idctF2=idct2(dctG);
figure(4);imshow(idctF2,[0255]);
[MN]=size(G);
MSE1=sun(sum((idctF1-double(G)).^2))/(M*N)
MSE1=sun(sum((idctF2-double(G)).^2))/(M*N)
实验结果:
5.实验总结:
通过上机操作对DCT变化更加的了解了。
通过二维DCT变换后,对于低阈值压缩(T1=5),图像损失较小,但是对于较高的阈值压缩(50),图像稍显模糊。
实际应用中如果要求图像质量高的当然要用压缩率比较低的,保证不失真,对于质量要求不高的,可以采取压缩率较大的,在不影响图像判断上,降低图像的存储空间。
第六章图像增强
1.实验目的:
(1)熟悉并学会使用MATLAB中图像增强的相关函数和photoshop操作
(2)掌握图像灰度修正平滑去噪锐化加强边缘和轮廓的方法,并编程实现
2.实验内容:
(1)熟悉并学会使用MATLAB中图像增强的相关函数和photoshop操作
(2)掌握图像灰度修正平滑去噪锐化加强边缘和轮廓的方法,并编程实现
3.实验要求:
(1)选择利用MATLAB图像处理工具箱实现图像灰度修正图像平滑图像锐化的方法。
(2)列出上述图像处理的程序。
(3)记录灰度修正图像平滑图像锐化的图像,Photoshop图像增强的步骤和相应页面。
(4)心得和体会。
4.实验程序:
(1)图像的归一化直方图:
I=imread('C:
\0.jpg');
J=rgb2gray(I);
subplot(2,2,1);imshow(J);
N=numel(J);
Pr=imhist(J)/N;
k=0:
255;
subplot(2,2,2);stem(k,Pr)
实验结果:
(2)线性变换:
I=imread('C:
\0.jpg');
J=rgb2gray(I);
imshow(J);
figure,imhist(J);
M=imadjust(J,[0.3,0.7],[]);
figure,imshow(M);
figure,imhist(M);
实验结果:
(3)直方图均衡化:
I=imread('C:
\0.jpg');
J=rgb2gray(I);
M=histeq(J);
imshow(J);
figure,imhist(J);
figure,imshow(M);
figure,imhist(M);
实验结果:
(4)对椒盐噪声的平滑处理:
I=imread('C:
\0.jpg');
J=rgb2gray(I);
imshow(J,[]);
f=imnoise(J,'salt&pepper',0.04);
figure,imshow(f);
h0=1/9.*[111111111];
h1=[0.10.10.1;0.10.20.1;0.10.10.1];
h2=1/16.*[121;242;121];
h3=1/8.*[111;101;111];
g0=filter2(h0,f);
g1=filter2(h1,f);
g2=filter2(h2,f);
g3=filter2(h3,f);
figure,imshow(g0,[]);
figure,imshow(g1,[]);
figure,imshow(g2,[]);
figure,imshow(g3,[]);
实验结果:
(5)对椒盐噪声进行中值滤波:
I=imread('C:
\0.jpg');
J=rgb2gray(I);
imshow(J);
M=imnoise(J,'salt&pepper',0.04);
figure,imshow(M);
K=medfilt2(M);
figure,imshow(K);
实验结果:
(6)图像的锐化处理:
I=imread('C:
\0.jpg');
J=rgb2gray(I);
imshow(J);
BW=edge(J,'roberts',0.1);
figure,imshow(BW);
实验结果:
(7)拉普拉斯算子对图像的均衡化处理:
I=imread('C:
\0.jpg');
J=rgb2gray(I);
imshow(J);
H=[0-10;-14-1;0-10];
J=imfilter(J,H);
figure,imshow(J);
figure,imhist(J);
K=imadjust(J,[0.00.2],[]);
figure,imhist(K);
figure,imshow(K);
实验结果:
5.实验总结
通过此次上机我对图像增强更加的了解了,和它与图像复原的区别。
图像增强是指对图像的某些特征如边缘、轮廓、对比度进行强调,以便于显示、观察或进一步分析处理。
本次实验中涉及到线性变换的灰度变换,可以使图像动态范围增大,图像对比度扩展,通过第一个实验可以观察到图片的对比度提高了,没有想原图那样平淡。
实验二是对有噪声的图像进行平滑处理,已达到去除噪声的目的,通过空间域分析,不同的模板处理后的效果是不一样的。
实验三是通过拉普拉斯算子和罗伯茨算子来对图像进行锐化处理,增强图像边缘和轮廓。
这对于以后的学习会有很大的帮助,以后我会多多关注图像处理的技术,以及学习更多相关的知识。
第七章图像复原
1.实验目的
(1)了解图像复原的原理。
(2)掌握常用图像复原方法。
2.实验内容
(1)利用维纳滤波对有噪声模糊图像进行复原
(2)比较直接维纳滤波设置信噪比参数设置噪声和自相关函数这三种情况下的图像复原效果。
3.实验要求
(1)说明图像复原的基本原理和算法
(2)原始图像和复原后重建图像
(3)对于同一幅图像,比较直接维纳滤波设置信噪比参数设置噪声和自相关函数这三种情况下的图像复原效果
4.实验程序:
I=imread('C:
\zhaopian\20140315210314.jpg');
J=rgb2gray(I);
len=28;
theta=14;
PSF=fspecial('motion',len,theta);
blurred=imfilter(I,PSF,'circular','conv');
v=0.02;
Noisy=imnoise(blurred,'gaussian',0,v);
len=9;
theta=12;
SF=fspecial('gaussian',len,theta);
UNDERPSF=ones(size(PSF)-4);
[J1P1]=deconvblind(Noisy,UNDERPSF);
figure,subplot(2,2,1);imshow(J1);
OVERPSF=padarray(UNDERPSF,[44],'replicate','both');
[J2P2]=deconvblind(Noisy,OVERPSF);
subplot(2,2,2);imshow(J2);
INITPSF=padarray(UNDERPSF,[22],'replicate','both');
[J3P3]=deconvblind(Noisy,INITPSF);
subplot(2,2,3);imshow(J3);
实验结果:
5.实验总结:
通过上机操作知道了,图像复原的目的就是为了使受损的图像恢复到原来的样子,改善图像的质量,不会失真严重,现代的图像复原方法有逆滤波复原、约束复原、非线性复原方法等。
图像复原在修复旧损艺术品、照片、电影胶卷等方面有重要作用。
其次图像的退化原因有很多,比如:
摄像的散焦模糊、成像系统的噪声干扰、景物与相机的相对运动、图像的几何失真等。
所以要选择不同的复原方法来进行复原。
第八章图像分割
1.实验目的
(1)熟悉MATLAB图像处理工具的使用方法。
(2)熟悉图像边缘检测的方法。
(3)理解边缘检测在图像分割中的应用。
(4)了解和掌握Photoshop选择区工具。
包括矩形选框工具、套索工具、魔棒工具、遮罩工具等
2.实验内容
(1)利用MATLAB图像处理工具箱提供的DEMOS进行实验。
(2)利用MATLAB图形处理工具箱的边缘检测函数编程进行边缘检测。
(3)理解边缘检测在图像分割中的应用,比较各种边缘检测方法。
3.实验要求
(1)说明利用MATLAB图像处理工具箱进行边缘检测的方法。
(2)记录某一图像经各种检测方法检测后的图像。
(3)分析检测结果。
(4)回答思考题。
(5)心得和体会。
4.实验程序:
(1)阈值分割:
I=imread('C:
\0.jpg');
K=rgb2gray(I);
subplot(131);imshow(K);
subplot(132);imhist(K);
T=110;
S=size(K)
[maxI,maxP]=max(K(:
:
))
[minI,minP]=min(K(:
:
))
fori=1:
S
(1)
forj=1:
S
(2)
ifK(i,j)>=TK(i,j)=255;
elseK(i,j)=0;
end
end
end
subplot(133);imshow(K)
实验结果:
T=90
T=150
(2)梯度算子:
I=imread('C:
\0.jpg');
J=rgb2gray(I);
imshow(J);
BW1=edge(J,'roberts');
BW2=edge(J,'prewitt');
BW3=edge(J,'sobel');
BW4=edge(J,'log');
BW5=edge(J,'canny');
figure,imshow(BW1,[]);
figure,imshow(BW2,[]);
figure,imshow(BW3,[]);
figure,imshow(BW4,[]);
figure,imshow(BW5,[]);
实验结果:
5.实验总结
图像分割以后,通常需要对分割的区域进行表示和描述,以便计算机进一步处理。
本次实验利用阈值分割图像,选取阈值分割值为T=80,改变阈值的话,可以看到,过高或过低的阈值都会影响分割的效果。
图像分割在实际应用中有一定的作用,比如交通摄像机的车牌号的抓取,从整张图片中分割出关于车牌信息的图像,进一步提取车牌数字。
对以后的进一步学习有很大帮助。
第九章形态学图像处理
1.实验目的:
(1)了解数学形态学的基本思想和方法。
(2)掌握形态学基本运算。
(3)学习设计形态学图像处理算法。
2.实验内容:
(1)用数学形态学运算取出图像噪声。
(2)用形态学梯度(已膨胀图像减已腐蚀图像)来提取二值图像中对象的边界搜索。
3.实验要求:
(1)说明形态学算法。
(2)原始图像和去噪后的图像。
(3)原始图像和边界图像。
(4)心得和体会
4.实验程序:
D=imread('C:
\0.jpg');
I=rgb2gray(D);
subplot(2,3,1);imshow(I);
title('灰度图像')
J=imnoise(I,'salt&pepper',0.04);
subplot(2,3,2);imshow(J);
title('噪声图像')
se1=strel('square',2)
D1=imopen(J,se1);%开闭运算去除噪声
D2=imclose(D1,se1);
subplot(2,3,3);imshow(D2);
title('方形开闭后图像')
se2=strel('disk',2)
D3=imopen(J,se2);
D4=imclose(D3,se2);
subplot(2,3,4);imshow(D4);%采用范围半径为2的圆盘得到的D2比采用正方形的D4效果好
title('圆盘开闭后图像')
se3=strel('diamond',1)
I1=imdilate(I,se3);%膨胀
I2=imerode(I,se3);%腐蚀
K1=I1-I2;%减法,用已经膨胀的图像减去已经腐蚀的图像提取对象的边界像素
subplot(2,3,5);imshow(K1);
title('diamond膨胀图像')
se4=strel('square',3)
I3=imdilate(I,se4);
I4=imerode(I,se4);
K2=I3-I4;
subplot(2,3,6);imshow(K2);
title('方形膨胀图像')
实验结果:
5.实验总结
数学形态学基于结构元素的基本思想以及作为基本运算的上、下确界关系表示反应了自然界中一类相当普遍的现象。
通过本次实验,我了解到,图像通过灰值后会使得个别亮点变暗或者消失;
灰值膨胀可以使得图像较暗的地方变亮,对于观察比较细致而又模糊的图像来说,可以使得图像清晰;具备了腐蚀和膨胀这两种基本灰值形态学运算的便是灰值开运算和闭运算。
第十章彩色图像处理
1.实验目的
(1)了解颜色空间的基本概念及转换原理。
(2)能利用matlab工具箱和本章功能的有关公式,在RGB,YIQ,HSV,等颜色空间中读显示彩色图像。
2.实验内容
(1)利用MATLAB图像处理工具箱中现有的函数在不同颜色空间中读取,显示彩图像。
(2)根据转换公式,自己编制其他颜色空间转换函数,在该空间读取,显示彩色图像。
3实验要求
(1)利用MATLAB图像处理工具箱,photoshop读,写和显示彩色图像文件。
(2)了解几种常见的颜色空间的概念。
(3)记录读取变换处理后的图像。
(4)列出上述MATLAB图像处理的程序界面。
(5)心得和体会。
4.实验程序:
D=imread('C:
\0.jpg');
K1=rgb2hsv(D);
K2=rgb2ycbcr(D);
K3=rgb2ntsc(D);
K4=rgb2gray(D);
K6=gray2ind(D);%转换成索引图像
[X,map]=imread('C:
\0.jpg');%将真彩图像RGB,颜色映射表为map的索引图像X
K5=im2bw(X,map,0.2);%转换成二值图像
subplot(4,2,1);imshow(D);
title('RGB图像')
subplot(4,2,2);imshow(K1);
title('RGB转HSV图像')
subplot(4,2,3);imshow(K2);
title('RGB转YCBCR图像')
subplot(4,2,4);imshow(K3);
title('RGB转NTSC图像')
subplot(4,2,5);imshow(K4);
title('RGB转灰度图像')
subplot(4,2,6);imshow(K5);
title('RGB转二值图像')
subplot(4,2,7);imshow(K6);
title('RGB转IND图像')
subplot(4,2,8);imshow(K3(:
:
1));
title('NTSC的Y分量=灰度图像')
实验结果:
5.实验总结
实际应用中常用的颜色空间有很多,有RGB、HSV、HSI、YUV、YIQ、CMYK等。
本次实验都是从RGB图像转换到别的空间的图像,从RGB到HSV、YCBCR、NTSC、灰度图像、二值图像等。
其中HSV颜色空间广泛应用于计算机图像学、科学计算机可视化领域。
它是一个均匀颜色空间。
各个颜色空间的应用领域不同,比如,在彩色电视系统中采用的就是YUV色彩空间。
通过此次学习,对专业知识有了进一步的深化和了解,知道了自己的不足和缺点,在以后的学习中我会更加努力。