电视机模型建模与仿真

1、齐 齐 哈 尔 大 学通信与电子工程学院实验教师预作报告实验课名称： 通信系统仿真设计实验 项目名称： 电视机模型建模与仿真（2） 教学班级： 通信10级 教师姓名： 房汉雄 实验地点: 6J510 实验日期： 2013.03。16 实验十二 图像处理的仿真 一、 实验目的及要求1。 了解图像增强的目的及意义，加深对图像增强的感性认识，巩固所学的图像增强的理论知识和相关算法。2. 熟练掌握直方图均衡化和直方图规定化的计算过程。3. 熟练掌握空域滤波中常用的平滑和锐化滤波器.4. 熟练掌握低通和高通滤波器的使用方法，明确不同性质的滤波器对图像的影响和作用。二、实验环境 计算机，带Windows操

2、作系统三、实验原理1。 直方图均衡化直方图均衡化处理是以累积分布函数为基础的直方图修改方法。直方图均衡化的目的是将原始图像的直方图变为均衡分布的形式，即将一幅已知灰度概率密度分布的图像，经过某种变换，变成一幅具有均匀灰度概率密度分布的新图像。相关的直方图均衡化的计算过程请查看教材。2. 均值滤波器和中值滤波器邻域平均法将一个像元及其邻域中的所有像元的平均值赋给输出图像中相应的像元，从而达到平滑的目的，又称为均值滤波。以3*3模板为例，将图1（b)中的所有赋予相同的值，求得r后将其值除以9，再赋给相应的像元。r （a) (b） (c）图 1空域模板滤波示意图邻域滤波法虽然可以平滑图像，但在消除噪

3、声的同时，会使图像中的一些细节变得模糊.中值滤波则在消除噪声的同时还能保持图像中的细节部分,防止边缘模糊，与邻域平均法不同，中值滤波是一种非线性滤波，它将邻域内所有像元值从小到大排序，取中间值作为中心像元的输出值，以33模板为例，将图4。1（a)中的进行排序，将中间值赋给r.中值滤波与均值滤波不同，它不是通过对邻域内的所有像元求平均值来消除噪声的，而是让与周围像元灰度值的差比较大的像元改取近似于周围像元灰度值的值，从而达到消除噪声的目的.3. 锐化滤波器图像的平滑处理会使图像的边缘纹理信息受到损失,图像变得比较模糊。锐化滤波则可以增强图像中物体的边缘轮廓并减弱图像的低频分量，使得除边缘以外的像

4、元的灰度值趋向于零。常用的锐化滤波方法有梯度法和拉普拉斯算子法.（1）梯度法对于一幅图像,它的梯度可以表示为：和分别表示在某个位置，沿x方向和y方向的灰度变化率（一阶偏导数），是一个矢量，它指向的最大变化率方向。对于数字图像用微分运算不方便，故一般采用差分形式，常用的梯度差分法为罗伯特梯度算子，可以表示为：图4。6给出了罗伯特算子的模板。（2）拉普拉斯算子拉普拉斯算子法采用二阶偏导数，其定义为:对于离散数字图像,在某个像元（i，j）处的拉普拉斯算子可采用如下差分形式:其相应的模板如图2所示。10 010-110罗伯特算子010-11-1-14-1-18-1010111拉普拉斯算子图 2 算子模

5、板4。 频域滤波增强频域增强技术是在图像的频率域空间对图像进行滤波，其主要步骤如下： （a）、对原始图像进行傅里叶变换得到; (b）、将与传递函数进行乘法运算得到；(c）、将进行傅里叶反变换得到增强图像。图像从空间域变换到频率域后，其低频分量对应图像中灰度值变化比较缓慢的区域。低通滤波是指保留低频分量，而通过滤波器函数减弱或抑制高频分量的过程。因此低通滤波与空域中的平滑滤波器一样可以消除图像中的随机噪声,减弱边缘效应，起到平滑图像的作用。高通滤波是指保留高频分量,而减弱或抑制低频分量的过程。图像频率域的高频分量表征了图像的边缘及其它灰度变化较快的区域,因此高通滤波可以增强图像的边缘，起到锐化图

6、像的作用。四、实验内容及步骤：1。 编制一个对图像进行直方图均衡化处理的程序,增强的结果要能实时在屏幕上显示。x=imread(w。bmp')； x=rgb2gray（x)；y=histeq（x）；figure（'name'，直方图均衡化'，'NumberTitle，off','MenuBar，none'）；subplot(1，2,1);imshow（x)；title（原图像）;subplot（1,2,2）;imshow(y）;title('直方图均衡化后图像');2. 编制程序实现m×n的均值滤波器和中

7、值滤波器,注意边界像元的处理，设计一种简便的对图像边界像元进行处理的方法.% 邻域平均法 读取原始图像并显示f0=imread(w。bmp）; 加入高斯噪声并显示x=imnoise (f0, gaussian', 0, 0。05）; x=rgb2gray(x); 给定三种不同的滤波窗口h1=1/9 1/9 1/9; 1/9 1/9 1/9； 1/9 1/9 1/9 ;h2=ones(5)/25;h3=ones(7）/49；%采用h1对图像进行卷积滤波x1=conv2(x, h1，'same')；采用h2对图像进行卷积滤波x2=conv2(x， h2，same'）

8、；采用h3对图像f2进行卷积滤波x3=conv2（x, h3，same）；figure（name'，'邻域平均法','NumberTitle,'off',MenuBar',none);subplot（2,2，1）；imshow（x)；title（噪声图像');subplot(2，2,2）；imshow（uint8(x1）;title（'33滤波'）;subplot(2，2，3）;imshow（uint8（x2）；title（'5*5滤波');subplot(2,2，4);imshow(uint8(x

9、3）);title（77滤波)； 中值滤波法 读取原始图像并显示f0=imread（w。bmp'）； f0=rgb2gray（f0）； 加入高斯噪声并显示x=imnoise (f0, 'gaussian'， 0， 0.05）； % 给定三种不同的滤波窗口x1=medfilt2（x)； % 默认是33x2=medfilt2（x,5，5）；x3=medfilt2(x，7，7）； figure（name',中值滤波法,'NumberTitle，off,MenuBar，'none)；subplot（2,2，1)；imshow(x）;title（'

10、噪声图像);subplot(2,2,2);imshow（x1)；title（33滤波)；subplot(2,2,3）；imshow（x2）;title('5*5滤波'）;subplot(2，2,4)；imshow(x3）；title(77滤波')；3。 编制程序实现应用拉普拉斯算子进行图像锐化的功能.% 锐化滤波器 读取原始图像并显示x=imread（w.bmp）; x=rgb2gray(x)； 梯度法h1=1 0；0 1 ；h2=0 1；1 0;x1=abs(conv2(x，h1，'same')）+abs(conv2（x,h2,same'）；x

11、1=255x1; 拉普拉斯算子h3=0 -1 0;1 4 -1；0 1 0；h4=1 1 -1;-1 8 -1；-1 1 1；x2=abs（conv2(x，h3,same)+abs(conv2(x，h4,'same）)；x2=255x2； figure('name',锐化滤波器，NumberTitle'，off,'MenuBar'，none）;subplot（1,3，1)；imshow(x);title(原图像'）;subplot（1，3，2）；imshow（uint8（x1）;title('梯度法');subplot(1

12、，3，3)；imshow（uint8（x2）；title（拉普拉斯算子)； 4. 选择一幅图像,对其添加噪声，然后应用频域滤波增强技术对图像进行处理，比较分析不同平滑滤波算子的降噪性能。% 读取原图像g0=imread（'w。bmp)；g0=rgb2gray（g0）;% 加入椒盐噪声g1=imnoise（g0, salt pepper', 0.02);g1=im2double(g1)； 进行高斯低通滤波h1=fspecial（gaussian', 4, 0。3）；g2=filter2(h1，g1， same）； 进行sobel 滤波h2=fspecial('so

13、bel');g3=filter2(h2，g1， same')；g3=imadjust（g3，0 1，1 0,1.3）;灰度级倒置 进行 prewitt滤波h3=fspecial（'prewitt')；g4=filter2（h3，g1, same);g4=imadjust（g4，0 1，1 0，1.3);灰度级倒置% 进行拉普拉斯滤波h4=fspecial（'laplacian'， 0。5)；g5=filter2（h4,g1， 'same)；g5=imadjust(g5，0 1，1 0，1。3）;灰度级倒置% 进行高斯拉普拉斯滤波h5=fs

14、pecial（log'， 4， 0。3);g6=filter2(h5，g1, 'same')；g6=imadjust(g6,0 1，1 0,1.3）;%灰度级倒置% 进行均值滤波h6=fspecial（average);g7=filter2(h6,g1, same')；% 进行高斯高通滤波h7=0 1 0； -1 5 1； 0 1 0;g8=filter2(h7，g1, 'same）；figure（'name,频域滤波增强，'NumberTitle,'off,'MenuBar,'none'）；subplot

15、（3,3，1);imshow(g0）;title(原图像）；subplot（3,3,2)；imshow（g1)；title（噪声图像）;subplot（3,3,3);imshow（g2);title('高斯低通滤波);subplot（3，3，4）;imshow（g3);title(sobel 滤波'）；subplot(3，3，5);imshow(g4);title(prewitt滤波');subplot（3，3,6);imshow（g5)；title（拉普拉斯滤波')；subplot（3，3，7）;imshow（g6）;title（高斯拉普拉斯滤波)；subpl

16、ot(3，3,8)；imshow（g7);title(均值滤波'）;subplot（3,3，9);imshow（g8)；title（'高斯高通滤波');五、数据处理及实验结果1。 2。 3.4.六、实验结果讨论滤波时选择的模型不同滤波的效果亦不同。邻域滤波法虽然可以平滑图像，但在消除噪声的同时，会使图像中的一些细节变得模糊。中值滤波则在消除噪声的同时还能保持图像中的细节部分，防止边缘模糊。图像的平滑处理会使图像的边缘纹理信息受到损失，图像变得比较模糊。锐化滤波则可以增强图像中物体的边缘轮廓并减弱图像的低频分量,使得除边缘以外的像元的灰度值趋向于零.低通滤波与空域中的平滑滤波器一样可以消除图像中的随机噪声，减弱边缘效应,起到平滑图像的作用。高通滤波是指保留高频分量，而减弱或抑制低频分量的过程.图像频率域的高频分量表征了图像的边缘及其它灰度变化较快的区域，因此高通滤波可以增强图像的边缘，起到锐化图像的作用。齐齐哈尔大学课程教案课程名称通信系统仿真设计实验任课教师房汉雄计划学时2数字图像的基本认识教学目的和要求：1。 了解图像增强的目的及意义，加深对图像增强的感性认识，巩固所学的图像增强的理论知识和相关算法。2. 熟练掌握直方图均衡化和直方图规定化的计算过程。3. 熟