数字图像处理课设图像频域增强正文

《 MATLAB 实践》课程设计题目：图像增强——频域增强法指导教师：王秋云姓名学号刘利刚200981010118二○○六年 6 月29 日目录1、设计目的 (2)2、题目分析 (2)3、总体设计 (3)4、具体设计 (4)4.1图像的读取和保存 (4)4.1.1利用“读入图像”按钮实现图片的读取 (4)4.1.2图像保存 (6)4.2 程序的还原与撤销 (7)4.3 图像的截取 (7)4.4 加入各种噪声，并通过几种滤波算法实现去噪。

(8)4.4.1 加入噪声 (8)4.5 滤除噪声 (11)4.6.1图像翻转 (15)4.6.2 图像旋转 (16)5、结果分析 (17)6、心得体会 (18)参考书目 (19)摘要：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。

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。

关键字：高斯噪声，巴特沃斯滤波，理想低通滤波，梯形低通滤波1、设计目的综合运用MATLAB工具箱实现图像处理的GUI程序设计，利用MATLAB图像处理工具箱，实现图像增强—频域增强。

2、题目分析利用matlab的GUI程序设计一个简单实用的图像处理程序，该程序应具备图像处理的常用功能，以满足用户的使用。

现设计程序有以下基本功能：1）图像的读取和保存。

2）设计图形用户界面，让用户能够对图像进行任意角度的翻转。

3）设计图形用户界面，让用户能够用鼠标截取图像感兴趣区域，并显示和保存该选择区域。

4）设计图形用户界面，让用户能够对图像添加任意参数的各种噪声，如椒盐噪声、高斯噪声、乘性噪声等。

5）设计图形用户界面，让用户能够对图像实现中值滤波、线性滤波、自适应滤波等操作。

实验五 图像的频域增强一、实验目的1、了解图像滤波的基本定义及目的；2、了解频域滤波的基本原理及方法；3、掌握用MA TLAB 语言进行图像的频域滤波的方法。

二、实验原理1、低通滤波一般来说，图像的边缘和噪声都对应于傅立叶变换中的高频部分,所以能够 让低频信号畅通无阻而同时滤掉高频分量的低通滤波器能够平滑图像,去除噪声.常用的几种有,理想的低通滤波器,巴特沃斯低通滤波器,指数滤波器等.传递函数形式如下所示.理想的低通滤波器:001(,)(,)0(,)D u v D H u v D u v D ≤⎧=⎨>⎩巴特沃斯低通滤波器201(,)1[(,)/]n H u v D u v D =+ 指数滤波器 0[(,)/](,)n D u v D H u v e -=(,)D u v 表示(,)u v 到原点的距离，0D 表示截止频率点到原点的距离。

傅立叶变换的主要能量集中在频谱的中心，合理的选择截止频率对保留图象的能量至关重要。

理想的低通滤波后的图象将会出现一种“振铃”特性，造成图象不同程度的模糊，0D 越小，模糊的程度越明显。

造成这种模糊的原因在于理想的低通滤波器的传递函数在0D 处有1突变为0，经傅立叶反变换后在空域中表现为同心圆的形式。

2、高通滤波与图像中灰度发生骤变的部分与其频谱的高频分量相对应，所以采用高通滤波器衰减或抑制低频分量，是高频分量畅通并对图象进行锐化处理。

常用的高通滤波器有理想的高通滤波器、巴特沃斯高滤波器,指数高通滤波等。

传递函数如下。

理的高通滤波器:001(,)(,)0(,)D u v D H u v D u v D ≥⎧=⎨<⎩巴特沃斯低通滤波器201(,)1[/(,)]nH u v D D u v =+指数滤波器0[/(,)](,)nD D u v H u v e -=由于经过高通滤波后图像丢失了许多低频信息，所以图像平滑区基本会消失。

为此，需要采用高频加强滤波来弥补。

频域图像增强一、前言1.1背景和实际意义人类传递信息的主要媒介是语言和图像。

俗话说：百闻不如一见；图像信息是十分重要的信息传递媒体和方式。

在实际应用中，由于很多场景条件的影响，图像的视觉效果很差，使图像的信息无法被正常读取和识别。

例如，在采集图像过程中由于光照环境或物体表面反光等原因造成图像光照不均，或是图像采集系统在采集过程中由于机械设备的缘故无法避免的加入采集噪声，或是图像显示设备的局限性造成图像显示层次感降低或颜色减少等等。

因此研究快速且有效地图像增强算法成为推动图像分析和图像理解领域发展的关键内容之一。

图像增强从处理的作用域出发可分为空间域和频域两大类。

其中，频域增强是将原空间的图像以某种形式转换到其他空间，然后利用该转换空间的特有性质进行图像处理，最后在转换回到原空间，得到处理后的图像，是一种间接增强的算法。

法国数学家傅里叶最大的贡献就是傅里叶级数和变换，它被广泛地应用为基础工具学习，最初人们只在热扩散领域内使用；20世纪50年代随着数字计算的出现和快速傅里叶变换的出现在信号领域产生了巨大变革。

这两个核心技术允许对人类本身的特殊信号和工业的重要信号（从医学监视器和扫描仪到现代电子通信），进行实际处理和有意义的解释】1【。

1.2已有的研究成果数字图像处理发展的历史不长，但已经足够引起人们的重视，图像处理技术始于20世纪60年代，由于当时图像存储成本高，设备造价高，因而应用面较窄。

1964年美国加州理工学院首次对徘徊者7号太空飞船发回的月球照片进行了处理得到了清晰的照片，这标志着图像处理技术开始得到实际应用。

70年代，出现了CT和卫星遥感图像，这对图像处理的发展起到了很好的促进作用。

80年代，微机已经能够承担起图像处理的任务，VLSI的出现更使得处理速度大大提高，极大地促进了图像处理系统的普及和应用。

90年代是图像处理技术实用化时期，图像处理的信息量大，对处理速度的要求极高。

图像增强作为图像处理的重要组成部分，促进了图像增强方法研究的不断深入。

实验六 图像频域增强一、 实验目的1．掌握怎样利用傅立叶变换进行频域滤波2．掌握频域滤波的概念及方法3．熟练掌握频域空间的各类滤波器4．利用MATLAB 程序进行频域滤波二、 实验原理及知识点频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变换函数，G(u,v)是通过H(u,v)减少F(u,v)的高频部分来得到的结果，运用傅立叶逆变换得到钝化后的图像。

理想地低通滤波器(ILPF)具有传递函数：001(,)(,)0(,)ifD u v D H u v ifD u v D ≤⎧=⎨>⎩其中，0D 为指定的非负数，(,)D u v 为(u,v)到滤波器的中心的距离。

0(,)D u v D =的点的轨迹为一个圆。

n 阶巴特沃兹低通滤波器(BLPF)(在距离原点0D 处出现截至频率)的传递函数为201(,)1[(,)]n H u v D u v D =+与理想地通滤波器不同的是，巴特沃兹率通滤波器的传递函数并不是在0D 处突然不连续。

高斯低通滤波器(GLPF)的传递函数为222),(),(σv u D ev u H =其中，σ为标准差。

相应的高通滤波器也包括：理想高通滤波器、n 阶巴特沃兹高通滤波器、高斯高通滤波器。

给定一个低通滤波器的传递函数(,)lp H u v ，通过使用如下的简单关系，可以获得相应高通滤波器的传递函数：1(,)hp lp H H u v =-三、 实验练习利用MATLAB实现频域滤波的程序f=imread('room.tif');F=fft2(f); %对图像进行傅立叶变换%对变换后图像进行队数变化，并对其坐标平移，使其中心化S=fftshift(log(1+abs(F)));S=(S-min(min(S)))/(max(max(S))-min(min(S)))*255;%归一化imshow(S) %显示频谱图像h=fspecial('sobel'); %产生空间‘sobel’模板freqz2(h) %查看相应频域滤波器的图像PQ= size(f); %产生滤波时所需大小的矩阵H=freqz2(h,PQ(1),PQ(2)); %产生频域中的‘sobel’滤波器H1=ifftshift(H); %重排数据序列，使得原点位于频率矩阵的左上角imshow(abs(H),[]) %以图形形式显示滤波器figure,imshow(abs(H1),[])gs=imfilter(double(f),h); %用模板h进行空域滤波gf=dftfilt(f,H1); %用滤波器对图像进行频域滤波figure,imshow(gs,[])figure,imshow(gf,[])figure,imshow(abs(gs),[])figure,imshow(abs(gf),[])f=imread('number.tif'); %读取图片PQ=paddedsize(size(f)); %产生滤波时所需大小的矩阵D0=0.05*PQ(1); %设定高斯高通滤波器的阈值H=hpfilter('gaussian',PQ(1),PQ(2),D0); %产生高斯高通滤波器g=dftfilt(f,H); %对图像进行滤波figure,imshow(f) %显示原图像figure,imshow(g,[]) %显示滤波后图像四、实验内容1. 调入并显示所需的图片；2．利用MA TLAB提供的低通滤波器实现图像信号的滤波运算，并与空间滤波进行比较。

实验五图像增强--空域、频域滤波课程名称：数字图像处理技术实验日期：2015-11-03 成绩：班级：姓名：学号：一、实验目的1．了解图像空域滤波、频域滤波的基本操作；2．掌握噪声模拟和图像滤波函数的使用方法3. 实现彩色图像的增强。

二、实验内容1. （基础题）制作自己的GUI用户界面，实现图像在空域中的均值滤波、中值滤波、锐化滤波；（提高题）定义自己的过滤器实现锐化滤波。

2. （基础题）在GUI中，实现图像的频域滤波：低通滤波、高通滤波。

3. （基础题）在GUI中，实现彩色图像增强：伪彩色增强、假彩色增强、真彩色增强。

三、实验代码function pushbutton1_Callback(hObject, eventdata, handles)% hObject handle to pushbutton1 (see GCBO)% eventdata reserved - to be defined in a future version of MATLAB% handles structure with handles and user data (see GUIDATA)clear;figureA=imread('1.jpg');B=rgb2gray(A);h1=ones(7,7)/49;B2=imfilter(B,h1);h2=ones(9,9)/81;B3=imfilter(B,h2);subplot(2,2,1);imshow(B);title('灰度图像');subplot(2,2,3);imshow(B2);title('7*7均值滤波');subplot(2,2,4);imshow(B3);title('9*9均值滤波');% --- Executes on button press in pushbutton2.function pushbutton2_Callback(hObject, eventdata, handles)% hObject handle to pushbutton2 (see GCBO)% eventdata reserved - to be defined in a future version of MATLAB% handles structure with handles and user data (see GUIDATA)clear;figureA=imread('1.jpg');B=rgb2gray(A);B2=medfilt2(B,[5 5]);B3=medfilt2(B,[9 9]);subplot(2,2,1);imshow(B);title('灰度图像');subplot(2,2,3);imshow(B2);title('5*5中值滤波');subplot(2,2,4);imshow(B3);title('9*9中值滤波');% --- Executes on button press in pushbutton3.function pushbutton3_Callback(hObject, eventdata, handles)% hObject handle to pushbutton3 (see GCBO)% eventdata reserved - to be defined in a future version of MATLAB % handles structure with handles and user data (see GUIDATA) clear;figureA=imread('1.jpg');B=rgb2gray(A);h1=[1 2 1;0 0 0;-1 -2 -1];B2=imfilter(B,h1);h2=[1 0 -1;2 0 -2;1 0 -1];B3=imfilter(B,h2);subplot(2,2,1);imshow(B);title('灰度图像');subplot(2,2,3);imshow(B2);title('水平锐化');subplot(2,2,4);imshow(B3);title('竖直锐化');% --- Executes on button press in pushbutton4.function pushbutton4_Callback(hObject, eventdata, handles)% hObject handle to pushbutton4 (see GCBO)% eventdata reserved - to be defined in a future version of MATLAB % handles structure with handles and user data (see GUIDATA) clear;figureA=imread('1.jpg');f=rgb2gray(A);subplot(2,2,1);imshow(f);f=im2double(f);F=fftshift(fft2(f));[M,N]=size(F);n = 30;D0 = 40;u0=floor(M/2);v0=floor(N/2);for u=1:Mfor v=1:ND=sqrt((u-u0)^2+(v-v0)^2);H=1/(1+(D/D0)^(2*n));G(u,v)=H*F(u,v);endendg=ifft2(ifftshift(G));g=im2uint8(real(g));subplot(2,2,4);imshow(g);% --- Executes on button press in pushbutton5.function pushbutton5_Callback(hObject, eventdata, handles)% hObject handle to pushbutton5 (see GCBO)% eventdata reserved - to be defined in a future version of MATLAB % handles structure with handles and user data (see GUIDATA) clear;figureA=imread('1.jpg');f=rgb2gray(A);subplot(2,2,1);imshow(f);f=im2double(f);F=fftshift(fft2(f));[M,N]=size(F);n = 30;D0 = 40;u0=floor(M/2);v0=floor(N/2);for u=1:Mfor v=1:ND=sqrt((u-u0)^2+(v-v0)^2);H=1/(1+(D0/D)^(2*n));G(u,v)=H*F(u,v);endendg=ifft2(ifftshift(G));g=im2uint8(real(g));subplot(2,2,4);imshow(g);% --- Executes on button press in pushbutton6.function pushbutton6_Callback(hObject, eventdata, handles)% hObject handle to pushbutton6 (see GCBO)% eventdata reserved - to be defined in a future version of MATLAB % handles structure with handles and user data (see GUIDATA) clear;figureA=imread('1.jpg');B=rgb2gray(A);subplot(1,2,1);imshow(B);title('灰度图像');Y=floor(B/64);[M,N]=size(Y);for i=1:Mfor j=1:Nswitch Y(i,j)case 0Y1(i,j,1:3)=[0 0 255];case 1Y1(i,j,1:3)=[200 0 200];case 2Y1(i,j,1:3)=[255 150 0];case 3Y1(i,j,1:3)=[255 255 0];otherwiseY1(i,j,1:3)=[255 255 255];endendendsubplot(1,2,2);imshow(Y1);% --- Executes on button press in pushbutton7.function pushbutton7_Callback(hObject, eventdata, handles)% hObject handle to pushbutton7 (see GCBO)% eventdata reserved - to be defined in a future version of MATLAB % handles structure with handles and user data (see GUIDATA) clear;figureA=imread('1.jpg');f=rgb2gray(A);subplot(1,2,1);imshow(f);title('灰度图像');[M,N]=size(f);L=255;f=double(f);f1=floor(f/64);R=f1;G=f1;B=f1;for i=1:Mfor j=1:Nswitch f1(i,j)case 0R(i,j)=0;G(i,j)=4*f(i,j);B(i,j)=L;case 1R(i,j)=0;G(i,j)=L;B(i,j)=-4*f(i,j)+2*L;case 2R(i,j)=4*f(i,j)-2*L;G(i,j)=L;B(i,j)=0;case 3R(i,j)=L;G(i,j)=-4*f(i,j)+4*L;B(i,j)=0;endendendg(:,:,1)=R;g(:,:,2)=G;g(:,:,3)=B;g=uint8(g);subplot(1,2,2);imshow(g);% --- Executes on button press in pushbutton8.function pushbutton8_Callback(hObject, eventdata, handles)% hObject handle to pushbutton8 (see GCBO)% eventdata reserved - to be defined in a future version of MATLAB % handles structure with handles and user data (see GUIDATA) clear;figureRGB=imread('1.jpg');RGB = im2double(RGB);R = RGB(:, :, 1);G = RGB(:, :, 2);B = RGB(:, :, 3);subplot(1,2,1),imshow(RGB)title('原始图像');c=R.*1.26d=G.*1.03e=B.*1.15enhance=cat(3, c, d, e);subplot(1,2,2),imshow(enhance)title('RGB手动增强的图像')四、实验结果截图五、实验体会经过很长时间学会应用这些东西。

5. 图像的频域增强及傅里叶变换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3.图像特征提取：形状特征：傅里叶描述子纹理特征：直接通过傅里叶系数来计算纹理特征其他特征：将提取的特征值进行傅里叶变换来使特征具有平移、伸缩、旋转不变性4.图像压缩可以直接通过傅里叶系数来压缩数据；常用的离散余弦变换是傅立叶变换的实变换；傅立叶变换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。

连续情况下要求原始信号在一个周期内满足绝对可积条件。

离散情况下，傅里叶变换一定存在。

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。

傅立叶变换有很多优良的性质。

比如线性，对称性（可以用在计算信号的傅里叶变换里面）;时移性：函数在时域中的时移，对应于其在频率域中附加产生的相移，而幅度频谱则保持不变；频移性：函数在时域中乘以e jwt，可以使整个频谱搬移w。

这个也叫调制定理，通讯里面信号的频分复用需要用到这个特性（将不同的信号调制到不同的频段上同时传输）；卷积定理：时域卷积等于频域乘积；时域乘积等于频域卷积（附加一个系数）。

（图像处理里面这个是个重点）信号在频率域的表现在频域中，频率越大说明原始信号变化速度越快；频率越小说明原始信号越平缓。

实验5 图像频域增强一、实验目的通过本实验使学生掌握使用MATLAB的二维傅里叶变换进行频域增强的方法。

二、实验原理本实验是基于数字图像处理课程中的图像频域增强理论来设计的。

本实验的准备知识：第四章频域图像增强中的一维傅里叶变换和二维傅里叶变换，频域图像增强的步骤，频域滤波器。

根据教材285页到320页的内容，开展本实验。

可能用到的函数：1、延拓函数padarray例：A=[1,2;3,4];B=padarray(A,[2,3],’post’);则结果为B =1 2 0 0 03 4 0 0 00 0 0 0 00 0 0 0 0使用该函数实现图像的0延拓。

Padarray还有其它用法，请用help查询。

2、低通滤波器生成函数首先编写dftuv函数，如下function [U,V]=dftuv(M,N)%DFTUV Computes meshgrid frequency matrices.% [U,V]=DFTUV(M,N] computes meshgrid frequency matrices U and V. Uand V are useful for computing frequency-domain filter functions thatcan be used with DFTFILT. U and V are both M-by-N.% Set up range of variables.u=0:(M-1);v=0:(N-1);% Compute the indices for use in meshgrid.idx=find(u>M/2);u(idx)=u(idx)-M;idy=find(v>N/2);v(idy)=v(idy)-N;%Compute the meshgrid arrays.[V,U]=meshgrid(v,u);然后编写低通滤波器函数function [H,D]=lpfilter(type,M,N,D0,n)% LPFILTER computers frequency domain lowpass filters.% H=lpfilter(TYPE,M,N,D0,n) creates the transfer function of a lowpassfilter, H, of the specified TYPE and size(M-by-N). To view the filter asan image or mesh plot, it should be centered using H=fftshift(H).% valid values for TYPE, D0, and n are:% 'ideal' Ideal lowpass filter with cutoff frequency D0. n need notbe supplied. D0 must be positive.% 'btw' Butterworth lowpass filter of ordern, and cutoff D0. Thedefault value for n is 1. D0 must be positive.% 'gaussian' Gaussian lowpass filter with cutoff (standard deviation)D0.n need not be supplied. D0 must be positive.%Use function dftuv to set up the meshgrid arrays needed for computingthe required distances.[U,V]=dftuv(M,N); %D=sqrt(U.^2+V.^2); % Compute the distances D(U,V)% Begin filter computations.switch typecase 'ideal'H=double(D<=D0);case 'btw'if nargin==4n=1;endH=1./(1+(D./D0).^(2*n));case 'gaussian'H=exp(-(D.^2)./(2*(D0^2)));otherwiseerror('Unknown filter type')end通过调用函数lpfilter可生成相应的滤波器掩膜矩阵。

基于MATLAB的数字图像课程设计图像频域增强高通滤波器算法设计摘要图像增强是对数字图像的预处理，使图像整体或局部特征能有效地改进。

经过对频域域图像增强理论的理解，分析了频率域的高通滤波。

在此基础上，利用MATLAB对理想高通滤波器、巴特沃斯高通滤波器、指数高通滤波器、梯形高通滤波器、以及高斯高通滤波器进行编程与仿真，并对其结果进行了分析与比较，表明这五种高通滤波器都能较好地对图像进行锐化处理。

关键词：图像增强；频率域；高通滤波；MATLAB目录1 设计任务及目的 (2)1.1 设计任务 (2)1.2 设计目的 (3)2 课程设计相关知识 (3)2.1 数字图像处理简介 (3)2.1.1 数字图像发展概述 (4)2.1.2 数字图像处理内容 (4)2.1.3 数字图像处理技术 (5)2.2 MATLAB简介 (7)2.2.1 MATLAB基本功能 (7)2.2.2 MATLAB产品应用 (8)2.2.3 MATLAB特点 (8)2.2.4 MATLAB系列工具优势 (8)3 图像频域高通滤波原理 (10)3.1 频域滤波增强步骤及流程框图 (10)3.2 傅立叶变换原理 (11)3.3 高通滤波器原理 (12)3.3.1 理想高通滤波 (13)3.3.2 巴特沃斯高通滤波 (13)3.3.3 指数高通滤波 (13)3.3.4 梯形高通滤波 (14)3.3.5 高斯高通滤波 (14)4 MATLAB程序代码 (14)5 仿真结果与分析 (21)5.1 仿真结果 (21)5.2 结果分析 (25)结论 (26)参考文献 (27)图像频域增强算法设计——高通滤波1设计任务及目的1.1设计任务利用所学的数字图像处理技术，建立实现某一个主题处理的系统，利用MATLAB软件系统来实现图像的频域滤波技术，要求：（1）学习和熟悉MATLAB软件的使用方法；（2）熟悉和掌握MATLAB 程序设计过程；（3）利用所学数字图像处理技术知识和MATLAB软件对图像进行高通滤波处理；（4）能对图.jpg、.bmp、.png格式进行打开、保存、另存、退出等一系列功能操作；（5）在程序开发时，必须清楚主要实现函数目的和作用，需要在程序书写时做适当注释说明，理解每一句函数的具体意义和使用范围；（6）比较几种高通滤波器对图像数字化处理效果的异同。

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。

《数字图像处理》教学大纲电子信息工程专业（本科）课程编号：（）课程名称：数字图像处理参考学时：42 其中实验或上机学时：10说明部分1．课程的地位、性质和任务数字图像处理是一门迅速发展的新兴学科，发展的历史并不长。

由于图像是视觉的基础，而视觉又是人类重要的感知手段，故数字图像成为心理学、生理学、计算机科学等诸多方面学者研究视觉感知的有效工具。

随着计算机的发展，以及应用领域的不断加深和扩展，数字图像处理技术已取得长足的进展，出现了许多有关的新理论、新方法、新算法、新手段和新设备，并在军事公安、航空、航天、遥感、医学、通信、自控、天气预报以及教育、娱乐、管理等方面得到广泛的应用。

所以，数字图像处理是一门实用的学科，已成为电子信息、计算机科学及其相关专业的一个热门研究课题，相应《图像处理技术》也是一门重要的课程，是一门多学科交叉、理论性和实践性都很强的综合性课程。

本课程是电子信息工程专业的专业课。

本课程着重研究数字图像处理的方法，训练学生运用所学基础知识解决实际问题的能力，同时要求拓宽专业知识面。

2．课程教学的目的及意义数字图像处理是研究数字图像处理的基本理论、方法及其在智能化检测中应用的学科，本课程侧重于机器视觉中的预处理技术——数字图像基本处理，并对图像分析的基本理论和实际应用进行系统介绍。

目的是使学生系统掌握数字图像处理的基本概念、基本原理和实现方法和实用技术，了解数字图像处理基本应用和当前国内外的发展方向。

要求学生通过该课程学习，具备解决智能化检测与控制中应用问题的初步能力，为在计算机视觉、模式识别等领域从事研究与开发打下扎实的理论基础。

3．教学内容及教学要求教学内容：数字图像处理是计算机和电子学科的重要组成部分，是模式识别和人工智能理论的的中心研究内容。

主要教学内容包括：（1）数字图像处理的基本概念，包括数字图像格式，数字图像显示，灰度直方图，点运算，代数运算和几何运算等概念。

（2）介绍二维富氏变换离散余弦变换，离散图像变换和小波变换的基本原理与方法。

实验⼆数字图像频域增强-研究⽣（1）实验⼆：数字图像频域增强实验指导书⼀、实验⽬的（1）了解离散傅⽴叶变换的基本原理及其性质；（2）掌握应⽤MATLAB语⾔进⾏FFT及逆变换的⽅法；（3）了解图象在频域中处理⽅法，应⽤MATLAB语⾔作简单的低通及⾼通滤波器。

⼆、实验要求（1）读⼊数字图像，并利⽤MATLAB对其进⾏傅⽴叶变换，并显⽰其频谱图像；对该图像进⾏平移、旋转和放⼤（或缩⼩）操作，记录其频谱图像并分析。

实验⽤图像⾃⾏选择。

实验1数据记录可类似下表输⼊图像FFT变换频谱图像（2）读⼊数字图像，为该图像添加⾼斯以及椒盐噪声，利⽤巴特沃斯低通滤波器，⾼斯低通滤波器对⼀受噪声污染图像做处理，记录滤波后的频谱图像，再作反变换，记录处理后的新图像。

设定不同截⽌频率参数，重复⼀次实验。

（3）读⼊数字图像，设计实现巴特沃斯⾼通滤波器和⾼斯⾼通滤波器，记录滤波后的频谱图像，再作反变换，记录处理后的新图像。

设定不同截⽌频率参数，重复⼀次实验。

实验2,3数据记录可类似下表：输⼊图像滤波器截⾄频率处理后频谱图像反变换后图像三、提交作业要求内容包括：实验1~3记录的数据（格式见如上实验要求），对应的matlab代码，以及对实验过程和结果进⾏分析及总结。

参考MATLAB代码：clear;I1=imread('eight.tif');figure;subplot(2,2,1);imshow(I1);title('原始图像');I2=imnoise(I1,'salt & pepper');subplot(2,2,2);imshow(I2);title('噪声图像');f=double(I2);g=fft2(f); %执⾏fft变换g=fftshift(g); %移相[N1,N2]=size(g);n=5;d0=50; %截⾄频率n1=fix(N1/2);n2=fix(N2/2);for i=1:N1d=sqrt((i-n1)^2+(j-n2)^2);h=1/(1+(d/d0)^(2*n)); % d0即为截⾄频率result(i,j)=h*g(i,j); %相乘endendresult1=ifftshift(result); %反移相X2=ifft2(result1); %反变换X3=uint8(real(X2));figure();subplot(2,2,1);imshow(X3);title('巴特沃斯滤波器图像');subplot(2,2,2);result=log(0.000001+abs(result));imshow(result,[]),colorbar;title('巴特沃斯滤波函数');figure();subplot(2,2,1);g=log(0.000001+abs(g));imshow(g,[]),colorbar;title('原始图像的傅⽴叶变换');实验原理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。