资源描述：
《数字图像处理实验四.doc》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。
1、《数字图像处理》实验报告2013/2014学年第2学期系别：计算机科学与技术专业：计算机科学与技术班级：2011级嵌入式应用技术班学号：1110441057姓名：汪美玲教师：周晓实验四图像复原一、实验目的1．掌握退化模型。2．熟悉高斯噪声、均匀噪声、脉冲噪声等噪声模型。3．掌握均值、顺序统计、频域滤波、维纳滤波的方法。4．熟悉其他图像复原方法。二、实验内容1．自然图像含有大量噪声，这些噪声可能服从一定的统计规律，请采用顺序统计方法，实现去噪。任意选取一副图像，添加一些噪声，并采用顺序统计方法去除。实验要求：（1）生成椒盐噪声滤波。（2）采用均值、中值滤波实现去噪。2．维纳
2、滤波器是一种最小均方差滤波器，它能自动抑制噪声。任选一副图像，添加噪声和运动模糊退化，采用维纳滤波进行复原。实验要求：（1）添加运动模糊。（2）添加噪声。（3）采用带自相关函数的维纳滤波实现复原。三、实验代码及结果（截图）1．实验代码及结果代码：img=rgb2gray(imread('i_boat_gray.bmp'));figure;imshow(img);title('1110441057原图');img_noise=double(imnoise(img,'salt&pepper',0.06));figure;imshow(img_noise,[]);title('
3、111041057椒盐噪声');img_mean=imfilter(img_noise,fspecial('average',5));figure;imshow(img_mean,[]);title('1110441057均值滤波²¨');img_median=medfilt2(img_noise);figure;imshow(img_median,[]);title('1110441057中值滤波1');img_median2=medfilt2(img_median);figure;imshow(img_median2,[]);title('1110441057中值滤波
4、2');截图：图1.1原图图1.2加椒盐噪声图1.3均值滤波图1.4中值滤波（1）图1.5中值滤波（2）2．实验代码及结果代码：I=imread('i_camera.bmp');figure(1);imshow(I,[]);title('1110441057原图');PSF=fspecial('motion',25,11);Blurred=imfilter(I,PSF,'conv','circular');Noise=0.1*randn(size(I));BlurredNoisy=imadd(Blurred,im2uint8(Noise));figure(2);imsho
5、w(BlurredNoisy,[]);title('运动模糊退化且加噪声');WI1=deconvwnr(BlurredNoisy,PSF);figure(3);imshow(WI1,[]);title('不带参数的维纳滤波');NSR=sum(Noise(:).^2)/sum(im2double(I(:)).^2);WI2=deconvwnr(BlurredNoisy,PSF,NSR);figure(4);imshow(WI2,[]);title('不带参数的维纳滤波');NP=abs(fftn(Noise)).^2;NCORR=real(ifftn(NP));IP=a
6、bs(fftn(im2double(I))).^2;ICORR=real(ifftn(IP));WI3=deconvwnr(BlurredNoisy,PSF,NCORR,ICORR);figure(5);imshow(WI3,[]);title('带自相关函数参数的维纳滤波');截图：图2.1原图图2.2运动模糊退化且加噪声图2.3不带参数的维纳滤波图2.4不带参数的维纳滤波图2.5带自相关函数参数的维纳滤波四、实验总结通过本次试验熟悉高斯噪声、均匀噪声、脉冲噪声等噪声模型，掌握了均值、顺序统计、频域滤波、维纳滤波的方法等。在实现过程中，根据教材中相关内容的指导，顺利完成
7、试验。试验锻炼了我们的动手能力，是我们更加直观深入的了解了其中的原理。实验五图像压缩一、实验目的1．熟悉信息熵、图像数据冗余、压缩技术性能指标等相关概念。2．掌握哈夫曼编码、算术编码，熟悉其他无失真压缩编码。3．掌握预测编码、变换编码，熟悉其他有限失真压缩编码。4．熟悉图像压缩技术标准。二、实验内容1．哈夫曼编码是根据可变长最佳编码定理，应用哈夫曼算法而产生的一种编码方式。它根据信息源字符出现的概率大小来构造码字。具体步骤：（1）将信息源符号出现的概率按由大到小的顺序排列。（2）将两处最小的概率进行组合相加，行程一个新概率。并
