华工数学实验一作业6一图像畸变校正.docx

《数学实验》报告学 院：电子与信息学院专业班级：通信工程4班学 号：201130301443姓 名：李腾辉实验名称：图像畸变校正实验日期：2013.05.17第六次实验第一题实验内容任意选取一幅颜色畸变的图像，按照本实验的算法做出校正，对校正效果进行分析。2.实验过程笔者先选用了一张正常的照片，如下图所示利用Matlab自带的imhist函数显示它的RGB直方图如下:然后笔者用photoshop软件将红色直方图由0-255压缩至0-120，结果如下图:对比原图，不难发现图片已经偏色得厉害了。然后再利用Matlab算法进行修正，dealcolor( path, RGB, middle )，RGB填1(选择修正红色),修正系数middle填120，运行程序结果如下图修正后的RGB直方图对比原图RGB直方图基本修正得与原图差不多了，可见此法还是对于压缩型偏色修正是可行的，但在试验中笔者也发现了，如果不是把红色直方图进行水平方向的压缩，而是直接截去一段，该算法恢复出来的效果则不令人满意。（如下图所示）此算法还是相对来说比较简单，无法根据图像的特征进行修正，与现在主流的图像处理软件相比，还有很多提升空间。源代码：直方图代码：颜色修正代码：第二题1.实验内容任意选取一幅图像模糊的图像，按照本实验的算法做出校正，对校正效果进行分析。2.实验过程原图如下:经过高斯模糊之后Matlab处理之后（整张图片使用模板1）使用方法1pic_tem=5*b(y,x,j)-(b(y,x-1,j)+b(y+1,x,j)+b(y-1,x,j)+b(y,x+1,j));进行处理，图像清晰度已有所改观，但也发现，图像边缘出现比较明显的噪点，图像的品质下降了。Matlab处理之后（整张图片使用模板2）使用方法2pic_tem=9*b(y,x,j)-(b(y-1,x-1,j)+b(y-1,x,j)+b(y-1,x+1,j)+b(y,x-1,j)+b(y+1,x+1,j)+b(y+1,x-1,j)+b(y+1,x,j)+b(y+1,x+1,j));锐化效果更加明显了，但是图像的噪点比方法1更多，图像边缘出现明显的颗粒感，总体质量偏低。可见，在处理模糊图像上要综合考虑图像光滑度与模糊度，以选择出合适的算法来处理得到自己满意的图像效果。源程序：笔者还尝试使用了局部锐化的算法对相片人物的面部进行处理Matlab处理之后（局部图片使用模板1）运行命令jubumohu(mohu.jpg,0,100,100,350,350)使用局部处理算法使图片人物的脸部变清晰Matlab处理之后（局部图片使用模板2）运行命令jubumohu(mohu.jpg,2,100,100,350,350)使用局部处理算法使图片人物的脸部变清晰源代码：第三题1.实验内容提出图像校正的其他方法，并与本实验的算法做比较分析。2.实验过程下面是笔者实践过的一些图像处理算法和效果图。如果想让图片呈现一种朦胧的美感，可以对图片进行平滑处理。1.图像平滑最简单的平滑滤波是将原图中一个像素的灰度值和它周围邻近8个像素的灰度值相加，然后将求得的平均值（除以9）作为新图中该像素的灰度值。它采用模板计算的思想，模板操作实现了一种邻域运算，即某个像素点的结果不仅与本像素灰度有关，而且与其邻域点的像素值有关。模板运算在数学中的描述就是卷积运算，这里不再赘述。邻域平均法也可以用数学公式表达：设为给定的含有噪声的图像，经过邻域平均处理后的图像为，则:, （3-1）所取邻域中各邻近像素的坐标，是邻域中包含的邻近像素的个数。邻域平均法的模板为：，中间的黑点表示以该像素为中心元素，即该像素是要进行处理的像素。在实际应用中，也可以根据不同的需要选择使用不同的模板尺寸，如3×3、5×5、7×7、9×9等。邻域平均处理方法是以图像模糊为代价来减小噪声的，且模板尺寸越大，噪声减小的效果越显著。如果是噪声点，其邻近像素灰度与之相差很大，采用邻域平均法就是用邻近像素的平均值来代替它，这样能明显消弱噪声点，使邻域中灰度接近均匀，起到平滑灰度的作用。因此，邻域平均法具有良好的噪声平滑效果，是最简单的一种平滑方法。算法实现程序中采用的是3×3的模板，即把当前图像和它周围8个像素的灰度值相加，然后将求得的平均值（除以9）作为该点的像素值。[A,map]=imread(f:\234.bmp); figure(1);imshow(A,map),title(原图);image=double(A);for i=1:256, a(i)=0;end,for i=2:255, for j=2:255,b=image(i-1,j-1)+image(i-1,j)+image(i-1,j+1)+image(