(整理)实验三 频域增强.

频率域增强的步骤嘿，朋友们！今天咱就来讲讲频率域增强的那些事儿。

你想想看啊，这频率域就像是一个神秘的舞台，图像的信息在上面尽情表演呢！那频率域增强呢，就是让这个舞台上的表演更精彩，更吸引人。

咱先来说说第一步，那就是得把图像从空间域转换到频率域。

这就好比是给图像来了个大变身，从我们熟悉的模样变成了一堆奇怪的数字和图案。

可别小瞧了这个变身，这可是关键的一步呢！就像孙悟空七十二变，变了之后才有更多的本事展现呀。

然后呢，我们要对这些频率域的信息进行分析和处理。

这就像是给表演加调料，让味道更独特。

比如说，我们可以把一些不重要的频率成分削弱或者去掉，就像去掉舞台上那些不太起眼的小配角，让主角更加突出。

或者呢，我们也可以增强一些我们特别关注的频率成分，这就好比给主角加上闪亮的灯光，让他更加耀眼。

接下来这步也很重要哦，就是根据我们的需求和想法来调整这些频率信息。

这就像是导演在指导演员怎么表演，是要更夸张一点呢，还是更内敛一些。

我们可以让图像变得更清晰，更锐利，或者让它有一些特殊的效果，比如模糊一点，更有艺术感。

处理完了之后，可不能就这么完事儿了，还得把它变回到空间域呢。

这就像是表演结束了，孙悟空又变回原来的样子啦。

经过这么一番折腾，图像可就大不一样咯！你说这频率域增强是不是很神奇？就像变魔术一样，能让图像发生奇妙的变化。

你要是还没试过，那可真的太可惜啦！赶紧去试试吧，说不定你就能创造出令人惊叹的图像效果呢！频率域增强就是这么一个有趣又实用的技术，它能让我们的图像变得更加出色，更加符合我们的期望。

它就像是一把神奇的钥匙，能打开图像世界的奇妙大门，让我们看到更多的精彩和可能。

所以啊，大家可千万别错过这个好东西，好好去研究研究，你一定会爱上它的！。

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。

实验三空域图像增强（灰度变换、直方图处理）一、实验目的1. 掌握灰度变换的基本原理。

2. 掌握直方图处理的基本原理。

3. 掌握Matlab中灰度变换和直方图处理的实现方法。

二、实验内容1. 灰度变换（直接正比变换）。

2. 灰度变换（截取式正比变换）。

3. 灰度变换（反比变换）。

4. 灰度变换（对比拉伸）。

5. 灰度变换（灰度切割）。

6. 灰度变换（对数变换）。

7. 灰度变换（幂次变换）。

8. 直方图处理（直方图均衡化）。

三、实验仪器、设备及材料1. 电脑一台（2G CPU、2GB RAM、50GB Disk及以上）。

2. Windows 2000 / Windows XP / Windows 7。

3. Matlab R2006b及以上版本。

4. 记录用的笔、纸。

四、实验原理1. 灰度变换灰度变换是一种点操作，根据原始图像中每个像素的灰度值，按照某种映射规则将其转化为另一灰度值。

其原理是将原图像f(x , y)中的每个像素的灰度按EH操作直接变换以得到目标图像g(x , y)。

若以s表示f(x , y)，以t表示g(x , y)，则灰度变换原理如下图所示：2. 直方图处理直方图变换可以清晰图像细节，突出目标物体，改善亮度比例关系，增强图像对比度。

直方图变换基于概率论。

直方图均衡化主要用于增强动态范围偏小的图像的反差。

其基本思想是把原图像的直方图转换为均匀分布的形式，增加像素灰度值的动态范围，增强图像整体对比度。

五、实验步骤1. 灰度变换（直接正比变换）(1) 程序源代码：close allclear15clcdisp('====E4_4_1.m====');I=imread('rice.png');subplot(3,3,1),imshow(I),ylabel('原图像');subplot(3,3,2),imhist(I);%方法1-系统函数J=imadjust(I,[40/255 204/255],[0 1]); %图像的最小灰度值为40，最大灰度值为204subplot(3,3,4),imshow(J),ylabel('变换图像(方法1)');subplot(3,3,5),imhist(J);%方法2-编程实现%把灰度值范围从[40,204]映射到[0,255]f0=0;g0=0; %分段曲线的第1个点f1=40;g1=0; %分段曲线的第2个点f2=204;g2=255; %分段曲线的第3个点f3=255;g3=255; %分段曲线的第4个点subplot(3,3,9),plot([f0,f1,f2,f3],[g0,g1,g2,g3]),xlabel('f'),ylabel('g'),axis([0 255 0 255]);%绘制变换曲线r1=(g1-g0)/(f1-f0); %曲线1的斜率b1=g0-r1*f0; %曲线1的截距r2=(g2-g1)/(f2-f1); %曲线2的斜率b2=g1-r2*f1; %曲线2的截距r3=(g3-g2)/(f3-f2); %曲线3的斜率b3=g2-r3*f2; %曲线3的截距[m,n]=size(I);K=double(I);for i=1:mfor j=1:nf=K(i,j);g(i,j)=0;if(f>=f0)&(f<=f1)g(i,j)=r1*f+b1; %曲线1的方程y=r1*x+b1elseif (f>=f1)&(f<=f2)g(i,j)=r2*f+b2; %曲线2的方程y=r2*x+b2elseif (f>=f2)&(f<=f3)g(i,j)=r3*f+b3; %曲线3的方程y=r3*x+b3endendendendend16subplot(3,3,7),imshow(uint8(g)),ylabel('变换图像(方法2)');subplot(3,3,8),imhist(uint8(g));(2) 观察并记录实验结果：作为实验报告的内容(3) 将“分段曲线的第2个点”更改为“f1=150;g1=0;”，观察并记录实验结果，分析产生该结果的原因：作为实验报告的内容。

一、实验名称遥感图像频率域增强处理二、实验目的对图像数据采用各种图形增强算法，提高图像的目视效果，方便人工目视解译、图像分类中的样本选取等，方便以后的图像解译。

学会使用ENVI软件对遥感影像进行分析增强处理，初步掌握各种图像增强方法，并对其结果进行比较，观察增强效果。

三、实验原理FFT Filtering（Fast Fourier Transform Filtering 快速傅立叶变换滤波）可以将图像变换成为显示不同空间频率成分的合成输出图像。

正向的FFT 生成的图像能显示水平和垂直空间上的频率成分。

图像的平均亮度值显示在变换后图像的中心。

远离中心的像元代表图像中增加的空间频率成分。

这一滤波能被设计为消除特殊的频率成分，并能进行逆向变换。

四、数据来源本次实验所用数据来自于国际数据服务平台；landsat4-5波段30米分辨率TM第三波段影像，投影为WGS-84，影像主要为山西省大同市恒山地区，中心纬度：38.90407 中心经度：113.11840。

五、实验过程1、正向FFT滤波加载影像，在ENVI主菜单栏中选择Filters →FFT Filtering →Forward FFT。

出现Forward FFT Input File对话框，选择要进行滤波的文件，点击ok。

在Forward FFT Parameters对话框中选择输出文件名及位置。

点击ok开始FFT计算。

2、图像平滑1）定义FFT滤波器在ENVI主菜单栏中选择Filters →FFT Filtering →Filter Definition。

将出现Filter Definition选择对话框。

Filter_Yype →Circular Pass。

定义相关参数。

选择输出路径，apply构建FFT滤波器。

2）反向FFT变换选择Filter →FFT Filtering →Inverse FFT，出现Inverse FFT Input File对话框。

频域滤波增强原理及其基本步骤1. 引言频域滤波增强是一种常用的图像增强技术，通过将图像从空域转换到频域进行滤波操作，然后再将图像从频域转换回空域，从而改善图像的质量。

本文将详细解释频域滤波增强的原理及其基本步骤。

2. 基本原理频域滤波增强的基本原理是利用图像在频域中的特性来进行图像增强。

在频域中，不同频率的成分对应着不同的图像细节信息。

通过选择性地增强或抑制不同频率成分，可以改变图像的对比度、清晰度和细节。

频域滤波增强主要依赖于傅里叶变换和逆傅里叶变换。

傅里叶变换将一个时域信号转换为其在频域中的表示，逆傅里叶变换则将一个频域信号转换回时域。

3. 常见步骤频域滤波增强通常包括以下几个步骤：步骤1：图像预处理在进行频域滤波增强之前，通常需要对图像进行预处理。

预处理包括去噪、平滑和锐化等操作。

去噪可以使用一些常见的降噪算法，如中值滤波、高斯滤波等。

平滑可以通过低通滤波器实现，用于抑制图像中的高频成分。

锐化可以通过高通滤波器实现，用于增强图像中的细节。

步骤2：傅里叶变换将经过预处理的图像进行傅里叶变换，将其转换为频域表示。

傅里叶变换将图像分解为一系列的正弦和余弦函数，每个函数对应一个特定的频率成分。

在频域中，低频成分对应着图像的整体亮度和颜色信息，而高频成分对应着图像的细节信息。

步骤3：频域滤波在频域中对图像进行滤波操作，选择性地增强或抑制不同频率成分。

常见的频域滤波器包括低通滤波器、高通滤波器、带通滤波器和带阻滤波器等。

低通滤波器可以保留图像中的低频成分，抑制高频成分，用于平滑图像。

高通滤波器可以抑制低频成分，增强高频细节，用于锐化图像。

步骤4：逆傅里叶变换将经过滤波操作的频域图像进行逆傅里叶变换，将其转换回时域表示。

逆傅里叶变换将频域信号重建为原始的时域信号。

通过逆傅里叶变换，我们可以得到经过频域滤波增强后的图像。

步骤5：后处理对经过逆傅里叶变换得到的图像进行后处理，包括亮度调整、对比度增强和锐化等操作。

实习二影像频域增强实验1.实习任务：1.1 二维离散傅立叶变换（DFT）及其反变换；1.2 高通滤波器；1.3 TM 影像的条带去除。

2.实习目的：2.1 掌握二维DFT 变换及其物理意义，掌握基本的灰度变换方法。

2.2 掌握影像在频域的高通滤波处理。

2.3 掌握遥感影像周期噪声的去除方法。

3.具体内容：3.1二维离散傅里叶变换（DFT）及其反变换3.1.1基本原理：a. 在 8 位灰度图中，像素值大小为0-255。

0 代表黑色，255 代表白色。

b. 二维 DFT 计算公式为c.由于二维 DFT 是一种行列可分离的变换，其结果也可以由在两个方向上先后做一维DFT 得到。

具体流程为：对图像每一行（即某个x 值），做一维DFT，得到的结果保存为矩阵F(x,v)的一行。

对矩阵F(x,v)的每一列（即某个v值），做一维DFT，得到的结果保存为矩阵F(u, v)的一列。

d.直接对图像f (x, y)做傅立叶变换，结果的原点处于图像左下角。

将傅立叶变换结果的原点移到矩阵中心位置可利用公式。

e. 傅立叶变换结果一般为复数，它的模（谱）的大小反映了图像在不同频率上能量的分布。

一般用| F(u, v) |来显示和比较傅立叶变换的结果。

f. 当用 8 位灰度来显示图像时，将图像灰度级调整至0－255 范围内可以充分利用屏幕的显示范围。

这时可利用一个线性变换将图像最小值变换至0，将图像最大值变换至255，其余灰度值做相应平移和拉伸。

其变换函数为：g.对数变换也是一种常用的灰度转换函数。

其变换函数为:常数c 用于调整s 的动态范围，在本实验中为0-255。

h. 从频谱图可以看出图像大致的方向性和灰度变化的快慢。

i. 逆傅立叶变换的计算，可通过正向傅立叶变换计算得到[1]。

3.1.2实验数据Building影像数据及其创建影像。

图3.1.1 building原图像图3.1.2 创建测试图像3.1.3实验结果对创建图像进行DFT变换，其结果如下：DFT反变换对测试图像进行线性变换和对数变换图3.1.7 测试图像 图3.1.8 线性变换后的图像对数变换图3.1.9 测试图像 图3.1.10 对数变换后的图像3.2 高通滤波器 3.2.1基本原理图像空间域的线性邻域卷积实际上是图像经过滤波器对信号频率成分的滤波，这种功能也可以在变换域实现，即把原始图像进行正变换，设计一个滤波器用点操作的方法加工频谱数据（变换系数），然后在进行反变换，即完成处理工作。