湖南大学-脑与认知科学概论-实验2实验报告课件.docVIP

实验卡和实验报告 信息科学与工程学院 课程名称 脑与认知科学概论 实验课时 4 实验项目 名称 和编号 实验 2 图像去噪实验 CS0502502 同组者 姓 名 实验目的 1．通过实验掌握图像去噪的基本方法； 2．学会根据情况选用不同方法。 硬件：联想 Y50 计算机 实验环境 软件： WINDOWS7操作系统 应用软件： MATLAB2014A 1．实验内容 请在如下面方法中选择多个，完成图像去噪操作，并进行分析、比较。 （1）对静态场景的多幅图片取平均； （2）空间域模板卷积（不同模板、不同尺寸） ； （3）频域低通滤波器（不同滤波器模型、不同截止频率） ； （4）中值滤波方法。 2．实验要求 （1）图片可根据需要选取； （2）对不同方法和同一方法的不同参数的实验结果进行分析和比较，如空间域卷积 模板可有高斯型模板、矩形模板、三角形模板和自己根据需求设计的模板等；模板大 实验内容 小可以是 3× 3，5× 5，7× 7 或更大。频域滤波可采用矩形或巴特沃斯等低通滤波器 和原理 模型，截止频率也是可选的。 （3）分析比较不同方法的结果。 3 实验原理： （一）对静态场景的多幅图片取平均： 考虑待处理的同一幅图的不同样本较多，如本题中，给出了一幅图的 8 种不同噪音样 本，我们选取取平均的做法，直接将灰度值转化为浮点数取平均，即可得到需要的去 噪结果。 （二）空间域模板卷积（不同模板、不同尺寸） ： 考虑三种模板处理方式：邻域模板、高斯模板、及加权模板 先看模板的使用方法： 实验卡和实验报告 信息科学与工程学院 fspecial 函数用于创建预定义的滤波算子，其语法格式为： h = fspecial(type) h = fspecial(type,parameters) 参数 type 制定算子类型， parameters指定相应的参数，具体格式为： type=average，为均值滤波，参数为 n，代表模版尺寸，用向量表示，默认值为 [3,3] 。 type= gaussian，为高斯低通滤波器，参数有两个， n 表示模版尺寸，默认值为 [3,3] ， sigma 表示滤波器的标准差，单位为像素，默认值为 0.5。 type= laplacian ，为拉普拉斯算子，参数为 alpha，用于控制拉普拉斯算子的形状，取 值范围为 [0,1] ，默认值为 0.2。 type= log ，为拉普拉斯高斯算子， 参数有两个， n 表示模版尺寸， 默认值为 [3,3] ，sigma 为滤波器的标准差，单位为像素，默认值为 0.5 type= prewitt ，为 prewitt 算子，用于边缘增强，无参数。 type= sobel，为著名的 sobel 算子，用于边缘提取，无参数。 type= unsharp，为对比度增强滤波器， 参数 alpha 用于控制滤波器的形状， 范围为 [0,1] ， 默认值为 0.2。 下面考虑三种滤波方式： 邻域模板：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。 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。 高斯模板：高斯滤波是一种线性平滑滤波，适用于消除高斯噪声，广泛应用于图像处 理的减噪过程。通俗的讲，高斯滤波就是对整幅图像进行加权平均的过程，每一个像 素点的值，都由其本身和邻域内的其他像素值经过加权平均后得到。高斯滤波的具体 操作是：用一个模板（或称卷积、掩模）扫描图像中的每一个像素，用模板确定的邻 域内像素的加权平均灰度值去替代模板中心像素点的值。 加权模板：类似于邻域模板滤波，将各部分的加权比进行调整，选择调整后最佳的加 权比进行滤波。 （三）中值滤波 主要调用 b=medfilt2(a,[m,n]); 其中 b 是中值滤波后的图象矩阵， a 是原图矩阵， m和 n 是处理模版大小，默认大小 实验卡和实验报告 信息科学与工程学院 为 3× 3。 （四）频域低通滤波器 （1）对静态场景的多幅图片取平均 (shy2_1.m) 代码： b1=double(imread(I1.jpg))/255;% 读取图片， 将灰度转化为浮点数后除以 255，下 同 b2=double(imread(I2.jpg))/255; b3=doub