目录
1. 实验环境
DIPDemo.exe 程序
2. 实验内容
以附件中“DIPDemo.exe”程序为环境,结合给定的“ 图像处理中的常用标准图像 ” 或者自己日常收集、拍摄的图像(需用第三方工具转换为 bmp 格式),查看 每 种算法的运行效果。通过算法执行前后的图像的对比,简述自己对课堂讲授 内容 的理解。
3. 实验步骤
原图像名Furina.bmp,如下
几何变换——垂直镜像:
灰度反转
直方图均衡化与直方图统计
直方图均衡化就是把一个已知灰度概率密度分布的图像经过一种变换,使之演变为一 幅具有均匀灰度概率密度分布的新图像。
如下图所示,将芙宁娜图像调成黑白色后使用直方图均衡化,使得图像变得清晰。
图像复原—— 中值滤波
中值滤波是把数字图像或数字序列中一点的值用该点的一个邻域中各点值的中值代替 , 让周围的像素值接近真实值 ,从而消除孤立的噪声点 。是非线性滤波器,也是统计 排序滤波器,他的每一像素点灰度值设置为该点某邻域窗口内所有像素点灰度值的中 值
可以从图中明显感受到芙宁娜的头发特征比原图更加明显,但其他部分复原效果一般 甚至看不出效果。
图像复原——均值滤波
与中值相对应,均值取的是周围像素的均值而非中值,
可以看到图片同样模糊,均值滤波算法模糊化图片 。在本实验所使用的原图
Furina.bmp中均值滤波和中值滤波对图像处理结果的区别不是很大,我查阅了网上的 资料,参考了以下博客:
图像处理:中值滤波& 均值滤波_图像中值滤波函数-CSDN博客,其中均值滤波处理结果:
中值滤波处理结果:
可以看出,均值滤波对图像主要做模糊化处理 ,而中值滤波将椒盐噪声很好的平滑了 , 而且也没均值那样模糊化太过于严重。
边缘提取——sobel边缘算子
Sobel 、Prewitt 、Roberts算子属于一阶导数的边缘算子,通过模板作为核与图像的每 个像素点做卷积和运算,然后选取合适的阈值来提取图像的边缘。
Sobel算子是一种用于边缘检测的离散微分算子,它结合了高斯平滑和微分求导 。该算 子用于计算图像明暗程度近似值,根据图像边缘旁边明暗程度把该区域内超过某个数 的特定点记为边缘 。Sobel算子在Prewitt算子的基础上增加了权重的概念,认为相邻点 的距离远近对当前像素点的影响是不同的,距离越近的像素点对应当前像素的影响越 大,从而实现图像锐化并突出边缘轮廓。
Sobel算子根据像素点上下 、左右邻点灰度加权差,在边缘处达到极值这一现象检测边 缘 。对噪声具有平滑作用,提供较为精确的边缘方向信息 。 因为Sobel算子结合了高斯 平滑和微分求导(分化) , 因此结果会具有更多的抗噪性, 当对精度要求不是很高时 , Sobel算子是一种较为常用的边缘检测方法。
边缘提取—— prewitt边缘算子
Prewitt算子是一种图像边缘检测的微分算子,其原理是利用特定区域内像素灰度值产 生的差分实现边缘检测 。 由于Prewitt算子采用 3×3 模板对区域内的像素值进行计算, 而Robert算子的模板为 2×2 ,故Prewitt算子的边缘检测结果在水平方向和垂直方向均 比Robert算子更加明显 。Prewitt算子适合用来识别噪声较多 、灰度渐变的图像.
边缘提取—— roberts边缘算子
Roberts算子又称为交叉微分算法,它是基于交叉差分的梯度算法,通过局部差分计算 检测边缘线条 。 常用来处理具有陡峭的低噪声图像, 当图像边缘接近于正45度或负45 度时,该算法处理效果更理想 。其缺点是对边缘的定位不太准确,提取的边缘线条较 粗。
Roberts算子的模板分为水平方向和垂直方向,如下式所示,从其模板可以看出, Roberts算子能较好的增强正负45度的图像边缘。
边缘检测总结
Roberts算子 关键:交叉差分,通过局部差分计算检测边缘线条,处理具有陡峭的低噪 声图像 。算子模板大小为2x2
Prewitt算子 关键:利用特定区域内像素灰度值产生的差分实现边缘检测,算子模板为 3x3,故Prewitt算子的边缘检测结果在水平方向和垂直方向均比Robert算子更加明显 。 Prewitt算子适合用来识别噪声较多 、灰度渐变的图像
Sobel算子 关键:在prewitt算子的基础上增加了权重的概念,距离越近的像素点对应当 前像素的影响越大,从而实现图像锐化并突出边缘轮廓。
根据上图也可以看出, 图像边缘提取的效果是逐个增强的。
图像变换—— Fourier变换
test.bmp处理结果
经过傅里叶变换后, 图像会被表示为频率的集合。
亮的部分说明图像频率变化快,暗的部份说明变化慢。
图像变换——Walsh变换
沃尔什-哈达玛变换的本质上是将离散序列f(x)的各项值的符号按一定规律改变后,进行 加减运算
Walsh函数是一组在[-1, 1] 区间内取值的方波函数,而且它们的频率特征以及在频域中 的性质与正弦和余弦函数有所不同 。Walsh变换提供了一种不同于傅里叶变换的信号表 示方法,其系数表示了信号在Walsh基函数下的加权和 。人们更多关注的是其在Walsh 域下的系数 、能量分布以及它们的利用,而不是将这些系数直接解释为原图像的频率 特征。
test.bmp的walsh变换处理结果
心得体会
本次实验对滤波 、边缘提取 、 图像变换进行了实践,通过观察结果对相关图像处理算 法有了更广泛和更深入的认知。