实训三图像频域处理基本操作

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）。

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 1b ,a W *()⎪⎭⎫ ⎝⎛-ψ=ψa b t a 1t b ,a 112()00(,)[(,)](,)ux vy M N j M N x y f x y eF 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 Nππ--==++=∑∑CA 图像分解的近似分量,CH 水平分量,CV 垂直分量,CD 细节分量； dwt2(X,’wname ’) 使用小波基wname 对X 进行小波分解。

图像的区域处理图像的区域处理：输入像素及其周边像素共同参加运算，得到一个输出像素的处理过程。

图像的增强：图像经过某种处理，达到更好的视觉效果。

图像的恢复：图像经过某种处理，恢复到原来状态的运算。

主要内容：1. 图像区域处理的基本方法：卷积、卷积核（掩膜）2. 图像的平滑3. 图像的锐化4. 边缘检测5. 中值滤波1. 低通卷积核：低通卷积核通常有下列形式，其卷积核内的系数之和为1，∑（系数）＝1。

3X3卷积核例子⎥⎥⎥⎦⎤⎢⎢⎢⎣⎡9/19/19/19/19/19/19/19/19/1 或写成 ⎥⎥⎥⎦⎤⎢⎢⎢⎣⎡⋅11111111191⎥⎥⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎢⎢⎣⎡10110110110151*********101⎥⎥⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎢⎢⎣⎡16181161814181161811612. 高通卷积核高通卷积核通常有下列形式，其卷积核内的系数之和为1，系数正负并存，有一较大的正数在中心，∑（系数）＝1。

3X3卷积核例子⎥⎥⎥⎦⎤⎢⎢⎢⎣⎡--------111191111 ⎥⎥⎥⎦⎤⎢⎢⎢⎣⎡----010151010 ⎥⎥⎥⎦⎤⎢⎢⎢⎣⎡----1212521213. 边缘检测灰度发生显著变化的区域称为边界。

3－1梯度法：yfx f f ∂∂+∂∂=∇ 其幅值 2222)()(),(y x f f y f x f y x E +=∂∂+∂∂=其方向 )arctan(),(xy f f y x =Φ其幅值由式可以简化为：y x f f y x E +=),(卷积核如⎥⎥⎥⎦⎤⎢⎢⎢⎣⎡-000011000 ⎥⎥⎥⎦⎤⎢⎢⎢⎣⎡-000110000 ⎥⎥⎥⎦⎤⎢⎢⎢⎣⎡-000010010 ⎥⎥⎥⎦⎤⎢⎢⎢⎣⎡-010010000 ⎥⎥⎥⎦⎤⎢⎢⎢⎣⎡-100010000 等等。

3－2 拉普拉斯算子法（Laplacian ）拉普拉斯算子定义为22222),(y x f y x f f∂∂+∂∂=∇ 拉普拉斯算子的卷积核：⎥⎥⎥⎦⎤⎢⎢⎢⎣⎡010141010 或 ⎥⎥⎥⎦⎤⎢⎢⎢⎣⎡--------111181111拉普拉斯算子的卷积核导出： 设有九个图像点如下：)1,1()1,()1,1(),1(),(),1()1,1()1,()1,1(-+---+-++++-y x f y x f y x f y x f y x f y x f y x f y x f y x f )1()(2)1()1()()()1()()1()1()(''"'-+-+=-+--+=-+=--=x f x f x f x f x f x f x f x f x f f x f x f f x x 同理 )1()(2)1("-+-+=y f y f y f f y综合上面两式：),(4)1,()1,(),1(),1(2y x f y x f y x f y x f y x f f --+++-++=∇得到上面的卷积核。

关于图形图像处理实训报告总结【九篇】实训报告总结：图形图像处理实训图形图像处理实训是计算机科学与技术专业的基础课程之一。

通过本次实训课程，我深入了解了图形图像处理的基本概念、方法和技术，并通过实际操作来提升了自己的实践能力。

下面是对本次实训的九篇报告总结：1. 实验一：图像读取与显示本次实验主要是学习如何读取和显示图像，以及使用Matplotlib库进行图像展示。

通过实验，我掌握了图像读取和显示的基本方法，并学会了基本的图像处理操作。

2. 实验二：图像的灰度变换实验二主要是学习图像的灰度变换，包括线性变换和非线性变换。

我学会了如何使用不同的灰度变换函数来调整图像的亮度和对比度，进一步提升图像的质量。

3. 实验三：图像的空间域滤波本次实验主要是学习图像的空间域滤波技术，包括均值滤波、中值滤波和高斯滤波等。

通过实验，我掌握了不同滤波方法的原理和实现方式，并学会了如何选择合适的滤波方法来降噪和模糊图像。

4. 实验四：图像的频域滤波实验四主要是学习图像的频域滤波技术，包括傅里叶变换和频域滤波等。

通过实验，我了解了傅里叶变换的原理和应用，并学会了如何使用频域滤波来实现图像的锐化和平滑。

5. 实验五：图像的形态学处理本次实验主要是学习图像的形态学处理技术，包括腐蚀、膨胀、开运算和闭运算等。

通过实验，我学会了如何使用形态学操作来改变图像的形状和结构，进一步改善图像的质量。

6. 实验六：图像的边缘检测实验六主要是学习图像的边缘检测技术，包括Sobel算子、Laplacian算子和Canny算子等。

通过实验，我了解了不同边缘检测方法的原理和应用，并学会了如何使用边缘检测来提取图像的轮廓和特征。

7. 实验七：图像的分割与聚类本次实验主要是学习图像的分割与聚类技术，包括阈值分割、区域生长和K均值聚类等。

通过实验，我掌握了不同分割与聚类方法的原理和应用，并学会了如何使用分割与聚类来识别和分析图像中的目标和区域。

8. 实验八：图像的特征提取与描述子实验八主要是学习图像的特征提取和描述子技术，包括尺度不变特征变换（SIFT）和方向梯度直方图（HOG）等。

实训二：点阵图像 (3)实训三：选定技巧 (4)实训四：图像编辑 (5)实训五：图层运用——金属腐蚀字 (6)实训六（一）：路径运用——心形相框 (7)实训六(二)：图片合成教程 (8)实训七：色彩修饰 (13)实训八（一）：滤镜效果 (15)实训八（二）：滤镜效果 (16)选做实验 (17)1）单击“编辑”→“预置”→“增效工具与暂存盘”，修改文件存放位置；2）在“文件”→“新建”（CTRL＋N），名称为“球体”，大小为400*400，分辨率为72，模式为RGB，其它选项不变3）执行视图→标尺（Ctrl+R），拉出参考线，选择椭圆选框工具，对准圆心，按住ALT+SHIFT键拖动绘制正圆选框4）选择渐变工具，在选项中选择“径向渐变”，给球体填充着色（左上角向右下角）；5）取消选择（CTRL＋D），保存文件（CTRL＋S）。

【步骤】1)新建文件，大小为640＊480，分辨率为72pix/inch， RGB模式2) 设置背景图案。

打开一素材，单击“编辑”→“定义图案”3) 回到新建文件点阵图像。

单击“编辑”→“填充”（SHIFT+F5），选择刚才定义的图案，将其作为背景4) 新建图层1，用椭圆框选工具，绘制球体选区，设置渐变工具条颜色为白－黄－白，填充方式为径向，CTRL+D取消选择5) 新建图层2，绘制叶子图案：用套索工具在球体下方绘制叶子选区，用填充桶将其填充为绿色，取消选择。

并复制一个。

6) 新建图层3，选择横排文字蒙板工具，输入文字“EGGS”。

在选项栏设置字体为Arial，加粗，大小为140p，字间距为20；菜单“编辑”→“描边”（宽度为3p，红色，居外）7) 新建图层4，用同样方法输入右侧文字文字，并以蓝色着色，取消选择8) 在图层4，绘制一个长矩形条的选区，放到适当位置，按Delete键删除填充的字体颜色，使文字呈现蓝色和透明相间。

取消选择9)“文件”→“保存”，格式选为Tif，以‘点阵图像.tif’保存在自己的文件夹里（photoshop 默认的格式为PSD文件）2、选中其中一个兰色小球，具体操作方法：方法一：用魔棒工具，容差为50，用shift键多次点击选中一个小球方法二：用椭圆工具初选，再用菜单“选择”→“扩大选取”，可以将色彩相近的连续的图像一起扩充到选区内。

医学图像处理的基本操作医学图像处理是一门涉及医学图像获取、存储、处理和分析的科学技术，其在医学影像诊断、治疗以及生物医学研究等方面发挥着重要作用。

医学图像处理的基本操作包括图像增强、图像分割、图像配准等。

图像增强图像增强指的是通过修改图像的亮度、对比度、颜色、锐度等方式，加强图像质量，使得图像更容易被人类或计算机视觉算法识别。

常见的图像增强方法有直方图均衡化、灰度拉伸、伽马校正、滤波等。

直方图均衡化是一种常用的图像增强方法，基于图像像素的统计特征，通过重新分配图像像素的灰度级，使得像素值在整个灰度范围内均衡分布，从而增强图像对比度。

灰度拉伸是一种调整图像亮度和对比度的方法，通过拉伸图像的像素灰度值范围，使得图像更好地展示其细节与特征。

伽马校正是一种基于伽马函数的灰度调整方法，通过调整像素的亮度和对比度，提高低灰度值的对比度，使得图像更加清晰。

滤波是一种通过滑动窗口取平均或加权平均的方法，以减小噪声或平滑图像的方法，常见的滤波器有中值滤波、高斯滤波等。

图像分割图像分割指将图像划分成若干个子区域，使得每个子区域内具有相似的像素值或特征。

图像分割的目的在于分离和识别图像中的不同目标或区域，实现对图像的自动分析和处理。

常见的图像分割方法有阈值分割、区域分割、边缘分割等。

阈值分割是一种基于像素灰度值的方法，通过设置一个像素灰度值作为阈值，将像素分为两类，从而实现图像的分割。

区域分割是一种基于特征的方法，通过利用像素之间的相似性、连通性等特征将像素分为不同的区域。

边缘分割是一种基于图像梯度的方法，通过检测图像中像素灰度值的变化来确定图像中的边缘，从而实现图像的分割。

图像配准图像配准指的是将多幅图像重叠到一个公共坐标系下，从而实现它们之间的匹配和对比。

图像配准常用于医学图像比较、图像融合、图像分割等领域。

常见的图像配准方法包括统计配准、基于特征点的配准、弯曲变形配准等。

统计配准是一种基于统计学方法的配准方法，通过分析两幅图像之间的相似性和变换关系，建立变换模型，从而实现一幅图像到另一幅图像的变换。