freepeople性欧美熟妇, 色戒完整版无删减158分钟hd, 无码精品国产vα在线观看DVD, 丰满少妇伦精品无码专区在线观看,艾栗栗与纹身男宾馆3p50分钟,国产AV片在线观看,黑人与美女高潮,18岁女RAPPERDISSSUBS,国产手机在机看影片

正文內(nèi)容

圖像去噪的基本原理、典型方法和最新方法電子技術(shù)專業(yè)畢業(yè)設(shè)計畢業(yè)論文(編輯修改稿)

2024-12-29 00:31 本頁面
 

【文章內(nèi)容簡介】 改進(jìn)算法的 仿真結(jié)果 利用改進(jìn)的局域最均勻平滑濾波方法對細(xì)胞圖像進(jìn)行了平滑處理 ,經(jīng)過兩遍平滑處理后 ,平滑效果在視覺上基本一致 ,邊沿銳度及模糊度均與原算法相一致 . 圖 21 仿真結(jié)果 (a) (b) (c) 圖 21 仿真結(jié)果 ,(a)原始圖像,( b)算法 2 平滑結(jié)果, (c)算法 1 平滑結(jié)果 第 3 章 基于 頻域 的圖像去噪方法 頻域增強(qiáng)的原理 卷積定理是頻域技術(shù)的基礎(chǔ)。設(shè)函數(shù) f(x,y)與線性位不變算子 h(x,y)的卷積結(jié)果是 g(x,y),即 ? ? ? ? ? ?yxfyxhyxg , ?? , 那么根據(jù)卷積定理 在頻域有: ? ? ? ? ? ? ? ?1, vuFvuHvuG ? 其中 G(u,v), H(u,v), F(u,v)分別是 g(x,y), h(x,y), f(x,y)的傅立葉變換。用線性系統(tǒng)理論的話來說, H(u,v)是轉(zhuǎn)移函數(shù)。 在具體的增強(qiáng)應(yīng)用中, f(x,y)是給定的,需要確定的是 H(u,v),這樣具有所需特性的 g(x,y)就可由式( 1)算出 G(u,v)而得到: ? ? ??Fyxg , g(x,y)=F1? [H(u,v)F(u,v)] ??2 根據(jù)以上討論,在頻率域中進(jìn)行增強(qiáng)是相當(dāng)直觀的,其主要步驟有: ; 1個轉(zhuǎn)移函數(shù)相乘; 。 巴特沃斯低通濾波 巴特沃斯低通濾波的 原理 n 階巴特沃斯低通濾波器函數(shù)由下式?jīng)Q定: ? ? ? ? ? ?3,11, 20 ???????????????????? nDvuDvuH ( 3) 巴特沃斯特性為連續(xù)性衰減 ,而不像理想低通衰減器那樣陡峭和明顯的不連續(xù)性。采用該濾波器在抑制噪聲的同時,圖像邊緣的模糊程度大大減小,沒有振鈴現(xiàn)象產(chǎn)生。 基 于 MATLAB巴特沃斯低通濾波的代碼實現(xiàn)及分析 J = imread(39。39。)。 % 讀入原始圖像 I = imnoise(J,39。salt amp。 pepper39。)。 %加入椒鹽噪聲 figure, imshow(J) 。 figure, imshow(I) 。 %顯示預(yù)處理圖像 f=double(I)。 g=fft2(f)。 %傅立葉轉(zhuǎn)換 g=fftshift(g)。%轉(zhuǎn)換數(shù)據(jù)矩陣 [N1,N2]=size(g)。 n=2。 d0=50。 n1=fix(N1/2)。 n2=fix(N2/2)。 for i=1:N1 for j=1:N2 d=sqrt((in1)^2+(jn2)^2)。 h=1/(1+*(d/d0)^(2*n))。%計算 butterworth低通轉(zhuǎn)換函數(shù) result(i,j)=h*g(i,j)。 end end result=ifftshift(result)。 x2=ifft2(result)。 x3=uint8(real(x2))。 figure,imshow(x3)。 ( a) ( b) ( c) 圖 3- 1 butterworth 低通濾波 ,(a)(原始圖像,( b)加入椒鹽噪聲的圖箱, ( c) butterworth 低通濾波的圖像 顯然, 比較以上三 個 圖可以看出處理后噪聲大大減弱 。 巴特沃斯高通濾波 巴特沃斯高通濾波的 原理 n階巴特沃斯低通濾波器函數(shù)由下式?jīng)Q定: ? ?? ?? ?4,11, 20 ???????????????? nvuDvuH D ( a) ( b) ( c) 圖 3- 1 butterworth 低通濾波 ,(a)(原始圖像,( b)加入椒鹽噪聲的圖箱, ( c) butterworth 低通濾波 的圖像 基于 matlab巴特沃斯高通濾 波的代碼實現(xiàn)及分析 J= imread(39。39。)。 % 讀入原始圖像 figure,imshow(J)。 I = imnoise(J,39。salt amp。 pepper39。)。 %加入椒鹽噪聲 figure, imshow(I) 。 %顯示預(yù)處理圖像 f=double(I)。 g=fft2(f)。 %傅立葉轉(zhuǎn)換 g=fftshift(g)。 %轉(zhuǎn)換數(shù)據(jù)矩陣 [N1,N2]=size(g)。 n=2。d0=50。n1=fix(N1/2)。 n2=fix(N2/2)。 for i=1:N1 for j=1:N2 d=sqrt((in1)^2+(jn2)^2)。 if d==0 h=0。 else h=1/(1+(d0/d)^(2*n))。 %計算 butterworth低通轉(zhuǎn)換函數(shù) end result(i,j)=h*g(i,j)。 end end result=ifftshift(result)。 x2=ifft2(result)。 x3=uint8(real(x2))。 figure,imshow(x3)。 ( a) ( b) ( c) 圖 3- 2 butterworth高通濾波去噪圖像 ( a)原始圖像,( b)加入噪聲圖像, butterworth高通濾波去噪圖像 從圖中可以看出,圖像比較昏暗,很多細(xì)節(jié)都看不清了。這是因為如前所述,圖像的大部分能量集中在低頻區(qū)域,經(jīng)過高通濾波后,雖然各區(qū)域邊界得到了增強(qiáng),但是圖像 中的低頻部分被濾波,原圖的灰度動態(tài)范圍被壓縮,所以圖像比較昏暗。 第 4 章 基于 小波域 的圖像去噪方法 小波閾值去噪 傳統(tǒng)的閾值化方法 傳統(tǒng)的閾值化方法 總分為兩類: 軟閾值化是: ? ? ? ? ? ?10s g n???? ???????WWWWW 而硬閾值化是: ? ?20 ??? ?????? WWWW 其中:δ為閾值, W為小波系數(shù) 矩陣。 采用軟閾值化為 0時,雖然保持連續(xù)、無斷點,不會發(fā)生奇變,但是它對絕對值大于閾值δ的小波系數(shù)用δ來縮減,使圖像失真;而采用硬閾值化 0時,在跳躍點處產(chǎn)生奇變,在圖像上引起高頻變化,其優(yōu)點是對絕對值大于閾值 D的小波系數(shù),保留的小波系數(shù)與原始系數(shù)相同,使圖像保真。總的來說,硬閾值方法可以很好保留圖像邊緣等局部特征;而軟閾值方法處理結(jié)果則相對平滑得多,但可能會造成邊緣模糊等失真現(xiàn)象。這種方法我們具體應(yīng)用在印刷品圖像檢測系統(tǒng)中。由于在圖像處理時需多次用到圖像的重要控制信息,如邊緣信息等,故選用硬閾值化方法去除圖 像噪聲。 閾值的選取 閾值的選取是個關(guān)鍵問題。因為閾值選得過大,會造成有用的高頻信息(如邊緣信息)丟失,使圖像變得模糊;而閾值選得過小,又會保留過多的噪聲,使去噪效果不明顯。目前使用的閾值可以分成全局閾值和局部適應(yīng)閾值兩類。全局閾值是對各層所有的小波系數(shù)或同一層內(nèi)的小波系數(shù)都是統(tǒng)一的;而局部適應(yīng)閾值是根據(jù)當(dāng)前系數(shù)周圍的局部情況來確定閾值。 全局閾值主要有以下四種: δ =σ Nln2 ,其中σ為噪聲標(biāo)準(zhǔn)方差, N 為信號的尺寸或長度 分布的置信區(qū)間閾值 分析上述四類方法,方法 1和 2在去噪過程中,存在“過扼殺”小波系數(shù),容易造成較大的重建誤差。方法 3 和 4 是需要預(yù)先知道原信號的,因為我們研究的應(yīng)用場合是印刷品質(zhì)量檢測系統(tǒng),圖像的原信號我們是可以預(yù)先知道,所以后兩種方法較為合適。本文采用理想閾值法中的 GCV( GeneralizedCross Validation) 閾值公式求取最優(yōu)閾值。用這種方法得到的閾值趨向于理想閾值,而且不需要對噪聲方差進(jìn)行估計。 GCV 閾值: ? ? ? ? ? ?31,m i n202??????????NT NNJJGC V ? ?? 其中, N 是某一系數(shù)層中小波系數(shù)的個數(shù) ,N0代表信號在閾值萎縮中被置為0的系數(shù)個數(shù), ω 和 ω δ 分別代表帶噪小波系數(shù)和閾值萎縮后的系數(shù)。 算法 圖像經(jīng)過小波變換后,能量主要集中在最低分辨率子帶圖像上,而圖像的加性隨機(jī)噪聲經(jīng)過小波變換后,能量則分散在各個高分辨率子帶圖像上。因此,若設(shè)定一個閾值,將絕對值小于閾值的小波系數(shù)當(dāng)作噪聲去除,從而達(dá)到去噪的效果?;谛〔ㄗ儞Q的圖像去噪是由以下三個主要步驟來完成的: 處理 ,從而得到降噪圖像 具體算法的提出 : 圖像的噪聲有很多種,可以分為兩大類:加性噪聲和乘性噪聲。在實際應(yīng)用中,圖像的噪聲一般是加性的高斯白噪聲,這樣圖像含噪模型可以建立:? ? ? ? ? ? ? ?4, yxyxfyxg ??? 其中: f(x,y)為原始圖像, g(x,y)為含噪圖像, δ(x,y) 為加性高斯白噪聲。
點擊復(fù)制文檔內(nèi)容
公司管理相關(guān)推薦
文庫吧 www.dybbs8.com
備案圖片鄂ICP備17016276號-1