光学图像处理作业——崔铮.docVIP

2010 年 春 季学期研究生课程考核 （实验报告） 考核科目 现 代 光 电 子 技 术 实 验 学生所在院（系） 航天学院21系 学生所在学科 物理电子学 学 生 姓 名 崔铮 学 号 10S021050 学 生 类 别 非委培 考核结果 阅卷人 光学图像数字化处理 实验目的 通过实验教学进一步加深研究生对光学图像产生的基本理论和技术的理解，培养学生的创新意识和创新能力。掌握视景仿真和图像处理软件的操作，奠定研究生实际工作中分析问题和解决问题的能力。 2. 实验设备（软件） 实验仪器设备主要有：计算机、视景仿真软件和Matlab图像处理软件。 3. 实验原理 （1）视景仿真技术 视景仿真技术作为一种新技术,已应用于航空航天、现代制造业、产品展示、医疗、城市规划、工艺模拟、水利等领域, 具有科学直观、可视性强、及时更新、互动性等特点。 景象系统的制作过程图所示Visual C++ 6.0，由Vega界面软件配置仿真场景信息，如环境、窗口、运动方式、通道、视场角等；最后使用编程语言编写视景驱动程序，载入模型，生成实时红外图像。 图1 仿真系统流程 （2）噪声分析 噪声一般简单可划分为加性噪声和乘性噪声，人们研究最早、最广、也最成熟的是加性噪声，加性噪声较乘性噪声易于抑制。散斑（speckle）噪声是一种乘性噪声。相干激光雷达强度像主要受散斑噪声影响，其概率密度函数服从指数分布。 一些重要噪声的概率密度函数（PDF）： 高斯噪声Gaussian noise 瑞利噪声Rayleigh noise 爱尔兰（伽马）噪声Erlang（Gamman ）noise 指数分布噪声exponetial noise 均匀分布噪声uniform noise ⑥脉冲噪声（椒盐噪声）impulse (salt-and-pepper ) noise （3）噪声抑制一般方法 噪声抑制主要有空域处理和频域处理两类。 一般空域滤波直接针对图像分辨率不高的图像。主要有均值滤波、中值滤波、加权均值滤波、多级中值滤波等。其中模板大小和形状的选择对去噪效果有较大影响。 频域滤波主要有通过衰减指定图像傅立叶变换或小波变换等变换中高频成分的范围实现的。典型的利用傅立叶变换的低通滤波器有：理想低通滤波器（ideal lowpass filter）、巴特沃思低通滤波器（Butterworth lowpass filter）和高斯低通滤波器。 （4）图像分割基本思想 图像分割主要根据图像在各个区域的不同特性，对其进行边缘或区域上的分割，从中提取出所关心的目标。图像分割算法必须符合：分割产生的所有区域之和包括了原始图像中的所有像素；分割后的结果互不重叠；分割后的各个区域有其独立的特性；分割后的区域是一个连通集。 图像分割是依据亮度值的两个基本特性：不连续性和相似性。基于亮度的不连续性分割图像，如图像的边缘检测等。依据事先制定的准则将图像分割为相似的区域，如门限处理、区域生长、区域分离和聚合等。 4. 实验步骤 （1）通过视景仿真软件观察视场不同时的红外和可见光图像，获得图像数据。 （2）利用Matlab软件，读取图像数据，并对获得的图像数据进行添加高斯、椒盐、指数分布等噪声实验，观察加入噪声前后的图像及其直方图，观察激光雷达仿真图像的直方图。 （3）采用中值滤波和均值滤波进行图像去噪实验，观察两种方法的去噪效果。 （4）采用Sobel和LOG算子进行边缘检测实验，观察两种方法的边缘检测效果。 （5）应用Matlab软件，进行图像处理，获得除上面（1）-（4）提及算法的处理结果。 5. 实验原始数据、处理结果与分析 (1) 获得原始图像数据 通过视景仿真软件观察可见光和红外图像，各获得一幅图像数据，并将其裁剪成大小为256×256像素1所示。 (a)可见光图像 (b)红外图像 图1 原始图像 (2) 添加噪声实验 分别对两幅图像添加均值为0，方差为0.01的高斯噪声，如图2所示。 (a)可见光图像 (b)红外图像 图2 添加高斯噪声图像 分别对两幅图像添加噪声密度为0.05的椒盐噪声，结果如图3所示。 (a)可见光图像 (b)红外图像 图3 添加椒盐噪声图像 分别观察加入噪声前后的图像及其直方图，如图4所示。 原始图像 加高斯噪声图像 加椒盐噪声图像 (a)可见光图像 原始图像 加高斯噪声图像 加椒盐噪声图像 (b)红外图像 图4 各图像的直方图 分析：图像中含有高斯噪声或椒盐噪声，必然引起图像质量的下降。高斯噪声的均值会对整幅图像的亮度产生影响，如果