实验结果.docVIP

DCT 100*100 32*32 DWT 32*32 32*32 64*64 64*64(加入噪声后提取的水印图像效果) 加噪后，回复图像运行效果 实验一：均值滤波对高斯噪声的效果 PS：filter2用法 fspecial函数用于创建预定义的滤波算子，其语法格式为：h = fspecial(type)h = fspecial(type,parameters)参数type制定算子类型，parameters指定相应的参数，具体格式为：type=average，为均值滤波，参数为n，代表模版尺寸，用向量表示，默认值为[3,3]。type= gaussian，为高斯低通滤波器，参数有两个，n表示模版尺寸，默认值为[3,3]，sigma表示滤波器的标准差，单位为像素，默认值为 0.5。type= laplacian，为拉普拉斯算子，参数为alpha，用于控制拉普拉斯算子的形状，取值范围为[0,1]，默认值为0.2。type= log，为拉普拉斯高斯算子，参数有两个，n表示模版尺寸，默认值为[3,3]，sigma为滤波器的标准差，单位为像素，默认值为0.5type= prewitt，为prewitt算子，用于边缘增强，无参数。type= sobel，为著名的sobel算子，用于边缘提取，无参数。type= unsharp，为对比度增强滤波器，参数alpha用于控制滤波器的形状，范围为[0,1]，默认值为0.2。 据我目测，使用均值滤波去噪（高斯噪声）效果选用的邻域半径越大效果越好，当然其代价也会更大，另外确切的去噪效果的好坏还需要用SNR等数据来度量。 实验二：二维自适应维纳滤波对高斯噪声的滤除效果 PS：维纳滤波的两个函数wiener2与deconvwnr都能够完成维纳滤波的功能， deconvwnr强调图象复原方面，wiener2强调图象空间域锐化的作用，其中J=wiener2(I,[m,n])返回有噪声图像I经过wierner(维纳)滤波后的图像，[m,n]指定滤波器窗口大小为m*n,默认值为3*3，J=wiener2(I,[m,n],noise)指定噪声的功率，[J,noise]=wiener2(I,[m,n])在图像滤波的同时，返回噪声功率的估计值noise。 imnoise的语法格式为J = imnoise(I,type)J = imnoise(I,type,parameters)其中J = imnoise(I,type)返回对原始图像I添加典型噪声的有噪图像J。参数type和parameters用于确定噪声的类型和相应的参数。下面的命令是对图像分别加入高斯噪声、椒盐噪声和乘性噪声，其结果如图所示： PS：MATLAB中提供了卷积运算的函数命令conv2，其语法格式为：　　C = conv2(A,B)C = conv2(A,B)返回矩阵A和B的二维卷积C。若A为ma×na的矩阵，B为mb×nb的矩阵，则C的大小为(ma+mb+1)×(na+nb+1)。 MATLAB图像处理工具箱提供了基于卷积的图象滤波函数filter2，filter2的语法格式为：Y = filter2(h,X)其中Y = filter2(h,X)返回图像X经算子h滤波后的结果，默认返回图像Y与输入图像X大小相同。例如：其实filter2和conv2是等价的。MATLAB在计算filter2时先将卷积核旋转180度，再调用conv2函数进行计算。Fspecial函数用于创建预定义的滤波算子，其语法格式为：h = fspecial(type)h = fspecial(type,parameters)参数type制定算子类型，parameters指定相应的参数，具体格式为前文已有叙述。 ones产生全1数组，zeros产生全零数组。ones(a,b)产生a行b列全1数组ones(a)产生a行a列全1叔祖 运行效果见图： 通过图3我 们也可得出结论，即中值滤波对于去除椒盐噪声效果最好，而维纳滤波去除效果则较差。中值滤波对于去除椒盐噪声效果明显，是因为椒盐噪声只在画面上的部分点 随机出现，而中值滤波根据数据排序，将未被污染的点代替噪声点的值的概率较大，所以抑制效果好。对点、线和尖顶较多的图像不宜采用中值滤波，因为一些细节 点可能被当成噪声点。 实验四: 分别使用二维统计滤波对椒盐噪声和高斯噪声进行滤波 PS：MATLAB小波分析工具箱提供的用于图像去噪的函数有wrcoef2和wpdencmp，其语法格式分别为：X=wrcoef2(‘type’,C,S,’wname’) [xd,treed,datad,perf0,perfl2]=wpdencmp(x,sorh,N,’wname’,crit,par,keepapp