图像处理课程设计

《图像处理技术应用实践》课程设计题目图像增强算法综合应用学生姓名韩帅_＿_____学号2015１3０8０8８___院系计算机与软件学院专业计算机科学与技术任课教师范春年____二O一七年五月图像处理技术应用实践—课程设计2１、设计内容图像增强处理:设计一套空间域与频率域结合得图像增强算法,处理以下任一组图片中得带噪声图像，去除噪声，提高图像质量。

（1）已知：噪声为随机噪声与周期噪声混合噪声;（2)要求：a)去噪处理后，计算均方误差评估去噪处理后图像得去噪效果b）撰写完整得科技报告(形式类似科技论文)表述自己得算法设计，算法实现与算法评估过程。

第一组图片:第二组图片:2、图像增强算法2、1问题分析（1）图片中加入了随机噪声与周期噪声混合噪声。

针对不同得噪声，不同得去噪方法效果不同,因此应该采用不同得去噪方法以达到最好得去噪效果.(２）随机噪声应在空间域去除,而空域去噪方法中,中值滤波法效果最好。

(3)周期噪声应在频域中消去。

（4）去除噪声后得图像仍然可以改善处理.（5)均方误差评估去噪处理后图像得去噪效果.２、2算法设计（1）读入初始图片及加噪图片.ｃｌc； clear;ｆ＝ｉｍreａd（）；g=imｒeaｄ（);(2）利用空域滤波，去除随机噪声，此时用中值滤波法，并显示它得频谱图与直方图.g=medｆilｔ2（g,［３,3］）；（3）利用频域滤波,去除周期噪声。

先转化成double型,进行傅里叶变换,再转化成数据矩阵，最后利用低通滤波去除周期噪声。

Ｇ＝douｂｌe(g）；%转化doubleG=ffｔ２(G);G＝fftshift（G）；［Ｍ，Ｎ]=siｚｅ(G）;nｎ＝２;ｄ0＝2５；ｍ=ｆｉｘ（m/2）；n =fix(n／2）；foｒ i ＝ 1 : Mfor j ＝ 1 ：Ｎｄ＝ sqｒt((i—ｍ）^２+(j—n）＾2)；ﻩh = 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(4）计算均方误差评估去噪效果。

[ｍ n］=size（p); l=f－p；he=sｕm(sum（ｌ))；ａｖg=ｈe/(m＊n）;k=l-avg;reｓｕｌｔ1=（ｓum（sum(k、^2）)）／（m＊n）;ｉf rｅsulｔ1==0diｓp(’dog图均方误差'); result2=０ elsedｉsp（'dｏg图均方误差＇）；resｕｌt2=sqrｔ（resulｔ１）end3、算法实现cｌeａr；ｃｌc；f=ｉmreａd（'C:\doｇＯriginａｌ、bmp’）;g=iｍreａd(＇Ｃ:\ｄogDistorteｄ、ｂmp')；f１=dｏｕble(ｆ)；f2=fft2（f1);f2=ｆfｔsｈift（f2）;g1=ｄouble(g）;g２=fｆｔ２(g1）;ｇ2=fftshｉft（ｇ2）；g3=mｅdfilt２(g,[3,3])；％3*3模板中值滤波去除随机噪声g4=dｏuｂle(ｇ3)；F1=fft２(g3)；F1=fftshifｔ(Ｆ１）;G=Ｆ1;［M，N］=size(G)；％低通滤波nn=2；ｄ０=2５;m=fｉx(M/2)；n＝fix（N／２）；foｒｉ=1：Mfoｒ j=1:Nd=sｑrｔ（（i-m)^2+（j—n）^2)；ｈ=1/（1+0、4１4＊(d/d0)^（2*ｎn）)；%h=1/（１＋（ｄ/d0）^(2＊nn））；％备用 G（i,j)=h＊G（i，j）;endenｄp=ｕint8（real(ifft２（iｆftshｉｆt（G）))）;subｐｌｏt(341);imshoｗ（ｆ），ｔitle（’原图’）；suｂploｔ(345)；imshow(log（aｂs(f2））,[］），title('频谱')；sｕbplot（34９）；ｉmhist(ｆ）,ｔiｔle(＇原图’）;ｓubploｔ(３42）；imｓｈow（g)，title(’噪声＇）;ｓｕbｐloｔ（346）;imshｏw(ｌoｇ(abs（g2)）,[］)，tiｔle（'’）; subplot(3,4，10）；imhist(g),tｉtｌe('噪声＇）；subｐlｏt(343）；imshow(g3），tiｔle('去随机噪声＇）;subpｌot(3４7）；ｉmshｏw(log（aｂｓ(F1）），［]）,title(＇’）; subplot（３，4，１1)；ｉmｈiｓt(ｇ3），tｉtle(＇去随机噪声＇)；subplot（34４）;iｍshow(p，［]），ｔitｌe（’去噪'）；subｐlot(3４8);iｍｓｈow(log(ａbs（G））,[]）,title(’＇）; subplｏｔ(3，４,12);iｍhisｔ(p)，tiｔｌe（’去噪'）；[ｍ,n]=ｓｉze（p);l=f－p；he=sｕm(sum（ｌ）)；ａvg=he／（ｍ＊n）;k＝ｌ－avｇ；ｒesｕlt１=(sum(sum（ｋ、^2））)/（m*ｎ）；if resｕlt1＝=0diｓｐ（’dｏg图均方误差＇)，ｒeｓult2＝0elｓｅdｉsp(’ｄog图均方误差’），resｕlt２=sqrt（result1)ｅnｄ4、运行结果5、认识分析去噪后图像模糊,同时尝试了直方图均衡化，效果并不理想；ｄ0根据误差调整方便简单；中值滤波简单好用√参考文献:［1］全红艳、曹桂涛，数字图像处理原理与实现方法，机械工业出版社，2０１3[2］胡晓军、徐飞，MATLAB应用图像处理，2０１0图像处理技术应用实践—课程设计3１、设计内容图像增强分割:有一幅包含不同大小得种子图案得扫描图像（如下图所示)，每个包含了种子得图像区域称之为感兴趣区域（regionｓｏｆｉntｅｒest —ROI)。

要求:1、设计一套算法提取源图像中得所有ＲOI，并计算每一个ROI 得大小（大小为包含多少个像素，如包含2０个像素,则大小为20)。

提示：每一个RＯI为一个连通集合.2、撰写完整得科技报告(形式类似科技论文)表述自己得算法设计,算法实现与计算结果.2、增强分割算法２、１问题分析（1）首先题目所给得图为彩色图，应该先将其转化成灰度图,再对其进行处理；(2)分析题目可知首先要将种子所覆盖得大概区域求出来，可以将种子存在得地方检测出来并用特定灰度标记,方便之后统计像素数;(3)要检测位置在灰度图中很难实现，可以将图像二值化，在二值化图像中值为0得地方进行标记。

２、2算法设计（１)读图并灰度与二值化:cleａｒ;clc；I=imｒead('D：＼seed、bmp＇);f=rgb2grａy(Ｉ）;ｊ=im2ｂｗ(f）;j2=f;(2)检测ROI位置并标记：首先建立一个白板:[M，N］＝ｓizｅ(j2）；foｒx＝1：Mfor y=１：Nｊ２（x，y）=２55；eｎdeｎd之后开始标记ROI位置,以第一行第一个为例：for x=４0：7０％1fｏｒy=100：１5０ｉf（j（ｘ,y)==０)j2(x,ｙ)＝１；enｄｅｎdend这里得40,70可以先将二值图像与其坐标轴显示出来,记录ROＩ所在得大概位置；第一个用1标记；％坐标轴显示可以用axｉs ｏn指令按此方法，可以实现37个ＲOI得标记,用1～3７灰度分别标记.(3)统计像素数:Ａ＝[1,2,3,４，５，6，７，8，９,10，11，1２，13，14，１5，16，１7,18,19，2０,21,２2，２3，2４,25,2６,27，２8,2９，３0，３1,3２，３3，34，35，３6,37］；C=hiｓt（A（:），unｉｑue(A)）；for ｘ=1：Mfor y=1:Nｆor i＝1:37ｉｆj2（x，y）==Ａ(ｉ)C(ｉ)＝C(ｉ）+1;eｎdendｅnｄEnｄC数组即储存A中像素个数（4）最后显示各个图像与最后像素数得数组ｆiｇｕｒe（1)；iｍｓｈoｗ(j2,［］);figｕre（２)；Imshow（j）;axｉｓon;C2、３算法实现cleaｒ;clc;I＝ｉmrｅad（＇D:＼\seeｄ、ｂｍp'）; f=rgｂ2ｇray（I);j=im2ｂw（f);ｋ=f；axisｏn；［M，N］=ｓｉze（ｋ）；foｒx＝1：Mfｏr y=1：Nk（x,y)=２５５；eｎdend％第一行ｆor ｘ＝4０:7０for y=100：1５0ｉf(j（ｘ,y）==０）k(ｘ，y）=1;endeｎdend％第二行fｏr x=80:110for y=100：16０ｉf(ｊ（x，ｙ）==0)k(x，y)=2；ｅndeｎdfor ｙ=1８0：２3０iｆ（j(x,ｙ)==0)k（ｘ，ｙ)=3;endｅｎｄｆｏrｙ=２40:300if(j（x，y）==0）k(x,y）=4;ｅｎdendeｎdfor x=120：155foｒｙ=1０0：16０if（j(x,y)==０）k（ｘ，y）=5;endenｄfoｒy=1８0:２30if（ｊ（x,y）=＝０）k（x,y）=６；ｅｎｄendfor y＝24０：30０if（j（ｘ,y)==0）k（x，ｙ）=7;ｅndendenｄfor x＝１６0：200ｆｏr y=1０0:160ｉf(ｊ(x，y)==０）ｋ(x，y)=８;endenｄfｏｒy＝１80：2３0if(j(x，ｙ）=＝０)k（x,y)=９；endenｄfｏr y=２４0：３０0if（j（x,y）==０)ｋ(x，y）=1０;endeｎdｆoｒy=３1０:375if(j（x,y)==0）k(x，ｙ)＝11;endendenｄfoｒx=205:２40forｙ=1０0：16０if(j（x，y）==０)k（x，ｙ）＝12；ｅｎdendfｏr y=180：23０if（j(x，y）==０）k（x,y）=１３；ｅndendfｏr y=240：３００iｆ（j(ｘ，ｙ）==０）k(x，y)=14；endendfｏr y＝310：3７5if（j（x,y)==0）k（ｘ，y）=15;eｎdｅｎdendfoｒx＝２５0：２85foｒy=1０0:16０if（ｊ（ｘ，ｙ）＝＝0)ｋ(x，y）=1６；ｅnｄeｎdｆor ｙ=180:２３0if（j(x,y)==０)k（x,y）=１７；endeｎdfor y＝２4０：30０if（j（ｘ,y）==0）k（x，y）＝１8;endendfｏr y＝3１0:375ｉf（j(x,ｙ）=＝０)k（x,y)=19；endｅndendfor x=29０:３２８foｒy＝100：1６０ｉｆ(ｊ(x,y）==0)k（x，y)=２0；endendfor y=1８０:2３0if(j（x,ｙ）＝=0)k(ｘ,y）＝21;endeｎdfor y=２４0:300if(ｊ(x,y）＝=0）ｋ（x，y)＝22；ｅnｄendfor y=3１0：37５if（j（x，y）==0)ｋ(ｘ，y)=23；ｅndendeｎdfor ｘ=335:3７0foｒy=１00：1６0ｉｆ(j（ｘ，ｙ）==０）k（x，y)=24;eｎdendfor y=180：230iｆ（j（x,ｙ）＝＝0）k(x,y）=25;enｄenｄfｏr ｙ＝２40：300ｉf（j（ｘ，y)==0）ｋ（ｘ，y)＝26;ｅndeｎdfor y=310:3７5ｉf（j（x，y)=＝0）ｋ(ｘ，ｙ)=2７；eｎｄendendｆoｒx=375：4１5ｆｏr ｙ=100：16０if(ｊ（ｘ，y)==０)k(x，y)＝28;eｎdendfor y＝18０:230if(j（ｘ,ｙ）==0)k(x，y)=29；eｎdendｆoｒy=240：30０iｆ（j（ｘ,y)==０)k（x，y)＝30；endｅndｆor ｙ=３10：375if（j（ｘ,ｙ)==０）k（x，y）=3１;endeｎdfor y=４０0:440if（j（x,y）=＝0）k（x，y）=32；eｎdｅndeｎｄｆor x=４20:45０foｒy＝100:160if(ｊ（x,y)＝＝0）k（x,ｙ）=33；ｅndｅｎｄfor y=1８0:230if（ｊ（x，ｙ）==0）k（x，y)=３4；ｅnｄendfor y=2４0：30０if（j（ｘ，y）==0）ｋ(x,y）＝３5;endenｄｆor y=320:3７5if（ｊ(x,ｙ）==0)k(x,ｙ）=36;endeｎdfor y=4０0：440if(j(ｘ，ｙ）==０)k（x,y）＝37;eｎdendendA=[1，2,3,４，5,6,7，８,9,10，11，12,13,14，15,16,１7,18,19，20,21,22,２3，2４，25，2６，27,２8，29，30，３1,32，３3，３４，35，36,37］；C=hist（A（:），unｉque（A）);foｒｘ＝1:Mｆor y=1：Nfor i＝1：3７ｉf k（x,ｙ)==A(ｉ）C（i)=C（i)+１;endeｎdeｎdｅndfigure（１)；imshoｗ（k,［］）;ｆigurｅ（2)；imｓhoｗ（ｊ）；C灰度图像二值化图像(带坐标) 标记ROI后得图像统计得像素数3、认识分析标记ROI位置得时候要尽量精确，否则会有几像素值得误差,甚至还会标记到不必要得地方；最后基本达到要求。