DSP课程实验报告

目录 目录 .................................................................................................................................................. 1 实验一试验名称：RGB转灰度，添加噪声实验 .......................................................................... 2 实验二 试验名称:图像平滑，中值滤波实验 ........................................................................... 7 实验三 试验名称:图像锐化实验 ............................................................................................... 9 实验四 试验名称:灰度变换实验 ............................................................................................. 11 实验五试验名称:灰度直方图，直方图均衡实验 ........................................................................ 13 实验六 试验名称:边沿提取，灰度反转，二值化实验 ......................................................... 16 实验七试验名称:熟悉imgLib的使用实验 .................................................................................. 18 实验一试验名称：RGB转灰度，添加噪声实验

一、试验目的 1、熟悉CCS，学会运用CCS导入图像，并仿真DSP处理图像 2、掌握如何将目标图像由彩色转为灰色 3、掌握如何给目标图像添加各类噪声

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 （1）彩色图像中的每个像素的颜色有R、G、B三个分量决定，而每个分量有255个中值可取，这样一个像素点可以有1600多万（255*255*255）的颜色的变化范围。而灰度图像是R、G、B三个分量相同的一种特殊的彩色图像，其中一个像素点的变化范围为255种，所以在数字图像处理中一般先将各种格式的图像转变成灰度图像以使后续的图像的计算量变得少一些。灰度图像的描述与彩色图像一样仍然反映了整幅图像的整体和局部的色度和亮度等级的分布和特征。 在RGB模型中，如果R=G=B时，则彩色表示一种灰度颜色，其中R=G=B的值叫做灰度值。因此，灰度图像每个像素只需一个字节存放灰度值（又称强度值、亮度值），灰度范围为0-255。图像的灰度化处理，一般有以下三种处理方法： 方法一：加权平均法 根据重要性及其它指标，将R、G、B三个分量以不同的权值进行加权平均。由于人眼对绿色的敏感度最高，对蓝色敏感度最低。因此，在MATLAB中我们可以按下式系统函数，对RGB三分量进行加权平均能得到较合理的灰度图像。 f(i,j)=0.30R(i,j)+0.59G(i,j)+0.11B(i,j)) 方法二：平均值法 将彩色图像中的R、G、B三个分量的亮度求简单的平均值，将得到均值作为灰度值输出而得到灰度图。其表达式见下式 f(i,j)=(R(i,j)+G(i,j)+B(i,j)) /3 方法三：最大值法 将彩色图像中的R、G、B三个分量中亮度的最大值作为灰度图的灰度值。 其表达式见下式： wk_ad_begin({pid : 21});wk_ad_after(21, function(){$('.ad-hidden').hide();}, function(){$('.ad-hidden').show();}); f(i,j)=max(R(i,j),G(i,j),B(i,j)) （2）椒盐噪声是一种因为信号脉冲强度引起的噪声，信噪比（Signal NoiseRate）是衡量图像噪声的一个数字指标。 给一副数字图像加上椒盐噪声的处理顺序应该如下： a. 指定信噪比 SNR 其取值范围在[0, 1]之间 b. 计算总像素数目 SP，得到要加噪的像素数目 NP = SP * (1-SNR) c. 随机获取要加噪的每个像素位置P（i, j） d. 指定像素值为255或者0。 e. 重复c, d两个步骤完成所有像素的NP个像素 f. 输出加噪以后的图像 （3）高斯噪声的密度取决于公式G(x, sigma) 其中X是代表平均值，sigma代表的标准方差，每个输入像素 Pin, 一个正常的高斯采样分布公式G(d), 得到输出像素Pout. Pout = Pin + XMeans + sigma *G(d) 其中d为一个线性的随机数，G(d)是随机数的高斯分布随机值。 给一副数字图像加上高斯噪声的处理顺序如下： a. 输入参数sigam 和 X mean b. 以系统时间为种子产生一个伪随机数 c. 将伪随机数带入G（d）得到高斯随机数 d. 根据输入像素计算出输出像素 e. 重新将像素值防缩在[0 ~ 255]之间 f. 循环所有像素 g. 输出图像

四、试验步骤 （1）运用MATLAB生成目标图像的数据文件 （2）新建工程 （3）编写及编译代码 （4）导入目标图像文件 （5）输出所需结果

五、实验主要程序 void RGB2Gray ( unsigned char * restrict Rptr,unsigned char * restrict Gptr,unsigned char * restrict Bptr,unsigned char * restrict Outptr, int cols,int rows, /*图像的宽度与高度*/ int flag /*控制标志，用来确定灰度化处理的方法*/ ) { int i; for(i=0;i{ Outptr[i]=(Rptr[i] + Gptr[i] + Bptr[i])/3; }

} //在输入图像上加椒噪声 void AddPepperNoise ( unsigned char *sourceImg, //输入：原始灰度图像 int cols,int rows, //图像的宽和长 int range //添加噪声的强度 ) { int k; unsigned char *pp=sourceImg; srand(time(NULL)); //取系统时间作为种子 for(k=0;k{ int i=rand()%cols; //随机选取图像的行 int j=rand()%rows; //随机选取图像的列 pp=sourceImg+rows*j+i; //得到一个像素坐标 *pp=0; //将该点像素灰度置0 } } //在输入图像上加盐噪声 void AddSaltNoise ( unsigned char *sourceImg, //输入：原始灰度图像 int cols,int rows, //图像的宽和长 int range //添加噪声的强度 ) { int k; unsigned char *pp=sourceImg; srand(time(NULL)); //取系统时间作为种子 for(k=0;k{ int i=rand()%cols; //随机选取图像的行 int j=rand()%rows; //随机选取图像的列 pp=sourceImg+rows*j+i; //得到一个像素坐标 *pp=255; //将该点像素灰度置255 } }

//在输入图像上加高斯噪声 void AddRandNoise ( unsigned char *sourceImg, //输入：原始灰度图像 unsigned char *newImg, //输出：添加噪声后的图像 unsigned char *noise, //输出：添加的噪声图像 int cols,int rows, //图像的宽和长 int range, //添加噪声的强度 int num //噪声叠加次数 ) { int i,j; int sum; int pixels; unsigned char *pp=sourceImg, *newpp=newImg, *noisepp=noise; pixels=cols*rows; srand(time(NULL)); //取系统时间作为种子 for(i=0;i{ //生成均匀分布噪声图像 for(j=0;j{ *(noisepp++)=rand()%range; //生成均匀分布随机数 *(noisepp++)=*(newpp++)+*(newpp++); //生成均匀分布的随机数叠加 } noisepp=noise; newpp=newImg; } //高斯噪声图像与原图像叠加 for(i=0;i{ sum=*(pp++)+*(noisepp++); if(sum>=255) { *(newpp++)=255; } else {