华工数学实验作业6图像畸变校正.docxVIP

《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1 pic_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2 pic_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)=