广西科技大学数字信号处理课程设计说明书
题目：编程实现任意确定信号
的频谱分析算法（0.9）系别：计算机学院
专业：通信工程
班级：通信102班
学号：201000402049
姓名：黄绍耕
指导教师：周坚和
日期：2012年6月14日
目录
摘要 (2)
一、设计内容 (2)
二、设计原理 (2)
三、设计目的 (4)
四、实现过程 (4)
4.1.CEG和弦音音频文件的频谱分析 (4)
4.2.对该信号频谱能量较集中的频带滤波 (5)
4.3.对滤波后的音频信号再滤出三个能量最集中的频簇 (9)
4.4.重建信号与原信号的音频进行声音回放比较 (21)
4.5.分析什么是和弦音 (22)
五、课程设计总结 (23)
六、参考文献 (23)
摘要：
MATLAB主要是一种应用软件，可以运用高级语言编程思想，解决电子信息中的问题，可以做出仿真结果。如信号处理，电路分析等。
本次课程设计主要是用MATLAB作为工具平台对给定的CEG和弦音音频文件进行分析处理，编程实现任意确定信号的频谱分析算法。
设计内容
（1）对给定的CEG和弦音音频文件取合适长度的采样记录点，然后进行频谱分析（信号的时域及幅频特性曲线要画出）。
（2）分析CEG和弦音频谱特点，对该信号频谱能量相对较为集中的频带（分低、中、高频）实现滤波（分别使用低通，带通及高通），显示滤波后信号的时域和频域曲线，并对滤波后的信号与原信号的音频进行声音回放比较。
（3）在低、中、高三个频带中，各滤出三个能量最集中的频簇，显示滤波后信号的时域和频域曲线。
（4）任意选择几个滤出的频带（或频簇）进行时域信号重建（合成），与原信号的音频进行声音回放比较。
讨论：根据上述结果，分析什么是和弦音。
二、设计原理
1、采用双线性变换法设计滤波器，其原理如下：
S平面与z平面之间满足以下映射关系：
s平面的虚轴单值地映射于z平面的单位圆上，s平面的左半平面完全映射到z平面的单位圆内。双线性变换不存在混叠问题。
双线性变换时一种非线性变换，这种非线性引起的幅频特性畸变可通过预畸而得到校正。
IIR低通、高通、带通数字滤波器设计采用双线性原型变换公式：
可以利用上面提到的原理分别用双线性变化法设计以上3种滤波器，可以利用函数fir1设计FIR滤波器，可以利用函数butte，cheby1和ellip设计IIR滤波器；利用MATLAB中的函数freqz画出各滤波器的频率响应。
2、函数FFT用于序列快速傅立叶变换：
2.1函数的一种调用格式为：y=fft(x)
其中，x是序列，y是序列的FFT，x可以为一向量或矩阵，若x为一向量，y 是x的FFT。且和x相同长度。若x为一矩阵，则y是对矩阵的每一列向量进行FFT。
如果x长度是2的幂次方，函数fft执行高速基－2FFT算法；否则fft执行一种混合基的离散傅立叶变换算法，计算速度较慢。
2.2函数FFT的另一种调用格式为：y=fft(x,N)式中，x，y意义同前，N为正整数。
函数执行N点的FFT。若x为向量且长度小于N，则函数将x补零至长度N。若向量x的长度大于N，则函数截短x使之长度为N。若x 为矩阵，按相同方法对x进行处理。
经函数fft求得的序列y一般是复序列，通常要求其幅值和相位。MATLAB提供求复数的幅值和相位函数：abs，angle，这些函数一般和FFT同时使用。
函数abs(x)用于计算复向量x的幅值，函数angle(x)用于计算复向量的相角，介于和之间，以弧度表示。
函数unwrap(p)用于展开弧度相位角p ,当相位角绝对变化超过时，函数把它扩展至。
3、频率计算：
若N点序列x(n)(n=0,1,…,N-1)是在采样频率下获得的。它的FFT也是N点序列，即X(k)(k=0,1,2,…,N-1)，则第k点所对应实际频率值为f=k*fs /N.
三、设计目的：
综合运用本课程的理论知识进行频谱分析以及滤波器设计，通过理论推导得出相应结论，并利用MATLAB作为工具进行实现，从而复习巩固课堂所学的理论知识，提高对所学知识的综合应用能力，并从实践上初步实现对数字信号的处理。
四、实现过程
4.1.CEG和弦音音频文件的频谱分析
1、对给定的CEG和弦音音频文件取合适长度的采样记录点，然后进行频谱分析，并画出信号的时域及幅频特性曲线。
程序代码如下：
Fs=8000; %语音信号采样频率为8000
x=wavread('C:\MATLAB7\work\CEG和弦音.wav',[100 8000]); %把语音截取100到8000部分
sound(x); %播放出语音
t=(0: [8000-1000])/Fs; %计算从1000到8000点的时间
y=fft(x,5000); %对语音信号进行FFT运算
f=Fs*(0:2499)/5000;
figure(1);
subplot(2,1,1) %在窗口中生成2行1列共2个子图，当前激活第1个图
plot(x); %画出连续时域图形
title('原和弦音信号的时域图'); %标题为原始信号的时域图
xlabel('时间'); %定义图形横坐标为'时间’
ylabel('幅值'); %定义图形纵坐标为''幅值'
subplot(2,1,2); %在窗口中生成2行1列共2个子图，当前激活第2个图plot(f,abs(y (1:2500))); %画出幅值图
title('原和弦音信号的时域图'); %定义图形标题为'原和弦音信号的时域图' xlabel('频率'); %定义图形横坐标为'频率’
ylabel('幅值'); %定义图形纵坐标为''幅值'
执行如下：
4.2.对该信号频谱能量较集中的频带滤波
2、对该信号频谱能量相对较为集中的频带（分低、中、高频）实现滤波（分别使用低通，带通及高通），同时显示滤波后信号的时域和频域曲线，并对滤波后的信号与原信号的音频进行声音回放比较。
程序代码如下：
（1）设计低通滤波器：
Fs=8000;
x=wavread('C:\MATLAB7\work\CEG和弦音.wav',[1000 8000]'); %读出和弦音信号
t=(0: [8000-1000])/Fs; %计算从1000到8000点的时间
y=fft(x,5000); %对和弦音信号进行FFT运算
f=Fs*(0:2499)/5000;
Ws=2*1200*1/8000; %滤波器的阻带截止频率
Wp=2*1000*1/8000; %滤波器的通带截止频率
Rs=100; %定义通带最小阻带衰减
Rp=1; %定义通带波纹系数
[N,Wn]=cheb1ord(Wp,Ws,Rp,Rs); %估计切贝雪夫I型滤波器阶数
[num,den]=cheby1(N,Rp,Wn,'low'); %切贝雪夫I型低通滤波器系统函数；
[h,w]=freqz(num,den); %数字低通滤波器的频率响应
subplot(3,1,1); %在窗口中生成3行1列共3个子图，当前激活第1个子图plot(w/pi,abs(h));grid; %画出网格
xlabel('\omega/\pi'); %在xabel中显示归一化ω/π
ylabel('振幅'); %定义图形纵坐标为''振幅'
title('契比雪夫Ⅰ型低通滤波器的幅频响应'); %定义标题
f1=filter(num,den,x); %滤波
y=fft(f1,8000); % 进行fft变换
subplot(3,1,2); %在窗口中生成3行1列共3个子图，当前激活第2个子图plot(f1); %画出原语音信号经低通后图像
title('低通滤波后的信号'); %定义标题
xlabel('时间'); %定义图形横坐标为'时间’
ylabel('幅值'); %定义图形纵坐标为''幅值'
subplot(3,1,3); %在窗口中生成3行1列共3个子图，当前激活第3个子图
plot(abs(y(1:4000))); % 画出频谱图像
title('低通后滤波信号频谱') %定义标题
xlabel('频率'); %定义图形横坐标为'频率’
ylabel('幅值'); %定义图形纵坐标为''幅值'
wavwrite(f1,'低通.wav'); %写出低通后信号
x1=wavread('低通.wav'); %读取低通后信号
sound(x1); %播放低通后的语音
执行如下：
（2）设计高通滤波器：
程序代码如下：
Fs=8000;
x=wavread('C:\MATLAB7\work\CEG和弦音.wav',[1000 8000]); %读出和弦音信号t=(0: [8000-1000])/Fs; %计算从1000到8000点的时间
y=fft(x,5000); %对和弦音信号进行FFT运算
f=Fs*(0:2499)/5000;
Ws1=2*3000*1/8000; %滤波器的阻带截止频率
Wp1=2*3200*1/8000; %滤波器的通带截止频率
Rs1=100; %定义通带最小阻带衰减
Rp1=1; %定义通带波纹系数
[N1,Wn1]=cheb1ord(Wp1,Ws1,Rp1,Rs1); %估计切贝雪夫Ⅰ型滤波器阶数[num1,den1]=cheby1(N1,Rp1,Wn1,'high');%切贝雪夫I型高通滤波器系统函数；[h1,w1]=freqz(num1,den1); %计算幅频响应
subplot(3,1,1); %在窗口中生成3行1列共3个子图，当前激活第1个子图plot(w1/pi,abs(h1)); %画出幅值图
xlabel('\omega/\pi'); %在xabel中显示归一化ω/π
ylabel('振幅'); %定义图形纵坐标为''振幅'
title('契比雪夫Ⅰ型高通滤波器的幅频响应'); %定义标题
f2=filter(num1,den1,x); %滤波
y1=fft(f2,8000); %进行fft变换
subplot(3,1,2); %在窗口中生成3行1列共3个子图，当前激活第2个子图plot(f2); %做原始语音信号的时域图形
title('高通滤波后的信号'); %定义标题
xlabel('时间'); %定义图形横坐标为'时间’
ylabel('幅值'); %定义图形纵坐标为''幅值'
subplot(3,1,3); %在窗口中生成3行1列共3个子图，当前激活第3个子图plot(abs(y1(1:4000))); %画出频谱图像
title('高通滤波后的信号频谱'); %定义标题
xlabel('频率'); %定义图形横坐标为'频率’
ylabel('幅值'); %定义图形纵坐标为'幅值'
wavwrite(f2,'高通.wav'); %写出高通后信号
x2=wavread('高通.wav'); %读出高通后信号
sound(x2); %播放高通后信号
执行如下：
（3）设计带通滤波器：
程序代码如下：
Fs=8000;
x=wavread('C:\MATLAB7\work\CEG和弦音.wav',[1000 8000]); %读出和弦音信号
t=(0: [8000-1000])/Fs; %计算从1000到8000点的时间
y=fft(x,5000); %对和弦音信号进行FFT运算
f=Fs*(0:2499)/5000;
Wp2=[2*1200/Fs 2*3000/Fs]; %在1的dB衰减处的边带频率
Ws2=[2*1000/Fs 2*3200/Fs]; %在衰减为100dB处的边带频率
Rp2=1; %通带损耗不大于1dB
Rs2=100; %阻带衰减不小于100dB
[N2,Wn2]=cheb1ord(Wp2,Ws2,Rp2,Rs2); %估计切贝雪夫滤波器阶数
[num2,den2]=cheby1(N2,Rp2,Wn2); %切贝雪夫滤波器系统函数
[h2,w2]=freqz(num2,den2); %计算频谱响应
figure(4); %第四个图形
subplot(3,1,1); %在窗口中生成3行1列共3个子图，当前激活第1个子图plot(abs(h2));grid; %画出幅值图
xlabel('\omega/\pi'); %在xabel中显示归一化ω/π
ylabel('振幅'); %定义图形纵坐标为''振幅'
title('契比雪夫Ⅰ型带通滤波器的幅频响应'); %定义标题
f3=filter(num2,den2,x); %滤波
y3=fft(f3,8000); %作fft变换
subplot(3,1,2); %在窗口中生成3行1列共3个子图，当前激活第2个子图plot(f3); %做原始语音信号的时域图形
title('带通滤波后的信号'); %定义标题
xlabel('时间'); %定义图形横坐标为'时间’
ylabel('幅值'); %定义图形纵坐标为''幅值'
subplot(3,1,3); %在窗口中生成3行1列共3个子图，当前激活第2个子图plot(abs(y3(1:4000))); %画出频谱图像
title('带通滤波后的信号频谱') %定义标题
xlabel('频率'); %定义图形横坐标为'频率’
ylabel('幅值'); %定义图形纵坐标为''幅值'
wavwrite(f3,'带通.wav'); %写出过滤后带通信号
x3=wavread('带通.wav'); %读出过滤后带通信号
sound(x3); %播放带通后信号
执行如下：
4.3.对滤波后的音频信号再滤出三个能量最集中的频簇
3、在低、中、高三个频带中，各滤出三个能量最集中的频簇，显示滤波后信号的时域和频域曲线。
程序代码如下：
（1）低通能量最集中的频簇：
1、x1=wavread('低通.wav'); %读取低通后信号
sound(x1); %播放低通后信号
Wp1=[2*500/Fs 2*600/8000];
Ws1=[2*400/Fs 2*800/8000];
Rp1=1; %通带损耗不大于1dB
Rs1=100; %阻带衰减不小于100dB
[N1,Wn1]=cheb1ord(Wp1,Ws1,Rp1,Rs1);
[num1,den1]=cheby1(N1,Rp1,Wn1);
[h1,w1]=freqz(num1,den1);
figure(4); %第四个图形
subplot(3,1,1); %在窗口中生成3行1列共3个子图，当前激活第1个子图plot(w1/pi,abs(h1));grid; %打网格
xlabel('\omega/\pi'); %在xabel中显示归一化ω/π
ylabel('振幅（幅值）'); %定义图形纵坐标为''幅值'
title('契比雪夫Ⅰ型低通滤波器的幅频响应');
f1=filter(num1,den1,x1); %滤波
y1=fft(f1,8000); %作fft变换
subplot(3,1,2); %在窗口中生成3行1列共3个子图，当前激活第2个子图plot(f1); %做原始语音信号的时域图形
title('低通能量集中后信号');
xlabel('时间'); %定义图形横坐标为'时间’
ylabel('幅值'); %定义图形纵坐标为''幅值'
subplot(3,1,3); %在窗口中生成3行1列共3个子图，当前激活第3个子图plot(abs(y1(1:4000))); %画出频谱图像
title('低通的集中能量语音信号频谱') %定义标题
xlabel('频率'); %定义图形横坐标为'频率’
ylabel('幅值'); %定义图形纵坐标为''幅值'
wavwrite(f1,'低通能量集中1.wav'); %写出信号
x21=wavread('低通能量集中1.wav'); %读出信号
sound(x21); %播放出信号
执行如下：
2、x2=wavread('低通.wav'); %读取低通后信号
sound(x2); %播放低通后信号
Wp2=[2*700/8000 2*800/8000];
Ws2=[2*500/8000 2*1000/8000];
Rp2=1;
Rs2=100;
[N2,Wn2]=cheb1ord(Wp2,Ws2,Rp2,Rs2);
[num2,den2]=cheby1(N2,Rp2,Wn2);
[h2,w2]=freqz(num2,den2);
figure(4);
subplot(3,1,1); %在窗口中生成3行1列共3个子图，当前激活第1个子图plot(w2/pi,abs(h2));grid; %打网格
xlabel('\omega/\pi'); %在xabel中显示归一化ω/π
ylabel('振幅'); %定义图形纵坐标为''振幅'
title('契比雪夫Ⅰ型低通滤波器的幅频响应');
f2=filter(num2,den2,x2); %滤波
y2=fft(f2,8000);
subplot(3, 1,2); %在窗口中生成3行1列共3个子图，当前激活第2个子图plot(f2);
title('低通能量集中后信号');
xlabel('时间'); %定义图形横坐标为'时间’
ylabel('幅值'); %定义图形纵坐标为''幅值'
subplot(3,1,3); %在窗口中生成3行1列共3个子图，当前激活第3个子图
plot(abs(y2(1:4000))); % 画出频谱图像
title('低通的集中能量语音信号频谱')
xlabel('频率'); %定义图形横坐标为'频率’
ylabel('幅值'); %定义图形纵坐标为''幅值'
wavwrite(f2,'低通能量集中2.wav'); %写出信号
x31=wavread('低通能量集中2.wav'); %读出信号
sound(x31); %播放出信号
执行如下：
3、x3=wavread('低通.wav'); %读取低通后信号
sound(x3); %播放低通后信号
Wp3=[2*800/8000 2*900/8000];
Ws3=[2*600/8000 2*1200/8000];
Rp3=1;
Rs3=100;
[N3,Wn3]=cheb1ord(Wp3,Ws3,Rp3,Rs3);
[num3,den3]=cheby1(N3,Rp3,Wn3);
[h3,w3]=freqz(num3,den3);
figure(4);
subplot(3,1,1); %在窗口中生成3行1列共3个子图，当前激活第1个子图plot(w3/pi,abs(h3));grid; %打网格
xlabel('\omega/\pi'); %在xabel中显示归一化ω/π
ylabel('振幅'); %定义图形纵坐标为''振幅
title('契比雪夫Ⅰ型低通滤波器的幅频响应');
f3=filter(num3,den3,x3); %滤波
y3=fft(f3,8000); %做fft变换
subplot(3,1,2); %在窗口中生成3行1列共3个子图，当前激活第2个子图plot(f3);
title('低通能量集中后信号');
xlabel('时间'); %定义图形横坐标为'时间’
ylabel('幅值'); %定义图形纵坐标为''幅值
subplot(3,1,3); %在窗口中生成3行1列共3个子图，当前激活第3个子图plot(abs(y3(1:4000)));
title('低通的集中能量语音信号频谱')
xlabel('频率'); %定义图形横坐标为'频率’
ylabel('幅值'); %定义图形纵坐标为''幅值
wavwrite(f3,'低通能量集中3.wav');
x41=wavread('低通能量集中3.wav');
sound(x41); %播放出语音
执行如下：
（2）高通能量最集中的频簇：
1、x1=wavread('高通.wav'); %读出高通后信号
sound(x1); %播放高通后信号
Wp1=[2*3300/8000 2*3500/8000];
Ws1=[2*3100/8000 2*3700/8000];
Rp1=1;
Rs1=100;
[N1,Wn1]=cheb1ord(Wp1,Ws1,Rp1,Rs1);
[num1,den1]=cheby1(N1,Rp1,Wn1);
[h1,w1]=freqz(num1,den1);
figure(4);
subplot(3,1,1); %在窗口中生成3行1列共3个子图，当前激活第1个子图plot(w1/pi,abs(h1));grid;
xlabel('\omega/\pi'); %在xabel中显示归一化ω/π
ylabel('振幅'); %定义图形纵坐标为''幅值
title('契比雪夫Ⅰ型高通滤波器的幅频响应');
f1=filter(num1,den1,x1); %滤波
y1=fft(f1,8000); %作fft变换
subplot(3,1,2); %在窗口中生成3行1列共3个子图，当前激活第2个子图plot(f1);
title('高通能量集中信号'); %定义标题
xlabel('时间'); %定义图形横坐标为'时间’
ylabel('幅值'); %定义图形纵坐标为''幅值
subplot(3,1,3); %在窗口中生成3行1列共3个子图，当前激活第3个子图plot(abs(y1(1:4000)));
title('高通能量集中的语音信号频谱') %定义标题
xlabel('频率'); %定义图形横坐标为'频率’
ylabel('幅值'); %定义图形纵坐标为''幅值
wavwrite(f1,'高通后高通能量集中1.wav');
x22=wavread('高通后高通能量集中1.wav');
sound(x22); %播放出语音
执行如下：
2、x2=wavread('高通.wav'); %读出高通后信号
sound(x2); %播放高通后信号
Wp2=[2*3000/8000 2*3200/8000];
Ws2=[2*2800/8000 2*3400/8000];
Rp2=1;
Rs2=100;
[N2,Wn2]=cheb1ord(Wp2,Ws2,Rp2,Rs2);
[num2,den2]=cheby1(N2,Rp2,Wn2);
[h2,w2]=freqz(num2,den2);
figure(4);
subplot(3,1,1); %在窗口中生成3行1列共3个子图，当前激活第1个子图plot(w2/pi,abs(h2));grid;
xlabel('\omega/\pi'); %在xabel中显示归一化ω/π
ylabel('振幅'); %定义图形纵坐标为'振幅’
title('契比雪夫Ⅰ型高通滤波器的幅频响应');
f2=filter(num2,den2,x2); %滤波
y2=fft(f2,8000); %作fft变换
subplot(3,1,2); %在窗口中生成3行1列共3个子图，当前激活第2个子图plot(f2);
title('高通能量集中信号'); %定义标题
xlabel('时间'); %定义图形横坐标为'时间’
ylabel('幅值'); %定义图形纵坐标为''幅值
subplot(3,1,3); %在窗口中生成3行1列共3个子图，当前激活第3个子图
plot(abs(y2(1:4000)));
title('高通能量集中的语音信号频谱') %定义标题
xlabel('频率'); %定义图形横坐标为'频率’
ylabel('幅值'); %定义图形纵坐标为''幅值
wavwrite(f2,'高通后高通能量集中2.wav');
x32=wavread('高通后高通能量集中2.wav');
sound(x32); %播放出语音
执行如下：
3、x3=wavread('高通.wav'); %读出高通后信号
sound(x3); %播放高通后信号
Wp3=[2*3300/8000 2*3500/8000];
Ws3=[2*3100/8000 2*3700/8000];
Rp3=1;
Rs3=100;
[N3,Wn3]=cheb1ord(Wp3,Ws3,Rp3,Rs3);
[num3,den3]=cheby1(N3,Rp3,Wn3);
[h3,w3]=freqz(num3,den3);
figure(4);
subplot(3,1,1); %在窗口中生成3行1列共3个子图，当前激活第1个子图plot(w3/pi,abs(h3));grid;
xlabel('\omega/\pi'); %在xabel中显示归一化ω/π
ylabel('振幅'); %定义图形纵坐标为''振幅’
title('契比雪夫Ⅰ型高通滤波器的幅频响应'); %定义标题
f3=filter(num3,den3,x3); %滤波
y3=fft(f3,8000); %作fft变换
subplot(3,1,2); %在窗口中生成3行1列共3个子图，当前激活第2个子图plot(f3);
title('高通能量集中信号'); %定义标题
xlabel('时间'); %定义图形横坐标为'时间’
ylabel('幅值'); %定义图形纵坐标为''幅值
subplot(3,1,3); %在窗口中生成3行1列共3个子图，当前激活第3个子图plot(abs(y3(1:4000)));
title('高通能量集中的语音信号频谱') %定义标题
xlabel('频率'); %定义图形横坐标为'频率’
ylabel('幅值'); %定义图形纵坐标为''幅值
wavwrite(f3,'高通后高通能量集中3.wav');
x42=wavread('高通后高通能量集中3.wav');
sound(x42); %播放出语音
执行如下：
（3）带通能量最集中的频簇：
1、x1=wavread('带通.wav');
sound(x1);
pause(2); %停顿2秒
Wp1=[2*1600/8000 2*1700/8000];
Ws1=[2*1500/8000 2*1800/8000];
Rp1=1;
Rs1=100;
[N1,Wn1]=cheb1ord(Wp1,Ws1,Rp1,Rs1);
[num1,den1]=cheby1(N1,Rp1,Wn1);
[h1,w1]=freqz(num1,den1);
figure(4);
subplot(3,1,1); %在窗口中生成3行1列共3个子图，当前激活第1个子图plot(w1/pi,abs(h1));grid;
xlabel('\omega/\pi'); %在xabel中显示归一化ω/π
ylabel('振幅'); %定义图形纵坐标为'振幅’
title('契比雪夫Ⅰ型带通滤波器的幅频响应'); %定义标题
f1=filter(num1,den1,x1); %滤波
y1=fft(f1,8000);
subplot(3,1,2);%在窗口中生成3行1列共3个子图，当前激活第2个子图plot(f1);
title('带通后带通能量集中信号');
xlabel('时间'); %定义图形横坐标为'时间’
ylabel('幅值'); %定义图形纵坐标为''幅值
subplot(3,1,3); %在窗口中生成3行1列共3个子图，当前激活第3个子图plot(abs(y1(1:4000)));
title('带通能量集中的语音信号频谱')
xlabel('频率'); %定义图形横坐标为'频率’
ylabel('幅值'); %定义图形纵坐标为''幅值
wavwrite(f1,'带通能量集中1.wav');
x23=wavread(带通能量集中1.wav');
sound(x23); %播放出语音
执行如下：
2、x2=wavread('带通.wav');
sound(x2);
pause(2); %停顿2秒
Wp2=[2*1800/8000 2*1900/8000];
Ws2=[2*1700/8000 2*2000/8000];
Rp2=1;
Rs2=100;
[N2,Wn2]=cheb1ord(Wp2,Ws2,Rp2,Rs2);
[num2,den2]=cheby1(N2,Rp2,Wn2);
[h2,w2]=freqz(num2,den2);
figure(4);
subplot(3,1,1);%在窗口中生成3行1列共3个子图，当前激活第1个子图plot(w2/pi,abs(h2));grid; %打网格
xlabel('\omega/\pi'); %在xabel中显示归一化ω/π
ylabel('振幅'); %定义图形纵坐标为'振幅’
title('契比雪夫Ⅰ型带通滤波器的幅频响应');
f2=filter(num2,den2,x2); %滤波
y2=fft(f2,8000);
subplot(3,1,2); %在窗口中生成3行1列共3个子图，当前激活第2个子图plot(f2);
title('带通后带通能量集中信号');
xlabel('时间'); %定义图形横坐标为'时间’
ylabel('幅值'); %定义图形纵坐标为''幅值
subplot(3,1,3); %在窗口中生成3行1列共3个子图，当前激活第3个子图
抽样定理的应用 摘要 抽样定理表示为若频带宽度有限的，要从抽样信号中无失真地恢复原信号，抽样频率应大于2倍信号最高频率。抽样频率小于2倍频谱最高频率时，信号的频谱有混叠。抽样频率大于2倍频谱最高频率时，信号的频谱无混叠。 语音信号处理是研究用数字信号处理技术和语音学知识对语音 信号进行处理的新兴学科，是目前发展最为迅速的学科之一，通过语音传递信息是人类最重要，最有效，最常用和最方便的交换信息手段，所以对其的研究更显得尤为重要。 Matlab语言是一种数据分析和处理功能十分强大的计算机应用 软件，它可以将声音文件变换成离散的数据文件，然后用起强大的矩阵运算能力处理数据。这为我们的本次设计提供了强大并良好的环境！ 本设计要求通过利用matlab对模拟信号和语音信号进行抽样，通过傅里叶变换转换到频域，观察波形并进行分析。 关键词：抽样Matlab
目录 一、设计目的： (2) 二、设计原理： (2) 1、抽样定理 (2) 2、MATLAB简介 (2) 3、语音信号 (3) 4、Stem函数绘图 (3) 三、设计内容： (4) 1、已知g1(t)=cos(6πt),g2(t)=cos(14πt),g3(t)=cos(26πt),以抽样频率 fsam=10Hz对上述三个信号进行抽样。在同一张图上画出g1(t)，g2(t)，g3(t)及其抽样点,对所得结果进行讨论。 (4) 2、选取三段不同的语音信号，并选取适合的同一抽样频率对其进 行抽样，画出抽样前后的图形，并进行比较，播放抽样前后的语音。 (6) 3、选取合适的点数，对抽样后的三段语音信号分别做DFT，画图 并比较。 (10) 四、总结 (12) 五、参考文献 (13)
数字图像处理 课程设计报告 姓名： 学号： 班级： 设计题目：图像处理 教师：赵哲老师 提交日期： 12月29日
一、设计内容： 主题：《图像处理》 详细说明：对图像进行处理（简单滤镜，模糊，锐化，高斯模糊等），对图像进行处理（上下对称，左右对称，单双色显示，亮暗程度调整等），对图像进行特效处理（反色，实色混合，色彩平衡，浮雕效果，素描效果，雾化效果等）， 二、涉及知识内容： 1、二值化 2、各种滤波 3、算法等 三、设计流程图 四、实例分析及截图效果： 运行效果截图： 第一步：读取原图,并显示 close all;clear;clc; % 清楚工作窗口clc 清空变量clear 关闭打开的窗口close all I=imread(''); % 插入图片赋给I imshow(I);% 输出图I I1=rgb2gray(I);%图片变灰度图 figure%新建窗口 subplot(321);% 3行2列第一幅图 imhist(I1);%输出图片
title('原图直方图');%图片名称 一，图像处理模糊 H=fspecial('motion',40); %% 滤波算子模糊程度40 motion运动 q=imfilter(I,H,'replicate');%imfilter实现线性空间滤波函数，I图经过H滤波处理，replicate反复复制q1=rgb2gray(q); imhist(q1); title('模糊图直方图'); 二，图像处理锐化 H=fspecial('unsharp');%锐化滤波算子，unsharp不清晰的 qq=imfilter(I,H,'replicate'); qq1=rgb2gray(qq); imhist(qq1); title('锐化图直方图'); 三，图像处理浮雕(来源网络) %浮雕图 l=imread(''); f0=rgb2gray(l);%变灰度图 f1=imnoise(f0,'speckle',; %高斯噪声加入密度为的高斯乘性噪声 imnoise噪声污染图像函数 speckle斑点 f1=im2double(f1);%把图像数据类型转换为双精度浮点类型 h3=1/9.*[1 1 1;1 1 1;1 1 1]; %采用h3对图像f2进行卷积滤波 f4=conv2(f1,h3,'same'); %进行sobel滤波 h2=fspecial('sobel'); g3=filter2(h2,f1,'same');%卷积和多项式相乘 same相同的 k=mat2gray(g3);% 实现图像矩阵的归一化操作 四，图像处理素描(来源网络) f=imread(''); [VG,A,PPG] = colorgrad(f); ppg = im2uint8(PPG); ppgf = 255 - ppg; [M,N] = size(ppgf);T=200; ppgf1 = zeros(M,N); for ii = 1:M for jj = 1:N if ppgf(ii,jj) 语音信号的数字滤波 ——利用双线性变换法实现IIR数字滤波器的设计一．课程设计的目的 通过对常用数字滤波器的设计和实现，掌握数字信号处理的工作原理及设计方法；熟悉用双线性变换法设计 IIR 数字滤波器的原理与方法，掌握利用数字滤波器对信号进行滤波的方法，掌握数字滤波器的计算机仿真方法，并能够对设计结果加以分析。 二．设计方案论证 1.IIR数字滤波器设计方法 IIR数字滤波器是一种离散时间系统，其系统函数为 假设M≤N，当M＞N时,系统函数可以看作一个IIR的子系统和一个(M-N)的FIR子系统的级联。IIR数字滤波器的设计实际上是求解滤波器的系数和，它 是数学上的一种逼近问题，即在规定意义上（通常采用最小均方误差准则）去逼近系统的特性。如果在S平面上去逼近，就得到模拟滤波器；如果在z平面上去逼近，就得到数字滤波器。 2.用双线性变换法设计IIR数字滤波器 脉冲响应不变法的主要缺点是产生频率响应的混叠失真。这是因为从S平面到Ｚ平面是多值的映射关系所造成的。为了克服这一缺点，可以采用非线性频率压缩方法，将整个频率轴上的频率范围压缩到-π/T～π/T之间，再用z=e sT转换 平面的-π/T～π到Z平面上。也就是说，第一步先将整个S平面压缩映射到S 1 /T一条横带里；第二步再通过标准变换关系z=e s1T将此横带变换到整个Z平面上去。这样就使S平面与Z平面建立了一一对应的单值关系，消除了多值变换性，也就消除了频谱混叠现象，映射关系如图1所示。 图1双线性变换的映射关系 为了将S平面的整个虚轴jΩ压缩到S1平面jΩ1轴上的-π/T到π/T段上，可以通过以下的正切变换实现 . . . .页脚. 数字图像处理课程设计容、要求 题目一：图像处理软件 1、设计容及要求： （1）、独立设计方案，实现对图像的十五种以上处理（比如：底片化效果、灰度增强、图像复原、浮雕效果、木刻效果等等）。 （2）、参考photoshop软件，设计软件界面，对处理前后的图像以及直方图等进行对比显示； （3）、将实验结果与其他软件实现的效果进行比较、分析。总结设计过程所遇到的问题。 2、参考方案（所有参考方案若无特殊说明，均以matlab为例说明）： (1)实现图像处理的基本操作 学习使用matlab图像处理工具箱，利用imread（）语句读入图像，例如 image=imread（flower.jpg），对图像进行显示(如imshow（image）)，以及直方图计算和显示。 (2)图像处理算法的实现与显示 针对课程中学习的图像处理容，实现至少十五种图像处理功能，例如模糊、锐化、对比度增强、复原操作。改变图像处理的参数，查看处理结果的变化。自己设计要解决的问题，例如引入噪声，去噪；引入运动模糊、聚焦模糊等，对图像进行复原。 (3)参照“photoshop”软件，设计图像处理软件界面 可设计菜单式界面，在功能较少的情况下，也可以设计按键式界面，视功能多少而定；参考matlab软件中GUI设计，学习软件界面的设计。 . . . 题目二：数字水印 1、设计容及要求： 为保护数字图像作品的知识产权，采用数字水印技术嵌入水印图像于作品中，同时尽可能不影响作品的可用性，在作品发生争执时，通过提取水印信息确认作品。通常情况下，水印图像大小要远小于载体图像，嵌入水印后的图像可能遇到噪声、有损压缩、滤波等方面的攻击。因此，评价水印算法的原则就是水印的隐藏性和抗攻击性。根据这一要求，设计水印算法。 （1）、查阅文献、了解数字水印的基本概念。 （2）、深入理解一种简单的数字水印嵌入与提取方法。 （3）、能够显示水印嵌入前后的载体图像。 （4）、能够显示嵌入与提取的水印。 （5）、选择一种以上的攻击方法，测试水印算法的鲁棒性等性能。 （6）、设计软件界面 2、参考方案 (1)对水印图像进行编码置乱（可采用伪随机码，提高水印图像的隐蔽性）； (2) 对图像进行子图像分解（如8*8），对子块分别进行DCT变换； (3) 对DCT系数按照zig-zag排序进行排列，选择一种频系数，对该种频系数相邻 的系数进行水印嵌入 (4) 低通滤波检验水印算法的抗攻击性。 (5) 设计数字水印的软件界面。 .页脚. 课程设计报告书课程名称：数字图像处理 题目：数字图像处理的傅里叶变换 学生姓名： 专业：计算机科学与技术 班别：计科本101班 学号： 指导老师： 日期： 2013 年 06 月 20 日 数字图像处理的傅里叶变换 1.课程设计目的和意义 (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 通过本次课程设计，掌握如何学习一门语言，如何进行资料查阅搜集，如何自己解决问题等方法，养成良好的学习习惯。扩展理论知识，培养综合设计能力。 2.课程设计内容 (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 3.课程设计背景与基本原理 傅里叶变换是可分离和正交变换中的一个特例，对图像的傅里叶变换将图像从图像空间变换到频率空间，从而可利用傅里叶频谱特性进行图像处理。从20世纪60年代傅里叶变换的快速算法提出来以后，傅里叶变换在信号处理和图像处理中都得到了广泛的使用。 3.1课程设计背景 数字图像处理（Digital Image Processing）又称为计算机图像处理，它是指将图像信号转换成数字信号并利用计算机对其进行处理的过程。是通过计算机对图像进行去除噪声、增强、复原、分割、提取特征等处理的方法和技术。 3.2 傅里叶变换 (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。 数字图像处理课程设计报告 目录 一．实验目的 (3) 二．实验内容............ ................... . (3) 1.打开图像 (3) (1)、图像信息获取 (3) (2). RgbtoHsi(&rgb, &Hsi) (4) (3).OnMouseMove(UINT nFlags, CPoint point) (4) 2．标记Mark点 (5) (1)标记可能的点 (5) (2)把可能标记的点变为标记点 (5) (3) EdgeIformation边缘标记 (6) (4)EdgeFilter边缘滤波 (6) 3.二值化 (7) 4.填洞 (8) 5收缩 (10) 6获取中心点 (11) 三．学习心得 1.错误总结 (16) 2.心得体 会 (17) 一．实验目的： 对血液细胞切片图片进行各种处理，最终得出细胞的数目、半径等信息 基于vc的红细胞识别统计系统设计 它主要以病人的血液样本为原始数据。经过一系列的图像处理和分析，识别出血液中的红细胞，并能给出红细胞的个数。而得到红细胞的个数以后，通过血液量的检测，就可以得出血液中红细胞的密度。该系统可以很方便的利用在临床上，大大提高速度和效率。 二、实验内容 基于VC++6.0软件下的细胞识别，通过细胞的标记、二值化、提取边缘、填洞、收缩、找中心点、计数等过程完成实验目的 1 . 打开图像 （1）图像信息获取 该步骤实现的功能是打开bmp格式的图像文件，要对图像进行操作，系统必须能调用图像。 打开bmp图像的具体步骤为 1.新建项目：--MFC AppWizard、工程名 2.拷贝cdib.h，cdib.cpp到工程文件夹，再向工程里添加 3.~Doc.h添加变量：m_pDib 4.~doc.cpp:变量（m_pDib）：new、delete 5.~doc.cpp: Serialize（） 6.~View.cpp: OnDraw() m_pDib->Draw() 2．RgbtoHsi(&rgb, &Hsi) 数字信号处理课程设计 姓名：刘倩 学号：201014407 专业：信息与计算科学 实验一：常见离散信号产生和实现 一、实验目的： 1、加深对常用离散信号的理解； 2、掌握matlab 中一些基本函数的建立方法。 二、实验原理： 1.单位抽样序列 在MATLAB 中可以利用zeros()函数实现。 如果)(n δ在时间轴上延迟了k 个单位，得到)(k n -δ即： 2．单位阶越序列 在MATLAB 中可以利用ones()函数实现。 3．正弦序列 在MATLAB 中 4．复指数序列 在MATLAB 中 5．指数序列 在MATLAB 中 实验内容：由周期为10的正弦函数生成周期为20的余弦函数。 实验代码： n=0:30; y=sin(0.2*pi*n+pi/2); y1=sin(0.1*pi*n+pi/2); subplot(121) stem(n,y); xlabel ('时间序列n');ylabel('振幅');title('正弦函数序列y=sin(0.2*pi*n+pi/2)'); subplot(122) stem(n,y1); xlabel ('时间序列n');ylabel('振幅'); title('正弦函数序列y=sin(0.2*pi*n+pi/2)'); 实验结果： 实验二：离散系统的时域分析 实验目的：加深对离散系统的差分方程、冲激响应和卷积分析方法的理解。实验原理：离散系统 其输入、输出关系可用以下差分方程描述： 输入信号分解为冲激信号， 记系统单位冲激响应 则系统响应为如下的卷积计算式： 当N k d k ,...2,1,0==时，h[n]是有限长度的（n ：[0，M]），称系统为FIR 系统；反之，称系统为IIR 系统。 在MATLAB 中，可以用函数y=filter(p,d,x)实现差分方程的仿真，也可以用函数 y=conv(x,h)计算卷积，用y=impz(p,d,N)求系统的冲激响应。 实验内容：用MATLAB 计算全解 当n>=0时，求用系数差分方程y[n]+y[n-1]-6y[n-2]=x[n]描述的一个离散时间系统对阶跃输入x[n]=8μ[n]的全解。 实验代码： n=0:7; >> [y,sf]=filter(1,[1 1 -6],8*ones(1,8),[-7 6]); >> y1(n+1)=-1.8*(-3).^n+4.8*(2).^n-2; >> subplot(121) >> stem(n,y); >> title('由fliter 函数计算结果'); >> subplot(122) >> stem(n,y1); >> title('准确结果'); 实验结果： 结果分析：有图可得由fliter 函数得出的结果与计算出的准确结果完全一致。 实验三FFT 算法的应用 图像处理课程设计报告 导语：设计是把一种设想通过合理的规划周密的计划通过各种感觉形式传达出来的过程。以下是XX整理图像处理课程设计报告的资料，欢迎阅读参考。 图像处理课程设计报告1 摘要：图像处理技术从其功能上可以分为两大类：模拟图像处理技术、和数字图像处理技术。数字图像处理技术指的是将图像信号直接转换成为数字信号，并利用计算机进行处理的过程，其主要的特点在于处理的精度高、处理的内容丰富、可以进行复杂、难度较高的处理内容。当其不在于处理的速度比较缓慢。当前图像处理技术主要的是体现在数字处理技术上，本文说阐述的图像处理技术也是以数字图像处理技术为主要介绍对象。数字图像处理又称为计算机图像处理，它是指将图像信号转换成数字信号并利用计算机对其进行处理的过程。近年来, 图像处理技术得到了快速发展, 呈现出较为明显的发展趋势, 了解和掌握这些发展趋势对于做好目前的图像处理工作具有前瞻性的指导意义。本文总结了现代图像处理技术的三点发展趋势。 对图像进行处理(或加工、分析)的主要目的有三个方面: (1)提高图像的视感质量,如进行图像的亮度、彩色变换,增强、抑制某些成分,对图像进行几何变换等,以改善图像的质量。(2)提取图像中所包含的某些特征或特殊信息,这些被提 取的特征或信息往往为计算机分析图像提供便利。提取特征或信息的过程是计算机或计算机视觉的预处理。提取的特征可以包括很多方面,如频域特征、灰度或颜色特征、边界特征、区域特征、纹理特征、形状特征、拓扑特征和关系结构等。 (3)图像数据的变换、编码和压缩,以便于图像的存储和传输。不管是 何种目的的图像处理,都需要由计算机和图像专用设备组成的图像处理系统对图像数据进行输入、加工和输出。 数字图像处理主要研究的内容有以下几个方面： 图像变换由于图像阵列很大，直接在空间域中进行处理，涉及计算量很大。因此，往往采用各种图像变换的方法，如傅里叶变换、沃尔什变换、离散余弦变换等间接处理技术，将空间域的处理转换为变换域处理，不仅可减少计算量，而且可获得更有效的处理。目前新兴研究的小波变换在时域和频域中都具有良好的局部化特性，它在图像处理中也有着广泛而有效的应用。 图像编码压缩图像编码压缩技术可减少描述图像的数据量，以便节省图像传输、处理时间和减少所占用的存储器容量。压缩可以在不失真的前提下获得，也可以在允许的失真条件下进行。编码是压缩技术中最重要的方法，它在图像处理技术中是发展最早且比较成熟的技术。 上海理工大学 计算机工程学院 实验报告 实验名称红细胞数目统计课程名称数字图像处理 姓名王磊学号0916020226 日期2012-11-27 地点图文信息中心成绩教师韩彦芳 一、设计内容： 主题：《红细胞数目检测》 详细说明：读入红细胞图片，通过中值滤波，开运算，闭运算，以及贴标签等方法获得细胞个数。 二、现实意义： 细胞数目检测在现实生活中的意义主要体现在医学上的作用，可通过细胞数目的检测来查看并估计病人或动物的血液中细胞数，如估测血液中红细胞、白细胞、血小板、淋巴细胞等细胞的数目，同时也可检测癌细胞的数目来查看医疗效果，根据这一系列的指标来对病人或动物进行治疗，是具有极其重要的现实作用的。 三、涉及知识内容： 1、中值滤波 2、开运算 3、闭运算 4、二值化 5、贴标签 四、实例分析及截图效果： （1）代码如下： 1、程序中定义图像变量说明 （1）Image--------------------------------------------------------------原图变量; （2）Image_BW-------------------------------------------------------值化图象; （3）Image_BW_medfilt-------------------------中值滤波后的二值化图像; （4）Optimized_Image_BW---通过“初次二值化图像”与“中值滤波后的二值化图像”进行“或”运算优化图像效果； （5）Reverse_Image_BW--------------------------优化后二值化图象取反；（6）Filled_Image_BW----------------------已填充背景色的二进制图像；（7）Open_Image_BW--------------------------------------开运算后的图像； 2、实现代码： %-------图片前期处理------------------- %第一步：读取原图,并显示 A = imread('E:\红细胞3.png'); Image=rgb2gray(A); %RGB转化成灰度图 figure,imshow(Image); title('【原图】'); %第二步：进行二值化 Theshold = graythresh(Image); %取得图象的全局域值 Image_BW = im2bw(Image,Theshold); %二值化图象 figure,imshow(Image_BW); title('【初次二值化图像】'); %第三步二值化图像进行中值滤波 Image_BW_medfilt= medfilt2(Image_BW,[13 13]); figure,imshow(Image_BW_medfilt); title('【中值滤波后的二值化图像】'); %第四步：通过“初次二值化图像”与“中值滤波后的二值化图像”进行“或”运算优化图像效果 Optimized_Image_BW = Image_BW_medfilt|Image_BW; figure,imshow(Optimized_Image_BW); title('【进行“或”运算优化图像效果】'); %第五步：优化后二值化图象取反，保证：‘1’-〉‘白色’，‘0’-〉‘黑色’ %方便下面的操作 Reverse_Image_BW = ~Optimized_Image_BW; figure,imshow(Reverse_Image_BW); title('【优化后二值化图象取反】'); 数字信号处理课程设计报告《应用Matlab对信号进行频谱分析及滤波》 专业： 班级： 姓名： 指导老师： 二0 0五年一月一日 目录 设计过程步骤（） 2.1 语音信号的采集（） 2.2 语音信号的频谱分析（） 2.3 设计数字滤波器和画出其频谱响应（） 2.4 用滤波器对信号进行滤波（） 2.5滤波器分析后的语音信号的波形及频谱（） ●心得和经验（） 设计过程步骤 2.1 语音信号的采集 我们利用Windows下的录音机，录制了一段开枪发出的声音，时间在1 s内。接着在C盘保存为WAV格式，然后在Matlab软件平台下．利用函数wavread对语音信号进行采样，并记录下了采样频率和采样点数，在这里我们还通过函数sound引入听到采样后自己所录的一段声音。通过wavread函数和sound的使用，我们完成了本次课程设计的第一步。其程序如下： [x,fs,bite]=wavread('c:\alsndmgr.wav',[1000 20000]); sound(x,fs,bite); 2.2 语音信号的频谱分析 首先我们画出语音信号的时域波形；然后对语音信号进行频谱分析，在Matlab中，我们利用函数fft对信号进行快速傅里叶变换，得到信号的频谱特性性。到此，我们完成了课程实际的第二部。 其程序如下： n=1024; subplot(2,1,1); y=plot(x(50:n/4)); grid on ; title('时域信号') X=fft(x,256); subplot(2,1,2); plot(abs(fft(X))); grid on ; title('频域信号'); 运行程序得到的图形： PROJECT 03-01 Image Enhancement Using Intensity Transformations The focus of this project is to experiment with intensity transformations to enhance an image. Download Fig. 3.8(a) and enhance it using (a) The log transformation of Eq. (3.2-2). (b) A power-law transformation of the form shown in Eq. (3.2-3). In (a) the only free parameter is c, but in (b) there are two parameters, c and r for which values have to be selected. As in most enhancement tasks, experimentation is a must. The objective of this project is to obtain the best visual enhancement possible with the methods in (a) and (b). Once (according to your judgment) you have the best visual result for each transformation, explain the reasons for the major differences between them. 使用强度的转变实现图像增强 这个项目的焦点就是通过强度转换实验来增强图像。 下载图片3.8（a），并且对它实现增强。对数变换的公式如3.2.2所示，幂次变换的基本形式如3.2.3所示。 在（a）中，唯一的自由参数是c，但是在（b）中有两个参数，c以及一个需要被选定值的参数r，在大多数关于增强的任务中，实验是必须的。这个项目的目的是为了用在（a）和（b）中的方法来获得最佳可视化增强的可能性，一旦（根据你的判断）你对每一个变换都拥有了最好的视觉效果,解释一下它们之间产生主要差别的原因。 PROJECT 03-02 [Multiple Uses] Histogram Equalization (a) Write a computer program for computing the histogram of an image. (b) Implement the histogram equalization technique discussed in Section 3.3.1. (c) Download Fig. 3.8(a) and perform histogram equalization on it. As a minimum, your report should include the original image, a plot of its histogram, a plot of the histogram-equalization transformation function, the enhanced image, and a plot of its histogram. Use this information to explain why the resulting image was enhanced as it was. 直方图均衡化 （a）写一个程序来计算图像的直方图 （b）实现直方图均衡化方法在参考3.3.1 （c）下载图38(a)并实现其直方图均衡。 你的实验报告中至少需要包括原图，绘制其直方图，增强后的图形，并绘制它的直方图。用以上这些信息解释为什么图像的增强结果是这样的。 PROJECT 03-03 [Multiple Uses] 课程设计报告书 课程名称：数字图像处理 题目：数字图像处理的傅里叶变换 学生姓名： 专业：计算机科学与技术 班别：计科本101班 学号： 指导老师： 日期：2013 年06 月20 日 数字图像处理的傅里叶变换 1.课程设计目的和意义 (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 通过本次课程设计，掌握如何学习一门语言，如何进行资料查阅搜集，如何自己解决问题等方法，养成良好的学习习惯。扩展理论知识，培养综合设计能力。 2.课程设计内容 (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 3.课程设计背景与基本原理 傅里叶变换是可分离和正交变换中的一个特例，对图像的傅里叶变换将图像从图像空间变换到频率空间，从而可利用傅里叶频谱特性进行图像处理。从20世纪60年代傅里叶变换的快速算法提出来以后，傅里叶变换在信号处理和图像处理中都得到了广泛的使用。 3.1课程设计背景 数字图像处理（Digital Image Processing）又称为计算机图像处理，它是指将图像信号转换成数字信号并利用计算机对其进行处理的过程。是通过计算机对图像进行去除噪声、增强、复原、分割、提取特征等处理的方法和技术。 3.2 傅里叶变换 (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，深入研究和掌握傅里叶变换及其扩展形式的特性，是很有价值得。 (2)关于傅里叶（Fourier）变换 在信号处理中，傅里叶变换可以将时域信号变到频域中进行处理，因此傅里叶变换在信号处理中有着特殊重要的地位。 傅里叶变换能将满足一定条件的某个函数表示成三角函数（正弦和/或余弦函数）或者它们的积分的线性组合。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。傅里叶变换属于谐波分析。傅里叶变换的逆变换容易求出,而且形式与正变换非常类似；正弦基函数是微分运算的本征函数,从而使得线性微分方程的求解可以转化为常系数的代数方程的求解.在线性时不变的物理系统内,频率是个不变的性质,从而系统对于复杂激励的响应可以通过组合其对不同频率正弦信号 数字信号处理 课 程 设 计 院系：电子信息与电气工程学院 专业：电子信息工程专业 班级：电信班 姓名： 学号： 组员： 摘要 滤波器设计在数字信号处理中占有极其重要的地位，FIR数字滤波器和IIR 滤波器是滤波器设计的重要组成部分。利用MATLAB信号处理工具箱可以快速有效地设计各种数字滤波器。课题基于MATLAB有噪音语音信号处理的设计与实现，综合运用数字信号处理的理论知识对加噪声语音信号进行时域、频域分析和滤波。通过理论推导得出相应结论，再利用 MATLAB 作为编程工具进行计算机实现。在设计实现的过程中，使用窗函数法来设计FIR数字滤波器，用巴特沃斯、切比雪夫和双线性变法设计IIR数字滤波器，并利用MATLAB 作为辅助工具完成设计中的计算与图形的绘制。通过对对所设计滤波器的仿真和频率特性分析，可知利用MATLAB信号处理工具箱可以有效快捷地设计FIR和IIR数字滤波器，过程简单方便，结果的各项性能指标均达到指定要求。 关键词数字滤波器 MATLAB 窗函数法巴特沃斯 目录 摘要 (1) 1 引言 (1) 1.1课程设计目的 (1) 1.2 课程设计内容及要求 (1) 1.3课程设计设备及平台 (1) 1.3.1 数字滤波器的简介及发展 (1) 1.3.2 MATLAB软件简介 (2) 2 课程设计原理及流程 (4) 3.课程设计原理过程 (4) 3.1 语音信号的采集 (4) 3.2 语音信号的时频分析 (5) 3.3合成后语音加噪声处理 (7) 3.3.1 噪声信号的时频分析 (7) 3.3.2 混合信号的时频分析 (8) 3.4滤波器设计及消噪处理 (10) 3.4.1 设计IIR和FIR数字滤波器 (10) 3.4.2 合成后语音信号的消噪处理 (13) 3.4.3 比较滤波前后语音信号的波形及频谱 (13) 3.4.4回放语音信号 (15) 3.5结果分析 (15) 4 结束语 (15) 5 参考文献 (16) 第四次实验报告 实验课程：图像图像处理实验人：尹丽（200921020047） 实验时间：2012年4月19日实验地点：5-602 指导老师：夏倩老师成绩： 一、实验内容： ⑴图像的锐化：使用Sobel，Laplacian 算子分别对图像进行运算，观察并体会运算结果。 ⑵综合练习：对需要进行处理的图像分析，正确运用所学的知识，采用正确的步骤，对图像进行各类处理，以得到令人满意的图像效果。 二、实验目的： 学会用Matlab中的下列函数对输入图像按实验内容进行运算；感受各种不同的图像处理方法对最终图像效果的影响。（imfilter；fspecial；） 三、实验步骤： 1、仔细阅读Matlab 帮助文件中有关以上函数的使用说明，能充分理解其使用方法并能运用它们完成实验内容。 2、将Fig3.41(c).jpg 图像文件读入Matlab ，使用filter2函数分别采用不同的算子对其作锐化运算，显示运算前后的图像。 3、算子的输入可采用直接输入法。其中Sobel ，Laplacian ，也可用fspecial 函数产生。 4、各类算子如下： ???? ??????---121000121 ??????????-111181111 5、将Fig3.46(a).jpg 图像文件读入Matlab ，按照以下步骤对其进行处理： （1）用带对角线的Laplacian 对其处理，以增强边缘。 （2）用imadd 函数叠加原始图像。可以看出噪声增强了，应想法降低。 （3）获取Sobel 模板并用filter2对其进行5×5邻域平均，以减少噪声。 5（1）实验代码如图： 对角线Laplacian Sobel 垂直梯度 《图像处理技术应用实践》课程设计题目图像增强算法综合应用 学生姓名韩帅_______ 学号 院系计算机与软件学院 专业计算机科学与技术 范春年____ 噪声，不同的去噪方法效果不同，因此应该采用不同的去噪方法以达到最好的去噪效果。? （2）随机噪声应在空间域去除，而空域去噪方法中，中值滤波法效果最好。? （3）周期噪声应在频域中消去。? （4）去除噪声后的图像仍然可以改善处理。? （5）均方误差评估去噪处理后图像的去噪效果。 2.2算法设计? （1）读入初始图片及加噪图片。? clc;?clear;? f=imread();? ? for?j?=?1?:?N? ???????d?=?sqrt((i-m)^2+(j-n)^2);? ????? h?=?1/(1+0.414*(d/d0)^(2*nn));??%?计算低通滤波器传递函数??????????? ?result(i,j)?=?h?*?G(i,j);???????? end??? end （4）计算均方误差评估去噪效果。? [m?n]=size(p);?l=f-p;? he=sum(sum(l));? avg=he/(m*n); ?k=l-avg;? result1=(sum(sum(k.^2)))/(m*n);? for i=1:M for j=1:N d=sqrt((i-m)^2+(j-n)^2); h=1/(1+0.414*(d/d0)^(2*nn)); %h=1/(1+(d/d0)^(2*nn)); %备用 G(i,j)=h*G(i,j); end end p=uint8(real(ifft2(ifftshift(G)))); subplot(341);imshow(f),title('原图'); subplot(345);imshow(log(abs(f2)),[]),title('频谱'); subplot(349);imhist(f),title('原图'); subplot(342);imshow(g),title('噪声'); 本科综合课程设计报告 题 目 ____________________________ 指导教师__________________________ 辅导教师__________________________ 学生姓名__________________________ 学生学号__________________________ _______________________________ 院（部）____________________________专业________________班 ___2008___年 _12__月 _30__日 数字图像处理演示系统 信息科学与技术学院 通信工程 052 1 主要内容 1.1数字图像处理背景及应用 数字图像处理的目的是改善图像的质量，它以人为对象，以改善人的视觉效果为目的。目前，图像处理演示系统应用领域广泛医学、军事、科研、商业等领域。因为数字图像处理技术易于实现非线性处理，处理程序和处理参数可变，故是一项通用性强，精度高，处理方法灵活，信息保存、传送可靠的图像处理技术。本图像处理演示系统以数字图像处理理论为基础，对某些常用功能进行界面化设计，便于初级用户的操作。 1.2 图像处理演示系统设计要求 能加载和显示原始图像，显示和输出处理后的图像； 系统要便于维护和具备可扩展性； 界面友好便于操作； 1.3 图像处理演示系统设计任务 数字图像处理演示系统应该具备图像的几何变换（平移、缩放、旋转、翻转）、图像增强（空间域的平滑滤波与锐化滤波）的简单处理功能。 1.3.1几何变换 几何变换又称为几何运算，它是图像处理和图像分析的重要内容之一。通过几何运算，可以根据应用的需要使原图像产生大小、形状、和位置等各方面的变化。简单的说，几何变换可以改变像素点所在的几何位置，以及图像中各物体之间的空间位置关系，这种运算可以被看成是将各物体在图像内移动，特别是图像具有一定的规律性时，一个图像可以由另外一个图像通过几何变换来产生。实际上，一个不受约束的几何变换，可将输入图像的一个点变换到输出图像中的任意位置。几何变换不仅提供了产生某些特殊图像的可能，甚至还可以使图像处理程序设计简单化。从变换性质来分可以分为图像的位置变换、形状变换等 1.3.2图像增强 图像增强是数字图像处理的基本内容之一，其目的是根据应用需要突出图像中的某些“有用”的信息，削弱或去除不需要的信息，以达到扩大图像中不同物体特征之间的差别，使处理后的图像对于特定应用而言，比原始图像更合适，或者为图像的信息提取以及其他图像分析技术奠定了基础。一般情况下，经过增强处理后，图像的视觉效果会发生改变，这种变化意味着图像的视觉效果得到了改善，某些特定信息得到了增强。 标准 文案专业综合实验报告----数字图像处理 专业: 电子信息工程 班级: 学生姓名: 学号: 指导教师: 年月日 设计题目：图像去雾处理 一、设计目的 由于大气的散射作用，照相机接收到景物反射过来的光线经过了衰减。雾天的大气退化图像具有对比度低、景物不清晰的特点，给交 通系统及户外视觉系统的应用带来严重的影响。。鉴于图像处理和计 算机视觉中有关图像理解、目标识别、目标跟踪、智能导航等领域的 很多算法都是假设输入的图像或视频是在理想天气条件下拍摄的，因 此有雾图像清晰化就显得格外重要，是目前人们研究的热点问题之 一，但由于成像系统聚焦模糊、拍摄场景存在相对运动以及雾天等不 利环境，使得最终获取的图像往往无法使用。有雾天气条件下获取的 图像对比度低、图像内容模糊不清而且颜色整体偏向灰白色，图像去 雾的目的就是恢复有雾图像的对比度和真实色彩，重现在理想天气条 件下拍摄的清晰图像。 二、设计内容和要求 1、采用直方图均衡化方法增强雾天模糊图像，并比较增强前后的图像 和直方图； 2、查阅文献，分析雾天图像退化因素，设计一种图像复原方法，对比 该复原图像与原始图像以及直方图均衡化后的图像； 三、设计思路 由于图像中存在噪声等干扰，使得图像模糊不清。可以采用图像增强的方法对原图像处理，使图像变得清晰。而直方图均衡化是一种 常用的图像增强的方法。图像模糊，其图像的像素分布不均匀，采用 直方图均衡化的方法使其图像像素分布均匀，从而达到均衡像素分布 增强图像的目的。 设计方案 在晴朗的天气条件下，洁净的空气一般是由氦气、氧气等气体分子、水蒸汽、微量的固体悬浮颗粒物等成分构成。在这种大气条件 下，从物体表面反射的光线在到达成像设备的过程中，基本不会受大 气中各种成分的影响发生散射、吸收、发射等现象，而是直接到达成 像设备。相对在有雾天气条件下获得的图像，在这种理想天气条件获 得的图像，我们称之为清晰无雾图像。而在有雾天气条件下获得的图 像模糊不清，图像对比度下降，图像的颜色发生漂移，偏向灰白色。 无雾图像和有雾图像相比对比度较高，因此可以考虑增强局部对比度方法进行去雾： 1、对彩色图像RGB模型转换为HSI，对I分量分析图像直方图； 2、设置适合尺寸模版，对I分量进行局部直方图均衡化增强，分 析增强前后的图像和直方图。 3、查阅“基于暗原色先验的单一图像去雾方法”，设计图像无雾 算法。 流程框图数字信号处理课设+语音信号的数字滤波
数字图像处理课程设计题目和要求-2013
数字图像处理课程设计报告
数字图像处理课程设计
数字信号处理课设共18页文档
图像处理课程设计报告
数字图像处理课程设计(实验报告)
数字信号处理课程规划报告
数字图像处理课程设计题目
数字图像处理课程设计报告
数字信号处理课程设计
图形图像处理实验报告
图像处理课程设计
数字图像处理课程设计报告
数字图像处理课设
相关主题
文本预览