- •Методичні вказівки до вивчення дисципліни
- •«Цифрова обробка сигналів та зображень»
- •Для студентів заочної форми навчання
- •За напрямом 6.050102 «Комп’ютерна інженерія»
- •1 Зміст навчальної дисципліни
- •2 Методичні вказівки до виконання розрахунковографічної роботи та варіанти завдань
- •2.1. Можливості цифрової обробки зображень в Matlab
- •Типи зображень
- •2.1.1. Геометричні перетворення зображень.
- •2.1.2. Аналіз зображень.
- •2.1.3. Поліпшення зображень.
- •2.1.4. Фільтрація зображень.
- •2.1.5. Сегментація зображень.
- •2.2. Алгоритми усунення розмитості цифрових зображень
- •2.2.1 Усунення розмитості зображення за допомогою алгоритму сліпої деконволюції.
- •Зчитування зображення.
- •2.2.2. Моделювання Blur.
- •2.2.3.Відновлення розмитого зображення.
- •2.2.4. Усунення розмитості зображення з допомогою фільтру Вінера
- •2.2.5. Імітація (Motion Blur) розмитості рухом.
- •2.2.6. Відновлення розмитого зображення.
- •3 Методика виконання розрахунково-графічної роботи
- •3.1 Цілі та завдання ргр
- •3.2. Порядок виконання ргр
- •4 Запитання для підготовки до екзамену
- •Рекомендована література
- •Приклад оформлення розрахунковографічної роботи
2.2.6. Відновлення розмитого зображення.
Функція J=deconvwnr(I,PSF) відновлює зображення I, яке було зіпсовано згорткою з функцією точки розповсюдження PSF і можливим доповненням шуму. Алгоритм оптимізується з точки зору найменшої середньоквадратичної похибки між зображенням що обчислюється та вихідним зображеннями та використовує матрицю кореляції та шуму зображення. При відсутності шумової складової, фільтр Вінера перетворюється в ідеальний інверсний фільтр.
У функції J=deconvwnr(I,PSF,NSR) параметр NSR вказує на співвідношення сигнал/шум. Величина NSR є скаляром або масивом, розмірність якого така ж як I. За замовчуванням це значення дорівнює 0.
Найпростіший синтаксис функції deconvwnr записується таким чином deconvwnr(A,PSF,NSR), де А це змінна під якою збережено розмите зображення, PSF точки розповсюдження функції, і NSR це величина співвідношення потужності шуму до потужності сигналу. Оскільки дане розмите зображення формується у 2 кроки без створення шуму, тому ми будемо використовувати 0 для NSR.
Синтаксис:
wnr1 = deconvwnr(blurred, PSF, 0);
imshow(wnr1);
title('Restored Image');
Рис. 19. Відновлене зображення
3 Методика виконання розрахунково-графічної роботи
3.1 Цілі та завдання ргр
Метою виконання розрахунково-графічної роботи є:
- ознайомитись з основними можливостями пакету Image Processing Toolbox для дослідження методів перетворення цифрових зображень в середовищі Matlab;
- вивчити на навчитись застосовувати алгоритми усунення розмитості при обробці цифрових зображень в середовищі Matlab;
- вивчення алгоритмів цифрової фільтрації багатомірних сигналів;
- покращення зображень за допомогою алгоритмів цифрової фільтрації;
- дослідження характеристик двомірних сигналів.
Звіт про виконану роботу має бути оформлений на стандартних аркушах формату А4 у тестовому редакторі MS Word (або Open Office.org Writer) та своєчасно поданий на перевірку викладачеві. Звіт повинен містити тему, план виконання роботи, лістинг програмного коду MATLAB з усіма виконаними операціями над заданим зображенням, коментарями до кожної команди та результат виконаного завдання. Після закінчення виконання завдання, зробити висновки по роботі.
Варіанти для виконання РГР наведено в таблиці 2.
Таблиця 2 – Завдання на РГР
№ |
Назва зображення |
Кут повороту |
Кількість точок на зображенні |
Маска фільтру |
Параметр сегментації |
Метод виділення |
Зашумлення функцією motion, LEN та THETA |
Параметр NSR |
1 |
2 |
3 |
4 |
5 |
6 |
7 |
8 |
9 |
1 |
Pic_1.tif |
10 |
9 |
laplacian alpha=0.15 |
0,02 |
sobel |
21, 45 |
0 |
2 |
Pic_2.tif |
45 |
12 |
log, hsize=5 sigma=0.2 |
0,15 |
canny |
85,12 |
0.01 |
3 |
Pic_3.tif |
68 |
17 |
average hsize=3 |
0,78 |
prewitt |
31, 9 |
0.001 |
4 |
Pic_4.tif |
73 |
14 |
laplacian alpha=0.45 |
0,56 |
roberts |
27, 36 |
0.015 |
5 |
Pic_5.tif |
27 |
21 |
log, hsize=4 sigma=0.51 |
0,09 |
zerocross |
45, 18 |
0.099 |
6 |
Pic_6.tif |
34 |
16 |
log, hsize=3 sigma=0.36 |
0,25 |
log |
36, 23 |
0.055 |
7 |
Pic_7.tif |
92 |
19 |
average hsize=2 |
0,07 |
sobel |
30, 17 |
0.086 |
8 |
Pic_8.tif |
87 |
7 |
laplacian alpha=75 |
0,36 |
canny |
22, 8 |
0.0085 |
9 |
Pic_9.tif |
102 |
18 |
log, hsize=2 sigma=0.64 |
0,48 |
prewitt |
29, 12 |
0.07 |
10 |
Pic_10.tif |
162 |
20 |
average hsize=3 |
0,86 |
roberts |
40, 15 |
0.09 |
11 |
Pic_11.tif |
173 |
24 |
laplacian alpha=0.85 |
0,92 |
zerocross |
39, 20 |
0 |
12 |
Pic_12.tif |
205 |
18 |
log, hsize=4 sigma=0.28 |
0,18 |
log |
37, 19 |
0.01 |
13 |
Pic_13.tif |
148 |
23 |
average hsize=3 |
0,36 |
sobel |
48, 17 |
0.001 |
1 |
2 |
3 |
4 |
5 |
6 |
7 |
8 |
9 |
14 |
Pic_14.tif |
220 |
13 |
laplacian alpha=0.99 |
0,14 |
canny |
31, 22 |
0.015 |
15 |
Pic_15.tif |
358 |
8 |
log, hsize=3 sigma=0.46 |
0,37 |
prewitt |
39, 14 |
0.099 |
16 |
Pic_16.tif |
312 |
26 |
average hsize=1 |
0,29 |
roberts |
42, 12 |
0.055 |
17 |
Pic_17.tif |
235 |
10 |
laplacian alpha=0.55 |
0,42 |
zerocross |
46, 34 |
0.086 |
18 |
Pic_18.tif |
154 |
17 |
log, hsize=4 sigma=0.45 |
0,62 |
log |
30, 11 |
0.0085 |
19 |
Pic_19.tif |
183 |
28 |
average hsize=2 |
0,75 |
sobel |
29, 7 |
0.07 |
20 |
Pic_20.tif |
215 |
30 |
laplacian alpha=0.65 |
0,82 |
canny |
32, 10 |
0.09 |
21 |
Pic_21.tif |
18 |
33 |
log, hsize=5 sigma=0.25 |
0,72 |
prewitt |
34, 9 |
0 |
22 |
Pic_22.tif |
36 |
23 |
average hsize=2 |
0,06 |
roberts |
31, 12 |
0.01 |
23 |
Pic_23.tif |
73 |
35 |
laplacian alpha=0.75 |
0,2 |
zerocross |
39, 23 |
0 |
24 |
Pic_24.tif |
135 |
30 |
log, hsize=4 sigma=0.85 |
0,38 |
log |
36,5 |
0.01 |
25 |
Pic_25.tif |
95 |
27 |
average hsize=3 |
0,74 |
sobel |
32,4 |
0.001 |