Дослідження методів обробки зображень в MatLab. Звіт до лабораторної роботи з Системи запису та відтворення інформації. Робота № 518560

Дослідження методів обробки зображень в MatLab

Інформація про навчальний заклад

ВУЗ:

Національний університет Львівська політехніка

Інститут:

ІКТА

Факультет:

Не вказано

Кафедра:

Не вказано

Інформація про роботу

Рік:

2013

Тип роботи:

Звіт до лабораторної роботи

Предмет:

Системи запису та відтворення інформації

Група:

ЗІ-32

Завантажити

Частина тексту файла (без зображень, графіків і формул):

МІНІСТЕРСТВО ОСВІТИ І НАУКИ УКРАЇНИ НАЦІОНАЛЬНИЙ УНІВЕРСИТЕТ «ЛЬВІВСЬКА ПОЛІТЕХНІКА» ІКТА кафедра ЗІ З В І Т до лабораторної роботи №3 з навчальної дисципліни: «Системи запису та відтворення інформації» на тему: «Дослідження методів обробки зображень в MatLab» Львів – 2011 Мета роботи: ознайомитися з основними можливостями обробки зображень реалізованими в середовищі MatLab. Завдання Ознайомитись з теоретичним матеріалом. Завантажити файл вказаний в завданні відповідно до свого варіанту. Вивести основну інформацію про графічний файл. Накласти на зображення шуми guassian, 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 в працездатності програми. Варіант – 1, назва файлу cameraman1.tiff. Лістинг програми I=imread('D:\Photo\cameraman1.tiff'); subplot(2,2,1); imshow(I); title('Original Image'); h=imshow('D:\Photo\cameraman1.tiff'); info = imfinfo('D:\Photo\cameraman1.tiff'); G=imnoise(I,'gaussian'); subplot(2,2,2); imshow(G); title('Gaussian Noise'); SP=imnoise(I,'salt & pepper'); subplot(2,2,3); imshow(SP); title('Salt & Pepper Noise'); S=imnoise(I,'speckle'); subplot(2,2,4); imshow(S); title('Speckle Noise'); h=fspecial('gaussian'); FG=imfilter(G,h); figure('Name','Filers for Gaussian Noise'); subplot(2,3,1); imshow(FG); title('Gaussian Filter'); s=fspecial('sobel'); FA=imfilter(G,s); subplot(2,3,2); imshow(FA), title('Sobel Filter'); u=fspecial('unsharp'); FA=imfilter(G,u); subplot(2,3,3); imshow(FA), title('Unsharp Filter'); p=fspecial('prewitt'); FA=imfilter(G,p); subplot(2,3,4); imshow(FA), title('Prewitt Filter'); a=fspecial('average'); FA=imfilter(G,a); subplot(2,3,5); imshow(FA), title('Average Filter'); h=fspecial('gaussian'); FG=imfilter(SP,h); figure('Name','Filers for Salt & Pepper Noice'); subplot(2,3,1); imshow(FG);title('Gaussian Filter'); s=fspecial('sobel'); FA=imfilter(SP,s); subplot(2,3,2); imshow(FA), title('Sobel Filter'); u=fspecial('unsharp'); FA=imfilter(SP,u); subplot(2,3,3); imshow(FA), title('Unsharp Filter'); p=fspecial('prewitt'); FA=imfilter(SP,p); subplot(2,3,4); imshow(FA), title('Prewitt Filter'); a=fspecial('average'); FA=imfilter(SP,a); subplot(2,3,5); imshow(FA), title('Average Filter'); h=fspecial('gaussian'); FG=imfilter(S,h); figure('Name','Filers for Speckle Noise'); subplot(2,3,1); imshow(FG);title('Gaussian Filter'); s=fspecial('sobel'); FA=imfilter(S,s); subplot(2,3,2); imshow(FA), title('Sobel Filter'); u=fspecial('unsharp'); FA=imfilter(S,u); subplot(2,3,3); imshow(FA), title('Unsharp Filter'); p=fspecial('prewitt'); FA=imfilter(S,p); subplot(2,3,4); imshow(FA), title('Prewitt Filter'); a=fspecial('average'); FA=imfilter(S,a); subplot(2,3,5); imshow(FA), title('Average Filter'); K=medfilt2(G); figure('Name','Median Filers'); subplot(2,2,1) imshow(K);title('Median filter for Gaussian Noise '); K=medfilt2(SP); subplot(2,2,2) imshow(K);title('Median filter for Salt & Pepper Noise '); K=medfilt2(SP); subplot(2,2,3) imshow(K);title('Median filter for Speckle Noise '); [m,n]=size(K); H_I=m; W_I=n; W_Real=W_I+(W_I-fix(W_I/4)*4); File_Size=54+W_Real*H_I+256*4; Image_Size=W_Real*H_I; Offset=54+256*4; d=fopen('D:\MY.bmp','wb'); fwrite(d,'B','uchar'); fwrite(d,'M','uchar'); fwrite(d,File_Size,'int32'); fwrite(d,0, 'int16'); fwrite(d,0, 'int16'); fwrite(d,Offset,'int32'); fwrite(d,40,'int32'); fwrite(d,W_I,'int32'); fwrite(d,H_I,'int32'); fwrite(d,1,'int16'); fwrite(d,8,'int16'); fwrite(d,0,'int32'); fwrite(d,Image_Size,'int32'); fwrite(d,0,'int32'); fwrite(d,0,'int32'); fwrite(d,256,'int32'); fwrite(d,256,'int32'); for ii=0:255 Temp=[ii ii ii 255]; fwrite(d,Temp,'uchar'); end; Temp=zeros(1,W_Real); for ii=H_I:-1:1 Temp(1:W_I)=I(ii,1:W_I); fwrite(d,Temp,'uchar'); end; fclose(d); Оригінальне зображення і зашумлені зображення Фільтри для шуму guassian Фільтри для шуму salt & pepper Фільтри для шуму speckle Результати медіанної фільтрації Збережене відфільтроване зображення Висновок: На даній лабораторній роботі я ознайомився з основними можливостями обробки зображень реалізованими в середовищі MatLab. За допомогою лінійної фільтрації можна відфільтрувати зображення лише з певним видом шуму. Тобто існує відповідність між шумом і фільтром. Медіанна фільтрація, як видно з результатів роботи, може застосовуватися для всіх розглянутих шумів, навіть якщо зображення дещо розмивається. Відфільтроване зображення було збережено у bmp-файлі.

Звіт до лабораторної роботи Системи запису та відтворення інформації

proffboss

16.01.2013 12:26

Коментарі

Ви не можете залишити коментар. Для цього, будь ласка, або зареєструйтесь.

Ділись своїми роботами та отримуй миттєві бонуси!

поділитись