1、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，南京 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、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
3、=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);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 =
4、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(
5、k.2)/(m*n);if result1=0 disp(dog图均方误差); result2=0elsedisp(dog图均方误差);result2=sqrt(result1)end3 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);sub
6、plot(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),
7、),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= uint
8、8(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=0elsedisp(dog图均方误差);result2=sqrt(result1)end4 运行结果图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，20122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,2009,73余成波.数字图像处理及MATLAB实现，重庆大学，2003
