资源描述
实验名称:图像的锐化处理一、 实验目的学习用锐化处理技术来加强图像的目标边界和图像细节。对图像进行梯度算子、Roberts算子、Sobel算子边缘检测处理和Laplace算子边缘增强处理,使图像的某些特征(如边缘、轮廓等)得以进一步的增强和突出。二、 实验内容(1) 编写梯度算子和Roberts算子滤波函数。(2) 编写Sobel算子滤波函数。(3) 编写Laplace算子边缘增强滤波函数。(4) 观察频域中用高低通滤波技术对图像进行的平滑和锐化处理。三、 实验方法及编程用Matlab进行编程,主要是对照着实验书上面的算法流程图进行代码的编写,主要编写代码如下所示:function newbuf=RobFilter(oldbuf,M,N);% *% 函数名称: % RobFilter() % 说明:% Robert梯度滤波算法。 % *for i=1:M-1for j=1:N-1newbuf(i,j)=abs(oldbuf(i,j)-oldbuf(i+1,j+1)+abs(oldbuf(i+1,j)-oldbuf(i,j+1);endend %- function newbuf=SobFilter(oldbuf,M,N);% *% 函数名称: % SobFilter() % 说明:% Sobel滤波算法。 % *for i=2:M-1for j=2:N-1 sx=oldbuf(i+1,j-1)+2*oldbuf(i+1,j)+oldbuf(i+1,j+1)-oldbuf(i-1,j-1)-2*oldbuf(i-1,j)-oldbuf(i-1,j+1); sy=oldbuf(i-1,j+1)+2*oldbuf(i,j+1)+oldbuf(i+1,j+1)-oldbuf(i-1,j-1)-2*oldbuf(i,j-1)-oldbuf(i+1,j-1);newbuf(i,j)=abs(sx)+abs(sy); endend %-function newbuf=LapFilter(oldbuf,M,N);% *% 函数名称: % LapFilter() % 说明:% Laplace滤波算法。 % * for i=2:M-1for j=2:N-1 newbuf(i,j)=5*oldbuf(i,j)-oldbuf(i-1,j)-oldbuf(i+1,j)-oldbuf(i,j-1)-oldbuf(i,j+1); endend 四、 实验结果及分析(原图像和处理后的图像比较及分析)如上图所示即为实验结果。如上图所示Robert算子能够检测出原图像的边缘,并且显示出来;Sobel在Robert算子的基础上增强了边缘,所以图像上结果会显示比原图像边缘要更加粗一些;Laplace算子与其他边缘增强方法不同,即其边缘的增强程度和边缘的方向无关,所以图像的细节明显比原来更加突出。实验名称:图像方块编码三、 实验目的通过编程实验,掌握方块编码的基本方法及压缩性能。四、 实验内容编程实现子块为nxn的方块编码基本算法,分别取n=2,4,8方块尺寸进行编解码实验,计算编码后的均方误差和压缩比。实验图像可为任意图像。五、 实验方法及编程用Matlab进行编程,主要是对照着实验书上面的算法流程图进行代码的编写,下面是主要的实验代码:function newbuf=BtcCode(oldbuf,M,N,n)% *% 函数名称:% BtcCode() 方块编码函数% 参数:% oldbuf 原图像数组% M N 原图像尺寸% n 方块尺寸% 说明:% 调用方块编码算法函数,输出编码后的图像% * newbuf=oldbuf; rowblocks=M/n; colblocks=N/n; for i=1:rowblocks-1 row=i*n; for j=1:colblocks-1 col=j*n; for i=1:n for j=1:n inbuf(i,j)=oldbuf(i+row,j+col); end end outbuf=BtcBlock(inbuf,n); for i=1:n for j=1:n newbuf(i+row,j+col)=outbuf(i,j); end end end end%- function outbuf=BtcBlock(inbuf,n)% *% 函数名称:% btcblock() 方块编码算法函数% 参数:% inbuf 方块数组% n 方块尺寸% outbuf 存放处理后的方块图像% 说明:% 把原图像分成n*n子块,对每个方块的图像数据分别计算xt,a0,a1值,再用分辨率分% 量(a0,a1)替代方块原来的数据 最后放入方块图像数组中并返回该数组。% * temp=0; temp0=0; temp1=0; q=0;m=n*n; inbuf=double(inbuf);for i=1:n for j=1:n temp=temp+inbuf(i,j); endendxt=temp/m;for i=1:n for j=1:n if (inbuf(i,j)=xt) q=q+1; temp1=temp1+inbuf(i,j); else temp0=temp0+inbuf(i,j); end endendif q=m a0=round(temp0/(m-q);endif q=0 a1=round(temp1/q);endfor i=1:n for j=1:n if (inbuf(i,j)1% 2_D DPCM: xi,j=128 if i=1,j=1% x i,j-1 if i=1,j1% xi-1,j if i1,j=1 or N% 1/2x i,j-1 if i1,j1% 1/8xi-1,j-1 (Pirschs predictor)% 1/4xi-1,j % 1/8xi-1,j+1% Dim : Dimension of prediction% Row : vertical coordinate of current pixel to be predicted% COL : horizontal coordinate of current pixel to be predicted% *global newbuf; switch dim %预测算法编程 case 1 if col=1 Pvalue=128; else Pvalue=newbuf(row,col-1); end case 2 if (row=1&col=1) Pvalue=128; end if (row=1&col1) Pvalue=newbuf(row,col-1); end if (row1&col=1)|(row1&col=N) Pvalue=newbuf(row-1,col); end if (row1&col1&colN) Pvalue=(1/2)*newbuf(row,col-1)+(1/4)*newbuf(row-1,col-1)+. (1/4)*newbuf(row-1,col+1); endend%-function Qvalue=Quant_Value(err);% * % This function is used as linear quantizer.The quantizer has totally% 13 quantization level :% 0,-+7,-+16,-+27,-+38,-+51,-+66% * if (abs(err)=3) lev=0; else if(abs(err)=11) lev=7; else if(abs(err)=21) lev=16; else if(abs(err)=32) lev=27; else if(abs(err)=44) lev=38; else if(abs(err)=58) lev=51; else lev=66; end; end; end; end; end; end; Qvalue = lev; if (err = 0) Qvalue = lev*(err / abs(err); end%-function Rvalue=Restor_Value(quan_err,pre_val)% *% This function is used to get restored value of DPCM% x=x+Quant_Error% * Rvalue=quan_err + pre_val; %-function Cvalue=Clip_Value(res_val)% *% This function is used to clip to restored value to 8_bit value% 0 if x255% x otherwise% * if (res_val255) Cvalue=255; else Cvalue=res_val; end;end;四、 实验结果及分析(原图像和处理后的图像比较及分析)如上图所示,即为实验所得的结果图像。由实验结果可以看出,一维和二维预测编码图像非常接近原图像;从误码图像中可以看出,一维预测编码会将误差延续到行末端,而二维预测编码其将误码延续至其后的斜后方,所以二维预测编码的误差会偏小。实验名称:JPEG压缩编码九、 实验目的(1) 掌握nxn子块的DCT图像变换及频谱特点。(2) 熟悉JPEG基本系统的图像编解码方法。二、 实验内容(1) 编程实现nxn子块DCT变换的图像频谱显示,8x8子块DCT变换系数按“Z”扫描图像重建,计算图像的均方根误差RMSE,显示误差图像和误差直方图。(2) 编程实现JPEG压缩编码,进行8x8子块的DCT图像变换,JPEG量化矩阵的量化与反量化,8x8子块DCT的图像重建,计算图像的均方根误差RMSE,显示误差图像和误差直方图。 三、 实验方法及编程用Matlab进行编程,主要是对照着实验书上面的算法流程图进行代码的编写,主要的代码如下所示:function newbuf=DctBlock(oldbuf,Block)% *% 函数名称: % DctBlock() DCT n*n 块频谱函数% % 参数:% oldbuf 原图像数组% Block DCT n*n 当前块选择值% newbuf 存放处理后的图像二维数组% % 说明:% 根据Block块的当前选择值,计算原图像的n*n块DCT变换,并转换为可视频谱图,% 有利于频谱的观察。 % * oldbuf=double(oldbuf);% 添加程序H=dctmtx(Block);newbuf=blkproc(oldbuf,Block Block,P1*x*P2,H,H);newbuf=log(abs(newbuf);subplot(2,2,2);imshow(newbuf,); %- function newbuf=DctCode(oldbuf,DCTch)% *% 函数名称: % DctCode() DCT 8*8 块系数“Z”字扫描图像压缩函数% % 参数:% oldbuf 原图像数组% DCTch DCT 8*8 块“Z”扫描当前系数选择值% newbuf 存放处理后的图像二维数组% % 说明:% 计算图像的88子块DCT变换,按“Z”字扫描顺序,根据DCTch参数,只保留64个% DCT系数中的前DCTch个系数,对修改后的DCT系数用逆DCT变换重建图像,得到DCT变% 换的压缩图像。计算重建图像的均方根误差RMSE ;显示误差图像和误差直方图。 % * zigzag=1 2 6 7 15 16 28 29 %设置z扫描顺序 3 5 8 14 17 27 30 43 4 9 13 18 26 31 42 44 10 12 19 25 32 41 45 54 11 20 24 33 40 46 53 55 21 23 34 39 47 52 56 61 22 35 38 48 51 57 60 62 36 37 49 50 58 59 63 64; tbuf=ones(8); %定义8*8全1数组 maskbuf=tbuf .* zigzag= 1 %如果有数据 s=max(h(:); subplot(2,2,3); %imshow(hist); bar(x,h/s,k); %显示图像差值直方图 RMSE = num2str(RMSE); %把数值转换为字符串 strRMSE = strcat(图像差值直方图 均方根误差RMSE= ,RMSE); %把多个串连接成长串 title(strRMSE); e = mat2gray(e,-emax,emax); %显示差值图像 subplot(2,2,4),imshow(e); title(原图像与压缩图像的差值图像); %显示结果图像标题 endend四、 实验结果及分析(原图像和处理后的图像比较及分析)如上图所示,即为实验的结果图像。对于DCT变换,变换后的高频部分存在于图像的左上角,代表着图像的轮廓,而低频部分代表图像的细节部分。对DCT系数做反DCT变换则可复原出原图。若反变换前对DCT系数进行取舍则可以降低码率,但是,会对图像质量带来一定的影响。如上图所示,当保留的系数越少,恢复的图像方块效应越严重,误差越大,差值图像越明显;当保留的系数越多,图像越接近于原图,误差越小,差值图像越不明显。
展开阅读全文