基于matlab的圖像處理(文件)
【正文】 imnoise函數(shù) ? 格式： J = imnoise(I,type,parameters) ? 例子： ? J = imnoise(I,39。poisson39。 pepper39。因此它能夠去除圖像的噪聲，實(shí)現(xiàn)圖像去噪作用。 空域去噪 —— 局部平滑法 第 40頁(yè) XUPT 專業(yè)課程設(shè)計(jì) 設(shè)有一幅 N N的圖像 f(x,y)，若平滑圖像為 g(x,y),則有 式中 x,y=0,1,…,N 1； s 為（ x,y）鄰域內(nèi)像素坐標(biāo)的集合； M 表示集合 s 內(nèi)像素的總數(shù)。 ??????????11111111191第 42頁(yè) XUPT 專業(yè)課程設(shè)計(jì) （ 1+2+1+1+2+2+5+7+6） / 9= 3 （ 2+1+4+2+2+3+7+6+8） / 9= 4 （ 1+4+3+2+3+4+6+8+9） / 9= 4 （ 1+2+2+5+7+6+5+7+6） / 9= 4 （ 2+2+3+7+6+8+7+6+8） / 9= 5 （ 2+3+4+6+8+9+6+8+8） / 9= 6 （ 5+7+6+5+7+6+5+6+7） / 9= 6 （ 7+6+8+7+6+8+6+7+8） / 9= 7 （ 6+8+9+6+8+8+7+8+9） / 9= 8 1 2 1 4 3 1 2 2 3 4 5 7 6 8 9 5 7 6 8 8 5 6 7 8 9 1* 1* 1* 1* 1* 1* 1* 1* 1* 3 4 4 4 5 7 6 8 6 1* 1* 1* 1* 1* 1* 1* 1* 1* 1* 1* 1* 1* 1* 1* 1* 1* 1* 1* 1* 1* 1* 1* 1* 1* 1* 1* 1* 1* 1* 1* 1* 第 43頁(yè) XUPT 專業(yè)課程設(shè)計(jì) 原始 3 3 平滑 5 5 平滑 7 7 平滑 第 44頁(yè) XUPT 專業(yè)課程設(shè)計(jì) 原始圖像 3*3平滑濾波 5*5平滑濾波 第 45頁(yè) XUPT 專業(yè)課程設(shè)計(jì) 頻域去噪 ? 在圖像的變換域，對(duì)頻域系數(shù)進(jìn)行處理，再反變換回去，達(dá)到去除圖像噪聲的目的。 第 48頁(yè) XUPT 專業(yè)課程設(shè)計(jì) Matlab命令 ? dct2， idct2 ? J=dct2(I)。 原圖 系數(shù)顯示 第 49頁(yè) XUPT 專業(yè)課程設(shè)計(jì) 去噪舉例 ? I=imread(39。gaussian39。 ? figure, imshow(log(abs(J)),[]),colormap(jet(64))。 imshow(K,[])。經(jīng)過(guò) DCT變換后，其低頻分量都集中在矩陣左上角，高頻分量分布在矩陣右下角。39。 B=blkproc(I1,[8 8],39。 mask=[1 1 1 1 0 0 0 0 1 1 1 0 0 0 0 0 1 1 0 0 0 0 0 0 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0]。 I2=blkproc(B2,[8 8],39。 imshow(I1),figure,imshow(I2)。 ② 特征 (Feature)級(jí)融合 —— 對(duì)應(yīng)特征的融合 ③ 決策 (decisionmaking)級(jí)融合 —— 在①、 ②基礎(chǔ)上，通過(guò)分類、識(shí)別和綜合評(píng)價(jià)，進(jìn)行的最后決策。融合結(jié)果由于能利用兩幅 (或多幅 ) 圖像在時(shí)空上的 相關(guān) 性及信息上的 互補(bǔ) 性，并使得融合后得到的圖像對(duì)場(chǎng)景有更全面、清晰的描述，從而更有利于人眼的識(shí)別和機(jī)器的自動(dòng)探測(cè)。,T39。P1.*x39。,T,T39。 I1=double(I)/255。如何將高頻分量去掉，這就要用到量化方法。圖像數(shù)據(jù)的冗余主要表現(xiàn)為：圖像中相鄰像素間的相關(guān)性引起的空間冗余；圖像序列中不同幀之間存在相關(guān)性引起的時(shí)間冗余；等等。 ? % idct ? K=idct2(J)/255。 ? imshow(I)。)。 ? I_new=idct2(J)。 ? 離散余弦變換 (DCT for Discrete Cosine Transform)是與傅里葉變換相關(guān)的一種變換，它類似于離散傅里葉變換 (DFT for Discrete Fourier Transform)，但是只使用實(shí)數(shù) 。 ,1( , ) ( , )i j sg x y f i jM?? ?第 41頁(yè) XUPT 專業(yè)課程設(shè)計(jì) 鄰域平均法算法步驟： 忽略圖像邊界數(shù)據(jù)。假設(shè)圖像是由許多灰度恒定的小塊組成，相鄰像素間存在很高的空間相關(guān)性，而噪聲則是獨(dú)立的。 原圖 高斯 (0,) 椒鹽 () 第 38頁(yè) XUPT 專業(yè)課程設(shè)計(jì) 圖像去噪方法 ? 空域方法 ? 對(duì)圖像中的像素直接進(jìn)行處理，例如鄰域平均法，就是用像素及其指定領(lǐng)域內(nèi)像素的平均值或加權(quán)平均值作為該像素的新值，以便去除突變的像素點(diǎn)，從而濾除一定的噪聲。 ? J = imnoise(I,39。,m,v)。 第 36頁(yè) XUPT 專業(yè)課程設(shè)計(jì) 圖像去噪 ? 圖像去噪是數(shù)字圖像處理中的重要環(huán)節(jié)和步驟。 ? for j=1:k ? index = find(U(j, :) == maxU)。 ? k=2。39。 ? 利用模糊 C均值 (FCM)非監(jiān)督模糊聚類標(biāo)定的特點(diǎn)進(jìn)行圖像分割，可以減少人為的干預(yù)，且較適合圖像中存在不確定性和模糊性的特點(diǎn)。 BW = im2bw(I,level)。由于總體方差 與閾值 k 無(wú)關(guān)，因此，常通過(guò)最大化 來(lái)獲取最優(yōu)閾值 kopt，即： ? ? ? ?? ?20 , 1a r g
范文總結(jié)相關(guān)推薦
鄂ICP備17016276號(hào)-1