《现代信息处理技术实验报告.docx》由会员分享，可在线阅读，更多相关《现代信息处理技术实验报告.docx（52页珍藏版）》请在三一办公上搜索。
1、精选优质文档-倾情为你奉上 目 录实验一 短时傅里叶变化与小波变换 1一、 实验目的 1二、 实验内容 11、 短时傅里叶变换 12、 小波变换 14实验二 图像处理 27一、 实验目的 27二、 实验内容 27专心-专注-专业实验一 短时傅里叶变换与小波变换一、 实验目的1) 熟悉并掌握短时傅里叶变换的性质、参数以及不同信号的短时傅里叶变换；2) 熟悉并掌握小波变换的性质、参数以及不同信号的小波变换。二、 实验内容1、 短时傅里叶变换a) Matlab中的短时傅里叶变换函数spectrogramS = spectrogram(x)S = spectrogram(x,window)S = sp
2、ectrogram(x,window,noverlap)S = spectrogram(x,window,noverlap,nfft)S = spectrogram(x,window,noverlap,nfft,fs)调用及参数描述： window is a Hamming window of length nfft. noverlap is the number of samples that each segment overlaps. The default. value is the number producing 50% overlap between segments. nfft
3、 is the FFT length and is the maximum of 256 or the next power of 2 greater than the length of each segment of x. Instead of nfft, you can specify a vector of frequencies, F. See below for more information. fs is the sampling frequency, which defaults to normalized frequencyb) 短时傅里叶变换i. 正弦信号1) 生成信号长
4、度为1s、采样频率为1kHz、周期分别为0.1s、1s和10s的正弦信号s，并画出这些正弦信号。 MATLAB程序如下： 运行结果如下：2) 用spectrogram画出这些正弦信号的短时傅里叶变换。spectrogram(s,hamming(256),255,256,1000); Matlab程序如下： 运行结果如下：ii. 窗口的影响1） 针对周期为0.1秒的正弦函数，分别调整hamming窗口大小为32、64、128、256，并画出该正弦信号的短时傅里叶变换。 MATLAB程序如下： 运行结果如下： 分析短时傅立叶变换基本思想是给信号加滑动时间窗，并对窗内信号做傅立叶变换，得到信号的时变
5、频谱。在短时傅里叶变换过程中，窗的长度决定频谱图的时间分辨率和频率分辨率，窗宽越大，截取的信号越长，信号越长，傅里叶变换后频率分辨率越高（能看到频谱的快变化），时间分辨率越差。也即在实际变换中，时间分辨率和频率分辨率之间不能兼得。2） 针对周期为0.1秒的正弦函数，窗口大小为128，分别调整窗口类型为hamming、rectwin和blackman，并画出该正弦信号的短时傅里叶变换。 MATLAB程序如下： 运行结果如下： 分析一个窗是否合适：窗谱主瓣宽度就尽可能的窄，且能量集中在主瓣内，以获得较陡的过渡带；窗谱旁瓣与主瓣相比应尽可能的小，旁瓣能量衰减要快，以利于增加阻带衰耗。Hamming窗
6、在频率范围中的分辨率较高，旁瓣衰减较大，主瓣峰值与第一个旁瓣峰值衰减可达40db，频谱泄露少。频谱中高频分量弱、波动小，得到较平滑的谱。Rectwin窗导致变换中带进了高频干扰和泄漏，甚至出现负谱现象。频率识别精度最高，幅值识别精度最低。Blackman窗主瓣宽，旁瓣小，频率识别精度最低，但幅值识别精度最高。iii. 不同信号的短时傅里叶变换1) 例四中的离散信号，其前500点是慢变化正弦序列，后500点是快变化正弦序列，在500点处有断点，画出其短时傅立叶变换。 MATLAB程序如下： 运行结果如下: 分析通过STFT分析，可以清晰地看出此序列频率随时间的变化而变化，前500点慢序列频率较低
7、，后500点快序列频率较高。2) 例五使用STFT分析一个非平稳信号chirp信号其中n为020000的序列。 Matlab程序如下： 运行结果如下： 分析声音信号本是一维的时域信号，直观上很难看出频率变化规律。如果通过傅里叶变换把它变到频域上，虽然可以看出信号的频率分布，但是丢失了时域信息，无法看出频率分布随时间的变化。如果我们原始信号是非平稳信号（也即此处的声音信号），那么通过STFT展开得到的二维信号就是所谓的时频图，时频图中频率幅值随时间的变化趋势非常清楚地显示了声调。3) 用如下命令读取声音文件sealion.wav，并分别用不同的窗口进行STFT，并分析哪种窗口效果更好。 MATL
8、AB程序如下： 运行结果如下： 分析：使用Hamming窗压缩了接近窗两端的部分波形，频率分辨率下降。Blackma窗属于二阶升余弦窗，主瓣宽，旁瓣比较低，频率识别精度最低，但幅值识别精度最高，有更好的选择性。检测两个频率相近幅度不同的信号时特性最为清晰，效果最好。Rectwin频率识别精度最高，但由于其衰减特征，不适用于频谱动态范围很宽的语音分析中。2、 小波变换i. 利用matlab函数，生成不同类型的小波1) mexihat2) meyer3) Haar4) db5) sym6) morlet Matlab程序如下： 运行结果如下：ii. 一维连续小波利用连续小波变换函数cwt对带白噪声
9、的正弦信号及正弦加三角波进行变换。再对这两组信号利用wavedec函数及db5进行5层和6层的分解，并利用wrcoef函数对低频和高频分别进行重构。信号导入load noissin，load trsin。1) 对带白噪声的正弦信号进行连续小波变换，并进行5层分解和重构。 MATLAB程序如下： 运行结果如下：带白噪声的正弦信号5层分解及重构2) 对带白噪声的正弦加三角波信号进行连续小波变换，并进行6层分解和重构 MATLAB程序如下： 运行结果如下：3) 分析通过对信号的按层分解，提取分解系数。cA为近似系数，也就是信号的低频系数，cD为细节系数，也就是信号的高频系数。实现提取一维小波细节系数
10、的函数是detcoef函数，提取一维近似系数的函数是appcoef函数。分别比较不同层系数进行重构的波形，可以发现，低频重构时第一层的效果最好，而高频重构时使用中间层的效果较好。实验二 图像处理一、 实验目的熟悉并掌握常见图像处理方法。二、 实验内容1. 用matlab读取并显示图像：imread，imshow。a) MATLAB程序如下：b) 运行结果如下：2. 改变图像大小a) Matlab程序如下：b) 运行结果如下：3. 将图像转化为灰度图像，将原图像与灰度图画出在同一图内。a) MATLAB程序如下：b) 运行结果如下：4. 画出灰度图的直方图。a) MATLAB程序如下：b) 运行
11、结果如下：5. 将灰度图均衡化，并画出其直方图，将全部图像画在同一图内。a) MATLAB程序如下：b) 运行结果如下：c) 分析：直方图是表示数字图像中每一灰度出现频率的统计关系，能给出图像灰度范围、每个灰度的频度和灰度的分布、整幅图像的平均明暗和对比度等概貌性描述。灰度直方图是灰度级的函数，反映的是图像中具有该灰度级像素的个数，其横坐标是灰度级，纵坐标是该灰度级出现的频率( 即像素的个数)，整个坐标系描述的是图像灰度级的分布情况，由此可以看出图像的灰度分布特性，即若大部分像素集中在低灰度区域，图像呈现暗的特性；若像素集中在高灰度区域，图像呈现亮的特性。直方图均衡化基本思想是对原始图像的像素
12、灰度做某种映射变换, 使变换后图像灰度的概率密度呈均匀分布。这就意味着图像灰度的动态范围得到了增加, 提高了图像的对比度。6. 分别使用三种不同的插值方法将图像旋转45并将图像显示在同一图内。a) MATLAB程序b) 运行结果c) 分析对比这几幅图可以看到，最近邻法（nearest）会造成插值生成的图像灰度上的不连续，在灰度变化的地方可能出现明显的锯齿状，精度不够；双线性插值没有灰度不连续的缺点；用双三次插值法（bicubic）得到的图像纹理最清晰，插值后的图像效果最好。7. 给图像添加高斯、椒盐和乘性噪声。a) MATLAB程序如下：b) 运行结果如下：8. 添加过噪声的三幅图像分别保存为
13、文件：imwrite。a) MATLAB程序如下：b) 运行结果如下：9. 利用for循环，分别将一百幅添加过噪声的图像进行相加平均，并同时画出平均后和原始的图像进行对比。a) MATLAB程序如下：b) 运行结果如下：c) 分析：由图可知，加噪后平均在一定程度上起到了降噪效果，比起给单幅图加噪清晰可观。10. 将灰度图进行二值化，阈值取0.7，并计算图像面积。a) MATLAB程序如下：b) 运行结果如下：11. 利用imdilate和imerode对图像进行处理，并进行对比。a) MATLAB程序如下：b) 运行结果如下：c) 分析：有图可看出，腐蚀和膨胀是对白色部分（高亮部分）进行变化的
14、，不是黑色部分。膨胀就是求局部最大值的操作，使图像中的高亮区域逐渐增长进行膨胀，“邻域扩张”，膨胀得出的图拥有比原图更大的高亮区域。腐蚀就是求局部最小值的操作，原图中高亮部分被腐蚀，“邻域被蚕食”，效果图拥有比原图更小的高亮区域。12. 用Roberts，Sobel，canny和拉普拉斯高斯算子对图像进行边缘检测，同时改变参数，对比不同参数、不同算子的效果。a) Matlab程序如下：b) 运行结果如下：c) 分析:边缘检测的目的是标识数字图像中亮度变化明显的点，图像边缘检测大幅度地减少了数据量，并且剔除了可以认为不相关的信息，保留了图像重要的结构属性。 通过对不同算子边缘检测的效果进行对比，
15、可以发现，Roberts算子图像处理后结果边缘不是很平滑,精度不是很高,由于不包括平滑，所以对于噪声比较敏感，适用于边缘明显且噪声较少的图像分割。故一般采用Roberts算子检测的边缘图像常需做细化处理。 Sobel算子检测方法对灰度渐变和噪声较多的图像处理效果较好；Canny方法能够检测出图像较细的边缘部分，不容易受噪声干扰，效果优于roberts和sobel算子,可以使用两种不同的阈值分别检测强边缘和弱边缘，并且当弱边缘和强边缘相连时，才将弱边缘包含在输出图像中，是效果最好的一种算子。 通过对相同算子不同阈值条件下的边缘检测效果进行对比，可以发现，阈值越小，分割出的边缘信息越多，边缘检测效
16、果越好，但阈值也不能过小，过小可能会导致冗余信息多，边缘定位不准确的问题。13. 利用边缘检测实现对图像的分割。a) Matlab程序如下：b) 运行结果如下：c) 分析：由上一个实验得出canny算子边缘检测的效果相其他两种算子更好，同时从分割图也可以看出其图像分割时效果也较好。14. 分别采用直接融合、傅里叶变换融合和小波变换融合实现两幅分割后与原始图像的进行融合。a) Matlab程序如下：b) 运行结果如下：c) 分析：此处图像融合时采用直接融合、傅里叶变换融合和小波变换融合三种方式。通过对融合效果对比，可以发现，基于小波变换的融合方法融合结果轮廓最为明显，效果最好。因为小波变换会将图像分解为低频和高频部分，高频分量包含了图像的边缘信息，低频分量则对应着图像的主要轮廓，决定了融合图像的视觉效果。
