数字图像处理图像增强和恢复.docVIP

数字图像处理实验二 图像增强和恢复 实验目的 掌握用空间滤波进行图像增强或恢复的基本方法。 实验要求 所提供的测试图像（课本例图Fig5.12(b)）中同时含有均值为零的均匀分布噪声和椒盐噪声。 用大小为5×5的算术均值滤波器、几何均值滤波器、几何均值滤波器和Alpha删减滤波器对图像进行处理，在不同窗口中显示原图像及各处理结果图像。 Alpha删减滤波器需要参数d，调整d的大小，找到合适的值。 几何均值滤波器的效果如何？如果很差，找到其中原因，并对几何滤波器理论公式进行调整。 调整滤波器窗口的大小，比较所得结果，找到你认为合适的窗口大小。 比较不同滤波器所得结果的优劣，并说明原因。 理论知识 各滤波器公式如下： 算术均值滤波器 (Arithmetic mean filter) 几何均值滤波器 （Geometric mean filter） 中值滤波器（Median filter） Alpha删减滤波器 （Alpha-trimmed filter） 其中代表中除去最大的d/2个值和最小的d/2个值后剩下的值。 图像边缘处理 处理图像边缘点时模板会超出图像范围，此时有两种解决方法： 不处理图像最边缘的点，只处理模板不会超出图像范围的点。所得结果图的大小小于原图像。 为了输出结果和原图像大小一致，应先将原图像扩展后再进行处理，即生成一个比原图像大一些的矩阵，将原图像置于矩阵的中心位置。扩展方法可选择直接加零或对称扩展。具体扩展大小跟模板大小有关。 测试图像 实验文件夹下的Fig5.12(b).jpg Matlab相关知识 Matlab中I（a,b）代表矩阵I中第a行第b列的像素，I（a1:a2, b1:b2）代表矩阵I中行数从a1到a2, 列数为b1到b2的所有像素 （一个矩形区域）。T ＝I (:) 表示将矩阵I各列相连而成的一个列向量T。Reshape（T）跟原矩阵I相等。 利用matlab的矩阵运算功能可以提高程序效率。 本实验中可能用到的函数有mean，prod，median，sort， 注意这些函数如果以向量为参数，返回结果为一个标量，如果以一个二维矩阵为参数，则返回一个向量，向量中的值为对每一列（或每一行，可用参数设置）作相应计算的结果。利用这些函数的矩阵运算功能可用提高程序效率。例如在求均值滤波器结果时，不需要每次对一个长25的向量作均值计算，而是可以先构造一个行数等于原图像像素个数（假设做边缘扩展），列数为25（5×5模板）的矩阵，用mean函数一次完成对所有行取均值的计算，返回一个长度等于原图像像素个数的向量，再用reshape函数将其恢复成一个跟原图像大小相同的矩阵。这个大矩阵的每一行即为一个领域内的25个像素的值。构造这个大矩阵的时候，第一行对应图像最左上角的邻域，第二行为下移一个像素位置的邻域，直至到达图像底部后，再从下一列上方开始往下，以此类推。 减少matlab中循环的次数可以提高程序效率。 如构造上述的大矩阵时，可以模板中心位置(i,j)为变量进行循环，每循环一次矩阵增加一行。总循环次数为原图像行数乘以列数。另一种方法是每次循环构造矩阵的一列。例如所构造矩阵的第一列为所有邻域的最左上角像素，这些像素在扩展后的图像中所占位置如下图中虚线框所示，只要将虚线框代表的矩阵按行排列成一个列向量，即构成了上述矩阵的第一列。其他列的构造方法以此类推。这种方法所用的总循环次数为25，在matlab中效率较高。 实验评分 当场检查程序内容及结果，程序效率较高的有加分。 实验报告，包括实验目的，算法流程，结果分析等。