燕山大学
课程设计说明书
题目：傅里叶变换及图像的频域处理
学院（系）：里仁学院电气工程系
年级专业：生物医学工程10-1班
学号： 101203041007 学生姓名：赵林静
指导教师：孟辉
教师职称：讲师
燕山大学课程设计（论文）任务书
院（系）：里仁学院电气工程系基层教学单位：生物医学工程
说明：此表一式四份，学生、指导教师、基层教学单位、系部各一份。
2013年12 月 5 日
目录
一绪论 (2)
二设计目的 (4)
三设计原理 (4)
3.1傅里叶变换的基本知识 (4)
3.2MATLAB提供的快速傅里叶变换 (6)
3.3简单低通滤波器的设计 (7)
四设计要求 (10)
4.1理想低通滤波器的设计 (11)
4.2理想高通滤波器的设计 (13)
五总结 (17)
六参考文献 (17)
绪论
MATLAB的英文全称Matrix Laboratory(矩阵实验室).一开始它是一种专门用于矩阵数值计算的软件。从这一点可以看出，它在矩阵运算方面有自己的特点。实际上，MA TLAB 中的绝大多数运算都是通过矩阵这一形式完成的。从理论上讲，图像是一种二维的连续函数，然而在计算机上对图像进行数字处理时，首先必须对其在空间和亮度上进行数字化。
图像处理技术的发展大致经历了处创期，发展期，普及期和实用化期4个阶段。初创期开始于20世纪60年代，当时的图像采用像素型光栅进行扫描显示，大多采用中，大型机对其处理。20世纪90年代是图像处理技术的实用化时期，图像处理的信息量巨大，对处理器速度的要求极高。
傅立叶变换是数字信号处理领域一种很重要的算法。要知道傅立叶变换算法的意义，首先要了解傅立叶理的意义。
傅立叶原理表明：任何连续测量的时序或信号，都可以表示为不同频率的正弦波信号的无限叠加。而根据该原理创立的傅立叶变换算法利用直接测量到的原始信号，以累加方式来计算该信号中不同正弦波信号的频率、振幅和相位。和傅立叶变换算
法对应的是反傅立叶变换算法。该反变换从本质上说也是一种累处理，这样就可以将单独改变的正弦波信号转换成一个信号。因此，可以说，傅立叶变换将原来难以处理的时域信号转换成了易于分析的频域信号（信号的频谱），可以利用一些工具对这些频域信号进行处理、加工。最后还可以利用傅立叶反变换将这些频域信号转换成时域信号。从现代数学的眼光来看，傅里叶变换是一种特殊的积分变换。它能将满足一定条件的某个函数表示成正弦基函数的线性组合或者积分。在不同的研究领域，傅里叶变换具有多种不同的变体形式，如连续傅里叶变换和离散傅里叶变换。
傅立叶变换及图像的频域处理
一、设计目的
1、理解离散傅立叶变换的基本原理；
2、掌握应用MATLAB 语言进行FFT 及逆变换的方法；
3、熟悉图像在频域中处理方法，应用MATLAB 语言作简单的低通滤波器。
二、设计原理
1、傅立叶变换的基本知识
在图像处理的广泛应用领域中，傅立叶变换起着非常重要的作用，具体表现在包括图像分析、图像增强及图像压缩等方面。
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：
11
(2/)(2/)00(,)(,)M N j M pm j N qn
m n F p q f m n e e ππ----===∑∑ p=0,1…M-1
q=0,1…N-1 (6.1)
或 1211
1201(,)(,)M N j m j n m n F f m n e e ωωωω----===∑∑ p=0,1…M-1 q=0,1…N-1
（6.2）
离散傅立叶反变换的定义如下：
11(2/)(2/)00
1
(,)(,)M N j M pm
j N qn
p q f m n F p q e
e MN
ππ--===
∑∑m=0,1…M-1
n=0,1…N-1 (6.3)
F （p , q ）称为f （m , n ）的离散傅立叶变换系数。这个式子表明，函数f （m , n ）可以用无数个不同频率的复指数信号和表示，而在频率（w 1，w 2）处的复指数信号的幅度和相位是F （w 1，w 2）。
例如，函数f （m , n ）在一个矩形区域内函数值为1，而在其他区域为0，
如图所示。
了简便起见，假设f （m , n ）为一个连续函数，则f （m , n ）的傅立叶变换的幅度值（即12(,)F ωω）显示为网格图，如图所示。
将傅立叶变换的结果进行可视化的另一种方法是用图像的方式显示变换结果的对数幅值12log (,)F ωω，如图所示。
几种简单函数的傅立叶变换的频谱可以直观的表示为图所示的样子。
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)返回图像I的二维fft变换矩阵，输入图像I和输出图像B大小相同。
例如，计算图像的二维傅立叶变换，并显示其幅值的结果，如图所示，其命令格式如下
load imdemos saturn2
imshow(saturn2)
B = fftshift(fft2(saturn2));
imshow(log(abs(B)), [ ], ‘notruesize’)
（2） fftshift
MATLAB 提供的fftshift 函数用于将变换后的图像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函数用于计算图像的二维傅立叶反变换，其语法格式为：
B = ifftn(I)
B = ifftn(I)返回图像I 的二维傅立叶反变换矩阵，输入图像I 和输出图像B 大小相同。其语法格式含义与fft2函数的语法格式相同，可以参考fft2函数的说明。
3、简单低通滤波器的设计
一个图像经过傅立叶变换后，就从空域变到了频域，因此我们可以用信号处理中对于频域信号的处理方法对一幅图像进行处理。比如对图像进行低通滤波等。
一个二维的理想低通滤波器（ILPF ），它的传递函数由下式确定：
??
?>≤=0
0),(0
),(1
),(D v u D D v u D v u H 若若
（6.4）
式中D0是一个规定的非负的量，称为截止频率，虽然在计算机中必定能够模拟一个锐截止频率的理想低通滤波器，但它们不能用电子元件来实现。实际中比较常用的低通滤波器有：巴特沃思（Butterworth ）滤波器、指数滤波器（ELPF ）、梯形低通滤波器等。
在实验中我们设计一个理想的低通滤波器。
设计理想的低通滤波器由其定义可知只要设计一个与频域图像大小完全
相同的矩阵。在某一个域值内该矩阵的值为1，其余为0即可。
例：若图像的大小为128*128，则可以这样设计一个低通滤波器：H=zeros(128);
H(32:96, 32:96)=1; %此处的范围是人为取定的，可以根据需要更改。
若图像矩阵I的傅立叶变换是B(已经用fftshift将频谱中心移至矩阵的中心)，则对这幅图像做低通滤波，再做傅立叶逆变换命令为
LOWPASS=B.* H; %此处变换后的矩阵为LOWPASS，另注意这儿是矩阵的点乘。
C=ifft2(LOWPASS);
imshow(abs(C))
参考代码实现：
I=imread(‘guzhe.jpg'’); %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;
%归一化
figure; %设定窗口
imshow(A); %显示原图像的频谱
2．理想低通滤波器参考代码实现：
I = imread(' guzhe.jpg'');
[f1,f2] = freqspace(size(I),'meshgrid');
Hd = ones(size(I));
r = sqrt(f1.^2 + f2.^2);
%0.1
Hd(r>0.1) = 0;
Y=fft2(double(I));
Y=fftshift(Y);
Ya=Y.*Hd;¨
Ya=ifftshift(Ya);
Ia01=ifft2(Ya);
%0.2
Hd(r>0.2) = 0; ÷
Y=fft2(double(I));
Y=fftshift(Y);
Ya=Y.*Hd; ¨
Ya=ifftshift(Ya);
Ia02=ifft2(Ya);
%0.5
Hd(r>0.5) = 0;
Y=fft2(double(I));
Y=fftshift(Y);
Ya=Y.*Hd;
Ya=ifftshift(Ya);
Ia05=ifft2(Ya);
subplot(2,2,1),imshow(I),title('原图像') subplot(2,2,2),imshow(uint8(Ia01)),title('r=0.1') subplot(2,2,3),imshow(uint8(Ia02)),title('r=0.2') subplot(2,2,4),imshow(uint8(Ia05)),title('r=0.5')
3. 理想高通滤波器参考代码实现：
I = imread(' guzhe.jpg'');
[f1,f2] = freqspace(size(I),'meshgrid');
Hd = ones(size(I));
r = sqrt(f1.^2 + f2.^2);
%0.1
Hd(r<0.1) = 0;
Y=fft2(double(I));
Y=fftshift(Y);
Ya=Y.*Hd;
Ya=ifftshift(Ya);
Ia01=ifft2(Ya);
%0.2
Hd(r<0.2) = 0;
Y=fft2(double(I));
Y=fftshift(Y);
Ya=Y.*Hd;
Ya=ifftshift(Ya);
Ia02=ifft2(Ya);
%0.5
Hd(r<0.5) = 0;
Y=fft2(double(I));
Y=fftshift(Y);
Ya=Y.*Hd;
Ya=ifftshift(Ya);
Ia05=ifft2(Ya);
subplot(2,2,1),imshow(I),title('原图像')
subplot(2,2,2),imshow(uint8(Ia01)),title('r=0.1')
subplot(2,2,3),imshow(uint8(Ia02)),title('r=0.2')
subplot(2,2,4),imshow(uint8(Ia05)),title('r=0.5')
三、设计要求
1、读取图像guzhe.jpg，显示这幅图像，对图像作傅立叶变换，显示频域
振幅图像。作傅立叶逆变换，显示图像，看是否与原图像相同。
A=imread(' guzhe.jpg');
subplot(1,3,1),imshow(A);title('原图像');
A=rgb2gray(A);
B=fftshift(fft2(A));
subplot(1,3,2),imshow(log(abs(B)), [ ], 'notruesize');title('二维傅立叶变换');
C= ifft2(B);
subplot(1,3,3),imshow(log(abs(C)), [ ], 'notruesize');title('逆变换后图像');
2、设计一个简单的理想低通滤波器（截止频率自选），对图像作频域低通
滤波，再作反变换，观察不同的截止频率下反变换后的图像与原图像的区别。
A=imread(' guzhe.jpg ');
subplot(3,2,1),imshow(A);title('原图像');
A=rgb2gray(A);
B=fftshift(fft2(A));
E= ifft2(B);
subplot(3,2,2),imshow(log(abs(E)), [ ], 'notruesize');title('未滤波的逆变换图像');
[X,MAP]=imread(' guzhe.jpg ');
[m,n]=size(X);
H1=zeros(m,n);
H1(m/2:m, n/2:n)=1;
LOWPASS1=B’.* H1;
C=ifft2(LOWPASS1);
subplot(3,2,3),imshow(log(abs(LOWPASS1)), [ ], 'notruesize');title('低通1');
subplot(3,2,4),imshow(log(abs(C)), [ ], 'notruesize');title('低通1逆变换图像');
H2=zeros(m,n);
H2(m/10:m, n/10:n)=1;
LOWPASS2=B’.* H2;
D=ifft2(LOWPASS2);
subplot(3,2,5),imshow(log(abs(LOWPASS2)), [ ], 'notruesize');title('低通2');
subplot(3,2,6),imshow(log(abs(D)), [ ], 'notruesize');title('低通2逆变换图像');
3、设计一个简单的理想高通滤波器（截止频率自选），对图像作频域高通
滤波，再作反变换，观察不同的截止频率下反变换后的图像与原图像的区别。
A=imread(' guzhe.jpg ');
subplot(3,2,1),imshow(A);title('原图像');
A=rgb2gray(A);
B=fftshift(fft2(A));
E= ifft2(B);
subplot(3,2,2),imshow(log(abs(E)), [ ], 'notruesize');title('未滤波的逆变换图像');
[X,MAP]=imread(' guzhe.jpg ');
[m,n]=size(X);
H1=ones(m,n);
H1(m/3:m*2/3, n/3:n*2/3)=0;
LOWPASS1=B’.* H1;
C=ifft2(LOWPASS1);
subplot(3,2,3),imshow(log(abs(LOWPASS1)), [ ], 'notruesize');title('高通1');
subplot(3,2,4),imshow(log(abs(C)), [ ], 'notruesize');title('高通1逆变换图像');
H2=ones(m,n);
H2(m*3/5:m, n*3/5:n)=0;
LOWPASS2=B’.* H2;
D=ifft2(LOWPASS2);
subplot(3,2,5),imshow(log(abs(LOWPASS2)), [ ], 'notruesize');title('高通2');
subplot(3,2,6),imshow(log(abs(D)), [ ], 'notruesize');title('高通2逆变换图像');
4、对一幅图像作傅立叶变换，显示一幅频域图像的振幅分布图和相位分
布图，分别对振幅分布和相位分布作傅立叶逆变换，观察两幅逆变换后的图像，体会频域图像中振幅与位相的作用。
I=imread(' guzhe.jpg ');
A=fftshift(fft2(I));
A1=angle(A);
B=ifft2(A);
B1=ifft2(A1);
C=ifft2(abs(A));
figure;
subplot(2,3,1),imshow(I);title('原图像');
subplot(2,3,2),imshow(A1,[],'notruesize');title('相位谱');
subplot(2,3,3),imshow(log(abs(A)),[],'notruesize');title('傅立叶振
幅频谱');
subplot(2,3,4),imshow(log(abs(B)),[],'notruesize');title('直接图像逆变换');
subplot(2,3,5),imshow(log(abs(B1)),[],'notruesize');title('相位逆变换');
subplot(2,3,6),imshow(log(abs(C)),[],'notruesize');title('傅立叶振幅逆变换');
5、设计一个其它类型（如巴特沃思、指数等）的低通滤波器，对图像作
频域低通滤波，比较这一滤波器和理想滤波器滤波结果的差异。
频域低通滤波：
I=imread(' guzhe.jpg ');
I=rgb2gray(I);
A=fftshift(fft2(I));
d0=100;
N=8;
[m,n]=size(A);
h=zeros(m,n);
[a,b]=size(I);
H=zeros(a,b);
H(a/4:3*a/4,b/4:3*b/4)=1;
for i=1:m
for j=1:n
d(i,j)=sqrt(i^2+j^2);
h(i,j)=1/(1+(d(i,j)/d0)^(2*N));
end
end
low1=A.*H;
B=ifft2(low1);
low2=A.*h;
C=ifft2(low2);
figure;
subplot(2,3,4),imshow(I);title('原图像');
subplot(2,3,2),imshow(log(abs(low1)),[],'notruesize');title('理想低通滤波频谱');
subplot(2,3,3),imshow(log(abs(low2)),[],'notruesize');title('巴特沃思低通滤波频谱');
subplot(2,3,1),imshow(log(abs(A)),[],'notruesize');title('傅立叶振幅频谱');
subplot(2,3,5),imshow(uint8(abs(B)),[],'notruesize');title('理想低通滤波后图像');
subplot(2,3,6),imshow(uint8(abs(C)),[],'notruesize');title('巴特沃思低通滤波后图像');
四．总结
这次课程设计，我们使用了MATLAB进行频域低通滤波，对图像进行傅里叶变换，通过设计，我们学会了实现图像的傅里叶变换，同时也在频域中实现了低通滤波。在设计过程中，我们熟悉了各个模块的作用，了解它的基本职能以及操作，为今后的学习打下了基础。
五．参考文献
MATLAB数据库论坛
张德峰，《MATLAB数字图像处理》，机械工业出版社。2009,1
罗述谦，周国宏图像处理与分析北京，科学出版社，2003
燕山大学课程设计评审意见表
谢谢观赏 数字图像处理试验报告 实验二：数字图像的空间滤波和频域滤波 姓名：XX学号：2XXXXXXX 实验日期：2017 年4 月26 日 1.实验目的 1. 掌握图像滤波的基本定义及目的。 2. 理解空间域滤波的基本原理及方法。 3. 掌握进行图像的空域滤波的方法。 4. 掌握傅立叶变换及逆变换的基本原理方法。 5. 理解频域滤波的基本原理及方法。 6. 掌握进行图像的频域滤波的方法。 2.实验内容与要求 1. 平滑空间滤波： 1) 读出一幅图像，给这幅图像分别加入椒盐噪声和高斯噪声后并与前一张图显示在同一 图像窗口中。 2) 对加入噪声图像选用不同的平滑（低通）模板做运算，对比不同模板所形成的效果，要 求在同一窗口中显示。 3) 使用函数 imfilter 时，分别采用不同的填充方法（或边界选项，如零填 充、’replicate’、’symmetric’、’circular’）进行低通滤波，显示处理后的图 像。 4) 运用 for 循环，将加有椒盐噪声的图像进行 10 次，20 次均值滤波，查看其特点, 显 示均值处理后的图像（提示:利用fspecial 函数的’average’类型生成均值滤波器）。 5) 对加入椒盐噪声的图像分别采用均值滤波法，和中值滤波法对有噪声的图像做处理，要 求在同一窗口中显示结果。 6) 自己设计平滑空间滤波器，并将其对噪声图像进行处理，显示处理后的图像。 2. 锐化空间滤波 1) 读出一幅图像，采用3×3 的拉普拉斯算子 w = [ 1, 1, 1; 1 – 8 1; 1, 1, 1] 对其进行滤波。 2) 编写函数w = genlaplacian(n)，自动产生任一奇数尺寸n 的拉普拉斯算子，如5 ×5的拉普拉斯算子 w = [ 1 1 1 1 1 1 1 1 1 1 1 1 -24 1 1 1 1 1 1 1 1 1 1 1 1] 3) 分别采用5×5，9×9，15×15和25×25大小的拉普拉斯算子对blurry_moon.tif 谢谢观赏
傅里叶变换图像压缩
————————————————————————————————作者：————————————————————————————————日期：
ＤSP实验进度汇报 组员：汪张扬、任艳波、陈雪松、谢聪、沈旭 任务分配：汪张扬由于考Ｇ,上周没有任务,沈旭负责自制二值图像的处理，陈雪松和谢聪负责其他图片的处理,任艳波负责搜集图像压缩评价的相关材料 以下为简要概括: 读入图像进行傅里叶变换和压缩 原始程序： a=imreａd(＇d:\１.jpｇ');b=figｕre;ｉｍshow（ａ);tiｔle（'原始图像'); F=fft2(ａ）; F_mｍ＝abs(Ｆ);fiｇｕrｅ；imshow(F）;tｉtle('原始幅度谱'）； Fshift＝fftｓｈiｆt（F）； Ｆ_m=abs(Fshiｆt);ｆｉguｒe;ｉｍshow(F_ｍ);ｔitle('幅度谱'); F_p＝ａnｇle(Fｓhｉfｔ);ｆｉguｒe;imshow（Ｆ_p）;title(＇相位谱＇）； Ｔ=＠fft2; B1=blkproc（a,[8 ８]，Ｔ);%将图像分块为８×8矩阵进行处理 fｉguｒe; imshｏw(ａ); ｔiｔle(＇原始图像')； mask=[１０0 ００0 00 0 10 0 0 0 0 0 ０0 1 ００0 0 ０ ０0 0 1 ００0 0 ００0 0 ０００0 0 0０0 0 1 0 0 0 0 0 000 1 0 ０0 0 0 ０0 ０1];％与该矩阵相乘去掉中间行,即高频部分 B2＝ｂlkproc(B1,[88］,'P1*x',mask)； fun=@ｉfft２； F3=blkproc(Ｂ2,[88],fun)； F＝mａt2graｙ(F３); fｉgure; iｍshow(F); ｔitｌe('压缩87．５%的图像'); 刚开始的原始图像:
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。
傅里叶变换在图像处理中的作用 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；而对于地表属性变换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。傅立叶变换在实际中有非常明显的物理意义，设f是一个能量有限的模拟信号，则其傅立叶变换就表示f的谱。从纯粹的数学意义上看，傅立叶变换是将一个函数转换为一系列周期函数来处理的。从物理效果看，傅立叶变换是将图像从空间域转换到频率域，其逆变换是将图像从频率域转换到空间域。换句话说，傅立叶变换的物理意义是将图像的灰度分布函数变换为图像的频率分布函数，傅立叶逆变换是将图像的频率分布函数变换为灰度分布函数 傅立叶变换以前，图像（未压缩的位图）是由对在连续空间（现实空间）上的采样得到一系列点的集合，我们习惯用一个二维矩阵表示空间上各点，则图像可由z=f(x,y)来表示。由于空间是三维的，图像是二维的，因此空间中物体在另一个维度上的关系就由梯度来表示，这样我们可以通过观察图像得知物体在三维空间中的对应关系。为什么要提梯度？因为实际上对图像进行二维傅立叶变换得到频谱图，就是图像梯度的分布图，当然频谱图上的各点与图像上各点并不存在一一对应的关系，即使在不移频的情况下也是没有。傅立叶频谱图上我们看到的明暗不一的亮点，实际上图像上某一点与邻域点差异的强弱，即梯度的大小，也即该点的频率的大小（可以这么理解，图像中的低频部分指低梯度的点，高频部分相反）。一般来讲，梯度大则该点的亮度强，否则该点亮度弱。这样通过观察傅立叶变换后的频谱图，也叫功率图，我们首先就可以看出，图像的能量分布，如果频谱图中暗的点数更多，那么实际图像是比较柔和的（因为各点与邻域差异都不大，梯度相对较小），反之，如果频谱图中亮的点数多，那么实际图像一定是尖锐的，边界分明且边界两边像素差异较大的。对频谱移频到原点以后，可以看出图像的频率分布是以原点为圆心，对称分布的。将频谱移频到圆心除了可以清晰地看出图像频率分布以外，还有一个好处，它可以分离出有周期性规律的干扰信号，比如正弦干扰，一副带有正弦干扰，移频到原点的频谱图上可以看出除了中心以外还存在以某一点为中心，对称分布的亮点集合，这个集合就是干扰噪音产生的，这时可以很直观的通过在该位置放置带阻滤波器消除干扰 注： 1、图像经过二维傅立叶变换后，其变换系数矩阵表明： 若变换矩阵Fn原点设在中心，其频谱能量集中分布在变换系数短阵的中心附近(图中阴影区)。若所用的二维傅立叶变换矩阵Fn的原点设在左上角，那么图像信号能量将集中在系数矩阵的四个角上。这是由二维傅立叶变换本身性质决定的。同时也表明一股图像能量集中低频区域。 2 、变换之后的图像在原点平移之前四角是低频，最亮，平移之后中间部分是低频，最亮，亮度大说明低频的能量大（幅角比较大） 傅立叶变换在图像处理中有非常非常的作用。因为不仅傅立叶分析涉及图像处理的很多方面，傅立叶的改进算法， 比如离散余弦变换，gabor与小波在图像处理中也有重要的分量。 印象中，傅立叶变换在图像处理以下几个话题都有重要作用： 1.图像增强与图像去噪 绝大部分噪音都是图像的高频分量，通过低通滤波器来滤除高频——噪声; 边缘也是图像的高频分量，可以通过添加高频分量来增强原始图像的边缘； 2.图像分割之边缘检测 提取图像高频分量
Matlab数字图像处理实验指导 实验目的： 通过实验，深入理解和掌握图像处理的基本技术，提高动手实践能力。 实验环境： Matlab变成 实验一图像的几何变换 实验内容：设计一个程序，能够实现图像的各种几何变换。 实验要求：读入图像，打开图像，实现图像的平移变换、比例缩放、转置变换、镜像变换、旋转变换等操作。 实验原理： 图像几何变换又称为图像空间变换，它将一幅图像中的坐标位置映射到另一幅图像中的新坐标位置。学习几何变换的关键就是要确定这种空间映射关系，以及映射过程中的变化参数。 几何变换不改变图像的像素值，只是在图像平面上进行像素的重新安排。一个几何变换需要两部分运算：首先是空间变换所需的运算，如平移、镜像和旋转等，需要用它来表示输出图像与输入图像之间的（像素）映射关系；此外，还需要使用灰度插值算法，因为按照这种变换关系进行计算，输出图像的像素可能被映射到输入图像的非整数坐标上。 设原图像f(x0,y0)经过几何变换产生的目标图像为g(x1,y1),则该空间变换（映射）关系可表示为： x1=s(x0,y0) y1=t(x0,y0) 其中，s(x0,y0)和t(x0,y0)为由f(x0,y0)到g(x1,y1)的坐标换变换函数。 一、图像平移 图像平移就是将图像中所有的点按照指定的平移量水平或者垂直移动。
二、图像镜像 镜像变换又分为水平镜像和垂直镜像。水平镜像即将图像左半部分和右半部分以图像竖直中轴线为中心轴进行对换；而竖直镜像则是将图像上半部分和下半部分以图像水平中轴线为中心轴进行对换。 三、图像转置 图像转置是将图像像素的x坐标和y坐标呼唤。图像的大小会随之改变——高度和宽度将呼唤。
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
可见照片上面有着很有规律的条纹。那么其FFT频谱图上面就会有非常规则的点。这些点就是条纹在频域空间的对应。 如果擦掉这些点，做一次FFT反变换，那么就能够很好地恢复原图像。但是，不可避免的，图像变得有点模糊了 一般而言，高频率留下的是图像细节。低频率留下的是图像整体。
通过滤波永远只会使图像失去更多的信息，而不是增加细节。
计算机科学学院技术交流与讲座活动(学院会议室一教12楼)主要议题为： 1 物联网场景化应用技术，广州杰赛科技股份有限公司总工程师，傅仁轩研究员。 傅仁轩，1967年11月生，中国电子科技集团第七研究所，高级专家；广东省物联网协会专家；广东省安全技术防范协会专家委，广东省国防军工专家，广州市海珠区专业技术拔尖人才。主持科技部、省级重大重点项目40余项，获得中国电子集团科学技术奖等多项，主要从事信息处理，物联网应用的研究与开发工作。 2 生物识别技术在智能小区管理系统的应用，佛山科学技术学院教授级高工蒋业文。 蒋业文，1964年9月出生，美国Drexel大学生物医学工程学院访问学者，曾任中外合资佛山寰球通信器材有限公司总工程师、副总经理，兼职担任佛山市星光楼宇设备有限公司总工程师，现任佛山科学技术学院电子信息工程学院教授级高级工程师，硕士生导师。多年来从事嵌入式系统设计、数字图像处理、智能小区与安防技术等方面的研究和应用，主持开发的生物识别智能小区管理系统等多项电子产品获得了广泛的市场认可。主持完成10余项省级重大项目，其中的技术成果获国际先进水平和国内领先水平评价，并获得广东省科学技术奖励2项，佛山市科学技术奖励2项。 3 活动地点：计算机科学学院会议室。 时间：2017年10月20日本周五下午4:00-5：30.
数字图像的傅里叶变换 一. 课程设计目的 （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的方法反应用 （4）通过本实验掌握利用MATLAB编程实现数字图像的傅里叶变换 二.课程设计要求 （1）熟悉并掌握傅立叶变换 （2）了解傅立叶变换在图像处理中的应用 （3）通过实验了解二维频谱的分布特点 （4）用MATLAB实现傅立叶变换仿真 三.设计思路 1.相关知识原理 （1）应用傅里叶变换进行数字图像处理 数字图像处理（digital image processing）是用计算机对图像信息进行处理的一门技术，使利用计算机对图像进行各种处理的技术和方法。 20世纪20年代，图像处理首次得到应用。20世纪60年代中期，随电子计算机的发展得到普遍应用。60年代末，图像处理技术不断完善，逐渐成为一个新兴的学科。利用数字图像处理主要是为了修改图形，改善图像质量，或是从图像中提起有效信息，还有利用数字图像处理可以对图像进行体积压缩，便于传输和保存。数字图像处理主要研究以下内容：傅立叶变换、小波变换等各种图像变换；对图像进行编码和压缩；采用各种方法对图像进行复原和增强；对图像进行分割、描述和识别等。随着技术的发展，数字图像处理主要应用于通讯技术、宇宙探索遥感技术和生物工程等领域。 傅里叶变换在数字图像处理中广泛用于频谱分析，傅里叶变换是线性系统分析的一个有力工具，它使我们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，噪声，显示点等地作用（效应）。傅里叶变换（FT）是数字图像处理技术的基础，其通过在时空域和频率域来回切换图像，对图像的信息特
第1章绪论 MATLAB是由美国mathworks公司发布的主要面对科学计算、可视化以及交互式程序设计的高科技计算环境。它将数值分析、矩阵计算、科学数据可视化以及非线性动态系统的建模和仿真等诸多强大功能集成在一个易于使用的视窗环境中，为科学研究、工程设计以及必须进行有效数值计算的众多科学领域提供了一种全面的解决方案，并在很大程度上摆脱了传统非交互式程序设计语言（如C、Fortran）的编辑模式，代表了当今国际科学计算软件的先进水平。 MATLAB和Mathematica、Maple并称为三大数学软件。它在数学类科技应用软件中在数值计算方面首屈一指。MATLAB可以进行矩阵运算、绘制函数和数据、实现算法、创建用户界面、连matlab开发工作界面接其他编程语言的程序等，主要应用于工程计算、控制设计、信号处理与通讯、图像处理、信号检测、金融建模设计与分析等领域。 MATLAB的基本数据单位是矩阵，它的指令表达式与数学、工程中常用的形式十分相似，故用MATLAB来解算问题要比用C，FORTRAN等语言完成相同的事情简捷得多，并且MATLAB也吸收了像Maple等软件的优点，使MATLAB 成为一个强大的数学软件。在新的版本中也加入了对C，FORTRAN，C++，JA V A 的支持。可以直接调用,用户也可以将自己编写的实用程序导入到MATLAB函数库中方便自己以后调用，此外许多的MATLAB爱好者都编写了一些经典的程序，用户可以直接进行下载就可以用。
第2章数字图像处理的相关知识 2.1图像频域增强原理 图像增强是指按特定的需要突出一幅图像中的某些信息，同时，消弱或去除某些不需要的信息的处理方法。其主要目的是处理后的图像对某些特定的应用比原来的图像更加有效。 图像增强的方法分为空域法和频域法两类，空域法主要是对图像中的各个像素点进行操作；而频域法是在图像的某个变换域内，对图像进行操作，修改变换后的系数，例如傅立叶变换、DCT变换等的系数，然后再进行反变换得到处理后的图像。 卷积理论是频域技术的基础。设函数f(x,y)与线性位不变算子h(x,y)的卷积结果是g(x,y),即g(x,y)=h(x,y)*f(x,y),那么根据卷积定理在频域有： G(u,v)=H(u,v)F(u,v) （2.1）其中G(u,v),H(u,v),F(u,v)分别是g(x,y),h(x,y),f(x,y)的傅立叶变换。用线性系统理论的话来说，H(u,v)是转移函数。 在具体的增强应用中，f(x,y)是给定的（所以F(u,v)可利用变换得到），需要确定的是H(u,v)，这样具有所需特性的g(x,y)就可由式（1）算出G(u,v)而得到：g(x,y)=F-1[H(u,v)F(u,v)] （2.2） 2.2实现步骤 根据以上讨论，在频率域中进行增强是相当直观的，其主要步骤有： （1）计算需增强图的傅立叶变换； （2）将其与1个（根据需要设计的）转移函数相乘； （3）再将结果傅立叶反变换以得到增强的图。 频域增强的两个关键步骤： （1）将图像从空域转换到频域所需的变换及将图像从频域空间转换回空域所需的变换. （2）在频域空间对图像进行增强加工操作
实验五图像的傅立叶变换和边缘提取 兰州大学信息学院 0级通信工程一班赵军伟 第一部分图像的傅立叶变换 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. 熟练掌握FFT的方法及应用； 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MATLAB编程实现数字图像的傅立叶变换。 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。b5E2RGbCAP 2．傅立叶 对于二维信号，二维Fourier变换定义为： 二维离散傅立叶变换为： 三、实验步骤 1.打开计算机，安装和启动MATLAB程序；程序组中“work”文件夹中应有待处理的图像文件； 2.利用MatLab工具箱中的函数编制FFT频谱显示的函数。 3. a>调入、显示三张不同的图像； b>对这三幅图像做FFT并利用自编的函数显示其频谱。 c>讨论不同的图像内容与FFT频谱之间的对应关系。 4．记录和整理实验报告。 四、实验仪器 1计算机， MATLAB软件； 3移动式存储器<软盘、U盘等）。 4记录用的笔、纸。 五、实验结果及程序 1.程序 I1=imread('F:\MATLAB学习\实验\picture\LENA.TIF'>。 %读入原图像文件p1EanqFDPw I2=imread('F:\MATLAB学习\实验\picture\cell.tif'>。 %读入原图像文件DXDiTa9E3d I3=imread('cameraman.tif'>。 %读入原图像文件 subplot(3,2,1>。imshow(I1>。 %显示原图像 fftI1=fft2(I1>。 %二维离散傅立叶变换sfftI1=fftshift(fftI1>。 %直流分量移到频谱中心 RR1=real(sfftI1>。 %取傅立叶变换的实部II1=imag(sfftI1>。 %取傅立叶变换的虚部A1=sqrt(RR1.^2+II1.^2>。 %计算频谱幅值 A1=(A1-min(min(A1>>>/(max(max(A1>>-min(min(A1>>>*225。%归一化RTCrpUDGiT subplot(3,2,2>。imshow(A1>。 %显示原图像的频谱 subplot(3,2,3>。imshow(I2>。 %显示原图像 fftI2=fft2(I2>。 %二维离散傅立叶变换sfftI2=fftshift(fftI2>。 %直流分量移到频谱中心RR2=real(sfftI2>。 %取傅立叶变换的实部II2=imag(sfftI2>。 %取傅立叶变换的虚部A2=sqrt(RR2.^2+II2.^2>。 %计算频谱幅值 数字图像处理结课作业 --数字图像频域增强方法 及在matlab中的实现 学生姓名： 学号： 学院：理学院 班级：电科班 指导教师： 摘要:图像增强的目的是使处理后的图像更适合于具体的应用，即指按一定的需要突出一幅图像中的某些信息，同时削弱或去除某些不需要的信息，使之改善图像质量，加强图像判读和识别效果的处理技术。从总体上可以分为两大类:空域增强和频域增强。频域处理时将原定义空间中的图像以某种形式转换到其他空间中，利用该空间的特有性质方便的进行图像处理。而空域增强是在图像空间中借助模板对图像进行领域操作，处理图像每一个像素的取值都是根据模板对输入像素相应领域内的像素值进行计算得到的。空域滤波基本上是让图像在频域空间内某个范围的分量受到抑制，同时保证其他分量不变，从而改变输出图像的频率分布，达到增强图像的目的。本文主要从空域展开图像增强技术，重点阐明数字图像增强处理的基本方法，介绍几种空域图像增强方法。 关键词：图像增强 MATLAB 空域增强锐化空间滤波平滑空间滤波 目录： 1、何为数字图像处理及MATLAB的历史 2、空间域图像增强技术研究的目的和意义 3、空间域的增强 3.1 背景知识 3.2 空间域滤波和频域滤波之间的对应关系 3.3 锐化滤波 3.4 平滑滤波 4、结论 1、何为数字图像处理及MATLAB的历史 数字图像处理（digital image processing）,就是利用数字计算机或者其他数字硬件,对从图像信息转换而得到的电信号进行某些数学运算,以提高图像的实用性。例如从卫星图片中提取目标物的特征参数,三维立体断层图像的重建等。总的来说,数字图像处理包括运算、几何处理、图像增强、图像复原、图像形态学处理、图像编码、图像重建、模式识别等。目前数字图像处理的应用越来越广泛,已经渗透到工业、医疗保健、航空航天、军事等各个领域,在国民经济中发挥越来越大的作用。 MATLAB是由美国Math Works公司推出的软件产品。MATLAB是“Matric Laboratory”的缩写,意及“矩阵实验室”。MATLAB是一完整的并可扩展的计算机环境,是一种进行科学和工程计算的交互式程序语言。它的基本数据单元是不需要指定维数的矩阵,它可直接用于表达数学的算式和技术概念,而普通的高级语言只能对一个个具体的数据单元进行操作。它还是一种有利的教学工具,它在大学的线性代数课程以及其它领域的高一级课程的教学中,已成为标准的教学工具。 实验四 图像的傅立叶变换与频域滤波 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熟练掌握FFT 方法的应用； 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MATLAB 编程实现数字图像的傅立叶变换。 6、掌握怎样利用傅立叶变换进行频域滤波 7、掌握频域滤波的概念及方法 8、熟练掌握频域空间的各类滤波器 9、利用MATLAB 程序进行频域滤波 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 : ??∞ ∞ -+-==dxdy e y x f v u F y x f F vy ux j )(2),(),()},({π 二维离散傅立叶变换为： ∑ ∑-=+--== 1 ) (21 1),(),(N y N y u M x u j M x MN e y x f v u F 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MATLAB 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; %归一化 figure; %设定窗口 imshow(A); %显示原图像的频谱 域滤波分为低通滤波和高通滤波两类，对应的滤波器分别为低通滤波器和高通滤波器。频域低通过滤的基本思想： G(u,v)=F(u,v)H(u,v) F(u,v)是需要钝化图像的傅立叶变换形式，H(u,v)是选取的一个低通过滤器 图像傅里叶变换 冈萨雷斯版<图像处理>里面的解释非常形象：一个恰当的比喻是将傅里叶变换比作一个玻璃棱镜。棱镜是可以将光分解为不同颜色的物理仪器，每个成分的颜色由波长（或频率）来决定。傅里叶变换可以看作是数学上的棱镜，将函数基于频率分解为不同的成分。当我们考虑光时,讨论它的光谱或频率谱。同样, 傅立叶变换使我们能通过频率成分来分析一个函数。 Fourier theory讲的就是：任何信号（如图像信号）都可以表示成一系列正弦信号的叠加，在图像领域就是将图像brightness variation 作为正弦变量。比如下图的正弦模式可在单傅里叶中由三个分量编码：频率f、幅值A、相位γ这 三个value可以描述正弦图像中的所有信息。1.frequency frequency在空间域上可由亮度调节，例如左图的frequency比右图的frequency 低…… 2.幅值magnitude（amplitude）sin函数的幅值用于描述对比度，或者说是图像中最明和最暗的峰值之间的差。（一个负幅值表示一个对比逆转，即明暗交换。） 3.相位表示相对于原始波形，这个波形的偏移量（左or右）。=================================================================一个傅里叶变换编码是一系列正弦曲线的编码，他们的频率从0开始（即没有调整，相位为0，平均亮度处），到尼奎斯特频率（即数字图像中可被编码的最高频率，它和像素大小、resolution有关）。傅里叶变换同时将图像中所有频率进行编码：一个只包含一个频率f1的信号在频谱上横坐标f为f1的点处绘制一个单峰值，峰值高度等于对应的振幅amplitude，或者正弦曲线信号的高度。如下图所示。 实验报告 实验名称图像变换及频域滤波课程名称数字图像处理 姓名成绩 班级学号 日期地点 实验一 图像变换及频域滤波 一.实验目的 （1）编写快速傅里叶变换算法程序，验证二维傅里叶变换的平移性和旋转不变。； （2）实现图像频域滤波，加深对频域图像增强的理解。 二.实验环境及开发工具 Windws XP 、MATALAB7.0、Visual C++、Visual Basic 三．实验方法 1．验证二维傅里叶变换的平移性和旋转不变性； a ．要验证证其平移特性,就先建立一个二维图象,然后再对其平移,通过观察两者的频谱图来观察平移特性,为了方便起见,我们选择特殊情况来分析,令u0=v0=N/2,使),()1(),(12y x f y x f y x +-= F(u-N/2,v-N/2),达到将原始F(U,V)四周频谱移到中心的效果,及达到频谱中心化。 b ．验证旋转不变性可以通过将原始数组的通过移动45度,然后再比较旋转后与旋转前的频谱,得出频谱旋转不变性的结论。 具体步骤： 1）产生如图1所示图像),(1y x f （128×128大小，暗处=0，亮处=255） 2）同屏显示原图1f 和)(FFT 1f 的幅度谱图。 3）若令),()1(),(12y x f y x f y x +-=，重复以上过程，比较二者幅度谱的异同。 4）将),(2y x f 顺时针旋转45度得到),(3y x f ，显示)(FFT 3f 的幅度谱，并与 )(FFT 2f 的幅度谱进行比较。 图1实验图象f 1(x , y ) 2.实现图像频域滤波，加深对频域图像增强的理解。频率域中进行增强是相当直观的,主要步骤有: 1）计算需要增强的图象的傅立叶变换; 2）将其与一个(根据需要设计的)转移的函数相乘; 3）再将结果反傅立叶变换以得到增强的图象. 为了直观的展示频域增强,可以通过下面任务来展现: 对如图2所示的数字图像lena.img （256×256大小、256级灰度）进行频域的理想低通、高通滤波，同屏显示原图、幅度谱图和低通、高通滤波的结果图。 四.实验分析 1．验证二维傅里叶变换的平移性和旋转不变性 1）建立一个二维数组并要求该数组能够显示成图1. a=zeros(128,128) for y=54:74 for x=34:94 a(x,y)=1; end end 然后再用显示图象的函数显示即可, 在此我们用imshow(a)语句。 为了得到幅度谱图,可以地数组a 进行快速傅立叶变换,然后再用 图2 实验图象 lena.img 中国地质大学（武汉） 数字图像处理上机实习 （第三专题） 学生姓名： 班级： 学号： 指导老师： 实验内容 一图计算图象的傅氏变换频谱函数 要求（1-6）：设计图象f6(x,y) 为3*30*30/256*256，居中垂直排列，选用Matlab函数直接调用实现，重点观察空域图象和频域频谱的对应关系； 补充完成：设计120*30/256*256，观察空域图象和频域频谱的对应关系。 1.算法设计 2.程序代码 %观察空域图象和频域频谱的对应关系 %设计图象f6(x,y) 为3*30*30/256*256 f=zeros(256,256); f([30:60],[113:143])=1; f([90:120],[113:143])=1; f([150:180],[113:143])=1; subplot(221);imshow(f); % 设计图象f2(x,y)为120*30/256*256,并作fft变换 f2 = zeros(256,256); f2(114:143,69:188) = ones(30,120); subplot(223);imshow(f2); %二维傅里叶变换 F=fft2(f); F2 = fft2(f2); %绘制fft图 subplot(222);imshow(fftshift(log(abs(F)))); %title('频谱图') subplot(224);imshow(fftshift(log(abs(F2)))); %title('频谱图（量化）') figure subplot(121);mesh(fftshift(abs(F))); subplot(122);mesh(fftshift(abs(F2))); 3.结果分析 （1）空域图象和频域频谱对比 （2）频谱图（量化）对比 二计算显示图象的频谱函数 要求（2-6）：对f6(x,y)的离散余弦变换，显示其频谱函数 补充完成：实现离散傅立叶变换、离散余弦变换、Walsh变换和Hadamard变换，比较四种变换所得到的频谱。 1.程序代码 clc; clear; f=zeros(256,256); f([30:60],[113:143])=1; 傅里叶变换及其在数字图像处理中的应用 王家硕 学号：1252015 一、 Fourier 变换 1. 一维连续傅里叶变换 设 f (x)为x 的实变函数，如果f (x)满足下面的狄里赫莱条件： （1）具有有限个间隔点。 （2）具有有限个极点。 （3）绝对可积。 则 f (x )的傅里叶变换（Fourier Transformation ，FT ）定义为: Fourier 正变换：dt e t f t f f F t j ? +∞ ∞ --==ωω)()]([)(； Fourier 逆变换：ωωπ ωd e f t F f t f t j ? ∞ +∞ ---= =)(21)]([)(1 ， 式中：1-= j ，ω 为频域变量。 f (x )与F (w )构成傅里叶变换对，可以证明傅里叶变换对总是存在的。由于f (x )为实函数，则它的傅里叶变换F (w )通常是复函数，于是F (w )可写成 F (w ) = R (w ) + j I (w ) (1) 式中：R (w )和I (w )分别是F (w )的实部和虚部。公式1可表示为指数形式： 式中： F (w ) 为f (x )的傅里叶幅度谱，f (w )为f (x )的相位谱。 2. 二维连续傅里叶变换 如果二维函数f (x , y )是连续可积的，即∞ 图像的傅立叶变换数字图像处理实验报告 ————————————————————————————————作者：————————————————————————————————日期： 计算机与信息工程学院验证性实验报告 专业：通信工程 年级/班级：2011级 2013—2014学年第一学期 课程名称 数字图像处理 指导教师 段新涛 本组成员 学号姓名 实验地点 计科楼111 实验时间 周五5-6节 项目名称 图像的傅立叶变换 实验类型 验证性 一、实验目的 1了解图像变换的意义和手段； 2熟悉傅立叶变换的基本性质； 3熟练掌握FFT 变换方法及应用； 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MATLAB 编程实现数字图像的傅立叶变换。 6评价人眼对图像幅频特性和相频特性的敏感度。 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： 2()(,)(,)j ux uy F u v f x y e dxdy π∞∞ -+-∞-∞= ?? 逆变换： 2()(,)(,)j ux uy f x y F u v e dudv π∞∞ +-∞-∞= ?? 二维离散傅立叶变换为： 112()00 1(,)(,)i k N N j m n N N i k F m n f i k e N π---+===∑∑ 逆变换： 112()001(,)(,)i k N N j m n N N m n f i k F m n e N π--+===∑∑ 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 +==? 傅立叶变换在图像处理中的作用 摘要：本文首先简述了傅立叶变换的原理及应用领域，介绍了傅立叶变换在数字图象处理中的重要地位和应用,分析了其变换的数学原理和方法，特别着重的是二维傅立叶变换和FFT(快速傅立叶变换)的原理，然后介绍了Matlab 软件，分析了Matlab 的好处，及其在数字图像处理和傅立叶变换计算上的使用，编出程序实现了其变换功能，给出了应用于图象压缩和图像去噪的实例。 关键词： 图象处理 傅立叶变换 Matlab 正文 傅里叶变换是将时域信号分解为不同频率的正弦信号或余弦函数叠加之和。傅立叶变换是数字图像处理技术的基础，其通过在时空域和频率域来回切换图像，对图像的信息特征进行提取和分析，简化了计算工作量，被喻为描述图像信息的第二种语言，广泛应用于图像变换，图像编码与压缩，图像分割，图像重建等。因此，对涉及数字图像处理的工作者，深入研究和掌握傅立叶变换及其扩展形式的特性，是很有价值得。把傅立叶变换的理论通其物理解释相结合，将有助于解决大多数图像处理问题。傅里叶变换可分为连续傅里叶变换、离散傅里叶变换、快速傅里叶变换。 3.1.1 连续傅里叶变换 函数f(x)的傅里叶变换存在的条件是满足狄里赫莱条件，即： 1）具有有限个间断点； 2）具有有限个极值点； 3）绝对可积。 （1）一维连续傅里叶变换及反变换： 单变量连续函数f(x)的傅里叶变换F(u)定义为： dx e x f u F ux j ? ∞∞--=π2)()( 其中12-=j ，x 称为时域变量，u 为频率变量。 当给定F(u)，通过傅里叶反变换可以得到f(x) du e u F x f ux j ?∞ ∞-=π2)()( （2）二维连续傅里叶变换及反变换： 二维连续函数f(x,y)的傅里叶变换F(u,v) 定义为：数字图像处理结课论文
图像的傅立叶变换与频域滤波
图像傅里叶变换详解
中南大学数字图像处理实验报告
数字图像处理频域增强
傅里叶变换及其在图像处理中的应用
图像的傅立叶变换数字图像处理实验报告
数字图像处理图像变换与频域处理
傅立叶变换在图像处理中的作用
相关主题
文本预览