下载文档原格式
数字图像处理技术解析第一章：数字图像处理基础知识数字图像处理是一门研究如何处理和操作数字图像的学科。
数字图像是离散的表示了光的强度和颜色分布的连续图像。
数字图像处理技术可以应用于许多领域，如医学影像、机器视觉、遥感图像等。
1.1 数字图像表示与存储数字图像可以使用像素（pixel）来表示，每个像素包含一定数量的位元（bit），用于表示图像的灰度值或颜色信息。
常见的像素表示方法有灰度图像和彩色图像。
在计算机中，数字图像可以以不同的方式进行存储，如位图存储、压缩存储等。
1.2 数字图像处理的基本操作数字图像处理的基本操作包括图像增强、图像恢复、图像压缩和图像分割等。
图像增强可以改善图像的质量，使其更适于人眼观察或用于其他应用。
图像恢复是指通过去除图像中的噪声、模糊等不良因素，使图像恢复到原始清晰状态。
图像压缩可以减少图像的存储空间和传输带宽。
图像分割是将图像分成几个具有独立特征的区域，用于目标检测、目标跟踪等应用。
第二章：数字图像增强技术数字图像增强技术可以提高图像的质量和信息内容，使其更适合进行后续处理或人眼观察。
常用的图像增强方法包括灰度变换、直方图均衡化和空域滤波等。
2.1 灰度变换灰度变换是通过对图像的灰度值进行变换，来改变图像的对比度和亮度。
常见的灰度变换方法包括线性变换、非线性变换和直方图匹配等。
线性变换通过对灰度值进行线性和平移变换，可改变图像的对比度和亮度。
非线性变换使用非线性函数对灰度值进行变换，如对数变换、反转变换等。
直方图匹配是将图像的直方图变换为期望直方图，以达到对比度和亮度的调整。
2.2 直方图均衡化直方图均衡化是一种常用的图像增强方法，可以通过对图像的直方图进行变换，使得图像的灰度分布更加均匀。
直方图均衡化可以增加图像的对比度，使得图像细节更加清晰。
该方法适用于灰度图像和彩色图像。
2.3 空域滤波空域滤波是一种基于像素的图像处理方法，通过对图像的局部像素进行加权平均或非线性操作，来改变图像的特征。
数字图像处理技术数字图像处理技术是一种针对数字图像进行处理和分析的技术。
随着计算机技术的不断发展和普及，数字图像处理技术在图像处理领域中扮演着越来越重要的角色。
本文将详细介绍数字图像处理技术的概念、原理、应用及未来发展方向。
概念数字图像处理技术是指利用计算机对数字图像进行处理和分析的技术。
数字图像是通过像素表示的图像，而像素是图像最小的单元，每个像素都有其特定的数值表示颜色和亮度。
数字图像处理技术可以对图像进行各种操作，如增强图像的质量、提取图像特征、恢复图像信息等。
原理数字图像处理技术的原理主要包括图像获取、图像预处理、图像增强、图像分割、特征提取和图像识别等基本步骤。
1.图像获取：通过相机或扫描仪等设备获取数字图像，将图像转换为数字信号。
2.图像预处理：对原始图像进行去噪、几何校正、尺度变换等预处理操作，以提高后续处理的效果。
3.图像增强：通过直方图均衡化、滤波等方法增强图像的对比度、亮度等特征。
4.图像分割：将图像分割成若干个区域或对象，以便更好地分析和处理图像。
5.特征提取：提取图像中的特征信息，如颜色、纹理、形状等，为图像识别和分类提供依据。
6.图像识别：利用机器学习、深度学习等算法对图像进行分类、识别和分析。
应用数字图像处理技术在各个领域都有广泛的应用，如医疗影像分析、无人驾驶、安防监控、智能交通等。
以下列举一些典型的应用场景：•医疗影像分析：利用数字图像处理技术分析医学影像，辅助医生进行疾病诊断和治疗。
•安防监控：通过视频监控系统、人脸识别技术等实现对安全领域的监控和警报。
•智能交通：通过交通监控系统、车辆识别技术等提高交通管理效率和道路安全。
未来发展数字图像处理技术在人工智能、物联网等新兴技术的推动下不断发展和创新，未来的发展方向主要包括以下几个方面：1.深度学习在图像处理中的应用：深度学习技术在图像分类、目标检测等方面取得重大突破，将在数字图像处理领域得到更广泛的应用。
2.虚拟现实与增强现实：数字图像处理技术将与虚拟现实、增强现实技术结合，实现更加沉浸式的用户体验。
数字图像处理技术数字图像处理技术是一种利用计算机对图像进行处理和分析的技术。
随着计算机技术和图像采集设备的不断发展，数字图像处理技术已经广泛应用于影像处理、医学图像分析、机器视觉、模式识别等领域。
本文将重点介绍数字图像处理技术的基本原理、常见的图像处理方法和应用领域。
一、数字图像处理技术的基本原理数字图像处理是在计算机中对图像进行数值计算和变换的过程。
图像是由像素组成的二维数组，每个像素包含了图像中某一点的亮度或颜色信息。
数字图像处理技术主要包括如下几个基本步骤：1. 图像采集：利用摄像机、扫描仪等设备将实际场景或纸质图像转换成数字图像。
2. 图像预处理：对采集到的图像进行预处理，包括图像增强、去噪、几何校正等操作，以提高图像质量。
3. 图像变换：通过一系列的数值计算和变换，改变图像的亮度、对比度、颜色等特征，以满足特定的需求。
4. 图像分析：对图像进行特征提取、目标检测、模式识别等操作，以获取图像中的各种信息。
5. 图像展示：将处理后的图像显示在计算机屏幕上或输出到打印机、投影仪等设备上，以便人们观看和分析。
二、常见的图像处理方法1. 图像增强：通过调整图像的亮度、对比度、颜色等参数，使图像更清晰、更鲜艳。
2. 图像滤波：利用滤波器对图像进行低通滤波、高通滤波、中值滤波等操作，以去除噪声、平滑图像或增强边缘。
3. 图像分割：将图像分成若干个区域，以便更好地分析和识别图像中的目标。
4. 特征提取：从图像中提取出与目标相关的特征，如纹理特征、形状特征、颜色特征等。
5. 目标检测：利用机器学习、模式识别等方法，从图像中检测和识别出目标，如人脸、车辆等。
三、数字图像处理技术的应用领域数字图像处理技术在很多领域都有广泛的应用，以下列举几个主要的应用领域：1. 影像处理：数字图像处理技术可以应用于电影特效、动画制作、数字摄影等领域，提高影像的质量和逼真度。
2. 医学图像分析：数字图像处理技术可以应用于医学影像的分析、诊断和治疗，如CT扫描、核磁共振等。
第一章概论一、数字图像与像素数字图像是由一个个的像素（Pixel）构成的，各像素的值(灰度，颜色)一般用整数表示。
二、数字图像处理的目的1、提高图像的视觉质量。
2、提取图像中的特征信息。
3、对图像数据进行变换、编码和压缩。
三、工程三层次图像处理、图像分析和图像理解图像理解符号目标像素高层中层低层高低抽象程度数据量操作对象小大语义图像分析图像处理四、图像处理硬件系统组成图像输入设备（采集与数字化设备，如数码相机），图像处理设备（如PC机）和图像输出设备（如显示器，打印机）第二章数字图像处理基础一、图像数字化过程----采样与量化模拟图像的数字化包括采样和量化两个过程。
细节越多，采样间隔应越小。
把采样后得到的各像素的灰度值进一步转换为离散量的过程就是量化。
一般，灰度图像的像素值量化后用一个字节(8bit)来表示。
二、采样、量化与图像质量的关系采样点数越多，图像质量越好；量化级数越多，图像质量越好。
为了得到质量较好的图像采用如下原则：对缓变图像，细量化，粗采样，以避免假轮廓。
对细节化图像，细采样，粗量化，以避免模糊。
三、图像尺寸、数据量、颜色数量的计算灰度图像的像素值量化后用一个字节(8bit)来表示。
彩色图像的像素值量化后用三个字节(24bit)来表示。
一幅512X512（256K）的真彩色图像，计算未压缩的图像数据量是多少？（必考）图像总像素：512px*512px=256K总数据量：256K*3Byte=768KB一幅256X256（64K）的真彩色图像，计算未压缩的图像数据量是多少？图像总像素：256px*256px=64K总数据量：64K*1Byte=64KB四、数字图像类型二值图像、灰度图像、索引颜色图像)和真彩色图像。
五、数字图像文件的类型jpg、bmp、tif、gifJPEG采用基于DCT变换的压缩算法,为有损压缩。
六、图像文件三要素文件头、颜色表、图像数据七、读取一个图像，并将其尺寸缩小0.5倍，将缩小后的图像旋转30度。
数字图像处理概述数字图像处理是一项广泛应用于图像处理和计算机视觉领域的技术。
它涉及对数字图像进行获取、处理、分析和解释的过程。
数字图像处理可以帮助我们从图像中提取有用的信息，并对图像进行增强、复原、压缩和编码等操作。
本文将介绍数字图像处理的基本概念、常见的处理方法和应用领域。
数字图像处理的基本概念图像的表示图像是由像素组成的二维数组，每个像素表示图像上的一个点。
在数字图像处理中，我们通常使用灰度图像和彩色图像。
•灰度图像：每个像素仅包含一个灰度值，表示图像的亮度。
灰度图像通常表示黑白图像。
•彩色图像：每个像素包含多个颜色通道的值，通常是红、绿、蓝三个通道。
彩色图像可以表示图像中的颜色信息。
图像处理的基本步骤数字图像处理的基本步骤包括图像获取、前处理、主要处理和后处理。
1.图像获取：通过摄像机、扫描仪等设备获取图像，并将图像转换为数字形式。
2.前处理：对图像进行预处理，包括去噪、增强、平滑等操作，以提高图像质量。
3.主要处理：应用各种算法和方法对图像进行分析、处理和解释。
常见的处理包括滤波、边缘检测、图像变换等。
4.后处理：对处理后的图像进行后处理，包括去隐私、压缩、编码等操作。
常见的图像处理方法滤波滤波是数字图像处理中常用的方法之一，用于去除图像中的噪声或平滑图像。
常见的滤波方法包括均值滤波、中值滤波、高斯滤波等。
•均值滤波：用一个模板覆盖当前像素周围的像素，计算平均灰度值或颜色值作为当前像素的值。
•中值滤波：将模板中的像素按照灰度值或颜色值大小进行排序，取中值作为当前像素的值。
•高斯滤波：通过对当前像素周围像素的加权平均值来平滑图像，权重由高斯函数确定。
边缘检测边缘检测是用于寻找图像中物体边缘的方法。
常用的边缘检测算法包括Sobel 算子、Prewitt算子、Canny算子等。
•Sobel算子：通过对图像进行卷积运算，提取图像中的边缘信息。
•Prewitt算子：类似于Sobel算子，也是通过卷积运算提取边缘信息，但采用了不同的卷积核。
数字图像解决技术一. 数字图像解决概述数字图像解决是指人们为了获得一定的预期结果和相关数据运用计算机解决系统对获得的数字图像进行一系列有目的性的技术操作。
数字图像解决技术最早出现在上个世纪中期, 随着着计算机的发展, 数字图像解决技术也慢慢地发展起来。
数字图像解决初次获得成功的应用是在航空航天领域, 即1964年使用计算机对几千张月球照片使用了图像解决技术, 并成功的绘制了月球表面地图, 取得了数字图像解决应用中里程碑式的成功。
最近几十年来, 科学技术的不断发展使数字图像解决在各领域都得到了更加广泛的应用和关注。
许多学者在图像解决的技术中投入了大量的研究并且取得了丰硕的成果, 使数字图像解决技术达成了新的高度, 并且发展迅猛。
二. 数字图象解决研究的内容一般的数字图像解决的重要目的集中在图像的存储和传输, 提高图像的质量, 改善图像的视觉效果, 图像理解以及模式辨认等方面。
新世纪以来, 信息技术取得了长足的发展和进步, 小波理论、神经元理论、数字形态学以及模糊理论都与数字解决技术相结合, 产生了新的图像解决方法和理论。
比如, 数学形态学与神经网络相结合用于图像去噪。
这些新的方法和理论都以传统的数字图像解决技术为依托, 在其理论基础上发展而来的。
数字图像解决技术重要涉及：⑴图像增强图像增强是数字图像解决过程中经常采用的一种方法。
其目的是改善视觉效果或者便于人和机器对图像的理解和分析, 根据图像的特点或存在的问题采用的简朴改善方法或加强特性的措施就称为图像增强。
⑵图像恢复图像恢复也称为图像还原, 其目的是尽也许的减少或者去除数字图像在获取过程中的降质, 恢复被退化图像的本来面貌, 从而改善图像质量, 以提高视觉观测效果。
从这个意义上看, 图像恢复和图像增强的目的是相同的, 不同的是图像恢复后的图像可当作时图像逆退化过程的结果, 而图像增强不用考虑解决后的图像是否失真, 适应人眼视觉和心理即可。
⑶图像变换图像变换就是把图像从空域转换到频域, 就是对原图像函数寻找一个合适变换的数学问题, 每个图像变换方法都存在自己的正交变换集, 正是由于各种正互换集的不同而形成不同的变换。
数字图象处理的概念数字图象处理是指利用计算机对数字图象进行各种操作和处理的技术。
数字图象处理广泛应用于医学影像、遥感图象、工业检测、安防监控、图象识别等领域。
本文将详细介绍数字图象处理的概念、原理、方法和应用。
一、概念数字图象处理是指对数字图象进行各种算法和技术处理的过程。
数字图象是由离散的像素点组成的，每一个像素点都有自己的亮度值或者颜色值。
数字图象处理通过对这些像素点进行操作，改变图象的亮度、对照度、颜色、清晰度等特征，从而达到图象增强、图象复原、图象分割、图象压缩等目的。
二、原理数字图象处理的原理基于图象的数字化表示和计算机的处理能力。
首先，将摹拟图象通过采样和量化的方式转换为数字图象。
然后，利用计算机的算法和技术对数字图象进行处理。
常用的处理方法包括滤波、变换、编码、分割、识别等。
最后，将处理后的数字图象重新转换为摹拟图象，以便显示和输出。
三、方法1. 图象增强图象增强是指通过调整图象的亮度、对照度、清晰度等特征，使图象更加清晰、鲜明和易于观察。
常用的图象增强方法有直方图均衡化、灰度拉伸、滤波、锐化等。
2. 图象复原图象复原是指通过消除图象受到的噪声和失真，恢复图象的原始信息。
常用的图象复原方法有空域滤波、频域滤波、最小二乘法、反卷积等。
3. 图象分割图象分割是将图象分成若干个区域，每一个区域具有相似的特征。
常用的图象分割方法有阈值分割、边缘检测、区域生长等。
4. 图象压缩图象压缩是通过减少图象的数据量，以达到减小存储空间和传输带宽的目的。
常用的图象压缩方法有无损压缩和有损压缩。
5. 图象识别图象识别是指通过计算机对图象中的目标进行自动识别和分类。
常用的图象识别方法有模板匹配、特征提取、机器学习等。
四、应用数字图象处理在各个领域都有广泛的应用。
1. 医学影像数字图象处理在医学影像领域中起到了重要的作用。
它可以匡助医生对病人进行诊断和治疗，如CT扫描、MRI、X光等。
2. 遥感图象数字图象处理在遥感图象领域中用于地理信息系统、农业、林业、环境保护等方面。
数字图像处理原理
数字图像处理原理是通过数字计算机对图像进行数学运算和处理的过程。
数字图像处理主要包括图像获取、预处理、增强、分割和编码等步骤。
图像获取是指通过摄像机或扫描仪等设备将现实世界中的物体或文档转换为数字图像。
在图像获取的过程中，需要考虑光照条件、相机设置和图像传感器等因素。
预处理是对获取到的图像进行基本的处理，以清除图像中的噪声和不必要的信息。
常用的预处理方法包括图像平滑、滤波和几何校正等。
图像增强是指通过改变图像的亮度、对比度和颜色等参数，提高图像的质量和观感。
图像增强的方法包括直方图均衡化、基于空域的增强和基于频域的增强等。
图像分割是将图像划分为不同的区域或对象的过程。
图像分割可以基于阈值、边缘检测和区域生长等方法进行。
图像编码是将图像的数据进行压缩和编码的过程，以减少存储和传输的数据量。
常用的图像编码方法有无损压缩和有损压缩等。
数字图像处理原理的应用广泛，包括医学图像处理、遥感图像处理和安全监控等领域。
通过数字图像处理，可以提取图像中的关键信息，改善图像质量，从而对图像进行分析和理解。
数字图像处理常用方法
是基于图像的性质进行计算，利用数字图像处理方法来处理和分析数字图像信息。
数字图像处理包括图像采集、图像建模、图像增强、图像分割、图像特征提取、图像修复、图像变换等。
具体数字图像处理方法有：
1、图像采集：利用摄像机采集图像，可以采用光学成像、数字成像或其他技术技术来实现；
2、图像建模：利用数学模型将图像信息表达出来，有些模型可以用来确定图像的特征，而有些模型则能够捕捉图像的复杂细节；
3、图像增强：对采集的图像数据进行处理，包括图像的锐化、滤波、清晰度增强、局部像素增强等；
4、图像分割：根据指定的阈值将图像分成不同的区域，分割图像后可以获得更多的精确细节和信息；
5、图像特征提取：将图像信息中的有价值部分提取出来，提取的过程有多种算法，提取的结果均可以用来进行分类识别等；
6、图像修复：通过卷积神经网络，利用图像的实际内容和特征，自动修复受损图像；
7、图像变换：针对图像的数据结构，可以利用变换矩阵将图像像素坐标和分量进行变换，以获得新的图像。
数字图像处理技术简介在现代科技的飞速发展中，数字图像处理技术扮演了至关重要的角色。
无论是在医疗、工业、艺术还是娱乐领域，数字图像处理技术都有着广泛而深远的应用。
本文将对数字图像处理技术进行简要介绍，包括其基本概念、常见应用以及发展趋势。
1. 数字图像处理技术的基本概念数字图像处理技术是一种能够通过计算机对图像进行处理、分析和改善的方法。
它涵盖了图像获取、图像增强、图像恢复、图像压缩、图像分析和图像识别等多个方面。
在数字图像处理技术中，最常用的图像表达方式是像素矩阵，每个像素包含图像中一个单元的亮度值。
2. 数字图像处理技术的常见应用2.1 医疗图像处理在医疗领域，数字图像处理技术使得医生能够更轻松地观察和分析医疗图像，如X射线、MRI和CT扫描等。
通过数字图像处理技术，医生可以提高诊断准确性，同时减少对患者的侵入性检查。
2.2 工业品质控制数字图像处理技术在工业品质控制中也有着广泛应用。
通过对产品的图像进行处理和分析，能够快速检测和识别产品中的缺陷，实现质量的自动化控制。
这项技术不仅节省了人力成本，还提高了产品的一致性和可靠性。
2.3 艺术和娱乐数字图像处理技术在艺术和娱乐领域中揭示出了无限的想象力。
从电影特效到游戏设计，数字图像处理技术为创作者提供了广阔的创作空间。
通过对图像的处理和渲染，创作者能够打造栩栩如生的虚拟世界，为观众带来沉浸式的体验。
3. 数字图像处理技术的发展趋势随着计算机技术的不断进步，数字图像处理技术也在不断发展和创新。
下面将从三个方面展望数字图像处理技术的未来发展趋势。
3.1 深度学习的应用深度学习是人工智能领域的一个重要分支，它通过多层次的神经网络模拟人脑的工作原理，实现对图像的自动学习和分析。
未来，深度学习将广泛应用于数字图像处理技术中，从而实现更高效、更精确的图像处理和识别。
3.2 虚拟现实的融合虚拟现实技术的融合将使数字图像处理技术更具沉浸感和交互性。
未来，人们将能够通过虚拟现实设备直接与数字图像进行互动，创造全新的沉浸式体验。
数字图像处理教学大纲一、课程基本信息课程名称：数字图像处理课程类别：专业必修课学分：X总学时：X授课对象：具体专业二、课程教学目标通过本课程的学习，使学生掌握数字图像处理的基本概念、原理和方法，具备运用相关知识和技术解决实际问题的能力。
具体包括：1、理解数字图像的获取、表示和存储方式。
2、掌握数字图像增强、复原、压缩、分割等基本处理技术。
3、能够运用编程工具实现简单的数字图像处理算法。
4、培养学生的创新思维和实践能力，为进一步学习和从事相关领域的工作打下坚实的基础。
三、课程教学内容（一）数字图像基础1、图像的感知和获取视觉系统的特性图像的形成与数字化图像的采样和量化2、数字图像的表示灰度图像彩色图像图像的矩阵表示3、数字图像的存储图像文件格式图像数据库（二）图像增强1、空域增强灰度变换直方图均衡化空域滤波2、频域增强傅里叶变换频域滤波（三）图像复原1、图像退化模型常见的退化原因退化函数的建立2、逆滤波原理与实现局限性3、维纳滤波基本原理算法实现（四）图像压缩1、图像压缩的基本原理信息论基础冗余度2、无损压缩霍夫曼编码算术编码3、有损压缩预测编码变换编码（五）图像分割1、阈值分割全局阈值局部阈值2、边缘检测梯度算子拉普拉斯算子Canny 算子3、区域分割区域生长区域分裂与合并（六）图像特征提取与描述1、颜色特征颜色直方图颜色矩2、纹理特征统计方法结构方法3、形状特征边界描述区域描述（七）图像识别1、模式识别基础分类器设计特征选择与提取2、图像分类与识别应用人脸识别车牌识别四、课程教学方法1、课堂讲授通过讲解理论知识，使学生掌握数字图像处理的基本概念、原理和方法。
2、实验教学安排一定数量的实验课程，让学生通过实践加深对理论知识的理解，提高编程和解决实际问题的能力。
3、案例分析结合实际应用案例，引导学生分析问题、解决问题，培养学生的创新思维和实践能力。
4、小组讨论组织学生进行小组讨论，促进学生之间的交流与合作，激发学生的学习兴趣和主动性。
数字图像处理数字图像处理(Digital Image Processing)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。
数字图像处理的产生和迅速发展主要受三个因素的影响：一是计算机的发展；二是数学的发展（特别是离散数学理论的创立和完善）;三是广泛的农牧业、林业、环境、军事、工业和医学等方面的应用需求的增长。
中文名数字图像处理外文名Digital Image Processing 应用学科通信、多媒体目录1 简介2 发展概况3 硬件4 目的方法▪主要目的▪常用方法5 应用工具6 应用领域▪ 1）航天和航空方面▪ 2）生物医学工程方面▪ 3）通信工程方面▪ 4）工业和工程方面▪ 5）军事公安方面▪ 6）文化艺术方面▪ 7）机器人视觉▪ 8）视频和多媒体系统▪ 9）科学可视化▪ 10）电子商务▪研究方向7 基本特点▪处理信息量很大▪占用频带较宽▪各像素相关性大▪无法复现全部信息▪受人的因素影响较大8 主要优点9 图书▪基本信息▪内容简介▪图书目录▪编辑推荐▪作者简介10 课程简介数字图像处理（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数字图像处理计算机对其进行处理的过程。
发展概况数字图像处理最早出现于20世纪50年代，当时的电子计算机已经发展到一定水平，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。
早期的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。
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。
首次获得实际成功应用的是美国喷气推进实验室（JPL）。
他们对航天探测器徘徊者7号在1964年发回的几千张月球照片使用了图像处理技术，如几何校正、灰度变换、去除噪声等方法进行处理，并考虑了太阳位置和月球环境的影响，由计算机成功地绘制出月球表面地图，获得了巨大的成功。
院系：计算机科学学院
专业：计算机科学与技术
年级： 09级
课程名称：数字图像处理
组号： 25组
指导教师：***
学号：
姓名：
2012 年 6 月 13 日
实验结果：
实
验
原
理
（
算
法
流
程
图
或
者
含
注
释
的
源
代
码
）
实
验
结
果
分
析
及
心
得
体
会
心得体会：
成
绩
评定教师签名：
年月日
实验原理（算法流程图或者含注释的源代码）b.叠加椒盐噪声，用中值滤波法对该图像进行滤波
I=imread('eight.tif');
I=imread('eight.tif');
J=imnoise(I,'salt & pepper',0.02);
subplot(231),imshow(I);title('原图象');
subplot(232),imshow(J);title('添加椒盐噪声图象')
k1=medfilt2(J);
k2=medfilt2(J,[5 5]);
k3=medfilt2(J,[7 7]);
k4=medfilt2(J,[9 9]);
subplot(233),imshow(k1);title('3*3模板中值滤波');
subplot(234),imshow(k2);title('5*5模板中值滤波');
subplot(235),imshow(k3);title('7*7模板中值滤波');
subplot(236),imshow(k4);title('9*9模板中值滤波');
(2) 叠加零均值高斯噪声，设计一种处理方法，既能去噪声，又能保持边缘清晰。
四、实验结果
(1)a
实
验
原
理
（
算
法
流
程
图
(2) 或
者
含
注
释
的
源
代
码
）
实验结果分析及心得体会g2=ifftshift(g2);
g2=uint8(real(ifft2(g2))); subplot(222);imshow(g2);
title('理想高通加强滤波结果');
四、实验结果
A.
B.
C.
d. 理想低通滤波和理想高通滤波处理
实验结果分析及心得体会4. rgb=imread(“三原色.Bmp”);
imshow(rgb);
R=rgb(:,:,1);
G=rgb(:,:,2);
B=rgb(:,:,3);
figure.imshow(R);
figure.imshow(G);
figure.imshow(B);
m=fspecial(‘average’);
R_filter=imfliter(R,m);
G_filter=imfliter(G,m);
B_filter=imfliter(B,m);
Rgb_filtered=cat(3,R_filtered,G_filtered,B_filtered);
Figure,imshow(rgb_filtered);
四、实验结果
1.A.原始图像
B.基于线性运动滤波器PSF产生运动模糊图像
C.加入高斯噪声, 通过逆滤波进行复原
D.维纳滤波进行复原
2..A.原图像
B.加入椒盐噪声
C.基于中值滤波进行复原处理
E.基于最小值滤波进行复原处理
3. 从RGB空间转换到HSI空间，并分别显示H、S、I分量图像；原图像
H分量S分量I分量
4.原图像R分量
G分量
B分量
分别对R、G、B分量平滑滤波后的结果。
