數(shù)字圖像處理在案件中的應(yīng)用報(bào)告-資料下載頁(yè)
2024-08-28 13:26本頁(yè)面
【導(dǎo)讀】可以用在圖像的增強(qiáng)上，對(duì)刑事案件的偵破有一定的幫助。邊緣檢測(cè)以及圖像的復(fù)原，拍到的圖像案例中不乏有缺少信息的，原的方法主要有逆濾波復(fù)原和偉納濾波復(fù)原。出現(xiàn)這種灰度級(jí)的像素的概率之間關(guān)系的圖形。像素總數(shù)，nk為第k級(jí)灰度的像素?cái)?shù)；表示第k個(gè)灰度級(jí)。度，但不反映各灰度級(jí)的空間位置分布。均值濾波也稱為線性濾波，其采用的主要方法為鄰域平均法。中各點(diǎn)值的中值代替，讓周圍的像素值接近的真實(shí)值，從而消除孤立的噪聲點(diǎn)。于觀察，可以用來處理緊急偷拍到的肇事者的車牌號(hào)。變得清晰，亦分空域處理和頻域處理兩類。圖像邊緣檢測(cè)大幅度地減少了數(shù)據(jù)量，并且剔除了可以認(rèn)為不相關(guān)的信息，有許多方法用于邊緣檢測(cè)，它們的絕大部分可以劃。階導(dǎo)數(shù)中的最大和最小值來檢測(cè)邊界，通常是將邊界定位在梯度最大的方向。點(diǎn)或者非線性差分表示的過零點(diǎn)。節(jié)線索就在邊緣中，所以邊緣檢測(cè)，有利于刑事案件的偵破。,gxy，原始圖像為??,fxy，在不考慮噪聲的情況下，其退
【正文】 le(39?；叶葓D像 39。)。 20 圖 52 灰度圖像 BW1=edge(A,39。roberts39。,)。 %羅伯茨梯度銳化 figure。 imshow(BW1)。 title(39。Roberts 銳化 39。)。 圖 53 羅伯茨銳化圖像 21 h=[0 1 0。1 4 1。0 1 0]。 %Laplacian 算子銳化 I2=imfilter(A,h)。 figure。 imshow(I2)。 title(39。Laplacian 算子銳化 39。)。 圖 54laplacian 算子銳化圖像 %梯度算子 AW1=edge(A,39。roberts39。)。 %roberts 算子邊緣 檢測(cè) AW2=edge(A,39。prewitt39。)。 %prewitt 算子邊緣檢測(cè) AW3=edge(A,39。sobel39。)。 %sobel 算子邊緣檢測(cè) figure。 imshow(AW1,[])。 title(39。roberts 算子邊緣檢測(cè) 39。)。 22 圖 55 羅伯茨算子邊緣檢測(cè)圖像 figure, imshow(AW2,[])。 title(39。prewitt 算子邊緣檢測(cè) 39。)。 圖 56 prewitt 算子邊緣檢測(cè)圖像 23 figure。 imshow(AW3,[])。 title(39。sobel 算子邊緣檢測(cè) 39。)。 圖 57 sobel 算子邊緣檢測(cè)圖像 AW4=edge(A,39。log39。)。 figure。 imshow(AW4,[])。title(39。拉普拉斯算子邊緣檢測(cè) 39。)。 圖 58 拉普拉斯算子邊緣檢測(cè)圖像 24 AW5=edge(A,39。canny39。)。 figur。 imshow(AW5,[])。 title(39。canny 算子邊緣檢測(cè) 39。)。 圖 59 canny 算子邊緣檢測(cè)圖像 25 六 .圖像復(fù)原的方法以及代碼 I=imread(39。39。)。 figure(1)。imshow(I,[])。 title(39。原圖像 39。)。 圖 61 原圖像 PSF=fspecial(39。motion39。,40,75)。 MF=imfilter(I,PSF,39。circular39。)。 noise=imnoise(zeros(size(I)),39。gaussian39。,0,)。 MFN=imadd(MF,im2uint8(noise))。 figure(2)。 imshow(MFN,[])。 title(39。運(yùn)動(dòng)模糊圖像 39。)。 圖 62 運(yùn)動(dòng)模糊圖像 26 NSR=sum(noise(:).^2)/sum(MFN(:).^2)。 figure(3)。 imshow(deconvwnr(MFN,PSF,NSR),[])。 title(39。逆濾波復(fù)原 39。)。 圖 63 逆濾波復(fù)原圖像 figure(4)。 imshow(deconvwnr(MFN,PSF,NSR),[])。 title(39。維納濾波復(fù)原 39。)。 圖 64 維納濾波復(fù)原圖像 27 NP=*prod(size(I))。 [reg1 LAGRA]=deconvreg(MFN,PSF,NP/)。 figure(5)。imshow(reg1)。 title(39。最小二乘濾波復(fù)原 39。)。 圖 65 最小二乘濾波復(fù)原圖像 28 七 .參考文獻(xiàn) [1] 岡薩雷斯 .數(shù)字圖像處理（第二版） .北京：電子工業(yè)出版社， 2020 年 . [2] 劉振全，楊世鳳 .MATLAB 實(shí)訓(xùn)教程 .北京：化學(xué)工業(yè)出版社， 2020 年 9 月 . [3] 阮秋琦 .數(shù)字圖像處理（第三版） .北京：電子工業(yè)出版社， 2020 年 5 月 . [4] 張志涌 .精通 MATLAB ：北京航空航天大學(xué)出版社， 2020 年 . [5] 陳杰 .MATLAB 寶典（第三版） .北京：電子工業(yè)出版社， 2020 年 1 月 . [6] 劉保柱 .MATLAB 從入門到精通 .北京：人民郵電出版社， 2020 年 5 月 . [7] 薛山 .MATLAB 基礎(chǔ)教程 .北京：清華大學(xué)出版社， 2020 年 3 月 . [8] 莫勒 .MATLAB 數(shù)值計(jì)算 .北京：機(jī)械工業(yè)出版社， 2020 年 6 月 . [9] 鄧薇 .MATLB 函數(shù)速查手冊(cè) .北京：人民郵電出版社， 2020 年 5 月 . [10 張德豐 .MATLA 數(shù)值分析 .北京：機(jī)械 工業(yè)出版社， 2020 年 2 月 .
黨政相關(guān)相關(guān)推薦
鄂ICP備17016276號(hào)-1