图像滤波研究-数字图像处理课设(RX)

1、课程名称： 数字图像处理 实验项目： 图像滤波研究 实验地点： 起点机房 专业班级： 通信1002 学号： 2010001293 学生姓名： 邢增瑛 指导教师： 续欣莹 2013年 6 月 14 日课题 图像滤波研究一、设计目的1）提高分析问题、解决问题的能力，进一步巩固数字图像处理系统中的基本原理与方2）熟悉掌握 MATLAB 语言，可以进行数字图像的应用的开发设计。二、设计内容刚获得的图像有很多的噪声，这是由平时的工作和环境引起的，图像增强是减弱噪音，增强对比度。想得到比较干净清晰的图像并不是容易的事情。为这个目标而为处理图像所涉及的操作是设计一个适合、匹配的滤波器和恰当的阈值。这就是所谓

2、的图像滤波研究。本设计就是用图像平均、平滑滤波、中值滤波、理想低通滤波方法、巴特沃斯滤波方法五种方法来实现图像滤波处理。三、总体方案设计自选黑白图像，用加噪声的方法获得有噪图像。整个设计要完成的基本功能大致如下：1、 用图像平均的方法消除噪声并计算信噪比的改善。(参考P.68)2、 用平滑滤波方法消除噪声并计算信噪比的改善(参考P.71)。3、 用中值滤波方法消除噪声并计算信噪比的改善(参考P.73)。4、 用理想低通滤波方法消除噪声并计算信噪比的改善(参考P.78)。5、用巴特沃斯低通滤波方法消除噪声并计算信噪比的改善(参考P.80)。更换不同特性的图像和噪声重复以上滤波方法，观察并分析这些

3、算法的应用场合。在该设计中，所采用的噪声类型主要有：高斯噪声，椒盐噪声。四、各个功能模块的主要实现程序以及测试和调试1、用图像平均的方法消除噪声并计算信噪比的改善程序I=imread('9.gif');x=1;M,N=size(I);II1=zeros(M,N);for i=1:16 II(:,:,i)=imnoise(I,'gaussian',0,0.01); II1=II1+double(II(:,:,i); if or(or(i=1,i=4),or(i=8,i=16); subplot(2,2,x);imshow(uint8(II1/i);title(nu

4、m2str(x); x=x+1; endendI2=double(II1/1)-double(I); %添加噪声后图与原图像想减得噪声I3=double(II1/2)-double(I); %添加噪声后图与原图像想减得噪声I4=double(II1/3)-double(I); %添加噪声后图与原图像想减得噪声I5=double(II1/4)-double(I); %添加噪声后图与原图像想减得噪声A=std2(I2/255)2;%对 I2 图像进行方差运算B=std2(I3/255)2;%对 I3 图像进行方差运算C=std2(I4/255)2;%对 I4 图像进行方差运算D=std2(I5/2

5、55)2;%对 I5 图像进行方差运算E=std2(II1/255)2; %对噪声进行方差运算Y1=10*log(E/A);%计算图像信噪比Y2=10*log(E/B);Y3=10*log(E/C);Y4=10*log(E/D);X=A B C DSNR=Y1 Y2 Y3 Y4结果：相应信噪比2、用平滑滤波方法消除噪声并计算信噪比的改善程序I=imread('16.gif');J=imnoise(I,'gaussian',0,0.03);subplot(231),imshow(I);title('原始图像');subplot(232),imsho

6、w(J);title('添加椒盐噪声的图像');k1=filter2(fspecial('average',3),J);%进行3*3模板平滑滤波k2=filter2(fspecial('average',5),J);%进行5*5模板平滑滤波k3=filter2(fspecial('average',7),J);%进行7*7模板平滑滤波k4=filter2(fspecial('average',9),J);%进行9*9模板平滑滤波subplot(233),imshow(uint8(k1);title('3*3

7、模板平滑滤波');Q1=uint8(k1);subplot(234),imshow(uint8(k2);title('5*5模板平滑滤波');Q2=uint8(k2);subplot(235),imshow(uint8(k3);title('7*7模板平滑滤波');Q3=uint8(k2);subplot(236),imshow(uint8(k4);title('9*9模板平滑滤波');Q4=uint8(k2);%计算信噪比I2=double(J)-double(I); %通过添加噪声的图像与原图像想见运算的到噪声A=std2(I2)2

8、%对噪声信号数据进行方差运算B=std2(double(k1)2; %对经过双精度变换的图像 k1 数据进行方差运算C=std2(double(k2)2; %对经过双精度变换的图像 k2 数据进行方差运算D=std2(double(k3)2; %对经过双精度变换的图像 k3 数据进行方差运算E=std2(double(k4)2; %对经过双精度变换的图像 k4 数据进行方差运算Y1=10*log(B/A); %计算 k1 图信噪比Y2=10*log(C/A); %计算 k2 图信噪比Y3=10*log(D/A); %计算 k3 图信噪比Y4=10*log(E/A); %计算 k4 图信噪比X=

9、B C D ESNR=Y1 Y2 Y3 Y4结果：3、用中值滤波方法消除噪声并计算信噪比的改善I=imread('23.gif');J=imnoise(I,'salt & pepper',0.02) ; %添加椒盐噪声图像subplot(231),imshow(I);title('原图像'); %构建两行三列图像组第一幅图显示原图像 Isubplot(232),imshow(J);title('添加椒盐噪声图像') %第二幅图显示添加椒盐噪声图像k1=medfilt2(J); %对含噪声信号图像数据进行中值滤波k2=med

10、filt2(J,5 5); %对含噪声信号图像数据进行中值滤波k3=medfilt2(J,7 7); %对含噪声信号图像数据进行中值滤波k4=medfilt2(J,9 9); %对含噪声信号图像数据进行中值滤波subplot(233),imshow(k1);title('3*3 模板中值滤波') %第三幅图显示经过中值滤波的图像subplot(234),imshow(k2);title('5*5 模板中值滤波') %第四幅图显示经过中值滤波的图像subplot(235),imshow(k3);title('7*7 模板中值滤波') %第五幅图显示

11、经过中值滤波的图像subplot(236),imshow(k4);title('9*9 模板中值滤波') %第六幅图显示经过中值滤波的图像I2=double(J)-double(I); %经双精度处理含噪声图像减去原图像得噪声成份A=std2(I2)2 %对噪声信号数据进行方差运算B=std2(double(k1)2; %对 k1 图像信号数据做方差运算C=std2(double(k2)2; %对 k2 图像信号数据做方差运算D=std2(double(k3)2; %对 k3 图像信号数据做方差运算E=std2(double(k4)2; %对 k4 图像信号数据做方差运算Y1=

12、10*log(B/A); %求 k1 图的信噪比Y2=10*log(C/A); %求 k2 图的信噪比Y3=10*log(D/A); %求 k3 图的信噪比Y4=10*log(E/A); %求 k4 图的信噪比X=B C D ESNR=Y1 Y2 Y3 Y4结果4、用理想低通滤波方法消除噪声并计算信噪比的改善程序J=imread('eight.tif');subplot(131);imshow(J);title('原始图像'); %构建 3 行 3 列图像组，显示原图像J=double(J); %对原图像进行双精度运算f=fft2(J); %对上图进行快速傅里叶

13、变换g=fftshift(f); %移动零频点到频谱中间subplot(132);imshow(log(abs(g),),color(jet(64);M,N=size(f); %分别返回 f 的行数到 M 中，列数到 N 中n1=floor(M/2); %对 M/2 进行取整n2=floor(N/2); %对 N/2 进行取整d0=5; %初始化 d0for i=1:M for j=1:N d=sqrt(i-n1)2+(j-n2)2); %点（i,j）到傅立叶变换中心的距离 if d<=d0 h=1; else h=0; end g(i,j)=h*g(i,j); endendg=ifft

14、shift(g); %对 g 进行反 FFT 移动g=uint8(real(ifft2(g); %单精度变换 gsubplot(133);imshow(g); %第三幅图显示 g 滤波处理后的图像I2=double(g)-double(J); %经双精度处理含噪声图像减去原图像得噪声成份A=std2(I2)2 %对噪声信号数据进行方差运算B=std2(double(g)2 %对 g 图像信号数据做方差运算snr1=10*log(B/A) %求图 j 的信噪比结果5、用巴特沃斯低通滤波器方法消除噪声并计算信噪比的改善程序I=imread('19.gif');J=imnoise(I

15、,'salt & pepper',0.05); %添加椒盐噪声subplot(131);imshow(I);title('原始图像'); subplot(132);imshow(J);title('有椒盐噪声的图像');J=double(J); %对原图像进行双精度运算f=fft2(J); %对上图进行快速傅里叶变换g=fftshift(f) %移动零频点到频谱中间M,N=size(f); %分别返回 f 的行数到 M 中，列数到 N 中n=3; %初始化 nd0=20; %初始化 d0n1=floor(M/2); %对 M/2 进行取整

16、n2=floor(N/2); %对 N/2 进行取整for i=1:M for j=1:N d=sqrt(i-n1)2+(j-n2)2) %点（i,j）到傅立叶变换中心的距离 h=1/(1+(d/d0)(2 * n); g(i,j)=h * g(i,j); endendg=ifftshift(g);g=uint8(real(ifft2(g); %单精度变换傅里叶后的图像 g 的数据subplot(133);imshow(g);I2=J-double(I); %计算噪声成份A=std2(I2/255)2 %对噪声信号数据求方差B=(std2(double(g)/255)2 %对含噪图像求方差sn

17、r=10*log(B/A) %对图求信噪比结果6、更换不同特性的图像和噪声重复以上滤波方法，观察并分析这些算法的应用场合，用图片 50.bmp 进行调试。得图如下：（1）图像平均（2）平滑滤波（3）中值滤波（4）理想低通滤波（5）巴特沃斯低通滤波五、实验分析1. 平均图像滤波时，随着平均图像数量的增加，在各个位置上的像素的噪声影响会逐步减少；2. 线性平滑滤波处理减少了图像灰度的“尖锐”变化；中值滤波不像平滑滤波那样使图像边界模糊，它在衰减噪声的同时保持了图像细节的清晰；3. 理想滤波器有比较陡峭的截断频率，在处理过程中产生比较严重的模糊和振铃现象；Butterworth 低通滤波在高低频率间的过渡比较平滑，其产生的输出振铃现象