Пространственная фильтрация, обработка в частотной области и восстановление изображения (Matlab) презентация
Содержание
- 2. Задание: Выполнить над заданным (по вариантам) изображением все команды и
- 3. Вычислительный сценарий: Для выполнения заданий мною было взято изображение с именем
- 4. 1. Линейная пространственная фильтрация >> f=imread('D:\mlflagga_3-2.jpg'); >> imshow(f) Определяем класс изображения
- 5. Применение imfilter с нулевым проложением: Применение imfilter с нулевым проложением: 1)gd=imfilter(n,
- 6. Использование опции 'replicate‘: 1) gr=imfilter(n, w,'replicate'); figure,imshow(gr,[]) 2) gr8=im2uint8(gr); g8r=imfilter(gr8,w,'replicate'); figure,imshow(g8r,[])
- 7. Использование опции 'symmetric‘: 1) gs= imfilter(f,w,'symmetric'); figure,imshow(gs,[]) 2) gs8=im2uint8(gs); g8s=imfilter(gs8,w,'symmetric'); figure,imshow(g8s,[])
- 8. Использование опции 'circular‘: 1) gc= imfilter(n,w,'circular'); figure,imshow(gc,[]) 2) gc8=im2uint8(gc); g8c=imfilter(gc8,w,'circular'); figure,imshow(g8c,[])
- 9. 2. Стандартные пространственные фильтры из пакета IPT 1)Фильтр Лапласа: >> w=fspecial('laplacian',0)
- 10. 1) f2=im2double(f); 1) f2=im2double(f); >> g2=imfilter(f2,w,'replicate'); >> imshow(g2,[]) 2) f2=im2double(f); >>
- 11. Подбор параметров фильтров и сравнение разных техник улучшения изображения: >> f=imread('D:\rose-white-bouquet-flower-227196.jpg');
- 12. 3. Нелинейный пространственный фильтр Шум типа «соль и перец»: f1=imnoise(f,'salt
- 13. 4.Фильтр Фурье >> f=imread('D:\rose-white-bouquet-flower-227196.jpg'); >> F=fft2(f); >> imshow(F)
- 14. >> S=abs(F); >> S=abs(F); >> imshow(S,[]); >> Fc=fftshift(F); >> imshow(abs(Fc),[]); >>
- 15. 5.Фильтрация в частотной области Создаем М-функцию с именем paddedsize :
- 16. Создаем М-функцию с именем dftfilt : function g =dftfilt(f, H) F=fft2(f, size(H,1), size(H,2)); Gi=H.*F; g=real(ifft2(Gi)); g=g(1:size(f,1),1:size(f,2));
- 17. Создаем М-функцию с именем gscale : function g = gscale( f, varargin ) if length(varargin)==0 method='full8'; else method = varargin{1};
- 18. Создаем М-функцию с именем dftuv : function [U , V]= dftuv( M, N ) u=0:(M ); v=0:(N ); idx =find(u>M/2); u(idx) = u(idx);
- 19. Создаем М-функцию с именем lpfilter : function [H, D] = lpfilter( type, M, N, D0, n ) [U, V]=dftuv(M, N); D=sqrt(U.^2+V.^2); switch type case 'ideal'
- 20. Создаем М-функцию с именем hpfilter : function H = hpfilter( type, M, N, D0, n ) [U, V]=dftuv(M, N); D=sqrt(U.^2+V.^2); switch type case 'ideal'
- 21. f=imread('D:\rose-white-bouquet-flower-227196.jpg'); f=imread('D:\rose-white-bouquet-flower-227196.jpg'); red = f(:,:, 1); F=fft2(f); S=fftshift(log(1+abs(F))); S=gscale(S); imshow(f), figure,
- 22. PQ=paddedsize(size(red)); PQ=paddedsize(size(red)); [U, V]=dftuv(PQ(1), PQ(2)); D0=0.05*PQ(2); F=fft2(red, PQ(1), PQ(2)); H=exp(-(U.^2+V.^2)/(2*(D0^2))); g=dftfilt(red,
- 23. axis([0 50 0 50 0 1]) axis([0 50 0 50 0
- 24. PQ=paddedsize (size(red)); PQ=paddedsize (size(red)); D0=0.05.*PQ(1); H=lpfilter('gaussian', PQ(1), PQ(2), D0); g=dftfilt(red, H);
- 25. PQ=paddedsize (size(red)); PQ=paddedsize (size(red)); D0=0.05.*PQ(1); HBW=lpfilter('btw', PQ(1), PQ(2), D0,2); H=0.5+2*HBW; gbw=dftfilt(red,
- 26. 6.Модели шума Гауссов шум: f=imread('D:\539ee50c8597c8387f47b87b.jpg'); >> g=imnoise(f,'gaussian',0,0.01); >> figure, imshow(f); >>
- 27. Шум типа «соль и перец»: Шум типа «соль и перец»: f=imread('D:\539ee50c8597c8387f47b87b.jpg');
- 28. Мультипликатный шум: Мультипликатный шум: f=imread('D:\539ee50c8597c8387f47b87b.jpg'); >> g=imnoise(f,'speckle',0.04); >> figure, imshow(f); >>
- 29. Шум Пуассона: Шум Пуассона: f=imread('D:\539ee50c8597c8387f47b87b.jpg'); >> g=imnoise(f,'poisson'); >> figure, imshow(f); >>
- 30. Периодический шум Создаем функцию с именем imnoise3: function [ r,R,S
- 31. C=[0 64; 0 128; 32 32; 64 0; 128 0;-32 32];
- 32. C=[0 32; 0 64; 16 16;32 0;64 0;-16 16]; C=[0 32;
- 33. C=[6 32; -2 2]; C=[6 32; -2 2]; >> [r,R,S]=imnoise3(512,512,C); imshow(S,[])
- 34. Оценивание параметров шума Создаем М-функцию с именем histroi: function [ p,npix]=histroi(f,c,r)
- 35. f=imread('D:\539ee50c8597c8387f47b87b.jpg'); f=imread('D:\539ee50c8597c8387f47b87b.jpg'); >> [B,c,r]=roipoly(f); >> [p,npix]=histroi(f,c,r); >> figure,bar(p,1);
- 36. >> f=imread('D:\539ee50c8597c8387f47b87b.jpg'); B=roipoly(f,r,c); p=imhist(f(B)); if nargout >2 npix = sum(B(:)); end
- 37. Создаем М-функцию с именем spfilt: function f= spfilt(g,type,m,n,parameter) if nargin
- 38. Создаем М-функцию с именем gmean: function f=gmean(g,m,n) inclass=class(g); g=im2double(g); warning off;
- 39. Создаем М-функцию с именем harmean : function f= harmean(g,m,n) inclass=class(g); g=im2double(g);
- 40. Создаем М-функцию с именем charmean: function f=charmean(g,m,n,q) inclass=class(g); g=im2double(g); f=imfilter(g.^(q+1),ones(m,n),'replicate'); f=f./(imfilter(g.^(q+1),ones(m,n),'replicate')+eps);
- 41. >> f=imread('D:\539ee50c8597c8387f47b87b.jpg'); >> f=imread('D:\539ee50c8597c8387f47b87b.jpg'); g=imnoise(f,'salt & pepper',0.05); figure, imshow(f); figure, imshow(g);
- 42. Моделирование размытого зашумленного изображения >> f=imread('D:\rose-white-bouquet-flower-227196.jpg'); >> PSF=fspecial('motion',7,45); >> gd=imfilter(f,PSF,'circular');
- 43. >> noise=imnoise(gb,'gaussian',0,0.001); >> noise=imnoise(gb,'gaussian',0,0.001); gb=g+noise; >> imshow(gb);
- 44. Использование автокорреляционной функции при восстановлении изображения >> f=imread('D:\rose-white-bouquet-flower-227196.jpg'); PSF=fspecial('motion',7,45); gd=imfilter(f,PSF,'circular'); >>
- 45. Использование функции deconvreg при восстановлении смазанного зашумленного изображения >> f=imread('D:\rose-white-bouquet-flower-227196.jpg');
- 46. >> f=imread('D:\rose-white-bouquet-flower-227196.jpg'); >> f=imread('D:\rose-white-bouquet-flower-227196.jpg'); PSF=fspecial('motion',7,45); gd=imfilter(f,PSF,'circular'); fr=deconvreg(g,PSF,0.4,[1e-7 1e-7]); >> imshow(fr)
- 47. Скачать презентацию
Слайды и текст этой презентации
Скачать презентацию на тему Пространственная фильтрация, обработка в частотной области и восстановление изображения (Matlab) можно ниже: