图像增强算法综合应用课程设计

图像处理技术应用实践课程设计主题图像增强算法的综合应用学生姓名学号医院系转业林和教师Xxxx年xx月xx日图像增强算法的综合应用雨季南京信息工程大学计算机软件学院，南京摘要：图像增强是对图像有用信息的增强，可能是为了提高图像的视觉效果而扭曲的过程。使用结合空间区域和频域的算法，消除随机和周期性噪声的混合噪声，提高图像质量。关键字：随机噪波；周期噪声；空间和频域去噪1作业说明图像增强：设计一组图像增强算法，该算法结合了以下图像集之一中的噪声图像、消除噪声和提高图像质量的空间和频率区域：(1)已知：噪波是随机和周期性噪波混合噪波。(2)要求：a)去噪后平均平方误差计算去噪后图像去噪效果评价b)撰写完整的科学技术报告(类似形式的科学论文)，表示自己的算法设计、算法实现和算法评估过程。第一组图片：第二组图片：2图像增强算法2.1问题分析(1)图像中添加了随机和周期性噪波混合噪波。噪波去除方法的效果因噪声而异，因此应使用不同的噪波去除方法来实现最佳的噪波去除效果。(2)随机噪声应从空间域中消除，中值滤波方法在空域去噪方法中效果最佳。(3)周期噪声应在频域消除。(4)去噪后图像仍然可以改善处理。(5)平均平方误差评估了去噪后图像去噪的效果。2.2算法设计(1)阅读初始图片和噪音附加图片。ClcClearF=im读我(d 3360 dog original . BMP)；G=im读我(d 3360 dog distorted . BMP)；(2)利用空间滤波消除随机噪声，此时使用中值滤波，并显示其光谱图。G3=medfilt2(g，3，3)；图1空间过滤后图像与原始图像的比较(3)利用频域滤波消除周期性噪声。首先使用双精度、傅立叶变换、数据矩阵，最后使用低通滤波器消除周期性噪声。F=双精度(g)；转换%数据类型，MATLAB不支持计算图像的无符号整数g=FFT 2(F)；%傅里叶变换G=FFT shift(G)；%转换数据矩阵M，N=size(G)；nn=2；% 2 butter worth低通滤波器D0=27M=fix(M/2)；N=fix(N/2)；For I=1 : MFor j=1 : Nd=sqrt(I-m)2(j-n)2)；h=1/(1 0.414 *(d/d0)(2 * nn)；%计算低通滤波器传递函数Result(i，j)=h * G(i，j)；EndEnd图2去除混合噪声后图像与原始图像的比较(4)计算平均平方误差评价去噪效果。m n=size(p)；l=f-p；he=sum(l)；avg=he/(m * n)；k=l-avg；result 1=(sum(k . 2)/(m * n)；If result1=0Disp(dog图平均平方误差)；Result2=0ElseDisp(dog图平均平方误差)；Result2=sqrt(result1)End3算法实现代码CLCClearF=im读我(d 3360 dog original . BMP)；subplot(421)；Imshow(f)，title(原始)；F1=双精度(f)；F2=FFT 2(f1)；%傅里叶变换F2=FFT shift(F2)；subplot(422)；Im show (log (ABS (F2)，title(原始光谱)；G=im读我(d 3360 dog distorted . BMP)；subplot(423)；Imshow(g)，title(混合噪波贴图)；G1=双精度(g)；G2=FFT 2(G1)；%傅里叶变换G2=FFT shift(G2)；subplot(424)；Im show (log (ABS (G2)、title(混合噪声频谱)；%空间过滤器，移除随机噪波(中值)G3=medfilt2(g，3，3)；subplot(425)；Imshow(g3)，title(随机噪波消除)；G4=双精度(G3)；f1=FFT 2(G3)；%图像的傅里叶变换F1=FFT shift(F1)；%频率移动Figure、subplot (426)、im show (log (ABS (f1)、title(删除随机噪声频谱)；%频域过滤器G=F1M，N=size(G)；nn=2；% 2 butter worth低通滤波器D0=27M=fix(M/2)；N=fix(N/2)；For I=1 : MFor j=1 : Nd=sqrt(I-m)2(j-n)2)；h=1/(1 0.414 *(d/d0)(2 * nn)；%计算低通滤波器传递函数Result(i，j)=h * G(i，j)；EndEndresult=IFFT shift(result)；g=IFFT 2(result)；p=uint 8(real(g)；subplot(427)；Imshow(p，)，title(删除噪波后的图片)；subplot(428)；Im show (log (ABS (result)，title(去噪后频谱)；%平均平方误差计算m n=size(p)；l=f-p；he=sum(l)；avg=he/(m * n)；k=l-avg；result 1=(sum(k . 2)/(m * n)；If result1=0Disp(dog图平均平方误差)；Result2=0ElseDisp(dog图平均平方误差)；Result2=sqrt(result1)End4运行结果图3逐步噪声消除和原始比较图4平均平方误差结果5方案分析通过此设计，我们发现去噪后的图形不如原始图形清晰，去噪效果不好。您可以使用其他演算法来观察去噪效果，或使用锐利化函数来使影像更锐利化，并改