图像增强算法综合应用课程设计

《图像处理技术应用实践》课程设计题目图像增强算法综合应用

学生姓名

学号

院系

专业

任课教师

xxxx年xx月xx日

图像增强算法综合应用

梅雨

南京信息工程大学计算机与软件学院，210044

摘要：图像增强是指增强图像中的有用信息，它可以是一个失真的过程，其目的是要改善图像的视觉效果。运用空间域与频率域相结合的算法，去除随机噪声和周期噪声的混合噪声，提高图像质量。

关键词：随机噪声；周期噪声；空间域和频率域去噪

1 任务描述

图像增强处理：设计一套空间域与频率域结合的图像增强算法，处理以下任一组图片中的带噪声图像，去除噪声，提高图像质量。

（1）已知：噪声为随机噪声和周期噪声混合噪声；

（2）要求：

a）去噪处理后，计算均方误差评估去噪处理后图像的去噪效果

b）撰写完整的科技报告（形式类似科技论文）表述自己的算法设计，算法实现与算法评估过程。

第一组图片：

第二组图片：

2 图像增强算法

2.1问题分析

（1）图片中加入了随机噪声和周期噪声混合噪声。针对不同的噪声，不同的去噪方法效果不同，因此应该采用不同的去噪方法以达到最好的去噪效果。

（2）随机噪声应在空间域去除，而空域去噪方法中，中值滤波法效果最好。

（3）周期噪声应在频域中消去。

（4）去除噪声后的图像仍然可以改善处理。

（5）均方误差评估去噪处理后图像的去噪效果。

2.2算法设计

（1）读入初始图片及加噪图片。

clc;

clear;

f=imread('D:\dogOriginal.bmp');

g=imread('D:\dogDistorted.bmp');

（2）利用空域滤波，去除随机噪声，此时用中值滤波法，并显示它的频谱图。

g3=medfilt2(g,[3,3]);

原图去除随机噪声

图1 空域滤波后的图像与原图的比较

（3）利用频域滤波，去除周期噪声。先转化成double型，进行傅里叶变换，再转化成数据矩阵，最后利用低通滤波去除周期噪声。

F = double(g); % 数据类型转换，MATLAB不支持图像的无符号整型的计算

G = fft2(F); % 傅里叶变换

G= fftshift(G); % 转换数据矩阵

[M,N]=size(G);

nn = 2; % 二阶巴特沃斯(Butterworth)低通滤波器

d0 = 27;

m = fix(M/2);

n = fix(N/2);

for i = 1 : M

for j = 1 : N

d = sqrt((i-m)^2+(j-n)^2);

h = 1/(1+0.414*(d/d0)^(2*nn)); % 计算低通滤波器传递函数

result(i,j) = h * G(i,j);

end

end

原图去除随机噪声去噪后的图

图2 去除混合噪声后的图像与原图的比较

（4）计算均方误差评估去噪效果。

[m n]=size(p);

l=f-p;

he=sum(sum(l));

avg=he/(m*n);

k=l-avg;

result1=(sum(sum(k.^2)))/(m*n);

if result1==0

disp('dog图均方误差');

result2=0

else

disp('dog图均方误差');

result2=sqrt(result1)

end

3 算法实现

代码clc;

clear;

f=imread('D:\dogOriginal.bmp');

subplot(421);imshow(f),title('原图');

f1=double(f);

f2=fft2(f1); % 傅立叶变换

f2=fftshift(f2);

subplot(422);imshow(log(abs(f2)),[]),title('原图频谱图');

g=imread('D:\dogDistorted.bmp');

subplot(423);imshow(g),title('混合噪声图');

g1=double(g);

g2=fft2(g1); % 傅立叶变换

g2=fftshift(g2);

subplot(424);imshow(log(abs(g2)),[]),title('混合噪声频谱图');

%空域滤波,去除随机噪声(中值)

g3=medfilt2(g,[3,3]);

subplot(425);imshow(g3),title('去除随机噪声');

g4=double(g3);

F1=fft2(g3);%对图像进行傅立叶变换

F1=fftshift(F1);%移频

figure,subplot(426),imshow(log(abs(F1)),[]),title('去除随机噪声频谱图');

%频域滤波

G= F1;

[M,N]=size(G);

nn = 2; % 二阶巴特沃斯(Butterworth)低通滤波器

d0 = 27;

m = fix(M/2);

n = fix(N/2);

for i = 1 : M

for j = 1 : N

d = sqrt((i-m)^2+(j-n)^2);

h = 1/(1+0.414*(d/d0)^(2*nn)); % 计算低通滤波器传递函数

result(i,j) = h * G(i,j);

end

end

result = ifftshift(result);

g = ifft2(result);

p= uint8(real(g));

subplot(427);imshow(p,[]),title('去噪后的图');

subplot(428);imshow(log(abs(result)),[]),title('去噪后的频谱图');

%计算均方误差

[m n]=size(p);

l=f-p;

he=sum(sum(l));

avg=he/(m*n);

k=l-avg;

result1=(sum(sum(k.^2)))/(m*n);

if result1==0

disp('dog图均方误差');

result2=0

else

disp('dog图均方误差');

result2=sqrt(result1)

end

4 运行结果

原图原图频谱图

混合噪声图混合噪声频谱图

去除随机噪声随机噪声频谱图

去噪后的图去噪后的频谱图

图3 分步去噪与原图的比较

图4 均方误差结果

5 程序分析

通过本次设计，我发现去噪后的图不如原图清晰，去噪效果不是很好，可以采用其他算法观察去噪效果，也可以采用锐化函数对图像进一步锐化，提高图像质量。

参考文献：

[1]章毓晋.图像工程（上册）:图像处理（第3版）,清华大学出版社，2012

[2]徐炜君、刘国忠.空间域和频域结合的图像增强技术及实现,中国测试,2009,7

[3]余成波.数字图像处理及MATLAB实现，重庆大学，2003