数字图像处理实验报告(2)

c d

图2.2（其中Div=100 无滤波器作用，即a=0）

图2.3（其中Div=360 （a）原图 （b）反向投影结果 （c）图像正弦图 （d）滤波后投影图像正弦图

a b

c d

shepp-logan滤波器，即a=1）

（a）原图 （b）反向投影结果 （c）图像正弦图 （d）滤波后投影图像正弦图

a

b

6

c d

图2.3（其中Div=360 hamming滤波器，即a=2）

图2.4（其中Div=360 （a）原图 （b）反向投影结果 （c）图像正弦图 （d）滤波后投影图像正弦图

a b

c d

hann滤波器，即a=3）

（a）原图 （b）反向投影结果 （c）图像正弦图 （d）滤波后投影图像正弦图

a

b

7

c d

图2.4（其中Div=360 无滤波器，即a=0）

（a）原图 （b）反向投影结果

（c）图像正弦图 （d）滤波后投影图像正弦图

2.2实验讨论

2.2.1 投影参数的修改：

对比分析一下实验指导中第5个步骤修改参数后的结果，为什么会出现这样的结果？

对比图2.1和2.2可知，对于取不同的Div值，其值越大，得到的反投影图像更清晰。根据代码，Div的值决定了对角度分割的程度，Div值越大，扫描的时候角度增量越小，则扫描的精确，得到的图像更清晰。

2.2.2 滤波器的选择：

1）对比分析滤波前后的结果图像，并说明原因；

对比图2.2和2.3结果可知，当加上滤波器之后，得到的图像更清晰，没有可见的模糊。原因是未经过滤波的图像中存在很多干扰噪声成分，而经过滤波后再进行反投影操作能有效除去这些噪声和模糊，于是得到了清晰的图像。

2）对比选择不同的滤波器的滤波效果，说明使用哪个滤波器效果比较好，不用说明原因。

由以上图像显示结果，hann窗滤波器和hamming窗滤波效果没有明显区别，不同的图像适合不同的滤波器，而本次试验中，从视觉上来说，shepp-logan滤波器得到的图像更清晰。

8

附录（实验代码）

.pro文件代码如下：

QT += core gui

greaterThan(QT_MAJOR_VERSION, 4): QT += widgets TARGET = shiyanba TEMPLATE = app

SOURCES += main.cpp\\ mainwindow.cpp

INCLUDEPATH+=C:\\Qt\\opencv2.2\\include\\opencv\\ C:\\Qt\\opencv2.2\\include\\opencv2\\ C:\\Qt\\opencv2.2\\include

LIBS+=C:\\Qt\\opencv2.2\\lib\\libcv.dll.a\\

C:\\Qt\\opencv2.2\\lib\\libopencv_calib3d220.dll.a\\ C:\\Qt\\opencv2.2\\lib\\libopencv_contrib220.dll.a\\ C:\\Qt\\opencv2.2\\lib\\libopencv_core220.dll.a\\

C:\\Qt\\opencv2.2\\lib\\libopencv_features2d220.dll.a\\ C:\\Qt\\opencv2.2\\lib\\libopencv_flann220.dll.a\\ C:\\Qt\\opencv2.2\\lib\\libopencv_gpu220.dll.a\\ C:\\Qt\\opencv2.2\\lib\\libopencv_highgui220.dll.a\\ C:\\Qt\\opencv2.2\\lib\\libopencv_imgproc220.dll.a\\ C:\\Qt\\opencv2.2\\lib\\libopencv_legacy220.dll.a\\ C:\\Qt\\opencv2.2\\lib\\libopencv_ml220.dll.a\\

C:\\Qt\\opencv2.2\\lib\\libopencv_objdetect220.dll.a\\ C:\\Qt\\opencv2.2\\lib\\libopencv_video220.dll.a

Main.Cpp代码如下：

#include

#include #include #include using namespace cv; using namespace std;

//子函数---创建亚像素图像

Mat subpixels(Mat source_image) {

Mat target_image(source_image.rows*2, source_image.cols*2, CV_32F); Mat Matrix_In = (Mat_(2,2) << 1,1,1,1); int source_rows = source_image.rows,

source_cols = source_image.cols; Mat mTemp;

for ( int i = 0; i < source_rows; i++) { for ( int j = 0; j < source_cols; j++) {

9

float pixel_quarter = (float)(source_image.at(i, j)); mTemp = Matrix_In.mul(Matrix_In, pixel_quarter); Mat t=target_image(Rect_(j*2, i*2, 2, 2)); mTemp.copyTo(t); } }

cout<<\ return target_image; }

//子函数---矩阵转置并拉平

Mat flatten(Mat Arr_In) { Arr_In = Arr_In.t();

Mat Arr_Out = Arr_In.reshape(1,1); return Arr_Out; }

//子函数---对坐标进行采样

void ndgrid(int xc,int yc, int m,int n, Mat& X,Mat& Y) { Mat M = (Mat_(2*m,1)); for(int i=0;i<2*m;i++) {

M.at(i,0) = 0.75-xc+(float)i/2; }

Mat N = (Mat_(1,2*n)); for(int i=0;i<2*n;i++) {

N.at(0,i) = 0.75-yc+(float)i/2; }

X = repeat(M,1,2*m); Y = repeat(N,2*n,1); }

//子函数---矩阵元素累加

void accumarray(Mat subs, Mat val, Size sz, Mat& RT){ RT = Mat::zeros(sz.width, sz.height, CV_32F); for(int i=0; i

RT.at(subs.at(i)-1) += val.at(i); } }

//子函数---设计滤波器

Mat Design_filter(Mat& In,int a,int d){

int nextpow2 = ceil(log(2*In.rows)/log(2));

10