(完整版)实验-灰度图像的锐化处理

实验五灰度图像的锐化处理

一、实验目的

1．了解图像锐化的基本原理；

2．掌握图像空域锐化处理的方法；

3．利用VC编写图像空域锐化处理的程序；

4．在微机上调试程序。

二、实验原理

图像平滑处理可以减弱噪声的影响，但窗口增大后将会产生图像边缘不清的问题。

图像在传输和转换过程中，一般来讲，质量都会降低，除了噪声的因素之外，图像一般都要变得模糊一些，这主要因为图像的传输或转换系统的传递函数对高频成分的衰减作用，造成图像的细节轮廓不清晰。图像锐化的作用就是补偿图像的轮廓，增强图像的边缘级灰度跳变部分，使图像较清晰。

图像锐化是一种能加强图像轮廓的处理方法，因此，从增强的目的来看它是与图像平滑相反的一类处理，图像锐化同样也可分为频域和空域处理两类实现方法。本实验要求完成空域中图像的锐化处理。

1．图像空域锐化处理的方法

微分处理可加强高频成分，例如对正弦信号sin(Nx)，其微分为余弦函数Ncos(Nx)，经微分处理后，信号的频率不变，幅度增大N倍，且频率越高，增幅越大。对图像进行微分处理后：

?f/?x

G[(x,y)]=

?f/?y

G[(x,y)]是点(x,y)的梯度，其方向指向f(x,y)最大变化方向。

对连续图像：

G[(x,y)]=[（?f/?x）2+（?f/?y）2]1/2

对离散图像：G[(x,y)]常采用下列几种算法：

（1）典型的差分算法

G[(x,y)]=[[f(x,y)-f(x+1,y)]2+[f(x,y)-f(x,y+1)]2]1/2

（2）罗伯茨算法

G[(x,y)]=[[f(x,y)-f(x+1,y+1)]2+[f(x+1,y)-f(x,y+1)]2]1/2

（3）绝对差算法

相对于典型的差分算法和罗伯茨算法有：

G[(x,y)]=|f(x,y)-f(x+1,y)|+|f(x,y)-f(x,y+1)|

G[(x,y)]=|f(x,y)-f(x+1,y+1)|+|f(x+1,y)-f(x,y+1)|

在实际处理一幅图像时，最后一行（列）梯度的值一般可以用前一行（列）的梯度的值来代替。

如果背景与目标都是慢变的，且它们的灰度值相差较大，则用这种基于微分的处理方法可得较好的边界，该方法的缺点是在f(x,y)中所有较平滑的区域经变换处理后就变成了暗区。

2．图像空域锐化处理算法流程

（1）纵横方向微分运算

纵横方向微分运算功能是生成输入图像的纵方向和横方向的微分图像。本程序流程对输入灰度图像f(x,y)在纵方向（df/dx）和横方向（df/dy）进行微分，从而求得输出图像g(x,y)。在进行数字处理时，微分用差分近似，并按下式求得：

纵方向：g(x,y)= f(x,y)- f(x-1,y)；

横方向：g(x,y)= f(x,y)- f(x1,y-1)。

进行纵方向微分还是横方向微分可由输入参数选择（1：纵方向微分，0：横方向微分）。

流程图如图5-1所示，N为方向选择参数。

图5-1 纵横方向微分运算

（2）双方向一次微分运算

双方向一次微分运算完成对输入图像f(x,y)的纵横两个方向的一次微分图像。

本程序对灰度图像f(x,y)在纵方向和横方向两个方向进行微分，程序中同样是用差分来求得微分。流程图如图5-2所示。本算法按典型的差分算法来求得输出图像g(x,y)：g(x,y)=[[f(x,y)-f(x+1,y)]2+[f(x,y)-f(x,y+1)]2]1/2

图5-2 双方向一次微分运算

三、实验前准备

1．预习本实验中关于图像锐化处理的基本原理；

2．了解本实验的目的和实验内容。

四、实验内容

1．根据图像空域锐化处理的方法和流程，利用VC编写图像双方向一次微分运算（典型的差分算法）的程序；

2．给定一幅BMP图像，用所编程序对给定图像进行操作，对图像处理后另存为（*.bmp）文件，并用Photoshop验证所编程序的正确性；

3．本实验要求完成图像双方向一次微分运算，如有时间再做纵横方向微分运算。

五、实验报告要求

1．总结图像锐化处理的原理和方法；

2．总结对图像双方向一次微分运算编程的过程；

3．总结用Photoshop验证所编写程序的过程。

4．对实验结果进行分析。

六、参考程序

在BIBAPI.h中声明梯度锐化函数BOOL WINAPI GradSharp(LPSTR lpDIBBits,LONG lWidth,LONG lHeight,BYTE bThre);，在DIBAPI.cpp中定义如下

BOOL WINAPI GradSharp(LPSTR lpDIBBits,LONG lWidth,LONG lHeight)

{

//梯度锐化

unsigned char* lpSrc1,*lpSrc2,*lpSrc;

LONG i;

LONG j;

LONG lLineBytes;

LONG fTemp;

LONG fBiex=20;

lLineBytes=WIDTHBYTES(lWidth*8);

for(i=0;i

{

for(j=0;j

{

lpSrc1=(unsigned char*)lpDIBBits+lLineBytes*(lHeight-1-(i+1))+j;

lpSrc2=(unsigned char*)lpDIBBits+lLineBytes*(lHeight-1-i)+j+1;

lpSrc=(unsigned char*)lpDIBBits+lLineBytes*(lHeight-1-i)+j;

fTemp=sqrt((*lpSrc-*lpSrc1)*(*lpSrc-*lpSrc1)+(*lpSrc-*lpSrc2)*(*lpSrc-*lpSrc2));

if(fTemp>255)

{

*lpSrc=255;

}

else if(fTemp<0)

{

*lpSrc=0;

}

else

{

*lpSrc=(unsigned char)(fTemp+0.5);

}

}

}

return TRUE;

}

在Menu中添加“梯度锐化”，通过MFC ClassWizard添加其消息函数，并在该函数中添加如下代码：

CShiyanDoc* pDoc=GetDocument();

if(pDoc->m_hDIB==NULL)

{

MessageBox("请先打开一幅256色的BMP图像！","系统提示",MB_ICONINFORMATION|MB_OK);

return;

}

LPSTR lpDIB;

LPSTR lpDIBBits;

lpDIB=(LPSTR)::GlobalLock((HGLOBAL)pDoc->GetHDIB());

lpDIBBits=::FindDIBBits(lpDIB);

if(::DIBNumColors(lpDIB)!=256)

{

MessageBox("目前只支持256色位图！","系统提示",MB_ICONINFORMATION|MB_OK);

::GlobalUnlock((HGLOBAL)pDoc->GetHDIB());

return;

}

BeginWaitCursor();

::GradSharp(lpDIBBits,::DIBWidth(lpDIB),::DIBHeight(lpDIB));

pDoc->SetModifiedFlag(TRUE);

pDoc->UpdateAllViews(NULL);

::GlobalUnlock((HGLOBAL)pDoc->GetHDIB());

EndWaitCursor();

实验报告四图像锐化处理

实验报告四 姓名：学号：班级： 实验日期：2016.5.10实验成绩： 一．实验目的 （1）学习如何用锐化处理技术来加强图像的目标边界和图像细节，对图像进行梯度算子、拉普拉斯算子、Sobel算子设计，使图 像的某些特征（如边缘、轮廓等）得以进一步的增强及突出。（2）分析模板大小对空域锐化滤波的影响，比较不同滤波器的处理效果，分析其优缺点。 二．实验原理 锐化处理的主要目的是突出灰度的过度部分，在空间域中，均值滤波类似于积分，那锐化滤波类似于微分，微分算子的响应程度与图像在用算子操作的这一点突变程度成正比，图像积分模糊了图像，同时起到了消除噪声的作用；图像微分增强边缘和其它突变（如噪声），而削弱灰度变换缓慢的区域，laplacian算子类似于二阶微分，强调的是图像灰度级剧烈变换的部分，而sobel算子类似于一阶微分，强调的是图像灰度级缓慢变化的部分。

三．实验内容及结果 （1）选择一副图像i_texture2.bmp，分别使用拉普拉斯算子、sobel 算子对图像进行锐化滤波，并观察滤波效果。

图1 laplacian及sobel算子处理图像 （2）选择一副图像i_texture2.bmp，构造一个中心系数为-24的5×5的类似于拉普拉斯模板对图像进行锐化，与上述拉普拉斯算子的结果相比，是否能得到更加清晰的结果？

图2 不同大小laplacian模板处理原图及二值图 四．结果分析 （1）观察图一，可以发现对原图进行sobel算子运算后，原图阶梯的边缘细节被突显出来了，而每个阶梯灰度级保持不变的背景则没了，全变黑了，而对原图进行laplacian算子运算后，边缘部分则只剩下些杂乱无章的点了，基本是在sobel算子运算过后筛选出来的缓慢突变边缘上的一些突变更快的点。如果把sobel算子比作是一阶微分就不难理解它是对原图的缓慢边缘变化部分，而把laplacian 算子比作是二阶微分的话，就是原图的剧烈突变部分，由于原图像的阶梯边缘在灰度级上是缓慢过度的，所以使用sobel算子边缘的突出效果更明显，而laplacian算子无论模板大小为多大，都不能清晰的显示出边缘。至于背景为什么会变黑是因为算子模板中有负因子，当计算的出来的值为负数时，自动标定其为0，也就是黑色。（2）观察图二，可以发现对原图使用无论多大的laplacian模板，效果都很差，原因就是上述提到的原图像的边缘灰度级是缓慢变化的，对原图灰度级二值化处理，由于灰度值大小只有0和1两个值，阶梯边缘两边的值分别为0和1，这样边缘突变就成了一个单位的剧烈突变，所以3*3的laplacian算子效果就和上述的sobel算子效

实验三 空间域数字图像的平滑与锐化

福建农林大学计算机与信息学院实验报告系：专业：年级： 姓名：学号：实验室号_______ 计算机号 实验时间：指导教师签字：成绩：报告退发(订正、重做) 实验三空间域数字图像的平滑与锐化 1.实验目的和要求 掌握空间域数字图像的平滑与锐化。 2.实验内容和原理 （1）利用加权平均掩模实现数字图像的平滑； （2）利用拉普拉斯算子实现数字图像的锐化 3.实验环境 硬件：一般PC机 操作系统：WindowsXP 编程平台：MATLAB 或高级语言 4.算法描述及实验步骤 Code： X=imread('moon.tif'); subplot(2,2,1) ;imshow(X); title 原图 b=size(X); X=double(X); %f=[0 -1 0;-1 4 -1;0 -1 0;]; %用四领域 f=[-1 -1 -1;-1 8 -1;-1 -1 -1;]; %用八领域 g=[1 2 1;2 4 2;1 2 1;]; %模糊用的算子 Y=zeros(b); for(i=2:b(1)-1)

for(j=2:b(2)-1) Y(i,j)=X(i,j)*g(2,2)+X(i+1,j)*g(3,2)+X(i,j+1)*g(2,3)+X(i+1,j+1 )*g(3,3)+X(i+1,j-1)*g(3,1)+X(i-1,j+1)*g(1,3)+X(i-1,j-1)*g(1,1) +X(i-1,j)*g(1,2)+X(i,j-1)*g(2,1); end; end; Y=mat2gray(Y/16); subplot(2,2,2) ;imshow(Y); title 模糊后 Z=zeros(b); for(i=2:b(1)-1) for(j=2:b(2)-1) Z(i,j)=Y(i,j)*f(2,2)+Y(i+1,j)*f(3,2)+Y(i,j+1)*f(2,3)+Y(i+1,j+1)* f(3,3)+Y(i+1,j-1)*f(3,1)+Y(i-1,j+1)*f(1,3)+Y(i-1,j-1)*f(1,1)+Y(i -1,j)*f(1,2)+Y(i,j-1)*f(2,1); end; end; Z=mat2gray(Z); subplot(2,2,3) ;imshow(Z); title 锐化后 M=zeros(b); for(i=2:b(1)-1) for(j=2:b(2)-1) M(i,j)=X(i,j)+Y(i,j);

数字图像处理实验报告

数字图像处理实验报告 实验一数字图像基本操作及灰度调整 一、实验目的 1)掌握读、写图像的基本方法。 2)掌握MATLAB语言中图像数据与信息的读取方法。 3)理解图像灰度变换处理在图像增强的作用。 4)掌握绘制灰度直方图的方法，理解灰度直方图的灰度变换及均衡化的方 法。 二、实验内容与要求 1.熟悉MATLAB语言中对图像数据读取，显示等基本函数 特别需要熟悉下列命令：熟悉imread()函数、imwrite()函数、size()函数、Subplot（）函数、Figure（）函数。 1)将MATLAB目录下work文件夹中的forest.tif图像文件读出.用到imread， imfinfo 等文件，观察一下图像数据，了解一下数字图像在MATLAB中的处理就是处理一个矩阵。将这个图像显示出来（用imshow）。尝试修改map颜色矩阵的值，再将图像显示出来，观察图像颜色的变化。 2)将MATLAB目录下work文件夹中的b747.jpg图像文件读出，用rgb2gray() 将其 转化为灰度图像，记为变量B。 2.图像灰度变换处理在图像增强的作用 读入不同情况的图像，请自己编程和调用Matlab函数用常用灰度变换函数对输入图像进行灰度变换，比较相应的处理效果。 3.绘制图像灰度直方图的方法，对图像进行均衡化处理 请自己编程和调用Matlab函数完成如下实验。 1)显示B的图像及灰度直方图，可以发现其灰度值集中在一段区域，用 imadjust函 数将它的灰度值调整到[0，1]之间，并观察调整后的图像与原图像的差别，调整后的灰

度直方图与原灰度直方图的区别。 2) 对B 进行直方图均衡化处理，试比较与源图的异同。 3) 对B 进行如图所示的分段线形变换处理，试比较与直方图均衡化处理的异同。 图1.1 分段线性变换函数 三、实验原理与算法分析 1. 灰度变换 灰度变换是图像增强的一种重要手段，它常用于改变图象的灰度范围及分布，是图象数字化及图象显示的重要工具。 1) 图像反转 灰度级范围为[0, L-1]的图像反转可由下式获得 r L s --=1 2) 对数运算：有时原图的动态范围太大，超出某些显示设备的允许动态范围， 如直接使用原图，则一部分细节可能丢失。解决的方法是对原图进行灰度压缩，如对数变换： s = c log(1 + r )，c 为常数，r ≥ 0 3) 幂次变换： 0,0,≥≥=γγc cr s 4) 对比拉伸：在实际应用中,为了突出图像中感兴趣的研究对象，常常要求 局部扩展拉伸某一范围的灰度值，或对不同范围的灰度值进行不同的拉伸处理，即分段线性拉伸： 其对应的数学表达式为：

图像的平滑处理与锐化处理

数字图像处理作业题目：图像的平滑处理与锐化处理 ：张一凡 学号：4 专业：计算机应用技术

1.1理论背景 现实中的图像由于种种原因都是带噪声的，噪声恶化了图像质量，使图像模糊，甚至淹没和改变特征，给图像分析和识别带来了困难。一般数字图像系统中的常见噪声主要有：高斯噪声、椒盐噪声等。 图像去噪算法根据不通的处理域，可以分为空间域和频域两种处理方法。空间域处理是在图像本身存在的二维空间里对其进行处理。而频域算法是用一组正交函数系来逼近原始信号函数，获得相应的系数，将对原始信号的分析转动了系数空间域。 在图像的识别中常需要突出边缘和轮廓信息，图像锐化就是增强图像的边缘和轮廓。 1.2介绍算法 图像平滑算法：线性滤波（邻域平均法） 对一些图像进行线性滤波可以去除图像中某些类型的噪声。领域平均法就是一种非常适合去除通过扫描得到的图像中的噪声颗粒的线性滤波。 领域平均法是空间域平滑噪声技术。对于给定的图像()j i f,中的每个像素点()n m,，取其领域S。设S含有M个像素，取其平均值作为处理后所得图像像素点()n m,处的灰度。用一像素领域内各像素灰度平均值来代替该像素原来的灰度，即领域平均技术。

领域S 的形状和大小根据图像特点确定。一般取的形状是正方形、矩形及十字形等，S 的形状和大小可以在全图处理过程中保持不变，也可以根据图像的局部统计特性而变化，点(m,n)一般位于S 的中心。如S 为3×3领域，点(m,n)位于S 中心，则 ()()∑∑-=-=++=1111 ,91,i j j n i m f n m f 假设噪声n 是加性噪声，在空间各点互不相关，且期望为0，方差为2σ，图像g 是未受污染的图像，含有噪声图像f 经过加权平均后为 ()()()()∑∑∑+==j i n M j i g M j i f M n m f ,1 ,1 ,1 , 由上式可知，经过平均后，噪声的均值不变，方差221σσM = ，即方差变小，说明噪声强度减弱了，抑制了噪声。 图像锐化算法：拉普拉斯算子 拉普拉斯算子是最简单的各向同性微分算子，具有旋转不变性，比较适用于改善因为光线的漫反射造成的图像模糊。其原理是，在摄像记录图像的过程中，光点将光漫反射到其周围区域，这个过程满足扩散方程: f kV t f 2=?? 经过推导，可以发现当图像的模糊是由光的漫反射造成时，不模糊图像等于模糊图像减去它的拉普拉斯变换的常数倍。另外，人们还发现，即使模糊不是由于光的漫反射造成的，对图像进行拉普拉斯变换也可以使图像更清晰。

图像平滑及锐化

1.图像锐化的目的 是使灰度反差增强，从而增强图像中边缘信息，有利于轮廓抽取。因为轮廓或边缘就是图像中灰度变化率最大的地方。因此，为了把轮廓抽取出来，就是要找一种方法把图像的最大灰度变化处找出来。 2.实现图像的锐化可使图像的边缘或线条变得清晰，高通滤波可用空域高通滤波法来实现。本节将围绕空间高通滤波讨论图像锐化中常用的运算及方法，其中有梯度运算、各种锐化算子、拉普拉斯（Laplacian）算子、空间高通滤波法和掩模法等图像锐化技术。 3.梯度算子——是基于一阶微分的图像增强. 梯度算子: 梯度对应的是一阶导数，梯度算子是一阶导数算子。 梯度方向:在图像灰度最大变化率上，反映出图像边缘上的灰度变化。梯度处理经常用于工业检测、辅助人工检测缺陷，或者是更为通用的自动检测的预处理。 4.拉普拉斯算子——基于二阶微分的图像增强 Laplacian算子是不依赖于边缘方向的二阶微分算子，是常用的二阶导数算子. 拉普拉斯算子是一个标量而不是向量，具有线性特性和旋转不变，即各向同性的性质。 拉普拉斯微分算子强调图像中灰度的突变,弱化灰度慢变化的区域。这将产生一幅把浅灰色边线、突变点叠加到暗背景中的图像。 计算数字图像的拉普拉斯值也可以借助于各种模板。拉普拉斯对模板的基本要对应中心像素的系数应该是正的，而对应于中心像素邻近像素的系数应是负的，它们的和应该为零。 将原始图像和拉普拉斯图像叠加在一起的简单方法可以保护拉普拉斯锐化处理的效果，同时又能复原背景信息。 5.同态滤波器图像增强的方法 一幅图像f(x,y)能够用它的入射光分量和反射光分量来表示，其关系式如下 f(x,y)=i(x,y)r(x,y) 图像f(x,y)是由光源产生的照度场i(x,y)和目标的反射系数场r(x,y)的共同作用下产生的。 该模型可作为频率域中同时压缩图像的亮度围和增强图像的对比度的基础。但在频率域中不能直接对照度场和反射系数场频率分量分别进行独立的操作。

武汉科技大学 数字图像处理实验报告

二○一四～二○一五学年第一学期电子信息工程系 实验报告书 班级：电子信息工程（DB）1102班姓名 学号： 课程名称：数字图像处理 二○一四年十一月一日

实验一图像直方图处理及灰度变换（2学时） 实验目的： 1. 掌握读、写、显示图像的基本方法。 2. 掌握图像直方图的概念、计算方法以及直方图归一化、均衡化方法。 3. 掌握图像灰度变换的基本方法，理解灰度变换对图像外观的改善效果。 实验内容： 1. 读入一幅图像，判断其是否为灰度图像，如果不是灰度图像，将其转化为灰度图像。 2. 完成灰度图像的直方图计算、直方图归一化、直方图均衡化等操作。 3. 完成灰度图像的灰度变换操作，如线性变换、伽马变换、阈值变换（二值化）等，分别使用不同参数观察灰度变换效果（对灰度直方图的影响）。 实验步骤： 1. 将图片转换为灰度图片,进行直方图均衡，并统计图像的直方图： I1=imread('pic.jpg'); %读取图像 I2=rgb2gray(I1); %将彩色图变成灰度图 subplot(3,2,1); imshow(I1); title('原图'); subplot(3,2,3); imshow(I2); title('灰度图'); subplot(3,2,4); imhist(I2); %统计直方图 title('统计直方图'); subplot(3,2,5); J=histeq(I2); %直方图均衡 imshow(J); title('直方图均衡'); subplot(3,2,6); imhist(J); title('统计直方图');

原 图 灰度图 01000 2000 3000统计直方图 100200直方图均衡 0统计直方图 100200 仿真分析： 将灰度图直方图均衡后，从图形上反映出细节更加丰富，图像动态范围增大，深色的地方颜色更深，浅色的地方颜色更前，对比更鲜明。从直方图上反应，暗部到亮部像素分布更加均匀。 2. 将图片进行阈值变换和灰度调整，并统计图像的直方图： I1=imread('rice.png'); I2=im2bw(I1,0.5); %选取阈值为0.5 I3=imadjust(I1,[0.3 0.9],[]); %设置灰度为0.3-0.9 subplot(3,2,1); imshow(I1); title('原图'); subplot(3,2,3); imshow(I2); title('阈值变换'); subplot(3,2,5); imshow(I3); title('灰度调整'); subplot(3,2,2); imhist(I1); title('统计直方图'); subplot(3,2,4);

图像处理实验报告

重庆交通大学 学生实验报告 实验课程名称数字图像处理 开课实验室数学实验室 学院理学院年级信息与计算科学专业 2 班学生姓名李伟凯学号631122020203 开课时间2014 至2015 学年第 1 学期

实验（一）图像处理基础 ?实验目的 学习Matlab软件的图像处理工具箱，掌握常用的一些图像处理命令；通过编程实现几种简单的图像增强算法，加强对图像增强的理解。 ?实验内容 题目A.打开Matlab软件帮助，学习了解Matlab中图像处理工具箱的基本功能；题目B.掌握以下常见图像处理函数的使用： imread( ) imageinfo( ) imwrite( ) imopen( ) imclose( ) imshow( ) impixel( ) imresize( ) imadjust( ) imnoise( ) imrotate( ) im2bw( ) rgb2gray( ) 题目C.编程实现对图像的线性灰度拉伸y = ax + b，函数形式为：imstrech(I, a, b)； 题目D.编程实现对图像进行直方图均衡化处理，并将实验结果与Matab中imhist 命令结果比较。 三、实验结果 1）．基本图像处理函数的使用： I=imread('rice.png'); se = strel('disk',1); I_opened = imopen(I,se); %对边缘进行平滑 subplot(1,2,1), imshow(I), title('原始图像') subplot(1,2,2), imshow(I_opened), title('平滑图像') 原始图像平滑图像

数字图像处理-图像平滑和锐化变换处理

图像平滑和锐化变换处理 一、实验内容和要求 1、灰度变换：灰度拉伸、直方图均衡、伽马校正、log变换等。 2、空域平滑：box、gauss模板卷积。 3、频域平滑：低通滤波器平滑。 4、空域锐化：锐化模板锐化。 5、频域锐化：高通滤波器锐化。 二、实验软硬件环境 PC机一台、MATLAB软件 三实验编程及调试 1、灰度变换：灰度拉伸、直方图均衡、伽马校正、log变换等。 ①灰度拉伸程序如下： I=imread(''); J=imadjust(I,[,],[]); subplot(2,2,1),imshow(I); subplot(2,2,2),imshow(J); subplot(2,2,3),imhist(I); subplot(2,2,4),imhist(J); ②直方图均衡程序如下： I=imread(''); J=histeq(I); Subplot(2,2,1); Imshow(I); Title('原图像'); Subplot(2,2,2);

Imshow(J); Title('直方图均衡化后的图像') ; Subplot(2,2,3) ; Imhist(I,64); Title('原图像直方图') ; Subplot(2,2,4); Imhist(J,64) ; Title('均衡变换后的直方图') ; ③伽马校正程序如下： A=imread(''); x=0:255; a=80,b=,c=; B=b.^(c.*(double(A)-a))-1; y=b.^(c.*(x-a))-1; subplot(3,2,1); imshow(A); subplot(3,2,2); imhist(A); subplot(3,2,3); imshow(B); subplot(3,2,4); imhist(B); subplot(3,2,6); plot(x,y); ④log变换程序如下： Image=imread('');

利用laplacian算子对图像进行锐化操作

利用laplacian算子对图像进行锐化操作 人机交互实验报告 班级：计0905 姓名：车雨欣 学号：20091221018

利用laplacian算子对图像进行锐化操作Laplacian算子定义 Laplacian 算子是n维欧几里德空间中的一个二阶微分算子，定义为梯度（）的散度（）。因此如果f是二阶可微的实函数，则f的拉普拉斯算子定义为： (1) f的拉普拉斯算子也是笛卡儿坐标系xi中的所有非混合二阶偏导数： (2) 作为一个二阶微分算子，拉普拉斯算子把C函数映射到C函数，对于k ≥2。表达式(1)（或(2)）定义了一个算子Δ: C(R) →C(R)，或更一般地，定义了一个算子Δ : C(Ω) → C(Ω)，对于任何开集Ω。 运算模板 函数的拉普拉斯算子也是该函数的黑塞矩阵的迹,可以证明，它具有各向同性，即与坐标轴方向无关，坐标轴旋转后梯度结果不变。如果邻域系统是4 邻域，Laplacian 算子的模板为： 0 1 0 1 -4 1 0 1 0

如果邻域系统是8 邻域，Laplacian 算子的模板为： 1 1 1 1 -8 1 1 1 1 前面提过，Laplacian 算子对噪声比较敏感，所以图像一般先经过平滑处理，因为平滑处理也是用模板进行的，所以，通常的分割算法都是把Laplacian 算子和平滑算子结合起来生成一个新的模板。图像 图像最基本的特征是边缘。所谓边缘是指周围像素有阶跃变化或屋顶状变化的那些象素的集合。他存在于目标与背景、目标与目标、区域与区域、基元与基元之间，因此他是图像分割所依赖的最重要的特征，他两边象素的灰度值有显著不同；其二是屋顶装边缘，他位于灰度值从增加到减少的变化转折点。 图像边缘检测 一种定位二维或三维图像（特别是医学图像）中的对象的边缘的系统。通过输入端（３１０）接收表示该图像的各元素值的数据元素集。该数据集被存储在存储装置（３２０）中。处理器（３４０）确定该图像中的对象的边缘。该处理器计算所述数据元素的至少一阶和／或二阶导数，并且计算该图像的等照度线曲率，所述曲率由κ

matlab图像处理实验报告

图像处理实验报告 姓名：陈琼暖 班级：07计科一班 学号：20070810104

目录： 实验一：灰度图像处理 (3) 实验二：灰度图像增强 (5) 实验三：二值图像处理 (8) 实验四：图像变换 (13) 大实验：车牌检测 (15)

实验一：灰度图像处理题目：直方图与灰度均衡 基本要求： （1） BMP灰度图像读取、显示、保存； （2）编程实现得出灰度图像的直方图； （3）实现灰度均衡算法. 实验过程： 1、BMP灰度图像读取、显示、保存； ?图像的读写与显示操作：用imread( )读取图像。 ?图像显示于屏幕：imshow( ) 。 ?

2、编程实现得出灰度图像的直方图； 3、实现灰度均衡算法； ?直方图均衡化可用histeq( )函数实现。 ?imhist(I) 显示直方图。直方图中bin的数目有图像的类型决定。如果I是个灰度图像，imhist将 使用默认值256个bins。如果I是一个二值图像，imhist使用两bins。 实验总结： Matlab 语言是一种简洁，可读性较强的高效率编程软件，通过运用图像处理工具箱中的有关函数,就可以对原图像进行简单的处理。 通过比较灰度原图和经均衡化后的图形可见图像变得清晰，均衡化后的直方图形状比原直方图的形状更理想。

实验二：灰度图像增强 题目：图像平滑与锐化 基本要求： （1）使用邻域平均法实现平滑运算； （2）使用中值滤波实现平滑运算； （3）使用拉普拉斯算子实现锐化运算. 实验过程： 1、 使用邻域平均法实现平滑运算； 步骤：对图像添加噪声，对带噪声的图像数据进行平滑处理； ? 对图像添加噪声 J = imnoise(I,type,parameters)

数字图像处理实验报告92184

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

图像锐化的目的和意义

图像锐化的目的和意义图像模糊的主要原因是图像中的高频成分低于低频成分，它对图像质量的影响体现在两个不同均匀灰度区域的边界部分。 当成像参数正确，图像的亮度变化传递正常时，在图像中对象边缘与背景之间的理想边缘面应该时阶梯形的，这样的图像看上去边缘清晰，反之，则会边缘模糊，其特征时对象与背景间的灰度改变有一个过渡带，这将损害图像的视觉效果。要消除图像中不应又的模糊边缘，需要增强图像中的高频成分，使边缘锐化。 图像锐化是一种使图像原有的信息变换到有利于人们观看的质量，其目的是为了改善图像的视觉效果，消除图像质量劣化的原因（模糊），使图像中应又的对象边缘变得轮廓分明。 图像的锐化，需要利用积分的反运算（微分），因为微分运算是求信号的变化率，又加强图像中高频分量的作用，从而要锐化图像需要采用各向同性的，具有旋转不变特征的线性微分算子。 图像锐化是一种补偿轮廓、突出边缘信息以使图像更为清晰的处理方法. 锐化的目标实质上是要增强原始图像的高频成分 .常规的锐化算法对整幅图像进行高频增强 , 结果呈现明显噪声 .为此, 在对锐化原理进行深入研究的基础上 ,提出了先用边缘检测算法检出边缘 , 然后根据检出的边缘对图像进行高频增强的方法 . 实验结果表明 , 该方法有效地解决了图像锐化后的噪声问题图像的锐化可以在空间域中进行，也可以在频率域中实现。 一. 图像信号的锐化过程 1. 空间域中锐化图像的目的在空间域中进行图像的锐化也成为空间滤波处 理，目的又 （1）一是提取图像中用于认识和识别图像特征的参量，为图像识别准备数据 （2）消除噪声。图像数字化时产生的噪声主要是造成对图像内容的干扰，这用图像的平滑处理。图像数字化时在信号高频区域产生的 误差以及设备自身噪声对图像的高频（轮廓特征）干扰同样也是一 种噪声，可以用空间滤波的方法去除。 （3）采用空间滤波的方法可以更鲜明地保持图像的边缘特征，这也是空间滤波的主要目的，即锐化图像。处理效果 锐化的目的在于使图像中对象轮廓上的像素灰度大的更大，小的更小，但

图像处理实验报告

实验报告 实验课程名称：数字图像处理 班级：学号：姓名： 注：1、每个实验中各项成绩按照10分制评定，每个实验成绩为两项总和20分。 2、平均成绩取三个实验平均成绩。 2016年 4 月18日

实验一 图像的二维离散傅立叶变换 一、实验目的 掌握图像的二维离散傅立叶变换以及性质 二、实验要求 1) 建立输入图像，在64?64的黑色图像矩阵的中心建立16?16的白色矩形图像点阵， 形成图像文件。对输入图像进行二维傅立叶变换，将原始图像及变换图像（三维、中心化）都显示于屏幕上。 2) 调整输入图像中白色矩形的位置，再进行变换，将原始图像及变换图像（三维、中 心化）都显示于屏幕上，比较变换结果。 3) 调整输入图像中白色矩形的尺寸（40?40，4?4），再进行变换，将原始图像及变 换图像（三维、中心化）都显示于屏幕上，比较变换结果。 三、实验仪器设备及软件 HP D538、MATLAB 四、实验原理 傅里叶变换作为分析数字图像的有利工具，因其可分离性、平移性、周期性和共轭对称性可以定量地方分析数字化系统，并且变换后的图像使得时间域和频域间的联系能够方便直观地解决许多问题。实验通过MATLAB 实验该项技能。 设),(y x f 是在空间域上等间隔采样得到的M ×N 的二维离散信号，x 和y 是离散实变量，u 和v 为离散频率变量，则二维离散傅里叶变换对一般地定义为 ∑∑ -=-=+-= 101 )],( 2ex p[),(1 ),(M x N y N yu M xu j y x f MN v u F π,1,0=u …，M-1；y=0，1，…N-1 ∑∑-=-=+=101 )],( 2ex p[),(),(M x N y N uy M ux j v u F y x f π ,1,0=x …，M-1；y=0，1，…N-1 在图像处理中，有事为了讨论上的方便，取M=N ，这样二维离散傅里叶变换对就定义为 ,]) (2ex p[),(1 ),(101 ∑∑ -=-=+- = N x N y N yu xu j y x f N v u F π 1,0,=v u …，N-1 ,]) (2ex p[ ),(1 ),(101 ∑∑-=-=+= N u N v N vy ux j v u F N y x f π 1,0,=y x ，…，N-1 其中，]/)(2exp[N yv xu j +-π是正变换核，]/)(2exp[N vy ux j +π是反变换核。将二维离散傅里叶变换的频谱的平方定义为),(y x f 的功率谱，记为 ),(),(|),(|),(222v u I v u R v u F v u P +== 功率谱反映了二维离散信号的能量在空间频率域上的分布情况。 五、实验步骤、程序及结果： 1、实验步骤： （1）、编写程序建立输入图像； （2）、对上述图像进行二维傅立叶变换，观察其频谱 （3）、改变输入图像中白框的位置，在进行二维傅里叶变换，观察频谱；

数字图像处理实验报告实验三

中南大学 数字图像处理实验报告实验三数学形态学及其应用

实验三 数学形态学及其应用 一．实验目的 1.了解二值形态学的基本运算 2.掌握基本形态学运算的实现 3.了解形态操作的应用 二．实验基本原理 腐蚀和膨胀是数学形态学最基本的变换，数学形态学的应用几乎覆盖了图像处理的所有领域，给出利用数学形态学对二值图像处理的一些运算。 膨胀就是把连接成分的边界扩大一层的处理。而收缩则是把连接成分的边界点去掉从而缩小一层的处理。 二值形态学 I(x,y), T(i,j)为 0/1图像Θ 腐蚀：[]),(&),(),)((),(0,j i T j y i x I AND y x T I y x E m j i ++=Θ== 膨胀：[]),(&),(),)((),(0 ,j i T j y i x I OR y x T I y x D m j i ++=⊕== 灰度形态学T(i,j)可取10以外的值 腐蚀： []),(),(min ),)((),(1 ,0j i T j y i x I y x T I y x E m j i -++=Θ=-≤≤ 膨胀： []),(),(max ),)((),(1 ,0j i T j y i x I y x T I y x D m j i +++=⊕=-≤≤ 1.腐蚀Erosion: {}x B x B X x ?=Θ: 1B 删两边 2B 删右上 图5-1 剥去一层（皮） 2.膨胀Dilation: {}X B x B X x ↑⊕:＝ 1B 补两边 2B 补左下 图5-2 添上一层（漆） 3.开运算open ：

B B X ⊕Θ=)(X B 4.闭close ：∨ Θ⊕=B B X X B )( 5.HMT(Hit-Miss Transform:击中——击不中变换) 条件严格的模板匹配 ),(21T T T =模板由两部分组成。1T ：物体，2T ：背景。 {} C x x i X T X T X T X ??=?21, 图5-3 击不中变换示意图 性质： （1）φ=2T 时，1T X T X Θ=? （2）)()()(21T X T X T X C Θ?Θ=? C T X T X )()(21Θ?Θ= )/()(21T X T X ΘΘ= 6.细化/粗化 (1)细化（Thin ） C T X X T X XoT )(/??=?= 去掉满足匹配条件的点。 图5-4 细化示意图 系统细化{}n B oB XoB T Xo ))(((21=， i B 是1-i B 旋转的结果（90?，180?，270?）共8种情况 适于细化的结构元素 1111000d d I = d d d L 10110 0= (2)粗化（Thick ） )(T X X T X ??=? 用(){}0,01=T (){}0,12=T 时，X X X T X =?=? X 21 1 1 2 3 T ? XoT X ? X X ?T X ΘT T ⊕

图像锐化处理

课 程 设 计 报 告 学 院： 自动化学院 专业名称： 信息工程 学生姓名： 赵建涛 指导教师： 赵春晖 时 间： 2011年9月

课程设计任务书 一、设计内容 对图像采用微分运算的方法进行锐化处理。 要求：编写Matlab 程序对图像进行处理。图像必须存于指定位置，处理后的图像也必须存于指定位置。该程序能运行，可处理不同的图像。图像处理算法自己制定，不得使用现成的Matlab 函数。拉普拉斯算子如下： -4-4-4 -4-4-4-4-4-41111111 111 111111111111111111 111111110 二、主要技术指标 1、熟悉图像锐化处理基本原理； 2、对彩色图像进行图像锐化处理； 3、将该模版与其他模版的图像分析效果进行比较； 4、阅读参考文献10篇以上。 三、进度要求 两周完成设计任务，写5000字以上的小论文。附参考文献并在论文上相应位置进行标注。 学 生 赵建涛 指导教师 赵春晖

基于微分运算的彩色图像锐化处理 摘要 数字图像处理(Digital Image Processing)又称为计算机图像处理，它最早出现于20世纪50年代，当时的电子计算机己经发展到一定水平，人们开始利用计算机来处理图形和图像信息。数字图像处理作为一门学科大约形成于20 世纪60年代初期。图像处理的基木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。图像处理中，输入的是质量低的图像，输出的是改善质量后的图像，常用的图像处理方法有图像增强、复原、编码、压缩等图像处理技术在许多应用领域受到广泛重视并取得了重大的开拓性成就，属于这些领域的有航空航天、生物医学工程、工业检测、机器人视觉、公安司法、军事制导、文化艺术等，使图像处理成为一门引人注目、前景远大的新型学科。随着图像处理技术的深入发展，随着计算机技术和人工智能、思维科学研究的迅速发展，数字图像处理向更局、更深层次发展[1]。 在数字图像处理中，图像经转换或传输后，质量可能下降，难免有些模糊。另外，图像平滑在降低噪声的同时也造成目标的轮廓不清晰和线条不鲜明，使目标的图像特征提取、识别、跟踪等难以进行，这一点可以利用图像锐化来增强.图像锐化的主要目的有两个:一是增强图像边缘，使模糊的图像变得更加清晰，颜色变得鲜明突出，图像的质量有所改善，产生更适合人眼观察和识别的图像；二是希望经过锐化处理后，目标物体的边缘鲜明，以便于提取目标的边缘、对图像进行分割、目标区域识别、区域形状提取等，为进一步的图像理解与分奠定定基础。图像锐化一般有两种方法:一是微分法，二是高通滤波法。 本文着重介绍的是基于拉普拉斯的一种典型的微分算法，并选择不同的模版进行图像锐化，分析比较不同模版下锐化效果的异同。 关键字：图像锐化拉普拉斯算子模版

图形图像处理实验报告

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 实验报告

摘要： 图像处理，用计算机对图像进行分析，以达到所需结果的技术。又称影像处理。基本内容图像处理一般指数字图像处理。数字图像是指用数字摄像机、扫描仪等设备经过采样和数字化得到的一个大的二维数组，该数组的元素称为像素，其值为一整数，称为灰度值。图像处理技术的主要内容包括图像压缩，增强和复原，匹配、描述和识别3个部分。图像处理一般指数字图像处理。 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。 设计要求 可视化界面，采用多幅不同形式图像验证系统的正确性； 合理选择不同形式图像，反应各功能模块的效果及验证系统的正确性 对图像进行灰度级映射，对比分析变换前后的直方图变化； 1.课题目的与要求 目的： 基本功能：彩色图像转灰度图像 图像的几何空间变换：平移，旋转，剪切，缩放 图像的算术处理：加、减、乘 图像的灰度拉伸方法（包含参数设置）； 直方图的统计和绘制；直方图均衡化和规定化； 要求： 1、熟悉图像点运算、代数运算、几何运算的基本定

义和常见方法； 2、掌握在MTLAB中对图像进行点运算、代数运算、几何运算的方法 3、掌握在MATLAB中进行插值的方法 4、运用MATLAB语言进行图像的插值缩放和插值旋转等 5、学会运用图像的灰度拉伸方法 6、学会运用图像的直方图设计和绘制；以及均衡化和规定化 7、进一步熟悉了解MATLAB语言的应用，将数字图像处理更好的应用于实际2.课题设计内容描述 1>彩色图像转化灰度图像： 大部分图像都是RGB格式。RGB是指红，绿，蓝三色。通常是每一色都是256个级。相当于过去摄影里提到了8级灰阶。 真彩色图像通常是就是指RGB。通常是三个8位，合起来是24位。不过每一个颜色并不一定是8位。比如有些显卡可以显示16位，或者是32位。所以就有16位真彩和32位真彩。 在一些特殊环境下需要将真彩色转换成灰度图像。 1单独处理每一个颜色分量。 2.处理图像的“灰度“，有时候又称为“高度”。边缘加强，平滑，去噪，加 锐度等。 3.当用黑白打印机打印照片时，通常也需要将彩色转成灰白，处理后再打印 4.摄影里，通过黑白照片体现“型体”与“线条”，“光线”。 2>图像的几何空间变化： 图像平移是将图像进行上下左右的等比例变化，不改变图像的特征，只改变位置。 图像比例缩放是指将给定的图像在x轴方向按比例缩放fx倍，在y轴按比例缩放fy倍，从而获得一幅新的图像。如果fx=fy，即在x轴方向和y轴方向缩放的比率相同，称这样的比例缩放为图像的全比例缩放。如果fx≠fy，图像的比例缩放会改变原始图象的像素间的相对位置，产生几何畸变。 旋转。一般图像的旋转是以图像的中心为原点，旋转一定的角度，也就是将图像上的所有像素都旋转一个相同的角度。旋转后图像的的大小一般会改变，即可以把转出显示区域的图像截去，或者扩大图像范围来显示所有的图像。图像的旋转变换也可以用矩阵变换来表示。

三图像的平滑与锐化

实验三 图像的平滑与锐化 一．实验目的 1.掌握图像滤波的基本定义及目的； 2.理解空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。 二．实验基本原理 图像噪声从统计特性可分为平稳噪声和非平稳噪声两种。统计特性不随时间变化的噪声称为平稳噪声；统计特性随时间变化的噪声称为非平稳噪声。 另外，按噪声和信号之间的关系可分为加性噪声和乘性噪声。假定信号为S (t )，噪声为n (t )，如果混合叠加波形是S (t )+n (t )形式，则称其为加性噪声；如果叠加波形为S (t )［1+n (t )］形式， 则称其为乘性噪声。为了分析处理方便，往往将乘性噪声近似认为加性噪声，而且总是假定信号和噪声是互相独立的。 1.均值滤波 均值滤波是在空间域对图像进行平滑处理的一种方法，易于实现，效果也挺好。 设噪声η(m,n)是加性噪声，其均值为0，方差（噪声功率）为2σ，而且噪声与图像f(m,n)不相关。 除了对噪声有上述假定之外，该算法还基于这样一种假设：图像是由许多灰度值相近的小块组成。这个假设大体上反映了许多图像的结构特征。 ∑∈=s j i j i f M y x g ),(),(1 ),( (3-1) 式(2-1)表达的算法是由某像素领域内各点灰度值的平均值来代替该像素原来的灰度值。 可用模块反映领域平均算法的特征。对模板沿水平和垂直两个方向逐点移动，相当于用这样一个模块与图像进行卷积运算，从而平滑了整幅图像。模版内各系数和为1，用这样的模板处理常数图像时，图像没有变化；对一般图像处理后，整幅图像灰度的平均值可不变。

(a) 原始图像 (b) 邻域平均后的结果 图3-1 图像的领域平均法 2.中值滤波 中值滤波是一种非线性处理技术，能抑制图像中的噪声。它是基于图像的这样一种特性：噪声往往以孤立的点的形式出现，这些点对应的象素很少，而图像则是由像素数较多、面积较大的小块构成。 在一维的情况下，中值滤波器是一个含有奇数个像素的窗口。在处理之后，位于窗口正中的像素的灰度值，用窗口内各像素灰度值的中值代替。例如若窗口长度为5，窗口中像素的灰度值为80、90、200、110、120，则中值为110，因为按小到大（或大到小）排序后，第三位的值是110。于是原理的窗口正中的灰度值200就由110取代。如果200是一个噪声的尖峰，则将被滤除。然而，如果它是一个信号，则滤波后就被消除，降低了分辨率。因此中值滤波在某些情况下抑制噪声，而在另一些情况下却会抑制信号。 中值滤波很容易推广到二维的情况。二维窗口的形式可以是正方形、近似圆形的或十字形的。在图像增强的具体应用中，中值滤波只能是一种抑制噪声的特殊工具，在处理中应监视其效果，以决定最终是福才有这种方案。实施过程中的关键问题是探讨一些快速算法。 3.空域低通滤波： 从信号频谱角度来看，信号的缓慢变化部分在频率域属于低频部分，而信号的迅速变化部分在频率域是高频部分。对图像来说，它的边缘以及噪声干扰的频率分量都处于频率域较高的部分，因此，可以采用低通滤波的方法来去除噪声。而频域的滤波又很容易从空间域的卷积来实现，为此只要适当设计空间域的单位冲激响应矩阵，就可以达到滤除噪声的效果。下面是几种用于噪声平滑低通卷积模板。