数字的图像的处理4.docx

1、数字的图像的处理441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

2、= 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(rayl

3、eigh) 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)42 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4.3 imnoise3 clc clear C

4、 = 0 64; 0 128; 32 32; 64 0; 128 0; -32 32; 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,) ti

5、tle(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 = 6 32; -2 2; 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 = 1 5; 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,)

6、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 = 6 32; 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 = -2 2; 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 = 6 32; -2 2; A

7、= 1 5; 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 = 6 32; -2 2; A = 5 1; 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

8、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) axis tightv,unv = statmoments(p,2) % ? X = imnoise2(gaussian,npix,1, unv(1), sqrt(unv(2

9、) ); figure,hist(X,130) title(使用函数imnoise2产生的高斯数据的直方图) % axis(0 300 0 140) axis tight% 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43 空间滤波 实验目的： 掌握空间滤波方

10、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4.5 spfilt 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(s

11、alt & 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 = sp

12、filt(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

13、率为0.25椒盐噪声污染的图像) f1 = medfilt2(g,7 7,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。