实验五图像增强—空域滤波
- 格式:docx
- 大小:163.06 KB
- 文档页数:6
昆明理工大学信息工程与自动化学院学生实验报告
( 2012 —2013 学年第二学期)
课程名称:图形图像处理开课实验室:信自444 2013年 5月 22日
一、实验目的
进一步了解MatLab软件/语言,学会使用MatLab对图像作滤波处理,使学生有机会掌握滤波算法,体会滤波效果。
了解几种不同滤波方式的使用和使用的场合,培养处理实际图像的能力,并为课堂教学提供配套的实践机会。
二、实验要求
(1)学生应当完成对于给定图像+噪声,使用平均滤波器、中值滤波器对不同强度的高斯噪声和椒盐噪声,进行滤波处理;能够正确地评价处理的结果;能够从理论上作出合理的解释。
(2)利用MATLAB软件实现空域滤波的程序:
I=imread('electric.tif');
J = imnoise(I,'gauss',0.02); %添加高斯噪声
J = imnoise(I,'salt & pepper',0.02); (注意空格) %添加椒盐噪声
ave1=fspecial('average',3); %产生3×3的均值模版
ave2=fspecial('average',5); %产生5×5的均值模版
K = filter2(ave1,J)/255; %均值滤波3×3
L = filter2(ave2,J)/255; %均值滤波5×5
M = medfilt2(J,[3 3]); %中值滤波3×3模板
N = medfilt2(J,[4 4]); %中值滤波4×4模板
imshow(I);
figure,imshow(J);
figure,imshow(K);
figure,imshow(L);
figure,imshow(M);
figure,imshow(N);
三、实验设备与软件
(1) IBM-PC计算机系统
(2) MatLab软件/语言包括图像处理工具箱(Image Processing Toolbox)
(3) 实验所需要的图片
四、实验内容与步骤
a) 调入并显示原始图像Sample2-1.jpg 。
b) 利用imnoise 命令在图像Sample2-1.jpg 上加入高斯(gaussian) 噪声
c)利用预定义函数fspecial 命令产生平均(average)滤波器
d)分别采用3x3和5x5的模板,分别用平均滤波器以及中值滤波器,对加入噪声的图像进行处理并观察不同噪声水平下,上述滤波器处理的结果;
e)选择不同大小的模板,对加入某一固定噪声水平噪声的图像进行处理,观察上述滤波器处理的结果。
f)利用imnoise 命令在图像Sample2-1.jpg 上加入椒盐噪声(salt & pepper)
g)重复c)~ e)的步骤
h)输出全部结果并进行讨论。
实验过程及截图
I=imread('3.jpg');
imshow(I);
J = imnoise(I,'gauss',0.02); %添加高斯噪声
J = imnoise(I,'salt & pepper',0.02); %添加椒盐噪声
figure,imshow(J);
ave1=fspecial('average',3); %产生3×3的均值模版
ave2=fspecial('average',5); %产生5×5的均值模版
K = filter2(ave1,J)/255; %均值滤波3×3
figure,imshow(K);
L = filter2(ave2,J)/255; %均值滤波5×5
figure,imshow(L);
M = medfilt2(J,[3 3]); %中值滤波3×3模板
figure,imshow(M);
N = medfilt2(J,[4 4]); %中值滤波4×4模板
figure,imshow(N);
五、思考题/问答题
(1) 简述高斯噪声和椒盐噪声的特点。
高斯噪声:高斯噪声是n维分布都服从高斯分布的噪声。高斯分布,也称正态分布,又称常态分布。对于随机变量X,其概率密度函数如图所示。称其分布为高斯分布或正态分布,记为N(μ,σ2),其中为分布的参数,分别为高斯分布的期望和方差。当有确定值时,p(x)也就确定了,特别当μ=0,σ2=1时,X的分布为标准正态分布。椒盐噪声:椒盐噪声又称脉冲噪声,它随机改变一些像素值,是由图像传感器,传输信道,解码处理等产生的黑白相间的亮暗点噪声。椒盐噪声往往由图像切割引起。
(2) 结合实验内容,定性评价平均滤波器/中值滤波器对高斯噪声和椒盐噪声的去噪效果?
均值滤波器不适合去除椒盐噪声,经均值滤波器滤波后仍然存在较多的噪声;中值滤波器对椒盐噪声的滤除有着与生俱来的优势,这点可以从椒盐噪声特点和中值滤波定义很容易推得,观察滤波前后的图像,中值滤波器对椒盐噪声滤除的比较干净,对于强度不很大的椒盐噪声,滤波后基本看不出噪声点,但是图像也变得很模糊了,细节信息丢失比较严重,其会引起图像中诸如细线、角点等包含重要细节结构的丢失和破坏;加入椒盐噪声的图像经Butterworth低通滤波器滤波后,虽然滤除了一些噪声点,但图像显得模糊不清.
(3) 结合实验内容,定性评价滤波窗口对去噪效果的影响?
1)自适应中值滤波后,它的去噪效果和常规中值滤波算法的去噪效果相比好了许多。不仅滤除了椒盐噪声,而且很好的保留了图细节。在对具有空间密度较大的椒盐噪声图进行滤波时,自适应中值滤波器较传统中值滤波器具有很大的优越性,在很大程度上降低了滤除噪声和图细节丢失之间的矛盾,对于工程实现有较好的理论参考价值。但对滤除图中的高斯噪声则没有滤除椒盐噪声的效果好,滤波后图显得有模糊不清。
2)加权均值自适应中值滤波器去除图中加入的椒盐噪声后,图和原图的效果很接近,去噪性能非常好。但是,在去除高斯噪声时,效果就没有去除椒盐噪声那么好,滤波后图有点模糊。
3)基于均值操作的快速自适应滤波器在保存边缘细节的基础上,对椒盐噪声和高斯噪声都有较好的抑制作用。滤波后图的效果和原图非常接近。
六、实验报告要求
描述实验的基本步骤,用数据和图片给出各个步骤中取得的实验结果,并进行必要的讨论,必须包括原始图像及其计算/处理后的图像。
七、实验图像