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。
![华南理工大学计算机报告规范Word文档格式.docx](https://file1.bingdoc.com/fileroot1/2023-5/9/a881a6d7-f8fb-4c74-8c92-baecd54c014d/a881a6d7-f8fb-4c74-8c92-baecd54c014d1.gif)
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。