Главная страница
Навигация по странице:

  • ЛАБОРАТОРНАЯ РАБОТА № 3 по дисциплине « Цифровая обработка сигналов

  • Цифровая обработка двумерных сигналов Выполнил:студент ТМЦДО2006г Цель работы

  • Алгоритм выполнения работы Исходные данные

  • Экспериментальные данные

  • Графики зависимости СКО от числа весовых коэффициентов

  • Исходное изображение lapl

  • Лабораторная работа 3. Цифровая обработка двумерных сигналов


    Скачать 1.36 Mb.
    НазваниеЦифровая обработка двумерных сигналов
    Дата04.05.2021
    Размер1.36 Mb.
    Формат файлаdoc
    Имя файлаЛабораторная работа 3.doc
    ТипЛабораторная работа
    #201404




    Федеральное агентство по образованию
    Томский межвузовский центр дистанционного образования
    ТОМСКИЙ ГОСУДАРСТВЕННЫЙ УНИВЕРСИТЕТ

    СИСТЕМ УПРАВЛЕНИЯ И РАДИОЭЛЕКТРОНИКИ (ТУСУР)


    ЛАБОРАТОРНАЯ РАБОТА № 3
    по дисциплине

    «Цифровая обработка сигналов»

    (Учебное пособие «Цифровая обработка сигналов»,

    автор Курячий М.И., 2002 г.)
    Тема:

    Цифровая обработка двумерных сигналов

    Выполнил:

    студент ТМЦДО


    2006г

    Цель работы: оценка качества линейной и нелинейной (ранговой) фильтрации изображений, изучение основных алгоритмов обработки изображений.
    Часть 1


    Алгоритм выполнения работы



    Исходные данные:

    – исходное изображение – Lena.dat;

    – изображение, содержащее импульсный шум – in.dat;

    – изображение, содержащее нормальный шум – n.dat.

    Файлы с весовыми коэффициентами фильтров:

    Имя файла

    M1.msk

    M2.msk

    M3.msk

    M4.msk

    M5.msk

    Весовые

    коэффициенты фильтра











    Число весовых коэффициентов

    3

    5

    9

    13

    16

    Экспериментальные данные

    Таблица 1

    Тип фильтра и шума

    Имена файлов

    Число весовых коэф. фильтров

    СКО

    Ранговая фильтрация,

    импульсный шум

    ris1.dat

    ris2.dat

    ris3.dat

    ris4.dat

    ris5.dat

    3

    5

    9

    13

    16

    10,4

    8,8

    9,9

    11,2

    15,0

    Ранговая фильтрация,

    нормальный шум

    rns1.dat

    rns2.dat

    rns3.dat

    rns4.dat

    rns5.dat

    3

    5

    9

    13

    16

    12,6

    10,9

    11,2

    12,0

    15,4

    Линейная фильтрация,

    импульсный шум

    Lis1.dat

    Lis2.dat

    Lis3.dat

    Lis4.dat

    Lis5.dat

    3

    5

    9

    13

    16

    12,2

    10,8

    11,8

    13,2

    15,2

    Линейная фильтрация,

    нормальный шум

    Lns1.dat

    Lns2.dat

    Lns3.dat

    Lns4.dat

    Lns5.dat

    3

    5

    9

    13

    16

    12,4

    10,9

    11,8

    13,2

    15,2



    Графики зависимости СКО от числа весовых коэффициентов
    Ранговая фильтрация, импульсный шум


    Ранговая фильтрация, нормальный шум


    Линейная фильтрация, импульсный шум


    Линейная фильтрация, нормальный шум

    Анализируя полученные результаты, можно заметить, что СКО в случае линейной фильтрации имеет практически одинаковые значения. Ранговая фильтрация при нормальном шуме отличается от линейной, немного большими значениями при минимальном и максимальном числе весовых коэффициентов, и меньшими значениями при остальных.

    Ранговая фильтрация при импульсном шуме заметно выделяется из всех тем, что значения СКО у нее значительно меньше.

    Для всех типов фильтров прослеживается общая закономерность: резкое снижение СКО, при увеличении числа весовых коэффициентов, а затем плавное возрастание.
    Типы наиболее используемых масок линейных фильтров на примере маски размером 3х3:

    а) скользящее среднее;

    б) лапласиан;

    в) двойное дифференцирование;

    г) оператор выделения вертикальных линий;

    д) оператор выделения малоразмерных деталей из шумов;

    е) градиентный оператор выделения перепада.

    В нелинейных фильтрах используются как линейные, так и нелинейные процедуры, такие как взятие модуля, возведение в квадрат, извлечение квадратного корня и т.д.
    Применяются в основном для выделения малоразмерных деталей изображения или резких переходов.

    Часть 2



    Исходные данные:

    – изображение телевизионной таблицы – tv.dat.

    Файлы с весовыми коэффициентами фильтров:

    Таблица. 2

    Имя файла

    lapl.msk

    lff.msk

    dff.msk

    gradz.msk

    Весовые

    коэффициенты фильтра
























    Имя файла

    grads.msk

    gor.msk

    vert.msk

    diag.msk

    Весовые

    коэффициенты фильтра










    Ход работы


    Обработаем исходное изображение масками, приведенными в таблице 2.

    Исходное изображение



    lapl.msk


    lff.msk




    dff.msk


    gradz.msk




    grads.msk


    gor.msk



    vert.msk


    diag.msk



    Пронормируем полученные изображения. Просмотрим осциллограммы строк на характерных участках полученных изображений.

    Изображение 1

    Осциллограммы строк





    lapl.msk



    lff.msk



    dff.msk



    gradz.msk



    grads.msk



    gor.msk



    vert.msk



    diag.msk





    Изображение 2

    Осциллограммы строк





    lapl.msk



    lff.msk



    dff.msk



    gradz.msk



    grads.msk



    gor.msk



    vert.msk



    diag.msk





    Изображение 3

    Осциллограммы строк





    lapl.msk



    lff.msk



    dff.msk



    gradz.msk



    grads.msk



    gor.msk



    vert.msk



    diag.msk





    Изображение 4

    Осциллограммы строк





    lapl.msk



    lff.msk



    dff.msk



    gradz.msk



    grads.msk



    gor.msk



    vert.msk



    diag.msk





    Изображение 5

    Осциллограммы строк





    lapl.msk



    lff.msk



    dff.msk



    gradz.msk



    grads.msk



    gor.msk



    vert.msk



    diag.msk





    В результате проведенной работы была исследована обработка сигнала телевизионной таблицы различными фильтрами:

    1. Лапласиан для "восьми соседей" (двумерный фильтр высоких частот) (lapl.msk) реализует функцию выделения сигналов малоразмерных объектов от фоновой составляющей в видеосигнале, т.е. повышает уровень малоразмерных деталей в изображении. Такая фильтрация используется в тех случаях, когда необходимо исследовать высокочастотную структуру объекта.

    2. Фильтр «скользящее среднее» (двумерный фильтр нижних частот) (lff.msk) суммирует отсчеты входного сигнала с равным весом, реализует алгоритм вычисления «скользящего среднего». При использовании такого фильтра для обработки видеоинформации можно увеличить отношение сигнал/шум в выходном сигнале. Низкочастотные двумерные фильтры такого типа оставляют низкочастотные компоненты нетронутыми и ослабляют высокочастотные компоненты. Такие фильтры используются для понижения визуального шума, содержащегося в изображении, а также для удаления высокочастотных компонентов из изображения с тем, чтобы можно было тщательно исследовать содержание низкочастотных компонент. Визуальным результатом низкочастотной фильтрации является слабая нерезкость изображения

    3. Оператор двойного дифференцирования (dff.msk) используется, как и Лапласиан, для выделения малоразмерных деталей в изображении.

    4. Для избирательного высвечивания краев в различных направлениях используется метод направленного градиента, чтобы пользователь получил общее представление об изображении. Для высвечивания «краев» в различных направлениях используется 8 различных масок. Эти направления называются как стороны света: "север", "юг", "восток", "юго–восток" и т.д.

    В данной работе применялись маски «запад» (gradz.msk) и «север» (grads.msk).

    Интенсивность выходного элемента изображения зависит от градиента изменения яркости (чем больше наклон, тем ярче элемент).

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


    написать администратору сайта