數(shù)字圖像處理試驗(yàn)報(bào)告概況

1、數(shù)字圖像處理實(shí)驗(yàn)報(bào)告實(shí)驗(yàn)一數(shù)字圖像根本操作及灰度調(diào)整一、實(shí)驗(yàn)?zāi)康?)掌握讀、寫圖像的根本方法.2)掌握MATLAB語言中圖像數(shù)據(jù)與信息的讀取方法.3)理解圖像灰度變換處理在圖像增強(qiáng)的作用.4)掌握繪制灰度直方圖的方法,理解灰度直方圖的灰度變換及均衡化的方法.二、實(shí)驗(yàn)內(nèi)容與要求1,熟悉MATLAB言中對圖像數(shù)據(jù)讀取,顯示等根本函數(shù)特別需要熟悉以下命令：熟悉imread()函數(shù)、imwrite()函數(shù)、size()函數(shù)、Subplot()函數(shù)、Figure()函數(shù).1) 將MATLAB目錄下work文件夾中的forest.tif圖像文件讀出,用到imread,imfinfo等文件,觀察一以下圖像數(shù)

2、據(jù),了解一下數(shù)字圖像在MATLAB中的處理就是處理一個(gè)矩陣.將這個(gè)圖像顯示出來(用imshow).嘗試修改map顏色矩陣的值,再將圖像顯示出來,觀察圖像顏色的變化.2) 將MATLAB目錄下work文件夾中的b747.jpg圖像文件讀出,用rgb2gray()將其轉(zhuǎn)化為灰度圖像,記為變量Bo2 .圖像灰度變換處理在圖像增強(qiáng)的作用讀入不同情況的圖像,請自己編程和調(diào)用Matlab函數(shù)用常用灰度變換函數(shù)對輸入圖像進(jìn)行灰度變換,比擬相應(yīng)的處理效果.3 .繪制圖像灰度直方圖的方法,對圖像進(jìn)行均衡化處理請自己編程和調(diào)用Matlab函數(shù)完成如下實(shí)驗(yàn).1)顯示B的圖像及灰度直方圖,可以發(fā)現(xiàn)其灰度值集中在一段區(qū)

3、域,用imadjust函數(shù)將它的灰度值調(diào)整到0,1之間,并觀察調(diào)整后的圖像與原圖像的差異,調(diào)整后的灰度直方圖與原灰度直方圖的區(qū)別.2)對B進(jìn)行直方圖均衡化處理,試比擬與源圖的異同.3對B進(jìn)行如下圖的分段線形變換處理,試比擬與直方圖均衡化處理的異同.圖1.1分段線性變換函數(shù)三、實(shí)驗(yàn)原理與算法分析1.灰度變換灰度變換是圖像增強(qiáng)的一種重要手段,它常用于改變圖象的灰度范圍及分布,是圖象數(shù)字化及圖象顯示的重要工具.1圖像反轉(zhuǎn)灰度級范圍為0,L-1的圖像反轉(zhuǎn)可由下式獲得s=L-1-r2對數(shù)運(yùn)算：有時(shí)原圖的動(dòng)態(tài)范圍太大,超出某些顯示設(shè)備的允許動(dòng)態(tài)范圍,如直接使用原圖,那么一局部細(xì)節(jié)可能喪失.解決的方法是對原

4、圖進(jìn)行灰度壓縮,如對數(shù)變換：s=clog1+r,c為常數(shù),r>03哥次變換：s=cr,c-0,:-04比照拉伸：在實(shí)際應(yīng)用中,為了突出圖像中感興趣的研究對象,常常要求局部擴(kuò)展拉伸某一范圍的灰度值,或?qū)Σ煌秶幕叶戎颠M(jìn)行不同的拉伸處理,即分段線性拉伸:其對應(yīng)的數(shù)學(xué)表達(dá)式為:ab'-a'b-aMa式")="f,y)-h+b',b<fry)<M2.直方圖均衡化灰度直方圖的橫坐標(biāo)是灰度級,縱坐標(biāo)是該灰度級出現(xiàn)的頻度,它是圖像最根本的統(tǒng)計(jì)特征.依據(jù)定義,在離散形式下,用rk代表離散灰度級,用Pr(rk)代表Pr(r),并且有下式成立：Pr(

5、rk)J0<rk<1k=0,1,2,l-1n式中：nk為圖像中出現(xiàn)rk級灰度的像素?cái)?shù),n是圖像像素總數(shù),而n/n即為頻數(shù).直方圖均衡化處理是以累積分布函數(shù)變換法為根底的直方圖修正法.假定變換函數(shù)為r(a)Lena圖像(b)Lena圖像的直方圖s=T(r)=0Pr()d圖1.2Lena圖像及直方圖當(dāng)灰度級是離散值時(shí),可用頻數(shù)近似代替概率值,即Pr(rk)0k<1k=0,1,l-1n式中：l是灰度級的總數(shù)目,Pr(rk)是取第k級灰度值白概率,nk是圖像中出現(xiàn)第k級灰度的次數(shù),n是圖像中像素總數(shù).所以積分可以表示為以下累計(jì)分布函數(shù)(cumulativedistributionfu

6、nction,CDF)knjkSk=T(rJ/Pr(rj)03三1k=0,1,l-1j-0nj=0四、實(shí)驗(yàn)步驟1 .熟悉MATLA皿言中對圖像數(shù)據(jù)讀取,顯示等根本函數(shù)1)文件讀取與信息顯示:loadtrees;X,map=imread('forest.tif');subimage(X,map);I=imread('forest.tif');imshow(I);imfinfo('forest.tif');2 )map顏色矩陣的修改X,map=imread('forest.tif');map1=map+map;subimage(X,m

7、ap1);3)灰度圖像的轉(zhuǎn)化RGB=imread('b747.jpg');B=rgb2gray(RGB);2 .圖像灰度變換處理在圖像增強(qiáng)的作用g1=imadjust(I,01,10);g2=imcomplement(g1);g3=im2uint8(mat2gray(log(1+double(I);3 .繪制圖像灰度直方圖的方法,對圖像進(jìn)行均衡化處理1)圖像灰度直方圖的顯示與灰度調(diào)整imhist(B);J=imadjust(B,01);imhist(J);subimage(J);2)對B進(jìn)行直方圖均衡化處理,試比擬與原圖的異同.I=imread('pout.tif

8、9;);J,T=histeq(I);figure,plot(0:255)/255,T);3)對B進(jìn)行如下圖的分段線形變換處理,試比擬與直方圖均衡化處理的異同.x1=0:0.01:0.125;x2=0.125:0.01:0.75;x3=0.75:0.01:1;y1=2*x1;y2=0.25+0.6*(x2-0.125);y3=0.625+1.5*(x3-0.75);x=x1,x2,x3;y=y1,y2,y3;subplot(2,2,4);plot(x,y);五、實(shí)驗(yàn)結(jié)果分析與討論1,熟悉MATLAB言中對圖像數(shù)據(jù)讀取,顯示等根本函數(shù)1圖像文件的讀出與圖像數(shù)據(jù)的觀察RGBImageGrayImag

9、e圖1,3真彩色圖像與灰度圖像顯示ans=Filename:'F:MATLABR2007atoolboximagesimdemosforest.tif'FileModDate:'04-Dec-200013:57:58'FileSize:124888Format:'tifFormatversion:Width:447Height:301BitDepth:8ColorType:'indexed'Formatsignature:7373420ByteOrder:'little-endian'NewSubFileType:0Bit

10、sPerSample:8Compression:'PackBits'Photometricinterpretation:'RGBPalette'StripOffsets:17x1doubleSamplesPerPixel:1RowsPerStrip:18StripByteCounts:17x1doubleXResolution:72YResolution:72ResolutionUnit:'Inch'Colormap:256x3doublePlanarConfiguration:'Chunky'TileWidth:TileLeng

11、th:TileOffsets:TileByteCounts:Orientation:1FillOrder:1GrayResponseUnit:0.0100MaxSampleValue:255MinSampleValue:0Thresholding:1ImageDescription:'CarmanahAncientForest,BritishColumbia,Canada'map顏色矩陣修改后圖像顏色的變化圖1.4原圖像與map巨陣值增強(qiáng)一倍后的圖像新的顏色矩陣值變成原文件的2倍,圖像明顯變亮,顏色的R、G、B值增強(qiáng).2圖像文件轉(zhuǎn)化為灰度圖像圖1.5真彩色圖像與轉(zhuǎn)化成的灰度圖像

12、2.圖像灰度變換處理在圖像增強(qiáng)的作用圖1.6灰度變化增強(qiáng)圖像反轉(zhuǎn)、求補(bǔ)、對數(shù)變換s=L-1-r得到的圖像反轉(zhuǎn),對反圖中對圖像文件進(jìn)行了根本的灰度變換,包括用式轉(zhuǎn)圖像的求補(bǔ),以及對數(shù)變換的采用.3.繪制圖像灰度直方圖的方法,對圖像進(jìn)行均衡化處理1圖像灰度及灰度直方圖的調(diào)整圖1.7灰度范圍的調(diào)整與直方圖顯示在原始圖像中,直方圖的組成成分集中在高灰度等級亮一側(cè),且圖像灰度范圍為0,1,故將灰度值調(diào)整到0,1間后直方圖無明顯變化.類似的,將灰度值調(diào)整到0,0.5時(shí),整個(gè)圖像變暗,直方圖橫向壓縮1倍.2直方圖均衡化OriginalGreyImageGreyRangeEqualizedImageGreyV

13、alueGreyValue圖1.8原圖像與灰度直方圖均衡化結(jié)果原圖像中目標(biāo)物的灰度主要集中于高亮度局部,而且象素總數(shù)較多,所占的灰度等級較少.經(jīng)過直方圖均衡后,目標(biāo)物的所占的灰度等級得到擴(kuò)展,比照度增強(qiáng),使整個(gè)圖像得到增強(qiáng).數(shù)字圖像均衡化后,其直方圖并非完全均勻分布,這是由于圖像的象素個(gè)數(shù)和灰度等級均為離散值,而且均衡化使灰度級并歸.因此,均衡化后,其直方圖并非完全均勻分布.3對B進(jìn)行如下圖的分段線性變換處理OriginalGreyImageLinearTransformedImage圖1.9原圖像與灰度直方圖均衡化結(jié)果通過在所關(guān)心范圍內(nèi)為所有灰度值指定一個(gè)較高值,而為其他灰度指定一個(gè)較低值,

14、或?qū)⑺璺秶兞?分段線性變換可提升圖像中特定灰度范圍的亮度,常用于圖像特征值的提取.這里將原始圖像位于0.125,0.75間的灰度值調(diào)低,放大其余的灰度值,突出顯示圖像低頻域和高頻域的局部.六、參考文獻(xiàn)美RafaelC.Gonzalez.數(shù)字圖像處理第二版M.阮秋琦阮宇智,譯.北京：電子工業(yè)出版社,2003.3.實(shí)驗(yàn)二數(shù)字圖像的空間域?yàn)V波和頻域?yàn)V波一、實(shí)驗(yàn)?zāi)康? .掌握圖像濾波的根本定義及目的.2 .理解空間域?yàn)V波的根本原理及方法.3 .掌握進(jìn)行圖像的空域?yàn)V波的方法.4 .掌握傅立葉變換及逆變換的根本原理方法.5 .理解頻域?yàn)V波的根本原理及方法.6 .掌握進(jìn)行圖像的頻域?yàn)V波的方法.二、實(shí)驗(yàn)內(nèi)

15、容與要求1.平滑空間濾波：1讀出eight.tif這幅圖像,給這幅圖像分別參加椒鹽噪聲和高斯噪聲后并與前一張圖顯示在同一圖像窗口中.2對參加噪聲圖像選用不同的平滑低通模板做運(yùn)算,比照不同模板所形成的效果,要求在同一窗口中顯示.3使用函數(shù)imfilter時(shí),分別采用不同的填充方法或邊界選項(xiàng),如零填充、replicate'、'symmetric'、'circular'進(jìn)行低通濾波,顯示處理后的圖像.10次,20次均值濾波,查看其特點(diǎn),顯averages型生成均值濾波器.和中值濾波法對有噪聲的圖像做處4運(yùn)用for循環(huán),將加有椒鹽噪聲的圖像進(jìn)行示均值處理后的圖像

16、提示利用fspecial函數(shù)的5對參加椒鹽噪聲的圖像分別采用均值濾波法,理,要求在同一窗口中顯示結(jié)果.6)2.1)自己設(shè)計(jì)平滑空間濾波器,并將其對噪聲圖像進(jìn)行處理,顯示處理后的圖像.銳化空間濾波讀出blurry_moon.tif這幅圖像,采用3X3的拉普拉斯算子w=1,1,1;1-81;1,1,1對其進(jìn)行濾波.2編寫函數(shù)的拉普拉斯算子w=genlaplacian(n),自動(dòng)產(chǎn)生任一奇數(shù)尺寸n的拉普拉斯算子,如5X53分別采用111115X5,111119X9,11-241115X111111111115和25X25大小的拉普拉斯算子對blurry_moon.tif進(jìn)行銳化濾波,并利用式gx,y

17、=fx,y$2fx,y完成圖像的銳化增強(qiáng),觀察其有何不同,要求在同一窗口中顯示.4采用不同的梯度算子對blurry_moon.tif進(jìn)行銳化濾波,并比擬其效果.5自己設(shè)計(jì)銳化空間濾波器,并將其對噪聲圖像進(jìn)行處理,顯示處理后的圖像;3 .傅立葉變換1讀出woman.tif這幅圖像,對其進(jìn)行快速傅立葉變換,分別顯示其幅度圖像和相位圖像.僅對相位局部進(jìn)行傅立葉反變換后查看結(jié)果圖像.2僅對幅度局部進(jìn)行傅立葉反變換后查看結(jié)果圖像.3將圖像的傅立葉變換F置為其共軻后進(jìn)行反變換,比擬新生成圖像與原始圖像的差異.4 .平滑頻域?yàn)V波1設(shè)計(jì)理想低通濾波器、巴特沃斯低通濾波器和高斯低通濾波器,截至頻率自選,分別給出

18、各種濾波器的透視圖.2讀出test_pattern.tif這幅圖像,分別采用理想低通濾波器、巴特沃斯低通濾波器和高斯低通濾波器對其進(jìn)行濾波截至頻率自選,再做反變換,觀察不同的截止頻率下采用不同低通濾波器得到的圖像與原圖像的區(qū)別,特別注意振鈴效應(yīng).提示:1在頻率域?yàn)V波同樣要注意到填充問題；2注意到-1x+y；5.銳化頻域?yàn)V波1設(shè)計(jì)理想高通濾波器、巴特沃斯高通濾波器和高斯高通濾波器,截至頻率自選,分別給出各種濾波器的透視圖.2讀出test_pattern.tif這幅圖像,分別采用理想高通濾波器、巴特沃斯高通濾波器和高斯高通濾波器對其進(jìn)行濾波截至頻率自選,再做反變換,觀察不同的截止頻率下采用不同高通

19、濾波器得到的圖像與原圖像的區(qū)別.三、實(shí)驗(yàn)原理與算法分析1 .空間域增強(qiáng)處理圖像每一個(gè)像素的取值空域?yàn)V波根本上是讓圖像在從而改變輸出圖像的頻率分空間域?yàn)V波是在圖像空間中借助模板對圖像進(jìn)行領(lǐng)域操作,都是根據(jù)模板對輸入像素相應(yīng)領(lǐng)域內(nèi)的像素值進(jìn)行計(jì)算得到的.頻域空間內(nèi)某個(gè)范圍的分量受到抑制,同時(shí)保證其他分量不變,布,到達(dá)增強(qiáng)圖像的目的.空域?yàn)V波一般分為線性濾波和非線性濾波兩類.線性濾波器的設(shè)計(jì)?；趯Ω盗⑷~變換的分析,非線性空域?yàn)V波器那么一般直接對領(lǐng)域進(jìn)行操作.各種空域?yàn)V波器根據(jù)功能主要分為平滑濾波器和銳化濾波器.平滑可用低通來實(shí)現(xiàn),平滑的目的可分為兩類：一類是模糊,目的是在提取較大的目標(biāo)前去除太小的

20、細(xì)節(jié)或?qū)⒛繕?biāo)內(nèi)的小肩端連接起來；另一類是消除噪聲.銳化可用高通濾波來實(shí)現(xiàn),銳化的目的是為了增強(qiáng)被模糊的細(xì)節(jié).結(jié)合這兩種分類方法,可將空間濾波增強(qiáng)分為四類：線性平滑濾波器低通非線性平滑濾波器低通線性銳化濾波器高通非線性銳化濾波器高通空間濾波器都是基于模板卷積,其主要工作步驟是：1將模板在圖中移動(dòng),并將模板中央與圖中某個(gè)像素位置重合;2將模板上的系數(shù)與模板下對應(yīng)的像素相乘；3將所有乘積相加；4將和模板的輸出響應(yīng)賦給圖中對應(yīng)模板中央位置的像素.2 .平滑濾波器1)線性平滑濾波器線性低通平滑濾波器也稱為均值濾波器,這種濾波器的所有系數(shù)都是正數(shù),對3X3的模板來說,最簡單的是取所有系數(shù)為1,為了保持輸出

21、圖像任然在原來圖像的灰度值范圍內(nèi),模板與象素鄰域的乘積都要除以9.MATLAB提供了fspecial函數(shù)生成濾波時(shí)所用的模板,并提供filter2函數(shù)用指定的濾波器模板對圖像進(jìn)行運(yùn)算.函數(shù)fspecial的語法格式為：h=fspecial(type);h=fspecial(type,parameters);其中參數(shù)type指定濾波器的種類,parameters是與濾波器種類有關(guān)的具體參數(shù).Type睨明k三球均值溺ft,如果錨域?yàn)榉疥?可hsia為標(biāo)量.否劇由兩元素向量Min指定鄰域的打效和列數(shù),di:kradium由3加濟(jì)空+1)個(gè)邊的闌形均值魂波器標(biāo)準(zhǔn)偏差為力吐H大小為的高斯/通濾波需lap

22、laciiDilpha系數(shù)由“口小】0)決定的二維拉普拉斯博灌Iceh力ze.二ig皿標(biāo)準(zhǔn)偏差為立大小為的離斯被波旋轉(zhuǎn)對林拉氏算子motion加口-theta按角度位口移動(dòng)len個(gè)教宗的運(yùn)動(dòng)沌選器pieivin無近似計(jì)重垂直梯度的水平功修強(qiáng)詞異子sobel無近似計(jì)算垂直梯度光滑效應(yīng)的水平邊除強(qiáng)調(diào)算子alpha根據(jù)ilplu決定的拉氏箱子創(chuàng)立的推楨濾波器表2.1MATLAB中預(yù)定義的濾波器種類MATLAB提供了一個(gè)函數(shù)imnoise來給圖像增添噪聲,其語法格式為：J=imnoise(I,type);J=imnoise(I,type,parameters);參數(shù)type指定噪聲的種類,parame

23、ters是與噪聲種類有關(guān)的具體參數(shù).參數(shù)的種類見表2.2.押類參數(shù)說明gaussianv均色為n】方蘢為t的高斯嶂聲localvarV均值為.+方差為中的高斯白噪聲passion無泊松噪聲saltpeppet椒鹽啜聲speckleV均值為0,方差為中的均勻分布隨機(jī)啜聲表2.2噪聲種類及參數(shù)說明2)非線性平滑濾波器中值濾波器是一種常用的非線性平滑濾波器,其濾波原理與均值濾波器方法類似,但計(jì)算的非加權(quán)求和,而是把領(lǐng)域中的圖像的象素按灰度級進(jìn)行排序,然后選擇改組的中間值作為輸出象素值.MATLAB提供了medfilt2函數(shù)來實(shí)現(xiàn)中值濾波,其語法格式為：B=medfilt2(A,mn);B=medfi

24、lt2(A);其中,A是原圖象,B是中值濾波后輸出的圖像.mn指定濾波模板的大小,默認(rèn)模板為3X3.3 .銳化濾波器圖像平滑往往使圖像中的邊界、輪廓變得模糊,為了減少這類不利效果的影響,需要利用圖像銳化技術(shù),使圖像的邊緣變得清楚.1)線性銳化濾波器線性高通濾波器是最常用的線性銳化濾波器.這種濾波器的中央系數(shù)都是正的,而周圍的系數(shù)都是負(fù)的,所有的系數(shù)之和為0.4 3X3的模板來說,典型的系數(shù)取值為：-1-1-1;-18-1;-1-1-1事實(shí)上這是拉普拉斯算子.語句h=-fspecial(laplacian',0.5)得到的拉普拉斯算子為：h=-0.3333-0.3333-0.3333-0

25、.33332.6667-0.3333-0.3333-0.3333-0.33332)非線性銳化濾波鄰域平均可以模糊圖像,由于平均對應(yīng)積分,所以利用微分可以銳化圖像.圖像處理中最常用的微分方法是利用梯度.常用的空域非線性銳化濾波微分算子有sobel算子、prewitt算子、10g算子等.4 .頻域增強(qiáng)頻域增強(qiáng)是利用圖像變換方法將原來的圖像空間中的圖像以某種形式轉(zhuǎn)換到其他空間中,然后利用該空間的特有性質(zhì)方便地進(jìn)行圖像處理,最后再轉(zhuǎn)換回原來的圖像空間中,從而得到處理后的圖像.頻域增強(qiáng)的主要步驟是:選擇變換方法,將輸入圖像變換到頻域空間.在頻域空間中,根據(jù)處理目的設(shè)計(jì)一個(gè)轉(zhuǎn)移函數(shù),并進(jìn)行處理.將所得結(jié)果

26、用反變換得到增強(qiáng)的圖像.常用的頻域增強(qiáng)方法有低通濾波和高通濾波.5 .低通濾波圖像的能量大局部集中在幅度譜的低頻和中頻局部,而圖像的邊緣和噪聲對應(yīng)于高頻部分.因此能降低高頻成分幅度的濾波器就能減弱噪聲的影響.由卷積定理,在頻域?qū)崿F(xiàn)低通濾波的數(shù)學(xué)表達(dá)式：1)2)G(u,v)=H(u,v)F(u,v)理想低通濾波器(ILPF)flon(n.v)<L>c>Dn3)指數(shù)型低通濾波器ELPF巴特沃斯低通濾波器BLPF6 .高通濾波使低頻分量受到削弱.高通濾波器和低由于圖像中的細(xì)節(jié)局部與其高頻分量相對應(yīng),所以高通濾波可以對圖像進(jìn)行銳化處理.高通濾波與低通濾波相反,它是高頻分量用通濾波器相

27、似,其轉(zhuǎn)移函數(shù)分別為：D(ilt)<I).Du.v)>Dc1） 理想高通濾波器IHPF=2巴特沃斯高通濾波器BLPFAD(jkv)39=1 +3指數(shù)型高通濾波器ELPF=e忑圖像經(jīng)過高通濾波處理后,會喪失許多低頻信息,所以圖像的平滑區(qū)根本上會消失.所以,可以采用高頻增強(qiáng)濾波來彌補(bǔ).高頻增強(qiáng)濾波就是在設(shè)計(jì)濾波傳遞函數(shù)時(shí),加上一個(gè)大于0小于1的常數(shù)c,即：H'u,v=Hu,v+c四、實(shí)驗(yàn)步驟1 .平滑空間濾波：1) 椒鹽噪聲和高斯噪聲的參加I=imread('eight.tif');imshow(I);J=imnoise(I,'salt&pepp

28、er',0.05);%noisedensity=0.05K=imnoise(I,'gaussian',0.01,0.01);2)不同的平滑(低通)模板的處理H=fspecial('sobel');Sobel=imfilter(I,H,'replicate');H=fspecial('laplacian',0.4);lap=imfilter(I,H,'replicate');H=fspecial('gaussian',33,0.5);gaussian=imfilter(I,H,'rep

29、licate');3)不同填充方法的濾波originalRGB=imread('peppers.png');h=fspecial('motion',50,45);%motionblurredfilteredRGB=imfilter(originalRGB,h);boundaryReplicateRGB=imfilter(originalRGB,h,'replicate');boundary0RGB=imfilter(originalRGB,h,'x');boundary0RGB=imfilter(originalRGB,h

30、,0);boundarysymmetricRGB=imfilter(originalRGB,h,'symmetric');boundarycircularRGB=imfilter(originalRGB,h,'circular');4)屢次均值濾波J=imnoise(I,'salt&pepper',0.05);h=fspecial('average');%AveragingFilteringJ1=imfilter(J,h);fori=1:10J1=imfilter(J,h);endfori=1:20J2=imfilter(

31、J,h);5)均值、中值濾波h=fspecial('average');%AveragingFilteringJ1=imfilter(J,h);J2=medfilt2(J);%MedianFiltering6)自行設(shè)計(jì)平滑空間濾波器domain=00800;00800;88888;00800;K1=ordfilt2(J,5,domain);2.平滑空間濾波:1)3X3的拉普拉斯算子濾波I=imread('blurry_moon.tif');T=double(I);subplot(1,2,1),imshow(T,口);title('OriginalImag

32、e');w=1,1,1;1,-8,1;1,1,1;K=conv2(T,w,'same');2)奇數(shù)尺寸拉普拉斯算子隨機(jī)產(chǎn)生函數(shù)functionw=genlaplacian(n)%ComputestheLaplacianoperatorw=ones(n);x=ceil(n/2);w(x,x)=-1*(n*n-1);3)不同尺寸拉普拉斯算子濾波以及圖像增強(qiáng)w1=genlaplacian(5);I=imread('blurry_moon.tif');T=double(I);K=conv2(T,w1,'same');J=T-K;4)不同尺寸梯度算

33、子的銳化濾波I,map=imread('blurry_moon.tif');I=double(I);%gradientcalculation%matrixGx,Gy=gradient(I);G=sqrt(Gx.*Gx+Gy.*Gy);J1=G;%gradient1imshow(J1,map);J2=I;%gradient2K=find(G>=7);J2(K)=G(K);imshow(J2,map);J3=I;%gradient3K=find(G>=7);J3(K)=255;imshow(J3,map);J4=I;%gradient4K=find(G<=7);J

34、4(K)=255;imshow(J4,map);J5=I;%gradient5K=find(G<=7);J5(K)=0;Q=find(G>=7);J5(Q)=255;imshow(J5,map);5)自行設(shè)計(jì)銳化空間濾波器domain=88088;88088;00000;88088;88088;K1=ordfilt2(J,5,domain);3 .傅立葉變換1)圖像的快速傅立葉變換,分別顯示其幅度圖像和相位圖像.F=imread('woman.tif');F1=fft2(F);F2=log(1+abs(F1);%amplitudespectrumF3=fftshif

35、t(F1);imshow(log(1+abs(F3),);F4=angle(F1);%phasespectrum2)相位局部進(jìn)行傅立葉反變換.F1=fft2(F);i=sqrt(-1);f2=ifft2(exp(i*angle(F1);imshow(real(f2),);3)幅度局部進(jìn)行傅立葉反變換.f1=ifft2(abs(F1);imshow(log(1+abs(f1),口);4)將圖像的傅立葉變換F置為其共軻后進(jìn)行反變換F1=fft2(F);F2=log(1+abs(F1);F3=fftshift(F1);F4=angle(F1);F5=-F4%amplitudespectrum%pha

36、sespectrumF6=double(F3*exp(F4);%thecomplexconjugateofthefouriertransform%inversefouriertransformF7=ifft2(F6);imshow(real(F7),口);4 .平滑頻域?yàn)V波理想低通濾波器、巴特沃斯低通濾波器和高斯低通濾波器的設(shè)計(jì)與濾波理想低通濾波器I=imread('test_pattern.tif');f=double(I);%chageintodoubleasMATLABdoesn'tsupporcalculation%ofimageinunsignedinttyp

37、eg=fft2(f);%fouriertransformg=fftshift(g);%zero-frequencyareacentralizedM,N=size(g);d0=100;%cutofffrequencym=fix(M/2);n=fix(N/2);fori=1:Mforj=1:Nd=sqrt(i-m)A2+(j-n)A2);if(d<=d0)h=1;elseh=0;endresult(i,j)=h*g(i,j);endendresult=ifftshift(result);J1=ifft2(result);J2=uint8(real(J1);imshow(J2)巴特沃斯低通濾波

38、器(二階)I=imread('test_pattern.tif');f=double(I);g=fft2(f);g=fftshift(g);M,N=size(g);nn=2;%2-gradeButterworthlowpssfilterd0=100;m=fix(M/2);n=fix(N/2);fori=1:Mforj=1:Nd=sqrt(i-m)A2+(j-n)A2);h=1/(1+0.414*(d/d0)A(2*nn);%filtertransformfunction%h=1./(1+(d./d0).A(2*n)%h=exp(-(d.A2)./(2*(d0A2);result

39、(i,j)=h*g(i,j);endendresult=ifftshift(result);J1=ifft2(result);J2=uint8(real(J1);imshow(J2);高斯低通濾波I=imread('test_pattern.tif');f=double(I);g=fft2(f);g=fftshift(g);M,N=size(g);d0=100;m=fix(M/2);n=fix(N/2);fori=1:Mforj=1:Nd=sqrt(i-m)A2+(j-n)A2);h=exp(-(d.A2)./(2*(d0A2);%gaussianfiltertransform

40、result(i,j)=h*g(i,j);endendresult=ifftshift(result);J1=ifft2(result);J2=uint8(real(J1);5 .銳化頻域?yàn)V波理想高通濾波器、巴特沃斯高通濾波器和高斯高通濾波器的設(shè)計(jì)與濾波理想高通濾波器I=imread('test_pattern.tif');f=double(I);g=fft2(f);g=fftshift(g);M,N=size(g);d0=80;%d0=15,25,80m=fix(M/2);n=fix(N/2);fori=1:Mforj=1:Nd=sqrt(i-m)A2+(j-n)A2);if

41、(d>=d0)h=1;elseh=0;endresult(i,j)=h*g(i,j);endendresult=ifftshift(result);J1=ifft2(result);J2=uint8(real(J1);巴特沃斯高通濾波器I=imread('test_pattern.tif');f=double(I);g=fft2(f);g=fftshift(g);M,N=size(g);nn=2;%2-gradenutterworthhighpassfilterd0=80;m=fix(M/2);n=fix(N/2);fori=1:Mforj=1:Nd=sqrt(i-m)A

42、2+(j-n)A2);if(d=0)h=0;elseh=1/(1+0.414*(d0/d)A(2*nn);%transformfuctioncalculationendresult(i,j)=h*g(i,j);endendresult=ifftshift(result);J1=ifft2(result);J2=uint8(real(J1);高斯高通濾波器I=imread('test_pattern.tif');f=double(I);g=fft2(f);g=fftshift(g);M,N=size(g);d0=80;m=fix(M/2);n=fix(N/2);fori=1:Mf

43、orj=1:Nd=sqrt(i-m)A2+(j-n)A2);h=1-exp(-(d.A2)./(2*(d0A2);%gaussianfiltertransformresult(i,j)=h*g(i,j);endendresult=ifftshift(result);J1=ifft2(result);J2=uint8(real(J1);五、實(shí)驗(yàn)結(jié)果分析與討論1.平滑空間濾波：1)讀出eight.tif這幅圖像,給這幅圖像分別參加椒鹽噪聲和高斯噪聲后并與前一張圖顯示在同一圖像窗口中.OriginalImageSalt&PepperNoiseGaussianNoise圖2.1初始圖像及椒鹽噪

44、聲圖像、高斯噪聲污染圖2對參加噪聲圖像選用不同的平滑低通模板做運(yùn)算,比照不同模板所形成的效果,要求在同一窗口中顯示.圖2.2原圖像及各類低通濾波處理圖像3） 使用函數(shù)imfilter時(shí),分別采用不同的填充方法或邊界選項(xiàng),如零填充、'replicate'、'symmetric'、'circular'進(jìn)行低通濾波,顯示處理后的圖像.圖2.3原圖像及運(yùn)動(dòng)模糊圖像圖2.4函數(shù)imfilter各填充方式處理圖像,顯4） 運(yùn)用for循環(huán),將加有椒鹽噪聲的圖像進(jìn)行10次,20次均值濾波,查看其特點(diǎn)圖2.5椒鹽噪聲污染圖像經(jīng)10次、20次均值濾波圖像示均值處理后

45、的圖像.由圖2.5可得,20次濾波后的效果明顯好于10次濾波,但模糊程度也更強(qiáng).5對參加椒鹽噪聲的圖像分別采用均值濾波法,和中值濾波法對有噪聲的圖像做處理,要求在同一窗口中顯示結(jié)果.圖2.6椒鹽噪聲污染圖像及均值、中值濾波圖像從圖2.6中可以看出,對于椒鹽噪聲污染的圖像處理,中值濾波效果要明顯好于均值濾波.經(jīng)均值濾波器處理后的圖像比均值濾波器中結(jié)果圖像更加模糊.6設(shè)計(jì)平滑空間濾波器,并將其對噪聲圖像進(jìn)行處理,顯示處理后的圖像.Salt&PepperNoiseImage5*5SmoothingSpatialFiteredImage圖2.7椒鹽噪聲污染圖像及5*5平滑濾波器掩模掩模值為w=

46、1/25*11111;11111;11111;11111;11111Salt3tPepperNoisedImageLov/passFilteredImage圖2.8椒鹽噪聲污染圖像及5*5平滑濾波器掩模掩模值為w=00800;00800;88888;00800;008002.銳化空間濾波1采用3X3的拉普拉斯算子w=1,1,1;1-81;1,1,1濾波2)圖2.9初始圖像與拉普拉斯算子銳化圖像編寫函數(shù)w=genlaplacian(n),自動(dòng)產(chǎn)生任一奇數(shù)尺寸普拉斯算子：n的拉普拉斯算子,如5X5的拉1111111111-24111111111111113) 分別采用5X5,9X9,15X15和2

47、5X25大小的拉普拉斯算子對blurry_moon.tif進(jìn)行銳2化濾波,并利用式g(x,y)=f(x,V)Nf(x,y)完成圖像的銳化增強(qiáng),觀察其有何不同,要求在同一窗口中顯示.圖2.10初始圖像與不同拉普拉斯算子銳化圖像圖像銳化的實(shí)質(zhì)是將原圖像與梯度信息疊加,相當(dāng)于對目標(biāo)物的邊緣進(jìn)行了增強(qiáng).LaplacianImageEnhancedLaplacianImage圖2.11拉普拉斯算子銳化與銳化增強(qiáng)圖像4) 采用不同的梯度算子對blurrymoon.tif進(jìn)行銳化濾波,并比擬其效果Operator!ImageOperator2ImageOperatorsImageOperator4Image

48、OperatoiSImage圖2.12原始圖像與不同梯度子銳化圖像作為二階微分算子,拉普拉斯變換在圖像細(xì)節(jié)的增強(qiáng)處理上有明顯的優(yōu)點(diǎn),但會產(chǎn)生更多的噪聲.梯度變換在灰度變化區(qū)域的響應(yīng)更強(qiáng),但對噪聲和細(xì)節(jié)的響應(yīng)比拉普拉斯變換弱.5自己設(shè)計(jì)銳化空間濾波器,并將其對噪聲圖像進(jìn)行處理,顯示處理后的圖像;圖2.13原始圖像與不同邊緣銳化圖像3.傅立葉變換1讀出woman.tif這幅圖像,對其進(jìn)行快速傅立葉變換,分別顯示其幅度圖像和相位圖像.OriginalImageAmplitudeSpectrumZero-FrequencyCentralizedSpectrumPhaseSpectrum圖2.14原始圖

49、像與快速傅立葉變換圖像2僅對相位局部進(jìn)行傅立葉反變換后查看結(jié)果圖像.OrgmalImageRestorationImage圖2.15原始圖像與對全部信息進(jìn)行傅立葉逆變換結(jié)果3)Amplitude-basedRestorationImagePhase-basedRestorationImage圖2.16僅對相位信息進(jìn)行傅立葉逆變換結(jié)果相位譜決定了圖像信號中各頻率分量的位置.僅對幅度局部進(jìn)行傅立葉反變換后查看結(jié)果圖像.圖2.17僅對幅度信息進(jìn)行傅立葉逆變換結(jié)果4)將圖像的傅立葉變換F置為其共軻后進(jìn)行反變換,比擬新生成圖像與原始圖像的差異.圖2.18共軻傅立葉逆變換結(jié)果傅立葉變換的相位譜為對稱的,原變換與其共軻變換間僅頻率譜互為相反.4.平滑頻域?yàn)V波1設(shè)計(jì)理想低通濾波器、巴特沃斯低通濾波器和高斯低通濾波器圖2.19理想低通濾波器透視圖圖2.20巴特沃斯低通濾波器透視圖圖2.21高斯低通濾波器透視圖IdealLowpassFilterd0=15IdealLowpassFilterd0=30IdealLowpassFilterd0=100al