数字图像处理实验二_图像的噪声抑制及锐化处理.docVIP

数字图像处理实验报告 （二） 班级：测控1002 姓名：刘宇 学号 实验二 图像的噪声抑制及锐化处理 1. 实验任务 （1）了解并掌握图像的噪声抑制及锐化处理的基本原理； （2）编写程序使用均值滤波、中值滤波方法进行图像噪声抑制，根据实验结果分析效果； （3）编写程序使用一阶微分锐化、二阶微分锐化方法进行图像的锐化处理，根据实验结果分析效果； （4）总结实验过程（实验报告，左侧装订）：方案、编程、调试、结果、分析、结论。 2. 实验环境及开发工具 Windws2000/XP MATLAB 7.x 实验原理 线性平滑滤波器 线性低通平滑滤波器也称为均值滤波器，这种滤波器的所有系数都是正数，对3×3 的模板来说，最简单的是取所有系数为1，为了保持输出图像任然在原来图像的灰度值范围 内，模板与象素邻域的乘积都要除以9。 MATLAB 提供了fspecial 函数生成滤波时所用的模板，并提供filter2 函数用指定的滤 波器模板对图像进行运算。函数fspecial 的语法格式为： h=fspecial(type); h=fspecial(type,parameters); 其中参数type 指定滤波器的种类，parameters 是与滤波器种类有关的具体参数。 MATLAB 提供了一个函数imnoise 来给图像增添噪声，其语法格式为： J=imnoise(I,type); J=imnoise(I,type,parameters); 非线性平滑滤波器 中值滤波器是一种常用的非线性平滑滤波器，其滤波原理与均值滤波器方法类似，但计 算的非加权求和，而是把领域中的图像的象素按灰度级进行排序，然后选择改组的中间值作为输出象素值。 MATLAB 提供了medfilt2 函数来实现中值滤波，其语法格式为： B=medfilt2(A,[m n]); B=medfilt2(A); 其中，A 是原图象，B 是中值滤波后输出的图像。[m n]指定滤波模板的大小，默认模 板为3×3。 锐化滤波器 图像平滑往往使图像中的边界、轮廓变得模糊，为了减少这类不利效果的影响，需要利 用图像锐化技术，使图像的边缘变得清晰。 线性锐化滤波器 线性高通滤波器是最常用的线性锐化滤波器。这种滤波器的中心系数都是正的，而周围 的系数都是负的，所有的系数之和为0。 对3×3 的模板来说，典型的系数取值为： [-1 -1 -1; -1 8 -1; -1 -1 -1] 事实上这是拉普拉斯算子。语句h=-fspecial(‘laplacian’,0.5)得到的拉普拉斯算子为：h =-0.3333 -0.3333 -0.3333 -0.3333 2.6667 -0.3333 -0.3333 -0.3333 -0.3333 非线性锐化滤波 邻域平均可以模糊图像，因为平均对应积分，所以利用微分可以锐化图像。图像处理中最常用的微分方法是利用梯度。常用的空域非线性锐化滤波微分算子有sobel 算子、prewitt 算子、log 算子等。 3. 实验内容 对256级灰度的数字图像camera.bmp（如图2.1所示）和car.bmp（如图2.2所示）进行如下处理： （1）对图像camera.bmp叠加高斯、椒盐噪声，利用均值滤波、中值滤波方法对图像进行噪声抑制，显示处理前、后图像： （2）对图像car.bmp分别使用一阶微分锐化、二阶微分锐化方法进行图像的锐化处理，显示处理前、后图像； 思考不同的噪声抑制方法以及锐化方法对图片处理的效果。 4.实验分析 叠加高斯噪声之后的图像 叠加椒盐噪声之后的图像 叠加高斯噪声之后的图像 叠加高斯噪声的图像使用均值滤波器处理 原图进行sobel锐化 5. 实验结论 均值滤波器将噪声平均地分布在整幅图像之上，降低了图像的清晰度。图像锐化的目的是加强图像中景物的细节边缘和轮廓。锐化的作用是使灰度反差增强。因为边缘和轮廓都位于灰度突变的地方。所以锐化算法的实现是基于微分作用。 图2.2 实验图像car.bmp 图2.1 实验图像camera.bmp