北京理工大學(xué)珠海學(xué)院數(shù)字圖像處理實(shí)驗(yàn)指導(dǎo)書-閱讀頁
2024-08-22 01:25本頁面
【正文】 I3=idct2(J3)。title(39。)。imshow(I2,[0 255])。重建圖像(q=4)39。subplot(2,2,3)。title(39。)。imshow(I3,[0 255])。重建圖像(q=16)39。%使用量化矩陣對(duì)圖像做量化A=imread(39。)。T=dctmtx(8)。P1*x*P239。)。12 12 14 19 26 58 60 55 。14 17 22 29 51 87 80 62 。24 35 55 64 81 104 113 92 。72 92 95 98 112 100 103 99]。x./P139。%用量化矩陣量化DCT系數(shù)矩陣BQ=round(BQ*255)/255。x.*P139。%反量化IB=blkproc(IBQ,[8 8],39。,T39。%進(jìn)行DCT反變換%IB=uint8(IB)。figure(4)。imshow(A)。原始圖像39。subplot(2,2,2)。title(39。)。imshow(IB)。重建圖像(量化矩陣)39。subplot(2,2,4)。title(39。)。再用模板中的全體像素的平均值來代替原來像素值。線性濾波的基本原理是用均值代替原圖像中的各個(gè)像素值，即對(duì)待處理的當(dāng)前像素點(diǎn)（x，y），選擇一個(gè)模板，該模板由其近鄰的若干像素組成，求模板中所有像素的均值，再把該均值賦予當(dāng)前像素點(diǎn)（x，y），作為處理后圖像在該點(diǎn)上的灰度個(gè)g（x，y），即個(gè)g（x，y）=1/m ∑f（x，y） m為該模板中包含當(dāng)前像素在內(nèi)的像素總個(gè)數(shù)。d:/39。b=double(x)。c=zeros(m,n)。 c(i,j)=me。中值濾波1．中值濾波的概念及用法中值濾波是對(duì)一個(gè)滑動(dòng)窗口內(nèi)的諸像素灰度值排序，用其中值代替窗口中心象素的原來灰度值，它是一種非線性的圖像平滑法，它對(duì)脈沖干擾級(jí)椒鹽噪聲的抑制效果好，在抑制隨機(jī)噪聲的同時(shí)能有效保護(hù)邊緣少受模糊。對(duì)灰度序列80、190、200、100、170，如果按大小順序排列，其結(jié)果為70、80、90、10O、11200，其中間位置上的灰度值為10O，則該灰度序列的中值即為100。對(duì)前面所舉的序列而言，中值濾波的結(jié)果是用中值100替代序列80、190、200、100、170中的信號(hào)序列中心位置值200，得到的濾波序列就是80、190、100、100、170。 窗口示例如0000x0000上面x為目標(biāo)象素，和周圍0組成3*3矩陣Array，然后對(duì)這9個(gè)元素的灰度進(jìn)行排序，以排序后的中間元素Array[4]為x的新灰度值，如此就完成對(duì)象素x的中值濾波，再迭代對(duì)其他需要的象素進(jìn)行濾波即可。d:/39。 %打開圖像b=double(x)。 %獲取圖像大小for i=2:m1 %行循環(huán)for j=2:n1 %列循環(huán)a(1)=b(i1,j1)。a(3)=b(i1,j)。a(5)=b(i+1,j)。a(7)=b(i+1,j+1)。a(9)=b(i+1,j1)。a(k)=a(k1)。endendendb(i,j)=a(5)。 %顯示double形式的圖像數(shù)組 維納濾波 圖像去噪是數(shù)字圖像處理中的重要環(huán)節(jié)和步驟。圖像信號(hào)在產(chǎn)生、傳輸過程中都可能會(huì)受到噪聲的污染，一般數(shù)字圖像系統(tǒng)中的常見噪聲主要有：高斯噪聲（主要由阻性元器件內(nèi)部產(chǎn)生）、椒鹽噪聲（主要是圖像切割引起的黑圖像上的白點(diǎn)噪聲或光電轉(zhuǎn)換過程中產(chǎn)生的泊松噪聲）等； Wiener維納濾波：使原始圖像和其恢復(fù)圖像之間的均方誤差最小的復(fù)原方法，是一種自適應(yīng)濾波器，根據(jù)局部方差來調(diào)整濾波器效果。維納濾波的兩個(gè)函數(shù)wiener2與deconvwnr都能夠完成維納濾波的功能， deconvwnr強(qiáng)調(diào)圖象復(fù)原方面，wiener2強(qiáng)調(diào)圖象空間域銳化的作用，其中J=wiener2(I,[m,n])返回有噪聲圖像I經(jīng)過wierner(維納)濾波后的圖像，[m,n]指定濾波器窗口大小為m*n,默認(rèn)值為3*3，J=wiener2(I,[m,n],noise)指定噪聲的功率，[J,noise]=wiener2(I,[m,n])在圖像濾波的同時(shí)，返回噪聲功率的估計(jì)值noise。參數(shù)type和parameters用于確定噪聲的類型和相應(yīng)的參數(shù)。其主要目的是處理后的圖像對(duì)某些特定的應(yīng)用比原來的圖像更加有效。本實(shí)驗(yàn)以直方圖均衡化增強(qiáng)圖像對(duì)比度的方法為主要內(nèi)容，其他方法可以在課后自行練習(xí)。直方圖操作能有效地用于圖像增強(qiáng)。直方圖在軟件中易于計(jì)算，也適用于商用硬件設(shè)備，因此，它們成為實(shí)時(shí)圖像處理的一個(gè)流行工具。直方圖均衡化的目的是使圖像在整個(gè)灰度值動(dòng)態(tài)變化范圍內(nèi)的分布均勻化，改善圖像的亮度分布狀態(tài)，增強(qiáng)圖像的視覺效果。圖像的直方圖事實(shí)上就是圖像的亮度分布的概率密度函數(shù)，是一幅圖像的所有象素集合的最基本的統(tǒng)計(jì)規(guī)律。直方圖均衡化是通過灰度變換將一幅圖像轉(zhuǎn)換為另一幅具有均衡直方圖，即在每個(gè)灰度級(jí)上都具有相同的象素點(diǎn)數(shù)的過程：I=imread(‘*.gif)。 %對(duì)原圖像進(jìn)行直方圖均衡化處理Imshow(I)。 %給原圖像加標(biāo)題名Figure；imshow(J)。 %給直方圖均衡化后的圖像加標(biāo)題名Figure。%對(duì)直方圖均衡化后的圖像進(jìn)行屏幕控制；作一幅子圖作為并排兩幅圖的第1幅圖Imhist(I,64)。 %給原圖像直方圖加標(biāo)題名Subplot(1,2,2)。 %將均衡化后圖像的直方圖顯示為64級(jí)灰度Title(‘均衡變換后的直方圖’) 。d:\39。B=rgb2gray(A)T=graythresh(B)。subplot(121),imshow(B)。%統(tǒng)計(jì)圖像直方圖并以128為閾值進(jìn)行分割B=imread(39。)。[m,n]=size(A)。for i=1:m for j=1:n pix=A(i,j)。 hist(pix+1)=double(hist1(pix+1)/(m+n))。 C(i,j)=0。 end endendsubplot(121),bar(hist)。
法律信息相關(guān)推薦
鄂ICP備17016276號(hào)-1