图像处理课程设计Word格式文档下载.docx
《图像处理课程设计Word格式文档下载.docx》由会员分享，可在线阅读，更多相关《图像处理课程设计Word格式文档下载.docx（20页珍藏版）》请在冰豆网上搜索。
2.2算法设计
（1）读入初始图片及加噪图片。
clc;
clear;
f=imread（）;
g=imread（）;
（2）
利用空域滤波，去除随机噪声，此时用中值滤波法，并显示它的频谱图和直方图。
g=medfilt2（g,[3,3]）;
（3）利用频域滤波，去除周期噪声。
先转化成double型，进行傅里叶变换，再转化成数据矩阵，最后利用低通滤波去除周期噪声。
G=double（g）;
%转化double
G=fft2（G）;
G=fftshift（G）;
[M,N]=size（G）;
nn=2;
d0=25;
m=fix（m/2）;
n=fix（n/2）;
for
i
=
1
:
M
for
j
N
d
sqrt（（i-m）^2+（j-n）^2）;
h
1/（1+0.414*（d/d0）^（2*nn））;
%
计算低通滤波器传递函数
result（i,j）
h
*
G（i,j）;
end
end
（4）计算均方误差评估去噪效果。
[m
n]=size（p）;
l=f-p;
he=sum（sum（l））;
avg=he/（m*n）;
k=l-avg;
result1=（sum（sum（k.^2）））/（m*n）;
if
result1==0
disp（'
dog图均方误差'
）;
result2=0
else
result2=sqrt（result1）
3、算法实现
f=imread（'
C:
\dogOriginal.bmp'
g=imread（'
\dogDistorted.bmp'
f1=double（f）;
f2=fft2（f1）;
f2=fftshift（f2）;
g1=double（g）;
g2=fft2（g1）;
g2=fftshift（g2）;
g3=medfilt2（g,[3,3]）;
%3*3模板中值滤波去除随机噪声
g4=double（g3）;
F1=fft2（g3）;
F1=fftshift（F1）;
G=F1;
%低通滤波
nn=2;
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））;
%h=1/（1+（d/d0）^（2*nn））;
%备用
G（i,j）=h*G（i,j）;
end
p=uint8（real（ifft2（ifftshift（G））））;
subplot（341）;
imshow（f）,title（'
原图'
subplot（345）;
imshow（log（abs（f2））,[]）,title（'
频谱'
subplot（349）;
imhist（f）,title（'
subplot（342）;
imshow（g）,title（'
噪声'
subplot（346）;
imshow（log（abs（g2））,[]）,title（'
'
subplot（3,4,10）;
imhist（g）,title（'
subplot（343）;
imshow（g3）,title（'
去随机噪声'
subplot（347）;
imshow（log（abs（F1））,[]）,title（'
subplot（3,4,11）;
imhist（g3）,title（'
subplot（344）;
imshow（p,[]）,title（'
去噪'
subplot（348）;
imshow（log（abs（G））,[]）,title（'
subplot（3,4,12）;
imhist（p）,title（'
[m,n]=size（p）;
ifresult1==0
）,result2=0
else
）,result2=sqrt（result1）
4、运行结果
5、认识分析
去噪后图像模糊，同时尝试了直方图均衡化，效果并不理想；
d0根据误差调整方便简单；
中值滤波简单好用√
参考文献：
[1]全红艳、曹桂涛，数字图像处理原理与实现方法，机械工业出版社，2013
[2]胡晓军、徐飞，MATLAB应用图像处理，2010
图像处理技术应用实践—课程设计3
图像增强分割：
有一幅包含不同大小的种子图案的扫描图像（如下图所示），每个包含了种子的图像区域称之为感兴趣区域（regionsofinterest—ROI）。
要求：
1、设计一套算法提取源图像中的所有ROI，并计算每一个ROI的大小（大小为包含多少个像素，如包含20个像素，则大小为20）。
提示：
每一个ROI为一个连通集合。
2、撰写完整的科技报告（形式类似科技论文）表述自己的算法设计，算法实现与计算结果。
2、增强分割算法
2.1问题分析
（1）首先题目所给的图为彩色图，应该先将其转化成灰度图，再对其进行处理；
（2）分析题目可知首先要将种子所覆盖的大概区域求出来，可以将种子存在的地方检测出来并用特定灰度标记，方便之后统计像素数；
（3）要检测位置在灰度图中很难实现，可以将图像二值化，在二值化图像中值为0的地方进行标记。
2.2算法设计
（1）读图并灰度和二值化：
I=imread（'
D:
\seed.bmp'
f=rgb2gray（I）;
j=im2bw（f）;
j2=f;
（2）检测ROI位置并标记：
首先建立一个白板：
[M,N]=size（j2）;
forx=1:
fory=1:
j2（x,y）=255;
之后开始标记ROI位置，以第一行第一个为例：
forx=40:
70%1
fory=100:
150
if（j（x,y）==0）
j2（x,y）=1;
这里的40,70可以先将二值图像和其坐标轴显示出来，记录ROI所在的大概位置；
第一个用1标记；
%坐标轴显示可以用axison指令
按此方法，可以实现37个ROI的标记，用1～37灰度分别标记。
（3）统计像素数：
A=[1,2,3,4,5,6,7,8,9,10,11,12,13,14,15,16,17,18,19,20,21,22,23,24,25,26,27,28,29,30,31,32,33,34,35,36,37];
C=hist（A（:
）,unique（A））;
fori=1:
37
ifj2（x,y）==A（i）
C（i）=C（i）+1;
End
C数组即储存A中像素个数
（4）最后显示各个图像和最后像素数的数组
figure
（1）;
imshow（j2,[]）;
figure
（2）;
Imshow（j）;
axison;
C
2.3算法实现
\\seed.bmp'
k=f;
[M,N]=size（k）;
k（x,y）=255;
%第一行
70
k（x,y）=1;
%第二行
forx=80:
110
160
k（x,y）=2;
fory=180:
230
k（x,y）=3;
fory=240:
300
k（x,y）=4;
forx=120:
155
k（x,y）=5;
k（x,y）=6;
k（x,y）=7;
forx=160:
200
k（x,y）=8;
k（x,y）=9;
k（x,y）=10;
fory=310:
375
k（x,y）=11;
forx=205:
240
k（x,y）=12;
k（x,y）=13;
k（x,y）=14;
k（x,y）=15;
forx=250:
285
k（x,y）=16;
k（x,y）=17;
k（x,y）=18;
k（x,y）=19;
forx=290:
328
k（x,y）=20;
k（x,y）=21;
k（x,y）=22;
k（x,y）=23;
forx=335:
370
k（x,y）=24;
k（x,y）=25;
k（x,y）=26;
k（x,y）=27;
forx=375:
415
k（x,y）=28;
k（x,y）=29;
k（x,y）=30;
k（x,y）=31;
fory=400:
440
k（x,y）=32;
forx=420:
450
k（x,y）=33;
k（x,y）=34;
k（x,y）=35;
fory=320:
k（x,y）=36;
k（x,y）=37;
ifk（x,y）==A（i）
imshow（k,[]）;
imshow（j）;
灰度图像
二值化图像（带坐标）
标记ROI后的图像
统计的像素数
3、认识分析
标记ROI位置的时候要尽量精确，否则会有几像素值的误差，甚至还会标记到不必要的地方；
最后基本达到要求。
升级会员 