(完整版)SAR合成孔径雷达图像点目标仿真报告(附matlab代码)

SAR 图像点目标仿真报告

徐一凡

1 SAR 原理简

介 合成孔径雷达 (Synthetic Aperture Radar . 简称 SAR)是一种高分辨率成像雷达技术。

它利用脉冲压缩技术获得高的距离向分辨率 . 利用合成孔径原理获得高的方位向分辨率 . 从 而获得大面积高分辨率雷达图像。

SAR 回波信号经距离向脉冲压缩后 . 雷达的距离分辨率由雷达发射信号带宽决定：

r 2C

B r

. 式中

r

表示雷达的距离分辨率 . B r 表示雷达发射信号带宽 . C 表示光速。同

样.SAR 回波信号经方位向合成孔径后 . 雷达的方位分辨率由雷达方位向的多谱勒带宽决定：

SAR 平台速度。在小斜视角的情况下 . 方位分辨率近似表示为 a D

. 其中 D

为方位向合成

2 孔径的长度。

2 SAR 的几何关系 雷达位置和波束在地面覆盖区域的简单几何模型如图 1 所示。此次仿真考

虑的是正侧 视的条带式仿真 . 也就是说倾斜角为零 .SAR 波束中心和 SAR 平台运动方向垂直的情况。

图1 雷达数据获取的几何关系

建立坐标系 XYZ 如图 2 所示. 其中 XOY 平面为地平面； SAR 平台距地平面高 H.以速度 V 沿 X 轴正向匀速飞行； P 点为 SAR 平台的位置矢量 . 设其坐标为 (x,y,z) ； T 点为目标的位

置矢量 .设其坐标为 (x T , y T , z T ) ；由几何关系 .目标与 SAR 平台的斜距为：

由图可知： y 0,

z H ,

z T 0

；令 x v s . 其中 v 为平台速度 .s 为慢时间变量( slow

v a

a

. 式中

B a

a

表示雷达的方位分辨率 B a 表示雷达方位向多谱勒带宽 . v a 表示方位向

uuur R PT

(x x T )2 (y y T )2 (z z T )2

(1)

time ).假设x T vs.其中 s表示SAR平台的x 坐标为x T 的时刻；再令r H2 y T2 表示目标

与SAR的垂直斜距. 重写(1) 式为：

图2：空间几何关系(a) 正视图(b) 侧视图

图2(a) 中. Lsar表示合成孔径长度. 它和合成孔径时间Tsar的关系是Lsar vTsar。(b) 中. 为雷达天线半功率点波束角. 为波束轴线与Z 轴的夹角. 即波束视角. Rmin 为近距点距离. Rmax为远距点距离.W 为测绘带宽度. 它们的关系为：

Rmin H tg( 2)

Rmax H tg( 2) (4)

W Rmax Rmin

3 SAR的回波信号模型

SAR在运动中以一定的周期( 1/ PRF )发射和接收信号.具体过程如图 3 所示。发射机以

.r

uuu

r

PT

R(s;r) r 2 v2 (s s0)2(2)

R(s;r)就表示任意时刻s时.目标与雷达的斜距。一般情况下.v s s0 叶

技术展开.可将(2) 式可近似写为：

2

R(s;r) r2v2(s s0)2r v(s s0)2

2r

r . 于是通过傅里

(3)

可见.斜距是s和r 的函数.不同的目标. r也不一样.但当目标距SAR较远时.在观测带内.可近似认为r 不变. 即r R0 。

l 的时间发射啁啾脉冲. 然后切换天线开关接收回波信号

当雷达不处于发射状态时. 它接收3 反射回波。发射和接收回波的时间序列如图4 所示。在机载情况下. 每个回波可以在脉冲发射间隔内直接接收到。但是在星载情况下. 由于距离过大.某个脉冲的回波要经过6~10个脉冲间隔才能接收到。这里仿真为了方便. 默认为机载情况。

图4 脉冲雷达的发射与接收周期

假设T r为chirp 信号持续时间.下标r 表示距离向；PRF为重复频率.PRT为重复周期等于1/ PRF 。接收序列中. n2* R( s; r )表示发射第i个脉冲时.目标回波相对于发射序n C

列的延时。雷达的发射序列数学表达式为式(5):

K r 为距离向的chirp 信号调频率. f c为载频。

雷达回波信号由发射信号波形.天线方向图.斜距.目标RCS.环境等因素共同决定.若不考虑环境因素. 则单点目标雷达回波信号可写成式(6) 所示：

其中. 表示点目标的雷达散射截面. w表示点目标天线方向图双向幅度加权. n表示s(t) p(t n* PRT) n

p(t) rect(t)e

j K

r

t

2

e

j2 f

c

t T r

5)

式中. rect(g) 表示矩形信号

s r (t) wp(t n PRT n )

n

(6)

载机发射第n 个脉冲时. 电磁波再次回到载机时的延时n 2* R C(s;r ).带入式(6)中得：

t n PRT 2R(s;r)/C

s r (t) w rect( )

n T

r

exp[j K r(t n PRT 2R(s;r)/C)2] (7)

4

exp[- j 4 R(s;r)] exp[ j2 f c(t n PRT n)]式(7)就是单点目标回波信号模型.其中. exp[ j K r(t n PRT 2R(s;r)/C)2]是

4

chirp 分量.它决定距离向分辨率；exp[- j R(s;r)] 为多普勒分量. 它决定方位向分辨率。

对于任意一个脉冲. 回波信号可表示为式(8) 所示：

s r(t,s) A0w r( 2R(s;r)/ C)w a(s s c) exp{ j4 f0R(s;r)/C}

r 0 r a

2c 0

(8)

exp{ j K r( 2R(s;r) /C)2}

我们知道.由于R(s;r)随慢时间s 的变化而变化.所以计算机记录到的回波数据存储形式如图 5 所示：

图 5 目标照射时间内. 单个点目标回波能量在信号处理器的二维存储器中的轨迹

4 距离徙动及校正

根据图2可知.在倾斜角为零或很小的时候.目标与雷达的瞬时距离为R(s;r). 根据几何关系可知. R(s;r) r2

v2 (s s0)2

. 根据泰勒级数展开可得：

载机发射第n 个脉冲时. 电磁波再次回到载机时的延时n 2* R C(s;r ).带入式(6)中得：

x

2

2 2 2

v 2

R(s;r) r v (s s 0)

r (s s 0)

(9)

2r

由式(9) 可知.不同慢时间对应着不同的 R(s ; r ) .并且是一个双曲线形式或者近似为一 个二次形式。如图 5所示. 同一目标的回波存储在计算机里不在同一直线上 .存在距离徙 动。从而定义距离徙动量：

2

v

2

R(s,r) (s s 0)2

(10)

2r

为了进行方位向的压缩 .方位向的回波数据必须在同一条直线上 . 也就是说必须校正距 离徙动 R(s, r ) 。由式( 10)可知 . 不同的最近距离 r 对应着不同的 R(s,r). 因此在时域 处理距离徙动会非常麻烦。因此 . 对方位向进行傅里叶变换 . 对距离向不进行变换 . 得到新的 域。由于方位向的频率即为多普勒频率

. 所以这个新的域也称为距离多普勒域。

将斜距 R 写成多普勒 fa 的函数.即R( f a , r ) 。众所周知 .对最近距离为 r 的点目标 P.

2V

回波多普勒

f a

是倾斜角 的函数 .即 f a

sin .斜距 R(f a ,r) r / cos .于是

(11)

1 所

以距离多普勒域中的我距离徙动为

R(f a ,r)=1

( )

2

rf a

2. 可发现它不随慢时间变换 . 同

一最短距离 r 对应着相同大小的距离徙动。因此在距离多普勒域对一个距离徙动校正就是 对一组具有相同最短距离的点目标的距离徙动校正 . 这样可以节省运算量。 为了对距离徙动进行校正 . 需要得到距离徙动单元 . 即距离徙动体现在存储单元中的移

动数值 .距离徙动单元可以表示为 R(f a ,r)/ r . 这个值通常为一个分数 .由于存储单元都 是离散的 . 所以不同通过在存储单元简单的移动得到准确的值。为了得到准确的徙动校正 值. 通常需要进行插值运算。

本仿真采用了两种插值方法最近邻点插值和 sinc 插值 .下面分别进行介绍。最近邻点 插值法的优点是简单而快速 . 缺点是不够精确。 R(f a ,r)/ r =N n .其中 N 为整数部

分.n 为小数部分 . 整数部分徙动可以直接通过平移消除 . 对于小数部分则通过四舍五入的方 法变为 0 或者 1. 这样就可以得到较为精确的插值。

Sinc 插值原理如下：在基带信号下 . 卷积核是 sinc 函数

h(x) sinc(x)

sin( x)

(12)

R(f a ,r)

r /cos r / 1

sin

2

12

81(V

)2rf a

2

插值信号为

x

matlab相关图形实现代码

根据数据点绘制饼图和针状图： x=[1 2 3 4 5 6]; >> subplot(2,2,1);pie(x); >> subplot(2,2,2);pie3(x); >> subplot(2,2,3);stem(x); >>subplot(2,2,4);stem3(x); 5% 10% 14% 19% 24% 29% 24% 29% 19% 5%14% 10%0 2 4 6 2 4 6 5 10 01 2 05 10

根据数据点绘制向量场图、羽状图和罗盘图： x=[1 2 3 4 5 6];y=[1 2 3 4 5 6]; u=[1 2 3 4 5 6];v=[1 2 3 4 5 6]; subplot(2,2,1);quiver(x,y,u,v); subplot(2,2,2);quiver(x,y,u,v,'r'); subplot(2,2,3);feather(u,v); subplot(2,2,4);compass(u,v); 024680 246 802468 246 80 5 10 15 2 4 6 5 10 30 210 60240 90270 120 300 150330 180

rand(m,n)产生m ×n 均匀分布的随机矩阵，元素取值在0.0~1.0。 randn 函数：产生标准正态分布的随机数或矩阵的函数。 Y = randn(m,n) 或 Y = randn([m n])返回一个m*n 的随机项矩阵。 > theta=10*rand(1,50); %确定50个随机数theta >> Z=peaks; %确定Z 为峰值函数peaks >> x=0:0.01:2*pi;y=sin(x); %确定正弦函数数据点x.y >> t=randn(1000,1); %确定1000个随机数t >> subplot(2,2,1);rose(theta); %关于（theta ）的玫瑰花图 >> subplot(2,2,2);area(x,y); %关于(x,y)的面积图 >> subplot(2,2,3);contour(Z); %关于Z 的等值线图（未填充） >> subplot(2,2,4);hist(t); %关于t 的柱状图 5 10 30 210 60 240 90270 120300150330 18000246 -1 -0.500.5 110 20 30 40 10 2030 40-4 -2 2 4 100 200 300

基于DCT的数字图像压缩及Matlab实现

实验三基于DCT的数字图像压缩及Matlab实现兰州大学信息学院08级通信工程一班赵军伟 一、课程设计的目的和要求等内容 实验目的:掌握基于DCT变换的图像压缩的基本原理及其实现步骤；通过使用MATLAB，对同一幅原始图像进行压缩，进一步掌握DCT和图像压缩。 实验要求： 1、学生在实验操作过程中自己动手独立完成，2人为1组。 2、上机过程中由指导老师检查结果后方可做其他内容。 3、完成实验报告：按照实验的每个题目的具体要求完成 二、基本原理或方法 （一）图像压缩基本原理 图像数据压缩的目的是在满足一定图像质量的条件下，用尽可能少的比特数来表示原始图像，以提高图像传输的效率和减少图像存储的容量，在信息论中称为信源编码。图像压缩是通过删除图像数据中冗余的或者不必要的部分来减小图像数据量的技术，压缩过程就是编码过程，解压缩过程就是解码过程。压缩技术分为无损压缩和有损压缩两大类，前者在解码时可以精确地恢复原图像，没有任何损失；后者在解码时只能近似原图像，不能无失真地恢复原图像。 假设有一个无记忆的信源,它产生的消息为{ai},1≤i≤N,其出现的概率是已知的,记为P(ai)。则其信息量定义为: 由此可见一个消息出现的可能性越小，其信息量就越多，其出现对信息的贡献量越大，反之亦然。 信源的平均信息量称为“熵”（entropy），可以表示为： 对上式取以2为底的对数时，单位为比特（bits）：

根据香农（Shannon）无噪声编码定理，对于熵为H的信号源，对其进行无失真编码所可能达到的最低比特数为，这里为一任意小的正数，因此可能达到的最大压缩比为： 其中B是原始图像的平均比特率。 在图像压缩中，压缩比是一个重要的衡量指标。可以定义压缩比为： （二）图像压缩的基本模型 图像编码包括两个阶段，前一个阶段就是利用预测模型或正交模型对图像信号进行变换；后一个阶段是利用已变换信号的统计特性，对其分配适当的代码来进行编码传输。 编码器与解码器的结构分别如图(a)、(b)。 在发送端，输入的原始图像首先经过DCT变换后，其低频分量都集中在左上角，高频分量分布在右下角（DCT变换实际上是空间域的低通滤波器）。由于该低频分量包含了图像的主要信息，而高频分量与之相比就不那么重要了，所以可以忽略高频分量，从而达到压缩的目的。将高频分量去掉就要用到量化，这是产生信息损失的根源。 “量化”的主要任务是用有限个离散电平来近似表达已抽取出的信息。在此采用均匀量化，通过改变程序中的量化因子Q的值以得到不同压缩比的图像。Huffman编码时，首先对经DCT变换及量化后的图像收据扫描一遍，计算出各种像素出现的概率；然后按概率的大小指定不同长度的唯一码字，由此得到一张Huffman表。编码后的图像记录的是每个像素的码字，而码字与量化后像素值的对应关系记录在码表中。生成的一维字符矩阵即为实际中要传输的序列，压缩后

matlab实验报告

数学实验报告 班级: 学号： 姓名： 实验序号：1 日期：年 月 日 实验名称：特殊函数与图形 ◆ 问题背景描述：绘图是数学中的一种重要手段，借助图形，可以使抽象的对象得到 明白直观的体现，如函数的性质等。同时，借助直观的图形，使初学者更容易接受新知识，激发学习兴趣。 ◆ 实验目的：本实验通过绘制一些特殊函数的图形，一方面展示这些函数的特点属性， 另一方面，就 Matlab 强大的作图功能作一个简单介绍。 实验原理与数学模型： 1、 球2222x y z R ++= ，x=Rsin φcos θ, y= Rsin φsin θ, z= cos φ, 0≤θ≤2π , 0≤φ≤π 环面 222222222()4(),(cos )cos ,x y z a r a x y x a r φθ+++-=+=- (cos )sin ,sin ,02,02y a r z r φθφφπθπ=-=≤≤≤≤ 2、 平面摆线：2 22 31150,(sin ),(1cos ),0233 x y x a t t y a t t π+-==-=-≤≤ 3、 空间螺线：（圆柱螺线）x=acost , y=asint , z=bt ;（圆锥螺线）22 cos ,sin ,x t t y t t z t === 4、 椭球面sin cos ,sin sin ,cos ,02,0x a y b z c φθφθφθπφπ===≤<≤≤ 双叶双曲面3 tan cos ,tan sin ,sec ,02,22 x a y b z c π φθφθφθπφπ===≤<- << 双曲抛物面2 sec ,tan 2 u x au y bu z θθ=== 实验所用软件及版本：mathematica(3.0) 主要内容（要点）： 1、 作出下列三维图形（球、环面） 2、 作出下列的墨西哥帽子 3、 作出球面、椭球面、双叶双曲面，单叶双曲面的图形 4、 试画出田螺上的一根螺线 5、 作出如图的马鞍面

matlab图像处理代码

附录 ＭＡＴＬＡＢ图像处理命令　 １．ａｐｐｌｙｌｕｔ　 功能： 在二进制图像中利用lookup表进行边沿操作。 语法： A = applylut(BW,lut) 举例 lut = makelut('sum(x(:)) == 4',2); BW1 = imread('text.tif'); BW2 = applylut(BW1,lut); imshow(BW1) figure, imshow(BW2) 相关命令： makelut ２．ｂｅｓｔｂｌｋ　 功能： 确定进行块操作的块大小。 语法： siz = bestblk([m n],k) [mb,nb] = bestblk([m n],k) 举例 siz = bestblk([640 800],72) siz = 64 50 相关命令： blkproc ３．ｂｌｋｐｒｏｃ　 功能：

MATLAB 高级应用——图形及影像处理 320 实现图像的显式块操作。 语法： B = blkproc(A,[m n],fun) B = blkproc(A,[m n],fun,P1,P2,...) B = blkproc(A,[m n],[mborder nborder],fun,...) B = blkproc(A,'indexed',...) 举例 I = imread('alumgrns.tif'); I2 = blkproc(I,[8 8],'std2(x)*ones(size(x))'); imshow(I) figure, imshow(I2,[]); 相关命令： colfilt, nlfilter,inline ４．ｂｒｉｇｈｔｅｎ　 功能： 增加或降低颜色映像表的亮度。 语法： brighten(beta) newmap = brighten(beta) newmap = brighten(map,beta) brighten(fig,beta) 相关命令： imadjust, rgbplot ５．ｂｗａｒｅａ　 功能： 计算二进制图像对象的面积。 语法： total = bwarea(BW) 举例 BW = imread('circles.tif'); imshow(BW);

基于DCT的图像压缩及Matlab实现

通信专业课程设计一 太原科技大学 课程设计（论文） 设计(论文)题目：基于DCT的图像压缩及Matlab实现 姓名____ 学号_ 班级_ 学院____ 指导教师____ 2010年12月31日

太原科技大学课程设计（论文）任务书 学院（直属系）：时间： 学生姓名指导教师 设计（论文）题目基于DCT的图像压缩及Matlab实现 主要研究内容 掌握DCT变换实现图像压缩的基本方法，在不损害图像信源的有效信息量的情况下保证图像的质量，在MATLAB环境中进行图像压缩技术的仿真，并对仿真结果进行分析。 研究方法 主要运用实验法与观察法，通过编写程序实现对图像的DCT变换，观察图像结果进而实现对DCT变换的研究。 主要技术指标(或研究目标) 利用DCT变换编码方法进行图像压缩，提高信息传输的有效性及通信质量。 教研室 意见 教研室主任（专业负责人）签字：年月日

目录 摘要.............................................................................................................................................II 第1章绪论. (1) 第2章DCT变换概述 (2) 2.1DCT函数介绍 (2) 2.2DCT变换介绍 (2) 2.2.1DCT变换原理 (2) 2.2.2DCT变换编码的步骤 (3) 第3章程序运行及结果分析 (5) 3.1程序代码 (5) 3.2运行结果分析 (7) 第4章结论 (11) 参考文献 (12)

MATLAB实验报告50059

实验一MATLAB操作基础 实验目的和要求： 1、熟悉MATLAB的操作环境及基本操作方法。 2、掌握MATLAB的搜索路径及设置方法。 3、熟悉MATLAB帮助信息的查阅方法 实验内容： 1、建立自己的工作目录，再设置自己的工作目录设置到MA TLAB搜索路径下，再试 验用help命令能否查询到自己的工作目录。 2、在MA TLAB的操作环境下验证课本；例1-1至例1-4，总结MATLAB的特点。 例1-1

例1-2 例1-3 例1-4

3、利用帮助功能查询inv、plot、max、round等函数的功能。 4、完成下列操作： （1）在matlab命令窗口输入以下命令： x=0:pi/10:2*pi; y=sin(x); （2）在工作空间窗口选择变量y，再在工作空间窗口选择回绘图菜单命令或在工具栏中单击绘图命令按钮，绘制变量y的图形，并分析图形的含义。

5、访问mathworks公司的主页，查询有关MATLAB的产品信息。 主要教学环节的组织： 教师讲授实验目的、开发环境界面、演示实验过程，然后同学上机练习。 思考题： 1、如何启动与退出MA TLAB集成环境？ 启动： （1）在windows桌面，单击任务栏上的开始按钮，选择‘所有程序’菜单项，然后选择MA TLAB程序组中的MA TLABR2008b程序选项，即可启动 MATLAB系统。 （2）在MA TLAB的安装路径中找到MA TLAB系统启动程序matlab.exe，然后运行它。 （3）在桌面上建立快捷方式后。双击快捷方式图标，启动MA TLAB。 退出： （1）在MA TLAB主窗口file菜单中选择exitMATLAB命令。 （2）在MA TLAB命令窗口中输入exit或quit命令。 （3）单击MATLAB主窗口的关闭按钮。 2、简述MATLAB的主要功能。 MATLAB是一种应用于科学计算领域的数学软件，它主要包括数值计算和符 号计算功能、绘图功能、编程语言功能以及应用工具箱的扩展功能。 3、如果一个MATLAB命令包含的字符很多，需要分成多行输入，该如何处理？

数字图像处理matlab代码

一、编写程序完成不同滤波器的图像频域降噪和边缘增强的算法并进行比较，得出结论。 1、不同滤波器的频域降噪 1.1 理想低通滤波器(ILPF) I1=imread('eight.tif'); %读取图像 I2=im2double(I1); I3=imnoise(I2,'gaussian',0.01); I4=imnoise(I3,'salt & pepper',0.01); figure,subplot(1,3,1); imshow(I2) %显示灰度图像 title('原始图像'); %为图像添加标题 subplot(1,3,2); imshow(I4) %加入混合躁声后显示图像 title('加噪后的图像'); s=fftshift(fft2(I4)); %将灰度图像的二维不连续Fourier 变换的零频率成分 移到频谱的中心 [M,N]=size(s); %分别返回s的行数到M中，列数到N中n1=floor(M/2); %对M/2进行取整 n2=floor(N/2); %对N/2进行取整 d0=40; %初始化d0 for i=1:M for j=1:N d=sqrt((i-n1)^2+(j-n2)^2); %点（i,j）到傅立叶变换中心的距离 if d<=d0 %点（i,j）在通带内的情况 h=1; %通带变换函数 else %点（i,j）在阻带内的情况 h=0; %阻带变换函数 end s(i,j)=h*s(i,j); %ILPF滤波后的频域表示

end end s=ifftshift(s); %对s进行反FFT移动 s=im2uint8(real(ifft2(s))); %对s进行二维反离散的Fourier变换后，取复 数的实部转化为无符号8位整数 subplot(1,3,3); %创建图形图像对象 imshow(s); %显示ILPF滤波后的图像 title('ILPF滤波后的图像（d=40）'); 运行结果： 1.2 二阶巴特沃斯低通滤波器(BLPF) I1=imread('eight.tif'); %读取图像 I2=im2double(I1); I3=imnoise(I2,'gaussian',0.01); I4=imnoise(I3,'salt & pepper',0.01); figure,subplot(1,3,1); imshow(I2) %显示灰度图像 title('原始图像'); %为图像添加标题 subplot(1,3,2); imshow(I4) %加入混合躁声后显示图像 title('加噪后的图像'); s=fftshift(fft2(I4));%将灰度图像的二维不连续Fourier 变换的零频率成分 移到频谱的中心 [M,N]=size(s); %分别返回s的行数到M中，列数到N中n=2; %对n赋初值

最常用的matlab图像处理的源代码

最常用的一些图像处理Matlab源代 码 #1：数字图像矩阵数据的显示及其傅立叶变换 #2：二维离散余弦变换的图像压缩 #3：采用灰度变换的方法增强图像的对比度 #4：直方图均匀化 #5：模拟图像受高斯白噪声和椒盐噪声的影响 #6：采用二维中值滤波函数medfilt2对受椒盐噪声干扰的图像滤波 #7：采用MATLAB中的函数filter2对受噪声干扰的图像进行均值滤波 #8：图像的自适应魏纳滤波 #9：运用5种不同的梯度增强法进行图像锐化 #10：图像的高通滤波和掩模处理 #11：利用巴特沃斯（Butterworth）低通滤波器对受噪声干扰的图像进行平滑处理 #12：利用巴特沃斯（Butterworth）高通滤波器对受噪声干扰的图像进行平滑处理 1.数字图像矩阵数据的显示及其傅立叶变换 f=zeros(30,30); f(5:24,13:17)=1; imshow(f, 'notruesize'); F=fft2(f,256,256); % 快速傅立叶变换算法只能处矩阵维数为2的幂次，f矩阵不 % 是，通过对f矩阵进行零填充来调整 F2=fftshift(F); % 一般在计算图形函数的傅立叶变换时，坐标原点在 % 函数图形的中心位置处，而计算机在对图像执行傅立叶变换 % 时是以图像的左上角为坐标原点。所以使用函数fftshift进 %行修正，使变换后的直流分量位于图形的中心； figure,imshow(log(abs(F2)),[-1 5],'notruesize');

2 二维离散余弦变换的图像压缩I=imread('cameraman.tif'); % MATLAB自带的图像imshow(I); clear;close all I=imread('cameraman.tif'); imshow(I); I=im2double(I); T=dctmtx(8); B=blkproc(I,[8 8], 'P1*x*P2',T,T'); Mask=[1 1 1 1 0 0 0 0 1 1 1 0 0 0 0 0 1 1 0 0 0 0 0 0 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0]; B2=blkproc(B,[8 8],'P1.*x',Mask); % 此处为点乘(.*) I2=blkproc(B2,[8 8], 'P1*x*P2',T',T); figure,imshow(I2); % 重建后的图像 3.采用灰度变换的方法增强图像的对比度I=imread('rice.tif'); imshow(I); figure,imhist(I); J=imadjust(I,[0.15 0.9], [0 1]); figure,imshow(J); figure,imhist(J);

数字图像处理MATLAB相关代码

1.图像反转 MATLAB程序实现如下： I=imread('xian.bmp'); J=double(I); J=-J+(256-1); %图像反转线性变换 H=uint8(J); subplot(1,2,1),imshow(I); subplot(1,2,2),imshow(H); 2.灰度线性变换 MATLAB程序实现如下： I=imread('xian.bmp'); subplot(2,2,1),imshow(I); title('原始图像'); axis([50,250,50,200]); axis on; %显示坐标系 I1=rgb2gray(I); subplot(2,2,2),imshow(I1); title('灰度图像'); axis([50,250,50,200]); axis on; %显示坐标系 J=imadjust(I1,[0.1 0.5],[]); %局部拉伸，把[0.1 0.5]内的灰度拉伸为[0 1] subplot(2,2,3),imshow(J); title('线性变换图像[0.1 0.5]'); axis([50,250,50,200]); grid on; %显示网格线 axis on; %显示坐标系 K=imadjust(I1,[0.3 0.7],[]); %局部拉伸，把[0.3 0.7]内的灰度拉伸为[0 1] subplot(2,2,4),imshow(K); title('线性变换图像[0.3 0.7]'); axis([50,250,50,200]); grid on; %显示网格线 axis on; %显示坐标系 3.非线性变换 MATLAB程序实现如下： I=imread('xian.bmp'); I1=rgb2gray(I); subplot(1,2,1),imshow(I1); title('灰度图像'); axis([50,250,50,200]); grid on; %显示网格线 axis on; %显示坐标系 J=double(I1); J=40*(log(J+1)); H=uint8(J);

matlab实验报告

实验一小球做自由落体运动内容：一小球竖直方向做自由落体，并无损做往返运动。程序： theta=0:0.01:2*pi x=cos(theta) y=sin(theta) l=1 v=1 while l<10 for t=1:10 y=y+(-1)^l*v*t plot(x,y,[-1,1],[-56,2],'.') axis equal pause(0.1) end l=l+1 end 结果：

-50 -40 -30 -20 -10 收获：通过运用小球自由落体规律，及（-1）^n 来实现无损往 返运动！ 实验二 旋转五角星 内容：一个五角星在圆内匀速旋转 程序：x=[2 2 2 2 2 2] y=[0 4/5*pi 8/5*pi 2/5*pi 6/5*pi 0] y1=2*sin(y) x1=2*cos(y) theta=0:4/5*pi:4*pi

x2=2*cos(theta) y2=2*sin(theta) plot(x,y,x1,y1,x2,y2) axis equal theta1=theta+pi/10 x2=2*cos(theta1) y2=2*sin(theta1) plot(x2,y2) axis equal theta=0:4/5*pi:4*pi for rot=pi/10:pi/10:2*pi x=2*cos(theta+rot) y=2*sin(theta+rot) plot(x,y) pause(0.1) end 结果：

-2 -1.5-1-0.500.51 1.52 -2-1.5-1-0.500.511.5 2 收获：通过theta1=theta+pi/10，我们可以实现五角星在圆内匀速 旋转！ 实验三 转动的自行车 内容：一辆自行车在圆内匀速转动 程序：x=-4:0.08:4; y=sqrt(16-x.^2); theta1=-pi/2:0.01*pi:3*pi/2; x3=0.5*cos(theta1); y3=0.5*sin(theta1); theta=-pi/2+0.02*pi for k=1:100

图像处理实例(含Matlab代码)

信号与系统实验报告——图像处理 学院：信息科学与工程学院 专业：2014级通信工程 组长：** 组员：** 2017.01.02

目录 目录 (2) 实验一图像一的细胞计数 (3) 一、实验内容及步骤 (3) 二、Matlab程序代码 (3) 三、数据及结果 (4) 实验二图像二的图形结构提取 (5) 一、实验内容及步骤 (5) 二、Matlab程序代码 (5) 三、数据及结果 (6) 实验三图像三的图形结构提取 (7) 一、实验内容及步骤 (7) 二、Matlab程序代码 (7) 三、数据及结果 (8) 实验四图像四的傅里叶变化及巴特沃斯低通滤波 (9) 一、实验内容及步骤 (9) 二、Matlab程序代码 (9) 三、数据及结果 (10) 实验五图像五的空间域滤波与频域滤波 (11) 一、实验内容及步骤 (11) 二、Matlab程序代码 (11) 三、数据及结果 (12)

实验一图像一的细胞计数 一、实验内容及步骤 将该图形进行一系列处理，计算得到途中清晰可见细胞的个数。 首先，由于原图为RGB三色图像处理起来较为麻烦，所以转为灰度图，再进行二值化化为黑白图像，得到二值化图像之后进行中值滤波得到细胞分布的初步图像，为了方便计数对图像取反，这时进行一次计数，发现得到的个数远远多于实际个数，这时在进行一次中值滤波，去掉一些不清晰的像素点，剩下的应该为较为清晰的细胞个数，再次计数得到大致结果。 二、Matlab程序代码 clear;close all; Image = imread('1.jpg'); figure,imshow(Image),title('原图'); Image=rgb2gray(Image); figure,imshow(Image),title('灰度图'); Theshold = graythresh(Image); Image_BW = im2bw(Image,Theshold); Reverse_Image_BW22=~Image_BW; figure,imshow(Image_BW),title('二值化图像'); Image_BW_medfilt= medfilt2(Image_BW,[3 3]); figure,imshow(Image_BW_medfilt),title('中值滤波后的二值化图像'); Reverse_Image_BW = ~Image_BW_medfilt; figure,imshow(Reverse_Image_BW),title('图象取反'); Image_BW_medfilt2= medfilt2(Reverse_Image_BW,[20 20]); figure,imshow(Image_BW_medfilt2),title('第二次中值滤波的二值化图像'); [Label, Number]=bwlabel(Image_BW_medfilt,8);Number [Label, Number]=bwlabel(Image_BW_medfilt2,8);Number

一种基于MATLAB的JPEG图像压缩具体实现方法

一种基于MATLAB的JPEG图像压缩具体实现方法 说明：该方法主要是对FPGA硬件实现编码的一个验证，MATLAB处理时尽量选择了简单化和接近硬件实现需要。 JPEG编码解码流程：BMP图像输入、8*8分块、DCT变换、量化、Zig_Zag 扫描、获取DC/AC系数中间格式、Huffman熵编码、DC/AC系数Huffman熵解码，反zig_zag扫描、反量化、反DCT变换、8*8组合、解码图像显示。 下面根据具体代码解释实现过程。 1.BMP图像输入 A=imread('messi_b.bmp'); %读取BMP图像矩阵 R=int16(A(:,:,1))-128; %读取RGB矩阵，由于DCT时输入为正负输入， G=int16(A(:,:,2))-128； %使得数据分布围-127——127 B=int16(A(:,:,3))-128; 通过imread函数获取BMP图像的R、G、B三原色矩阵，因为下一步做DCT 转换，二DCT函数要求输入为正负值，所以减去128，使得像素点分布围变为-127~127，函数默认矩阵A的元素为无符号型（uint8），所以如果直接相减差值为负时会截取为0，所以先用int16将像素点的值转为带符号整数。网上很多都提到了第一步的YUV转换，但是由于MATLAB在实验时YUV转换后色差失真比较严重，这里没有进行YUV转换。个人理解为YUV转换后经过非R/G/B原理显示器显示效果可能会比较好，或者如果图像有色差可以选择YUV调整。为了方便，读入的图像像素为400*296，是8*8的50*37倍，所以代码里没有进行8*8的整数倍调整。 2. 8*8分块 R_8_8=R(1:8,1:8);%取出一个8*8块 这里以R色压缩解码为例，后边解释均为R色编码解码过程，最后附全部代码。R_8_8为： 3.DCT变换 R_DCT=dct2(R_8_8); 使用MATLAB函数dct2进行DCT变换，也可使用DCT变换矩阵相乘的方法，即R_DCT=A* R_8_8*A T，其中A为DCT变换矩阵。R_DCT为：

MATLAB图像融合

一、实验原理 本实验对源图像分别进行Harr 小波变换，建立图像的小波塔形分解，然后对分解层进行融合，处理各分解层上的不同频域分量可以采用不同的融合算子进行融合处理，本实验采用统一的算法处理，得到融合后的小波金字塔，对融合后的小波金字塔进行小波逆变换，得到的重构图像为拼接图像 1、 Harr 小波变换 Harr 小波分解步骤： 步骤一：输入信号n S 有2n 个样本， 步骤二：将信号分成1,2,2,,0 2n n l n l a S b S l -===，一共12n -对，然后对每一对变换，获得均值1n S -和差值1n d -。,21,212n l n l n S S S +-+=，1,,21,2n l n l n l d S S -+=-反变换可以无损地从 1n S -和1n d -中恢复出原信号，1n S -作为信号的全局信息（低频成分） ，1n d -作为信号的细节信息（高频成分），全局信息和原信号比较相似（局部一致性），细节信息（差值比较小）可以很高效的进行表示。 步骤三：对1n S -实施同样的变换（求均值和差值），获得均值2n S -和差值2n d -，它们两各有22n -个样本值。 步骤四：重复上面的变换步骤，直到0S 中仅有一个元素为止。 2、图像拼接算法 本实验采用小波分解的图像处理方法，首先对图形进小波变换，然后采用分层比较法，对两幅图的一级分解的LL 层进行比较，从而获得准确的位置匹配，然后各层进行相应的位置衔接，得到拼接图像的一级小波分解图像，最后对分解图像进行重构，得到拼接后的图像。 步骤一：首先对两图进行Harr 小波一级分解，假设分解图像如下图。 图一的harr 小波分解 图二的harr 小波分解 步骤二：对一级分解LL 层进行位置匹配。首先求出两幅图的LL 图像梯度值,即图像灰度值的显著变化的地方，采用如下公式 21(1,)mag i j -=

参考答案Matlab实验报告

实验一 Matlab基础知识 一、实验目的： 1.熟悉启动和退出Matlab的方法。 2.熟悉Matlab命令窗口的组成。 3.掌握建立矩阵的方法。 4.掌握Matlab各种表达式的书写规则以及常用函数的使 用。 二、实验内容： 1.求[100，999]之间能被21整除的数的个数。（rem） 2.建立一个字符串向量，删除其中的大写字母。（find） 3.输入矩阵，并找出其中大于或等于5的元素。（find） 4.不采用循环的形式求出和式 63 1 2i i= ∑ 的数值解。(sum) 三、实验步骤： ●求[100，199]之间能被21整除的数的个数。（rem） 1.开始→程序→Matlab 2.输入命令： ?m=100:999; ?p=rem(m,21); ?q=sum(p==0) ans=43 ●建立一个字符串向量，删除其中的大写字母。（find） 1.输入命令：

?k=input('’,’s’)； Eie48458DHUEI4778 ?f=find(k>=’A’&k<=’Z’)； f=9 10 11 12 13 ?k(f)=[ ] K=eie484584778 ●输入矩阵，并找出其中大于或等于5的元素。（find） 1.输入命令： ?h=[4 8 10;3 6 9; 5 7 3]； ?[i,j]=find(h>=5) i=3 j=1 1 2 2 2 3 2 1 3 2 3 ●不采用循环的形式求出和式的数值解。（sum） 1.输入命令： ?w=1:63； ?q=sum(2.^w) q=1.8447e+019

实验二 Matlab 基本程序 一、 实验目的： 1. 熟悉Matlab 的环境与工作空间。 2. 熟悉M 文件与M 函数的编写与应用。 3. 熟悉Matlab 的控制语句。 4. 掌握if,switch,for 等语句的使用。 二、 实验内容： 1. 根据y=1+1/3+1/5+……+1/（2n-1）,编程求：y<5时最大n 值以及对应的y 值。 2. 编程完成，对输入的函数的百分制成绩进行等绩转换，90~100为优，80~89为良，70~79为中，60~69为及格。 3. 编写M 函数文件表示函数 ，并分别求x=12和56时的函数值。 4. 编程求分段函数 2226;03 56;0532 1;x x x x y x x x x x x x +-<≠=-+≤<≠≠-+且且及其它，并求输入x=[-5.0,-3.0,1.0,2.0,2.5,3.0,3.5]时的输出y 。 三、 实验步骤： 根据y=1+1/3+1/5+……+1/（2n-1）,编程求：y<5时最大n 值以及对应的y 值。 1. 打开Matlab ，新建M 文件 2. 输入命令： 51022-+x

matlab数字图像处理源代码

数字图像去噪典型算法及matlab实现 希望得到大家的指点和帮助 图像去噪是数字图像处理中的重要环节和步骤。去噪效果的好坏直接影响 到后续的图像处理工作如图像分割、边缘检测等。图像信号在产生、传输过程中都可能会受到噪声的污染，一般数字图像系统中的常见噪声主要有：高斯噪声（主要由阻性元器件内部产生）、椒盐噪声（主要是图像切割引起的黑图像上的白点噪声或光电转换过程中产生的泊松噪声）等； 目前比较经典的图像去噪算法主要有以下三种： 均值滤波算法：也称线性滤波，主要思想为邻域平均法，即用几个像素灰度 的平均值来代替每个像素的灰度。有效抑制加性噪声，但容易引起图像模糊， 可以对其进行改进，主要避开对景物边缘的平滑处理。 中值滤波：基于排序统计理论的一种能有效抑制噪声的非线性平滑滤波信号处理技术。中值滤波的特点即是首先确定一个以某个像素为中心点的邻域，一般为方形邻域，也可以为圆形、十字形等等，然后将邻域中各像素的灰度值排序，取其中间值作为中心像素灰度的新值，这里领域被称为窗口，当窗口移动时，利用中值滤波可以对图像进行平滑处理。其算法简单，时间复杂度低，但其对点、线和尖顶多的图像不宜采用中值滤波。很容易自适应化。 Wiener维纳滤波：使原始图像和其恢复图像之间的均方误差最小的复原方法，是一种自适应滤波器，根据局部方差来调整滤波器效果。对于去除高斯噪声效果明显。 实验一：均值滤波对高斯噪声的效果 l=imread（'C:\Documents and 桌面\1.gif'）;% 读取图像

J=imnoise(l,'gaussian',0,0.005);% 加入均值为0 ,方差为 0.005 的高斯噪声subplot(2,3,1);imshow(l); title(' 原始图像'); subplot(2,3,2); imshow(J); ti tle('加入高斯噪声之后的图像’)； %采用MATLAB 中的函数filter2 对受噪声干扰的图像进行均值滤波 K1=filter2(fspecial('average',3),J)/255; % 模板尺寸为3 K2=filter2(fspecial('average',5),J)/255;% 模板尺寸为5 K3=filter2(fspecial('average',7),J)/255; % 模板尺寸为7 K4= filter2(fspecial('average',9),J)/255; % 模板尺寸为9 subplot(2,3,3);imshow(K1); ti tle(' 改进后的图像1'); subplot(2,3,4); imshow(K2); title(' 改进后的图像2'); subplot(2,3,5);imshow(K3); title(' 改进后的图像3'); subplot(2,3,6);imshow(K4); title(' 改进后的图像4');

一种基于MATLAB的JPEG图像压缩具体实现方法

一种基于MATLAB的JPEG图像压缩具体实现方法说明：该方法主要是对FPGA硬件实现编码的一个验证，MATLAB处理时尽量选择了简单化和接近硬件实现需要。 JPEG编码解码流程：BMP图像输入、8*8分块、DCT变换、量化、Zig_Zag 扫描、获取DC/AC系数中间格式、Huffman熵编码、DC/AC系数Huffman熵解码，反zig_zag扫描、反量化、反DCT变换、8*8组合、解码图像显示。 下面根据具体代码解释实现过程。 1.BMP图像输入 A=imread('messi_b.bmp'); %读取BMP图像矩阵 R=int16(A(:,:,1))-128; %读取RGB矩阵，由于DCT时输入为正负输入，G=int16(A(:,:,2))-128；%使得数据分布范围-127——127 B=int16(A(:,:,3))-128; 通过imread函数获取BMP图像的R、G、B三原色矩阵，因为下一步做DCT 转换，二DCT函数要求输入为正负值，所以减去128，使得像素点分布范围变为-127~127，函数默认矩阵A的元素为无符号型（uint8），所以如果直接相减差值为负时会截取为0，所以先用int16将像素点的值转为带符号整数。网上很多都提到了第一步的YUV转换，但是由于MATLAB在实验时YUV转换后色差失真比较严重，这里没有进行YUV转换。个人理解为YUV转换后经过非R/G/B原理显示器显示效果可能会比较好，或者如果图像有色差可以选择YUV调整。为了方便，读入的图像像素为400*296，是8*8的50*37倍，所以代码里没有进行8*8的整数倍调整。 2.8*8分块 R_8_8=R(1:8,1:8);%取出一个8*8块 这里以R色压缩解码为例，后边解释均为R色编码解码过程，最后附全部代码。R_8_8为： 3.DCT变换 R_DCT=dct2(R_8_8); 使用MATLAB函数dct2进行DCT变换，也可使用DCT变换矩阵相乘的方法，即R_DCT=A*R_8_8*A T，其中A为DCT变换矩阵。R_DCT为：

基于matlab的图像去雾算法详细讲解与实现-附matlab实现源代码

本文主要介绍基于Retinex理论的雾霭天气图像增强及其实现。并通过编写两个程序来实现图像的去雾功能。 1 Rentinex理论 Retinex（视网膜“Retina”和大脑皮层“Cortex”的缩写）理论是一种建立在科学实验和科学分析基础上的基于人类视觉系统（Human Visual System）的图像增强理论。该算法的基本原理模型最早是由Edwin Land（埃德温?兰德）于1971年提出的一种被称为的色彩的理论，并在颜色恒常性的基础上提出的一种图像增强方法。Retinex 理论的基本内容是物体的颜色是由物体对长波（红）、中波（绿）和短波（蓝）光线的反射能力决定的，而不是由反射光强度的绝对值决定的；物体的色彩不受光照非均性的影响，具有一致性，即Retinex理论是以色感一致性（颜色恒常性）为基础的。 根据Edwin Land提出的理论，一幅给定的图像S(x,y)分解成两幅不同的图像：反射物体图像R(x,y)和入射光图像L(x,y)，其原理示意图如图8.3-1所示。 图-1 Retinex理论示意图 对于观察图像S中的每个点(x,y)，用公式可以表示为： S(x,y)=R(x,y)×L(x,y) （1.3.1）实际上，Retinex理论就是通过图像S来得到物体的反射性质R，也就是去除了入射光L的性质从而得到物体原本该有的样子。 2 基于Retinex理论的图像增强的基本步骤 步骤一: 利用取对数的方法将照射光分量和反射光分量分离，即： S＇(x, y)=r(x, y)+l(x, y)=log(R(x, y))+log(L(x, y))； 步骤二：用高斯模板对原图像做卷积，即相当于对原图像做低通滤波，得到低通滤波后的图像D(x,y)，F（x, y）表示高斯滤波函数： D(x, y)=S(x, y) *F（x, y）； 步骤三：在对数域中，用原图像减去低通滤波后的图像，得到高频增强的图像G （x, y）： G(x,y)=S＇(x, y)-log(D(x, y)) ；

基于MAtlab图像压缩编码

数字图像处理 题目基于LBG算法的矢量量化 图像压缩编码实验 院（系）名称 专业名称 学生姓名 学生学号 指导教师 2012年5月15日 摘要 在航天、军事、气象、医学、多媒体等领域中经常需要大量存储和传输各种静态图像和视频图像。为了提高传输效率和减少存储空

间，必须采取有效的压缩编码算法消除图像中所包含的各种冗余信息并在给定的失真条件下使用尽量少的比特数来描述图像。要想得到好的性能编码，仅采用标量量化是不可能的，而矢量量化（VQ)作为一种高效的数据压缩技术，其突出优点是压缩比大以及解码算法简单，已被广泛应用于图像压缩领域。本实验采用LBG算法得图像压缩所需要的码书，通过码书实现图像压缩编码。大量实验结果表明：LBG算法对初始码书依赖性大，对于给定的码字大小，码书越大，压缩比越低，但重建图像质量越好；码书相同时码字较小的编码性能较优。 关键字：矢量量化（VQ)、LBG算法、码书、压缩比、码字

一、实验原理 矢量量化： 当把多个信源符号联合起来形成多维矢量，再对矢量进行标量量化时自由度将更大，同样的失真下，量化基数可进一步减少，码率可进一步压缩。这种量化叫矢量量化。 LGB 算法： 一种有效和直观的矢量量化码书设计算法——LBG 算法(也叫GLA 算法)是由Linde 、Buzo 和Gray 于1980年首先提出来的。该算法基于最佳矢量量化器设计的最佳划分和最佳码书这两个必要条件，且是Lloyd 算法在矢量空间的推广，其特点为物理概念清晰、算法理论严密及算法实现容易。 针对训练矢量集为{}110,,,-=M x x x X ，其LBG 算法的具体步骤如下： 步骤1：给定初始码书{}) 0(1)0(1)0(0)0(,,,-=N y y y C ，令迭代次数 0=n ，均失真∞→-)1(D ，给定相对误差门限)10(<<εε。 步骤2：用码书)(n C 中的各码字作为质心，根据最佳划分原则把训 练矢量集X 划分为N 个胞腔{}) (1)(1)(0)(,,,n N n n n S S S S -= ，)(n i S 满足 {} X v y v d y v d v S n j N j n i n i ∈==-≤≤ ),,(min ),(|)(1 0)()( 步骤3：计算平均失真 ∑ -=-≤≤=1 )(1 0) (),(min 1M i n j i N j n y x d M D 判断相对误差是否满足 ε≤--)()()1(/)(n n n D D D 若满足，则停止算法，码书)(n C 就是所求的码书。否则，转步骤4。