数字图像处理实验报告 (2).doc

实验一 图像变换实验实验目的：图像阵列在空域中分析运算量很大，计算上费时、费力，采用图像变换，将空域的图像在频域中表示，使对图像各种处理变得简单。实验原理：二维离散傅立叶变换公式：式中：u=0，1，2，M-1；v=0，1，2，N-1。 二维离散沃尔什变换公式：要求：用C语言、Visual C+或Matlab对简单的灰度图像进行离散傅立叶变换或沃尔什变换。此灰度图像可以是任意格式的图像，或是图像矩阵。实验程序：利用MATLAB实现结果：实验总结：图像列阵在空域中分析运算量很大，将空域的图像在频域中表示，使对图像各种处理变得简单，通过此实验我学会了将空域的图像在频域中表示的简单方法。 实验二 图像编码实验哈夫曼编码实验目的：利用哈夫曼编码算法原理，对信源符号编码，提高图像的编码效率。实验原理：信源符号分布概率是随机的。出现概率大的字符用较短的码字表示，出现概率小的字符用较长的码字表示，这样分配码字能够减少信息的表示空间。要求：已知信源符号的概率分别为： 请用C语言、Visual C+或Matlab对该信源序列做霍夫曼编码。(1) 首先对信源概率从大到小排序， 选出最小的两个概率（0.04和0.05），相加得0.09，与其他概率组成新的概率集合0.40， 0.18， 0.10， 0.10， 0.07， 0.06， 0.09。 (2) 对新的概率集合重新排序， 选出最小的两个概率（0.06和0.07），相加得0.13，组成新的概率集合0.40， 0.18， 0.10， 0.10， 0.09， 0.13。(3) 对新的概率集合重新排序， 选出最小的两个概率（0.10和0.09），相加得0.19， 组成新的概率集合0.40， 0.18， 0.13， 0.10， 0.19。(4) 对新的概率集合重新排序，选出最小的两个概率（0.13和0.10），相加得0.23，组成新的概率集合0.40，0.19，0.18， 0.23。 (5) 对新的概率集合重新排序， 选出最小的两个概率（0.19和0.18），相加得0.37，组成新的概率集合0.40， 0.23， 0.37。(6) 对新的概率集合重新排序， 选出最小的两个概率（0.23和0.37），相加得0.60，组成新的概率集合0.40， 0.60。(7) 直到最后两个概率（0.60和0.40）相加和为1。(8) 分配码字。从最后一步反向进行， 首先给最后相加的两个概率（0.60和0.40）分配码字，由于0.60大于0.40，于是给0.60赋“0”，给0.40赋“1”。如此依次给每次相加的两个概率分配码字。(9) 最后写出每个符号的哈夫曼编码。以符号S1（对应的概率为0.18）为例，在从0.18到1.0的路径上， 它所遇到的赋值（“0”或“1”）依次为1、 0、 0， 将其反向排列成“001”，于是就形成了符号S1的哈夫曼码字“001”。实验程序：clear all;I=3,1,3,2,4,3,2,1;len=length(I);t=2;biaozhi=0;b(1)=I(1);for i=2:len for j=1:i-1 if I(j)=I(i) biaozhi=1; break; end end if biaozhi=0 b(t)=I(i); t=t+1; end biaozhi=0;endfprintf(信源总长度:n);disp(len); %信源总长度fprintf(字符:n);disp(b );L=length(b);for i=1:L a=0; for j=1:len if b(i)=I(j) a=a+1; count(i)=a;endendendcount=count/len;%各字符概率fprintf(各字符概率:n);disp(count);p=count;s=0;l=0;H=0;N=length(p);for i=1:N H=H+(- p(i)*log2(p(i);%计算信源信息熵endfprintf(信源信息熵:n);disp(H);tic;for i=1:N-1 %按概率分布大小对信源排序 for j=i+1:N if p(i) f=1,1,1,1,5,5 ,5 ,5 ;1, 1 ,1 ,1 ,5 ,5 ,0 ,5 ;1, 1 ,1, 1 ,5, 5 ,5, 5; 1, 0, 1 ,1 ,5 ,5, 5