15电子ZZB-57-周德付-3摘要.docVIP

数字图像处理(Digital Image Process) 课程实验报告 姓名 学号 专业 报告正文 实验目的（不少于150字，不要将实验题目作为实验目的） 程序和运行截图（此部分不可缺少，截图方法：Matlab图片窗口中先按下Edit菜单下的Copy Figure项，然后再粘贴进文档） 本次实验用到的M函数有以下两个 1：计算灰度图像信噪比的M函数snr_gray.m function snr=SNR(I,In) % 计算灰度图像信号噪声比函数 % I :原始图像 % In:基准图像 % snr=10*log10(sigma2(I2)/sigma2(I2-I1)) Ps=sum(sum((I-mean(mean(I))).^2)); %原始信号 Pn=sum(sum((I-In).^2)); %噪声信号 snr=10*log10(Ps/Pn); 2:计算彩色图像信噪比的M函数snr_color.m function snr=SNR(I,In) % 计算彩色信号噪声比函数 % I :原始图像 % In:基准图像 % snr=10*log10(sigma2(I2)/sigma2(I2-I1)) snr=0; for i=1:3 Ps=sum(sum((I(:,:,i)-mean(mean(I(:,:,i)))).^2)); %原始信号 Pn=sum(sum((I(:,:,i)-In(:,:,i)).^2)); %带噪声信号 snr=snr+10*log10(Ps/Pn); end snr=snr/3; end 以下代码都是以脚本文件写出 一：对cameraman.tif进行处理 1:添加高斯噪声及其处理（GSZS.M） A=imread(cameraman.tif); %读入名为cameraman的图像 A=im2double(A); %将图像从uint8转为double型 figure,imshow(A); %显示原始图像 title(原始图像); %添加标题 g=imnoise(A,gaussian,0.01,0.01); %添加高斯噪声，方差和均值都为0.01 figure,imshow(g); %显示加了高斯噪声之后的图像 title(高斯噪声图像); %添加标题 S1=snr_gray(A,g); %使用自编snr_gray函数计算灰度原始 %图像和加了高斯噪声的图像的信噪比 h=medfilt2(g); %进行中值滤波 figure,imshow(h); %显示中值滤波之后的图像 title(中值滤波图像); %添加标题 S2=snr_gray(A,h); %使用自编snr_gray函数计算灰度原始 %图像和中值滤波后的图像的信噪比 S3=snr_gray(g,h); %使用自编snr_gray函数计算加了高斯噪声 %的图像和中值滤波后的图像的信噪比 k=ones(3)/9; %使用全一矩阵构造平滑模板 j=imfilter(g,k); %通过imfilter（）函数进行平滑模板滤波 figure,imshow(j); %显示图像 title(平滑模板滤波图像); %添加标题 S4=snr_gray(A,j); %使用自编snr_gray函数计算灰度原始 %图像和平滑模板滤波后的图像的信噪比 S5=snr_gray(g,j); %使用自编snr_gray函数计算加了高斯噪声 %的图像和平滑模板滤波后的图像的信噪比 S1:原图对加噪声后 S2：原图对中值滤波后 S3：加噪声对中值滤波后 S4：原图对平滑模板滤波后 S5:加噪声对平滑模板滤波后 对于带高斯噪声图像来说，从处理前后的效果看，高斯噪声是被消去了很多，但是处理后的图像相对于处理前的加噪声图像会变得模糊一些，模糊的程度平滑模板这个例子中模糊的稍多。从处理前后的信噪比看，处理后的信噪比比处理前的信噪比整整提高了将近4个分贝，两种处理办法处理的信噪比相近。 2：添加盐椒噪声及其处理（YJZS.m） A=imread(cameraman.tif); %读入名为cameraman的图像 A=im2double(A); %将图像从uint8转为double型