ЦОСл3

Министерство науки и высшего образования Российской Федерации Федеральное государственное автономное образовательное учреждение высшего образования

ТОМСКИЙ ГОСУДАРСТВЕННЫЙ УНИВЕРСИТЕТ СИСТЕМ УПРАВЛЕНИЯ И РАДИОЭЛЕКТРОНИКИ (ТУСУР)

Кафедра безопасности информационных систем (БИС)

ЦИФРОВАЯ ОБРАБОТКА ДВУМЕРНЫХ СИГНАЛОВ

Отчет

по лабораторной работе №3

по дисциплине «Цифровая обработка сигналов»

Студенты гр. 731-2,

«___» _______________ 2024 г

Принял

Преподаватель каф. БИС

«___» _______________ 2024 г

Содержание

Введение 3

1 ФИЛЬТРАЦИЯ ЗАШУМЛЕННОГО ИЗОБРАЖЕНИЯ 4

2 ОЦЕНКА СПОСОБОВ ФИЛЬТРАЦИИ 7

3 ИССЛЕДОВАНИЯ АЛГОРИТМОВ ОБРАБОТКИ ИЗОБРАЖЕНИЙ 14

Заключение 19

Введение

Цель работы: оценка качества линейной и нелинейной (ранговой) фильтрации изображений, изучение основных алгоритмов обработки изображений.

1 ФИЛЬТРАЦИЯ ЗАШУМЛЕННОГО ИЗОБРАЖЕНИЯ

Первоочередно необходимо исследовать исходные изображения, что представлено на рисунке 1.1.

Рисунок 1.1 – Исходные изображения

Далее необходимо наложить на исходное изображение импульсный и нормальный шумы, представленными на рисунке 1.2

Рисунок 1.2 – Зашумленные изображения

Далее необходимо произвести медианную фильтрацию изображения зашумлёнными импульсным и нормальны шумами, что представлено на рисунках 1.3 – 1.4

Рисунок 1.3 – Медианная фильтрация импульсного шума

Рисунок 1.4 – Медианная фильтрация нормального шума

Далее необходимо произвести линейную фильтрацию изображения зашумлёнными импульсным и нормальны шумами, что представлено на рисунках 1.5 – 1.6.

Рисунок 1.5 – Линейная фильтрация импульсного шума

Рисунок 1.6 – Нормальный шум с линейной фильтрацией

2 ОЦЕНКА СПОСОБОВ ФИЛЬТРАЦИИ

Для оценки качества медианной фильтрации определим, на сколько отфильтрованное изображение отличается от исходного путем разности исходного и обработанного изображений, что представлено на рисунках 2.1 – 2.2. Также необходимо получить значения СКО, значения которого представлены в таблице 2.1.

Рисунок 2.1 – Отличие исходного изображения от зашумленного импульсным шумом при медианной фильтрации

Рисунок 2.2 – Отличие исходного изображения от зашумленного нормальным шумом при медианной фильтрации

Для оценки качества медианной фильтрации определим, на сколько отфильтрованное изображение отличается от исходного путем разности исходного и обработанного изображений, что представлено на рисунках 2.3 – 2.4. Также необходимо получить значения СКО, значения которого представлены в таблице 2.1

Рисунок 2.3 – Отличие исходного изображения от зашумленного импульсным шумом при линейной фильтрации

Рисунок 2.4 – Отличие исходного изображения от зашумленного нормальным шумом при линейной фильтрации

Таблица 2.1 – Исследуемые параметры фильтрации

Тип фильтра и шума	Имена файлов	Число весовых коэф. фильтров	СКО
Медианная фильтрация, импульсный шум	ri1.bmp ri2.bmp ri3.bmp ri4.bmp ri5.bmp	3 5 9 13 25	6,2795 6,2963 6,7809 8,1569 10,5103
Медианная фильтрация, нормальный шум	rn1.bmp rn2.bmp rn3.bmp rn4.bmp rn5.bmp	3 5 9 13 25	33,9733 33,0507 32,5292 32,1087 31,8134
Линейная фильтрация, импульсный шум	Li1.bmp Li2.bmp Li3.bmp Li4.bmp Li5.bmp	3 5 9 13 25	10,5858 8,9862 10,2713 11,6589 14,7853
Линейная фильтрация, нормальный шум	Ln1.bmp Ln2.bmp Ln3.bmp Ln4.bmp Ln5.bmp	3 5 9 13 25	33,7781 32,5412 32,5662 32,7645 33,5334

На основе значений из таблицы 2.1 были построены графики зависимости СКО от числа весовых коэф. фильтров, что представлено на рисунках 2.5 – 2.8.

Рисунок 2.5 – Зависимость СКО от числа весовых коэф. фильтров медианной фильтрации, импульсного шума

Рисунок 2.6 – Зависимость СКО от числа весовых коэф. фильтров медианной фильтрации, нормального шума

Рисунок 2.7 – Зависимость СКО от числа весовых коэф. фильтров линейной фильтрации, импульсного шума

Рисунок 2.8 – Зависимость СКО от числа весовых коэф. фильтров линейной фильтрации, нормального шума

В ходе анализа было установлено, что среднеквадратичное отклонение (СКО) для линейной фильтрации демонстрирует практически идентичные значения. При нормальном шуме ранговая фильтрация отличается от линейных незначительно больших значений СКО при минимальном и максимальном количестве весовых коэффициентов, а также меньшими значениями при остальных значениях. Важно отметить, что при импульсном шуме ранговая фильтрация существенно выделяется на фоне других методов за счет значительно меньших значений СКО. Характерной особенностью для всех типов фильтров является резкое уменьшение СКО при увеличении количества весовых коэффициентов, сопровождающееся последующим плавным ростом.

3 ИССЛЕДОВАНИЯ АЛГОРИТМОВ ОБРАБОТКИ ИЗОБРАЖЕНИЙ

Далее необходимо произвести анализ выбранного участка исходного изображения при помощи осциллографа, что представлено на рисунке 3.1.

Рисунок 3.1 – Осциллограмма исходного изображения

Далее необходимо произвести обработку изображения восемью фильтрами, отобразим полученные осциллограммы которых представлены на рисунках 3.2 – 3.9.

Рисунок 3.2 – Осциллограмма изображения, обработанного фильтром lapl.msk

Рисунок 3.3 – Осциллограмма изображения, обработанного фильтром lff.msk

Рисунок 3.4 – Осциллограмма изображения, обработанного фильтром ddf.msk

Рисунок 3.5 – Осциллограмма изображения, обработанного фильтром gradz.msk

Рисунок 3.6 – Осциллограмма изображения, обработанного фильтром grads.msk

Рисунок 3.7 – Осциллограмма изображения, обработанного фильтром gor.msk

Рисунок 3.8 – Осциллограмма изображения, обработанного фильтром vert.msk

Рисунок 3.9 – Осциллограмма изображения, обработанного фильтром diag.msk

Анализ данных изображения осциллограмм позволил сделать следующие выводы:

1. Оператор Лапласа (lapl.msk) усиливает изображение малоразмерных деталей. Такой тип фильтрации применяется для исследования высокочастотной структуры объекта.

2. Фильтр «скользящее среднее» (lff.msk) не изменяет низкочастотные компоненты изображения, но подавляет высокочастотные. Этот метод используется для уменьшения визуального шума.

3. Оператор двойного дифференцирования (dff.msk) применяется для выделения малоразмерных деталей в изображении.

4. Метод направленного градиента служит для выделения краев объекта и получения общего представления об изображении. В данном исследовании использовались маски "запад" (gradz.msk) и "север" (grads.msk). Яркость выходного элемента изображения напрямую зависит от градиента изменения яркости: чем больше наклон, тем выше яркость.

5. Фильтры (gor.msk), (vert.msk), (diag.msk) позволяют выделить горизонтальные, вертикальные и диагональные линии деталей изображения.

Заключение

В ходе выполнения лабораторной работы были получены навыки оценки качества линейной и нелинейной (ранговой) фильтрации изображений, изучение основных алгоритмов обработки изображений

Томск 2024