实验三常用图像滤波方法
改变图像质量的几种滤波方法比较
1改变图像质量的几种滤波方法比较一、概述滤波是图像处理重要技术之一，是提高图像质量的主要手段。
对输入的图像实现直方图均衡化；设计完成同态滤波器，并用之改善图象质量；对某图像加入不同类型﹑不同强度的噪声（周期﹑椒盐噪声），并分别用空间域和频率域的方法抑制噪声。
二、图像处理过程1.直方图均衡化输入一幅图片，统计原图直方图数组，用一个数组hf 记录hf(i)；i 从0到255，令pa(i)=pa(i-1)+hf(i)，其中hf(i)为灰度值为i 的像素点占总像素点的概率；一个数组F 记录新的索引值，即令F(i,j)= (pa(f(i,j)+1))*255；依次循环每一个像素，取原图的像素值作为数组F 的下标值，取该下标对应的数组值为均衡化之后的像素值。
结果显示原图图像、原图直方图，均衡化后的图像和直方图，并用于对比。
其中图像中灰度级出现的概率近似为：()n n r p kk r =，k=0,1,2,…,L -1。
而变换函数为：00()(),0,1,2,,1k k j k k r j j j n s T r p r k L n ======-∑∑2.巴特沃斯同态滤波器：图像f(x,y)是由光源照度场(入射分量)fi(x,y)和场景中物体反射光(反射分量)的反射场fr(x,y)两部分乘积产生，关系式为： f(x,y)=fi(x,y)*fr(x,y);fi(x,y)的性质取决于照射源，fr(x,y)取决于成像物体的特性。
一般情况下,照度场f i ( x , y) 的变化缓慢,在频谱上其能量集中于低频;而反射场f r ( x , y) 包含了所需要的图像细节信息,它在空间的变化较快,其能量集中于高频. 这样就可以根据照度—反射模型将图像理解为高频分量与低频分量乘积的结果。
由于两个函数乘积的傅立叶变换是不可分的，故不能直接对照度和反射的频率部分分别进行操作。
2因此定义：z(x,y)=lnf(x,y)=lnfi(x,y)+lnfr(x,y)则Z(u,v)=Fi(u,v)+Fr(u,v)这里，Z(u,v)、Fi(u,v)和Fr(u,v)分别是lnf(x,y)、lnfi(x,y)和lnfr(x,y)的傅立叶变换。
实验三_数字图像处理空域滤波
实验三空域滤波一实验目的1了解空域滤波的方法。
2掌握几种模板的基本原理。
二实验条件PC微机一台和MATLAB软件。
三实验内容1使用函数fspecial( ) 生成几种特定的模板。
2使用函数imfilter( ) 配合模板对图象数据进行二维卷积。
3比较各种滤波器的效果。
四实验步骤空域滤波一般分为线性滤波和非线性滤波。
空域滤波器根据功能分为平滑滤波器和锐化滤波器。
1）平滑空间滤波：平滑的目的有两种：一是模糊，即在提取较大的目标前去除太小的细节或将目标内的小间断连接起来；另一种是消除噪声。
线性平滑（低通）滤波器：线性平滑空域滤波器的输出是包含在滤波掩膜邻域内像素的简单平均值。
线性平滑滤波器也称为均值滤波器，这种滤波器的所有系数都是正数，对3*3的模板来说，最简单的是取所有系数为1，为了保持输出图像仍然在原来图像的灰度值范围内，模板与像素邻域的乘积都要除以9。
a用h=fspecial(‘average’) 得到的h 为3×3的邻域平均模板，然后用h来对图象lenna.gif进行平滑处理。
>> x=imread('lenna.gif');h=fspecial('average');y=imfilter(x,h);imshow(x);title('原始图像');subplot(1,2,2);imshow(y);title('均值滤波后图像')实验结果如图：b 把模板大小依次改为7×7，9×9和11×11，观察其效果有什么不同？>>x=imread('lenna.gif');subplot(1,4,1);imshow(x);title('原始图像');h=fspecial('average',7);y=imfilter(x,h);subplot(1,4,2);imshow(y);title('模板大小7*7的图像');h1=fspecial('average',9);y1=imfilter(x,h1);subplot(1,4,3);imshow(y1);title('模板大小9*9的图像');h2=fspecial('average',11);y2=imfilter(x,h2);subplot(1,4,4);title('模板大小11*11的图像')比较效果：造成图像的模糊，n选取的越大，模糊越严重。
基于matlab对图像进行高通、低通、带通滤波
数字图像处理三级项目—高通、低通、带通滤波器摘要在图像处理的过程中,消除图像的噪声干扰是一个非常重要的问题。
利用matlab软件,采用频域滤波的方式,对图像进行低通和高通滤波处理。
低通滤波是要保留图像中的低频分量而除去高频分量，由于图像中的边缘和噪声都对应图像傅里叶频谱中的高频部分，所以低通滤波可以除去或消弱噪声的影响并模糊边缘轮廓；高通滤波是要保留图像中的高频分量而除去低频分量，所以高通滤波可以保留较多的边缘轮廓信息。
低通滤波器有巴特沃斯滤波器和高斯滤波器等等，本次设计使用的低通滤波器为****。
高通滤波器有巴特沃斯滤波器、高斯滤波器、Laplacian高通滤波器以及Unmask高通滤波器等等，本次设计使用巴特沃斯高通滤波器。
1、频域低通滤波器：设计低通滤波器包括 butterworth and Gaussian (选择合适的半径，计算功率谱比),平滑测试图像test1和2。
实验原理分析根据卷积定理，两个空间函数的卷积可以通过计算两个傅立叶变换函数的乘积的逆变换得到，如果f(x, y)和h(x, y)分别代表图像与空间滤波器，F(u, v)和H(u, v)分别为响应的傅立叶变换（H(u, v)又称为传递函数），那么我们可以利用卷积定理来进行频域滤波。
在频域空间，图像的信息表现为不同频率分量的组合。
如果能让某个范围内的分量或某些频率的分量受到抑制，而让其他分量不受影响，就可以改变输出图的频率分布，达到不同的增强目的。
频域空间的增强方法的步骤：（1）将图像从图像空间转换到频域空间；（2）在频域空间对图像进行增强；（3）将增强后的图像再从频域空间转换到图像空间。
低通滤波是要保留图像中的低频分量而除去高频分量。
图像中的边缘和噪声都对应图像傅里叶频谱中的高频部分，所以低通滤波可以除去或消弱噪声的影响并模糊边缘轮廓。
理想低通滤波器具有传递函数：其中D0为制定的非负数，D(u,v)为点(u,v)到滤波器中心的距离。
实验三 空间滤波
实验三空间滤波实验目的通过本次实验，实现以下几个目标：1.理解空间滤波的含义；2.熟悉MATLAB中的各种滤波函数；3.掌握MATLAB中实现空间滤波的方法。
实验内容一、MATLAB实现空间滤波的方法在MATLAB中两种方法来实现空间滤波，一种是使用MATLAB中提供的滤波函数，另一种是直接对数据进行操作。
1、滤波函数filter2J=filter2(myfilt1,noisy)其中，noisy为图像，myfilt1为滤波器，J为滤波后的图像。
通过改变滤波器掩模，可实现平滑滤波和锐化滤波。
例一：b=imread('Fig3.35(a).jpg ');c=[0.111 0.111 0.1110.111 0.112 0.1110.111 0.111 0.111];d= filter2 (c,b);imshow(b,[0,255]);figure(2),imshow(d,[0,255]);上面的例子按步骤实现了：（1）读入实验图像；（2）定义均值滤波器；（3）均值滤波并显示均值滤波后的图像。
2、中值滤波函数medfilt2J=medfilt2(noisy,[hood,hood])其中，noisy为带噪图像，hood为滤波器尺寸，J为滤波后的图像，用中值滤波可去除椒盐噪声，达到平滑图像的目的。
例二：b=imread('Fig3.35(a).jpg ');d=medfilt2(b,[5, 5]); %[5, 5]为滤波模板的规格3、直接对数据进行操作使用for循环直接对数据进行操作，很直观，便于理解，可实现各种形式的滤波。
注意直接操作时要考虑边缘的处理。
例三：下面的代码实现了均值滤波a= imread('Fig3.35(a).jpg '); % Fig3.35(a).jpg为灰度图b=double(a);c=b;xy=imfinfo('Fig3.35(a).jpg ');x=xy.Width;y=xy.Height;for j=3:x-2,for i=3:y-2,c(i,j)=(b(i+1,j)+b(i,j+1)+b(i-1,j)+b(i,j-1)+b(i,j))/5; %在四邻域内平均endendimshow(c,[0 255],'notruesize');二、空间平滑滤波1.平滑线性滤波器使用不同尺寸的均值滤波器，例如3x3、5x5、9x9等等，对课本中96页的图像Fig3.35(a)进行处理并显示处理后的图像，仔细观察并与课本中的结果进行比较。
关于图形图像处理实训报告总结【九篇】
关于图形图像处理实训报告总结【九篇】实训报告总结：图形图像处理实训图形图像处理实训是计算机科学与技术专业的基础课程之一。
通过本次实训课程，我深入了解了图形图像处理的基本概念、方法和技术，并通过实际操作来提升了自己的实践能力。
下面是对本次实训的九篇报告总结：1. 实验一：图像读取与显示本次实验主要是学习如何读取和显示图像，以及使用Matplotlib库进行图像展示。
通过实验，我掌握了图像读取和显示的基本方法，并学会了基本的图像处理操作。
2. 实验二：图像的灰度变换实验二主要是学习图像的灰度变换，包括线性变换和非线性变换。
我学会了如何使用不同的灰度变换函数来调整图像的亮度和对比度，进一步提升图像的质量。
3. 实验三：图像的空间域滤波本次实验主要是学习图像的空间域滤波技术，包括均值滤波、中值滤波和高斯滤波等。
通过实验，我掌握了不同滤波方法的原理和实现方式，并学会了如何选择合适的滤波方法来降噪和模糊图像。
4. 实验四：图像的频域滤波实验四主要是学习图像的频域滤波技术，包括傅里叶变换和频域滤波等。
通过实验，我了解了傅里叶变换的原理和应用，并学会了如何使用频域滤波来实现图像的锐化和平滑。
5. 实验五：图像的形态学处理本次实验主要是学习图像的形态学处理技术，包括腐蚀、膨胀、开运算和闭运算等。
通过实验，我学会了如何使用形态学操作来改变图像的形状和结构，进一步改善图像的质量。
6. 实验六：图像的边缘检测实验六主要是学习图像的边缘检测技术，包括Sobel算子、Laplacian算子和Canny算子等。
通过实验，我了解了不同边缘检测方法的原理和应用，并学会了如何使用边缘检测来提取图像的轮廓和特征。
7. 实验七：图像的分割与聚类本次实验主要是学习图像的分割与聚类技术，包括阈值分割、区域生长和K均值聚类等。
通过实验，我掌握了不同分割与聚类方法的原理和应用，并学会了如何使用分割与聚类来识别和分析图像中的目标和区域。
8. 实验八：图像的特征提取与描述子实验八主要是学习图像的特征提取和描述子技术，包括尺度不变特征变换（SIFT）和方向梯度直方图（HOG）等。
实验报告3：图像的线性与非线性空间滤波
实验报告3：图像的线性与非线性空间滤波一．浮雕效果的实现方式----线性滤波1.浮雕效果的原理描述实现图像浮雕效果的原理是将图像上每个像素点与其对角线的像素点形成差值，使相似颜色值淡化，不同颜色值突出，将图像中灰度值变换较大的部分的像素突出出来，并将灰度值变换不大的部分淡化，从而产生纵深感，达到类似浮雕的效果。
而产生浮雕效果的函数是线性滤波函数filter2（），该函数是一个对二维图像使用的线性滤波器；使用该函数时输入一个算子模块，并生成卷积算子，通过选择合适的滤波算子就能使得图像产生近似于相似色块内对比度加强的浮雕效果。
具体的做法是取主对角线除右下角外的各点之和的平均值，减去右下角点的值，再加上填充背景色，再加上一个背景常数（一般为128）而成，会形成类似浮雕的效果。
2.浮雕特效的效果对比：原图：对比图：、可以看出，原图作为一副彩色图片，其颜色分明的部分的轮廓被很好地保留了下来，并加强了对比度。
本图片右下角有水印，因此水印作为外框黑色填充黄色的图形，被和背景叠加在了一起，并且边界对比度也得到了加强，然而原图是彩色图，画出的浮雕图形是黑白的，因为灰度图像显示彩色图像的浮雕效果更有真实感和立体感。
3.源代码：YT=imread(‘yuantu.jpg’);R=YT(:,:,1);G=YT(:,:,2);B=YT(:,:,3);h=[10-1;40-4;10-1];JR1=filter2(h,R);JG1=filter2(h,G);JB1=filter2(h,B);k=[410;10-1;0-1 -4];JR2=filter2(k,R);JG2=filter2(k,G);JB2=filter2(k,B);JR=JR1+JR2;JG=JG1+JG2;JB=JB1+JB2;J=JR+JG+JB;subplot(1,2,1),imshow(YT),title(‘原图’);subplot(1,2,2),imshow(J),title(‘浮雕效果图’);4.代码解释：代码首先用imread函数将图像写入，然后利用(x,y,1/2/3)的矩阵读取原图每个像素的RGB三个颜色的像素值。
图像的平滑滤波实验报告
图像的平滑滤波实验报告
一.实验目的
(1)熟练掌握空域平滑滤波的原理、方法及其MATLAB实现。
(2)分析模板大小对空域平滑滤波的影响，线性和非线性方法对空域平滑滤波增强效果的影响，比较不同滤波器的处理效果，分析其优缺点。
二、实验原理
函数 filter来实现线性空间滤波，用于指定在滤波过程中是使用相关运算，还是卷积运算，相关就是按模板在图像上逐步移动运算的过程，卷积则是先将模板旋转180度，再在图像上逐步移动的过程。
数字图像处理中最著名的统计排序滤波器是中值滤波器，MATLAB 工具箱提供了二维中值滤波函数，定义了一个大小为m×n的邻域，中值就在该邻域上计算。
MATLAB工具箱支持一些预定义的二维线性空间滤波器，这些空间滤波器可通过函数special实现。
生成滤波模板的函数。
三、实验内容及结果
(1)选择一副图像fig620，分别选择3x3，7x7，25x25等平均模板进行均值滤波模糊处理，并对不同尺寸的滤波器模板操作后的图像进行比较。
(1)选择一副图像fig620，分别选择3x3，7x7，25x25等平均模板进行高斯滤波模糊处理，并对不同尺寸的滤波器模板操作后的图像进行比较。
(2)选择一副图像circuit，对图像加入椒盐噪声，检验两种滤波模板(3x 3平均模板和3x3的非线性模板中值滤波器)对噪声的滤波效果。
数字图像处理 实验报告(完整版)
数字图像处理实验一 MATLAB数字图像处理初步一、显示图像1．利用imread( )函数读取一幅图像，假设其名为lily.tif，存入一个数组中；2．利用whos 命令提取该读入图像flower.tif的基本信息；3．利用imshow()函数来显示这幅图像；实验结果如下图：源代码：>>I=imread('lily.tif')>> whos I>> imshow(I)二、压缩图像4．利用imfinfo函数来获取图像文件的压缩，颜色等等其他的详细信息；5．利用imwrite()函数来压缩这幅图象，将其保存为一幅压缩了像素的jpg文件,设为lily.jpg；语法：imwrite(原图像，新图像，‘quality’,q), q取0-100。
6．同样利用imwrite()函数将最初读入的tif图象另存为一幅bmp图像，设为flily.bmp。
7．用imread()读入图像Sunset.jpg和Winter.jpg；8．用imfinfo()获取图像Sunset.jpg和Winter.jpg的大小；9．用figure,imshow()分别将Sunset.jpg和Winter.jpg显示出来，观察两幅图像的质量。
其中9的实验结果如下图：源代码：4~6(接上面两个) >>I=imread('lily.tif')>> imfinfo 'lily.tif'；>> imwrite(I,'lily.jpg','quality',20);>> imwrite(I,'lily.bmp');7~9 >>I=imread('Sunset.jpg');>>J=imread('Winter.jpg')>>imfinfo 'Sunset.jpg'>> imfinfo 'Winter.jpg'>>figure(1),imshow('Sunset.jpg')>>figure(2),imshow('Winter.jpg')三、二值化图像10．用im2bw将一幅灰度图像转化为二值图像，并且用imshow显示出来观察图像的特征。
物理实验技术中的图像处理技术
物理实验技术中的图像处理技术在物理实验中，图像处理技术扮演着重要的角色。
它能够帮助科学家们在实验过程中获取更准确、更详细的数据，以及更直观地展示实验结果。
本文将探讨物理实验技术中常用的图像处理方法，以及这些方法在实验中的应用。
一、图像增强在物理实验中，我们常常需要处理低对比度或噪点影响的图像。
图像增强是一种通过算法改善图像质量的技术。
常见的图像增强方法包括直方图均衡化、滤波和去噪等。
直方图均衡化是图像增强中最常用的技术之一。
它通过重新分配图像亮度级别，增加图像的对比度，使得图像更加清晰。
滤波是另一种常见的图像增强方法，它通过去除图像中的噪点或模糊来改善图像质量。
滤波可以根据不同实验需求选择不同的滤波算法，如高斯滤波、中值滤波等。
去噪是图像处理中非常关键的一步，可以通过降低图像中的噪点来提高图像质量。
二、边缘检测在物理实验中，我们常常需要对图像中的边缘进行检测，以便进一步分析实验结果。
边缘检测是一种图像处理技术，通过寻找图像中灰度变化的位置，将物体与背景分开。
常见的边缘检测算法有Sobel算子、Prewitt算子和Canny算子等。
这些算法能够在图像中识别出边缘，并通过二值化将边缘区域与背景区域分离开来。
边缘检测技术在物理实验中有广泛的应用，如颗粒物分析、晶格测定等。
三、图像识别图像识别是物理实验技术中一个非常重要的环节。
它通过将图像中的特征与已知模式进行比较，来自动识别目标物体。
图像识别技术有助于实验结果的自动化分析和数据提取。
在图像识别中，常用的方法包括模板匹配、边缘检测和特征提取等。
模板匹配是一种基于已知模式的图像识别方法，通过计算图像中与模板的相似度来实现目标物体的识别。
边缘检测和特征提取则是通过提取目标物体的轮廓和特征点来实现识别。
图像识别技术在物理实验中的应用非常广泛，如颗粒物分析、物体形状测量等。
四、三维重建在物理实验中，我们经常需要对物体进行三维重建，以帮助我们更好地理解实验结果。
维纳滤波,最小二乘滤波,自适应滤波认知
主题：维纳滤波、最小二乘滤波、自适应滤波认知一、维纳滤波1. 维纳滤波是一种经典的线性滤波方法，它是以诺伯特·维纳（Norbert Wiener）命名的，主要用于信号和图像处理领域。
2. 维纳滤波是一种频域滤波方法，它利用信号和噪声的功率谱以及它们之间的相关性来进行滤波处理。
3. 维纳滤波通过最小化信号和噪声的均方误差来实现信号的恢复，能够有效地抑制噪声并增强信号的特征。
4. 维纳滤波的优点是对信噪比较低的图像有很好的处理效果，但缺点是对信噪比较高的图像处理效果较差。
二、最小二乘滤波1. 最小二乘滤波是一种基于统计原理的滤波方法，它通过对信号进行线性估计来实现滤波处理。
2. 最小二乘滤波与维纳滤波类似，都是以最小化均方误差为目标，但最小二乘滤波是基于时域的方法。
3. 最小二乘滤波将信号和噪声视为随机过程，利用信号和噪声的统计特性来进行滤波处理，能够提高信号的估计精度。
4. 最小二乘滤波的优点是对于信号和噪声的统计特性要求不高，处理效果比较稳定，但缺点是需要较强的计算能力和较大的样本量。
三、自适应滤波1. 自适应滤波是基于滑动窗口的滤波方法，它根据信号的局部特性动态调整滤波参数，适用于信号和噪声变化较大的场景。
2. 自适应滤波主要包括自适应均值滤波、自适应中值滤波、自适应加权滤波等不同类型，根据不同的信号特征选择相应的滤波方法。
3. 自适应滤波能够有效地抑制信号中的噪声和干扰，同时保留信号的边缘和细节特征，具有较好的空间适应性。
4. 自适应滤波的优点是能够根据信号的实际情况自动调整滤波参数，适用性广泛；但缺点是计算量大，实时性较差。
维纳滤波、最小二乘滤波和自适应滤波都是常用的信号和图像处理方法，它们各自具有特定的优点和适用场景。
在实际应用中，可以根据信号的特性和处理需求选择合适的滤波方法，以达到更好的处理效果。
对于不同的滤波方法，还可以结合其他技术手段进行改进和优化，以满足不同场景的需求。
物理实验技术中的图像处理与识别方法
物理实验技术中的图像处理与识别方法近年来，随着计算机技术的快速发展，图像处理和识别方法在物理实验技术中得到了广泛应用。
图像处理和识别方法可以帮助科学家更好地分析实验数据，提取有效的信息，并进一步推动科学研究的进展。
下面将介绍几种常见的物理实验技术中的图像处理与识别方法。
一、数字图像处理数字图像处理是物理实验技术中最常见和基础的图像处理方法之一。
它通过对图像进行数字化处理，利用计算机算法提取目标中的有用信息。
在物理实验中，科学家常常需要对实验现象进行分析和测量，数字图像处理的方法可以帮助他们实现这一目的。
例如，在光学实验中，通过光电探测器和相机拍摄到实验结果后，可以通过数字图像处理技术，对光强度的分布、波长等特征进行分析。
通过对图像进行校正、滤波、边缘检测等处理，可以更准确地获得实验数据，并进行进一步的数值计算。
二、特征提取与模式识别在物理实验中，常常需要对实验数据进行特征提取和模式识别。
特征提取是指从原始数据中提取出具有代表性的特征，而模式识别是指根据这些特征来识别和分类不同的实验现象。
图像中常见的特征提取方法有边缘检测、纹理特征提取和颜色特征提取等。
通过这些特征提取方法，可以将原始的实验图像转化为具有代表性的特征向量，以便进一步进行模式识别。
模式识别方法多种多样，包括传统的模式匹配、统计学方法、人工神经网络和深度学习等。
科学家可以根据不同实验现象的特征选择适合的模式识别方法，以实现对实验数据的自动化处理和分析。
三、图像重建和增强图像重建和增强方法是物理实验技术中常用的图像处理方法之一。
它可以通过对原始图像进行修复和改进，使得实验结果更加清晰和可靠。
在物理实验中，由于实验环境的限制或仪器的性能问题，所获取的图像往往带有噪声或模糊。
图像重建和增强方法可以通过降噪、滤波、图像锐化等处理，提高图像的质量，并还原和增强出实验结果中的细节。
图像重建和增强方法有很多种，包括基于频域的滤波方法、基于小波变换的图像增强方法等。
图像滤波实验报告分析的三个基本流程
图像滤波实验报告分析的三个基本流程下载温馨提示：该文档是我店铺精心编制而成，希望大家下载以后，能够帮助大家解决实际的问题。
本文下载后可定制随意修改，请根据实际需要进行相应的调整和使用，谢谢!并且，本店铺为大家提供各种各样类型的实用资料，如教育随笔、日记赏析、句子摘抄、古诗大全、经典美文、话题作文、工作总结、词语解析、文案摘录、其他资料等等，如想了解不同资料格式和写法，敬请关注!Downloaded tips: This document is carefully compiled by the editor. I hope that after you download them, they can help you solve practical problems. The documents can be customized and modified after downloading, please adjust and use it according to actual needs, thank you!In addition, our shop provides you with various types of practical materials, such as educational essays, diary appreciation, sentence excerpts, ancient poems, classic articles, topic composition, work summary, word parsing, copy excerpts, other materials and so on, want to know different data formats and writing methods, please pay attention!图像滤波是数字图像处理中的重要技术之一，通过对图像进行不同类型的滤波可以实现图像去噪、边缘检测、模糊等效果。
数字图像处理实验三中值滤波和均值滤波实验报告
数字图像处理实验三均值滤波、中值滤波的计算机实现12281166 崔雪莹计科1202 班一、实验目的：1）熟悉均值滤波、中值滤波处理的理论基础；2）掌握均值滤波、中值滤波的计算机实现方法；3）学习VC++ 6。
0 的编程方法；4）验证均值滤波、中值滤波处理理论；5）观察均值滤波、中值滤波处理的结果。
二、实验的软、硬件平台：硬件：微型图像处理系统，包括：主机，PC机；摄像机；软件：操作系统：WINDOWS2000或WINDOWSXP应用软件：VC++6.0三、实验内容：1）握高级语言编程技术；2）编制均值滤波、中值滤波处理程序的方法；3）编译并生成可执行文件；4）考察处理结果。
四、实验要求：1）学习VC+确6。
0编程的步骤及流程；2）编写均值滤波、中值滤波的程序；3）编译并改错；4）把该程序嵌入试验二给出的界面中（作适当修改）；5）提交程序及文档；6）写出本次实验的体会。
五、实验结果截图实验均值滤波采用的是3X3的方块，取周围的像素点取得其均值代替原像素点。
边缘像素的处理方法是复制边缘的像素点，增加一个边框，计算里面的像素值得均值滤波。
均值氓浜1W赵六、实验体会本次实验在前一次的实验基础上增加均值滤波和中值滤波，对于椒盐噪声的处理，发现中值滤波的效果更为好一点，而均值滤波是的整个图像变得模糊了一点，效果差异较大。
本次实验更加增加了对数字图像处理的了解与学习。
七、实验程序代码注释及分析// HistDemoADIg.h :头文件//#in elude "ImageWnd.h"#pragma once// CHistDemoADIg 对话框classCHistDemoADIg : public CDialogEx{//构造public:CHistDemoADlg(CWnd* pParent = NULL); // 标准构造函数intnWidth;intnHeight;intnLen;intnByteWidth;BYTE *lpBackup;BYTE *lpBitmap;BYTE *lpBits;CStringFileName;CImageWndsource,dest;// 对话框数据enum { IDD = IDD_HISTDEMOA_DIALOG };protected:virtual void DoDataExchange(CDataExchange* pDX); // DDX/DDV 支持// 实现protected:HICON m_hIcon;// 生成的消息映射函数virtual BOOL OnInitDialog();afx_msg void OnSysCommand(UINT nID, LPARAM lParam);afx_msg void OnPaint();afx_msg HCURSOR OnQueryDragIcon();DECLARE_MESSAGE_MAP()public:voidLoadBitmap(void);afx_msg void OnOpen();afx_msg void OnHist();voidHistogramEq(void);voidNoColor(void);void HistogramEq1(intnWidth,intnHeight,BYTE *lpInput,BYTE *lpOutput);voidMeanFilter(intnWidth,intnHeight,BYTE *lpInput,BYTE *lpOutput);voidMedianFilter(intnWidth,intnHeight,BYTE *lpInput,BYTE *lpOutput); afx_msgvoid OnBnClickedClose();afx_msg void OnBnClickedMeanfilter();afx_msg void OnBnClickedMedianfilter();};HistDemoADlg.cpp 对HistDemoADlg.h 进行具体的实现，OnOpen() 函数响应ID 为IDC_OPEN的按钮事件，而且会调取文件选择对话框，选取文件之后，会显示在原始图像区域显示对应的位图图像，OnHist()函数会响应ID为IDC_HIST的按钮事件，调用HistogramEq()进行直方图均衡化的处理，HistogramEq()会调用HistogramEq1()进行直方图均衡化的处理，并用dst.setlmage()显示处理之后的图像，以及NoColor()函数，对原始图像转化为灰度图像之后再显示。
数字图像处理实验三
数字图像处理—实验三一．实验内容：⑴5⨯5区域的邻域平均法⑵5⨯5中值滤波法二．实验目的：了解各种平滑处理技术的特点和用途，掌握平滑技术的仿真与实现方法。
学会用Matlab中的下列函数对输入图像进行上述2类运算。
感受不同平滑处理方法对最终图像效果的影响。
nlfilter；mean2；std2；fspecial；filter2；medfilt2；imnoise三．实验步骤：1．仔细阅读Matlab帮助文件中有关以上函数的使用说明，能充分理解其使用方法并能运用它们完成实验内容。
2．将test3_1.jpg图像文件读入Matlab，用nlfilter对其进行5⨯5邻域平均和计算邻域标准差。
显示邻域平均处理后的结果，以及邻域标准差图像。
clc;clear;figure;subplot(1,3,1);i1=imread('test3_1.jpg');i1=im2double(i1);imshow(i1);title('原图像');subplot(1,3,2);T1=nlfilter(i1,[5 5],@mean2);imshow(T1);title('邻域平均处理后结果');subplot(1,3,3);T2=nlfilter(i1,[5 5],@std2);imshow(T2);title('邻域标准差图像');3．在test3_1.jpg图像中添加均值为0，方差为0.02的高斯噪声，对噪声污染后的图像用nlfilter进行5⨯5邻域平均。
显示处理后的结果。
(使用imnoise 命令)clc;clear;figure;subplot(1,3,1);i1=imread('test3_1.jpg');i1=im2double(i1);imshow(i1);title('原图像');subplot(1,3,2);T1=imnoise(i1,'gaussian',0,0.2);imshow(T1);title('加高斯噪声');subplot(1,3,3);T2=nlfilter(i1,[5 5],@mean2);imshow(T2);title('处理后结果');4．将test3_2.jpg图像文件读入Matlab，用fspecial函数生成一5⨯5邻域平均窗函数，再用filter2函数求邻域平均，试比较与用nlfilter 函数求邻域平均的速度。
2空域图像滤波实验（邻域平均法、中值滤波法）
《图像处理技术》课程 第2次实验报告试验名称：空域图像滤波实验（邻域平均法、中值滤波法）一、试验目的1.培养学生理解中值滤波的方法2.掌握图像处理的基本方法二、试验设备1、PC 机一台，windows 操作系统；2、CCS 编程环境；三、试验原理中值滤波是由图基（Turky ）在1971年提出的，中值滤波的基本原理是把数字图像或数字序列中一点的值用该点的一个邻域中各点值的中值代替，让周围的像素值接近真实值，从而消除孤立的噪声点。
对于奇数个元素，中值是指按大小排序后中间的数值；对于偶数个元素，中值是指排序后中间两个元素灰度值的平均值。
对序列而言，中值的定义是这样的：若1,...,n x x 为一组序列，先把其按大小排列为：123i i i in x x x x ≤≤≤≤ 则该序列的中值y 为：{}12121221n 2n i n n n i i x n y Med x x x x x +⎛⎫⎪⎝⎭+⎛⎫ ⎪⎝⎭⎧⎪⎪==⎨⎡⎤⎪+⎢⎥⎪⎢⎥⎣⎦⎩ 为奇数为偶数(11.5)公式11.2.5中，若把一个点的特定长度或形状的邻域作为窗口，在一维情况下，中值滤波器是一个含有奇数个像素的滑动窗口。
窗口中中间那个像素的值用窗口各像素值的中值来代替，设输入序列为{},∈i x i I ，I 为自然数集合或子集，窗口长度为n ，且令12-=n u ，则滤波器的输出为:{}{}-+==i i i u i i u y Med x Med x x x(11.6)公式11.2.6表明i 点的中值仅与窗口前后个点的中值有关，i y 为序列i x 的中值。
若把公式11-2中，中值滤波的概念推广到二维并利用某种形式的二维窗口。
则可对二维中值滤波做如下定义：设(){}2,,∈ij x i j I 表示数字图像各点的灰度值，滤波窗口为A ，ij x 点的中值，则:{}()()(){}2+*+==,,,i,j,I ij ij j r j s Ay Med x Med x r s A ∈∈(11.7)公式11.7为窗口是A的x点的中值表达式，二维中值滤波的窗口通常选为3*3，5*5ij区域，可以取方形，也可以取近似圆形或十字形。
实验三图像的平滑与锐化
实验三 图像的平滑与锐化一．实验目的1.掌握图像滤波的基本定义及目的；2.理解空域滤波的基本原理及方法；3.掌握进行图像的空域滤波的方法。
二．实验基本原理图像噪声从统计特性可分为平稳噪声和非平稳噪声两种。
统计特性不随时间变化的噪声称为平稳噪声；统计特性随时间变化的噪声称为非平稳噪声。
另外，按噪声和信号之间的关系可分为加性噪声和乘性噪声。
假定信号为S (t )，噪声为n (t )，如果混合叠加波形是S (t )+n (t )形式，则称其为加性噪声；如果叠加波形为S (t )［1+n (t )］形式， 则称其为乘性噪声。
为了分析处理方便，往往将乘性噪声近似认为加性噪声，而且总是假定信号和噪声是互相独立的。
1.均值滤波均值滤波是在空间域对图像进行平滑处理的一种方法，易于实现，效果也挺好。
设噪声η(m,n)是加性噪声，其均值为0，方差（噪声功率）为2σ，而且噪声与图像f(m,n)不相关。
除了对噪声有上述假定之外，该算法还基于这样一种假设：图像是由许多灰度值相近的小块组成。
这个假设大体上反映了许多图像的结构特征。
∑∈=s j i j i f M y x g ),(),(1),( (3-1)式(2-1)表达的算法是由某像素领域内各点灰度值的平均值来代替该像素原来的灰度值。
可用模块反映领域平均算法的特征。
对模板沿水平和垂直两个方向逐点移动，相当于用这样一个模块与图像进行卷积运算，从而平滑了整幅图像。
模版内各系数和为1，用这样的模板处理常数图像时，图像没有变化；对一般图像处理后，整幅图像灰度的平均值可不变。
(a) 原始图像 (b) 邻域平均后的结果图3-1 图像的领域平均法2.中值滤波中值滤波是一种非线性处理技术，能抑制图像中的噪声。
它是基于图像的这样一种特性：噪声往往以孤立的点的形式出现，这些点对应的象素很少，而图像则是由像素数较多、面积较大的小块构成。
在一维的情况下，中值滤波器是一个含有奇数个像素的窗口。
数字媒体实验报告文档(3篇)
第1篇一、实验目的本次实验旨在通过实践操作，让学生掌握数字媒体的基本处理方法，了解数字媒体技术的应用领域，并能够运用所学知识进行简单的数字媒体创作。
二、实验内容1. 数字图像处理实验一：图像的获取与格式转换目的：学习使用图像采集设备获取图像，并了解常见的图像格式。
内容：使用数码相机拍摄一张照片，了解其图像格式，并使用图像处理软件进行格式转换。
实验二：图像的基本编辑操作目的：掌握图像的基本编辑操作，如裁剪、旋转、调整亮度等。
内容：使用图像处理软件对实验一获取的图像进行裁剪、旋转、调整亮度等操作。
实验三：图像滤波与锐化目的：学习图像滤波与锐化的方法，提高图像质量。
内容：使用图像处理软件对实验一获取的图像进行滤波与锐化处理。
2. 数字音频处理实验一：音频信号的获取与格式转换目的：学习使用音频采集设备获取音频，并了解常见的音频格式。
内容：使用麦克风录制一段音频，了解其音频格式，并使用音频处理软件进行格式转换。
实验二：音频的基本编辑操作目的：掌握音频的基本编辑操作，如剪切、合并、调整音量等。
内容：使用音频处理软件对实验一获取的音频进行剪切、合并、调整音量等操作。
实验三：音频效果处理目的：学习音频效果处理方法，如混响、回声等。
内容：使用音频处理软件对实验一获取的音频进行混响、回声等效果处理。
3. 数字视频处理实验一：视频信号的获取与格式转换目的：学习使用视频采集设备获取视频，并了解常见的视频格式。
内容：使用摄像机录制一段视频，了解其视频格式，并使用视频处理软件进行格式转换。
实验二：视频的基本编辑操作目的：掌握视频的基本编辑操作，如剪切、合并、调整播放速度等。
内容：使用视频处理软件对实验一获取的视频进行剪切、合并、调整播放速度等操作。
实验三：视频特效处理目的：学习视频特效处理方法，如慢动作、快动作等。
内容：使用视频处理软件对实验一获取的视频进行慢动作、快动作等特效处理。
三、实验步骤1. 准备实验环境安装数字媒体处理软件，如Adobe Photoshop、Adobe Audition、Adobe Premiere等。
经典的图像去噪算法
经典的图像去噪算法⽬前⽐较经典的图像去噪算法主要有以下三种：均值滤波算法：也称线性滤波，主要思想为邻域平均法，即⽤⼏个像素灰度的平均值来代替每个像素的灰度。
有效抑制加性噪声，但容易引起图像模糊，可以对其进⾏改进，主要避开对景物边缘的平滑处理。
[cpp]1. %x是需要滤波的图像,n是模板⼤⼩(即n×n)2. function d=avg_filter(x,n)3. a(1:n,1:n)=1; %a即n×n模板,元素全是14. [height, width]=size(x); %输⼊图像是hightxwidth的,且hight>n,width>n5. x1=double(x);6. x2=x1;7. for i=1:hight-n+18. for j=1:width-n+19. c=x1(i:i+(n-1),j:j+(n-1)).*a; %取出x1中从(i,j)开始的n⾏n列元素与模板相乘10. s=sum(sum(c)); %求c矩阵中各元素之和11. x2(i+(n-1)/2,j+(n-1)/2)=s/(n*n); %将与模板运算后的各元素的均值赋给模板中⼼位置的元素12. end13. end14. %未被赋值的元素取原值15. d=uint8(x2);中值滤波：基于排序统计理论的⼀种能有效抑制噪声的⾮线性平滑滤波信号处理技术。
中值滤波的特点即是⾸先确定⼀个以某个像素为中⼼点的邻域，⼀般为⽅形邻域，也可以为圆形、⼗字形等等，然后将邻域中各像素的灰度值排序，取其中间值作为中⼼像素灰度的新值，这⾥领域被称为窗⼝，当窗⼝移动时，利⽤中值滤波可以对图像进⾏平滑处理。
其算法简单，时间复杂度低，但其对点、线和尖顶多的图像不宜采⽤中值滤波。
很容易⾃适应化[cpp]1. %⾃编的中值滤波函数。
x是需要滤波的图像,n是模板⼤⼩(即n×n)2. function d=mid_filter(x,n)3. [height, width]=size(x); %输⼊图像是p×q的,且p>n,q>n4. x1=double(x);5. x2=x1;6. for i=1:height-n+17. for j=1:height-n+18. c=x1(i:i+(n-1),j:j+(n-1)); %取出x1中从(i,j)开始的n⾏n列元素,即模板(n×n的)9. e=c(1,:); %是c矩阵的第⼀⾏10. for u=2:n11. e=[e,c(u,:)]; %将c矩阵变为⼀个⾏矩阵12. end13. mm=median(e); %mm是中值14. x2(i+(n-1)/2,j+(n-1)/2)=mm; %将模板各元素的中值赋给模板中⼼位置的元素15. end16. end17. %未被赋值的元素取原值18. d=uint8(x2);%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%另⼀个版本：[plain]1. a=imread('lena_0.005.bmp');2. a=double(a);3. [dep,wide]=size(a);4. new_image=ones(size(a));5. for i=3:dep-26. for j=3:wide-27. new_image(i,j)=median([a(i-2,j-2) a(i-2,j-1) a(i-2,j) a(i-2,j+1) a(i-2,j+2) a(i-1,j-2) a(i-1,j-1) a(i-1,j) a(i-1,j+1) a(i-1,j+2) a(i,j-2) a(i,j-1) a(i,j) a(i,j+1) a(i,j+2) a(i+1,j-2) a(i+1,j-1) a(i+1,j) a(i+1,j+1) a(i+1,j+2) a(i+2,j-2) a(i+2,j-1) a(i+2,j) a(i+2,j+1) a(i+2,j+2)]);8. end9. end10.11. for i=3:dep-2 %处理每⼀⾏的最头上两个和最边上2个12. new_image(i,1)=new_image(i,3);13. new_image(i,2)=new_image(i,3); new_image(i,wide)=new_image(i,wide-2);14. new_image(i,wide-1)=new_image(i,wide-2);15. end16.17. new_image(1,:)=new_image(3,:); %把第三⾏的所有元素赋值给第⼀⾏18. new_image(2,:)=new_image(3,:);19. new_image(dep,:)=new_image(dep-2,:);%把倒数第⼆⾏的所有元素值赋给最后⼀⾏20. new_image(dep-1,:)=new_image(dep-2,:);21.22. figure23. imshow(uint8(a))24. figure25. imshow(uint8(new_image))26.27. % imwrite(uint8(new_image),'lena_0.005_median_5.bmp','bmp')28.29.30. %%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%5。
实验三 邻域平均法滤波
数字图像处理实验报告实验三邻域平均法滤波学号姓名日期2013.05.11实验三 邻域平均法滤波一、实验内容选取噪声较明显的图像，分别采用3*3、5*5、7*7的模板进行邻域平均法滤波，并比较滤波效果。
二、实验步骤1、 设计思想或者流程图。
邻域平均法的思想是用像素及其指定邻域内像素的平均值或加权平均值作为该像素的新值，以便去除突变的像素点，从而滤除一定的噪声。
邻域平均法的数学含义可用下式表示： ∑∑==⎪⎭⎫ ⎝⎛=mn i imn i i i w z w y x g 11),( （1） 上式中：i z 是以),(y x 为中心的邻域像素值；i w 是对每个邻域像素的加权系数或模板系数； m n 是加权系数的个数或称为模板大小。
邻域平均法中常用的模板是：⎥⎥⎥⎦⎤⎢⎢⎢⎣⎡*=11111111191Box T （2） 为了解决邻域平均法造成的图像模糊问题，采用阈值法（又叫做超限邻域平均法，如果某个像素的灰度值大于其邻域像素的平均值，且达到一定水平，则判断该像素为噪声，继而用邻域像素的均值取代这一像素值；否则，认为该像素不是噪声点，不予取代），给定阈值0T ：⎩⎨⎧≥-<-=00),(),(),(),(),(),(),(T y x g y x f y x g T y x g y x f y x f y x h （3） （3）式中，),(y x f 是原始含噪声图像，),(y x g 是由（1）式计算的平均值，),(y x h 滤波后的像素值。
2、 源程序并附上注释。
A=imread('1.jpg');B=rgb2gray(A);figure; imshow(B); title('原始图象');H=imnoise(B,'gaussian');figure; imshow(H); title('高斯噪声');Q=imnoise(B,'salt & pepper');figure; imshow(Q); title('椒盐噪声');%G=fspecial('average',3*3);%D=imfilter(H,G);%figure; imshow(D); title('高斯噪声图片平均模板');%L=fspecial('average',5*5);%S=imfilter(H,L);%figure; imshow(S); title('高斯噪声图片平均模板1');%W=fspecial('average',7*7);%O=imfilter(H,W);%figure; imshow(O); title('高斯噪声图片平均模板2');%M=fspecial('gaussian',3*3);%E=imfilter(Q,M);%figure; imshow(E); title('椒盐噪声图片高斯模板');%N=fspecial('gaussian',5*5);%K=imfilter(Q,N);%figure; imshow(K); title('椒盐噪声图片高斯模板1');%Z=fspecial('gaussian',7*7);%J=imfilter(Q,Z);%figure; imshow(J); title('椒盐噪声图片高斯模板2');%R=fspecial('gaussian',3*3);%T=imfilter(H,R);%figure; imshow(T); title('高斯噪声图片高斯模板');%X=fspecial('gaussian',5*5);%V=imfilter(H,X);%figure; imshow(V); title('高斯噪声图片高斯模板1');%U=fspecial('gaussian',7*7);%P=imfilter(H,U);%figure; imshow(P); title('高斯噪声图片高斯模板2');M=fspecial('average',3*3);E=imfilter(Q,M);figure; imshow(E); title('3*3平均模板');N=fspecial('average',5*5);K=imfilter(Q,N);figure; imshow(K); title('5*5平均模板');Z=fspecial('average',7*7);J=imfilter(Q,Z);figure; imshow(J); title('7*7平均模板');%C=medfilt2(Q);%figure; imshow(C); title('椒盐噪声图片中值滤波处理'); %M=medfilt2(H);%figure; imshow(M); title('高斯噪声图片中值滤波处理');3.程序运行结果比较。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
实验三常用图像滤波方法
一、实验目的
1、熟悉并掌握MATLAB图像处理工具箱的使用；
2、理解并掌握常用的图像的滤波技术。
二、实验环境
MATLAB 6.5以上版本、WIN XP或WIN7计算机
三、相关知识
1 imnoise
imnoise函数用于对图像生成模拟噪声，如：
i=imread('e:\w01.tif');
j=imnoise(i,'gaussian',0,0.02);模拟均值为0方差为0.02的高斯噪声，j=imnoise(i,'salt&pepper', 0.04) 模拟叠加密度为0.04的椒盐噪声
2 fspecial
fspecial函数用于产生预定义滤波器，如：
h=fspecial('sobel');%sobel水平边缘增强滤波器
h=fspecial('gaussian');%高斯低通滤波器
h=fspecial('laplacian');%拉普拉斯滤波器
h=fspecial('log');%高斯拉普拉斯（LoG）滤波器
h=fspecial('average');%均值滤波器
3 基于卷积的图像滤波函数
imfilter函数，filter2函数，二维卷积conv2滤波,都可用于图像滤波，用法类似，如：
i=imread('e:\w01.tif');
h=[1,2,1;0,0,0;-1,-2,-1];%产生Sobel算子的水平方向模板
j=filter2(h,i);
或者：
h = fspecial(‘prewitt’)
I = imread('cameraman.tif');
imshow(I);
H = fspecial('prewitt‘); %预定义滤波器
M = imfilter(I,H);
imshow(M)
或者：
i=imread('e:\w01.tif');
h=[1,1,1;1,1,1;1,1,1];
h=h/9;
j=conv2(i,h);
4 其他常用滤波举例
（1）中值滤波
medfilt2函数用于图像的中值滤波，如：
i=imread('e:\w01.tif');
j=medfilt2(i，[M N]);对矩阵i进行二维中值滤波，领域为M*N，缺省值为3*3
（2）利用拉氏算子锐化图像, 如:
i=imread('e:\w01.tif');
j=double(i);
h=[0,1,0;1,-4,0;0,1,0];%拉氏算子
k=conv2(j,h,'same');
三、实验步骤
1、采用二维中值滤波函数medfilt2对受椒盐噪声干扰的图像滤波，窗口分别采用3*3,5*5,7*7
2、采用MATLAB中的函数filter2对受噪声干扰的图像进行均值滤波
3、采用三种不同算子对图像进行锐化处理。
四、实验总结
1、比较不同平滑滤波器的处理效果，分析其优缺点
2、比较不同锐化滤波器的处理效果，分析其优缺点。