当前位置:文档之家› 数字图像处理实验报告——图像复原实验

数字图像处理实验报告——图像复原实验

实验报告
课程名称数字图像处理导论
专业班级 _______________
姓名 _______________ 学号 _______________
电气与信息学院
和谐勤奋求是创新
附录:可能用到的函数和参考结果**************报告里不能用参考结果中的图像
1)读出这幅图像,给这幅图像分别加入椒盐噪声和高斯噪声后并与前一张图显示在
同一图像窗口中。

I=imread('');
subplot(1,3,1)
imshow(I);
title(' Qriginal Image ');
J = imnoise(I,'salt & pepper',; %noise density=
subplot(1,3,2)
imshow(J);
title(' salt & pepper ');
K= imnoise(I,'gaussian',,;
subplot(1,3,3)
imshow(K);
title(' gaussian ');
图初始图像及椒盐噪声图像、高斯噪声污染图
2)对加入噪声图像选用不同的平滑(低通)模板做运算,对比不同模板所形成的效
果,要求在同一窗口中显示。

I=imread('');
H = fspecial('sobel');
subplot(2,2,1)
imshow(I);
title(' Qriginal Image ');
Sobel = imfilter(I,H,'replicate');
subplot(2,2,2)
imshow(Sobel);
title(' Sobel Image ')
H = fspecial('laplacian',;
lap = imfilter(I,H,'replicate');
subplot(2,2,3)
imshow(lap);
title(' Laplacian Image ')
H = fspecial('gaussian',[3 3],;
gaussian = imfilter(I,H,'replicate');
subplot(2,2,4)
imshow(gaussian);
title(' Gaussian Image ')
图原图像及各类低通滤波处理图像
3)使用函数imfilter时,分别采用不同的填充方法(或边界选项,如零填
充、’replicate’、’symmetric’、’circular’)进行低通滤波,显示处理
后的图像。

originalRGB = imread('');
subplot(3,2,1)
imshow(originalRGB);
title(' Original Image ');
h = fspecial('motion', 50, 45); %motion blurred
filteredRGB = imfilter(originalRGB, h);
subplot(3,2,2)
imshow(filteredRGB);
title(' Motion Blurred Image ');
boundaryReplicateRGB = imfilter(originalRGB, h, 'replicate');
subplot(3,2,3)
imshow(boundaryReplicateRGB);
title(' 0-Padding');
boundary0RGB = imfilter(originalRGB, h, 0);
subplot(3,2,4)
imshow(boundary0RGB);
title('Replicate');
boundarysymmetricRGB = imfilter(originalRGB, h, 'symmetric');
subplot(3,2,5)
imshow(boundarysymmetricRGB);
title(' Symmetric ');
boundarycircularRGB = imfilter(originalRGB, h, 'circular');
subplot(3,2,6)
imshow(boundarycircularRGB);
title(' Circular');
图原图像及运动模糊图像
图函数imfilter各填充方式处理图像
4)运用for循环,将加有椒盐噪声的图像进行10次,20次均值滤波,查看其特点,
显示均值处理后的图像。

I=imread('');
J = imnoise(I,'salt & pepper',;
subplot(1,3,1)
imshow(J);
title(' salt & pepper Noise');
h=fspecial('average'); %Averaging Filtering
J1=imfilter(J,h);
for i=1:10
J1=imfilter(J,h);
subplot(1,3,2)
imshow(J1);
title(' 10 Averaging Filtering');
end
J2=imfilter(J,h);
for i=1:20
J2=imfilter(J,h);
subplot(1,3,3)
imshow(J2);
title(' 20 Averaging Filtering');
end
图椒盐噪声污染图像经10次、20次均值滤波图像
由图可得,20次滤波后的效果明显好于10次滤波,但模糊程度也更强。

5)对加入椒盐噪声的图像分别采用均值滤波法,和中值滤波法对有噪声的图像做处
理,要求在同一窗口中显示结果
I=imread('');
J = imnoise(I,'salt & pepper',;
subplot(1,3,1)
imshow(J);
title(' Original Image ');
h=fspecial('average'); %Averaging Filtering
J1=imfilter(J,h);
subplot(1,3,2)
imshow(J1);
title(' Averaging Filtering ');
J2=medfilt2(J); %Median Filtering
subplot(1,3,3)
imshow(J2);
title(' Median Filtering ');
图椒盐噪声污染图像及均值、中值滤波图像
从图中可以看出,对于椒盐噪声污染的图像处理,中值滤波效果要明显好于均值滤波。

经均值滤波器处理后的图像比均值滤波器中结果图像更加模糊。

6)设计平滑空间滤波器,并将其对噪声图像进行处理,显示处理后的图像。

domain=[0 0 8 0 0;
0 0 8 0 0;
8 8 8 8 8;
0 0 8 0 0;
0 0 8 0 0];
I=imread('');
J = imnoise(I,'salt & pepper',;
subplot(1,2,1)
imshow(J);
title(' Original Image ');
K1= ordfilt2(J,5, domain);
subplot(1,2,2)
imshow(K1);
title(' 5*5 Smoothing Fitered Image');
图椒盐噪声污染图像及5*5平滑滤波器掩模
掩模值为w=1/25*[1 1 1 1 1;1 1 1 1 1;1 1 1 1 1;1 1 1 1 1;1 1 1 1 1]
图椒盐噪声污染图像及5*5平滑滤波器掩模
掩模值为w= [0 0 8 0 0;0 0 8 0 0;8 8 8 8 8; 0 0 8 0 0;0 0 8 0 0]。

相关主题