Dgital Image Processing hm2

T1

Description

给定图像car.png和模版图像wheel.png，利用相关检测实现对car图像中的
wheel检测，具有最大相关值的位置可以解释为所检测到的wheel位置。程序的输入是图像和模版，要求：
（i）显示图像的相关值结果；
（ii）列出在图像中检测到的所有目标的（x，y）坐标。

Analysis

利用两幅图像的相关值来解决图像匹配的问题，因为把被匹配图像作为kernel，然后需要检测的图像作为pattern，相关可以用来检测和定位一个由kernel表示的pattern，被检测处pattern响应强。

具体实现

1. 首先，把car和wheel两张图片读入进来，存储到两个矩阵中。
2. 因为用imread函数都进来的矩阵都是uint8表示形式，相关操作的数值会比较大，容易溢出，所以把两个矩阵转换成double的表示形式。
3. 可以选择用padding的方式对矩阵进行扩充，但由于这次的操作不是检测边缘，所以也可以不填充，直接用模板进行相关值计算操作。
4. 相关值的计算公式为：
   $G[i,j] = \sum_{u=-k}^{k}\sum_{v=-k}^{k}H[u,v]F[i+u.j+v]$
   
   1. 因为相关值可能没有十分精确地反映真正的相关程度，所以，我们进行了归一化处理，利用：
      $R[i,j]= \frac{(\sum_{u=-k}^{k}\sum_{v=-k}^{k}H[u,v]F[i+u.j+v])^2}{ (\sum_{u=-k}^{k}\sum_{v=-k}^{k}(H[u,v])^2)\times(\sum_{u=-k}^{k}\sum_{v=-k}^{k}(F[i+u.j+v])^2)}$
   2. 然后把大于0.99的坐标筛选出来，以它为中心，按照wheel图像的大小尺寸，提取出匹配矩阵出来，然后再show出来。

（i）相关值结果保存在pdf中
（ii）x的坐标从107变化到127
y的坐标从139变化到161

提取出来的图像为：

T2

Description

(i)利用randi()函数随机产生两个不等的整数，把大的值赋值给$t_1(x,y)$,把小的值赋值给$t_2(x,y)$.
(ii)读入图像，根据要求，如果$f(x,y)$大于$t_1(x,y)$就赋值为255，小于$t_2(x,y)$就赋值为0，在两者中间就保持原来的值不变。
(iii)在添加了椒盐噪声的图像上，以3x3的窗口作中值滤波。首先在矩阵上tiquchu3x3的子矩阵，然后转换成一维的向量，直接用median函数取出中值，然后用此中值替换掉3x3窗口正中心的元素。不需要做padding，直接以3x3窗口的左上角对准矩阵的左上角开始。
(iv)