北科大数字图像处理实验报告

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

****：***

专业：计算机科学与技术

班级：计1304

学号：********

****：***

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, test

2.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,test

4.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, test

2.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);