数字图像处理02次作业.docVIP

数字图像处理 报标题摘要N× N的滤波器A平滑处理一个W× W的图像时，所考虑的算法复杂度；O(wN^2)次操作和O(N^2)次操作的算法实现 (2)当用一个大小为3 × 3的滤波器平滑处理一个图像时，我们有滤波器Bx、By、Cx和掩膜A，然后证明在一定有条件下它们所过滤后的图像是相同的 (3) 对给定的几幅图片统一用3^3的窗口的滤波器进行平滑滤波处理和中值滤波处理 (4) 给图像“Lena”“Livingroom”加上不同密度d的零均值椒盐噪声，然后再用用w=3的滤波器进行滤波器进行平滑滤波处理和中值滤波处理，并计算MSE及var函数 (5) 给图像“Lena”“Livingroom”加上不同方差var的零均值高斯噪声，然后再用用w=3的滤波器进行滤波器进行平滑滤波处理和中值滤波处理，并计算MSE及噪声密度d KEY WORD : 平滑滤波 中值滤波 N× N的滤波器 加噪声 技术探讨 数字图像处理是基于Matlab来实现的，由于Matlab 独特的功能和对矩阵，图像，函数灵活的处理，因而用于图像的处理相当的方便。 空间滤波处理就是在待处理图像中逐点移动掩模，在每一点（x,y）处，滤波器在该店的响应R为： 图1 空间滤波机理。放大部分为一3x3掩膜和其覆盖的部分图像 一般来说，在M*N的图像f上，用m*n的滤波器进行线性滤波公式为： W为掩膜系数 平滑滤波器 低通空间滤波器 低通滤波器中常见的均化模板是将模板中所有灰度值相加后求其平均权，然后将平均值写入模板中间所对应的像素。又因为一次只处理一个像素的值，旁边的像素在下一次的模板移动后再做处理，因此又称为移动平均滤波器。 常用的空间模板它是根据掩膜线性滤波响应R的算法即 得出的用k1、k2、k3分别替代的矩阵的三行，然后相加除以9即可 k1=i(m-1,n-1)+i(m,n-1)+i(m+1,n-1); k2=i(m-1,n)+ i(m,n)+ i(m+1,n); k3=i(m-1,n+1)+i(m,n+1)+i(m+1,n+1); i(m,n)=(k1+k2+k3)/9; 可以用是由3x3共9个1/9的系数所组成的矩阵代替 1/9 1/9 1/9 1/9 1/9 1/9 1/9 1/9 1/9 也可以提高模板中间的加权值 1/10 1/10 1/10 1/10 2/10 1/10 1/10 1/10 1/10 或是提高模板中间与四邻接点的加权值 1/16 1/8 1/16 1/8 1/4 1/8 1/16 1/8 1/16 以上模板加权总和为一，以免空间卷积运算后图像过亮或过暗 中值滤波 模板的排序运算是一种非线性的滤波方式，首先对在模板里所有像素的灰度大小做排序，接着选取排序在中间的灰度值，再将此值带入所对应的像素中，如此便完成一个像素的滤波操作，此法不但可以滤掉图像中突起的高噪声部分，对应图像边缘，也能给与适当的保持 图像清晰度上，中值滤波比低通滤波效果要好；因其低通滤波是一种平均的方法，边缘效果被破坏，所以图像变模糊；而中值滤波则是一种排序的方法，其图像边缘保持的效果好。噪声处理上，中值滤波处理后噪声几乎看不到，而低通滤波图像中噪声还是存在，只是较模糊不明显而已 对于3x3的模板来说，最简单的是将所有的系数都取值为1为保证输出图像仍在原来的灰度范围内，在计算出之后再除以9给新点赋值，这种方法又叫邻域平均 Task1 图像增强的方法有两大类：空间域方法和频域方法。“空间域” 是指图像平面自身，这类方法是对图像像素的直接处理为基础的。“频域”处理技术是以修改图像的傅里叶变换为基础。在这次作业中主要是基于空间域的方法对图像的增强 针对滤波器的算法，可以改变滤波器的矩阵结构或者引入现有算法直接对图像操作，从而降低复杂度 Task2 假设在一幅图像中选取一部分灰度矩阵，我们可以随机取一个3*3的灰度矩阵，设该矩阵为I=[A B C; D E F ; G H I]。用所给的滤波器Bx、By、Cx和掩膜A模拟进行滤波处理，即将假设的矩阵I与所给滤波器相乘，只要所得结果相同，即可证明 Task3 对题目的三个矩阵先将灰度值转换到0~1之间，即将其除以255 I1=[10 20 10 10 90;20 10 10 90 80;10 10 90 80 90;10 90 80 90 80;90 80 90 80 90]/255; I2=[20 10 20 10 20;10 70 80 20 10;20 85 90 30 20;20 15 20 25 15;20 15 20 20 10]/255; I3=[10 10 10 10