数字图象处理第五章.ppt

close all;clear all; I = zeros(100,100);%要求正方形图像 I(25:75, 25:75) = 1; figure;mesh(I);%亮度归一化图像 theta = 0:179; % 0:18:179; [R,xp] = radon(I,theta);%0度时每像素一根射线。最多应为m*m+n*n的开方 figure;plot(xp,R);grid on; figure;mesh(R); figure;imshow(R,[]); xlabel(\theta (degrees));ylabel(x); img=iradon(R,theta); figure;subplot(1,2,1);imshow(I);xlabel(img); subplot(1,2,2);imshow(img);xlabel(re-img); 投影数据还原图像示例 图像为亮度归一化图像投影数据为射线方向像素的叠加 close all;clear all; P=phantom(256); %用phantom函数产生Sheep-Logan的大脑图，n为图像p中的行列数，默认为256 imshow(P) title(原始图像) %以下为三种不同角度的投影模式 theta1=0:10:170;[R1,xp]=radon(P,theta1); %存在18个角度投影 theta2=0:5:175;[R2,xp]=radon(P,theta2); %存在36个角度投影 theta3=0:2:178;[R3,xp]=radon(P,theta3); %存在90个角度投影 figure,mesh(R3); figure,imagesc(theta3,xp,R3);colormap(hot);colorbar; %显示图像Sheep-Logan的radon变换 title(经radon变换后的图像) xlabel(\theta);ylabel(x\prime); %定义坐标轴 %用三种情况的逆radon变换来重建图像 I1=iradon(R1,10); I2=iradon(R2,5); I3=iradon(R3,2); figure,imshow(I1) title(角度增值为10时的iradon变换图像) figure,imshow(I2) title(角度增值为5时的iradon变换图像) figure,imshow(I3) title(角度增值为2时的iradon变换图像) 函数radon和函数iradon的调用格式： [R,xp]=radon(I,theta) 计算图像I在theta向量所指定的方向上的radon变换，I表示待处理的图像，theta表示radon变换的方向角度，可以是标量或向量值，返回值R的每一列对应图像I在theta某一角度的radon变换值，xp向量表示沿着x轴对应的坐标值。 IR=iradon(R,theta) 利用R各列中投影值来构造图像I的近似值。投影数越多，获得的图像越接近原始图像，角度theta必须是固定增量的均匀向量。 用拉格朗日法求解 设Rf和Rn为f和n的自相关矩阵，根据前述分析结果： 若QTQ用Rf－1Rn来代替，有： 拉格朗日系数 当D为对角阵，分块循环矩阵为 因此： 写成标量形式为： 统计量的得到是非常困难的一件事。 其中Rf(u,v), Rn(u,v)分别是f(x,y)和n(x,y)的功率谱。 在实际应用中，当噪声情况未知时 关于图像信噪比的求法： 第一步：将原图像f归一化到0-1，求归一化图像的各个像素点的平方和作为信噪比中的信号量。 第二步： 对归一化的原图像加噪——结果为归一化加噪图像g第三步：用归一化原图像f减去加噪图像g，并求结果图像各个像素点的平方和作为信噪比中的噪声量第四步：求出信噪比 注意：与峰值信噪 比不同 close all;clear all; img=imread(gg.jpg); img_gray=rgb2gray(img); figure;imshow(img_gray); [m,n]=size(img_gray); psf = fspecial(average,25); Blurred = imfilter(img_gray,psf,circular,conv); figure; imshow(Blurred); title(Blurred Image); F=im2double(img_gray);S=sum(F(:).^2); %估算信噪比 G=F-im2double(Blurred);N=sum(G(:).^2); SNR = 10*log10(S/N);parameter_s=0.001;%参数