37丁园——图像退化与复原的系统设计和边缘检测 .docx

《37丁园——图像退化与复原的系统设计和边缘检测 .docx》由会员分享，可在线阅读，更多相关《37丁园——图像退化与复原的系统设计和边缘检测 .docx（27页珍藏版）》请在淘文阁 - 分享文档赚钱的网站上搜索。

1、精品名师归纳总结课程设计报告课程名称：图形图像处理学 期： 2021-2021 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： 2021 年 6 月 21 日目录一、数字图像退化与复原系统设计21、试验内容2可编辑资料 - - - 欢迎下载精品名师归纳总结2、试验原理23、详细试验过程及结果5二、边缘检测121、试验内容122、试验原理123、详细试验过程及结果13三、试验总结与体会18参考文献19一、数字图像退化与复原系统设计1、试验内容1）设计图形用户界面，能对图像文件 bmp、 jpg 、 tif

2、f、gif等）进行打开、储存、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，能估量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。比较去噪成效。2、试验原理1）图像的退化可编辑资料 - - - 欢迎下载精品名师归纳总结数字图像在猎取过程中，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、环境随机噪声等缘由，图像会产生肯定程度的退化。2）图像的复原图像复原是利用图像退化现象的某种先验学问

3、，建立退化现象的数学模型，再依据模型进行反向的推演运算，以复原原先的景物图像。因而图像复原可以懂得为图像降质过程的反向过程。3）估量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，辨论噪声类型。通过传感器的合成像设备技术参数来估量噪声参数。经过某个退化系统后输出的是一幅退化的图像。为了争论便利，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 fx,y经过一个退化算子或退化系统Hx,y 的作用，n x,yfx,yHx,y+gx,y再和噪声 nx,y 进行叠加，形成退化后的图像gx,y 。图 1 表示退化过程的输入

4、和输出关系，其中Hx,y 概括了退化系统的物理过程，就是要查找的退化数学模型。图 1 图像的退化模型可编辑资料 - - - 欢迎下载精品名师归纳总结数字图像的图像复原问题可以看作是：依据退化图像 gx,y 和退化算子 Hx,y 的形式，沿着反向过程去求解原始图像 fx,y 。图像退化的过程可以用数学表达式写成如下形式：gx,y=Hfx,y+nx,y1在这里， nx,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：gx,y=fx,y*hx,y+nx,y2在

5、频域中可以写成：Gu,v=Fu,vHu,v+Nu,v3其中， Gu,v 、Fu,v 、Nu,v 分别是退化图像 gx,y 、原图像 fx,y 、噪声信号 nx,y 的傅立叶变换。 Hu,v 是系统的点冲击响应函数 hx,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 gx,y 求 fx,y 的问题或已知Gu,v 求 Fu,v 的问题，它们的不同之处在于一个是空域，一个是频域。为最小。 求解 得到11式中，。假如用图像 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。详细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

6、的去噪成效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成效，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、详细试验过程及结果。%读取 Lena.jsp图像imshowI 。%显示如图 1：可编辑资料 - - - 欢迎下载精品名师归纳总结图 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. 估量给定图像的噪声类型和参数可编辑资料 - - - 欢迎下载精

7、品名师归纳总结实现代码：clcclear I=imreadC:tucamana.jpg。m,n=sizeI。K1=imnoiseI,gaussian,0.02。subplot2,3,1,imshowK1。K2=imnoiseI,salt & pepper,0.02。subplot2,3,2,imshowK2K3=imnoiseI,speckle,0.02 subplot2,3,3,imshowK3 GP=zeros1,256 。K1=doubleK1。for i=1:254GP1i=0。GP2i=0。GP3i=0。for u=1:mfor v=1:n。if K1u,v=i。GP1i=GP1i+

8、1。endif K2u,v=i。GP2i=GP2i+1。endif K3u,v=i。GP3i=GP3i+1。end end endGP1i=GP1i/m*n 。GP2i=GP2i/m*n 。GP3i=GP3i/m*n 。endsubplot2,3,4 。barGP1 title高斯 subplot2,3,5 barGP2。title椒盐 。subplot2,3,6barGP3。title匀称可编辑资料 - - - 欢迎下载精品名师归纳总结figure3for i=1:254 GP11i=0。GP22i=0。GP33i=0。for u=1:150 for v=1:40if K1u,v=i。GP1

9、1i=GP11i+1。endif K2u,v=i。GP22i=GP22i+1。endif K3u,v=i。GP33i=GP33i+1。end end endGP11i=GP11i/m*n 。GP22i=GP22i/m*n 。GP33i=GP33i/m*n 。endsubplot1,3,1。barGP11title高斯参数的估量 subplot1,3,2barGP22。title椒盐参数的估量 。subplot1,3,3 barGP33。title匀称参数的估量 clc clearf=imreadC:tucamana.jpg。m,n=sizeffor i=1:m for j=1:nFi,j=-1

10、i+j*fi,j endendF=fftshiftfft2F。R=realF 。I=imagF 。G=zerosm,n。for u=1:m可编辑资料 - - - 欢迎下载精品名师归纳总结for v=1:nGu,v=Ru,v2+Iu,v21/2 endend。figure2。G=mat2grayG。试验结果 。figure。subplot2,2,1。imshowI 。title原图像 。m,n=sizeI。F=fftshiftfft2I。k=0.0025 。 % 取不同的值 0.00025 for u=1:mfor v=1:n可编辑资料 - - - 欢迎下载精品名师归纳总结Hu,v=exp-k*

11、u-m/22+v-n/225/6。end endG=F.*H。I0=realifft2fftshiftG。I1=imnoiseuint8I0,gaussian,0,0.001subplot2,2,2。imshowuint8I1。title模糊退化且添加高斯噪声的图像 。F0=fftshiftfft2I1。F1=F0./H 。I2=ifft2fftshiftF1。subplot2,2,3。imshowuint8I2。title全逆滤波复原图 。K=0.1。for u=1:m for v=1:nHu,v=exp-k*u-m/22+v-n/225/6。H0u,v=absHu,v2。H1u,v=H0u

12、,v/Hu,v*H0u,v+K。end endF2=H1.*F0。I3=ifft2fftshiftF2。subplot2,2,4。imshowuint8I3。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:nifi=3 & j gi,j=pi,j。elsegi,j=0。end end endP=fft2fftshiftg。r=50 。for u=1:m for v=1:nHu,v=exp-k*u-m/22+v-n/225/6。H0u,v=absHu,v2。H2u,v=conjHu,v/H0u,v+r*Pu,v2。endend可编辑

13、资料 - - - 欢迎下载精品名师归纳总结F3=H2*F0。subplot2,2,4I4=ifft2fftshiftF3。imshowuint8I3。title约束最小二乘法复原图 试验结果： k=0.0025,r=50 ，详见图 5、图 6。图 5可编辑资料 - - - 欢迎下载精品名师归纳总结图 6结果分析： 在不同的 k ,r选取下，约束最小二乘方复原成效比较好。二、边缘检测1、试验内容使用 Roberts算子、 Prewitt算子、 Sobel算子对于噪声条件下进行边界检测，自己编程实现全部算法，不得直接运用数，并与 matlab 函数所供应的函数进行成效比较。2、试验原理matlab

14、 函边缘检测是利用物体和背景在某种图像特性上的差异来实现的， 这些差异包括灰度，颜色或者纹理特点。边缘检测实际上就是检测图像特点发生变化的位置。图像边缘检测必需满意两个条件：一能有效的抑制噪声。二必需尽量精确确定边缘的位置由于噪声和模糊的存在，检测到的边界可能会变宽或在某些点处发生间断，因此，边界检测包括两个基本内容：第一抽取出反映灰度变化的边缘点，然后剔除某些边界点或填补边界间断点，并将这可编辑资料 - - - 欢迎下载精品名师归纳总结些边缘连接成完整的线。边缘检测的方法大多数是基于方向导数掩模求卷积的方法。导数算子具有突出灰度变化的作用，对图像运用导数算子，灰度变化较大的点处算得的值比较高

15、，因此可将这些导数值作为相应点的边界强度，通过设置门限的方法，提取边界点集。一阶导数与是最简洁的导数算子，它们分别求出了灰度在x 和 y 方向上的变化率，而方向 上的灰度变化率可以用相应公式进行运算。对于数字图像，应当采纳差分运算代替求导。一幅数字图像的一阶导数是基于各种二维梯度的近似值。图像fx,y在位置 x,y 的梯度定义为以下向量：3-4在边缘检测中，一般用这个向量的大小，用表示3-5函数 f在某点的方向导数取得最大值的方向是，方向导数的最大值是称为梯度模。利用梯度模算子来检测边缘是一种很好的方法，它不仅具有位移不变性，仍具有各向同性。为了运算简便，实际中采纳梯度模的近似形式。或者传统的

16、边缘检测算法通过梯度算子来实现的，在求边缘的梯度时， 需要对每个象素位置运算。在实际中常用小区域模板卷积来近似快 速运算，简洁有效，即梯度算子一般采纳滤波算子的形式来完成， 因此应用很广泛。模板是 N*N的权值方阵，经典的梯度算子模板有： Sobel 模板、 Prewitt模板、 Roberts 模板、 Laplacian模板等。3、详细试验过程及结果可编辑资料 - - - 欢迎下载精品名师归纳总结MATLAB函数实现代码：I=imreadfabric.png。%读取图像K=rgb2grayI 。BW1 = edgeK,roberts,0.08。%进行 Roberts算子边缘检测，门限值采纳默

17、认值BW2 = edgeK,prewitt, 0.05。%进行 Prewitt算子边缘检测，门限值采纳默认值BW3 = edgeK,sobel, 0.04。%进行 Sobel 算子边缘检测，门限值采纳默认值figure,imshowBW1,titleRoberts算子图像 。figure,imshowBW2,titlePrewitt算子图像 。figure,imshowBW3,titleSobel算子图像 。结果示例 。 %读取原图象grayPic=rgb2graysourcePic 。 %转换成灰度图象newGrayPic= grayPic 。m,n=sizegrayPic。robertsN

18、um=0。 %roberts算子的运算值threshold=15 。 %阈值for i=1:m-1 %进行边界提取for j=1:n-1robertsNum=absgrayPici,j-grayPici+1,j+1+absgrayPici+1,j -graici,j+1。ifrobertsNum threshold newGrayPici,j=255。elsenewGrayPici,j=0。end endendfigure,imshownewGrayPic。结果示例 。%读取原图像grayPic=mat2graysourcePic。%转换成灰度图像m,n=sizegrayPic。newGray

19、Pic=grayPic 。%为保留图像的边缘一个像素Prewitt算子实现代码：可编辑资料 - - - 欢迎下载精品名师归纳总结PrewittNum=0 。%经 Prewitt算子运算得到的每个像素的值PrewittThreshold=0.5。%设定阈值for j=2:m-1 %进行边界提取for k=2:n-1PrewittNum=absgrayPicj-1,k+1-grayPicj+1,k+1+grayPicj-1,k- grayPicj+1,k+grayPicj-1,k-1-grayPicj+1,k-1+absgrayPicj-1,k+1+grayPicj,k+1+grayPicj+1,

20、k+1-grayPicj-1,k-1-grayPicj,k-1-grayPicj+1,k-1。ifPrewittNum PrewittThreshold newGrayPicj,k=255 。elsenewGrayPicj,k=0 。end end endfigure,imshownewGrayPic 。可编辑资料 - - - 欢迎下载精品名师归纳总结titlePrewitt算子的处理结果 结果示例 。%读取原图像grayPic=mat2graysourcePic。%转换成灰度图像m,n=sizegrayPic。newGrayPic=grayPic 。%为保留图像的边缘一个像素sobelNum

21、=0。%经 sobel 算子运算得到的每个像素的值sobelThreshold=0.8。%设定阈值for j=2:m-1 %进行边界提取for k=2:n-1sobelNum=absgrayPicj-1,k+1+2*grayPicj,k+1+grayPicj+1,k+1- grayPicj-1,k-1-2*grayPicj,k-1-grayPicj+1,k-1+absgrayPicj-1,k-1+2*grayPicj-1,k+grayPicj-1,k+1- grayPicj+1,k-1-2*grayPicj+1,k-grayPicj+1,k+1。ifsobelNum sobelThreshol

22、d newGrayPicj,k=255 。可编辑资料 - - - 欢迎下载精品名师归纳总结else newGrayPicj,k=0 。endend endfigure,imshownewGrayPic。titleSobel算子的处理结果 结果示例 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 微分间具有肯定对应关系，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得到的可编辑资料 - - - 欢迎下载精品名师归纳总结边缘宽度1 个像素， Pr

23、ewitt和 Sobel 算子得到的边缘宽度2 个像素。由试验的成效图像可以知道，在利用edge 函数进行相应的算子边缘检测的时候，各算子的差别特别微小，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锐，及在同一条件下它的处理成效应当最好。在后面试验部分中，利用“手动”的模版算子进行边缘检测，我们很简洁可以看到， Sobel 算子的处理成效最好。三、试验总结与体会第一，通过这次的试验课题，我把握了MATLAB的一些最基本的图像的存取与显示方法。同时，我明白了图像退化与复原的基本原理，懂得了数字图像运动模糊、高斯模糊以及其他噪声

24、引起模糊的物理本质，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，我学习到了许多原本不知道或者不太熟识的命令。比如通过设置不同的参数达到所需要的要求和结果。而且仍可以在不同的窗口建立不同的函数而达到相同的成效。当然，我自己把握的学问仍是特别有限的，但是老师在课堂上给我们提出来的一些方法和技巧是特别有效的，也因此帮忙我顺当完成此次课程论文。最终仍可编辑资料 - - - 欢迎下载精品名师归纳总结有个很深的感受： MATLAB是个特别强大而且有用的工具，以后有机会肯定要进行深化的学习。参考文献1 美） Bruce Ecke

25、r著 明文华译 . 运动模糊图像复原算法. 北京：机械工业出版社 2007/62 陈天河. 图像的退化与复原 . 北京电子工业出版社 20053 边缘检测算法争论 第 5 版） / 张海藩编著北京：清华高校出版社， 2021.24 图像复原的应用 第 4 版） PMBOK指南） / 美）工程治理协会编著，王勇，张斌译. 北京：电子工业出版社， 2021.8可编辑资料 - - - 欢迎下载精品名师归纳总结优秀良好中等及格不及格1. 完全依据课程设1. 完全依据课程设1. 基本依据课程设1. 基本依据课程设1. 没有依据课程设计文档规范要求计文档规范要求计文档规范要求计文档规范要求计文档规范要求2

26、. 内容充实、设计2 内容较充实、设2. 内容较充实、设2. 内容欠充实、设2. 内容不充实、设合理计较合理计较合理计欠合理计不合理报告文档1算法正确。1算法正确。1算法正确。1 算 法 基 本 正1算法不正确。算2算法分析很全面。2 算 法 分面。析 全2 算法分析较全面。确。2算法分析欠全2 算法分析不全面。法3算法描述很清3 算 法 描述 清3 算法描述较清面。3 算法描述不清分析晰。晰。晰。3算法描述欠清晰。晰。1程序设计思路1 程序设计思路1 程序设计思路1程序设计思路1 程序设计思路很清楚。清楚。较清楚。欠清楚。不清楚。2程序代码编写2 程序代码编写2 程序代码编写2程序代码编写2

27、 程序代码编写很完整。完整。较完整。欠完整。不完整。3 程 序 运 行正3 程 序 运 行 正3 程 序运 行正3程序运行基本3 程序运行不正确。确。确。正确。确。算法实现1有运行结果描1 有运行结果描1 有运行结果描1有运行结果描1 无运行结果描述。述。述。述。述。结2结果描述很清2 结 果 描 述 清2 结果描述较清2结果描述欠清2 结果描述不清果晰、很完整。晰、完整。晰、较完整。晰、欠完整。晰、很完整。分3结果分析很深3 结 果 分 析 深3 结果分析较深3结果分析欠深3 结果分析不深析入。入。入。入。入。1有课程总结。1有课程总结。1有课程总结。1有课程总结。1无课程总结。2课程总结很

28、全2 课 程 总 结 全2 课程总结较全2课程总结欠全2 课程总结不全面、很深化。3能从课程中总面、深化。3 能从课程中总面、较深化。面、欠深化。面、不深化。结出创新成果。结出创新成果。1. 作业无缺交、迟1. 作业无缺交、迟1. 作业无缺交1. 作业无缺交，有1. 作业有缺交交交2. 作业完成度较好或迟交2. 作业完成度较差2. 作业完成度好2. 作业完成度较好3.出勤、 课堂纪2. 作业完成度一般3.出勤、 课堂纪设计总结可编辑资料 - - - 欢迎下载精品名师归纳总结平常成3. 出勤、课堂纪律绩很好3.出勤、课堂纪律好律较好3.出勤、课 堂纪律差律一般可编辑资料 - - - 欢迎下载精品名师归纳总结综合成果评定： 评阅老师 签章）： 评审时间： 年 月 日可编辑资料 - - - 欢迎下载