2、进行维纳滤波的操作，这里的H（u,v）是自定义的，结果如下：
k=0.0001;
H（row,column）=exp（-k*（（row-r/2）^2+（column-c/2）^2）^（5/6））;
spectrum=H.^2;
HW=H./（spectrum+0.0001）;
f=f.*（HW）;
通过这次实验，掌握了图像恢复的基本原理和简单的手法。
升级会员 