Міністерство освіти і науки України Національний університет “Львівська політехніка” Інститут комп’ютерних технологій, автоматики та метрології кафедра “Захист інформації” ЗВІТ до лабораторної роботи № 3 з курсу "Системи запису та відтворення інформації" "ДОСЛІДЖЕННЯ МЕТОДІВ ОБРОБКИ ЗОБРАЖЕНЬ В MATLAB" РОЗДІЛ 1. МЕТА РОБОТИ Мета роботи – ознайомитися з основними можливостями обробки зображень реалізованими в середовищі MATLAB. РОЗДІЛ 2. ЗАВДАННЯ: Ознайомитись з теоретичним матеріалом. Завантажити файл вказаний в завданні відповідно до свого варіанту. Вивести основну інформацію про графічний файл. Накласти на зображення шуми gaussian, salt & pepper, speckle. Провести лінійну фільтрацію зашумленого зображення фільтрами ‘average’, ‘gaussian’, sobel’, ‘prewitt’, ‘unsharp’. Зробити висновки про ефективність фільтрів. Провести медіанну фільтрацію. Зробити висновки про ефективність фільтру Написати програму збереження відфільтрованого зображення у bmp-файлі. Переконатися у працездатності програми. Варіант Назва файлу  11 cameraman1.tiff   РОЗДІЛ 3. ЛІСТИНГ ПРОГРАМИ clear all; A=imread('D:\My\Системи запису та відтворення інформації\3\cameraman1.tiff','tiff'); info=imfinfo('D:\My\Системи запису та відтворення інформації\3\cameraman1.tiff','tiff'); figure(1);imshow(A) info.Filename info.FileModDate info.FileSize info.ColorType B=imnoise(A,'gaussian'); figure(2);imshow (B); B=imnoise(A,'salt & pepper'); figure(3);imshow (B); B=imnoise(A,'speckle'); figure(4);imshow (B); % фільтрування h= fspecial('average'); C=imfilter(B,h); figure(5);imshow (C); h= fspecial('gaussian'); C=imfilter(B,h); figure(6);imshow (C); % заливаэ чорним h= fspecial('sobel'); C=imfilter(C,h'); figure(7);imshow (C); % h= fspecial('prewitt'); C=imfilter(B,h); figure(8);imshow (C); h= fspecial('unsharp'); C=imfilter(B,h); figure(5);imshow (C); C=medfilt2(B,[3,3]); figure(5);imshow (C); % Визначити висоту і ширину зображення [m, n] = size(C); H_I = m; % Висота W_I = n; % Ширина % Доповнити кількість байт в рядку до кратних 4 W_Real = W_I + (W_I - fix(W_I/4)*4); % Справжній розмір рядка в байтах % Обчислити розмір файлу File_Size = 54 + W_Real * H_I + 256*4; % Обчислити розмір зображення в байтах Image_Size = W_Real * H_I; % Зміщення зображення від початку файлу Offset = 54 + 256*4; % Відкрити файл для запису d = fopen('D:\My\Системи запису та відтворення інформації\3\my.bmp', 'wb'); % % Заголовок файлу (BitMapFileHeader) % Заповнити поле Type fwrite(d, 'B', 'uchar'); fwrite(d, 'M', 'uchar'); % Заповнити поле Size fwrite(d, File_Size, 'int32'); % Заповнити поле Reserved 1 fwrite(d, 0, 'int16'); % Заповнити поле Reserved 2 fwrite(d, 0, 'int16'); % Заповнити поле OffsetBits fwrite(d, Offset, 'int32'); % % Інформаційний заголовок (BitMapInfoHeader) % Заповнити поле Size fwrite(d, 40, 'int32'); % Заповнити поле Width fwrite(d, W_I, 'int32'); % Заповнити поле Height fwrite(d, H_I, 'int32'); % Заповнити поле Planes fwrite(d, 1, 'int16'); % Заповнити поле BitCount fwrite(d, 8, 'int16'); % Заповнити поле Compression fwrite(d, 0, 'int32'); % Заповнити поле SizeImage fwrite(d, Image_Size, 'int32'); % Заповнити поле XpelsPerMeter fwrite(d, 0, 'int32'); % Заповнити поле YpelsPerMeter fwrite(d, 0, 'int32'); % Заповнити поле ColorsUsed fwrite(d, 256, 'int32'); % Заповнити поле ColorsImportant fwrite(d, 256, 'int32'); % % Таблиця кольорів (палітра) (ColorTable) for ii = 0 : 255 Temp = [ii ii ii 255]; fwrite(d, Temp, 'uchar'); end; % % Дані зображення (BitMap Array) Temp = zeros(1, W_Real); for ii = H_I : -1 : 1 Temp(1:W_I) = C(ii, 1:W_I); fwrite(d, Temp, 'uchar'); end; % fclose(d); РОЗДІЛ 4. РИСУНКИ 4.1. Фільтрація зображення з шумом типу «сіль і перець» медіанною фільтрацією // 4.2. Фільтрація зображення з шумом типу Гауса фільтром Гауса Noised Gaussian Filtred Gaussian // 4.3. Фільтрація зображення з шумом типу Гауса фільтром «average» Noised Gaussian Filtred Average // 4.4. Фільтрація зображення з мультиплікативним шумом фільтром «average» Noised speckle Filtred Average // РОЗДІЛ 5. ВИСНОВОК Виконуючи дану лабораторну роботу, я навчився працювати із зображеннями у середовищі Matlab. Розглянув методи очистки зображень за допомогою різноманітних фільтрів. Можна зробити висновок про відповідність очистки зображення конкретним фільтром в залежності від типу шуму на зображенні: проти шуму типу «сіль і перець» доречно застосовувати медіанну фільтрацію, проти гауссіанськго шуму доречно використовувати фільтр Гаусса і фільтр типу «average», проти мультиплікативного шуму – фільтр «average». Як видно із результатів, найякіснішу фільтрацію має медіанний фільтр.