太原理工大学数字图像处理实验Word文件下载.docx

1、RX01.jpg）;subplot（1,2,1）；imshow（I）;title（原图）;I=double（I）;M,N=size（I）;for i=1:M for j=1:N if I（i,j）=30 I（i,j）=I（i,j）; else if I（i,j）1 %生产Huffman树，得到码字编码表 index1=symbols_index1; index2=symbols_index2; codeword_tmp（index1）=addnode（codeword_tmp（index1）,uint8（0）; codeword_tmp（index2）=addnode（codeword_tmp

2、（index2）,uint8（1）; f=sum（f（1:2） f（3:end）; symbols_index=index1,index2 symbols_index（3: f,sortindex=sort（f）; symbols_index=symbols_index（sortindex）;codeword=cell（256,1）;codeword（symbols）=codeword_tmp;len=0;for index=1:length（vector） %得到整个图像所有比特数 len=len+length（codeworddouble（vector（index）+1）;string=r

3、epmat（uint8（0）,1,len）;pointer=1;length（vector） %对输入图像进行编码 code=codeworddouble（vector（index）+1; len=length（code）; string（pointer+（0:len-1）=code; pointer=pointer+len;len=length（string）;pad=8-mod（len,8）;%非8整数倍时，最后补pad个0if pad string=string uint8（zeros（1,pad）;codeword=codeword（symbols）;codelen=zeros（siz

4、e（codeword）;weights=2.（0:23）;maxcodelen=0;length（codeword） len=length（codewordindex）; if lenmaxcodelen maxcodelen=len; code=sum（weights（codewordindex=1）; code=bitset（code,len+1）; codewordindex=code; codelen（index）=len;codeword=codeword:;%计算压缩后的向量cols=length（string）/8;string=reshape（string,8,cols）;7）

5、;zipped=uint8（weights*double（string）;%码表存储到一个稀疏矩阵huffcodes=sparse（1,1）;nnz（codeword） huffcodes（codeword（index）,1）=symbols（index）;%填写解码时所需的结构信息info.pad=pad;info.huffcodes=huffcodes;info.ratio=cols./length（vector）;info.length=length（vector）;info.maxcodelen=maxcodelen;info.rows=m;info.cols=n;%huffdecod

6、e函数对输入矩阵vector进行Huffman编码，%返回解压后的图像数据Endhuffdecodefunction vector=huffdecode（zipped,info,image）ifisa（zipped,%产生0，1序列，每位占一个字节len=length（zipped）;string=repmat（uint8（0）,1,len.*8）;bitindex=1:8;lenstring（bitindex+8.*（index-1）=uint8（bitget（zipped（index）,bitindex）;string=logical（string（:%开始解码51）;vector=rep

7、mat（uint8（0）,1,info.length）;vectorindex=1;codeindex=1;code=0; code=bitset（code,codeindex,string（index）; codeindex=codeindex+1; byte=decode（bitset（code,codeindex）,info）; if byte vector（vectorindex）=byte-1; codeindex=1; code=0; vectorindex=vectorindex+1;%vector=reshape（vector,info.rows,info.cols）;%函数a

8、ddnode添加节点frequencyfunction f=frequency（vector）ifisa（vector,f=repmat（0,1,256）;len=length（vector）;for index=0:255 f（index+1）=sum（vector=uint8（index）;f=f./len;%函数decode返回码字对应的符号decodefunction byte=decode（code,info）byte=info.huffcodes（code）;addnodefunction codeword_new=addnode（codeword_old,item）codewor

9、d_new=cell（size（codeword_old）;length（codeword_old） codeword_newindex=item codeword_oldindex;%函数frequency计算各符号出现的概率2、行程编码主程序：%读入图像数据zipped,info=RLEncode（I）;%调用RLE进行编码unzipped=RLEdecode（zipped,info）;%调用解码程序进行编码%显示原始图像和经编码解码后的图像，显示压缩比，并计算均方根误差得erms=0,表示ELE是无失真编码imshow（unzipped）;%erms=compare（I（:）,unzip

10、ped（:）RLEncode functionzipped,info=RLEncode（vector）L=length（vector）;c=vector（1）;e（1,1）=c;e（1,2）=0;%e（:,1）存放灰度，e（:,2）存放行程t1=1for j=1:L if（vector（j）=c） e（t1,2）=double（e（t1,2）+1; c=vector（j）; t1=t1+1; e（t1,1）=c; e（t1,2）=1;zipped=e;m,n=size（e）;info.ratio=m*n/（info.rows*info.cols）;RLEecode function unzip

11、ped=RLEecode（zip,info）zip=uint8（zip）;m,n=size（zip）;unzipped=;m section=repmat（zip（i,1）,1,double（zip（i,2）; unzipped=unzipped section;unzipped=reshape（unzipped,info.rows,info.cols）;%程序结束1图像中哪些信息是主要的，哪些信息是次要的？需要传达给别人的部分是主要的。其他是次要的。例如肖像图片，肖像部分是主要的，其背景是次要的。为了证明当时的场景，场景就是主要的了，而人物就变成次要的。描述风景，人物是次要的，背景是主要的。

12、主要和次要是相对的。没有绝对的主要，也没有绝对的次要。2简述赫夫曼编码和行程编码的原理。 答：赫夫曼编码：先统计数据中各字符出现的概率，再按字符出现频率高低的顺序分别赋以由短到长的代码，从而保证文件整体的大部分字符是由较短的编码所构成。 行程编码：行程编码又称行程长度编码（Run Length Encoding， RLE）， 是一种熵编码，其编码原理是将具有相同值的连续串用其串长和一个代表值来代替， 该连续串就称为行程，串长称为行程长度。 实验四 图像分割 实验四 图像分割理解和掌握图像分割的基本理论和算法，练习使用形态学、区域、边界和阀值的方法结合图像增强复原的相关知识点对图像进行分割处理。1、膨胀和腐蚀是二值形态学的基本操作，其中膨胀是是将与目标区域的背景点合并到该目标物中，使目标物边界向外部扩张的处理；而腐蚀则是一种消除连通域的边界点，使边界向内收缩的处理。贴标签是