数字图像处理(频域增强)
数字图像处理图像频域增强方法的研究 姓名： 班级: 学号：
目录一．频域增强的原理 二．频域增强的定义及步骤三．高通滤波 四． MATLAB程序实现 五．程序代码 六．小结
一．频域图像的原理 在进行图像处理的过程中，获取原始图像后，首先需要对图像进行预处理，因为在获取图像的过程中，往往会发生图像失真，使所得图像与原图像有某种程度上的差别。在许多情况下，人们难以确切了解引起图像降质的具体物理过程及 其数学模型，但却能估计出使图像降质的一些可能原因，针对这些原因采取简单易行的方法，改善图像质量。图像增强一般不能增加原图像信息，只能针对一些成像条件，把弱信号突出出来，使一些信息更容易分辨。图像增强的方法分为频域法和空域法，空域法主要是对图像中的各像素点进行操作；而频域法是在图像的某个变换域内，修改变换后的系数，例如傅立叶变换、DCT 变换等的系数，对 图像进行操作，然后再进行反变换得到处理后的图像。 MATLAB矩阵实验室（Matrix Laboratory）的简称，具有方便的数据可视化功能，可用于科学计算和工程绘图。它不仅在一般数据可视化软件都具有的功能方面更加完善，而且对于一些其他软件所没有的功能（例如图形的光照处理、色度处理以及四维数据的表现等），MATLAB同样表现了出色的处理能力。它具有功能丰富的工具箱，不但能够进行信号处理、语音处理、数值运算，而且能够完成各种图像处理功能。本文利用MATLAB工具来研究图像频域增强技术。图像增强是为了获得更好质量的图像，通过各种方法对图像进行处理，例如图像边缘检测、分割以及特征提取等技术。图像增强的方法有频域处理法与空域处理法，本文主要研究了频域处理方法中的滤波技术。从低通滤波、高通滤波、同态滤波三个方面比较了图像增强的效果。文章首先分析了它们的原理，然后通过MATLAB软件分别用这三种方法对图像进行处理，处理后使图像的对比度得到了明显的改善，增强了图像的视觉效果。
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
实验目的： 1.熟悉Matlab处理图像的基本原理，并熟练地运用进行一些基本的图像操作； 2.能够用Matlab来进行亮度变换，直方图处理以及一些简单的空间滤波； 实验内容： 去噪，灰度变换，直方图处理，空域和频域平滑锐化，同态滤波；结果分析： 1.直方图处理： ⑴显示原图直方图以及原图： 代码： >> imread(''); >> imshow(f); >> imhist(f); 原图以及原图直方图为：
⑵直方图均衡化： 代码： >> f=imread(''); >> n=imnoise(f); >> imwrite(n,''); >> [thr,sorh,keepapp] = ddencmp('den','wv',im2double(n)); >> r=wdencmp('gbl',im2double(Noise),'sym2',2,thr,sorh,keepapp); >> r=wdencmp('gbl',im2double(n),'sym2',2,thr,sorh,keepapp); >> imwrite(r,''); >> imshow(f); 现在的图片以及直方图为： 结论： 直方图均衡化是图像处理领域中利用图像直方图对对比度进行调整的方法。这种方法通常用来增加许多图像的局部对比度，尤其是当图像的有用数据的对比度相当接近的时候。通过这种方法，亮度可以更好地在直方图上分布。这样就可以用于增强局部的对比度而不影响整体的对比度，直方图均衡化通过有效
地扩展常用的亮度来实现这种功能。 2.灰度变换： 代码： >> f=imread(''); >> n=imnoise(f); >> imwrite(n,''); >> [thr,sorh,keepapp] = ddencmp('den','wv',im2double(n)); >> r=wdencmp('gbl',im2double(Noise),'sym2',2,thr,sorh,keepapp); >> r=wdencmp('gbl',im2double(n),'sym2',2,thr,sorh,keepapp); >> imwrite(r,''); >> imshow(f); 变换的图像(f为图a，a1为图b,a2为图c，a3为图d)： （图a）（图b）
数字图像处理实验报告 实验三、图像的频域处理 一、实验类型：综合性实验 二、实验目的 1. 掌握二维傅里叶变换的原理。 2. 掌握二维傅里叶变换的性质。 三、实验设备：安装有MATLAB 软件的计算机 四、实验原理 傅里叶变换在图像增强、图像分析、图像恢复和图像压缩等方面扮演 着重要的角色。在计算机上使用傅里叶变换常常涉及到该变换的另一种形 式——离散傅里叶变换（DFT ）。使用这种形式的傅里叶变换主要有以下两 方面的理由： ·DFT 的输入和输出都是离散的，这使得计算机处理更加方便； ·求解DFT 问题有快速算法，即快速傅里叶变换（FFT ）。 MATLAB 函数fft,fft2 和fftn 可以实现傅里叶变换算法，分别用来计算 1 维DFT、 2 维DFT 和n 维DFT。函数ifft,ifft2 和ifftn 用来计算逆DFT。 下面结合一个例子进行演示。 （1）创建一个矩阵f，代表一个二值图像。 f=zeros(30,30); f(5:24,13:17)=1; imshow(f,’notruesize’) （2 ）用以下命令计算f 的DFT 并可视化。 F=fft2(f); F2=log(abs(F)); imshow(F2,[-1 5],’notruesize’);colormap(jet);colorbar （3）为了获取傅里叶变换的更佳的取样数据，计算F 的DFT 时给它进行0 填充。0 填充和DFT 计算可以用下面的命令一步完成。 F=fft2(f,256,256); 上面的命令在计算DFT 之前将F 的大小填充为256 ×256。 imshow(log(abs(F)),[-1 5]);colormap(jet);colorbar （4 ）但是，0 频率系数仍然显示在左上角而不是中心位置。可以用 fftshift 函数解决这个问题，该函数交换F 的象限，使得0 频率系数位于中 心位置上。 F=fft2(f,256,256) F2=fftshift(F); imshow(log(abs(F2)),[-1 5]);colormap(jet);colorbar 五、实验内容 选择一幅图像，对其进行离散傅立叶变换，观察离散傅立叶频谱，并 演示二维离散傅立叶变换的主要性质（如平移性、旋转性）。 六、实验步骤与结果
南京信息工程大学 计算机图像处理 实验(实习)报告 实验(实习)名称 图像变换与频域处理 实验(实习)日期 得分 指导老师 系 专业 班级 姓名 学号 一、 实验目的 1．了解离散傅里叶变换的基本性质； 2．熟练掌握图像傅里叶变换的方法及应用； 3．通过实验了解二维频谱的分布特点； 4．熟悉图像频域处理的意义和手段； 5．通过本实验掌握利用MATLAB 的工具箱实现数字图像的频域处理。 二、 实验原理 （一）傅立叶变换 傅立叶变换是数字图像处理中应用最广的一种变换，其中图像增强、图像复原 和图像分析与描述等，每一类处理方法都要用到图像变换，尤其是图像的傅立 叶变换。 离散傅立叶（Fourier ）变换的定义： 二维离散傅立叶变换（DFT ）为： 逆变换为： 式中， 在DFT 变换对中， 称为离散信号 的频谱，而 称为幅度谱， 为相位角，功率谱为频谱的平方，它们之间的关系为： 图像的傅立叶变换有快速算法。 （二）图像的频域增强 常用的图像增强技术可分为基于空域和基于变换域的两类方法。最常用的变换域是频域空间。在频域空间，图像的信息表现为不同频率分量的组合。如果能让某个范围内的分量或某些频率的分量受到抑制而让其他分量不受影响，就可以改变输出图像的频率分布，达到不同的增强目的。 频域增强的工作流程： 频域空间的增强方法对应的三个步骤： (1) 将图像f(x,y)从图像空间转换到频域空间，得到F(u,v)； (2) 在频域空间中通过不同的滤波函数H(u,v)对图像进行不同的增强,得到G(u,v)（注：傅立叶变换 滤波器 傅立叶反变换 ),(v u H ),(v u F ),(v u G ) ,(y x g ),(y x f ∑∑-=-=-=101 0)(2exp ),(1),(M x N y N vy M ux j y x f MN v u F π∑∑ -=-=+=101 0)(2ex p ),(1),(M u N v N vy M ux j v u F MN y x f π}1,,1,0{,-∈M x u }1,,1,0{,-∈N y v ),(v u F ),(y x f ),(v u F ) ,(v u ?),(),()],(exp[),(),(v u jI v u R v u j v u F v u F +==?
图像的频域变换处理 1 实验目的 1. 掌握Fourier ，DCT 和Radon 变换与反变换的原理及算法实现，并初步理解Fourier 、Radon 和DCT 变换的物理意义。 2、 利用傅里叶变换、离散余弦变换等处理图像，理解图像变换系数的特点。 3、 掌握图像的频谱分析方法。 4、 掌握图像频域压缩的方法。 5、 掌握二维数字滤波器处理图像的方法。 2 实验原理 1、傅里叶变换 fft2函数：F=fft2(A); fftshift 函数：F1=fftshift(F); ifft2函数：M=ifft2(F); 2、离散余弦变换： dct2函数 ：F=dct2(f2)； idct2函数：M=idct2(F)； 3、 小波变换 对静态二维数字图像，可先对其进行若干次二维DWT 变换， 将图像信息分解为高频成分H 、V 和D 和低频成分A 。对低频部分A ，由于它对压缩的结果影响很大，因此可采用无损编码方法， 如Huffman 、 DPCM 等；对H 、V 和D 部分，可对不同的层次采用不同策略的向量量化编码方法，这样便可大大减少数据量，而图像的解码过程刚好相反。 （1）dwt2 [CA,CH,CV,CD]=dwt2(X,’wname’) [CA,CH,CV,CD]=dwt2(X,LO_D,HI_D’) ()()???????-ψ=dt a b t t Rf a 1 b ,a W *()??? ??-ψ=ψa b t a 1t b ,a 112()00(,)[(,)](,)ux vy M N j M N x y f x y e F f x y F u v π---+==== ∑∑1100(21)(21)(,)(,)()()cos cos 22M N x y x u y v F u v f x y C u C v M N ππ--==++=∑∑
实验四 图像变换及图象的频域处理 一、实验目的 1、了解离散傅立叶变换和离散余弦变换的基本原理； 2、掌握应用MATLAB 语言进行离散傅立叶变换和离散余弦变换的方法； 3、了解图象在频域中处理方法，应用MATLAB 语言作简单的低通滤波器。 二、实验原理 1、傅立叶变换的基本知识。 在图象处理的广泛应用领域中，傅立叶变换起着非常重要的作用，具体表现在包括图象分析、图象增强及图象压缩等方面。 假设f （x,y ）是一个离散空间中的二维函数，则该函数的二维傅立叶变换的定义如下： u=0,1…M -1 v=0,1…N -1 (1) 离散傅立叶反变换的定义如下： x=0,1…M -1 y=0,1…N -1（3） F （u,v ）称为f （x,y ）的离散傅立叶变换系数。这个式子表明，函数f （x,y ）可以用无数个不同频率的复指数信号和表示，而在频率（w1，w2）处的复指数信号的幅度和相位是F （w1，w2）。 例如，函数f （x,y ）在一个矩形区域内函数值为1，而在其他区域为0. 假设f （x,y ）为一个连续函数，则f （x,y ）的傅立叶变换的幅度值（即）显示为网格图。 将傅立叶变换的结果进行可视化的另一种方法是用图象的方式显示变换结果的对数幅值。 2、MATLAB 提供的快速傅立叶变换函数 （1）fft2 fft2函数用于计算二维快速傅立叶变换，其语法格式为： B = fft2(I) B = fft2(I)返回图象I 的二维fft 变换矩阵，输入图象I 和输出图象B 大小相同。 （2）fftshift MATLAB 提供的fftshift 函数用于将变换后的图象频谱中心从矩阵的原点移到矩阵的中心，其语法格式为： B = fftshift(I) 对于矩阵I ，B = fftshift(I)将I 的一、三象限和二、四象限进行互换。 （3）ifft2 ifft2函数用于计算图象的二维傅立叶反变换，其语法格式为： B = ifft2(I) B = ifft2(I)返回图象I 的二维傅立叶反变换矩阵，输入图象I 和输出图象B 大小相同。其语法)(21010),(),(N vy M ux j M x N y e y x f v u F +--=-=∑∑=π)(21010),(1),(N vy M ux j M u N v e v u F MN y x f +-=-=∑∑=π
图像平滑处理的空域算法和 频域分析 1 技术要求 对已知图像添加高斯白噪声,并分别用低通滤波器(频域法)和邻域平均法(空域法)对图像进行平滑处理(去噪处理),并分析比较两种方法处理的效果。 2 基本原理 2.1 图像噪声 噪声在理论上可以定义为“不可预测，只能用概率统计方法来认识的随机误差”。实际获得的图像一般都因受到某种干扰而含有噪声。引起噪声的原因有敏感元器件的内部噪声、相片底片上感光材料的颗粒、传输通道的干扰及量化噪声等。噪声产生的原因决定了噪声的分布特性及它和图像信号的关系。 根据噪声和信号的关系可以将其分为两种形式： （1）加性噪声。有的噪声与图像信号g(x,y)无关，在这种情况下，含噪图像f(x,y)可表示为 f(x,y)=g(x,y)+n(x,y) （2）乘性噪声。有的噪声与图像信号有关。这又可以分为两种情况：一种是某像素处的噪声只与该像素的图像信号有关，另一种是某像点处的噪声与该像点及其邻域的图像信号有关，如果噪声与信号成正比，则含噪图像f(x,y)可表示为 f(x,y)=g(x,y)+n(x,y)g(x,y) 另外，还可以根据噪声服从的分布对其进行分类，这时可以分为高斯噪声、泊松噪声和颗粒噪声等。如果一个噪声，它的幅度分布服从高斯分布，而它的功率谱密度又是均匀分布的，则称它为高斯白噪声，一般为加性噪声。
2.2 图像平滑处理技术 平滑技术主要用于平滑图像中的噪声。平滑噪声在空间域中进行，其基本方法是求像素灰度的平均值或中值。为了既平滑噪声又保护图像信号，也有一些改进的技术，比如在频域中运用低通滤波技术。 （1）空域法 在空域中对图像进行平滑处理主要是邻域平均法。这种方法的基本思想是用几个像素灰度的平均值来代替每个像素的灰度。假定有一幅N*N 个像素的图像f(x,y)，平滑处理后得到一幅图像g(x,y)。g(x,y)由下式决定 式中，x,y=0,1,2,…，N-1；S 是(x,y)点邻域中点的坐标的集合，但其中不包括(x,y)点；M 是集合内坐标点的总数。上式说明，平滑化的图像g(x,y)中每个像素的灰度值均由包含在(x,y)的预定邻域中的f(x,y)的几个像素的灰度值的平均值来决定。 （2）频域法 低通滤波法是一种频域处理方法。在分析图像信号的频率特性时，一幅图像的边缘、跳跃部分以及颗粒噪声代表图像信号的高频分量，而大面积的背景区则代表图像信号的低频分量。用滤波的方法滤除其高频部分就能去掉噪声，使图像得到平滑。 由卷积定理可知 其中F(u,v)是含有噪声的图像的傅立叶变换，G(u,v)是平滑处理后的图像的傅立叶变换，H(u,v)是传递函数。选择传递函数H(u,v)，利用H(u,v)使F(u,v)的高频分量得到衰减，得到G(u,v)后再经傅立叶反变换后就可以得到所希望的平滑图像g(x,y)了。根据前面的分析，显然H(u,v)应该具有低通滤波特性，所以这种方法叫低通滤波法平滑化处理。 常用的低通滤波器有如下几种： a.理想低通滤波器 一个理想的二维低通滤波器有一个参数 。它是一个规定的非负的量，叫做理想低通滤波器的截止频率。所谓理想低通滤波器是指以截频 为半径的圆内的所有频率都能无损地通过，而在截频之外的频率分量完全被衰减。理想低通滤波器可以用计算机模拟实 M n m f y x g S n m ∑∈=),(),(),() ,(),(),(G v u F v u H v u ?=0D 0
名词解释 数字图像:是将一幅画面在空间上分割成离散的点（或像元），各点（或像元)的灰度值经量化用离散的整数来表示,形成计算机能处理的形式。 1.数字图像:一幅图像ｆ（x,y),当ｘ,ｙ和幅值ｆ为有限的离散数值时,称该图像为数字图像。 图像:是自然生物或人造物理的观测系统对世界的记录，是以物理能量为载体,以物质为记录介质的信息的一种形式。 数字图像处理：采用特定的算法对数字图像进行处理,以获取视觉、接口输入的软硬件所需要数字图像的过程。 图像增强:通过某种技术有选择地突出对某一具体应用有用的信息，削弱或抑制一些无用的信息。 无损压缩:可精确无误的从压缩数据中恢复出原始数据。 灰度直方图:灰度直方图是灰度级的函数，描述的是图像中具有该灰度级的像素的个数。或：灰度直方图是指反映一幅图像各灰度级像元出现的频率。 细化:提取线宽为一个像元大小的中心线的操作。 8、8-连通的定义:对于具有值V的像素p和q ，如果ｑ在集合N8（p)中,则称这两个像素是8-连通的。 9、中值滤波:中值滤波是指将当前像元的窗口(或领域)中所有像元灰度由小到大进行排序,中间值作为当前像元的输出值。 10、像素的邻域: 邻域是指一个像元（x,y)的邻近(周围）形成的像元集合。即{（ｘ=p,ｙ＝q）}ｐ、q为任意整数。像素的四邻域:像素p(x，ｙ）的4－邻域是:(x+１,y)，（x-1，ｙ） ,(x，ｙ+1), (ｘ，ｙ-1) １１、灰度直方图:以灰度值为自变量，灰度值概率函数得到的曲线就是灰度直方图。 1２.无失真编码:无失真编码是指压缩图象经解压可以恢复原图象，没有任何信息损失的编码技术。 1３.直方图均衡化:直方图均衡化就是通过变换函数将原图像的直方图修正为平坦的直方图,以此来修正原图像之灰度值。 14.采样：对图像f（x，y）的空间位置坐标(x,ｙ)的离散化以获取离散点的函数值的过程称为图像的采样。 １５.量化：把采样点上对应的亮度连续变化区间转换为单个特定数码的过程，称之为量化，即采样点亮度的离散化。 16．灰度图像:指每个像素的信息由一个量化的灰度级来描述的图像，它只有亮度信息,没有颜色信息。 １7.色度:通常把色调和饱和度通称为色度，它表示颜色的类别与深浅程度。 18.图像锐化：是增强图象的边缘或轮廓。 19.直方图规定化(匹配）：用于产生处理后有特殊直方图的图像的方法 20. 数据压缩：指减少表示给定信息量所需的数据量。 像素的邻域:邻域是指一个像元(x,y)的邻近(周围）形成的像元集合。即{（ｘ=p,y=q)｝p、q为任意整数。 像素的四邻域:像素p(x，y)的4-邻域是:（ｘ+１，y),(x-1,y) ，(x,ｙ+1)，(x，ｙ-1) 灰度直方图:灰度直方图是指反映一幅图像各灰度级像元出现的频率。?、中值滤波:中值滤波是指将当前像元的窗口(或领域)中所有像元灰度由小到大进行排序,中间值作为当前像元的输出值。 像素数字图像是由有限的元素组成的,每个元素都有一个特定的位置和幅值，这些元素称为图像元素、画面元素或像素。 4.空间分辨率:是图像中可辨别的最小细节。
摘要 图像的频域处理是指根据一定的图像模型，对图像频谱进行不同程度修改的技术。二维正交变换是图像处理中常用的变换，其特点是变换结果的能量分布向低频成份方向集中，图像的边缘、线条在高频成份上得到反映，因此正交变换在图像处理中得到广泛运用。傅里叶作为一种典型的正交变换，在数学上有比较成熟和快速的处理方法。卷积特性是傅里叶变换性质之一，由于它在通信系统和信号处理中的重要地位－－应用最广。在用频域方法进行卷积过程中尤其要注意傅里叶变换的周期性，注意周期延拓的重要作用，本次课设将对此作详细的介绍。 关键字：频域处理，二维傅里叶变换，卷积，周期延拓
1 图像频域处理的概述 图像的频率是表征图像中灰度变化剧烈程度的指标，是灰度在平面空间上的梯度。如大面积的沙漠在图像中是一片灰度变化缓慢的区域，对应的频率值很低；而对于地表属性变化剧烈的边缘区域在图像中是一片灰度变化剧烈的区域，对应的频率值较高。 频域处理是指根据一定的图像模型，对图像频谱进行不同程度修改的技术，通常作如下假设：1)引起图像质量下降的噪声占频谱的高频段；2)图像边缘占高频段；3)图像主体或灰度缓变区域占低频段。基于这些假设，可以在频谱的各个频段进行有选择性的修改。 为什么要在频率域研究图像增强 （1）可以利用频率成分和图像外表之间的对应关系。一些在空间域表述困难的增强任务，在频率域中变得非常普通。 （2）滤波在频率域更为直观，它可以解释空间域滤波的某些性质。 （3）可以在频率域指定滤波器，做反变换，然后在空间域使用结果滤波器作为空间域滤波器的指导。 （4）一旦通过频率域试验选择了空间滤波，通常实施都在空间域进行。
Lecture16-17作业 一. 判断题（每题１分。T表示正确，F表示错误。） 1. 在数字图像中，一个像素的邻域只有8领域。（F） 2. 在空间域基于滤波器处理数字图像时，二维滤波器可以分解为多个一维滤波器，以提高计算效率（T）。 3. 彩色数字图像平滑处理无需考虑颜色模型。（F） 二. 单项选择题（每题1分。） 1. 能够实现数字图像平滑的处理方法（C）。 A. 线性点处理 B. 基于直方图的处理 C. 邻域处理 D. 非线性点处理 2. 最大值滤波器可用于检测数字图像中的像素点是（A）。 A. 最亮 B. 最暗 C. 中间亮度 D. 平均亮度 3. 最小值滤波器可用于检测数字图像中的像素点是（B）。 A. 最亮 B. 最暗 C. 中间亮度 D. 平均亮度 4. 阿拉法裁剪均值滤波器a-trimmed mean filter是（D）。 A. 中值median滤波器 B. 均值mean滤波器 C. 排序rank滤波器 D. 混合hybrid滤波器 三. 多项选择题（每题2分。） 1. 在数字图像中，基于邻域处理的滤波器包括（ABCD）。 A. 可以是十字、方形等形状 B. 可以是3X 3、5 X 5等不同尺寸 C. 可以有不同的权值 D. 可以采用中心为原点 四. 填空题（每题1分。） 1. 若操作是在像素的某个邻域内进行的，即输出数字图像的像素值由对应的输入数字图像的像素值及其邻域像素值决定，则称其为邻域操作。 2. 在数学上，数字图像模糊处理相当于数字图像被平均或被积分。 五. 简答题（每题4分。） 1. 在空间域进行数字图像排序滤波有哪些？各有什么特点？ 排序滤波包括：中值滤波、中值滤波的线性组合、中值滤波的高阶组合、加权的中值滤波、迭代的中值滤波、最大值滤波、最小值滤波、中点值滤波。
摘要 MATLAB7.0的工作环境包括当前工作窗口、命令历史记录窗口、命令控制窗口、图形处理窗口、当前路径选择菜单、程序编辑器、变量查看器、模型编辑器、GUI编辑器以及丰富的函数库和MATLAB附带的大量M文件。 在MATLAB图像处理中，有时并不需要对整个图像进行操作，而是对图像中的某一部分进行操作，即块操作。比如许多线性滤波操作和二进制图像均按照块操作方式实现。MATLAB的图像处理工具箱提供了多个专门用于图像块操作的函数，如dilate函数等。此外，工具箱提供的大量通用函数也适用于块操作。利用这些函数，用户可以进行各种块操作，包括滑动邻域操作和块处理操作。 关键词: MATLAB图像处理滑动邻域操作块处理操作
目录 1课程设计目的 (1) 2课程设计要求 (2) 3 MATLAB 及其图像处理工具箱 (3) 3.1 MATLAB的广泛应用 (4) 3.2 MATLAB软件系统构成 (5) 3.3 MATLAB语言 (5) 3.4 MATLAB中的傅里叶变换函数[2] (6) 3.5 MATLAB GUI设计工具简介 (7) 3.6 GUI开发环境 (9) 3.7 GUIDE菜单编辑工具 (9) 4 图像邻域与块处理 (10) 4.1 块处理操作 (10) 4.2 滑动邻域操作 (11) 4.3 分离块操作 (13) 4.4 滑动邻域操作程序 (15) 4.5 分离块处理操作程序 (16) 5 总结和体会 (19) 参考文献 (20)
1课程设计目的 1)掌握matlab的基本操作和函数的实用 2)掌握二值图像滑动邻域操作、分离块操作的基本方法 3)编程实现滑动邻域操作、分离块操作
实验报告4：图像的频域处理（1）对图像进行DFT： DFT后的输出： DFT所用代码： pic1=fft2(imread('lines.png')); pic2=fft2(imread('rice.tif')); pic11=fftshift(pic1); pic22=fftshift(pic2); Pic1=log(1+abs(pic11)); Pic2=log(1+abs(pic22)); subplot(1,2,1), imshow(Pic1,[]); title('lin.png'); subplot(1,2,2), imshow(Pic2,[]); title('rice.tif');
图片中并没有明显的水平和垂直内容，而DFT后却存在水平和垂直分量的原因： 原图的边缘出现了明显的不连续，因此进行DFT后会出现强烈的水平和垂直方向分量。 解决方法为在图像中加入汉明窗算法，用来过滤掉图片中的高频部分，并使得图像边缘的不连续情况得到改善，因此加入汉明窗后处理的图像频谱中，水平分量和垂直分量得到了明显的减少。 改进后代码： img=imread('lines.png'); img=im2double(img); [h,w]=size(img); window=hamming(h)*hamming(w)'; IMG=img.*window; FIMG=fft2(IMG); subplot(1,2,1) imshow(IMG,[]); title('加窗后图像'); subplot(1,2,2) imshow(log(1+abs(FIMG)),[]);title('加窗后的频谱图');
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3X 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
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");
1．图像中每个像素点的灰度值如下图所示： 分别求经过邻域平滑模板、邻域高通模板和中值滤波处理后的结果。其中不能处理的点保持不变如果处理后的值为负数则变为0。邻域平滑模 板 010 1 101 4 010 H ?? ?? =?? ?? ?? ，邻域高通模板 010 141 010 H - ?? ?? =-- ?? ?? - ?? ，中值滤波窗口取3×3矩 阵，窗口中心为原点。 2．图像中每个像素点的灰度值如下图所示： 分别求经过邻域平滑模板、邻域高通模板和中值滤波处理后的结果。其中不能处理的点保持不变如果处理后的值为负数则变为0。邻域平滑模 板 111 1 101 8 111 H ?? ?? =?? ?? ?? ，邻域高通模板 111 181 111 H --- ?? ?? =-- ?? ?? --- ?? ，中值滤波窗口取3×3矩 阵，窗口中心为原点。 3．设有以下信源符号w1,w2,w3,w4,w5和概率P(w1)=0.3, P(w2)=0.2, P(w3)=0.2, P(w4)=0.2, P(w5)=0.1。请对此信源进行Huffman编码，并计算熵，平均码长和 编码效率。 (log 20.3= -1.737,log 2 0.2= -2.322,log 2 0.1=-3.322) 4．设有以下信源符号w1,w2,w3,w4,w5和概率P(w1)=0.5, P(w2)=0.2, P(w3)=0.1, P(w4)=0.1, P(w5)=0.1, 请对此信源进行Huffman编码，并计算熵，平均码长和 编码效率。(log 20.5= -1, log 2 0.2= -2.322, log 2 0.1=-3.322)
太原理工大学现代科技学院 数字图像处理课程实验报告 专业班级 学号 姓名 指导教师
实验名称 频域图像增强技术 同组人 专业班级 学号 姓名 成绩 实验三 频域图像增强技术 一、实验目的 1了解图像变换的意义和手段； 2熟悉傅里叶变换的基本性质； 3热练掌握FFT 方法及应用； 4通过实验了解二维频谱的分布特点； 5通过本实验掌握利用MA TLAB 编程实现数字图像的傅立叶变换及滤波锐化和复原处理； 6 了解理想、巴特沃兹、高斯等不同滤波器的结构及滤波效果。 二、实验原理 1应用傅立叶变换进行图像处理 傅里叶变换是线性系统分析的一个有力工具，它能够定量地分析诸如数字化系统、采样点、电子放大器、卷积滤波器、噪音和显示点等的作用。通过实验培养这项技能，将有助于解决大多数图像处理问题。对任何想在工作中有效应用数字图像处理技术的人来说，把时间用在学习和掌握博里叶变换上是很有必要的。 2傅立叶（Fourier ）变换的定义 对于二维信号，二维Fourier 变换定义为： ??∞∞-∞∞-+-=dy dx e y x f v u F vy ux j )(2),(),(π ??∞∞-∞∞-+=dv du e v u F y x f vy ux j )(2),(),(π θθθsin cos j e j += 二维离散傅立叶变换为： 1,...,2,1,0,1,...,2,1,0for ),(1),(1010)//(2-=-==∑∑-=-=+-N v M u e y x f MN v u F M x N y N vy M ux j π 1,...,2,1,0,1,...,2,1,0for ),(),(1010)//(2-=-==∑∑-=-=+N y M x e v u F y x f M u N v N vy M ux j π 图像的傅立叶变换与一维信号的傅立叶变换变换一样，有快速算法，具体参见参考书目，有关傅立叶变换的快速算法的程序不难找到。实际上，现在有实现傅立叶变换的芯片，可以实时实现傅立叶变换。 3利用MA TLAB 软件实现数字图像傅立叶变换的程序： I=imread(‘原图像名.gif ’); %读入原图像文件 imshow(I); %显示原图像 fftI=fft2(I); %二维离散傅立叶变换 sfftI=fftshift(fftI); %直流分量移到频谱中心 RR=real(sfftI); %取傅立叶变换的实部 II=imag(sfftI); %取傅立叶变换的虚部 A=sqrt(RR.^2+II.^2);%计算频谱幅值 A=（A-min(min(A))）/(max(max(A))-min(min(A)))*225; … … …… …… …… …… …… … …装 …… …… …… …… … …… …… …… 订… …… … …… …… …… …… …… … …线 …… …… …… …… … …… …… ……
61IC 中国电子在线 https://www.doczj.com/doc/1e10348145.html, 61IC 工程师社区 https://www.doczj.com/doc/1e10348145.html, 中国最大的DSP 专业技术资料网站,大量DSP 资料下载和技术文章 3 邻域运算Neighborhood Operations ● 目的：平滑，去噪声，边缘提取 ● 卷积概念：Weighting & summing up ● 平滑模板、锐化模板 ● 中值滤波：Comparing & Selecting ● 其它方法 作业：3.1 3.5 3.6 3.1邻域与邻域运算 图象处理目的：好看，好用，好保存，好传送 图象包含的信息： 1． g lobal information: histogram 没有反映空间结构，只反映灰度分布。 2． L ocal information: 连续性与不连续性。考察邻域关系，使应该平滑的区域平滑，使分界 更明显。 例如： 电视节目的雪花点；模糊的图象变清晰(sharp)；提取目标的轮廓 例1 平滑：邻域平均 例2 平滑：比较&选择 (6变为16)????? ??*?????? ? ? ?11111111191 66655416433 232222= 666557.54.5431.42.43222 2?????? ? ?? 如果16变为106？????? ??*?????? ? ??11111111191 666554106433 2322 22=??????? ??666557.154.15431.142.1432222 ·以该值为中心的区域受到较大的影响（变亮）
邻域平均：加权 & 平均 -> 邻域选择（选一个值来代替之）16用4或5代替（看大部分值使多少；看周围变化趋势） 平缓变化，P 点处于中心，周围有大有小，取其中：比较&选择：2 3 3 4 4 5 6 6 1 6 例3 探测边缘 加权平均 or 比较选择 or 其它？ *??????? ? ? 33 333333331111111111???? ??-11=?????? ? ? ?0000022222000000000 3.2 模板卷积 图象f(x,y) N ×N 模板(filter mask, template) T(i, j) m ×m 相关: ∑∑-=-=++= ?=101 ),(),(),(),(m i m j j y i x f j i T y x f T y x g m=3时，)2,2()2,2()1,()1,0(),()0,0(),(++++++=y x f T y x f T y x f T y x g 卷积: ∑∑-=-=--= *=101 ),(),(),(),(m i m j j y i x f j i T y x f T y x g 相当于先把模板沿中心反折，再加权平均 m=3时，)2,2()2,2()1,()1,0(),()0,0(),(--++-+=y x f T y x f T y x f T y x g 为什么用卷积？ （1） 卷积性质 只有卷积满足线性，移不变系统的条件（H 算子，21,G G 图象函数，即G(x,y)） (1) 线性 2121**)(*G bH G aH bG aG H +=+ (2) 移不变 )*()*(G H S SG H kl kl = S kl 表示平均（k, l ） (3) 交换律 1221**H H H H = (4) 分配律 （二次卷积变为一次卷积）G H H G H G H H *)(**2121 +=+ (5) 可分离性（结合律） 若12*H H H =则)*(**12G H H G H = (6) 卷积定理 )()()F H G F H F G *＝ 卷积的付氏变换等于卷积函数付氏变 换的乘积 练习 证明（1）~（5） （3）例),,(101a a H = ),,(102b b H = () ()1110010001a a a a 0 10 2100 *b b b b a a b b H H +→ = () () 1101100001a a a a 0 10 1200 *b b b b b b a a H H +→=
第七章 邻域运算 目录 1. 引言 相关与卷积 2. 平滑 3. 中值滤波 4. 边缘检测 5. 细化 作业 1.引言 邻域运算是指当输出图象中每个象素是由对应的输入象素及其一个邻域内的象素共同决定时的图象运算，通常邻域是远比图象尺寸小的一规则形状，如正方形2x2、3x3、4x4或用来近似表示圆及椭圆等形状的多边形。信号与系统分析中的基本运算相关与卷积，在实际的图象处理中都表现为邻域运算。邻域运算与点运算一起形成了最基本、最重要的图象处理工具。 以围绕模板（filter mask, template ）的相关与卷积运算为例，给定图象f(x,y)大小N×N，模板T(i, j)大小m ×m （m 为奇数），常用的相关运算定义为: 使模板中心T((m-1)/2,(m-1)/2)与f(x,y)对应， ∑∑-=-=--+--+=?=101 )21 ,21(),(),(),(m i m j m j y m i x f j i T y x f T y x g 当m=3时， ) 1,1())2,2(),1()1,2(),1()0,2()1,()2,1(),()1,1()1,()0,1()1,1()2,0(),1()1,0()1,1()0,0(),(+++++++ +++-+ +-+-+--=y x f T y x f T y x f T y x f T y x f T y x f T y x f T y x f T y x f T y x g 卷积运算定义为:
∑∑-=-=-+--+ -=?=101 )2 1 ,21(),(),(),(m i m j m j y m i x f j i T y x f T y x g 当m=3时， ) 1,1())2,2(),1()1,2()1,1()0,2()1,()2,1(),()1,1()1,()0,1()1,1()2,0(),1()1,0()1,1()0,0(),(--+-++-+ -++++ -++++++=y x f T y x f T y x f T y x f T y x f T y x f T y x f T y x f T y x f T y x g 可见，相关运算是将模板当权重矩阵作加权平均，而卷积与相关不同的只是在于需要将模板沿中心反叠（先沿纵轴翻转，再沿横轴翻转；即沿次对角线翻转）后再加权平均。如果模板是对称的，那么相关与卷积运算结果完全相同。实际上常用的模板如平滑模板、边缘检测模板等都是对称的，因而这种邻域运算实际上就是卷积运算，用信号系统分析的观点来说，就是滤波，对应于平滑滤波或称低通滤波、高通滤波等情况。 2.平滑 图象平滑的目的是消除或尽量减少噪声的影响，改善图象质量。在假定加性噪声是随机独立分布的条件下，利用邻域的平均或加权平均可以有效地抑制噪声干扰。图象平滑实际上是低通滤波，让主要是信号的低频部分通过，阻截属于高频部分的噪声信号。显然，在减少随机噪声点影响的同时，由于图象边缘部分也处在高频部分，平滑过程将会导致边缘模糊化。 （1）邻域平均（矩形邻域和圆形邻域） ????? ??=???? ? ??=01011101041111111111913 3c T T ??? ???? ? ????????=??? ? ??? ?????????=01110 1111111111 1111101110 21111111 111111111111111111112515 5 c T T （2）高斯滤波（Gaussian Filters ） 高斯函数即正态分布函数常用作加权函数，二维高斯函数如下：