北科大数字图像处理实验报告.docx

北京科技大学 计算机与通信工程学院

实 验 报 告

实验名称： 《数字图像处理》课程实验

学生姓名： 徐松松

专 业： 计算机科学与技术

班 级： 计1304

学 号： 41345053

指导教师： 王志明

实验成绩：

实验时间： 2016 年 12 月 15 日

一、实验目的与实验要求
1、实验目的
1. 熟悉图像高斯、脉冲等噪声的特点,以及其对图像的影响;
2. 理解图像去噪算法原理, 并能编程实现基本的图像去噪算法, 达到改善图像质量的效果, 并能对算法性能进行简单的评价。
3. 理解图像分割算法的原理，并能编程实现基本的灰度图像分割算法，并显示图像分割结果。
2、实验要求
1. 对于给定的两幅噪声图像(test1.jpg, test2.jpg), 设计或选择至少两种图像滤波算法对图像进行去噪。
2. 利用给出的参考图像(org1.jpg, org2.jpg), 对不同算法进行性能分析比较。
3. 对于给定的两幅数字图像（test.jpg,test4.jpg），将其转换为灰度图像，设计或
选择至少两种图像分割算法对图像进行分割，用适当的方式显示分割结果，并对不同算法进行性能分析比较。
二、实验设备（环境）及要求
1. Mac／Windows计算机
2. Matlab编程环境。
三、实验内容与步骤
1、实验1
（1）实验内容
1. 对于给定的两幅噪声图像(test1.jpg, test2.jpg), 设计或选择至少两种图像滤波算法对图像进行去噪。
2. 利用给出的参考图像(org1.jpg, org2.jpg), 对不同算法进行性能分析比较。
（2）主要步骤
1. 打开 Matlab 编程环境;
2. 利用’imread’函数读入包含噪声的原始图像数据;
3. 利用’imshow’函数显示所读入的图像数据;
结果显示：

4. 编码实现图像滤波算法,对原始噪声图像进行滤波处理;
分别用均值滤波，中值滤波和维纳滤波如下：
代码：
J=imread('test1.jpg');
%h=ones(4,4)/16;%产生4*4的全1数组
%B=conv2(J,h);%卷积运算
K2=filter2(fspecial('average',4),J)/255; %均值滤波模版尺寸为4
K= medfilt2(J);%采用二维中值滤波函数进行滤波
K1=wiener2(J,[4 4]); %对噪声图像进行二维自适应维纳滤波
subplot(2,2,1);imshow(J);
title('加噪图像');
subplot(2,2,2);imshow(K2);
title('均值滤波后的图像');
subplot(2,2,3);imshow(K);
title('中值滤波后的图像');
subplot(2,2,4);imshow(K1);
title('维纳滤波后的图像');
imwrite(K2,'均值滤波图像.jpg','quality',100);
imwrite(K,'中值滤波图像.jpg','quality',100);
imwrite(K1,'维纳滤波图像.jpg','quality',100);
处理结果如下：

细节如下：

原始图像 均值滤波

中值滤波 维纳滤波：
对图像二的处理结果：

原始图像 均值滤波

中值滤波 维纳滤波
5. 计算滤波后图像与原图的差异(如 PSNR、MSE 等);
J=imread('test1.jpg');
J2=imread('org1.jpg');
%h=ones(4,4)/16;
%B=conv2(J,h);
K2=filter2(fspecial('average',4),J)/255; %均值滤波
K= medfilt2(J);% 采用二维中值滤波函数进行滤波
%计算均值滤波后图像对比对照图像的PMSE和PSNR
diff1=(double(J2)-(K2)).^2;
mse1=mean(diff1(:));
psnr1=double(10*log10(255^2/mse1));
%计算中值滤波后图像对比对照图像的PMSE和PSNR
M=double(K);
diff2=(double(J2)-(M)).^2;
mse2=mean(diff2(:));
psnr2=double(10*log10(255^2/mse2));
结果：
对于test1.jpg

均值滤波：MSE＝1.6391e＋04，PSNR=5.9848
中值滤波：MSE＝251.4171，PSNR=24.1269
对于test2.jpg

均值滤波：MSE＝1.7382e＋04，PSNR=5.7550
中值滤波：MSE＝31.1728，PSNR=33.1931
实验2
（1）实验内容
对图像进行分割并显示。
（2）主要步骤
1. 打开Matlab编程环境。
2. 利用‘imread’函数读入包含噪声的原始图像数据。
>> I=imread('test3.jpg')；
3. 利用‘imshow’函数显示所读入的图像数据。
>> imshow(I);

4. 利用’rgb2gray’函数将彩色图像转换为灰度图像;
>> d=rgb2gray(I);

结果为：

5. 编码实现图像分割, 对原始图像进行区域分割, 并得到各个区域的标号;
1. 利用双分法
先给出原图的直方图，再定出阈值(门限)T，一般取两个峰值间的谷值。
代码：
I=imread('test3.jpg');
subplot(1,2,1);
i=rgb2gray(I);
imhist(i);
title('原始图像直方图');
thread=75/255;
subplot(1,2,2);
i3=im2bw(i,thread);
imshow(i3);
title('分隔结果');
从直方图看出两个峰值的谷值大概为75，取作阀值。
分隔结果：

图片二处理：
代码：
I=imread('test4.jpg');
subplot(1,2,1);
i=rgb2gray(I);
imhist(i);
title('原始图像直方图');
thread=50/255;
subplot(1,2,2);
i3=im2bw(i,thread);
imshow(i3);
title('分隔结果');
阀值定为50，处理结果如下：

分隔方法二：分水岭分隔法
基本思想：
1． 把图像看作一个三维拓扑地形图
2． 集水盆：局部极小点及其影响区域
3． 分水岭：集水盆的边界
4． 目标：在图像中找出不同的集水盆和分水岭
代码：
F=imread('test3.jpg');
f=rgb2gray(F);
subplot(2,2,1);
imshow(f);
title('原始灰度图像');
f=double(f);
hv=fspecial('prewitt');
hh=hv.';
gv=abs(imfilter(f,hv,'replicate'));
gh=abs(imfilter(f,hh,'replicate'));
g=sqrt(gv.^2+gh.^2);
L=watershed(g);
wr=L==0;
subplot(2,2,2);
imshow(wr);
title('分水岭');
f(wr)=225;
subplot(2,2,3);
imshow(uint8(f));
title('分隔结果');
rm=imregionalmin(g);
subplot(2,2,4);
imshow(rm);
title('局部极小值');
结果：

四：实验结果与分析
结果符合预期，分隔图像用双分法结果较好。
对于测试图片用中值滤波处理效果较好。
五：结论（讨论）
1、实验结论
了解了数字图像的基本处理方法，掌握了几种分隔图像方法和去噪滤波方法。
2、讨论
对不同的图像需要判断用哪种处理方法为好。

六、教师评审
教师评语
实验成绩

签名：
日期：