数字图像处理实验报告

1、2017年春季学期研究生课程考核（实验报告）考核科目:现 代 光 电 子 技 术 实 验实验题目:光学图像数字化处理学生所在院（系） :航天学院2 1系学 生 所 在 学 科:物理电子学 学生姓名:XX学号:1 6 S 0 2 1 0 X X学生类别:非委培考核结果阅卷人41. 实验目的通过实验教学进一步加深研究生对光学图像产生的基本理论和技术的理解，培养学生的创新意识和创新能力。掌握视景仿真和图像处理软件的操作，奠定研究生实际工作中分析问题和解决问题的能力。2. 实验设备（软件）实验仪器设备主要有：计算机、视景仿真软件和Matlab 图像处理软件。3. 实验原理（1） 视景仿真技术视景仿真技

2、术作为一种新技术, 已应用于航空航天、 现代制造业、产品展示、医疗、城市规划、工艺模拟、水利等领域,具有科学直观、可视性强、及时更新、互动性等 特点。景象系统的制作过程可以简单概括为两个部分，模型生成部分使用三维建模软件Multi Creator ，生成含干扰、目标、背景等多个开放式文件的模型库；图像生成部分使用仿真平台 Vega和编程语言 Visual C+ 6.0，由 Vega界面软件配置仿真场景信息， 如环境、窗口、运动方式、通道、视场角等；最后使用编程语言编写视景驱动程序，载入模型，生成实时红外图像。（2） 噪声分析噪声一般简单可划分为加性噪声和乘性噪声，人们研究最早、最广、也最成熟的

3、 是加性噪声，加性噪声较乘性噪声易于抑制。散斑（speckle）噪声是一种乘性噪声。相干激光雷达强度像主要受散斑噪声影响，其概率密度函数服从指数分布。一些重要噪声的概率密度函数（PDF）： 高斯噪声 Gaussiannoise( z)1e ( z2)2 / 2 2 瑞利噪声 Rayleigh noise(z)2 ( z ba)e ( z0a) 2 / bzaza 爱尔兰（伽马）噪声Erlang（ Gamman ）noise(z)ab zb 1e az z0(b1)!z00 指数分布噪声 exponetial noise( z) 均匀分布噪声 uniform noiseae az z00 z0(

4、z)1 azb b 0 a其他脉冲噪声（椒盐噪声）impulse (salt-and-pepper ) noisePaza(z)Pbzb0其他（3） 噪声抑制一般方法噪声抑制主要有空域处理和频域处理两类。一般空域滤波直接针对图像分辨率不高的图像。主要有均值滤波、中值滤波、加权均值滤波、多级中值滤波等。其中模板大小和形状的选择对去噪效果有较大影响。频域滤波主要有通过衰减指定图像傅立叶变换或小波变换等变换中高频成分的范围实现的。典型的利用傅立叶变换的低通滤波器有：理想低通滤波器（ideal lowpass filter ）、巴特沃思低通滤波器（Butterworth lowpass filter）

5、和高斯低通滤波器。均值滤波 是一种直接在空域上进行平滑去噪的技术。它认为图像是由许多灰度恒定的小块组成，相邻像素间有很高的空间相关性，而噪声则是统计独立的。因此，可用滤波器模板（或称窗口）确定的像素邻域内各像素灰度平均值代替该中心像素原来的灰度值。设图像中某一个中心像素的灰度值是f ( x,y) ，滤波器模板 S 大小为 nn，则平滑后这点的灰度值为：f ( x, y)12ni , jf ( xSi, yj )（ 3-9）中值滤波 把数字图像中某一像素的灰度值用该点的一个邻域中各个点的中值代替。滤波窗口为A 的二维中值滤波可定义为：y i , jMed xij Med x(ir ), ( js

6、) , ( r , s)A,(i, j )I 2 图像分析中常用到 直方图 。灰度级为 0,L-1 范围的数字图像处理的直方图是离散函数 h(rk )nk ，rk 是第 k 级灰度， nk 第 k 级灰度的像素个数。它描述的是图像中该灰度级的像素数。即：横坐标表示灰度级，纵坐标表示图像中该灰度级出现的个数。（4） 图像分割基本思想图像分割主要根据图像在各个区域的不同特性，对其进行边缘或区域上的分割， 从中提取出所关心的目标。图像分割算法必须符合：分割产生的所有区域之和包括了原始图像中的所有像素； 分割后的结果互不重叠； 分割后的各个区域有其独立的特性； 分割后的区域是一个连通集。图像分割是依据

7、亮度值的两个基本特性：不连续性和相似性。基于亮度的不连续性分割图像，如图像的边缘检测等。依据事先制定的准则将图像分割为相似的区域， 如门限处理、区域生长、区域分离和聚合等。Sobel算子：102010121Gy101210021Gx4. 实验步骤（1） 通过视景仿真软件观察视场不同时的红外和可见光图像，获得图像数据。 要求掌握视景仿真软件获得所需图像数据的方法。（2） 利用 Matlab 软件，对获得的图像数据进行添加高斯、椒盐、指数分布等噪声实验，观察加入噪声前后的图像及其直方图。要求了解噪声特性，尤其掌握高斯噪声中方差和均值对图像的作用。（3） 采用中值滤波和均值滤波进行图像去噪实验，观察

8、两种方法的去噪效果。 要求掌握两种算法的应用特性。（4） 采用 Sobel 和 LOG 算子进行边缘检测实验，观察两种方法的边缘检测效果。要求了解二阶微分算子和一阶微分算子对噪声的适应性。（5） ）独立应用 Matlab 软件，进行图像处理练习，获得除上面（1） -（ 4）提及算法的处理结果。要求了解图像与图像处理方法的依赖关系。5. 实验原始数据、处理结果与分析进入图形 5-1 的视景仿真软件，选择目标为坦克红外图像。1. 图像生成在软件中选择生成坦克红外图像，设置距离为15 米，观察高度为2 米。视角为35°。得到的图像如图1 所示。（4）图像分割基本思想图像分割主要根据图像在各

9、个区域的不同特性，对其进行边缘或区域上的分割， 从中提取出所关心的目标。图像分割算法必须符合：分割产生的所有区域之和包括了原始图像中的所有像素； 分割后的结果互不重叠； 分割后的各个区域有其独立的特性； 分割后的区域是一个连通集。图像分割是依据亮度值的两个基本特性：不连续性和相似性。基于亮度的不连续性分割图像，如图像的边缘检测等。依据事先制定的准则将图像分割为相似的区域， 如门限处理、区域生长、区域分离和聚合等。Sobel算子：4101Gx202101121Gy0001214. 实验步骤（1） 通过视景仿真软件观察视场不同时的红外和可见光图像，获得图像数据。 要求掌握视景仿真软件获得所需图像数

10、据的方法。（2） 利用 Matlab 软件，对获得的图像数据进行添加高斯、椒盐、指数分布等噪声实验，观察加入噪声前后的图像及其直方图。要求了解噪声特性，尤其掌握高斯噪 声中方差和均值对图像的作用。（3） 采用中值滤波和均值滤波进行图像去噪实验，观察两种方法的去噪效果。 要求掌握两种算法的应用特性。（4） 采用 Sobel 和 LOG 算子进行边缘检测实验，观察两种方法的边缘检测效果。要求了解二阶微分算子和一阶微分算子对噪声的适应性。（5） ）独立应用 Matlab 软件，进行图像处理练习，获得除上面（1）-（ 4）提及算法的处理结果。要求了解图像与图像处理方法的依赖关系。5. 实验原始数据、处

11、理结果与分析进入图形 5-1 的视景仿真软件，选择目标为坦克红外图像。1. 图像生成在软件中选择生成坦克红外图像，设置距离为15 米，观察高度为2 米。视角为35°。得到的图像如图1 所示。（4）图像分割基本思想图像分割主要根据图像在各个区域的不同特性，对其进行边缘或区域上的分割， 从中提取出所关心的目标。图像分割算法必须符合：分割产生的所有区域之和包括了原始图像中的所有像素； 分割后的结果互不重叠； 分割后的各个区域有其独立的特性； 分割后的区域是一个连通集。图像分割是依据亮度值的两个基本特性：不连续性和相似性。基于亮度的不连续性分割图像，如图像的边缘检测等。依据事先制定的准则将图

12、像分割为相似的区域， 如门限处理、区域生长、区域分离和聚合等。Sobel算子：101Gx202101121Gy0001214. 实验步骤（1） 通过视景仿真软件观察视场不同时的红外和可见光图像，获得图像数据。 要求掌握视景仿真软件获得所需图像数据的方法。（2） 利用 Matlab 软件，对获得的图像数据进行添加高斯、椒盐、指数分布等噪声实验，观察加入噪声前后的图像及其直方图。要求了解噪声特性，尤其掌握高斯噪 声中方差和均值对图像的作用。（3） 采用中值滤波和均值滤波进行图像去噪实验，观察两种方法的去噪效果。 要求掌握两种算法的应用特性。（4） 采用 Sobel 和 LOG 算子进行边缘检测实验

13、，观察两种方法的边缘检测效果。要求了解二阶微分算子和一阶微分算子对噪声的适应性。（5） ）独立应用 Matlab 软件，进行图像处理练习，获得除上面（1）-（ 4）提及算法的处理结果。要求了解图像与图像处理方法的依赖关系。5. 实验原始数据、处理结果与分析进入图形 5-1 的视景仿真软件，选择目标为坦克红外图像。1. 图像生成在软件中选择生成坦克红外图像，设置距离为15 米，观察高度为2 米。视角为35°。得到的图像如图1 所示。（4）图像分割基本思想图像分割主要根据图像在各个区域的不同特性，对其进行边缘或区域上的分割， 从中提取出所关心的目标。图像分割算法必须符合：分割产生的所有区

14、域之和包括了原始图像中的所有像素； 分割后的结果互不重叠； 分割后的各个区域有其独立的特性； 分割后的区域是一个连通集。图像分割是依据亮度值的两个基本特性：不连续性和相似性。基于亮度的不连续性分割图像，如图像的边缘检测等。依据事先制定的准则将图像分割为相似的区域， 如门限处理、区域生长、区域分离和聚合等。Sobel算子：101Gx202101121Gy0001214. 实验步骤（1） 通过视景仿真软件观察视场不同时的红外和可见光图像，获得图像数据。 要求掌握视景仿真软件获得所需图像数据的方法。（2） 利用 Matlab 软件，对获得的图像数据进行添加高斯、椒盐、指数分布等噪声实验，观察加入噪声

15、前后的图像及其直方图。要求了解噪声特性，尤其掌握高斯噪 声中方差和均值对图像的作用。（3） 采用中值滤波和均值滤波进行图像去噪实验，观察两种方法的去噪效果。 要求掌握两种算法的应用特性。（4） 采用 Sobel 和 LOG 算子进行边缘检测实验，观察两种方法的边缘检测效果。要求了解二阶微分算子和一阶微分算子对噪声的适应性。（5） ）独立应用 Matlab 软件，进行图像处理练习，获得除上面（1）-（ 4）提及算法的处理结果。要求了解图像与图像处理方法的依赖关系。5. 实验原始数据、处理结果与分析进入图形 5-1 的视景仿真软件，选择目标为坦克红外图像。1. 图像生成在软件中选择生成坦克红外图像

16、，设置距离为15 米，观察高度为2 米。视角为35°。得到的图像如图1 所示。（4）图像分割基本思想图像分割主要根据图像在各个区域的不同特性，对其进行边缘或区域上的分割， 从中提取出所关心的目标。图像分割算法必须符合：分割产生的所有区域之和包括了原始图像中的所有像素； 分割后的结果互不重叠； 分割后的各个区域有其独立的特性； 分割后的区域是一个连通集。图像分割是依据亮度值的两个基本特性：不连续性和相似性。基于亮度的不连续性分割图像，如图像的边缘检测等。依据事先制定的准则将图像分割为相似的区域， 如门限处理、区域生长、区域分离和聚合等。Sobel算子：101Gx202101121Gy0

17、001214. 实验步骤（1） 通过视景仿真软件观察视场不同时的红外和可见光图像，获得图像数据。 要求掌握视景仿真软件获得所需图像数据的方法。（2） 利用 Matlab 软件，对获得的图像数据进行添加高斯、椒盐、指数分布等噪声实验，观察加入噪声前后的图像及其直方图。要求了解噪声特性，尤其掌握高斯噪 声中方差和均值对图像的作用。（3） 采用中值滤波和均值滤波进行图像去噪实验，观察两种方法的去噪效果。 要求掌握两种算法的应用特性。（4） 采用 Sobel 和 LOG 算子进行边缘检测实验，观察两种方法的边缘检测效果。要求了解二阶微分算子和一阶微分算子对噪声的适应性。（5） ）独立应用 Matlab

18、 软件，进行图像处理练习，获得除上面（1）-（ 4）提及算法的处理结果。要求了解图像与图像处理方法的依赖关系。5. 实验原始数据、处理结果与分析进入图形 5-1 的视景仿真软件，选择目标为坦克红外图像。1. 图像生成在软件中选择生成坦克红外图像，设置距离为15 米，观察高度为2 米。视角为35°。得到的图像如图1 所示。（4）图像分割基本思想图像分割主要根据图像在各个区域的不同特性，对其进行边缘或区域上的分割， 从中提取出所关心的目标。图像分割算法必须符合：分割产生的所有区域之和包括了原始图像中的所有像素； 分割后的结果互不重叠； 分割后的各个区域有其独立的特性； 分割后的区域是一个

19、连通集。图像分割是依据亮度值的两个基本特性：不连续性和相似性。基于亮度的不连续性分割图像，如图像的边缘检测等。依据事先制定的准则将图像分割为相似的区域， 如门限处理、区域生长、区域分离和聚合等。Sobel算子：101Gx202101121Gy0001214. 实验步骤（1） 通过视景仿真软件观察视场不同时的红外和可见光图像，获得图像数据。 要求掌握视景仿真软件获得所需图像数据的方法。（2） 利用 Matlab 软件，对获得的图像数据进行添加高斯、椒盐、指数分布等噪声实验，观察加入噪声前后的图像及其直方图。要求了解噪声特性，尤其掌握高斯噪 声中方差和均值对图像的作用。（3） 采用中值滤波和均值滤

20、波进行图像去噪实验，观察两种方法的去噪效果。 要求掌握两种算法的应用特性。（4） 采用 Sobel 和 LOG 算子进行边缘检测实验，观察两种方法的边缘检测效果。要求了解二阶微分算子和一阶微分算子对噪声的适应性。（5） ）独立应用 Matlab 软件，进行图像处理练习，获得除上面（1）-（ 4）提及算法的处理结果。要求了解图像与图像处理方法的依赖关系。5. 实验原始数据、处理结果与分析进入图形 5-1 的视景仿真软件，选择目标为坦克红外图像。1. 图像生成在软件中选择生成坦克红外图像，设置距离为15 米，观察高度为2 米。视角为35°。得到的图像如图1 所示。（4）图像分割基本思想图

21、像分割主要根据图像在各个区域的不同特性，对其进行边缘或区域上的分割， 从中提取出所关心的目标。图像分割算法必须符合：分割产生的所有区域之和包括了原始图像中的所有像素； 分割后的结果互不重叠； 分割后的各个区域有其独立的特性； 分割后的区域是一个连通集。图像分割是依据亮度值的两个基本特性：不连续性和相似性。基于亮度的不连续性分割图像，如图像的边缘检测等。依据事先制定的准则将图像分割为相似的区域， 如门限处理、区域生长、区域分离和聚合等。Sobel算子：101Gx202101121Gy0001214. 实验步骤（1） 通过视景仿真软件观察视场不同时的红外和可见光图像，获得图像数据。 要求掌握视景仿

22、真软件获得所需图像数据的方法。（2） 利用 Matlab 软件，对获得的图像数据进行添加高斯、椒盐、指数分布等噪声实验，观察加入噪声前后的图像及其直方图。要求了解噪声特性，尤其掌握高斯噪 声中方差和均值对图像的作用。（3） 采用中值滤波和均值滤波进行图像去噪实验，观察两种方法的去噪效果。 要求掌握两种算法的应用特性。（4） 采用 Sobel 和 LOG 算子进行边缘检测实验，观察两种方法的边缘检测效果。要求了解二阶微分算子和一阶微分算子对噪声的适应性。（5） ）独立应用 Matlab 软件，进行图像处理练习，获得除上面（1）-（ 4）提及算法的处理结果。要求了解图像与图像处理方法的依赖关系。5

23、. 实验原始数据、处理结果与分析进入图形 5-1 的视景仿真软件，选择目标为坦克红外图像。1. 图像生成在软件中选择生成坦克红外图像，设置距离为15 米，观察高度为2 米。视角为35°。得到的图像如图1 所示。（4）图像分割基本思想图像分割主要根据图像在各个区域的不同特性，对其进行边缘或区域上的分割， 从中提取出所关心的目标。图像分割算法必须符合：分割产生的所有区域之和包括了原始图像中的所有像素； 分割后的结果互不重叠； 分割后的各个区域有其独立的特性； 分割后的区域是一个连通集。图像分割是依据亮度值的两个基本特性：不连续性和相似性。基于亮度的不连续性分割图像，如图像的边缘检测等。依

24、据事先制定的准则将图像分割为相似的区域， 如门限处理、区域生长、区域分离和聚合等。Sobel算子：101Gx202101121Gy0001214. 实验步骤（1） 通过视景仿真软件观察视场不同时的红外和可见光图像，获得图像数据。 要求掌握视景仿真软件获得所需图像数据的方法。（2） 利用 Matlab 软件，对获得的图像数据进行添加高斯、椒盐、指数分布等噪声实验，观察加入噪声前后的图像及其直方图。要求了解噪声特性，尤其掌握高斯噪 声中方差和均值对图像的作用。（3） 采用中值滤波和均值滤波进行图像去噪实验，观察两种方法的去噪效果。 要求掌握两种算法的应用特性。（4） 采用 Sobel 和 LOG 算子进行边缘检测实验，观察两种方法的边缘检测效果。要求了解二阶微分算子和一阶微分算子对噪声的适应性。（5） ）独立应用 Matlab 软件，进行图像处理练习，获得除上面（1）-（ 4）提及算法的处理结果。要求了解图像与图像处理方法的依赖关系。5. 实验原始数据、处理结果与分析