北京航空航天大学数字图像处理实验报告.docx
《北京航空航天大学数字图像处理实验报告.docx》由会员分享，可在线阅读，更多相关《北京航空航天大学数字图像处理实验报告.docx（31页珍藏版）》请在冰豆网上搜索。
北京航空航天大学数字图像处理实验报告
成绩
数字图像处理
实验报告
院（系）名称
电子信息工程学院
专业名称
通信工程
学生学号
学生姓名
2017年5月
实验一图像变换实验
1．实验目的：
学会对图像进行傅立叶等变换，在频谱上对图像进行分析，增进对图像频域上的感性认识，并用图像变换进行压缩。
2．实验内容：
对Lena或cameraman图像进行傅立叶、离散余弦、哈达玛变换。
在频域，对比他们的变换后系数矩阵的频谱情况，进一步，通过逆变换观察不同变换下的图像重建质量情况。
3.实验要求
实验采用获取的图像，为灰度图像，该图像每象素由8比特表示。
具体要求如下：
（1）对图像进行傅立叶变换、获得变换后的系数矩阵；
（2）将傅立叶变换后系数矩阵的频谱用图像输出，观察频谱；
（3）通过设定门限，将系数矩阵中95%的（小值）系数置为0，对图像进行反变换，获得逆变换后图像；
（4）观察逆变换后图像质量，并比较原始图像与逆变后的峰值信噪比（PSNR）。
（5）对输入图像进行离散余弦、哈达玛变换，重复步骤1-5；
（6）比较三种变换的频谱情况、以及逆变换后图像的质量（PSNR）。
4．实验结果
图1.1傅里叶变换及逆变换
图1.2离散余弦变换及逆变换
图1.3哈达玛变换及逆变换
观察结果可以发现，将系数矩阵中95%的（小值）系数置为0，对图像进行反变换之后获得逆变换的图像质量有所下降，信噪比提高。
但是图像质量的下降在可以接受的范围内，并且过程中实现了对于图像的压缩。
通过对于信噪比的比较可以发现：
离散余弦变换的效果最好，傅里叶变换的效果最差。
5．实验代码：
*******************************傅里叶变换****************************
functionFourier_Callback（hObject,eventdata,handles）
%-------------------------显示原图像---------------------------------
figure=imread（'lena512.bmp'）;
subplot（1,3,1）;
imshow（figure）;
title（'Lena原图'）;
%-----------------------傅里叶变换频谱图------------------------------
fourier=fft2（figure）;
fourier=fftshift（fourier）;
R=real（fourier）;
I=imag（fourier）;
spectrum=abs（fourier）;
spectrum_norm=（spectrum-min（min（spectrum）））/（max（max（spectrum））-min（min（spectrum）））*255;
subplot（1,3,2）;
imshow（spectrum_norm）;
title（'傅里叶变换频谱图'）;
%-----------------------傅里叶逆变换----------------------------------
[height,width]=size（spectrum）;
spectrum_adjust=sort（reshape（spectrum,[1,height*width]））;
threshold=spectrum_adjust（round（0.95*height*width））;
fori=1:
height
forj=1:
width
ifspectrum（i,j）<=threshold
R（i,j）=0;
I（i,j）=0;
end
end
end
refigure=ifft2（ifftshift（R+1i*I））;
subplot（1,3,3）;
imshow（uint8（refigure））;
title（'逆变换图像'）;
%--------------------------PSNR-------------------------------------
PSNR=PSNR_cal（figure,refigure,8）;
set（handles.edit2,'string',PSNR）;
*******************************离散余弦变换****************************
functiondct_Callback（hObject,eventdata,handles）
%-------------------------显示原图像---------------------------------
figure=imread（'lena512.bmp'）;
subplot（1,3,1）;
imshow（figure）;
title（'Lena原图'）;
%----------------------离散余弦变换频谱图------------------------------
DCT=dct2（figure）;
subplot（1,3,2）;
imshow（uint8（abs（DCT）））;
title（'离散余弦变换频谱图'）;
%-----------------------离散余弦逆变换--------------------------------
Size=size（DCT）;
height=Size
（1）;
width=Size
（2）;
DCT_sort=sort（reshape（DCT,1,width*height））;
threhold=DCT_sort（round（width*height*0.95））;
DCT（abs（DCT）refigure=idct2（DCT）;
subplot（1,3,3）;
imshow（uint8（refigure））;
title（'逆变换图像'）;
%--------------------------PSNR-------------------------------------
PSNR=PSNR_cal（figure,refigure,8）;
set（handles.edit2,'string',PSNR）;
*******************************哈达玛变换****************************
functionHadamard_Callback（hObject,eventdata,handles）
%-------------------------显示原图像---------------------------------
figure=imread（'lena512.bmp'）;
subplot（1,3,1）;
imshow（figure）;
title（'Lena原图'）;
%-----------------------哈达玛变换频谱图------------------------------
H=hadamard（512）;
figure=double（figure）;
DHT=（H*figure*H）./512;
subplot（1,3,2）;
imshow（uint8（DHT））;
title（'哈达玛变换频谱图'）;
%-----------------------哈达玛逆变换----------------------------------
Size=size（figure）;
height=Size
（1）;
width=Size
（2）;
DHT_sort=sort（reshape（DHT,1,width*height））;
threhold=DHT_sort（round（width*height*0.95））;
DHT（abs（DHT）iH=H^-1;
refigure=（iH*DHT*iH）*512;
subplot（1,3,3）;
imshow（uint8（refigure））;
title（'逆变换图像'）;
%--------------------------PSNR-------------------------------------
PSNR=PSNR_cal（figure,refigure,8）;
set（handles.edit2,'string',PSNR）;
*******************************PSNR计算函数****************************
function[PSNR]=PSNR_cal（figure1,figure2,bit）
img=double（figure2）;
imgn=double（figure1）;
Size=size（figure1）;
height=Size
（1）;
width=Size
（2）;
MAX=2^bit-1;
PMSE=sum（sum（（img-imgn）.^2））/（height*width）/MAX^2;
PSNR=-10*log10（PMSE）;
end
实验二图像复原实验
1．实验目的：
利用反向滤波与维纳滤波进行降质图像复原，比较不同参数选择对复原结果的影响。
2．实验内容：
（1）利用反向滤波方法进行图像复原；
（2）利用维纳滤波方法进行图像复原。
3．实验要求：
（1）输入图像采用实验1所获取的图像，对输入图像采用运动降质模型，如下式所示
与降值图像相关的参数是：
；
（2）对每一种方法通过计算复原出来的图像的峰值信噪比，进行最优参数的选择，包括反向滤波方法中进行复原的区域半径、维纳方法中的噪声对信号的频谱密度比值K；
（3）将降质图像与利用最优参数恢复后的图像同时显示出来，以便比较。
4．实验结果：
图2.1反向滤波
图2.2维纳滤波
反向滤波方法中进行复原的区域半径越大，复原效果越好，当=1时，能够完全复原降质图像；维纳滤波方法中的噪声对信号的频谱密度比值K值越小，复原效果越好，当K=0时，能够完全复原降质图像。
5．实验代码：
*******************************降质模型****************************
lena=imread（'lena512.bmp'）;
subplot（2,3,1）;
imshow（lena）;
title（'Lena原图'）;
[x,y]=size（lena）;
fftlena=fft2（lena）;
H1=zeros（x,y）;
j=sqrt（-1）;
foruu=1:
x;
forvv=1:
y;
u=-x/2+uu-1;
v=-y/2+vv-1;
H1（uu,vv）=5/（pi*（u+v））*sin（pi*（u+v））*exp（-pi*j*（u+v））;
end
end
nnn=isnan（H1）;
foruu=1:
x;
forvv=1:
y;
ifnnn（uu,vv）==1;
u=-x/2+uu-1;
v=-y/2+vv-1;
H1（uu,vv）=T/（pi*（a*u+b*v+0.001））*sin（pi*（a*u+b*v+0.001））*exp（-pi*j*（a*u+b*v+0.001））;
end
end
end
Q0=fftlena.*H1
升级会员 