数字图像处理实验报告(邻域平均法和中值滤波法)
数字图像处理实验报告
班级：
姓名：
学号：
日期：
邻域平均法和中值滤波处理
一、实验目的
图像变换是数字图像处理中的一种综合变换，如直方图变换、几何变换等。通过本实验，使得学生掌握两种变换的程序实现方法。
二、实验任务
请设计程序，分别用邻域平均法，其模板为：和中值滤波法对testnoise 图像进行去噪处理（中值滤波的模板的大小也设为3×3）。
三、实验环境
本实验在Windows平台上进行，对内存及cpu主频无特别要求，使用VC或者MINGW（gcc）编译器均可。
四、设计思路
介绍代码的框架结构、所用的数据结构、各个类的介绍（类的功能、类中方法的功能、类的成员变量的作用）、各方法间的关系写。在此不进行赘述。
五、具体实现
实现设计思路中定义的所有的数据类型，对每个操作给出实际算法。对主程序和其他模块也都需要写出实际算法。
代码：
<邻域平均法>(3*3)
#include
#include
#include
#include "hdr.h" /*------定义结构指针------*/
struct bmphdr *hdr;
//定义用于直方图变量
unsigned char *bitmap,*count,*new_color; /*------main()函数编------*/ int main()
{ //定义整数 i，j 用于函数循环时的，nr_pixels为图像中像素的个数int i, j ,nr_pixels,nr_w,nr_h; //定义两个文件指针分别用于提取原图的数据和生成直方图均衡化后的图像
FILE *fp, *fpnew; //定义主函数的参数包括：输入的位图文件名和输出的位图文件名,此处内容可以不要，在DOS下执行命令的时候再临时输入也可，为了方便演示，我这里直接把函数的参数确定了。// argc=3; //
argv[1]="test.bmp"; //
argv[2]="testzf.bmp"; //参数输入出错显示
/* if (argc != 3) {
printf("please input the name of input and out bitmap files\n");
exit(1);
}*/
// 获取位图文件相关信息//
hdr = get_header(argv[1]);
hdr = get_header("testnoise.bmp");
if (!hdr) exit(1); //以二进制可读方式打开输入位图文件
fp = fopen("testnoise.bmp", "rb");
if (!fp) {
printf("File open error!\n");
exit(1);
} // 文件指针指向数据区域
fseek(fp, hdr->offset, SEEK_SET); //计算位图像素的个数
nr_pixels = hdr->width * hdr->height;
nr_w = hdr->width;
nr_h = hdr->height;
bitmap = malloc(nr_pixels);
new_color = malloc(nr_pixels);
count = malloc((nr_w+2)*(+nr_h+2));
//读取位图数据到bitmap中
fread(bitmap, nr_pixels, 1, fp);
fclose(fp);
//因为图像边缘无法使用邻域平均，所以根据邻近颜色填补图像的周围一圈，存入count[]数组中
//中心图像存入count[]
for(i=nr_w+3;i<(nr_w+2)*(+nr_h+2)-nr_w-3;i++) {
j=i/(nr_w+2);
if(i%(nr_w+2)!=0&&(i+1)%(nr_w+2)!=0) count[i]=bitmap[i-nr_w-1-2*j]; }
//填补第一排
for(i=1;i count[i]=bitmap[i-1]; } //填补最后一排 for(i=1;i count[(nr_w+2)*(nr_h+1)+i]=bitmap[nr_w*(nr_h-1)+i-1]; } //填补左边一排 for(i=0;i count[i*(nr_w+2)]=count[i*(nr_w+2)+1]; } //填补右边一排 for(i=0;i { count[(i+1)*(nr_w+2)-1]=count[(i+1)*(nr_w+2)-2]; } //邻域平均3*3 for(j=nr_w+3,i=0;j<(nr_w+2)*(+nr_h+2)-nr_w-3;j++) { if(j%(nr_w+2)!=0&&(j+1)%(nr_w+2)!=0) new_color[i]=(count[j]+count[j-1]+count[j+1]+count[j-nr_w-2]+count[j-1- nr_w-2]+count[j+1-nr_w-2]+count[j+nr_w+2]+count[j-1+nr_w+2]+ count[j+1+nr_w+2])/9,i++; } //结果存入bitmap[]中 for (i = 0; i < nr_pixels; i++; bitmap[i]=new_color[i]; // 打开一个以输出文件名命名的文件,设为可写的二进制形式 fpnew = fopen("test_lynoise.bmp", "wb+"); //由于位图文件的头部信息并没有因直方图均衡化而改变，因此输出图像的头部信息从原位图文件中拷贝即可： fwrite(hdr->signature, 2, 1, fpnew); fwrite(&hdr->size, 4, 1, fpnew); fwrite(hdr->reserved, 4, 1, fpnew); fwrite(&hdr->offset, 4, 1, fpnew); fwrite(&hdr->hdr_size, 4, 1, fpnew); fwrite(&hdr->width, 4, 1, fpnew); fwrite(&hdr->height, 4, 1, fpnew); fwrite(&hdr->nr_planes, 2, 1, fpnew); fwrite(&hdr->bits_per_pixel, 2, 1, fpnew); fwrite(&hdr->compress_type, 4, 1, fpnew); fwrite(&hdr->data_size, 4, 1, fpnew); fwrite(&hdr->resol_hori, 4, 1, fpnew); fwrite(&hdr->resol_vert, 4, 1, fpnew); fwrite(&hdr->nr_colors, 4, 1, fpnew); fwrite(&hdr->important_color, 4, 1, fpnew); if (hdr->offset > 54) fwrite(hdr->info, (hdr->offset - 54), 1, fpnew); //直方图均衡化的数据(bitmap)赋值fwrite(bitmap, nr_pixels, 1, fpnew); //关闭 fclose(fpnew); //释放内存（优化程序必需） free(hdr); free(bitmap); free(new_color); free(count); return 0; } <中值滤波> #include #include #include #include "hdr.h" /*------定义结构指针------*/ struct bmphdr *hdr; //定义用于直方图变量 unsigned char *bitmap,*count,*new_color; /*------main()函数编写------*/ int main() { //定义整数 i， j 用于函数循环时的，nr_pixels为图像中像素的个数 int i, j, m, n, nr_pixels,nr_w,nr_h,temp,t[9]; //定义两个文件指针分别用于提取原图像的数据和生成直方图均衡化后的图像 FILE *fp, *fpnew; //定义主函数的参数包括：输入的位图文件名和输出的位图文件名,此处内容可以不要，在DOS下执行命令的时候再临时输入也可. // argc=3; // argv[1]="test.bmp"; // argv[2]="testzf.bmp"; //参数输入出错显示 /* if (argc != 3) { printf("please input the name of input and out bitmap files\n"); exit(1); }*/ // 获取位图文件相关信息// hdr = get_header(argv[1]); hdr = get_header("testnoise.bmp"); if (!hdr) exit(1); //以二进制可读方式打开输入位图文件 fp = fopen("test.bmp", "rb"); if (!fp) { printf("File open error!\n"); exit(1); } // 文件指针指向数据区域 fseek(fp, hdr->offset, SEEK_SET); //计算位图像素的个数 nr_pixels = hdr->width * hdr->height; nr_w = hdr->width; nr_h = hdr->height; bitmap = malloc(nr_pixels); new_color = malloc(nr_pixels); count = malloc((nr_w+2)*(+nr_h+2)); //读取位图数据到bitmap中fread(bitmap, nr_pixels, 1, fp); fclose(fp); //因为图像边缘无法使用邻域平均，所以根据邻近颜色填补图像的周围一圈，存入count[]数组中 //中心图像存入count[] for(i=nr_w+3;i<(nr_w+2)*(+nr_h+2)-nr_w-3;i++) { j=i/(nr_w+2); if(i%(nr_w+2)!=0&&(i+1)%(nr_w+2)!=0) count[i]=bitmap[i-nr_w-1-2*j]; } //填补第一排 for(i=1;i count[(nr_w+2)*(nr_h+1)+i]=bitmap[nr_w*(nr_h-1)+i-1]; } //填补左边一排 for(i=0;i for(i=0;i { count[(i+1)*(nr_w+2)-1]=count[(i+1)*(nr_w+2)-2]; } //中值平均3*3 for(j=nr_w+3,i=0;j<(nr_w+2)*(+nr_h+2)-nr_w-3;j++) { if(j%(nr_w+2)!=0&&(j+1)%(nr_w+2)!=0) { t[0]=count[j]; t[1]=count[j-1]; t[2]=count[j+1]; t[3]=count[j-nr_w-2]; t[4]=count[j-1-nr_w-2]; t[5]=count[j+1-nr_w-2]; t[6]=count[j+nr_w+2]; t[7]=count[j-1+nr_w+2]; t[8]=count[j+1+nr_w+2]; for(m=0;m<9;m++) for(n=0;n<9-m;n++) if(t[n]>t[n+1]) { temp=t[n]; t[n]=t[n+1]; t[n+1]=temp; } new_color[i]=t[4]; i++; } } //结果存入bitmap[]中 for (i = 0; i < nr_pixels; i++) bitmap[i]=new_color[i]; // 打开一个以输出文件名命名的文件,设为可写的二进制形式 fpnew = fopen("test_zznoise.bmp", "wb+"); //由于位图文件的头部信息并没有因直方图均衡化而改变，因此输出图像的头部信息从原位图文件中拷贝即可： fwrite(hdr->signature, 2, 1, fpnew); fwrite(&hdr->size, 4, 1, fpnew); fwrite(hdr->reserved, 4, 1, fpnew); fwrite(&hdr->offset, 4, 1, fpnew); fwrite(&hdr->hdr_size, 4, 1, fpnew); fwrite(&hdr->width, 4, 1, fpnew); fwrite(&hdr->height, 4, 1, fpnew); fwrite(&hdr->nr_planes, 2, 1, fpnew); fwrite(&hdr->bits_per_pixel, 2, 1, fpnew); fwrite(&hdr->compress_type, 4, 1, fpnew); fwrite(&hdr->data_size, 4, 1, fpnew); fwrite(&hdr->resol_hori, 4, 1, fpnew); fwrite(&hdr->resol_vert, 4, 1, fpnew); fwrite(&hdr->nr_colors, 4, 1, fpnew); fwrite(&hdr->important_color, 4, 1, fpnew); if (hdr->offset > 54) fwrite(hdr->info, (hdr->offset - 54), 1, fpnew); //直方图均衡化的数据(bitmap)赋值 fwrite(bitmap, nr_pixels, 1, fpnew); //关闭 fclose(fpnew); //释放内存（优化程序必需） free(hdr); free(bitmap); free(new_color); free(count); return 0; 数字图像处理实验三中值滤波和均值滤波实验报告 数字图像处理实验三 均值滤波、中值滤波的计算机实现12281166 崔雪莹计科1202班 一、实验目的： 1）熟悉均值滤波、中值滤波处理的理论基础； 2）掌握均值滤波、中值滤波的计算机实现方法； 3）学习VC++ 6。0 的编程方法； 4）验证均值滤波、中值滤波处理理论； 5）观察均值滤波、中值滤波处理的结果。 二、实验的软、硬件平台： 硬件：微型图像处理系统，包括：主机， PC机；摄像机； 软件：操作系统：WINDOWS2000或WINDOWSXP应用软件：VC++ 6.0 三、实验内容： 1）握高级语言编程技术； 2）编制均值滤波、中值滤波处理程序的方法； 3）编译并生成可执行文件； 4）考察处理结果。 四、实验要求： 1）学习VC++确6。0 编程的步骤及流程； 2）编写均值滤波、中值滤波的程序； 3）编译并改错； 4）把该程序嵌入试验二给出的界面中（作适当修改）； 5）提交程序及文档； 6）写出本次实验的体会。 五、实验结果截图 实验均值滤波采用的是3X3的方块，取周围的像素点取得其均值代替原像素点。边缘像素的处理方法是复制边缘的像素点，增加一个边框，计算里面的像素值得均值滤波。 六、实验体会 本次实验在前一次的实验基础上增加均值滤波和中值滤波，对于椒盐噪声的处理，发现中值滤波的效果更为好一点，而均值滤波是的整个图像变得模糊了一点，效果差异较大。本次实验更加增加了对数字图像处理的了解与学习。 七、实验程序代码注释及分析 // HistDemoADlg.h : 头文件 // #include "ImageWnd.h" #pragma once // CHistDemoADlg 对话框 class CHistDemoADlg : public CDialogEx { // 构造 心理实验操作指南之平均差误法测量 PsychELab?心理教学系统是教育部“实验心理学”名牌课程课题科研成果之一，开发于2000年左右，由北京师范大学心理学专家完成，最初用于北京师范大学心理系实验心理学课程的教学软件。经过10多年的应用与探索，目前有超过200所高校与单位在使用。 PsychELab?心理教学系统配有更明了的教学指南：每个实验都配有针对实验本身的帮助文件，内含实验背景、实验设计范式、结果数据含义及处理方法、参考文献、软件操作指导等内容（见附录）。 附： 平均差误法测量缪勒-莱耶错觉 实验背景知识 错觉是指在特定条件下对事物必然会产生的某种固有倾向的歪曲知觉。错觉的种类很多，缪勒-莱耶错觉是其中一种经典的几何错觉。缪勒-莱耶错觉是指左边中间的线段与右边中间的线段是等长的，但看起来左边中间的线段比右边的要长。 平均误差法典型的实验程序是，实验者规定以某一刺激为标准刺激，然后要求被试调节另一比较刺激，使后者在感觉上与标准刺激相等。客观上一般不可能使比较刺激与标准刺激完全一样，于是每一次比较都会得到一个误差，把多次比较的误差平均起来就可得到平均误差。因为平均误差与差别阈限成正比，所以可以用平均误差来表示差别感受性。 实验介绍 一、实验设计和实验材料 1、实验仪器与实验材料 装有PsychELab?心理教学系统的计算机，键盘。 计算机呈现不同角度的缪勒莱耶错觉图形，标准刺激为80mm，比较刺激一半比80mm长，一半比80mm 短；刺激变化的最小单位为1mm。正式实验的箭头角度分别为15度、30度、60度、90度。 2、实验设计： 本实验可以从性别、角度等方面考察被试的缪勒-莱耶错觉量的大小，其中性别为被试间因素、角度为被试内因素。在实验中，每种角度做16次，被试实验顺序为： 被试1:15度、30度、60度、90度 被试2：30度、60度、90度、15度 被试3：60度、90度、15度、30度 被试4：90度、15度、30度、60度 误差理论与数据处理 实验报告 姓名：小叶9101 学号：小叶9101 班级：小叶9101 指导老师：小叶 目录 实验一误差的基本概念 实验二误差的基本性质与处理 实验三误差的合成与分配 实验四线性参数的最小二乘法处理实验五回归分析 实验心得体会 实验一误差的基本概念 一、实验目的 通过实验了解误差的定义及表示法、熟悉误差的来源、误差分类以及有效数字与数据运算。 二、实验原理 1、误差的基本概念：所谓误差就是测量值与真实值之间的差，可以用下式表示 误差=测得值-真值 1、绝对误差：某量值的测得值和真值之差为绝对误差，通常简称为误差。 绝对误差=测得值-真值 2、相对误差：绝对误差与被测量的真值之比称为相对误差，因测得值与 真值接近，故也可以近似用绝对误差与测得值之比值作为相对误差。 相对误差=绝对误差/真值≈绝对误差/测得值 2、精度 反映测量结果与真值接近程度的量，称为精度，它与误差大小相对应，因此可以用误差大小来表示精度的高低，误差小则精度高，误差大则精度低。 3、有效数字与数据运算 含有误差的任何近似数，如果其绝对误差界是最末位数的半个单位，那么从这个近似数左方起的第一个非零的数字，称为第一位有效数字。从第一位有效数字起到最末一位数字止的所有数字，不论是零或非零的数字，都叫有效数字。 数字舍入规则如下： ①若舍入部分的数值，大于保留部分的末位的半个单位，则末位加1。 ②若舍去部分的数值，小于保留部分的末位的半个单位，则末位加1。 ③若舍去部分的数值，等于保留部分的末位的半个单位，则末位凑成偶数。即当末位为偶数时则末位不变，当末位为奇数时则末位加1。 三、实验内容 1、用自己熟悉的语言编程实现对绝对误差和相对误差的求解。 2、按照数字舍入规则，用自己熟悉的语言编程实现对下面数据保留四位有效数字进行凑整。 原有数据 3.14159 2.71729 4.51050 3.21551 6.378501 舍入后数据 数字图像处理实验报告 实验一数字图像基本操作及灰度调整 一、实验目的 1)掌握读、写图像的基本方法。 2)掌握MATLAB语言中图像数据与信息的读取方法。 3)理解图像灰度变换处理在图像增强的作用。 4)掌握绘制灰度直方图的方法，理解灰度直方图的灰度变换及均衡化的方 法。 二、实验内容与要求 1.熟悉MATLAB语言中对图像数据读取，显示等基本函数 特别需要熟悉下列命令：熟悉imread()函数、imwrite()函数、size()函数、Subplot（）函数、Figure（）函数。 1)将MATLAB目录下work文件夹中的forest.tif图像文件读出.用到imread， imfinfo 等文件，观察一下图像数据，了解一下数字图像在MATLAB中的处理就是处理一个矩阵。将这个图像显示出来（用imshow）。尝试修改map颜色矩阵的值，再将图像显示出来，观察图像颜色的变化。 2)将MATLAB目录下work文件夹中的b747.jpg图像文件读出，用rgb2gray() 将其 转化为灰度图像，记为变量B。 2.图像灰度变换处理在图像增强的作用 读入不同情况的图像，请自己编程和调用Matlab函数用常用灰度变换函数对输入图像进行灰度变换，比较相应的处理效果。 3.绘制图像灰度直方图的方法，对图像进行均衡化处理 请自己编程和调用Matlab函数完成如下实验。 1)显示B的图像及灰度直方图，可以发现其灰度值集中在一段区域，用 imadjust函 数将它的灰度值调整到[0，1]之间，并观察调整后的图像与原图像的差别，调整后的灰 度直方图与原灰度直方图的区别。 2) 对B 进行直方图均衡化处理，试比较与源图的异同。 3) 对B 进行如图所示的分段线形变换处理，试比较与直方图均衡化处理的异同。 图1.1 分段线性变换函数 三、实验原理与算法分析 1. 灰度变换 灰度变换是图像增强的一种重要手段，它常用于改变图象的灰度范围及分布，是图象数字化及图象显示的重要工具。 1) 图像反转 灰度级范围为[0, L-1]的图像反转可由下式获得 r L s --=1 2) 对数运算：有时原图的动态范围太大，超出某些显示设备的允许动态范围， 如直接使用原图，则一部分细节可能丢失。解决的方法是对原图进行灰度压缩，如对数变换： s = c log(1 + r )，c 为常数，r ≥ 0 3) 幂次变换： 0,0,≥≥=γγc cr s 4) 对比拉伸：在实际应用中,为了突出图像中感兴趣的研究对象，常常要求 局部扩展拉伸某一范围的灰度值，或对不同范围的灰度值进行不同的拉伸处理，即分段线性拉伸： 其对应的数学表达式为： 数字图像处理作业 ——空间域滤波器 摘要 在图像处理的过程中,消除图像的噪声干扰是一个非常重要的问题。本文利用matlab软件,采用空域滤波的方式,对图像进行平滑和锐化处理。平滑空间滤波器用于模糊处理和减小噪声，经常在图像的预处理中使用；锐化空间滤波器主要用于突出图像中的细节或者增强被模糊了的细节。本文使用的平滑滤波器有中值滤波器和高斯低通滤波器，其中，中值滤波器对去除椒盐噪声特别有效，高斯低通滤波器对去除高斯噪声效果比较好。使用的锐化滤波器有反锐化掩膜滤波、Sobel边缘检测、Laplacian边缘检测以及Canny算子边缘检测滤波器。不同的滤波方式，在特定的图像处理应用中有着不同的效果和各自的优势。 1、分别用高斯滤波器和中值滤波器去平滑测试图像test1和2，模板大小分别 是3x3 ， 5x5 ，7x7；利用固定方差 sigma=1.5产生高斯滤波器. 附件有产生高斯滤波器的方法。 实验原理分析： 空域滤波是直接对图像的数据做空间变换达到滤波的目的。它是一种邻域运算，其机理就是在待处理的图像中逐点地移动模板，滤波器在该点地响应通过事先定义的滤波器系数与滤波模板扫过区域的相应像素值的关系来计算。如果输出像素是输入像素邻域像素的线性组合则称为线性滤波（例如最常见的均值滤波和高斯滤波），否则为非线性滤波（中值滤波、边缘保持滤波等）。 空域滤波器从处理效果上可以平滑空间滤波器和锐化空间滤波器：平滑空间滤波器用于模糊处理和减小噪声，经常在图像的预处理中使用；锐化空间滤波器主要用于突出图像中的细节或者增强被模糊了的细节。 模板在源图像中移动的过程中，当模板的一条边与图像轮廓重合后，模板中心继续向图像边缘靠近，那么模板的某一行或列就会处于图像平面之外，此时最简单的方法就是将模板中心点的移动范围限制在距离图像边缘不小于（n－1）/2个像素处，单处理后的图像比原始图像稍小。如果要处理整幅图像，可以在图像轮廓边缘时用全部包含于图像中的模板部分来滤波所有图像，或者在图像边缘以外再补上一行和一列灰度为零的像素点（或者将边缘复制补在图像之外）。 ①中值滤波器的设计： 中值滤波器是一种非线性统计滤波器，它的响应基于图像滤波器包围的图像区域中像素的排序，然后由统计排序的中间值代替中心像素的值。它比小尺寸的线性平滑滤波器的模糊程度明显要低，对处理脉冲噪声（椒盐噪声）非常有效。中值滤波器的主要功能是使拥有不同灰度的点看起来更接近于它的邻近值，去除那些相对于其邻域像素更亮或更暗，并且其区域小于滤波器区域一半的孤立像素集。 在一维的情况下，中值滤波器是一个含有奇数个像素的窗口。在处理之后，位于窗口正中的像素的灰度值，用窗口内各像素灰度值的中值代替。例如若窗口长度为5，窗口中像素的灰度值为80、90、200、110、120，则中值为110，因为按小到大（或大到小）排序后，第三位的值是110。于是原理的窗口正中的灰度值200就由110取代。如果200是一个噪声的尖峰，则将被滤除。然而，如果它是一个信号，则滤波后就被消除，降低了分辨率。因此中值滤波在某些情况下抑制噪声，而在另一些情况下却会抑制信号。 将中值滤波推广到二维的情况。二维窗口的形式可以是正方形、近似圆形的或十字形等。本次作业使用正方形模板进行滤波，它的中心一般位于被处理点上。窗口的大小对滤波效果影响较大。 根据上述算法利用MATLAB软件编程，对源图像test1和test2进行滤波处理，结果如下图： 平均差误法测定线段长度差别阈限 摘要：通过同时呈现两条线段，被试在主观上调节比较刺激的长度，使之与标准刺激相等，让被试学习使用平均误差法测量差别阈限。实验采用单因素两水平被试内实验设计，记录山西师范大学14150201班46名被试的实验数据，并进行统计分析。结果显示，标准刺激长度为300的平均差别阈限值以及标准差明显高于100，说明标准刺激的长度的增加使被试的主观感觉准确度减弱；标准刺激长度为100和300时，它们的心理量（即韦伯分数）并没有显著差异。结论显示，平均差误法可以测定线段差别阈限。 关键词：平均差误法差别阈限比较刺激标准刺激 1.前言 差别阈限是指刚好能引起差异感受的刺激变化量。但是被试对某一特定强度的刺激往往会出现不确定答案，所以，面对阈限的概念，实验者需要借助它的操作定义：有50%的实验次数能引起差别感觉的两个刺激强度之差。这是基于这个操作定义，费希纳设计了三种测量感觉阈限的方法（1.最小变化法，2.恒定刺激法，3.平均差误法），这些方法后来被统称为传统心理物理法。 平均差误法即是传统心理物理学方法之一，又称调整法、再造法、均等法。它最适用于测量绝对阈限和等值，也可用于测量差别阈限。平均差误法的特点是：呈现一个标准刺激，让被试再造、复制或调节一个比较刺激，使它与标准刺激相等，如光的明暗、声音强弱高低、线条长短等。其调节幅度是连续变化的，不像最小变化法那样以等间距、间断变化的，也不像恒定刺激法那样是几个固定刺激按随机顺序出现，平均差误法是由被试操作，被试积极性较高。 1834年，德国生理学家韦伯通过研究人对重量的感觉发现，对于同一类刺激，刺激的差别阈限是刺激本身强度的一个线性函数，因此提出了韦伯定律。 《误差理论与数据处理》实验指导书 姓名 学号 机械工程学院 2016年05月 实验一误差的基本性质与处理 一、实验内容 1．对某一轴径等精度测量8次，得到下表数据，求测量结果。 Matlab程序： l=[24.674,24.675,24.673,24.676,24.671,24.678,24.672,24.674];%已知测量值 x1=mean(l);%用mean函数求算数平均值 disp(['1.算术平均值为：',num2str(x1)]); v=l-x1;%求解残余误差 disp(['2.残余误差为：',num2str(v)]); a=sum(v);%求残差和 ah=abs(a);%用abs函数求解残差和绝对值 bh=ah-(8/2)*0.001;%校核算术平均值及其残余误差,残差和绝对值小于n/2*A,bh<0，故以上计算正确 if bh<0 disp('3.经校核算术平均值及计算正确'); else disp('算术平均值及误差计算有误'); end xt=sum(v(1:4))-sum(v(5:8));%判断系统误差（算得差值较小，故不存在系统误差） if xt<0.1 disp(['4.用残余误差法校核，差值为：',num2str(x1),'较小，故不存在系统误差']); else disp('存在系统误差'); end bz=sqrt((sum(v.^2)/7));%单次测量的标准差 disp(['5.单次测量的标准差',num2str(bz)]); p=sort(l);%用格罗布斯准则判断粗大误差，先将测量值按大小顺序重新排列 g0=2.03;%查表g(8,0.05)的值 g1=(x1-p(1))/bz; g8=(p(8)-x1)/bz;%将g1与g8与g0值比较，g1和g8都小于g0，故判断暂不存在粗大误差if g1 数字图像处理 实验报告 学号：04211734 姓名：付永钦 日期：2014/6/7 1.图像直方图统计 ①原理：灰度直方图是将数字图像的所有像素，按照灰度值的大小，统计其所出现的频度。 通常，灰度直方图的横坐标表示灰度值，纵坐标为半个像素个数，也可以采用某一灰度值的像素数占全图像素数的百分比作为纵坐标。 ②算法： clear all PS=imread('girl-grey1.jpg'); %读入JPG彩色图像文件figure(1);subplot(1,2,1);imshow(PS);title('原图像灰度图'); [m,n]=size(PS); %测量图像尺寸参数 GP=zeros(1,256); %预创建存放灰度出现概率的向量 for k=0:255 GP(k+1)=length(find(PS==k))/(m*n); %计算每级灰度出现的概率end figure(1);subplot(1,2,2);bar(0:255,GP,'g') %绘制直方图 axis([0 255 min(GP) max(GP)]); title('原图像直方图') xlabel('灰度值') ylabel('出现概率') ③处理结果： 原图像灰度图 100 200 0.005 0.010.0150.020.025 0.030.035 0.04原图像直方图 灰度值 出现概率 ④结果分析：由图可以看出，原图像的灰度直方图比较集中。 2. 图像的线性变换 ①原理：直方图均衡方法的基本原理是：对在图像中像素个数多的灰度值（即对画面起主 要作用的灰度值）进行展宽，而对像素个数少的灰度值（即对画面不起主要作用的灰度值）进行归并。从而达到清晰图像的目的。 ②算法： clear all %一，图像的预处理，读入彩色图像将其灰度化 PS=imread('girl-grey1.jpg'); figure(1);subplot(2,2,1);imshow(PS);title('原图像灰度图'); %二，绘制直方图 [m,n]=size(PS); %测量图像尺寸参数 GP=zeros(1,256); %预创建存放灰度出现概率的向量 for k=0:255 数字图像处理实验报告 班级： 姓名： 学号： 日期： 邻域平均法和中值滤波处理 一、实验目的 图像变换是数字图像处理中的一种综合变换，如直方图变换、几何变换等。通过本实验，使得学生掌握两种变换的程序实现方法。 二、实验任务 请设计程序，分别用邻域平均法，其模板为：和中值滤波法对testnoise图像进行去噪处理（中值滤波的模板的大小也设为3×3）。 三、实验环境 本实验在Windows平台上进行，对内存及cpu主频无特别要求，使用VC或者MINGW（gcc）编译器均可。 四、设计思路 介绍代码的框架结构、所用的数据结构、各个类的介绍（类的功能、类中方法的功能、类的成员变量的作用）、各方法间的关系写。在此不进行赘述。 五、具体实现 实现设计思路中定义的所有的数据类型，对每个操作给出实际算法。对主程序和其他模块也都需要写出实际算法。 代码： <邻域平均法>(3*3) #include #include 平均差误法测定线段长度差别阈限 摘要：以37名大二本科学生为被试，用平均差误的方法来测定线段长度的差别阈限。平均差误法的特点是呈现一个标准刺激，令被试再造、复制或调节一个比较刺激，使它与标准刺激相等，是传统的心理物理法之一。差别阈限则是指有50%的次数能觉察出差别，50%的次数不能觉察出差别的刺激强度的差别。结果得出了37名被试的差别阈限，实验中未出现空间效应、练习效应、疲劳效应，性别主效应不显著 关键字：平均差误法差别阈限空间效应练习效应疲劳效应 1 引言 平均差误法（或均误法）又称调整法（method of adjustment）、再造法（method of reproduction）、均等法（method of equation），是最古老且基本的心理物理学方法之一。它的实验程序是呈现一个标准刺激，令被试再造、复制或调节一个比较刺激，使它与标准刺激相等。由于平均 差误法要求被试亲自参与，因此这种方法更能调动被试的实验积极性[1] 。在测定差别阈限的 试验中，标准刺激由主试呈现，随后被试开始调整比较刺激。但是平均差误法的调节刺激必须是可连续变化的，如光的明暗、声音的强弱高低、线条长短等。它不像最小变化法那样是以等距离、间断变化的，也不像恒定刺激法那样是几个固定刺激按随机顺序呈现的。因此，本实验研究采用的刺激为线段长短。 差别阈限是指能觉察的刺激物的最小差异量。即被试辨别两种刺激强度不同时所需要的最小差异量，差别阈限值也称最小可觉差。它的操作性定义是有50%的次数能觉察出差别， 50%的次数不能觉察出差别的刺激强度的差别[2]。 接近阈限时，被试可反复调整，直到满意为止。客观上一般不可能使比较刺激与标准刺激完全一样，于是每一次比较就都会得到一个误差，把多次比较的误差平均起来就可得到平 均误差。因为平均误差与差别阈限成正比，所以可以用平均误差来表示差别感受性[2]。 由于实验中可能会产生空间误差的效应，通常采用比较刺激分别在标准刺激左右各半来消除。此外为了消除动作误差，通常使一半比较刺激长于标准刺激，另一半则短于标准刺激。同时被试在实验中还可能产生期望效应和练习效应，因此常采用多层次的ABBA法或AB法来消除。时间误差则采用同时呈现来消除。被试个体方面的差异则采用指导语来进行控制。 2 方法 2.1 被试 数字图像处理实验三 均值滤波、中值滤波的计算机实现12281166 崔雪莹计科1202班 一、实验目的： 1）熟悉均值滤波、中值滤波处理的理论基础； 2）掌握均值滤波、中值滤波的计算机实现方法； 3）学习VC++ 6。0 的编程方法； 4）验证均值滤波、中值滤波处理理论； 5）观察均值滤波、中值滤波处理的结果。 二、实验的软、硬件平台： 硬件：微型图像处理系统，包括：主机， PC机；摄像机； 软件：操作系统：WINDOWS2000或WINDOWSXP应用软件：VC++ 6.0 三、实验内容： 1）握高级语言编程技术； 2）编制均值滤波、中值滤波处理程序的方法； 3）编译并生成可执行文件； 4）考察处理结果。 四、实验要求： 1）学习VC++确6。0 编程的步骤及流程； 2）编写均值滤波、中值滤波的程序； 3）编译并改错； 4）把该程序嵌入试验二给出的界面中（作适当修改）； 5）提交程序及文档； 6）写出本次实验的体会。 五、实验结果截图 实验均值滤波采用的是3X3的方块，取周围的像素点取得其均值代替原像素点。边缘像素的处理方法是复制边缘的像素点，增加一个边框，计算里面的像素值得均值滤波。 六、实验体会 本次实验在前一次的实验基础上增加均值滤波和中值滤波，对于椒盐噪声的处理，发现中值滤波的效果更为好一点，而均值滤波是的整个图像变得模糊了一点，效果差异较大。本次实验更加增加了对数字图像处理的了解与学习。 七、实验程序代码注释及分析 // HistDemoADlg.h : 头文件 // #include "ImageWnd.h" #pragma once // CHistDemoADlg 对话框 class CHistDemoADlg : public CDialogEx { // 构造 感觉阈限的测量报告一 弓欣 （山西师范大学现代文理学院教育系心理1401班，山西临汾，041000） 摘要：本实验是通过平均差误法测量线段长度的差别阈限。被试采用心理1401班48名同学，平均年龄20岁。全部同学按学号分为单双号组。实验由电脑呈现两条直线，被试需根据个人感觉判断线段的长短并进行调整，使线段在其感觉上长度相同，20次实验之后记录差别阈限，单号组的标准刺激为200mm，双号组为300mm。随后收集全部同学实验数据进行计算。结果单号组的平均差别阈限为5.83，双号组为7.29。实验结果验证了韦伯定律，差别阈限随标准刺激的变化而变化。 关键词：平均差误法差别阈限 1.前言 感觉阈限，用于测量感觉系统感受性大小的指标，用刚能引起感觉的刺激量来表示。测量感觉阈限的基本方法有极限法、平均差误法、恒定刺激法。为了对实验心理学所学过的内容进行巩固，并培养学生在心理实验方面的能力和做实验主试的意识，本实验用平均差误法测量线段长度的差别阈限。平均差误法是传统心理物理法之一。试验方法是呈现一个标准刺激，让被试复制、调节一个比较刺激，使之与标准刺激在自我感觉上相同。比较刺激与标准刺激的差的绝对值的平均数就是其差别阈限。 2.方法 2.1 被试 选用山西师范大学现代文理学院心理1401班48名同学为被试，平均年龄20岁，男7人，女41人。并按照学号单双分为单号组与双号组。 2.2 仪器与材料 仪器采用PsyTech-EP2009心理实验台（包括计算机），和与其配套的1号反应盒。实验材料为电脑呈现的两条长短不一的线段。单号组被试的标准刺激（线 段）长度为200mm，双号组为300mm，其余参数设置相同。 2.3 实验过程 被试将1号反应盒安装好后进入平均差误法测定线段长度差别阈限的实验。进入试验后，屏幕将并排呈现两条线段，分别标注着标准刺激与比较刺激，被试需按反应盒上的“+”“-”按钮来调节比较刺激，使之与标准刺激在自我感觉上有相同长度。由于被试在试验中可能产生练习效应，所以实验采用ABBA的方法，使标准刺激与比较刺激的位置左右发生变化。首先，每位被试进行10次练习，防止因不熟练操作与视觉不适应而导致的误差。练习之后，每位被试均进行20次试验，实验过程被试需集中注意于屏幕中的线段。实验结束后，记录每位被试的差别阈限数值。 3.结果 统计全部差别阈限，得出单号组（200mm）的平均数≈5.83，双号组（300mm）的平均数≈7.29。并将其除以标准刺激量，单号组k=0.02915，双号组k=0.0243。 4.结论 实验结果证明了韦伯定律，差别阈限随着标准刺激的变化而变化，差别阈限除以标准刺激所得常数k不变。 本次试验所得常数k基本一致，但未完全相同，原因可能在于被试的个体差异以及实验中其他不可控的因素。 参考文献： 郭秀艳，杨治良.（2015）.感觉阈限的测量.实验心理学，231-240. 误差测量与处理课程实验 报告 学生姓名：学号： 学院： 专业年级： 指导教师： 年月 实验一 误差的基本性质与处理 一、实验目的 了解误差的基本性质以及处理方法。 二、实验原理 （1）正态分布 设被测量的真值为0L ，一系列测量值为i L ，则测量列中的随机误差i δ为 i δ=i L -0L （2-1） 式中i=1，2，…..n. 正态分布的分布密度 ()() 2 2 21 f e δ σδσπ -= （2-2） 正态分布的分布函数 ()()2 2 21 F e d δ δ σδδσπ --∞ =? （2-3） 式中σ-标准差（或均方根误差）； 它的数学期望为 ()0 E f d δδδ+∞ -∞ ==? （2-4） 它的方差为 ()22f d σδδδ +∞ -∞ =? （2-5） （2）算术平均值 对某一量进行一系列等精度测量，由于存在随机误差，其测得值皆不相同，应以全部测得值的算术平均值作为最后的测量结果。 1、算术平均值的意义 在系列测量中，被测量所得的值的代数和除以n 而得的值成为算术平均值。 设 1l ，2l ，…,n l 为n 次测量所得的值，则算术平均值 121...n i n i l l l l x n n =++= =∑ 算术平均值与真值最为接近，由概率论大数定律可知，若测量次数无限增加，则算术平均值x 必然趋近于真值0L 。 i v = i l -x i l ——第i 个测量值，i =1,2,...,;n i v ——i l 的残余误差（简称残差） 2、算术平均值的计算校核 算术平均值及其残余误差的计算是否正确，可用求得的残余误差代数和性质来校核。 残余误差代数和为： 1 1 n n i i i i v l nx ===-∑∑ 当x 为未经凑整的准确数时，则有 1 n i i v ==∑0 1）残余误差代数和应符合： 当 1n i i l =∑=nx ，求得的x 为非凑整的准确数时，1n i i v =∑为零； 当 1n i i l =∑>nx ，求得的x 为凑整的非准确数时，1n i i v =∑为正；其大小为求x 时的余数。 当 1n i i l =∑ 数字图像处理试验报告 实验二：数字图像的空间滤波和频域滤波 姓名：XX学号：2XXXXXXX 实验日期：2017 年4 月26 日 1.实验目的 1. 掌握图像滤波的基本定义及目的。 2. 理解空间域滤波的基本原理及方法。 3. 掌握进行图像的空域滤波的方法。 4. 掌握傅立叶变换及逆变换的基本原理方法。 5. 理解频域滤波的基本原理及方法。 6. 掌握进行图像的频域滤波的方法。 2.实验内容与要求 1. 平滑空间滤波： 1) 读出一幅图像，给这幅图像分别加入椒盐噪声和高斯噪声后并与前一张图显示在同一 图像窗口中。 2) 对加入噪声图像选用不同的平滑（低通）模板做运算，对比不同模板所形成的效果，要 求在同一窗口中显示。 3) 使用函数 imfilter 时，分别采用不同的填充方法（或边界选项，如零填 充、’replicate’、’symmetric’、’circular’）进行低通滤波，显示处理后的图 像。 4) 运用 for 循环，将加有椒盐噪声的图像进行 10 次，20 次均值滤波，查看其特点, 显 示均值处理后的图像（提示:利用fspecial 函数的’average’类型生成均值滤波器）。 5) 对加入椒盐噪声的图像分别采用均值滤波法，和中值滤波法对有噪声的图像做处理，要 求在同一窗口中显示结果。 6) 自己设计平滑空间滤波器，并将其对噪声图像进行处理，显示处理后的图像。 2. 锐化空间滤波 1) 读出一幅图像，采用3×3 的拉普拉斯算子 w = [ 1, 1, 1; 1 – 8 1; 1, 1, 1] 对其进行滤波。 2) 编写函数w = genlaplacian(n)，自动产生任一奇数尺寸n 的拉普拉斯算子，如5 ×5的拉普拉斯算子 w = [ 1 1 1 1 1 1 1 1 1 1 1 1 -24 1 1 1 1 1 1 1 1 1 1 1 1] 3) 分别采用5×5，9×9，15×15和25×25大小的拉普拉斯算子对 平均差误法 1 引言 平均差误法是测量感觉阈限的一种方法。这个方法有三个特点：(1)在测定差别阈限时所呈现的变异刺激，如光的明暗、声音的强弱高低、线条的长短等，是连续变化的，不象最小变化法那样是以等距离、间断变化的，也不象恒定刺激法那样是几个固定刺激按随机的顺序呈现的。(2)平均差误法的变异刺激大都是由被试操作或调整而产生的连续的量的变化。由于这个特点，这个方法又叫调整法。由于被试参与操作，也容易产生动作误差。例如，从小于标准刺激调整到与标准刺激相等，和从大于标准刺激调整到与标准刺激相等，其结果就可能不同。(3)被试调整得到在感觉上相等的两个刺激值，其物理强度之差的绝对值的平均数（即平均误差，AE），就是所求的阈限值。其计算公式如下： AE=∑∣X-S∣/N 式中，X----每次测定所得数据；S----标准刺激；n----测定总次数。平均差误法就是因此而得名的。用这个方法测得的阈限值比用其它两种方法测得的要小一些，因为其差别阈限处于上下限之间的主观相等地带之内，而绝对阈限则50%次感觉到的强度之下。由于平均差误法获得数据的标准和计算的方法与其他方法不同，它所测得的结果可以说只是一个阈限的近似值。因此，用此法测得的阈限不能直接与用其他方法测得的阈限进行比较。本实验通过长度差别阈限的测定，学习如何用平均差误法测量差别阈限。 2 方法 2.1 被试 本实验的被试为某大学本科学生两名，20岁，女生。 2.2 仪器 长度估计测量器 2.3 程序 (1)用长度估计测量器呈现白背景上的黑色线条，线条分左右两半。两半分别用活动套子盖住，背面有以毫米为单位的刻度。主试移动一个套子使该边的直线露出10厘米作为标准刺激。又用同法使另一边的直线露出一个明显地短于或长于标准刺激的长度作为变异刺激，被试借助于移动套子调节变异刺激，直到他认为与标准刺激长度相等为止。主试记下被试调好的长度。 (2)在安排实验顺序时，要注意几个控制变量：为了消除动作误差，在全部实验中应有一半的次数呈现的变异刺激长于标准刺激（套子向“内”）；另一半次数呈现的变异刺激短于标准刺激（套子向“外”）。①为了消除空间误差，在全部实验中应有一半的次数在中线的左边呈现变异刺激（简称“左”）；另一半次数在中线的右边呈现变异刺激（简称“右”）。上述呈现变异刺激的办法可组合为“左外”、“左内”、“右外”、“右内”四种方式。③为了消除系列顺序的影响，实验如下进行：右外→右内→左内→左外→左外→左内→右内→右外，共八组，每组做五次，全部实验要做两个循环，共计八十次。每做完二十次，休息两分钟。 (3)在实验过程中，主试不要告诉被试调整出来的变异刺激的长度是否和标准刺激相等，也不要做任何有关的暗示。 (4)换被试，再按上述程序进行实验。 3 结果 用前述公式计算两个被试的平均误。他们的长度差别阈限分别为：2.3875毫米和3.50毫米。对两个被试的平均误的差别进行显著性检验，结果差异不显著，t=1.865，P>0.05。 4 讨论 项目名称：学生学院：专业班级：学生学号：学生姓名：指导老师： 《误差理论与数据处理》实验报告信息工程学院计算机测控 技术与仪器（1）班3111002352 黄维腾 陈益民 2014年7月7日 实验一误差的基本性质与处理 一、实验目的 了解误差的基本性质以及处理方法。 二、实验原理 （1）正态分布 设被测量的真值为l0，一系列测量值为li，则测量列中的随机误差?i为 ?i=li-l0 （2-1） 式中i=1，2，…..n. 正态分布的分布密度 f? ??? ?? 2 ? 2?? 2 （2-2） 正态分布的分布函数 f? ??? 式中?-标准差（或均方根误差）；它的数学期望为 ?? e ?? 2 2??d? （2-3） 2 e???f???d??0 （2-4） ?? ?? 它的方差为 ????2f???d? （2-5） 2 ?? ?? （2）算术平均值 对某一量进行一系列等精度测量，由于存在随机误差，其测得值皆不相同，应以全部测 得值的算术平均值作为最后的测量结果。 1、算术平均值的意义 在系列测量中，被测量所得的值的代数和除以n而得的值成为算术平均值。 li l1?l2?...ln??i?1 设 l1，l2，…,ln为n次测量所得的值，则算术平均值 x? 算术平均值与真值最为接近，由概率论大数定律可知，若测量次数无限增加，则算术平 均值x必然趋近于真值l0。 n vi? li-x li——第i个测量值，i=1,2,...,n; vi——li的残余误差（简称残差） 2、算术平均值的计算校核 算术平均值及其残余误差的计算是否正确，可用求得的残余误差代数和性质来校核。残 余误差代数和为： ?v??l?nx i i i?1 i?1 nn 当x为未经凑整的准确数时，则有 ?v i?1 n i ?0 1）残余误差代数和应符合： 当 ?l=nx，求得的x为非凑整的准确数时，?v为零； i i nn i?1n i?1n 当 ?l>nx，求得的x为凑整的非准确数时，?v为正；其大小为求x时的余数。 i i i?1n i?1n 当 ?l<nx，求得的x为凑整的非准确数时，?v为负；其大小为求x时的亏数。 i i i?1i?1 2）残余误差代数和绝对值应符合： 当n为偶数时， ?vi? i?1n 数字图像处理实验 报告 学生姓名：学号： 专业年级： 09级电子信息工程二班 实验一常用MATLAB图像处理命令 一、实验内容 1、读入一幅RGB图像，变换为灰度图像和二值图像，并在同一个窗口内分成三个子窗口来分别显示RGB图像和灰度图像，注上文字标题。 实验结果如右图： 代码如下： Subplot (1,3,1) i=imread('E:\数字图像处理\2.jpg') imshow(i) title('RGB') Subplot (1,3,2) j=rgb2gray(i) imshow(j) title('灰度') Subplot (1,3,3) k=im2bw(j,0.5) imshow(k) title('二值') 2、对两幅不同图像执行加、减、乘、除操作，在同一个窗口内分成五个子窗口来分别显示，注上文字标题。 实验结果如右图： 代码如下： Subplot (3,2,1) i=imread('E:\数字图像处理 \16.jpg') x=imresize(i,[250,320]) imshow(x) title('原图x') Subplot (3,2,2) j=imread(''E:\数字图像处理 \17.jpg') y=imresize(j,[250,320]) imshow(y) title('原图y') Subplot (3,2,3) z=imadd(x,y) imshow(z) title('相加结果')；Subplot (3,2,4)；z=imsubtract(x,y)；imshow(z)；title('相减结果') Subplot (3,2,5)；z=immultiply(x,y)；imshow(z)；title('相乘结果') Subplot (3,2,6)；z=imdivide(x,y)；imshow(z)；title('相除结果') 3、对一幅图像进行灰度变化，实现图像变亮、变暗和负片效果，在同一个窗口内分成四个子窗口来分别显示，注上文字标题。 实验结果如右图： 代码如下： Subplot (2,2,1) i=imread('E:\数字图像处理 \23.jpg') imshow(i) title('原图') Subplot (2,2,2) J = imadjust(i,[],[],3); imshow(J) title('变暗') Subplot (2,2,3) J = imadjust(i,[],[],0.4) imshow(J) title('变亮') Subplot (2,2,4) J=255-i Imshow(J) title('变负') 二、实验总结 分析图像的代数运算结果，分别陈述图像的加、减、乘、除运算可能的应用领域。 解答：图像减运算与图像加运算的原理和用法类似，同样要求两幅图像X、Y的大小类型相同，但是图像减运算imsubtract()有可能导致结果中出现负数，此时系统将负数统一置为零，即为黑色。 乘运算实际上是对两幅原始图像X、Y对应的像素点进行点乘(X.*Y)，将结果输出到矩阵Z中，若乘以一个常数，将改变图像的亮度：若常数值大于1，则乘运算后的图像将会变亮；叵常数值小于是，则图像将会会暗。可用来改变图像的灰度级，实现灰度级变换，也可以用来遮住图像的某些部分，其典型应用是用于获得掩膜图像。 除运算操作与乘运算操作互为逆运算，就是对两幅图像的对应像素点进行点（X./Y)， imdivide()同样可以通过除以一个常数来改变原始图像的亮度，可用来改变图像的灰度级，其典型运用是比值图像处理。 加法运算的一个重要应用是对同一场景的多幅图像求平均值 减法运算常用于检测变化及运动的物体，图像相减运算又称为图像差分运算，差分运算还可以用于消除图像背景，用于混合图像的分离。 1.灰度变换与空间滤波 一种成熟的医学技术被用于检测电子显微镜生成的某类图像。为简化检测任务，技术决定采用数字图像处理技术。发现了如下问题：（1）明亮且孤立的点是不感兴趣的点；（2）清晰度不够，特别是边缘区域不明显；（3）一些图像的对比度不够；（4）技术人员发现某些关键的信息只在灰度值为I1-I2 的范围，因此，技术人员想保留I1-I2 区间范围的图像，将其余灰度值显示为黑色。（5）将处理后的I1-I2 范围内的图像，线性扩展到0-255 灰度，以适应于液晶显示器的显示。请结合本章的数字图像处理处理，帮助技术人员解决这些问题。 1.1 问题分析及多种方法提出 （1）明亮且孤立的点是不够感兴趣的点 对于明亮且孤立的点，其应为脉冲且灰度值为255（uint8）噪声，即盐噪声，为此，首先对下载的细胞图像增加盐噪声，再选择不同滤波方式进行滤除。 均值滤波：均值滤波是典型的线性滤波算法，它是指在图像上对目标像素给一个模板，该模板包括了其周围的临近像素（以目标像素为中心的周围8 个像素，构成一个滤波模板，即去掉目标像素本身），再用模板中的全体像素的平均值来代替原来像素值。 优点：速度快，实现简单； 缺点：均值滤波本身存在着固有的缺陷，即它不能很好地保护图像细节，在图像去噪的同时也破坏了图像的细节部分，从而使图像变得模糊，不能很好地去除噪声点。 其公式如下： 使用矩阵表示该滤波器则为： 中值滤波： 滤除盐噪声首选的方法应为中值滤波，中值滤波法是一种非线性平滑技术，它将每一像素点的灰度值设置为该点某邻域窗口内的所有像素点灰度值的中值。 其过程为： a、存储像素1，像素2 ....... 像素9 的值； b、对像素值进行排序操作； c、像素5 的值即为数组排序后的中值。优点：由于中值滤波本身为一种利用统计排序方法进行的非线性滤波方法，故可以滤除在排列矩阵两边分布的脉冲噪声，并较好的保留图像的细节信息。 缺点：当噪声密度较大时，使用中值滤波后，仍然会有较多的噪声点出现。自适应中值滤波： 自适应的中值滤波器也需要一个矩形的窗口S xy ，和常规中值滤波器不同的是这个窗口的大小会在滤波处理的过程中进行改变(增大)。需要注意的是，滤波器的输出是一个像素值，该值用来替换点(x, y)处的像素值，点(x, y)是滤波窗口的中心位置。 其涉及到以下几个参数： 其计算过程如下：数字图像处理实验三中值滤波和均值滤波实验报告
心理实验操作指南之平均差误法测量
误差理论与数据处理实验报告
数字图像处理实验报告
空间域滤波器(实验报告)
平均差误法测定线段长度差别阈限
误差理论与数据处理 实验报告
东南大学数字图像处理实验报告
数字图像处理实验报告[邻域平均法和中值滤波法]
平均差误法实验报告
数字图像处理实验三中值滤波和均值滤波实验报告材料
平均差误法测差别阈限
误差测量实验报告
数字图像处理实验报告
平均差误法
误差分配实验报告
数字图像处理实验报告
数字图像处理实验报告：灰度变换与空间滤波(附带程序,不看后悔)