电脑桌面
添加小米粒文库到电脑桌面
安装后可以在桌面快捷访问

图像处理课程设计

图像处理课程设计_第1页
1/17
图像处理课程设计_第2页
2/17
图像处理课程设计_第3页
3/17
图像处理课程设计(20 页)Good is good, but better carries it.精益求精,善益求善。《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 韩帅 _______ 学 号 20251308088___ 院 系 计算机与软件学院 专 业 计算机科学与技术 任课老师 范 春 年 ____ 二O一七年五月图像处理技术应用实践—课程设计 21、设计内容图像增强处理: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,因此应该采纳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(); g=imread(); (2) 利用空域滤波,去除随机噪声,此时用中值滤波法,并显示它的频谱图和直方图。 g=medfilt2(g,[3,3]);(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。G=double(g); %转化 doubleG=fft2(G);G=fftshift(G);[M,N]=size(G); nn=2;d0=25; 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(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) end3、算法实现clear;clc;f=imread('C:\dogOriginal.bmp');g=imread('C:\dogDistorted.bmp'); f1=double(f);f2=fft2(f1);f2=fftshift(f2); g1=double(g);g2=fft2(g...

1、当您付费下载文档后,您只拥有了使用权限,并不意味着购买了版权,文档只能用于自身使用,不得用于其他商业用途(如 [转卖]进行直接盈利或[编辑后售卖]进行间接盈利)。
2、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。
3、如文档内容存在违规,或者侵犯商业秘密、侵犯著作权等,请点击“违规举报”。

碎片内容

图像处理课程设计

确认删除?
VIP
微信客服
  • 扫码咨询
会员Q群
  • 会员专属群点击这里加入QQ群
客服邮箱
回到顶部