11037 丁园图像退化与复原的系统设计和边缘检测.docx

1、11037 丁园图像退化与复原的系统设计和边缘检测课程设计报告课程名称： 图形图像处理 学 期： 2013-2014学年第2学期 学时学分： 32学分2学时 专业班级： 信科1101 班 学号： 110320017 姓名： 丁园 指导老师： 陈荣元 提交日期： 2014年 6月 21日 一、数字图像退化与复原系统设计21、实验内容22、实验原理23、具体实验过程及结果5二、边缘检测121、实验内容122、实验原理123、具体实验过程及结果13三、实验总结与体会18参考文献19一、数字图像退化与复原系统设计1、实验内容（1）设计图形用户界面，能对图像文件（bmp、 jpg、 tiff、 gif等

2、）进行打开、保存、另存、打印、退出等功能操作；（2）数字图像的统计信息功能：包括图像的行数和列数，附加信息，直方图的统计及绘制等；（3）图像退化与复原 a.能对图像加入各种噪声，生成退化图像； b.给定图像，能估计噪声参数和噪声类型；c.并通过几种滤波算法（维纳滤波，最小二乘方滤波）实现去噪并显示结果。比较去噪效果。2、实验原理（1）图像的退化 数字图像在获取过程中，由于光学系统的像差、光学成像衍射、成像系统的非线性畸变、成像过程的相对运动、环境随机噪声等原因，图像会产生一定程度的退化。（2）图像的复原 图像复原是利用图像退化现象的某种先验知识，建立退化现象的数学模型，再根据模型进行反向的推演

3、运算，以恢复原来的景物图像。因而图像复原可以理解为图像降质过程的反向过程。（3）估计噪声参数和噪声类型噪声的类型可以通过设备来确定，也可以从图像信息中提取，从图像中提取一个平滑的子图像，画出直方图，分辨噪声类型。通过传感器的合成像设备技术参数来估计噪声参数。（4）图像降质的数学模型图像复原处理的关键问题在于建立退化模型。输入图像f(x,y)经过某个退化系统后输出的是一幅退化的图像。为了讨论方便，把噪声引起的退化即噪声对图像的影响一般作为加性噪声考虑。原始图像f(x,y)经过一个退化算子或退化系统H(x,y)的作用，再和噪声n(x,y)进行叠加，形成退化后的图像g(x,y)。图1表示退化过程的输

4、入和输出关系，其中H(x,y)概括了退化系统的物理过程，就是要寻找的退化数学模型。g(x,y)图1 图像的退化模型数字图像的图像恢复问题可以看作是：根据退化图像g(x,y)和退化算子H(x,y)的形式，沿着反向过程去求解原始图像f(x,y)。图像退化的过程可以用数学表达式写成如下形式：g(x,y)=Hf(x,y)+n(x,y) (1)在这里，n(x,y)是一种统计性质的信息。在实际应用中，往往假设噪声是白噪声，即它的频谱密度为常熟，并且与图像不相关。在对退化系统进行了线性系统和空间不变系统的近似之后，连续函数的退化模型在空域中可以写成：g(x,y)=f(x,y)*h(x,y)+n(x,y) (

5、2)在频域中可以写成：G(u,v)=F(u,v)H(u,v)+N(u,v) (3)其中，G(u,v)、F(u,v)、N(u,v)分别是退化图像g(x,y)、原图像f(x,y)、噪声信号n(x,y)的傅立叶变换；H(u,v)是系统的点冲击响应函数h(x,y)的傅立叶变换，称为系统在频率域上的传递函数。可见，图像复原实际上就是已知g(x,y)求f(x,y)的问题或已知G(u,v)求F(u,v)的问题，它们的不同之处在于一个是空域，一个是频域。（5）维纳滤波维纳滤波是最小二乘类约束复原的一种。在最小二乘类约束复原中，要设法寻找一个最有估计，使得形式为的函数最小化。求这类问题的最小化，常采用拉格朗日乘

6、子算法。也就是说，要寻找一个，使得准则函数 (10)为最小。求解得到 (11)式中，。如果用图像f和噪声的相关矩阵Rf和Rn表示Q，就可以得到维纳滤波复原方法。具体维纳滤波复原方法的原理请参考相关图书。（6）比较维纳滤波与最小二乘方滤波的去噪效果 当图像只存在噪声复原是，需要用不同的空间滤波，不同的滤波对不同的噪声去除有不同的效果，需要比较各均值滤波和统计滤波来来分析其适用场景，找到各种噪声去除的最好滤波器。不同的滤波其都是通过噪声与像素的融合来去除噪声，由于融合的方法不同，其去噪结果也不同，在图片上显示的内容也不一样，可以比较去噪后的图片，来确定不同滤波器的好坏。3、具体实验过程及结果（3）

7、加入噪声，生成退化图像；a.加入噪声生成退化图像 I=imread(lena.jpg); %读取Lena.jsp图像imshow(I); %显示如图1：图1加入高斯模糊噪声生成退化或降质图像并显示，如图2：图2b.估计给定图像的噪声类型和参数实现代码：clcclearI=imread(C:tucamana.jpg);m,n=size(I);K1=imnoise(I,gaussian,0.02);subplot(2,3,1),imshow(K1);K2=imnoise(I,salt & pepper,0.02);subplot(2,3,2),imshow(K2);K3=imnoise(I,spe

8、ckle,0.02);subplot(2,3,3),imshow(K3);GP=zeros(1,256); K1=double(K1);for i=1:254GP1(i)=0;GP2(i)=0;GP3(i)=0;for u=1:mfor v=1:nif K1(u,v)=i;GP1(i)=GP1(i)+1;endif K2(u,v)=i;GP2(i)=GP2(i)+1;endif K3(u,v)=i;GP3(i)=GP3(i)+1;endendendGP1(i)=GP1(i)/(m*n);GP2(i)=GP2(i)/(m*n);GP3(i)=GP3(i)/(m*n);endsubplot(2,3

9、,4);bar(GP1)title(高斯)subplot(2,3,5)bar(GP2);title(椒盐);subplot(2,3,6)bar(GP3);title(均匀)figure(3)for i=1:254GP11(i)=0;GP22(i)=0;GP33(i)=0;for u=1:150for v=1:40if K1(u,v)=i;GP11(i)=GP11(i)+1;endif K2(u,v)=i;GP22(i)=GP22(i)+1;endif K3(u,v)=i;GP33(i)=GP33(i)+1;endendendGP11(i)=GP11(i)/(m*n);GP22(i)=GP22(

10、i)/(m*n);GP33(i)=GP33(i)/(m*n);endsubplot(1,3,1);bar(GP11)title(高斯参数的估计)subplot(1,3,2)bar(GP22);title(椒盐参数的估计);subplot(1,3,3)bar(GP33);title(均匀参数的估计)clcclearf=imread(C:tucamana.jpg);m,n=size(f);for i=1:mfor j=1:nF(i,j)=(-1)(i+j)*f(i,j);endendF=fftshift(fft2(F);R=real(F);I=imag(F);G=zeros(m,n);for u=

11、1:mfor v=1:nG(u,v)=(R(u,v)2+I(u,v)2)(1/2);endendfigure(2);G=mat2gray(G);实验结果（图3、图4）：图3图4结果分析: 数字图像中，噪声主要来源于图像的获取和传输过程，不同噪声所对应的直方图不同，可以从直方图判断图像砸噪声的种类，噪声参数的估计需要选取图像的一个垂直条带，画出其直方图，可以确定其参数。c.分别采用维纳滤波和约束最小二乘方滤波实现去噪并比较实现代码：I=imread(C:turice1.tif);figure;subplot(2,2,1);imshow(I);title(原图像);m,n=size(I);F=ff

12、tshift(fft2(I);k=0.0025; %取不同的值0.00025for u=1:m for v=1:n H(u,v)=exp(-k)*(u-m/2)2+(v-n/2)2)(5/6); endendG=F.*H;I0=real(ifft2(fftshift(G);I1=imnoise(uint8(I0),gaussian,0,0.001)subplot(2,2,2);imshow(uint8(I1);title(模糊退化且添加高斯噪声的图像);F0=fftshift(fft2(I1);F1=F0./H;I2=ifft2(fftshift(F1);subplot(2,2,3);imsh

13、ow(uint8(I2);title(全逆滤波复原图);K=0.1; for u=1:m for v=1:n H(u,v)=exp(-k*(u-m/2)2+(v-n/2)2)(5/6); H0(u,v)=(abs(H(u,v)2; H1(u,v)=H0(u,v)/(H(u,v)*(H0(u,v)+K); endendF2=H1.*F0;I3=ifft2(fftshift(F2);subplot(2,2,4);imshow(uint8(I3);title(维纳滤波复原图);p=0 -1 0;-1 4 -1;0 -1 0; for i=1:m for j=1:n if(i=3 & j thresh

14、old) newGrayPic(i,j)=255; else newGrayPic(i,j)=0; end endendfigure,imshow(newGrayPic);结果示例（图10）：图7 Roberts 算子图像图10 Roberts 算子图像Prewitt 算子实现代码：sourcePic=imread(glenna.bmp);%读取原图像grayPic=mat2gray(sourcePic);%转换成灰度图像m,n=size(grayPic);newGrayPic=grayPic;%为保留图像的边缘一个像素PrewittNum=0;%经Prewitt算子计算得到的每个像素的值Pr

15、ewittThreshold=0.5;%设定阈值for j=2:m-1 %进行边界提取for k=2:n-1PrewittNum=abs(grayPic(j-1,k+1)-grayPic(j+1,k+1)+grayPic(j-1,k)-grayPic(j+1,k)+grayPic(j-1,k-1)-grayPic(j+1,k-1)+abs(grayPic(j-1,k+1)+grayPic(j,k+1)+grayPic(j+1,k+1)-grayPic(j-1,k-1)-grayPic(j,k-1)-grayPic(j+1,k-1);if(PrewittNum PrewittThreshold)

16、newGrayPic(j,k)=255;elsenewGrayPic(j,k)=0;endendendfigure,imshow(newGrayPic);title(Prewitt算子的处理结果)结果示例（图11）图8 Prewitt 算子图像图11 Prewitt 算子图像Sobel 算子实现代码：sourcePic=imread(glenna.bmp);%读取原图像grayPic=mat2gray(sourcePic);%转换成灰度图像m,n=size(grayPic);newGrayPic=grayPic;%为保留图像的边缘一个像素sobelNum=0;%经sobel算子计算得到的每个像

17、素的值sobelThreshold=0.8;%设定阈值for j=2:m-1 %进行边界提取for k=2:n-1sobelNum=abs(grayPic(j-1,k+1)+2*grayPic(j,k+1)+grayPic(j+1,k+1)-grayPic(j-1,k-1)-2*grayPic(j,k-1)-grayPic(j+1,k-1)+abs(grayPic(j-1,k-1)+2*grayPic(j-1,k)+grayPic(j-1,k+1)-grayPic(j+1,k-1)-2*grayPic(j+1,k)-grayPic(j+1,k+1);if(sobelNum sobelThres

18、hold)newGrayPic(j,k)=255;elsenewGrayPic(j,k)=0;endendendfigure,imshow(newGrayPic);title(Sobel算子的处理结果)结果示例（图12）：图9 Sobel算子图像图12 Sobel算子图像结果分析：图像局部特征的不连续性(相邻区域的交界)称为边缘。边缘位置的微分特性是幅度和方向性(沿边缘方向灰度缓变，垂直方向突变)。边缘位置和导数(微分)间具有一定对应关系，可通过微分进行边缘检测。无噪声时，可用Roberts算子；Prewitt和Sobel算子同时具有平均，即抑制噪声作用；对阶跃状边缘，Roberts得到的边缘

19、宽度1个像素，Prewitt和Sobel算子得到的边缘宽度2个像素。由实验的效果图像可以知道，在利用edge函数进行相应的算子边缘检测的时候，各算子的差别非常微小，不过由相应的参数，三个算子分别为0.08、0.05、0.04可以知道，Sobel算子在边缘检测中最为敏感，及在同一条件下它的处理效果应该最好。在后面实验部分中，利用“手动”的模版算子进行边缘检测，我们很容易可以看到，Sobel算子的处理效果最好。三、实验总结与体会 首先，通过这次的实验课题，我掌握了MATLAB的一些最基本的图像的存取与显示方法。同时，我了解了图像退化与复原的基本原理，理解了数字图像运动模糊、高斯模糊以及其他噪声引起

20、模糊的物理本质，学会了降质图像的逆滤波复原和维纳滤波复原方法。并能够通过书本及在网上查找资料完成图像退化与复原的系统设计。在这一过程中，我学习到了很多原本不知道或者不太熟悉的命令。比如通过设置不同的参数达到所需要的要求和结果。而且还可以在不同的窗口建立不同的函数而达到相同的效果。当然，我自己掌握的知识还是非常有限的，但是老师在课堂上给我们提出来的一些方法和技巧是非常有效的，也因此帮助我顺利完成此次课程论文。最后还有个很深的感受：MATLAB是个非常强大而且有用的工具，以后有机会一定要进行深入的学习。参考文献1 （美）Bruce Ecker 著 明文华译.运动模糊图像复原算法.北京：机械工业出版

21、社 2007/62 陈天河.图像的退化与复原.北京电子工业出版社20053 边缘检测算法研究（第5版）/张海藩 编著北京：清华大学出版社，2008.24图像复原的应用（第4版）（PMBOK指南）/（美）项目管理协会编著，王勇，张斌译.北京：电子工业出版社 ，2009.8优秀良好中等及格不及格报告文档1.完全按照课程设计文档规范要求2.内容充实、设计合理1.完全按照课程设计文档规范要求2内容较充实、设计较合理1.基本按照课程设计文档规范要求2.内容较充实、设计较合理1.基本按照课程设计文档规范要求2.内容欠充实、设计欠合理1.没有按照课程设计文档规范要求2.内容不充实、设计不合理算法分析1算法正确。2算法分析很全面。3算法描述很清晰。1算法正确。2算法分析全面。3算法描述清晰。1算法正确。2算法分析较全面。3算法描述较清晰。1算法基本正确。2算法分析欠全面。3算法描述欠清晰。1算法不正确。2算法分析不全面。3算法描述不清晰。算法实现1程序设计思路很清晰。2程序代码编写很完整。 3程序运行正确。1程序设计思路清晰。2程序代码编写完整。 3程序运行正确。1程序设计思路较清晰。2程序代码编写较完整。 3程序运行正确。1程序设计思路欠清晰。2程序代码编写欠完整。 3