精华内容
下载资源
问答
  • 图像复原matlab程序-图像复原matlab程序.rar 程序代码说明: 4_1:生成模糊化实验图像 4_2:维纳滤波复原 4_3:约束最小二乘滤波复原 4_4:Lucy-Richardson滤波复原 4_5:盲卷积滤波复原
  • 图像复原matlab程序

    2015-05-30 15:38:01
    MATLAB程序对图像进行处理后,本程序介绍了如何利用MATLAB技术多图像复原
  • 图像复原matlab程序.zip

    2019-08-13 16:41:21
    图像复原技术主要是针对成像过程中的“退化”而提出来的,而成像过程中的“退化”现象主要指成像系统受到各种因素的影响,诸如成像系统的散焦、设备与物体间存在相对运动或者是器材的固有缺陷等,导致图像的质量不...
  • 彩色含噪图像的复原是一类较难的问题,此处作者编写了一个MATLAB的全变差(TV)图像复原算法,能较好地解决彩色图像的复原问题
  • 图像复原MATLAB实现

    千次阅读 2019-05-10 22:19:00
    前言:本篇博客先介绍滤波器滤除噪声,再介绍滤波器复原,侧重于程序的实现。 一:三种常见的噪声 二:空间域滤波 空间域滤波复原是在已知噪声模型的基础上,对噪声的空间域进行滤波。空间域滤波复原...

    前言:本篇博客先介绍滤波器滤除噪声,再介绍滤波器复原,侧重于程序的实现。

    一:三种常见的噪声

     

     

     

     二:空间域滤波

    空间域滤波复原是在已知噪声模型的基础上,对噪声的空间域进行滤波。
    空间域滤波复原方法主要包括:

      均值滤波器

        算术均值滤波器

        几何均值滤波器
        谐波均值滤波器
        逆谐波均值滤波器
      顺序统计滤波器
        中值滤波器
        最大值/最小值滤波器

    2.1算数均值滤波器

    1 img=imread('D:/picture/ZiXia.jpg');
    2 img=rgb2gray(img);
    3 figure,imshow(img);//原图
    4 img_noise=double(imnoise(img,'gaussian',0.06));
    5 figure,imshow(img_noise,[]);//含有高斯噪声的图
    6 img_mean=imfilter(img_noise,fspecial('average',3));//滤波后的图
    7 figure;imshow(img_mean,[]);

    2.2几何均值滤波器

    1 img=imread('cameraman.tif');
    2 img=rgb2gray(img);
    3 figure,imshow(img);
    4 img_noise=double(imnoise(img,'gaussian',0.06));
    5 figure,imshow(img_noise,[]);
    6 img_mean=exp(imfilter(log(img_noise+1),fspecial('average',3)));
    7 figure;imshow(img_mean,[]);

     

     

     2.3谐波均值滤波器

    2.4逆谐波均值滤波器

     

    采用逆谐波均值滤波器对附加胡椒噪声图像进行滤波的matlab程序如下:

    1 img=imread('cameraman.tif');  figure,imshow(img);
    2 [M,N]=size(img);R=imnoise2('salt & pepper',M,N,0.1,0);
    3 img_noise=img;img_noise(R==0)=0;
    4 img_noise=double(img_noise); figure,imshow(img_noise,[]);
    5 Q=1.5;
    6 img_mean=imfilter(img_noise.^(Q+1),fspecial('average',3))./imfilter(img_noise.^Q,fspecial('average',3));
    7 figure;imshow(img_mean,[]);

    采用逆谐波均值滤波器对附加盐噪声图像进行滤波的matlab程序如下:

    1 img=imread('csboard.tif');figure,imshow(img);
    2 [M,N]=size(img);R=imnoise2('salt & pepper',M,N,0,0.1);
    3 img_noise=img;img_noise(R==1)=255;
    4 img_noise=double(img_noise); figure,imshow(img_noise,[]);
    5 Q=-1.5;
    6 img_mean=imfilter(img_noise.^(Q+1),fspecial('average',3))./imfilter(img_noise.^Q,fspecial('average',3));
    7 figure;imshow(img_mean,[]);

     2.5中值滤波器

     

     

    1 img=imread('cameraman.tif');
    2 img_noise=double(imnoise(img,'salt & pepper',0.06));
    3 img_mean=imfilter(img_noise,fspecial('average',5));
    4 img_median=medfilt2(img_noise);%一次中值滤波
    5 img_median2=medfilt2(img_median);%二次中值滤波

    2.6最大值,最小值滤波器

     

     

    利用最大值滤波器消除胡椒噪声污染图像的matlab程序如下。

    1 img=imread('csboard.tif');
    2 [M,N]=size(img);
    3 R=imnoise2('salt & pepper',M,N,0.1,0);
    4 img_noise=img;
    5 img_noise(R==0)=0;
    6 img_noise=double(img_noise);
    7 imwrite(uint8(img_noise),'csbord_pepper.jpg');
    8 img_max=imdilate(img_noise,ones(3,3));
    9 imwrite(uint8(img_max),'cameraman_saltpepper_max.jpg');

    利用最小值滤波器消除盐噪声污染图像的matlab程序如下。

    1 img=imread('csboard.tif');
    2 [M,N]=size(img);
    3 R=imnoise2('salt & pepper',M,N,0,0.1);
    4 img_noise=img;
    5 img_noise(R==1)=255;
    6 img_noise=double(img_noise);
    7 imwrite(uint8(img_noise),'csbord_salt.jpg');
    8 img_min=imerode(img_noise,ones(3,3));
    9 imwrite(uint8(img_min),'cameraman_saltpepper_min.jpg');

     2.7带阻滤波器

     

     

     1 I=imread('pout.tif');
     2 [m,n]=size(I);
     3 J=I;
     4 for i=1:m
     5     for j=1:n
     6         J(i,j)=I(i,j)+20*sin(20*i)+20*sin(20*j);%增加周期性噪声
     7     end
     8 end
     9 IF=fftshift(fft2(I));
    10 JF=fftshift(fft2(J));
    11 IF=log(1+abs(IF));
    12 JF=log(1+abs(JF));
    13 
    14 subplot(221)%显示频谱
    15 imshow(IF,[])
    16 subplot(222)
    17 imshow(JF,[])
    18 %高斯带阻滤波器构造
    19 fbrf=ones(m,n);
    20 for i=1:m
    21     for j=1:n
    22         fbrf(i,j)=1-exp(-0.5*(((i-m/2)^2+(j-n/2)^2-55^2)/(sqrt(i.^2+j.^2)*5))^2);%20为带阻中心,5为带宽
    23     end
    24 end
    25  H=fbrf;
    26 %频率域滤波
    27 f=fftshift(fft2(J));
    28 out=f.*H;%频率域滤波
    29 out=ifft2(ifftshift(out));
    30 out=abs(out);
    31 out=out/max(out(:));%归一化【0,132 subplot(223)
    33 imshow(out,[]);
    34 subplot(224)
    35 imshow(J,[])

    2.8带通滤波器

    2.9陷波滤波器

     

     1 clear;
     2 close all;
     3 src = im2double(imread('D:/picture/ZiXia.jpg'));
     4 src = rgb2gray(src);
     5 subplot(221)
     6 imshow(src);
     7 title('原始图像');
     8 [w h] = size(src);
     9 srcf = fft2(src);
    10 srcf = fftshift(srcf);
    11 subplot(222)
    12 imshow(srcf);
    13 %  低通滤波
    14 % flt = zeros(size(src));
    15 % rx1 = w/2;
    16 % ry1 = h/2;
    17 % r = min(w,h)/3;
    18 % for i = 1:w
    19 %     for j = 1:h
    20 %         if(rx1-i)^2 +(ry1 - j)^2 <= r*r
    21 %             flt(i,j) = 1;
    22 %         end
    23 %     end
    24 % end
    25 % 陷波滤波
    26 flt = ones(size(src));
    27 r = min(w,h)/12;
    28 rx1 = r
    29 ry1 =h/2
    30 for i = 1:w
    31     for j = 1:h
    32         if(rx1-i)^2 +(ry1 - j)^2 <= r*r
    33             flt(i,j) = 0;
    34         end
    35         if(w-rx1-i)^2 +(h-ry1 - j)^2 <= r*r
    36             flt(i,j) = 0;
    37         end
    38     end
    39 end
    40 subplot(223)
    41 imshow(flt);
    42 title('滤波器图像');
    43 dfimg = srcf.*flt;
    44 dfimg = ifftshift(dfimg);
    45 dimg = ifft2(dfimg,'symmetric');
    46 subplot(224)
    47 imshow(dimg):title('滤波后');

     

     

     2.9逆滤波

     1 image_o=imread('D:/picture/lenagray.jpg');
     2 subplot(1,3,1);
     3 imshow(image_o);
     4 title('原图像');
     5 %频率域退化图像,退化函数H(u,v)=exp(-0.0025*( (u-M/2).^2+(v-N/2).^2).^(5/6) )
     6 %傅里叶变换
     7 f=im2double(image_o);
     8 F=fft2(f);
     9 F=fftshift(F);
    10 %执行退化
    11 [M,N]=size(F);
    12 [u,v]=meshgrid(1:M,1:N);%生成二维坐标系
    13 H=exp(-0.0025* ( (u-M/2).^2+(v-N/2).^2).^(5/6) );
    14 F=F.*H;
    15 %傅里叶反变换
    16 X=ifftshift(F);
    17 x=ifft2(X);
    18 x=uint8(abs(x)*256);
    19 subplot(1,3,2);
    20 imshow(x);
    21 %
    22 title('退化图像');
    23 
    24 image_d=x;
    25 %直接逆滤波图像复原
    26 
    27 ff=im2double(image_d);%将图像灰度值归一化到0-1之间
    28 
    29 % 傅里叶变换
    30 f_Id=fft2(ff);
    31 f_Id=fftshift(f_Id);
    32 fH_Id=f_Id;
    33 [M,N]=size(fH_Id);
    34 % 逆滤波
    35 threshold=78;
    36 if threshold>M/2
    37         %全滤波
    38         fH_Id=fH_Id./(H+eps);
    39 else
    40         %对一定半径范围内进行滤波
    41         for i=1:M
    42             for j=1:N
    43                 if sqrt((i-M/2).^2+(j-N/2).^2)<threshold
    44                     fH_Id(i,j)=fH_Id(i,j)./(H(i,j)+eps);
    45                 end
    46             end
    47         end
    48 end
    49 
    50 % 执行傅立叶逆变换
    51 fH_Id1=ifftshift(fH_Id);
    52 f_new=ifft2(fH_Id1);
    53 f_new=uint8(abs(f_new)*255);
    54 subplot(1,3,3);
    55 imshow(f_new);
    56 title('滤波半径=78的逆滤波复原图像');

    2.10维纳滤波

     

     

     直接截图了,没敲

     

    转载于:https://www.cnblogs.com/henuliulei/p/10847052.html

    展开全文
  • 申明:本资源提供matlab版的图像复原常用的运动模糊仿真图像生成程序,未经授权,仅供研究使用,不得使用于任何商用场合。 仿真程序提供2种途径:空域仿真方法和频域仿真方法。
  • 图像处理是一门迅速发展的学科,在大量领域有着极其广泛的...本文主要介绍使用matlab中的图像用户界面(GUI)程序设计的快速开发环境来搭建,然后在图形用户界面中添加控件和程序代码,从而实现各种算法的图像复原
  • 这是用matlab实现图像复原程序,包括逆滤波、维纳滤波、约束最小二乘方滤波。
  • 14.3.5 图像复原的其它 MATLAB 函数 第十五章 图像分析 15.1 边缘检测 15.1.1 微分算子 15.1.2 Log算子 15.1.3 Canny 算子 15.2 四叉树分解 15.2.1 四叉树分解 15.2.2 四叉树 MATLAB 函数 第十六...
  • 有段时间需要做图像复原的研究,就用了平时用的比较多的MATLAB平台。利用的是MATLAB的工具箱,但各个参数的设置我都研究了一段时间,也参考了萨冈雷斯的关于图像处理的著作。程序前半部分不含噪声用了四种滤波法,后...
  • matlab图像去燥!程序下载后看就可以用,改变图像路径就可以,去燥效果非常好,如果关于变分法和泛函分析的一些基础原理今天就先不多说了,TV图像去噪经典论文:《Nonlinear Total Variation based noise removal ...
  • 维纳滤波图像复原

    2014-12-02 22:48:31
    利用维纳滤波器进行图像复原,这是个MATLAB程序,需要的人可以参考
  • matlab图像恢复程序实例

    千次阅读 2016-05-30 10:13:48
    2规则化滤波复原程序 3Lucy-Richardson复原程序举例 4盲去卷积复原 1.维纳滤波复原I=checkerboard(8); noise=0.1*randn(size(I)); PSF=fspecial('motion',21,11); Blurred=imfilter(I,PSF,'circular'); ...

    目录

    1.维纳滤波复原

    I=checkerboard(8);
    noise=0.1*randn(size(I));
    PSF=fspecial('motion',21,11);
    Blurred=imfilter(I,PSF,'circular');
    BlurredNoisy=im2uint8(Blurred+noise);
    NP=abs(fftn(noise)).^2;
    NPOW=sum(NP(:)/prod(size(noise));
    NCORR=fftshift(real(ifftn(NP)));
    IP=abs(fftn(I)).^2;
    IPOW=sum(IP(:)/prod(size(noise));
    ICORR=fftshift(real(ifftn(IP)));
    ICORR1=ICORR(:,ceil(size(I,1)/2));
    NSR=NPOW/IPOW;
    subplot(221);imshow(BlurredNoisy,[]);
    title('模糊和噪声图像');
    subplot(222);imshow(deconvwnr(BlurredNoisy,PSF,NSR),[]);
    title('deconbwnr(A,PSF,NSR)');
    subplot(223);imshow(deconvwnr(BlurredNoisy,PSF,NCORR,ICORR),[]);
    title('deconbwnr(A,PSF,NCORR,ICORR)');
    subplot(224);imshow(deconvwnr(BlurredNoisy,PSF,NPOW,ICORR1),[]);
    title('deconbwnr(A,PSF,NPOW,ICORR_1_D)');
    

    2.规则化滤波复原程序

    I=checkerboard(8);
    PSF=fspecial('gaussian',7,10);
    V=.01;
    BlurredNoisy=imnoise(imfilter(I,PSF),'gaussian',0,V);
    NOISEPOWER=V*prod(size(I));
    [J LAGRA]=deconvreg(BlurredNoisy,PSF,NOISEPOWER);
    subplot(221);imshow(BlurredNoisy);
    title('A=Blurred and Noisy');
    subplot(222);imshow(J);
    title('[J LAGRA]=deconvreg(A,PSF,NP)');
    subplot(223);imshow(deconvreg(BlurredNoisy,PSF,[],LAGRA/10));
    title('deconvreg(A,PSF,[],0.1*LAGRA)');
    subplot(225);imshow(deconvreg(BlurredNoisy,PSF,[],LAGRA/10))
    subplot(224);imshow(deconvreg(BlurredNoisy,PSF,[],LAGRA*10));
    title('deconvreg(A,PSF,[],10*LAGRA');

    3.Lucy-Richardson复原程序举例

    %Lucy-Richardson复原程序
    I=checkerboard(8);
    PSF=fspecial('gaussian',7,10);
    V=.0001;
    BlurredNoisy=imnoise(imfilter(I,PSF),'gaussian',0,V);
    WT=zeros(size(I));
    WT(5:end-4,5:end-4)=1;
    J1=deconvlucy(BlurredNoisy,PSF);
    J2=deconvlucy(BlurredNoisy,PSF,20,sqrt(V));
    J3=deconvlucy(BlurredNoisy,PSF,20,sqrt(V),[],WT);
    subplot(221);imshow(BlurredNoisy);
    title('A=Blurred and Noisy');
    subplot(222);imshow(J1);
    title('deconvlucy(A,PSF)');
    subplot(223);imshow(J2);
    title('deconvlucy(A,PSF,NI,DP)');
    subplot(224);imshow(J3);
    title('deconvlucy(A,PSF,NI,DP,[],WT)');

    4.盲去卷积复原

    %盲去卷积复原
    I=checkerboard(8);
    PSF=fspecial('gaussian',7,10);
    V=.0001;
    BlurredNoisy=imnoise(imfilter(I,PSF),'gaussian',0,V);
    WT=zeros(size(I));
    WT(5:end-4,5:end-4)=1;
    INITPSF=ones(size(PSF));
    FUN=inline('PSF+P1','PSF','P1');
    [J P]=deconvblind(BlurredNoisy,INITPSF,20,10*sqrt(V),WT,FUN,0);
    subplot(221);imshow(BlurredNoisy);
    title('A=Blurred and Noisy');
    subplot(222);imshow(PSF,[]);
    title('True PSF');
    subplot(223);imshow(J);
    title('Deblured Image');
    subplot(224);imshow(P,[]);
    title('Recovered PSF');
    
    展开全文
  • 前一段介绍了从矩形图像到圆柱的正向投影,看这里和这里。今天介绍如何从已经投影的图像反映射到原图像上。 本来此种变换一定是需要数学公式的,不过这里只是用了一个很简单的方式来完成反映...matlab代码如下: ...

    前一段介绍了从矩形图像到圆柱的正向投影,看这里这里。今天介绍如何从已经投影的图像反映射到原图像上。

    本来此种变换一定是需要数学公式的,不过这里只是用了一个很简单的方式来完成反映射。

    具体就把每一列有像素数据的长度拉伸到原图像的高就行了。

    原图像是这样:

    处理后:

    看着感觉还可以,不过这样显然是不合数学公式的,和最原始的图比较一下就看出来差别了:

    matlab代码如下:

    clear all;close all;clc;
    
    img=imread('re.bmp');
    [h w]=size(img);
    imshow(img);
    
    for x=1:w
        p=[];
        for y=1:h
            if img(y,x)~=0
                p=[img(y,x) p];
            end
        end
       
        s=imresize(p,[1,h]);
        img(:,x)=s;
       
    end
    
    newh=256;
    neww=256;
    imgn=imresize(img,[newh,neww]);
    
    figure;
    imshow(flipud(imgn),[]);

    家里的键盘真的很不适合打字。

    转载于:https://www.cnblogs.com/tiandsp/p/3851977.html

    展开全文
  • 维纳滤波器(Wiener filter)是由数学家维纳(Rorbert Wiener)提出的一种以最小平方为最优准则的线性滤波器。在一定的约束条件下,其...本程序利用MATLAB进行维纳滤波复原并设计了简易版的GUI图形界面,打开即可运行。
  • 摘要: matlab,数学建模,碎片拼接额,最近抠c++抠累了,突然心血来潮翻看近年来的大学生数学建模题。相比当年参加比赛的题目,总体感觉现在的题目越来越接近生活了。可能是多了一些经历,对一些题特别有感觉,加之...

    摘要: matlab,数学建模,碎片拼接

    额,最近抠c++抠累了,突然心血来潮翻看近年来的大学生数学建模题。相比当年参加比赛的题目,总体感觉现在的题目越来越接近生活了。可能是多了一些经历,对一些题特别有感觉,加之联想起以前做完一道难题得到的兴奋感,一个想法涌上心头,为什么不利用现在的知识来好好“收拾收拾”它们呢。因此便有了这篇的文章,一方面是分享下自己的想法,另外也是锻炼下自己的文笔,身为程序猿,是时候改变一下一些习惯了。选出特别感兴趣的题目《2013年数学建模B赛题-图像碎片拼接》,开弄!

    题目按切割方式不同归类为三个子问题:单面纵切,单面纵横切,双面纵横切,其中前两个又分为中英文纸张的情况,三个问题依次越来越复杂,越来越接近实际情况。不过相较于生活中的问题,《女子将5万钞票撕成碎片续:丈夫辞职在家拼钱》,http://news.qq.com/a/20120506/000091.htm,建模题还是比较小儿科的。

    单面纵切:可以理解为对n个碎片块进行“行内”排列组合,最终要求是使碎片边界无缝接合起来。排列组合的话可以用神经网络,遗传算法等智能算法实现,“无缝”需要一个量来表征。前面智能算法对碎片不同组合时的无缝量进行评估,之后得到的最优解。这是学院派的解法,以此思路进行下去,一篇华丽的文章就可以出炉了。另外两个子问题也可以作类似的分解。

    下面是我实现的解法,以前面方法相比,这种方法有些“简单粗暴”,先上matlab代码先(复制后放在相应的文件夹里运行即可):

    clear all;clc;close all

    %% 碎片拼接

    file_list= dir('*.bmp'); % 获取文件列表

    if size(file_list,1)>0

    image_list = {file_list.name};

    else

    error('no image')

    end

    file_num=size(image_list,2);

    score=zeros(1,file_num);

    feature=cell(1,file_num);

    for ind=1:file_num % 计算碎片特征

    filename=cell2mat(image_list(ind));

    a=imread(filename);

    [row,col,len]=size(a);

    if len==3

    a=rgb2gray(a);

    end

    a_d=double(a);

    f=a_d(:,1)';

    tmp1=f.*f;

    tmp2=sqrt( sum(tmp1) );

    f=f/tmp2;

    one.left=f;

    one.left_std=std(f);

    f=a_d(:,end)';

    tmp1=f.*f;

    tmp2=sqrt( sum(tmp1) );

    f=f/tmp2;

    one.right=f;

    one.right_std=std(f);

    feature{ind}=one;

    end

    %% 计算碎块的相似性矩阵

    score_left=zeros(file_num,file_num);

    score_right=zeros(file_num,file_num);

    std_thr=0.001;

    for y=1:file_num % compare

    for x=1:file_num

    if y==x

    continue;

    end

    score_left(y,x)=feature{y}.left*feature{x}.right';

    score_right(y,x)=feature{y}.right*feature{x}.left';

    if feature{y}.left_std

    score_left(y,x)=0;

    end

    if feature{y}.right_std

    score_right(y,x)=0;

    end

    end

    end

    %% 计算块间相似性

    order=[1];

    order_left=2:file_num; % order,第一个保证前后都有对象

    while 1

    order

    if isempty(order_left)

    break;

    end

    left=order(1);right=order(end);

    score=score_left(left,:);

    [c,i]=max(score);

    if c(1)>0.95 && any(order_left==i(1))

    order=[i order];

    order_left(order_left==i(1))=[];

    end

    score=score_right(right,:);

    [c,i]=max(score);

    if c(1)>0.95 && any(order_left==i(1))

    order=[order i];

    order_left(order_left==i(1))=[];

    end

    end

    %% 拼接

    b=[];

    for ind=1:file_num % 拼接

    filename=cell2mat(image_list(order(ind)));

    a=imread(filename);

    [row,col,len]=size(a);

    if len==3

    a=rgb2gray(a);

    end

    b=[b a];

    end

    %% show

    imshow(b)

    大概的思路是先计算块的特征,然后计算块间的相似性,最后进行拼接。其实看代码更容易理解,其中的无缝量选择,可以应用在前面方法的实现里。

    拼接后的效果图:

    中文:                                                                                英文:

    0ada6acdda9cfccd95fd3c42ca9e5e07.png          

    08838b56a13e06cd119d48b8dcaf9792.png

    ~~Yemuzi分享文章,欢迎拍砖~~

    展开全文
  • 用手机拍了一张图像,由于拍摄过程中手机抖动了,图像不清晰了,怎么用radon等matlab函数将其复原
  • 其中,详细讲解了图像及其分类、图像数字化技术、图像处理和分析、颜色空间分析、点运算、图像的代数运算、离散傅里叶变换、快速傅里叶变换、离散余弦变换、图像的增强、图像复原图像的压缩编码、图像的检测与...
  • 本书将理论知识、科学研究和工程实践有机结合起来,介绍了数字图像处理和识别技术的方方面面,内容包括图像的点运算、几何变换、空域和频域滤波、图像复原、形态学处理、图像分割以及图像特征提取。本书还对于机器...
  • MATLAB图形图像处理

    热门讨论 2011-01-03 12:20:11
    14.3.5 图像复原的其它 MATLAB 函数 第十五章 图像分析 15.1 边缘检测 15.1.1 微分算子 15.1.2 Log算子 15.1.3 Canny 算子 15.2 四叉树分解 15.2.1 四叉树分解 15.2.2 四叉树 MATLAB 函数 第十六章 数学...
  • 第2篇为基于MATLAB的常见图像处理技术,涵盖的内容有数字图像的运算、数字图像增强技术、数字图像复原技术、图像分割技术、图像变换技术和彩色图像处理;第3篇为基于MATLAB的高级图像处理技术及应用,涵盖的内容有...
  • 在数字图像处理过程中,输入的是质量低的图像,输出的是改善质量后的图像, 常用的图像处理方法有图像增强、复原、编码、压缩等。 MATLAB既是一种直观、高效的计算机语言,同时又是一个科学计算平台。它为数据分析和...
  • 该压缩包含基于偏微分方程(PDE)的数字图像降噪的代码及一份课程设计的报告文档,代码功能...最后,在理论解析的基础上,运用MATLAB工具实现对算法的仿真运算,得出图像复原的仿真效果,验证算法的可行性及有效性。
  • 基于Matlab图像处理GUI

    千次阅读 多人点赞 2017-04-10 18:18:49
    图像类型转化,几何运算,图像变换,添加噪声,图像复原,图像增强,图像分割,形态学处理,小波变换,和几个应用。内部源程序主要来源于——Matlab数字图像处理(张德丰第二版)。我把源文件传上来了,欢迎下载试用...
  • 第2版 》由MATLAB入门篇 图像处理精通篇和综合实战篇组成 MATLAB入门篇主要介绍MATLAB软件 基本运算 程序设计及图形绘制;图像处理精通篇讲述图像处理的主要内容 包括图像的运算 变换 增强 分析 复原 形态学操作及...
  • 第2部分“图像处理工具箱详解”,包括第11~第19章,详细讲解了图像处理工具的各项功能及相关函数,并对有关的图像知识(如图像变换、数学形态学、图像增强和图像复原)进行了介绍。第3部分“图像处理实务”,包括第...
  • 第2部分“图像处理工具箱详解”,包括第11~第19章,详细讲解了图像处理工具的各项功能及相关函数,并对有关的图像知识(如图像变换、数学形态学、图像增强和图像复原)进行了介绍。第3部分“图像处理实务”,包括第...
  • 14.3.5 图像复原的其它 MATLAB 函数 第十五章 图像分析 15.1 边缘检测 15.1.1 微分算子 15.1.2 Log算子 15.1.3 Canny 算子 15.2 四叉树分解 15.2.1 四叉树分解 15.2.2 四叉树 MATLAB 函数 第十六章 数学...
  • 数字图像处理(Digital Image ... 本文利用MATLAB图像处理工具箱,根据需求进行程序的功能分析和界面设计,实现数字图像的灰度处理、亮度处理、截图、缩放、旋转、噪声、滤波、直方图统计、频谱分析、颜色模型转换等。

空空如也

空空如也

1 2 3
收藏数 41
精华内容 16
关键字:

图像复原matlab程序

matlab 订阅