《數(shù)字圖像處理》課程設(shè)計(jì)報(bào)告.doc

《《數(shù)字圖像處理》課程設(shè)計(jì)報(bào)告.doc》由會(huì)員分享，可在線閱讀，更多相關(guān)《《數(shù)字圖像處理》課程設(shè)計(jì)報(bào)告.doc（12頁珍藏版）》請(qǐng)?jiān)谘b配圖網(wǎng)上搜索。

1．課程設(shè)計(jì)目的 1、 提高分析問題、解決問題的能力，進(jìn)一步鞏固數(shù)字圖像處理系統(tǒng)中的基本原理與方法。 2、 熟悉掌握一門計(jì)算機(jī)語言，可以進(jìn)行數(shù)字圖像的應(yīng)用處理的開發(fā)設(shè)計(jì)。 2．課程設(shè)計(jì)內(nèi)容及實(shí)現(xiàn) 2.1、二維快速傅立葉變換: 本項(xiàng)目的重點(diǎn)是: 這個(gè)項(xiàng)目的目的是開發(fā)一個(gè)2-D FFT程序“包”，將用于在其他幾個(gè)項(xiàng)目。您的實(shí)現(xiàn)必須有能力： (a) 乘以（-1），x + y的中心變換輸入圖像進(jìn)行濾波。 (b) 一個(gè)真正的函數(shù)相乘所得到的（復(fù)雜的）的陣列（在這個(gè)意義上的實(shí)系數(shù)乘以變換的實(shí)部和虛部）?；叵胍幌?，對(duì)相應(yīng)的元件上完成兩幅圖像的乘法。 (c) 計(jì)算傅立葉逆變換。 (d) 結(jié)果乘以（-1）x + y的實(shí)部。 (e) 計(jì)算頻譜。 基本上，這個(gè)項(xiàng)目實(shí)現(xiàn)了圖。4.5。如果您正在使用MATLAB，那么您的傅立葉變換程序?qū)⒉粫?huì)受到限制，其大小是2的整數(shù)次冪的圖像。如果要實(shí)現(xiàn)自己的計(jì)劃，那么您所使用的FFT例程可能被限制到2的整數(shù)次冪。在這種情況下，你可能需要放大或縮小圖像到適當(dāng)?shù)拇笮?，使用你的程序開發(fā)項(xiàng)目02-04 逼近：為了簡(jiǎn)化這個(gè)和以下的工程（除項(xiàng)目04-05），您可以忽略圖像填充（4.6.3節(jié)）。雖然你的結(jié)果不會(huì)完全正確，將獲得顯著的簡(jiǎn)化，不僅在圖像的大小，而且在需要裁剪的最終結(jié)果。由這種近似的原則將不會(huì)受到影響 結(jié)果如下： 主要代碼 f=imread(Fig4.04(a).jpg); H=imread(Fig4.04(a).jpg); subplot(3,2,1); imshow(f); title((a)原圖像); [M1,N1]=size(f); f=im2double(f); [M2,N2]=size(H); H=im2double(H); %把灰度圖像I1的數(shù)據(jù)類型轉(zhuǎn)換成轉(zhuǎn)換成雙精度浮點(diǎn)類型 for x=1:M1 for y=1:N1 f(x,y)=(-1)^(x+y)*f(x,y); %用（-1）^(x+y)乘以輸入圖像,來實(shí)現(xiàn)中心化變換 end end F=fft2(f); %使用函數(shù)fft2可計(jì)算傅立葉變換 subplot(3,2,3); imshow(F); title((b)傅立葉變換的圖像); if(M2==1)&&(N2==1) G=F(x,y)*H(x,y); elseif((M1==M2)&&(N1==N2)) for x=1:M1 for y=1:N1 G(x,y)=F(x,y)*H(x,y); end end else error(輸入圖像有誤,ERROR); end %通過兩個(gè)圖像的乘法程序，實(shí)現(xiàn)對(duì)相應(yīng)元素的相乘 g=ifft2(G); subplot(3,2,4); imshow(g); title((c)傅立葉逆變換的圖像); for x=1:M1 for y=1:N1 g(x,y)=(-1)^(x+y)*g(x,y); end end g=real(g); S=log(1+abs(F)); %計(jì)算傅立葉幅度譜并做對(duì)數(shù)變換 subplot(3,2,5); plot(S); %二維圖像顯示幅度譜 title((d)二維圖像顯示幅度譜); Q=angle(F); %計(jì)算傅立葉變換相位譜 subplot(3,2,6); plot(Q); title((e)二維圖像顯示相位譜); %二維圖像顯示相位譜 結(jié)果截圖 圖1 傅里葉變換及頻譜圖 結(jié)果分析： 圖1中（a）是原始灰度圖像，對(duì)原圖進(jìn)行傅里葉變換，用（-1）^(x+y)乘以輸入圖像,來實(shí)現(xiàn)中心化變換得到（b），（c）為傅里葉變換的逆變換得到的圖像。對(duì)應(yīng)（d）、（e）分別為計(jì)算的幅度譜和相位譜。 2.2、傅立葉頻譜和平均值 本項(xiàng)目的重點(diǎn)是: (a) 下載圖。 4.18（a）和計(jì)算（居中）傅立葉頻譜。 (b) 顯示頻譜。 (c) 使用（a）中計(jì)算圖像的平均值的結(jié)果 結(jié)果如下： 主要代碼 %abs-取絕對(duì)值和復(fù)數(shù)幅度 %fft2-求二維離散傅立葉變換 I = imread(Fig4.11(a).jpg); I1 = fft2(I); X = fftshift(abs(I1)); %直流分量移到頻譜中心 [m,n] = size(X); Average_value = X(m/2+1,n/2+1)/(m*n) %平均值計(jì)算 I1 = abs(I1)*256/max(max(abs(I1))); %傅立葉譜圖像 X = X*256/max(max(X)); %中心化的傅立葉譜圖像 subplot(1,3,1); imshow(I); title((a)原圖像); subplot(1,3,2); imshow(I1); title((b)傅立葉譜圖像); subplot(1,3,3); imshow(X); title((c)中心化的傅立葉譜圖像); 結(jié)果截圖 圖 1 計(jì)算圖像的頻譜圖并中心化 圖3 平均值 結(jié)果分析： 圖2中（a）為原始圖像，先對(duì)圖像進(jìn)行傅里葉變換得到（b），然后移至頻譜中心得到（c），圖3為圖像的平均值的結(jié)果，此結(jié)果是在matlab窗口中實(shí)現(xiàn)的。 2.3、低通濾波 本項(xiàng)目的重點(diǎn)是: (a) 實(shí)現(xiàn)高斯低通濾波器式。 （4.3-7）。你必須能夠指定大小，MN的，由此產(chǎn)生的2D功能。此外，你必須能夠指定二維高斯函數(shù)的中心位置 (b) 下載圖。4.11（一）[這個(gè)形象是同圖。 4.18（a）〕和低通濾波器中取得圖。 4.18（三） 結(jié)果如下： 主要代碼 I=imread(Fig4.11(a).jpg) subplot(1,2,1); imshow(I); title((a)原始圖像); s=fftshift(fft2(I)); [M,N]=size(s); %分別返回s的行數(shù)到M中，列數(shù)到N中 n=2; %對(duì)n賦初值 %高斯低通濾波，這里以標(biāo)準(zhǔn)差d0=30來分析圖像 d0=30; %初始化d0 n1=floor(M/2); %對(duì)M/2進(jìn)行取整 n2=floor(N/2); %對(duì)N/2進(jìn)行取整 for i=1:M for j=1:N d=sqrt((i-n1)^2+(j-n2)^2); %點(diǎn)（i,j）到傅立葉變換中心的距離 h=1*exp(-1/2*(d^2/d0^2)); %GLPF濾波函數(shù) s(i,j)=h*s(i,j); %GLPF濾波后的頻域表示 end end s=ifftshift(s); %對(duì)s進(jìn)行反FFT移動(dòng) %對(duì)s進(jìn)行二維反離散的Fourier變換后，取復(fù)數(shù)的實(shí)部轉(zhuǎn)化為無符號(hào)8位整數(shù) s=uint8(real(ifft2(s))); %創(chuàng)建圖形圖像對(duì)象 subplot(1,2,2); imshow(s); %顯示高斯低通濾波處理后的圖像 title((b)高斯低通濾波(d0=30)); 結(jié)果截圖 圖 2 高斯低通實(shí)現(xiàn)的圖像 結(jié)果分析： 圖4中（a）為原始圖像，將原始圖像經(jīng)過高斯低通濾波，得到（b），這里以標(biāo)準(zhǔn)差d0=15來分析圖像。 2.4、使用一個(gè)低通圖像高通濾波 本項(xiàng)目的重點(diǎn)是: (a) 從原來的04-03項(xiàng)目減去你的形象得到銳化后的圖像，如式。 （4.4-14）。你會(huì)注意到，生成的圖像并不像高斯高通圖。 4.26。解釋為什么會(huì)是這樣 (b) 調(diào)整的方差高斯低通濾波器，直到圖像相減得到的結(jié)果看起來類似于 圖。 4.26（三）。解釋你的結(jié)果 結(jié)果如下： 主要代碼 I=imread(Fig4.11(a).jpg) s=fftshift(fft2(I)); [M,N]=size(s); %分別返回s的行數(shù)到M中，列數(shù)到N中 n=2; %對(duì)n賦初值 %高斯低通濾波，這里以標(biāo)準(zhǔn)差d0=30來分析圖像 d0=30; %初始化d0 n1=floor(M/2); %對(duì)M/2進(jìn)行取整 n2=floor(N/2); %對(duì)N/2進(jìn)行取整 for i=1:M for j=1:N d=sqrt((i-n1)^2+(j-n2)^2); %點(diǎn)（i,j）到傅立葉變換中心的距離 h=1*exp(-1/2*(d^2/d0^2)); %GLPF濾波函數(shù) s(i,j)=h*s(i,j); %GLPF濾波后的頻域表示 end end s=ifftshift(s); %對(duì)s進(jìn)行反FFT移動(dòng) %對(duì)s進(jìn)行二維反離散的Fourier變換后，取復(fù)數(shù)的實(shí)部轉(zhuǎn)化為無符號(hào)8位整數(shù) s=uint8(real(ifft2(s))); %創(chuàng)建圖形圖像對(duì)象 subplot(1,2,1); imshow(s); %顯示高斯低通濾波處理后的圖像 title((a)高斯低通濾波實(shí)現(xiàn)的圖片); s=fftshift(fft2(I)); [M,N]=size(s); %分別返回s的行數(shù)到M中，列數(shù)到N中 n=2; %對(duì)n賦初值 %高斯高通濾波，這里以標(biāo)準(zhǔn)差d0=30來分析圖像 d0=30; %初始化d0 n1=floor(M/2); %對(duì)M/2進(jìn)行取整 n2=floor(N/2); %對(duì)N/2進(jìn)行取整 for i=1:M for j=1:N d=sqrt((i-n1)^2+(j-n2)^2); %點(diǎn)（i,j）到傅立葉變換中心的距離 h=1-1*exp(-1/2*(d^2/d0^2)); %GLPF濾波函數(shù) s(i,j)=h*s(i,j); %GLPF濾波后的頻域表示 end end s=ifftshift(s); %對(duì)s進(jìn)行反FFT移動(dòng) %對(duì)s進(jìn)行二維反離散的Fourier變換后，取復(fù)數(shù)的實(shí)部轉(zhuǎn)化為無符號(hào)8位整數(shù) s=uint8(real(ifft2(s))); %創(chuàng)建圖形圖像對(duì)象 subplot(1,2,2); imshow(s); %顯示高斯高通濾波處理后的圖像 title((b)高斯高通濾波實(shí)現(xiàn)的圖片); 結(jié)果截圖 圖 3 高通實(shí)現(xiàn)的圖像 結(jié)果分析： 圖5中（a）為經(jīng)過高斯低通處理的圖像，將此圖像經(jīng)過高斯高通處理得到（b）。 2.5、在頻域的相關(guān)性 本項(xiàng)目的重點(diǎn)是: 下載圖。 4.41（a）及（b）和重復(fù)例4.11獲得圖。 4.41（E）。給（的x，y）的二維相關(guān)函數(shù)中的最大值的位置的坐標(biāo)。有沒有必要在圖中繪制的檔案中。 4.41（F） 結(jié)果如下： 主要代碼 clear;clc; fa=imread(fig4.41(a).jpg); fb=imread(fig4.41(b).jpg); subplot(2,2,1); imshow(fa); title((a)原始圖像); subplot(2,2,2); imshow(fb); title((b)模板); [A B]=size(fa); [C D]=size(fb); expfa=zeros(A+C-1,B+D-1); expfb=zeros(A+C-1,B+D-1); expfa(1:A,1:B)=fa; expfb(1:C,1:D)=fb; subplot(2,2,3); imshow(expfa); title((c)圖像延拓); subplot(2,2,4); imshow(expfb); title((d)圖像延拓); H=real(ifft2(fft2(expfa).*fft2(rot90(expfb,2),293,297)));%求相關(guān)性 figure; imshow(H,[]) title((e)兩圖像延拓之后的相關(guān)函數(shù)); max(H(:)) %求取最大的相關(guān)值——因?yàn)槭抢媚０遄龅南嚓P(guān)運(yùn)算，值最大的地方最相關(guān) thresh=21417100;%設(shè)置一個(gè)略低于最大相關(guān)值的閾值 figure; imshow(H > thresh)%顯示定位. title((f)圖像定位); 結(jié)果截圖 圖 4 兩原始圖像的延拓 圖7 延拓之后圖像 圖8 圖像定位 圖 9 結(jié)果 結(jié)果分析： 圖6中（a）是圖像，（b）是模板。延拓后的圖像如圖6中的（c）、（d）所示。兩延拓圖像的空間域相關(guān)以圖像形式顯示與圖7中的（e）,圖8中的（f）顯示的是圖像的定位圖。 3．課程設(shè)計(jì)總結(jié)與體會(huì) 本次實(shí)驗(yàn)，通過使用MATLAB中的圖像處理工具箱中的函數(shù)，對(duì)每個(gè)圖像處理函數(shù)的功能都有了深入了認(rèn)識(shí)。了解了日常看到的圖片為什么會(huì)有各種模糊問題，也知道了該如何解決一些基本的圖像問題。希望下次能知道更多使用MATLAB來解決新的問題。