數(shù)字圖像處理的實(shí)驗(yàn)報(bào)告畢業(yè)論文-資料下載頁
2025-06-28 14:36本頁面
【正文】 rth lowpss filterd0=100。m=fix(M/2)。 n=fix(N/2)。for i=1:M for j=1:N d=sqrt((im)^2+(jn)^2)。 h=1/(1+*(d/d0)^(2*nn))。 % filter transform function %h=1./(1+(d./d0).^(2*n))%h=exp((d.^2)./(2*(d0^2)))。 result(i,j)=h*g(i,j)。 endendresult=ifftshift(result)。J1=ifft2(result)。J2=uint8(real(J1))。imshow(J2)。 高斯低通濾波I=imread(39。39。)。f=double(I)。 g=fft2(f)。 g=fftshift(g)。 [M,N]=size(g)。d0=100。m=fix(M/2)。 n=fix(N/2)。for i=1:M for j=1:N d=sqrt((im)^2+(jn)^2)。h=exp((d.^2)./(2*(d0^2)))。 % gaussian filter transform result(i,j)=h*g(i,j)。 endendresult=ifftshift(result)。J1=ifft2(result)。J2=uint8(real(J1))。 理想低通濾波器透視圖 巴特沃斯低通濾波器透視圖 高斯低通濾波器透視圖由各類低通濾波器透視圖可見，高斯濾波器剖面線最平滑，二階巴特沃斯低通濾波器函數(shù)剖面線較為緊湊，而理想濾波器完全為圓筒狀結(jié)構(gòu)，未考慮選擇范圍內(nèi)不同信息頻率的差別化處理。 理想低通濾波器濾波效果(d0=15,30,100) 當(dāng)截止頻率do = 15時(shí)，濾波后的圖像模糊，難以分辨，振鈴現(xiàn)象明顯。當(dāng)do = 30時(shí)，濾波后的圖像模糊減弱，能分辨出字母與圖形輪廓，但由于理想低通濾波器在頻率域的銳截止特性，濾波后的圖像仍有較明顯的振鈴現(xiàn)象。當(dāng)do = 100時(shí)，濾波后的圖像比較清晰，但高頻分量損失后，圖像邊沿與文字變的有些模糊，在圖像的邊框（如條帶和矩形輪廓）附近仍有輕微振鈴現(xiàn)象。 巴特沃斯低通濾波器濾波效果(d0=15,30,100)。二階的巴特沃斯低通濾波器顯示了輕微的振鈴和較小的負(fù)值，但遠(yuǎn)不如理想濾波器明顯。一階巴特沃斯濾波器無振鈴現(xiàn)象，在二階中振鈴?fù)ǔ：芪⑿?。階數(shù)越高振鈴現(xiàn)象越明顯，一個(gè)20階的巴特沃斯低通濾波器已經(jīng)呈現(xiàn)出理想低通濾波器的特性。 高斯低通濾波器濾波效果(d0=15,30,100)。高斯低通濾波器無法達(dá)到有相同截止頻率的二階巴特沃斯低通濾波器的平滑效果，但此時(shí)結(jié)果圖像中無振鈴現(xiàn)象產(chǎn)生。5. 銳化頻域?yàn)V波設(shè)計(jì)理想高通濾波器、巴特沃斯高通濾波器和高斯高通濾波器理想高通濾波器 理想高通濾波器透視圖巴特沃斯高通濾波器 巴特沃斯高通濾波器透視圖高斯高通濾波器 高斯高通濾波器透視圖 理想、巴特沃斯及高斯高通濾波器投影圖理想高通濾波器、巴特沃斯高通濾波器和高斯高通濾波器濾波理想高通濾波器 理想高通濾波器濾波效果(d0=15,25,80)當(dāng)d0 = 15時(shí)，濾波后的圖像無直流分量，但灰度的變化部分基本保留。當(dāng)d0 = 25時(shí)，濾波后的圖像在字母和圖像輪廓的大部分信息仍然保留。當(dāng)d0 = 80時(shí)，濾波后的圖像只剩下字母筆畫轉(zhuǎn)折處、條帶邊緣及斑點(diǎn)等信號突變的部分。巴特沃斯高通濾波器 巴特沃斯高通濾波器濾波效果(d0=15,25,80)類似于低通濾波器，巴特沃斯高通濾波器比理想高通濾波器更加平滑，邊緣失真情況比后者小得多。高斯高通濾波器 高斯高通濾波器濾波效果(d0=15,25,80)高斯高通濾波器得到的結(jié)果比前兩種濾波器更為平滑，結(jié)果圖像中對于微小的物體（如斑點(diǎn)）和細(xì)條的過濾也是較為清晰的。實(shí)驗(yàn)四：數(shù)學(xué)形態(tài)學(xué)及其應(yīng)用1．實(shí)驗(yàn)?zāi)康?．實(shí)驗(yàn)基本原理腐蝕和膨脹是數(shù)學(xué)形態(tài)學(xué)最基本的變換，數(shù)學(xué)形態(tài)學(xué)的應(yīng)用幾乎覆蓋了圖像處理的所有領(lǐng)域，給出利用數(shù)學(xué)形態(tài)學(xué)對二值圖像處理的一些運(yùn)算。膨脹就是把連接成分的邊界擴(kuò)大一層的處理。而收縮則是把連接成分的邊界點(diǎn)去掉從而縮小一層的處理。 二值形態(tài)學(xué)I(x,y), T(i,j)為 0/1圖像 腐蝕：膨脹：灰度形態(tài)學(xué) T(i,j)可取以外的值 腐蝕： 膨脹： : 刪兩邊 刪右上圖51 剝?nèi)ヒ粚樱ㄆぃ?:補(bǔ)兩邊 補(bǔ)左下圖52 添上一層（漆） ：：(HitMiss Transform:擊中——擊不中變換)條件嚴(yán)格的模板匹配 模板由兩部分組成。：物體，：背景。圖53 擊不中變換示意圖性質(zhì)：（1）時(shí)，（2） (1)細(xì)化（Thin）去掉滿足匹配條件的點(diǎn)。 圖54 細(xì)化示意圖系統(tǒng)細(xì)化， 是旋轉(zhuǎn)的結(jié)果（90176。，180176。，270176。）共8種情況 適于細(xì)化的結(jié)構(gòu)元素 (2)粗化（Thick）用時(shí)，故要選擇合適的結(jié)構(gòu)元素，如,對偶性：（驗(yàn)證一下）where when 7. Morphology小結(jié)（對象）和結(jié)構(gòu)元素的相互作用，得到更本質(zhì)的形態(tài)（shape）(1) 圖像濾波(2) 平滑區(qū)域的邊界(3) 將一定形狀施加于區(qū)域邊界(4) 描述和定義圖像的各種幾何參數(shù)和特征（區(qū)域數(shù)、面積、周長、連通度、顆粒度、骨架、邊界）區(qū)域或邊界變?yōu)?個(gè)象素的寬度，但它不破壞連通性四方向細(xì)化算法：邏輯運(yùn)算（可刪除條件）形態(tài)運(yùn)算是否可用于細(xì)化？(1)腐蝕：收縮（去掉邊緣的點(diǎn)）何時(shí)結(jié)束？能否保證連通性？(2)開：去毛刺，能否細(xì)化（去掉尺寸小于結(jié)構(gòu)元素的塊）3．實(shí)驗(yàn)內(nèi)容與要求，實(shí)現(xiàn)去除圖像中的噪聲。，實(shí)現(xiàn)將圖56轉(zhuǎn)化為二值圖像，并計(jì)算圖中雞塊中骨頭的比重。，實(shí)現(xiàn)去除圖57中的矩形區(qū)域外的噪聲，并填充矩形區(qū)域內(nèi)部了。 圖55 圖56 圖575. 實(shí)驗(yàn)具體實(shí)現(xiàn)，實(shí)現(xiàn)去除圖像中的噪聲。程序設(shè)計(jì)如下：I=imread(39。39。)。J=im2bw(I)。se = strel(39。diamond39。,2)。K=imerode(J,se)。subplot(131),imshow(I)subplot(132),imshow(J)subplot(133), imshow(K)，實(shí)現(xiàn)將圖56轉(zhuǎn)化為二值圖像，并計(jì)算圖中雞塊中骨頭的比重。程序如下：I=imread(39。39。)。J=im2bw(I)。total1=bwarea(J)。a=size(J)。s1=a(1),s2=a(2)。s=s1*s2k=total1/s計(jì)算結(jié)果為：K為比重。，實(shí)現(xiàn)去除圖57中的矩形區(qū)域外的噪聲，并填充矩形區(qū)域內(nèi)部了。I=imread(39。39。)。se = strel(39。diamond39。,5)。J=imerode(I,se)。se = strel(39。diamond39。,10)。K=imdilate(J,se)。subplot(131),imshow(I)subplot(132),imshow(J)subplot(133), imshow(K)
醫(yī)療健康相關(guān)推薦
鄂ICP備17016276號-1