数字图像处理实验答案2Word文件下载.docx
《数字图像处理实验答案2Word文件下载.docx》由会员分享，可在线阅读，更多相关《数字图像处理实验答案2Word文件下载.docx（20页珍藏版）》请在冰豆网上搜索。
end
end
%-------------------------------------------------------------------------
functionnewbuf=SobFilter（oldbuf,M,N）;
%SobFilter（）
Sobel'
fori=2:
forj=2:
N-1
sx=oldbuf（i+1,j-1）+2*oldbuf（i+1,j）+oldbuf（i+1,j+1）-oldbuf（i-1,j-1）-2*oldbuf（i-1,j）-oldbuf（i-1,j+1）;
sy=oldbuf（i-1,j+1）+2*oldbuf（i,j+1）+oldbuf（i+1,j+1）-oldbuf（i-1,j-1）-2*oldbuf（i,j-1）-oldbuf（i+1,j-1）;
newbuf（i,j）=abs（sx）+abs（sy）;
end
functionnewbuf=LapFilter（oldbuf,M,N）;
%LapFilter（）
Laplace'
%************************************************************************
fori=2:
newbuf（i,j）=5*oldbuf（i,j）-oldbuf（i-1,j）-oldbuf（i+1,j）-oldbuf（i,j-1）-oldbuf（i,j+1）;
4、实验结果及分析（原图像和处理后的图像比较及分析）
如上图所示即为实验结果。
如上图所示Robert算子能够检测出原图像的边缘，并且显示出来；
Sobel在Robert算子的基础上增强了边缘，所以图像上结果会显示比原图像边缘要更加粗一些；
Laplace算子与其他边缘增强方法不同，即其边缘的增强程度和边缘的方向无关，所以图像的细节明显比原来更加突出。
图像方块编码
3、实验目的
通过编程实验，掌握方块编码的基本方法及压缩性能。
4、实验内容
编程实现子块为nxn的方块编码基本算法，分别取n=2,4,8方块尺寸进行编解码实验，计算编码后的均方误差和压缩比。
实验图像可为任意图像。
5、实验方法及编程
用Matlab进行编程，主要是对照着实验书上面的算法流程图进行代码的编写，下面是主要的实验代码：
functionnewbuf=BtcCode（oldbuf,M,N,n）
%BtcCode（）方块编码函数
%参数：
%oldbuf原图像数组
%MN原图像尺寸
%n方块尺寸
%调用方块编码算法函数，输出编码后的图像
newbuf=oldbuf;
rowblocks=M/n;
colblocks=N/n;
fori=1:
rowblocks-1
row=i*n;
forj=1:
colblocks-1
col=j*n;
n
inbuf（i,j）=oldbuf（i+row,j+col）;
outbuf=BtcBlock（inbuf,n）;
newbuf（i+row,j+col）=outbuf（i,j）;
functionoutbuf=BtcBlock（inbuf,n）
%btcblock（）方块编码算法函数
%inbuf方块数组
%outbuf存放处理后的方块图像
%把原图像分成n*n子块，对每个方块的图像数据分别计算xt,a0,a1值，再用分辨率分
%量（a0,a1）替代方块原来的数据最后放入方块图像数组中并返回该数组。
temp=0;
temp0=0;
temp1=0;
q=0;
m=n*n;
inbuf=double（inbuf）;
temp=temp+inbuf（i,j）;
xt=temp/m;
if（inbuf（i,j）>
=xt）
q=q+1;
temp1=temp1+inbuf（i,j）;
else
temp0=temp0+inbuf（i,j）;
ifq~=m
a0=round（temp0/（m-q））;
ifq~=0
a1=round（temp1/q）;
if（inbuf（i,j）<
xt）
outbuf（i,j）=a0;
outbuf（i,j）=a1;
End
6、实验结果及分析（原图像和处理后的图像比较及分析）
如上图所示，即为实验结果。
实验将图像分为m=n*n的子图像块，然后进行方块编码；
由实验结果可知，窗口愈大时，方块效应越明显，方块编码图像变得越模糊；
窗口愈小时，编码图像接近于原图像。
图像线性预测编码
7、实验目的
通过编程设计，掌握帧内DPCM的编解码方法（预测，量化）及其压缩性能。
8、实验内容
（1）编制一维前值预测DPCM编解码程序，预测系数取（1,0,0,0）。
（2）编制二维前值预测DPCM编解码程序，预测系数取（1/2,1/4,0,1/4）。
（3）重建图像
与原图像
误差图像，用绝对误差表示如下：
式中的n为放大因子，以便观察误差的分布情况。
本实验采用15个量化分层的主观量化器，其量化电平分别取（0，+5，+10，+17，+28，+39，+52，+67）。
分别计算重建后图像的PSNR。
实验的图像为cla0或cla1。
用Matlab进行编程，主要是对照着实验书上面的算法流程图进行代码的编写，主要的代码如下所示：
functionnewbuf=Dpcm_code（oldbuf,M,N,dim）;
%*************************************************************************
%Dpcm_Code（）“线性预测编解码器”算法函数
%M,N原图像尺度
%dim选择预测编码维数
%newbuf存放处理后的图像二维数组
%根据线性预测编解码算法调用各个子模块，对原图像进行1D/2D线性预测编码和解码，
%解码后的恢复图像放在newbuf数组中。
globalnewbuf;
%定义全局变量
M
N
pre_val=Predict_Value（i,j,N,dim）;
err=oldbuf（i,j）-pre_val;
quan_err=Quant_Value（err）;
res_val=Restor_Value（quan_err,pre_val）;
newbuf（i,j）=Clip_Value（res_val）;
functionnewbuf=Error_Code（M,N,dim）;
%Error_Code（）“传输误码解码器”算法函数
%模拟信道传输过程中产生的误码，观察传输误码经解码后对恢复图像的影响，解码
%后的恢复图像放在newbuf数组中。
wrong=zeros（M,N）;
wrong（100,100）=120;
err=wrong（i,j）;
functionPvalue=Predict_Value（row,col,N,dim）
%{Thisfunctionisusedtogivepredictedvalueaslinearpredictor.
%Thepredictionformulaisasfollows:
%1_DDPCM:
^x[i,j]=128ifj=1
%x'
[i,j-1]ifj>
1
%2_DDPCM:
^x[i,j]=128ifi=1,j=1
[i,j-1]ifi=1,j>
[i-1,j]ifi>
1,j=1orN
%1/2x'
[i,j-1]ifi>
1,j>
%1/8x'
[i-1,j-1]（Pirsch'
spredictor）
%1/4x'
[i-1,j]
[i-1,j+1]
%Dim:
Dimensionofprediction
%Row:
verticalcoordinateofcurrentpixeltobepredicted
%COL:
horizontalcoordinateofcurrentpixeltobepredicted}
switchdim%预测算法编程
case1
ifcol==1
Pvalue=128;
Pvalue=newbuf（row,col-1）;
case2
if（row==1&
&
col==1）
col>
1）
if（row>
1&
col==1）||（row>
col==N）
Pvalue=newbuf（row-1,col）;
col<
N）
Pvalue=（1/2）*newbuf（row,col-1）+（1/4）*newbuf（row-1,col-1）+...
（1/4）*newbuf（row-1,col+1）;
functionQvalue=Quant_Value（err）;
%Thisfunctionisusedaslinearquantizer.Thequantizerhastotally
%13quantizationlevel:
%0,-+7,-+16,-+27,-+38,-+51,-+66
if（abs（err）<
=3）lev=0;
elseif（abs（err）<
=11）lev=7;
=21）lev=16;
=32）lev=27;
=44）lev=38;
=58）lev=51;
elselev=66;
end;
Qvalue=lev;
if（err~=0）
Qvalue=lev*（err/abs（err））;
functionRvalue=Restor_Value（quan_err,pre_val）
%ThisfunctionisusedtogetrestoredvalueofDPCM
%x=^x+Quant_Error
Rvalue=quan_err+pre_val;
functionCvalue=Clip_Value（res_val）
%Thisfunctionisusedtocliptorestoredvalueto8_bitvalue
%0ifx<
=255ifx>
255
%xotherwise
if（res_val<
0）Cvalue=0;
elseif（res_val>
255）Cvalue=255;
elseCvalue=res_val;
end;
如上图所示，即为实验所得的结果图像。
由实验结果可以看出，一维和二维预测编码图像非常接近原图像；
从误码图像中可以看出，一维预测编码会将误差延续到行末端，而二维预测编码其将误码延续至其后的斜后方，所以二维预测编码的误差会偏小。
JPEG压缩编码
9、实验目的
（1）掌握nxn子块的DCT图像变换及频谱特点。
（2）熟悉JPEG基本系统的图像编解码方法。
（1）编程实现nxn子块DCT变换的图像频谱显示，8x8子块DCT变换系数按“Z”扫描图像重建，计算图像的均方根误差RMSE，显示误差图像和误差直方图。
（2）编程实现JPEG压缩编码，进行8x8子块的DCT图像变换，JPEG量化矩阵的量化与反量化，8x8子块DCT的图像重建，计算图像的均方根误差RMSE，显示误差图像和误差直方图。
functionnewbuf=DctBlock（oldbuf,Block）
%DctBlock（）DCTn*n块频谱函数
%
%BlockDCTn*n当前块选择值
%根据Block块的当前选择值，计算原图像的n*n块DCT变换，并转换为可视频谱图，
%有利于频谱的观察。
oldbuf=double（oldbuf）;
%添加程序
H=dctmtx（Block）;
newbuf=blkproc（oldbuf,[BlockBlock],'
P1*x*P2'
H,H'
）;
newbuf=log（abs（newbuf））;
subplot（2,2,2）;
imshow（newbuf,[]）;
%-------------------------------------------------------------------------
functionnewbuf=DctCode（oldbuf,DCTch）
%DctCode（）DCT8*8块系数“Z”字扫描图像压缩函数
%DCTchDCT8*8块“Z”扫描当前系数选择值
%计算图像的8×
8子块DCT变换，按“Z”字扫描顺序，根据DCTch参数，只保留64个
%DCT系数中的前DCTch个系数，对修改后的DCT系数用逆DCT变换重建图像，得到DCT变
%换的压缩图像。
计算重建图像的均方根误差RMSE；
显示误差图像和误差直方图。
zigzag=[126715162829%设置z扫描顺序
3581417273043
49131826314244
1012192532414554
1120243340465355
2123343947525661
2235384851576062
3637495058596364];
tbuf=ones（8）;
%定义8*8全1数组
升级会员 