光学图像处理【DOC精选】.doc

光学图像实验报告 班级：光信息10-3班 姓名： 学号： 日期：2012年12月11号 实验一　数字图像空间域平滑 一、实验目的 掌握图像空间域平滑的原理和程序设计；观察对图像进行平滑增强的效果。 二、实验设备　 高性能计算机，操作系统为Windows 2000或Windows XP, Matlab程序平台。 三、实验原理 图像平滑处理的目的是改善图像质量和抽出对象特征。 任何一幅未经处理的原始图像，都存在着一定程度的噪声干扰。噪声恶化了图像质量，使图像模糊，甚至淹没特征，给分析带来困难。消除图像噪声的工作称为图像平滑或滤波。针对不同噪声源（如光栅扫描、底片颗粒、机械元件、信道传输等）引起的不同种类噪声（如加性噪声、乘性噪声、量化噪声等），平滑方法也不同。平滑可以在空间域进行，也可以在频率域进行。 局部平均法 局部平滑法是一种直接在空间域上进行平滑处理的技术。假设图像由许多灰度恒定的小块组成，相邻象素间存在很高的空间相关性，而噪声则是统计独立的。因此，可用邻域内各象素的灰度平均值代替该象素原来的灰度值，实现图像的平滑。对图像采用3×3的邻域平均法，其作用相当于用以下模板与图像进行卷积运算。 　　 超限象素平滑法 对邻域平均法稍加改进，可导出超限象素平滑法。其原理是将f(x,y)和邻域平均g(x,y)差的绝对值与选定的阈值进行比较，根据比较结果决定点（x,y）的最后灰度g′(x,y)。其表达式为 二维中值滤波 中值滤波就是用一个奇数点的移动窗口， 将窗口中心点的值用窗口内各点的中值代替。二维中值滤波可由下式表示 常用的窗口有： 四、实验步骤 ⒈实验准备：打开计算机，进入Matlab程序界面。 ⒉输入图像空间域平滑处理程序。 clear; I=Imread(E:\1.jpg); Imshow(I); J1=Imnoise(I,speckle); figure; Imshow(J1); J=double(J1); K=(J(:,:,1)+J(:,:,2)+J(:,:,3))/3^0.5; L=uint8(K); hood=3; J2=medfilt2(K,[hood hood]); L=uint8(J2); figure; Imshow(L); ⒊运行图像处理程序，并保存处理结果图像。 原图象 空间区域平滑后的图像 4输入图像空间域滤波处理程序。 高斯滤波 clear; I=Imread(E:\1.jpg); Imshow(I); J1=Imnoise(I,gaussian); figure; Imshow(J1); J=double(J1); K=(J(:,:,1)+J(:,:,2)+J(:,:,3))/3^0.5; L=uint8(K); myfilt1=[0 1 0;1 1 1;0 1 0]; myfilt=myfilt1/5; J3=filter2(myfilt,L); figure; Imshow(J3); P=uint8(J3); Imshow(P); 椒盐滤波 clear; I=Imread(E:\1.JPG); Imshow(I); J1=Imnoise(I,salt pepper); figure; Imshow(J1); J=double(J1); K=(J(:,:,1)+J(:,:,2)+J(:,:,3))/3^0.5; L=uint8(K); myfilt1=[0 1 0;1 1 1;0 1 0]; myfilt=myfilt1/5; J3=filter2(myfilt,L); figure; Imshow(J3); P=uint8(J3); Imshow(P); 5运行图像处理程序，并保存处理结果图像。 原图象 加噪声后的图像 原图像 高斯滤波后的图像 高斯滤波后的图像