数字的图像的处理4.docx
《数字的图像的处理4.docx》由会员分享，可在线阅读，更多相关《数字的图像的处理4.docx（40页珍藏版）》请在冰豆网上搜索。
数字的图像的处理4
4‐1图像噪声
实验目的：
掌握图像高斯噪声、瑞利噪声、伽马（爱尔兰）噪声、指数分布噪声、均匀分布噪声、脉冲噪声（椒盐噪声）的实现方法.
实验内容：
使用imnoise2生成高斯噪声、瑞利噪声、伽马（爱尔兰）噪声、指数分布噪声、均匀分布噪声、脉冲噪声（椒盐噪声）噪声，观察样本噪声图像和它们的直方图的区别
%%例4.2各种噪声
clc
clear
r=imnoise2（'gaussian',100000,1,0,1）;
bins=100;
hist（r,bins）
title（'gaussian'）
r=imnoise2（'uniform',100000,1,0,1）;
bins=100;
figure,hist（r,bins）
title（'uniform'）
r=imnoise2（'salt&pepper',1000,1,0.1,0.27）;
bins=100;
figure,hist（r,bins）
title（'salt&pepper'）
r=imnoise2（'lognormal',100000,1）;
bins=100;
figure,hist（r,bins）
title（'lognormal'）
r=imnoise2（'rayleigh',100000,1,0,1）;
bins=100;
figure,hist（r,bins）
title（'rayleigh'）
r=imnoise2（'exponential',100000,1）;
bins=100;
figure,hist（r,bins）
title（'exponential'）
r=imnoise2（'erlang',100000,1）;
bins=100;
figure,hist（r,bins）
title（'erlang'）
4‐2噪声参数估计
实验目的：
掌握噪声参数的估计和周期噪声的生成方法。
实验内容：
1.使用imnoise3添加空间正弦噪声，观察不同参数下噪声的区别
2.使用histroi估计不同的噪声类型及噪声参数
%%例4.3imnoise3
clc
clear
C=[064;0128;3232;640;1280;-3232];
[r,R,S]=imnoise3（512,512,C）;
imshowMy（S,[]）
imfinfoMy（S）
title（'[6个]指定冲击的正弦噪声周期频谱[1]'）
imshowMy（abs（R）,[]）
imshowMy（r,[]）
imfinfoMy（r）
title（'[6个]相应的正弦噪声周期模式[1]'）
%S1=fftshift（S）;
%imshowMy（S1,[]）
%figure,mesh（S）
C1=C/2;
[r,R,S]=imnoise3（512,512,C1）;
imshowMy（S,[]）
title（'[6个]指定冲击的正弦噪声周期频谱[2]'）
imshowMy（r,[]）
title（'[6个]相应的正弦噪声周期模式[2]'）
C2=[632;-22];
[r,R,S]=imnoise3（512,512,C2）;
imshowMy（S,[]）
title（'[2个]指定冲击的正弦噪声周期频谱[3]'）
imshowMy（r,[]）
title（'[2个]相应的正弦噪声周期模式[3]'）
A=[15];
[r,R,S]=imnoise3（512,512,C2,A）;
imshowMy（1-S,[]）%有两个不清楚的点，因为其振幅较小
title（'[2个][使用非默认的不同振幅]指定冲击的正弦噪声周期频谱[4]'）
imshowMy（r,[]）
title（'[2个][使用非默认的不同振幅]相应的正弦噪声周期模式[4]'）
%%imnoise3
clc
clear
C1=[632];
[r,R,S]=imnoise3（512,512,C1）;
imshowMy（S,[]）
title（'[1个]指定冲击的正弦噪声周期频谱[1]'）
imshowMy（r,[]）
title（'[1个]相应的正弦噪声周期模式[1]'）
C2=[-22];
[r,R,S]=imnoise3（512,512,C2）;
imshowMy（S,[]）
title（'[1个]指定冲击的正弦噪声周期频谱[2]'）
imshowMy（r,[]）
title（'[1个]相应的正弦噪声周期模式[2]'）
C3=[632;-22];
A=[15];
[r,R,S]=imnoise3（512,512,C3,A）;
imshowMy（1-S,[]）%有两个不清楚的点，因为其振幅较小
title（'[2个][使用非默认的不同振幅]指定冲击的正弦噪声周期频谱[1]'）
imshowMy（r,[]）
title（'[2个][使用非默认的不同振幅]相应的正弦噪声周期模式[1]'）
C3=[632;-22];
A=[51];
[r,R,S]=imnoise3（512,512,C3,A）;
imshowMy（1-S,[]）%有两个不清楚的点，因为其振幅较小
title（'[2个][使用非默认的不同振幅]指定冲击的正弦噪声周期频谱[2]'）
imshowMy（r,[]）
title（'[2个][使用非默认的不同振幅]相应的正弦噪声周期模式[2]'）
%%例4.4估计噪声参数交互式选取区域产生的直方图
clc
clear
f=imread（'noisy_image.tif'）;
imshow（f）
title（'原始含噪声图像'）
[B,c,r]=roipoly（f）;
figure,imshow（B）
[p,npix]=histroi（f,c,r）;
figure,bar（p,1）
title（'交互式选取区域产生的直方图'）
axistight
[v,unv]=statmoments（p,2）%?
?
?
?
X=imnoise2（'gaussian',npix,1,unv
（1）,sqrt（unv
（2）））;
figure,hist（X,130）
title（'使用函数[imnoise2]产生的高斯数据的直方图'）
%axis（[03000140]）
axistight
%%掩模的使用方法P114
clc
clear
f=imread（'noisy_image.tif'）;
imshow（f）
[B,c,r]=roipoly（f）;
roi=f（B）;
size_f=size（f）
class_f=class（f）
size_B=size（B）
class_B=class（B）
size_roi=size（roi）%列向量
4‐3空间滤波
实验目的：
掌握空间滤波方法.
实验内容：
1.使用spfilt实现逆调和滤波器、最大和最小滤波器，观察不同滤波器滤波效果的区别
2.使用adpmedian实现自适应中值滤波
实验步骤：
%%例4.5spfilt空间噪声滤波器
clc
clear
f=imread（'lena.jpg'）;
imshowMy（f）
title（'原始图像'）
[M,N]=size（f）;
R=imnoise2（'salt&pepper',M,N,0.1,0）;
c=find（R==0）;
gp=f;
gp（c）=0;
imshowMy（gp）
title（'被概率为0.1的胡椒噪声污染的图像'）
R=imnoise2（'salt&pepper',M,N,0,0.1）;
c=find（R==1）;
gs=f;
gs（c）=255;
imshowMy（gs）
title（'被概率为0.1的盐粒噪声污染的图像'）
fp=spfilt（gp,'chmean',3,3,1.5）;
imshowMy（fp）
title（'用阶为Q=1.5的3*3反调和滤波器对[被概率为0.1的胡椒噪声污染的图像]滤波的结果'）
fs=spfilt（gs,'chmean',3,3,-1.5）;
imshowMy（fs）
title（'用阶为Q=-1.5的3*3反调和滤波器对[被概率为0.1的盐粒噪声污染的图像]滤波的结果'）
fpmax=spfilt（gp,'max',3,3）;
imshowMy（fpmax）
title（'用3*3最大滤波器对[被概率为0.1的胡椒噪声污染的图像]滤波的结果'）
fsmin=spfilt（gs,'min',3,3）;
imshowMy（fsmin）
title（'用3*3最小滤波器对[被概率为0.1的盐粒噪声污染的图像]滤波的结果'）
%%例4.6自适应中值滤波adpmedian
clc
clear
f=imread（'lena.jpg'）;
imshowMy（f）
title（'原始图像'）
g=imnoise（f,'salt&pepper',0.25）;%噪声点有黑有白
imshowMy（g）
title（'被概率为0.25椒盐噪声污染的图像'）
f1=medfilt2（g,[77],'symmetric'）;
imshowMy（f1）
title（'用7*7中值滤波器对[被概率为0.25椒盐噪声污染的图像]滤波的结果'）
f2=adpmedian（g,7）;
imshowMy（f2）
title（'用Smax=7的自适应中值滤波器对[被概率为0.25椒盐噪声污染的图像]滤波的结果'）
实验总结：
通过对第四章前三节的学习，我了解到了图像退化/复原处理的模型，在退化过程中被建模为一个退化函数和一个加性噪声项，并且退化函数和加性噪声的信息越多，所复原出来的图像就越接近原图。
然后是用imnoise和自定义的imnoise2、imnoise3对图像添加噪声并绘制他们的直方图，最后使用空间噪声滤波等来进行图像的复原，明白了怎么对含有椒盐和盐白点的图像进行处理，收获颇多。
升级会员 