图像处理Word格式文档下载.docx

1、作业四：图像配准、运动跟踪我编写了矩匹配算法，可以实现模板和图片的匹配。效果如下：第一幅图为模板，在第二幅图上进行了匹配。运动匹配学习了ppt上的算法。程序代码如下：% 主程序：读取图像，调用不同函数（处理算法）。clear clc f=imread（F:matlabshipintuxiangchulifiltertest.jpg）;f=f（:,:,2）; %取灰度值，第三个值定值figureimshow（f）;title（原始图像） ;% % subplot（3,1,1）,imshow（f）;f1=imnoise（f,gaussian,0.1）;imshow（f1）;f2=imnoise（f

2、,salt & pepper% figure% imshow（f2）;% % subplot（3,1,2）,imshow（f2）;% title（加入椒盐噪声f3=imnoise（f1,% imshow（f3）;% % subplot（2,3,3）,imshow（f2）;加入白噪声和椒盐噪声% %中值滤波情况ff1=mid_filter（f1,3）;f_mid_filter_1=uint8（ff1）;imshow（f_mid_filter_1）;% subplot（3,1,3）,imshow（f_mid_filter_1）;3*3中值滤波% ff2=mid_filter（f2,5）;% f_m

3、id_filter_2=uint8（ff2）;% imshow（f_mid_filter_2）;% % subplot（2,3,6）,imshow（f_mid_filter_2）;5*5中值滤波% %均值滤波情况% ff1=ave_filter（f3,3）;% f_ave_filter_1=uint8（ff1）;% imshow（f_ave_filter_1）;% ff2=ave_filter（f3,5）;% f_ave_filter_2=uint8（ff2）;% imshow（f_ave_filter_2）;%超限邻域平均法% ff1=superave_filter（f2,3）;% f_su

4、perave_filter_1=uint8（ff1）;% imshow（f_superave_filter_1）;3*3超限邻域平均（加入椒盐噪声,阈值50）% %选择式掩膜平滑% ff1=Sel_masking_smoothing（f1）;选择式掩膜平滑（白噪声） % 中值滤波算法函数function x2=mid_filter（f,n）x1=double（f）;x2=x1;height,width=size（x1）;for i=（n+1）/2）:height-（n+1）/2） for j=（n+1）/2）:width-（n+1）/2） %取窗口元素 temp1=x1（i-（n-1）/2）:

5、i+（n-1）/2）,j-（n-1）/2）:j+（n-1）/2）; temp2=temp1（1,: for u=2:n temp2=temp2,temp1（u,:）; %将窗口元素转化成行矩阵 end m=median（temp2）; %取中值 x2（i,j）=m; %取窗口中值作为像素点end% 均值滤波算法函数function x2=ave_filter（f,n） s=sum（sum（temp1）; %求和 x2（i,j）=s/n2; %取窗口均值作为像素点% 超限邻域平均算法函数function x2=superave_filter（f,n）a=50; %求周围n*n-1个点的和 s=（

6、sum（sum（temp1）-x1（i,j）/（n2-1）; %判断像素点与周围像素的均值之差是否超过阈值 if abs（x1（i,j）-s）a x2（i,j）=s;% else% x2（i,j）=x1（i,j）;% 选择式掩模平滑算法function x2=Sel_masking_smoothing（f）k（1,1:9）=0;for i=3:height-3 for j=3:width-3 %周围9邻近 a1=x1（i-1,j-1:j+1） x1（i,j-1:j+1） x1（i+1,j-1:j+1）; s（1）=sum（a1）/9; for b=1:9 k（1）=k（1）+（a1（b）2-s

7、（1）2）; %左7邻近 a2=x1（i-2,j-1:j+1） x1（i-1,j-1:j+1） x1（i,j）; s（2）=sum（a2）/7;7 k（2）=k（2）+（a2（b）2-s（2）2）; %上7邻近 a3=x1（i-1:i+1,j-2） x1（i-1:i+1,j-1） x1（i,j）; s（3）=sum（a3）/7; k（3）=k（3）+（a3（b）2-s（3）2）; %右7邻近 a4=x1（i+1,j-1:j+1） x1（i+2,j-1: s（4）=sum（a4）/7; k（4）=k（4）+（a4（b）2-s（4）2）; %下7邻近 a5=x1（i-1:i+1,j+1）i+1,j

8、+2） s（5）=sum（a5）/7; k（5）=k（5）+（a5（b）2-s（5）2）; %左上7邻近 a6=x1（i-2,j-2:j-1） x1（i-1,j-2:j） x1（i,j-1:j）; s（6）=sum（a6）/7; k（6）=k（6）+（a6（b）2-s（6）2）; %右上7邻近 a7=x1（i,j-1:j） x1（i+1,j-2:j） x1（i+2,j-2: s（7）=sum（a7）/7; k（7）=k（7）+（a7（b）2-s（7）2）; %右下7邻近 a8=x1（i,j:j+1） x1（i+1,j:j+2） x1（i+2,j:j+2）; s（8）=sum（a8）/7; k（

9、8）=k（8）+（a8（b）2-s（8）2）; %左下邻近 a9=x1（i-2,j+1:j+2） x1（i-1,j:j+2） x1（i,j: s（9）=sum（a9）/7; k（9）=k（9）+（a9（b）2-s（9）2）; maxr,index=min（k）; x2（i,j）=s（index）; %Canny算子clearclcclose all1.jpgfigure,imshow（f）;原图灰度图q1=double（f）;J=q1;height,width=size（q1）;%一般情况下,使用高斯平滑滤波器卷积降噪.K为size=5的高斯内核K=1/139*2 4 5 4 2; 4 9 1

10、2 9 4; 5 12 15 12 5; 2 4 5 4 2; %对图像实施高斯滤波 for i=1:height for j=1:width sum=0; for m=1:5 for n=1:% sum=sum+K（m,n）*q1（i,j）; if （i-3+m）0 & （i-3+m） （j-3+n）abs（gradX） weight=abs（gradX）/abs（gradY）;%权重 grad2=d（i,j-1）; grad4=d（i,j+1）;%如果x、y方向导数符号相同%像素点位置关系% g1 g2% C% g4 g3 if gradX*gradY grad1=d（i-1,j-1）;

11、grad3=d（i+1,j+1）;%如果x、y方向导数符号反% g2 g1%g3 g4 grad1=d（i+1,j-1）; grad3=d（i-1,j+1）;%如果X方向幅度值较大 weight=abs（gradY）/abs（gradX）; grad2=d（i-1,j）; grad4=d（i+1,j）;%g3%g4 C g2% g1 grad1=d（i-1,j+1）; grad3=d（i+1,j-1）;% g4 C g2% g3 %利用grad1grad4权重关系对梯度进行插值 gradTemp1=weight*grad1+（1-weight）*grad2; gradTemp2=weight*

12、grad3+（1-weight）*grad4; %当前像素的梯度是局部的最大值，可能是边缘点 if gradTemp=gradTemp1 & gradTemp=gradTemp2 D（i,j）=gradTemp; %不可能是边缘点figure,imshow（D,）;非极大值抑制后的结果%滞后阈值:高阈值和低阈值EP_MIN=30;EP_MAX=60;EdgeLarge=zeros（height,width）;%边缘像素EdgeBetween=zeros（height,width）;%记录可能存在的边缘点% dd=zeros（height,width）;% for i=2:% for j=2:%

13、 if D（i,j）=D_max;%如果超过高阈值,像素被保留为边缘像素% % EdgeLarge（i,j）=D（i,j）;% dd=D（i,j）;% else if D（i,j）=D_min & （D（i,j+1）=D_max|D（i,j-1）=D_max.% |D（i+1,j）=D_max|D（i-1,j）=D_max）%在两个阈值之间,暂时保留在此处,接下来进行连接计算% % EdgeBetween（i,j）=D（i,j）;% end%低于低阈值的,被排除% figure,imshow（dd,）滞后阈值的结果for i=1: if D（i,j）=EP_MAX%大于最大阈值，为边缘点 Ed

14、geLarge（i,j）=D（i,j）; else if D（i,j）=EP_MIN%在两个阈值之间,进行下一步判断 EdgeBetween（i,j）=D（i,j）;%把EdgeLarge的边缘连成连续的轮廓MAXSIZE=999999;Queue=zeros（MAXSIZE,2）;%用数组模拟队列front=1;%队头rear=1;%队尾edge=zeros（height,width）; if EdgeLarge（i,j） %强点入队 Queue（rear,1）=i; Queue（rear,2）=j; rear=rear+1; edge（i,j）=EdgeLarge（i,j）; EdgeLa

15、rge（i,j）=0;%避免重复计算 while front=rear%队不空 %队头出队 temp_i=Queue（front,1）; temp_j=Queue（front,2）; front=front+1; %8-连通域寻找可能的边缘点 %左上方 if EdgeBetween（temp_i-1,temp_j-1）0%把在强点周围的弱点变为强点 EdgeLarge（temp_i-1,temp_j-1）=D（temp_i-1,temp_j-1）; EdgeBetween（temp_i-1,temp_j-1）=0; %入队 Queue（rear,1）=temp_i-1; Queue（rear,

16、2）=temp_j-1; %正上方 if EdgeBetween（temp_i-1,temp_j） EdgeLarge（temp_i-1,temp_j）=D（temp_i-1,temp_j）; EdgeBetween（temp_i-1,temp_j）=0; Queue（rear,2）=temp_j; %右上方 if EdgeBetween（temp_i-1,temp_j+1） EdgeLarge（temp_i-1,temp_j+1）=D（temp_i-1,temp_j+1）; EdgeBetween（temp_i-1,temp_j+1）=0; Queue（rear,2）=temp_j+1; %

17、正左方 if EdgeBetween（temp_i,temp_j-1） EdgeLarge（temp_i,temp_j-1）=D（temp_i,temp_j-1）; EdgeBetween（temp_i,temp_j-1）=0; Queue（rear,1）=temp_i; %正右方 if EdgeBetween（temp_i,temp_j+1） EdgeLarge（temp_i,temp_j+1）=D（temp_i,temp_j+1）; EdgeBetween（temp_i,temp_j+1）=0; %左下方 if EdgeBetween（temp_i+1,temp_j-1） EdgeLarge（temp_i+1,temp_j-1）=D（temp_i+1,temp_j-1）; EdgeBetween（temp_i+1,temp_j-1）=0; Queue（rear,1）=temp_i+1; %正下方 if EdgeBet