北京航空航天大学数字图像处理实验报告.docx

1、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

2、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

3、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*function Fourier_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=a

4、bs(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);for i=1:

5、height for j=1:width if spectrum(i,j)=threshold R(i,j)=0; I(i,j)=0; end endendrefigure=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*function dct_Callback(hObject, eventdata, handles)% -显示

6、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);

7、 DCT(abs(DCT)threhold)=0;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*function Hadamard_Callback(hObject, eventdata, handles)% -显示原图像 -figure=imread(lena512.bmp);subplot(1,3,1);imshow(figure);

8、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)threhold)

9、=0;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=S

10、ize(2);MAX=2bit-1; PMSE=sum(sum(img-imgn).2)/(height*width)/MAX2; 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

11、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=s

12、qrt(-1); for uu=1:x; for vv=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); endendnnn=isnan(H1);for uu=1:x; for vv=1:y; if nnn(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 endendQ0=fftlena.*H1