通信工程图像处理实验报告Word文件下载.docx
《通信工程图像处理实验报告Word文件下载.docx》由会员分享,可在线阅读,更多相关《通信工程图像处理实验报告Word文件下载.docx(43页珍藏版)》请在冰豆网上搜索。
1.图像增强是数字图像处理的基本内容之一,通过该试验了解图像增强的方法。
2.图像增强的目的是为了某种应用目的去改善图像质量
2.实验原理
2.1.图像增强原理
图像增强方法从增强的作用域出发,可分为空间域增强和频率域增强两种。
频率域方法在图像的某个频率域中对变换系数进行处理,然后通过逆变换获得增强图像。
空间域方法对图像进行点运算,是一种既简单又重要的图像处理技术,它能让用户改变图像上像素点的灰度值,这样通过点运算处理将产生一幅新图像。
2.2.图像增强方法
图像增强方法从增强的作用域出发可分为空间域增强和频率域增强两种。
常见的图像增强方法有:
对比度增强法、直方图均衡化、平滑噪声和锐化等。
我们在这里选择直方图均衡化。
直方图均衡化是将原图像通过某种变换,得到一幅灰度直方图为均匀分布的新图像的方法。
直方图均衡化算法是图像增强空域法中的最常用、最重要的算法之一。
它以概率理论作基础,运用灰度点运算来实现直方图的变换,从而达到图像增强的目的。
这些方法是不以图像保真为原则的,它们是通过增强处理设法有选择地突出某些对人或机器分析感兴趣地信息,抑制一些无用信息,以提高图像地使有价值。
在实际应用中,应针对不同的图像应采用不同的图像增强方法,或同时采用几种适当的增强算法进行实验,从中选出视觉效果较好的、计算不复杂的、又合乎应用要求的一种算法。
2.3.直方图均衡化的原理
为了改善图像质量,可以对灰度分布进行变换改变,其中一种方法称为直方图均衡化处理。
直方图均衡化处理是以累积分布函数变换法为基础的直方图修正法。
假定变换函数为式中ω是积分变量,而T(r)就是r的累积分布函数。
这里,累积分布函数是r的函数,并且单调地从0增加到1,所以这个变换函数满足T(r)在0≤r≤1内单值单调增加。
可以证明,用r的累积分布函数作为变换函数可产生一幅灰度级分布具有均匀概率密度的图像。
其结果扩展了像素取值的动态范围。
通常把为得到均匀直方图的图像增强技术叫做直方图均衡化处理或直方图线性化处理。
用离散形式表示累积分布函数为:
2.4.直方图均衡化步骤
2.4.1列出原始图像灰度级fj,j=0,1,…,k,…,L-1;
2.4.2统计各灰度级的象素数目,nj,j=0,1,,…,k,…,L-1;
2.4.3计算原始图像直方图Pf(fj)=nj/n,n为原始图像总的象素数目;
2.4.4计算累积分布函数c(f);
2.4.5应用转移函数,计算映射后的灰度级,gi=INT[(gmax-gmin)c(f)+gmin+0.5]
2.4.6统计映射后各灰度级的象素数目ni,i=0,1,…,p-1;
2.4.7计算输出图像直方图Pg(gi)=nj/n,i=0,1,…,p-1;
2.4.8用fj和gi的映射关系,修改原始图像灰度级,获得直方图近似均匀分布的输出图像。
3.实验内容
3.1.图像直方图:
灰度级直方图是一种统计表达,他反映了该图中的不同灰度级出现的统计概率
3.2.计算出一幅灰度图象的直方图;
clear
closeall
I=imread(‘D:
\ProgramFiles\MATLAB\R2008a\toolbox\images\imdemos\Cameraman.bmp’);
imhist(I)
title('
实验一
(1)直方图'
)
3.3.对灰度图像进行简单的灰度线形变换
原图像f(m,n)的灰度范围[a,b];
线形变换为图像g(m,n),灰度范围[a’,b’];
公式:
g(m,n)=a’+(b’-a’)*f(m,n)/(b-a)
灰度变换是图像增强的重要方法之一,它不改变图像内的空间关系,可使图像动态范围增大,对比度得到扩展,使图像特征明显,更加清晰。
可表示为:
根据变换函数的形式,灰度变换分为线性变换,分段性变换和非线性变换。
假定图像f(m,n)的灰度范围为[a,b],变换后的图像g(m,n)的灰度范围线性的扩展至[a’,b’],其数学表达式如下:
I=imread('
D:
\ProgramFiles\MATLAB\R2008a\toolbox\images\imdemos\Cameraman.bmp'
);
figure
subplot(2,2,1)
imshow(I);
试验2-灰度线性变换'
subplot(2,2,2)
histeq(I);
imshow(I)
J=imadjust(I,[0.3,0.7],[0,1],1);
实验一(3)用g(m,n)=a’+(b’-a’)*f(m,n)/(b-a)进行变换'
imshow(J)
subplot(2,2,3)
J=imadjust(I,[0.50.8],[0,1],1);
subplot(2,2,4)
3.4.图像二值化(选取一个域值,将图像变为黑白图像)
J=find(I<
150);
I(J)=0;
J=find(I>
=150);
I(J)=255;
实验一(4)图像二值化(域值为150)'
clc;
14499.jpg'
bw=im2bw(I,0.5);
%选取阈值为0.5
figure;
imshow(bw)%显示二值图象
3.5利用直方图均衡化进行图像增强
PS=imread('
1.jpg'
%读入JPG彩色图像文件
imshow(PS)
%显示出来
输入的彩色JPG图像'
imwrite(rgb2gray(PS),'
PicSampleGray.bmp'
%将彩色图片灰度化并保存
PS=rgb2gray(PS);
%灰度化后的数据存入数组
%二,绘制直方图
[m,n]=size(PS);
%测量图像尺寸参数
GP=zeros(1,256);
%预创建存放灰度出现概率的向量
fork=0:
255
GP(k+1)=length(find(PS==k))/(m*n);
%计算每级灰度出现的概率,将其存入GP中相应位置
end
figure,bar(0:
255,GP,'
g'
)
%绘制直方图
原图像直方图'
xlabel('
灰度值'
ylabel('
出现概率'
%三,直方图均衡化
S1=zeros(1,256);
fori=1:
256
forj=1:
i
S1(i)=GP(j)+S1(i);
%计算Sk
end
S2=round((S1*256)+0.5);
%将Sk归到相近级的灰度
GPeq(i)=sum(GP(find(S2==i)));
%计算现有每个灰度级出现的概率
255,GPeq,'
b'
%显示均衡化后的直方图
均衡化后的直方图'
%四,图像均衡化
PA=PS;
fori=0:
PA(find(PS==i))=S2(i+1);
%将各个像素归一化后的灰度值赋给这个像素
figure,imshow(PA)
%显示均衡化后的图像
均衡化后图像'
imwrite(PA,'
PicEqual.bmp'
实验图像:
Cameraman.bmp、
四.实验结果及分析
在曝光不足或过度的情况下,图像灰度可能会局限在一个很小的范围内。
这时在显示器上看到的将是一个模糊不清、似乎没有灰度层次的图像。
采用线性变换对图像每一个像素灰度作线性拉伸,可有效地改善图像视觉效果。
这种线性变换使灰度小于a和灰度大于b的像素灰度强度强行变换成a’和b’,增强了图像中绝大多数像素的灰度层次感。
.
实验二:
图像变换
1.实验目的
1.1傅立叶变换:
熟悉其概念和原理,实现对一幅灰度图像的快速傅立叶变换,并求其变换后的系数(幅度)分布;
1.2DCT变换:
熟悉其概念和原理,实现对一幅图像做离散余弦变换,选择适当的DCT系数阈值对其进行DCT反变换;
2.实验原理
2.1.离散傅立叶变换
傅里叶变换是线性系统分析的一个有力工具,它能够定量地分析诸如数字化系统、采样点、电子放大器、卷积滤波器、噪音和显示点等的作用。
通过实验培养这项技能,将有助于解决大多数图像处理问题。
对任何想在工作中有效应用数字图像处理技术的人来说,把时间用在学习和掌握博里叶变换上是很有必要的。
图象是由灰度(RGB)组成的二维离散数据矩阵,则对它进行傅立叶变换是离散的傅立叶变换。
对图像数据f(x,y)(x=0,1,…,M-1;
y=0,1,…,N-1)。
则其离散傅立叶变换定义可表示为:
式中,u=0,1,…,M-1;
v=0,1,…,N-1
其逆变换为
式中,x=0,1,…,M-1;
y=0,1,…,N-1
在图象处理中,一般总是选择方形数据,即M=N
影像f(x,y)的振幅谱或傅立叶频谱:
相位谱:
能量谱(功率谱)
2.2.快速傅里叶变化
可分离性的优点是二维的傅立叶变换或逆变换由两个连续的一维傅立叶变换变换来实现,对于一个影像f(x,y),可以先沿着其每一列求一维傅立叶变换,再对其每一行再求一维变换
正变化
逆变换
由于二维的傅立叶变换具有可分离性,故只讨论一维快速傅立叶变换.
正变换
由于计算机进行运算的时间主要取决于所用的乘法的次数。
按照上式进行一维离散由空间域向频率域傅立叶变换时,对于N个F(u)值,中的每一个都要进行N次运算,运算时间与N2成正比。
3.实验内容及结果分析
3.1傅立叶变换
步骤如下:
clc
D:
\ProgramFiles\MATLAB\R2008a\toolbox\images\imdemos\lena.bmp'
原图'
J=fft2(I);
imshow(J);
fft变换图'
%figure;