数字图像退化与复原系统设计doc完整版(MATLAB)

数字图像退化与复原系统设计doc完整版(MATLAB) 题一 数字图像退化与复原系统设计 摘要 题一针对数字图像退化与复原系统设计，利用MATLAB软件设计出了较为合理的用户界面并基本上实现了系统的功能。 我首先从系统的功能需求出发，布置了十四个按钮和两个图形窗口，通过对按钮编程一一实现相应的系统功能。其次是界面设计上，我将十四个按钮分三个功能区摆放，同一个功能区的按钮放在相同的按钮组上。两个图形窗口一个作为图像显示区，另一个作为图像处理区。按钮通过对图形窗口的调用可在图形窗口中显示按钮操作下的被处理图像结果。 最后我通过查找相关的网络资料以及询问老师利用MATLAB编程以及MATLAB GUI工具调试并成功运行了整个系统，由此完成了数字图像退化与复原系统设计。 一、设计目的 数字图像退化与复原系统设计目的有以下两个: 一是熟悉并掌握数字图像处理专业知识。二是通过此次系统设计来提高自己的MATLAB编程能力以及运用matlab软件去设计出满足特定功能需求的图形用户界面的能力。整个课程设计可以将我们在课堂上所学的理论知识综合运用到具体的实际工作环境中去，以此提高我们对图像处理知识的认知宽度和深度，锻炼我们动手、动脑解决问题的能力。 1 二、设计 整个数字图像退化与复原系统设计，我的出发点(思路)有以下两个方面: 其一是系统功能需求方面。数字图像退化与复原系统其主要功能有以下几个:一是对图像文件(bmp、 jpg、 tiff、 gif等)进行打开、保存、另存、打印、退出等。二是数字图像的统计信息功能(统计图像的行列数、绘制图像的直方图、获得图像的附加信息等)。三是图像的退化和复原功能(对图像加噪生成退化图像、给定加噪图像能估计噪声参数及噪声类型、通过几种滤波算法如:维纳滤波，最小二乘滤波等等实现去噪)。这里我总共布置了十四个按钮和两个图形窗口来实现这三个方面功能的不同需求。功能的实现方式主要是通过对按钮编程并配合图形窗口来实现的 其二是系统界面设计方面。首先将十四个按钮分三个功能区摆放，同一个功能区的按钮放在相同的按钮组上。其次两个图形窗口一个作为图像显示区，另一个作为图像处理区。按钮通过对图形窗口的调用一方面实现按钮的功能，另一方面在图形窗口中显示按钮操作下的被处理图像结果。 三、设计内容及实验结果 一、依据数字图像退化与复原系统的功能需求利用MATLAB GUI工具箱设计图形界面。 1)具体操作步骤:双击打开MATLAB?File?New?GUI?单击，调整axes1大小?调整按钮大小和颜色并修改名称?再建axes2?调 2 整axes2大小?调整按钮大小和颜色并修改名称?保存。界面设计结果如下图所示: 说明:整个图形界面有总标题、十四个功能按钮以及两个图形窗口。按钮分别布置在三个按钮组上，按钮组的名称依次为功能一区、功能二区、功能三区并且每一个按钮标注了相应的功能。两个图像窗口一个标注为图像显示区，另一个标注为图像处理区。就整个图形界面而言，它能够满足系统的功能需求，布局也较为合理。 二、在设计好的图形界面上，编程实现系统的功能并给出相应的功能仿真图。系统的功能模块设计如下: 1)图像读入(图像打开) 源代码如下: function pushbutton1_Callback(hObject, eventdata, handles) [name,path]=uigetfile(‘*.*’,’载入图像’);%载入所有类型的图像 file=[path,name];%将图像索引和推向名字综合在一起传给file x=imread(file); axes(handles.axes1);%将按钮与图形窗口链接 imshow(x); handles.img=x;%将图像传给按钮控制下的img函数 guidata(hObject, handles); title(‘读入原始图像’) 3 通过图形界面运行结果如下图所示: 说明:此处完成了图像的打开 2)图像保存 源代码如下: function pushbutton2_Callback(hObject, eventdata, handles) [filename,pathname] = uiputfile(‘*.bmp’, ‘’); if isequal([filename,pathname],[0,0]) errordlg(‘Ã?ÓÐ???æ’,’?ö?í’);%没保存报错 return; else file=strcat(pathname,filename);%函数strcat把变量名为pathname的字符串与 filename连接 (handles.axes2); i=getimage(gca); %取出坐标中的图像数据将其赋值给变量i imwrite(I,file);%将图像写入到指定的路径 end 4 通过图形界面运行结果如下图所示: 说明:点击图像保存，将读入的图像命名为sss并保存到clown文件夹中去。 3)图像打印 源代码如下: function pushbutton3_Callback(hObject, eventdata, handles) axes(handles.axes1);%使用axes函数将axes1设定为当前图形窗口 fig=(handles.img); printdlg%显示打印设置的对话框 printdlg(fig) printdlg(‘-crossplatform’,fig) printdlg(-‘setup’,fig) 通过图形界面运行结果如下图所示: 5 说明:点击图像打印，弹出打印窗口并可实现图像的打印功能。 4)图像另存为 源代码如下: function pushbutton4_Callback(hObject, eventdata, handles) [filename,pathname] = uiputfile(‘*.bmp’,’’);%默认图像的保存格式为.bmp if isequal([filename,pathname],[0,0]) errordlg(‘没有保存’,’出错’);%没保存 报错 return; else file=strcat(pathname,filename); (handles.axes2); i=getimage(gca); imwrite(I,file); end 通过图形界面运行结果如下图所示: 说明:点击图像另存为按钮，将读入的图像存放在桌面上。设置文件名为q，点击保存可在桌面上看到保存的图像q如下图: 6 5)退出 源代码如下: function pushbutton5_Callback(hObject, eventdata, handles) clc; close all;%关闭所有图像窗口 close(gcf);%gcf为当前图形窗口句柄，即关闭当前图形窗口。 说明:点击退出按钮，数字图像退化与复原图形界面被关闭。 6)对图像添加运动模糊psf 源代码如下: function pushbutton6_Callback(hObject, eventdata, handles) axes(handles.axes2);%将按钮对图像的处理显示在axes2上 x=(handles.img);%获取按钮上的图像信息 H=fspecial(‘motion’,30,45); %运动模糊psf MotionBlur=imfilter(x,H); imshow(MotionBlur); imwrite(MotionBlur,’e:\clown\psf.jpg’); title(‘psf运动模糊噪声’) 7 通过图形界面运行结果如下图所示: 说明:点击psf运动模糊按钮，将处理的图像在第二个图形窗口上显示。 7)对图像添加psf运动模糊和高斯噪声 源代码如下: function pushbutton7_Callback(hObject, eventdata, handles) % hObject handle to pushbutton7 (see GCBO) % eventdata reserved – to be defined in a future version of MATLAB % handles structure with handles and user data (see GUIDATA) axes(handles.axes2);%以axes2为图像显示窗口。 X=(handles.img); H=fspecial(‘gaussian’,10,5); %gaussian模糊 MotionBlur=imfilter(x,H,’conv’); a=0.02; xNoisy=imnoise(MotionBlur,’gaussian’,0,a); imshow(xNoisy); imwrite(xNoisy,’e:\clown\xNoisy.jpg’);%将图像写入到指定路径 title(‘模糊+高斯噪声’) 8 通过图形界面运行结果如下图所示: 说明:点击psf+高斯噪声按钮，将处理后的图像在第二个图形窗口显示。 8)对图像添加椒盐噪声 源代码如下: function pushbutton8_Callback(hObject, eventdata, handles) axes(handles.axes2); x=(handles.img);%获取界面上的图像 y=imnoise(x,’salt & pepper’,0.04); %加椒盐噪声 imshow(y); imwrite(y,’e:\clown\salt.jpg’); title(‘加椒盐噪声’) 通过图形界面运行结果如下图所示: 9 说明:点击椒盐噪声按钮，将处理后的图像在第二个图形窗口显示。 9)维纳滤波 源代码如下: function pushbutton9_Callback(hObject, eventdata, handles) axes(handles.axes2); m=(handles.img); axes(handles.axes2); x=(handles.img); H=fspecial(‘motion’,30,45); %运动模糊psf MotionBlur=imfilter(x,H,’circular’,’conv’); z=deconvwnr(MotionBlur,H); %维纳滤波 imshow(z); imwrite(z,’wiener.jpg’); function pushbutton9_Callback(hObject, eventdata, handles) axes(handles.axes2); m=(handles.img); axes(handles.axes2); x=(handles.img); H=fspecial(‘motion’,30,45); %运动模糊psf MotionBlur=imfilter(x,H,’circular’,’conv’); z=deconvwnr(MotionBlur,H); %维纳滤波 imshow(z); imwrite(z,’wiener.jpg’); title(‘维纳滤波’ ) 10 通过图形界面运行结果如下图所示: 说明:点击维纳滤波按钮，将处理后的图像在第二个图形窗口显示。(处理后的图像略带有 噪声，还算清晰) 10)最小二乘滤波 源代码如下: function pushbutton10_Callback(hObject, eventdata, handles) axes(handles.axes2); m=(handles.img); axes(handles.axes2); x=(handles.img); H=fspecial(‘gaussian’,10,5); %高斯模糊 MotionBlur=imfilter(x,H,’conv’); a=0.02; xNoisy=imnoise(MotionBlur,’gaussian’,0,a); Np=a*prod(size(x));%噪声能量 [reg lagra]=deconvreg(xNoisy,H,Np);%最小二乘滤波 imshow(reg); imwrite(reg,’reg.jpg’); title(‘最小二乘滤波’) 11 通过图形界面运行结果如下图所示: 说明:点击最小二乘滤波按钮，将处理后的图像在第二个图形窗口显示。(处理后的图像很 朦胧模糊) 11)中值滤波 源代码如下: function pushbutton11_Callback(hObject, eventdata, handles) axes(handles.axes2); n=(handles.img); x= rgb2gray(n);%中值滤波只能针对二值图像故做图像灰度化处理 y=imnoise(x,’salt & pepper’,0.04); %添加椒盐噪声 z=medfilt2(y,[5 5],’symmetric’); imshow(z); imwrite(z,’medfilt.jpg’); title(‘中值滤波’); 通过图形界面运行结果如下图所示: 12 说明:点击中值滤波按钮，将处理后的图像在第二个图形窗口显示。(处理后的图像很清晰) 12)R直方图统计源代码如下: function pushbutton12_Callback(hObject, eventdata, handles) set(handles.axes2,’HandleVisibility’,’ON’); axes(handles.axes2); y=handles.img; [m n]=size(y)%返回图像的行数和列数 x=imhist(handles.img(:,:,1)); %R直方图统计 x1=x(1:10:256); horz=1:10:256; bar(horz,x1); set(handles.axes2,’xtick’,0:50:255); title([‘行数:’,num2str(m),’列数’,num2str(n), ‘ [R直方图统计]’]通过图形界面运行结果如下图所示: 说明:点击R直方图统计按钮，将处理后的图像在第二个图形窗口显示。(注:图像的行列数在处理图像的标题中显示) 13)G直方图统计源代码如下: function pushbutton13_Callback(hObject, eventdata, handles) set(handles.axes2,’HandleVisibility’,’ON’); axes(handles.axes2); y=(handles.img); [m n]=size(y); if isrgb(y) x=imhist(y(:,:,2)); %G直方图统计 x1=x(1:10:256); horz=1:10:256; bar(horz,x1); 13 set(handles.axes2,’xtick’,0:50:255); title([‘行数:’,num2str(m),’列数’,num2str(n),’G直方图统计’]) else msgbox(‘这是灰度图像’,’G直方图统计失败’); end 通过图形界面运行结果如下图所示: 说明:点击G直方图统计按钮，将处理后的图像在第二个图形窗口显示。(注:图像的行列 数在处理图像的标题中显示且只有是rgb图像才可以处理) 14)B直方图统计源代码如下: function pushbutton14_Callback(hObject, eventdata, handles) set(handles.axes2,’HandleVisibility’,’ON’); axes(handles.axes2); n=(handles.img); [h l]=size(n); if isrgb(n) x=imhist(n(:,:,3)); %B直方图统计 x1=x(1:10:256); horz=1:10:256; bar(horz,x1); set(handles.axes2,’xtick’,0:50:255); title([‘行数:’,num2str(h),’列数’,num2str(l),’B直方图统计’]) else msgbox(‘这是灰度图像’,’B直方图统计失败’); end 14 通过图形界面运行结果如下图所示: 点击B直方图统计按钮，将处理后的图像在第二个图形窗口显示。(注:图像的行列数在处理图像的标题中显示) 四、题一课程设计总结与体会 此次课程设计使我受益匪浅，数字图像退化与复原系统的设计是基于MATLAB软件上实现的，我所做的工作主要有数字图像退化与复原系统界面设计、编写MATLAB程序、调试运行程序。 系统界面设计上，我主要是借助MATLAB GUI工具箱实现的。从系统功能需求出发，我布置了十四个按钮和两个图形窗口，每一个按钮实现系统的一个功能(通过编写matlab程序实现相应的功能)，第一个窗口用来图像的读入，另一个返回图像的操作结果。整个操作过程简述为:双击打开MATLAB?File?New?GUI?鼠标拖 拽需要的组件。 MATLAB程序编写方面，首先系统功能需求主要是:一、对图像文件(bmp、 jpg、 tiff、 gif等)进行打开、保存、另存、打印、退出。二、数字图像的统计信息功能(统计图像的行列数、绘制图像的直方图、获得图像的附加信息等)。三、图像的退化和复原功能(对图像加噪生成退化图像、给定加噪图像能估计噪声参数及噪声类型、通过几种滤波算法如:维纳滤波，最小二乘滤波等等实现去噪)，我的基本编程思路如下: 1、从电脑上获得图像:uigetfile(‘*.*’,’载入图像’) 2、将图形窗设置为当前窗口:axes(handles.axes1); 3、读入并显示图像:imread() imshow()，图像保存和另存为(理 15 解为将图像写到目的路径):imwrite()，先从axes上获得图像再打印图像: fig=(handles.img); printdlg%显示打印窗口 printdlg(fig)%打印图像 printdlg(‘-crossplatform’,fig) printdlg(-‘setup’,fig) 4、图像的加噪退化以及滤波复原可参照书上的源程序(自己改过)。 当系统界面与程序编写完成之后，整个数字图像退化与复原系统基本确定。最后一步工作是调试运行程序。整体而言，没什么太大的问题，程序能够很好地实现功能的第一部分和第二部分，但功能第三部分中对于给定的图像该如何获得图像的噪声参数及噪声类型至今没有找到相关资料和算法，需要进一步处理，这是不足之处。此外按钮可以通过菜单的方式布局，这样美观些，我这里欠佳考虑。 最后，我想说我很喜欢做课程设计，这既是一项考核也是一次机会，一次锻炼自己学习能力，提高自己的学习兴趣的好机会，希望在接下来的学习中继续努力，不断前进。 16 题二 图像的代数运算 摘要 题二针对图像代数运算，利用matlab软件编程完成了整个设计。 我根据给出的三个设计内容:一、降低同一场景的多幅图像中所含叠加性质的随机噪声。二、检测多幅图像间的变化及运动的物体。三、屏蔽掉图像的某些部分。通过查阅书本自己编程基本实现了题二的设计。 内容一我利用图像加法求均值的的方法来降低同一场景的多幅图像中所含叠加性质的随机噪声，而随机噪声的生成可借助imnoise和randn函。内容二自己编程利用图像减法运算来检测多幅图像间的变化及运动的物体，结果证明这与调用imsubstract函数结果相同。内容三先利用roipoly函数返回二值图像bw，然后编程使得选中区域为0，其余部分为1作为掩模，通过与原图的点乘运算得到需要屏蔽部分的图像，但最后程序得出的结果是灰色的图像，这是不足之处，有待完善。 一、 设计目的 图像代数运算设计目的如下: 一是运用图像代数运算的相关知识降低同一场景的多幅图像中所含叠加性质的随机噪声。二是掌握检测多幅图像间的变化及运动的物体的方法。三是知道如何屏蔽掉图像的某些部分。由图像算术运算的运算结果，思考图像减法运算在什么场合上发挥优势, 17 二、设计要求 1、自己编程实现所有算法，不得直接运用matlab函数，并与imadd、imsubtract、imdivide等函数进行效果比较。 2、在处理过程中请考虑:处理结果图像的像素值很可能超过图像数据类型所支持的最大值，尤其对于uint8类型的图像，溢出的情况。 三、设计内容 1、降低同一场景的多幅图像中所含叠加性质的随机噪声。 2、检测多幅图像间的变化及运动的物体。 3、屏蔽掉图像的某些部分。 4、由图像算术运算的运算结果，思考图像减法运算在什么场合上发挥优势, 四、设计方案 图像代数运算设计，根据已知的设计内容和要求我的方案如下: 根据内容一我的方案是:首先读入一幅图像并对图像添加多种不同的随机噪声来生成同一场景多幅含随机噪声的图像。其次将得到噪声图像累加起来得到同一场景的多幅含叠加性质的随机噪声图像。最后通过对多幅图像求平均值的方法来降低同一场景的多幅图像中所含叠加性质的随机噪声(这里可将编程得到的图像求平均处理效果与调用imlincomp函数得到的处理效果比较)。 根据内容二我的方案是:先读入一幅图像并做运动模糊以及添加随机噪声处理来生成多幅运动和变化的图像。然后将得到的多幅运动 18 变化图像与原图像相减来检测多幅图像间的变化及运动的物体。最后将编程得到的处理效果与调用imsubtract函数得到的处理效果进行比较。 根据内容三我的方案是:先读入一幅图像利用roipoly函数选择图像中的多边形区域。roipoly函数返回二值图像bw，选中区域的像素值为1，其余部分的值为0。然后编程使得选中区域为0，其余部分为1作为掩模，通过与原图的点乘运算选择需要屏蔽的图像区域。 五、实验结果 1)降低同一场景的多幅图像中所含叠加性质的随机噪声 源代码如下: %%降低同一场景的多幅图像中所含叠加性质的的随机噪声 I=imread('1YZ`}4G}1A]07OF$TDW0)C2.jpg'); noise1=0.1*randn(size(I));%添加随机噪声 m1=I+im2uint8(noise1); m2=imnoise(I,'gaussian',0.02);%添加高斯噪声 m3=imnoise(I,'salt & pepper', 0.02);% 添加椒盐噪声 noise2=fspecial('motion',20,45);%添加运动模糊噪声 m4=imfilter(I,noise2,'circular','conv'); k=0.25*(m1+m2+m3+m4);%将加有噪声的四幅图像求平均 k1=imlincomb(0.25,m1,0.25,m2,0.25,m3,0.25,m4);% 将加有噪声的四幅图像线性组合(求平均) figure(1) subplot(231);imshow(I);title('原始图像') subplot(232);imshow(m1);title('添加随机噪声的图像') subplot(233);imshow(m2);title('添加高斯噪声的图像') subplot(234);imshow(m3);title('添加椒盐噪声的图像') subplot(235);imshow(m4);title('添加运动模糊噪声的图像') figure(2) imshow(k);title('自己编程均值去噪后的图像') figure(3) imshow(k1);title('调用imlincomb去噪后的图像') 19 运行结果如下: 图一 说明:图一对原始图像添加四种噪声后得到加噪后的四幅图像及原始图像。 图二 说明:图二将添加四种噪声的图像叠加后得到的图像，显然图像变亮了，且运动模糊，椒盐和高斯噪声降低了些。 20 图三 说明:图三是自己均值处理后的图像，它没图二那么亮了，运动模糊，椒盐和高斯噪声较图1明显消减了。 图四 说明:图四的图像亮度与原图无差异，且运动模糊，椒盐和高斯噪声较图1明显消减(自己写的程序存在不足)。 21 2)检测多幅图像间的变化及运动的物体 源代码如下: I=imread('1YZ`}4G}1A]07OF$TDW0)C2.jpg'); psf=fspecial('motion',20,45);% I1=imfilter(I,psf,'circular','conv'); noise1=0.1*randn(size(I));%添加随机噪声 m1=I+im2uint8(noise1); m2=imnoise(I,'salt & pepper', 0.02);%添加椒盐噪声 I2=I1-I;%自己写的图像减法 I3=imsubtract(I1,I);%调用图像减法函数 I4=m1-I; I5=imsubtract(m1,I); I6=m2-I; I7=imsubtract(m2,I); figure(1) subplot(221);imshow(I);title('原始图像') subplot(222);imshow(I1);title('运动模糊图像') subplot(223);imshow(m1);title('随机噪声图像') subplot(224);imshow(m2);title('椒盐噪声图像') figure(2) subplot(221);imshow(I2);title('对运动模糊图像自己处理后的图像') subplot(222);imshow(I4);title('对随机噪声图像自己处理后的图像') subplot(223);imshow(I6);title('对椒盐噪声图像自己处理后的图像') figure(3) subplot(221);imshow(I3);title('调用imsubtract函数对运动模糊图像处理后的图像') subplot(222);imshow(I5);title('调用imsubtract函数对随机噪声图像处理后的图像') subplot(223);imshow(I7);title('调用imsubtract函数对椒盐噪声图像处理后的图像') 运行结果如下: 22 图五 说明:图五对原始图像添加随机噪声(运动模糊、随机噪声、椒盐噪声)得到的加噪图像及原图。 图六 说明:图六是自己对加噪后的三幅图像与原始图像减法处理后生成的图像。显然减法处理后显示的部分即为运动和变化的部分。图六较图五由于图像灰度值没有发生改变，相减后图像变成了黑色，图六中留下的图像明了原始图像发生的运动和变化(留下了发生位移的图像和噪声)。 23 图七 说明:图七是调用imsubstract图像减法函数得到的处理结果实验证明与图六自己处理的效 果相同。 3)屏蔽掉图像的某些部分。 源代码如下: %%ÆÁ?εôÍ?ÏñµÄÄ?Ð????Ö clear all; [I0,map]=imread('1YZ`}4G}1A]07OF$TDW0)C2.jpg'); size(map) [m n]=size(I0); figure(1) imshow(I0,map);title('原始图像') I=reshape(double(I0),m,n);%图像降维处理 size(I); x=[222 272 300 270 221 194]; y=[21 21 75 121 121 75]; bw=roipoly(I,x,y); meth1=bw; figure(2) subplot(211);imshow(meth1,map);title('选定特定区域二值掩膜图')%获得二值掩 膜 for i=1:m for k=1:n if meth1(i,k)==1 meth1(i,k)=0; else meth1(i,k)=1; 24 end end end subplot(223);imshow(meth1,map);title('令选定区域为01非选定区域为1作为二值 掩膜图') I2=I.*meth1; figure(3) imshow(I2,map); 运行结果如下: 图八 说明:读入的原始图像。 25 图九 说明:获得的二值掩膜图及处理后的二值掩膜图。 图十 说明:图十中第一幅图像去除掉了选定了六边形区域。但是另外两个图像是如何出现的不清楚，且屏蔽后显示的图像是灰色的，自己编的程序存在不足，没处理得好。(有待解决)。 26 4)由图像算术运算的运算结果，思考图像减法运算在什么场合上发挥优势, 答:首先图像相减运算可用于消除一幅图像中所不需要的加性图案，加性图案可能是缓慢变化的背景阴影、周期性噪声，或在图像上每一像素点均已知的附加污染等。 减法运算还可用于检测同一场景的两幅图像之间的变化。通过加噪处理的图像与原始图像减法处理可比较出图像加噪发生的运动及变化，且效果显著。 六、课程设计总结与体会 对于图像的代数运算这一模块的设计，从题目给定的内容出发，挖掘解题需要用到的课本知识再通过matlab编程有步骤有计划地完成设计，这一过程很好的锻炼了自己的动手动脑、解决问题的能力。 图像代数运算课题设计涉及到图像的加减乘除运算，此次实践让我进一步了解了图像代数运算对图像的作用效果:图像加法能和很好的降低同一场景多幅图像含叠加性质的随机噪声。图像减法可用于检测同一场景的两幅图像之间的变化，通过加噪处理的图像与原始图像减法处理可比较出图像加噪发生的运动及变化，且效果显著。对于图像乘除法运算，首先乘法运算在获取图像的局部图案时发挥作用，用一幅掩膜图像(mask image)乘以某一图像可遮住该图像中的某些部分，使其仅保留图像中感兴趣的部分，其次除法运算还可以产生对颜色和多光谱图像分析十分重要的比率图像。 课程设计这一实践能够真正的检验我们所学的理论基础，本人很 27 期待这样的考核方式，希望在以后的学习过程中再接再厉。 七、参考文献 [1]张德丰. 数字图形图像处理(MATLAB版) 人民邮电出版社 2011.12 [2]杨帆，等. 数字图像处理与分析 北京航空航天大学出版社 2007 [3]薛南青 数学建模基础知识精选 山东大学出版社 2007.6 28