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

实践二:理想高通滤波器、Butterworth高通滤波器、高斯高通滤波器2.1.1理想高通滤波器实践代码：I=imread('');subplot(221),imshow(I);title('原图像');s=fftshift(fft2(I));subplot(223),imshow(abs(s),[]);title('图像傅里叶变换所得频谱');subplot(224),imshow(log(abs(s)),[]);title('图像傅里叶变换取对数所得频谱');[a,b]=size(s);a0=round(a/2);b0=round(b/2);d=10;p=;q=;fori=1:aforj=1:bdistance=sqrt((i-a0)^2+(j-b0)^2);ifdistance<=dh=0;elseh=1;end;s(i,j)=(p+q*h)*s(i,j);end;end;s=uint8(real(ifft2(ifftshift(s))));subplot(222),imshow(s);title('高通滤波所得图像');I=imread('');[f1,f2]=freqspace(size(I),'meshgrid');Hd=ones(size(I));r=sqrt(f1.^2+f2.^2);Hd(r<=0;figuresurf(Hd,'Facecolor','interp','Edgecolor','none','Facelighting','phong');%画三维曲面（色）图2.1.2理想高通滤波器实践结果截图：2.2.1Butterworth高通滤波器实践代码：I1=imread('');subplot(121),imshow(I1);title('原始图像');f=double(I1);g=fft2(f);g=fftshift(g);[N1,N2]=size(g);n=2;d0=5;n1=fix(N1/2);n2=fix(N2/2);fori=1:N1forj=1:N2d=sqrt((i-n1)^2+(j-n2)^2);ifd==0h=0;elseh=1/(1+(d0/d)^(2*n));endresult(i,j)=h*g(i,j);endendresult=ifftshift(result);X2=ifft2(result);X3=uint8(real(X2));subplot(122),imshow(X3);title('Butterworth高通滤波');I1=imread('');[f1,f2]=freqspace(size(I1),'meshgrid');D=;r=f1.^2+f2.^2;n=4;fori=1:size(I1,1)forj=1:size(I1,2)t=(D*D)/r(i,j);Hd(i,j)=1/(t^n+1);endendfiguresurf(Hd,'Facecolor','interp','Edgecolor','none','Facelighting','phong');%画三维曲面（色）图2.2.2Butterworth高通滤波器实践结果截图：2.3.1高斯高通滤波器实践代码：clearallIA=imread('');[f1,f2]=freqspace(size(IA),'meshgrid');%D=100/size(IA,1);D=;r=f1.^2+f2.^2;fori=1:size(IA,1)forj=1:size(IA,2)t=r(i,j)/(D*D);Hd(i,j)=1-exp(-t);endendY=fft2(double(IA));Y=fftshift(Y);Ya=Y.*Hd;Ya=ifftshift(Ya);Ia=real(ifft2(Ya));figuresubplot(2,2,1),imshow(uint8(IA));title('原始图像');subplot(2,2,2),imshow(uint8(Ia));title('高斯高通滤波');figuresurf(Hd,'Facecolor','interp','Edgecolor','none','Facelighting','phong');2.3.2高斯高通滤波器实践结果截图：。

实验一：数字图像的频域滤波器设计一、实验目的掌握matlab 程序设计语言，掌握matlab 基本数据类型、核心函数及辅助函数的使用。

掌握理想和高斯低通滤波器的设计方法。

二、实验内容利用理想和高斯低通滤波器实现图像的频域滤波；利用理想和高斯高通滤波器实现图像的频域滤波；三、实验原理二维理想低通滤波器的传递函数为：001.(,)(,)0.(,)D u v D H u v D u v D ≤⎧=⎨>⎩D0是指定非负数值，D （u ，v ）是（u ，v ）点距频率中心的距离。

如果要研究的图像尺寸为M X N ，则它的变换也有相同的尺寸。

在半径为D0的圆内，所有频率无衰减地通过滤波器，而在此半径之外的所有频率完全被衰减掉。

高斯高通滤波器传递函数为：220(,)/2(,)D u v D H u v e -=D （u ，v ）是距傅立叶变换中心原点的距离。

D0是截止频率。

高斯低通滤波器的傅立叶变换也是高斯的。

二维理想高通滤波器的传递函数为：000.(,)(,) 1.(,)D u v D H u v D u v D ≤⎧=⎨>⎩D0是从频率矩形中点测得的截止频率长度，它将以D0为半径的圆周内的所有频率置零，而毫不衰减地通过圆周外的任何频率。

但其物理上是不可实现的。

高斯高通滤波器传递函数为：220(,)/2(,)1D u v D H u v e -=-高通滤波器能够用高斯型低通滤波器的差构成。

这些不同的滤波器有更多的参数，因此能够对滤波器的形状进行更多的控制。

四．实验设备和仪器1．计算机2. matlab开发平台五．关键代码及注释1.理想低通滤波器RGB = imread('saturn.png');I0 = rgb2gray(RGB);subplot(2,3,1),imshow(I0);title('原图');I1 = imnoise(I0,'gaussian'); %对原图像加噪声subplot(2,3,2),imshow(I1);title('加入噪声后')%将灰度图像的二维不连续Fourier 变换的零频率成分移到频谱的中心s=fftshift(fft2(I1));subplot(2,3,3),imshow(log(1+abs(s)),[]);title('fftshift');[M,N]=size(s); %分别返回s的行数到M中，列数到N中n1=floor(M/2); %对M/2进行取整n2=floor(N/2); %对N/2进行取整%ILPF滤波（程序中以d0=15为例）d0=50; %初始化d0for i=1:Mfor j=1:Nd=sqrt((i-n1)^2+(j-n2)^2); %点（i,j）到傅立叶变换中心的距离if d<=d0 %点（i,j）在通带内的情况h(i,j)=1; %通带变换函数else %点（i,j）在阻带内的情况h(i,j)=0; %阻带变换函数ends(i,j)=h(i,j)*s(i,j); %ILPF滤波后的频域表示endends=ifftshift(s); %对s进行反FFT移动%对s进行二维反离散的Fourier变换后，取复数的实部转化为无符号8位整数s=uint8(real(ifft2(s)));subplot(2,3,4),imshow(h);title('传递函数'); %显示GHPF滤波器的传递函数subplot(2,3,5),imshow(s); title('ILPF滤波（d0=50)'); %显示ILPF滤波后的图像2.高斯低通滤波器RGB = imread('saturn.png');I0 = rgb2gray(RGB);subplot(2,3,1),imshow(I0);title('原图');I1 = imnoise(I0,'gaussian'); %对原图像加噪声subplot(2,3,2),imshow(I1);title('加入噪声后')%将灰度图像的二维不连续Fourier 变换的零频率成分移到频谱的中心s=fftshift(fft2(I1));subplot(2,3,3),imshow(log(1+abs(s)),[]);title('fftshift');[M,N]=size(s); %分别返回s的行数到M中，列数到N中%GLPF滤波d0=50; %初始化d0n1=floor(M/2); %对M/2进行取整n2=floor(N/2); %对N/2进行取整for i=1:Mfor j=1:Nd=sqrt((i-n1)^2+(j-n2)^2); %点（i,j）到傅立叶变换中心的距离h(i,j)=1*exp(-1/2*(d^2/d0^2)); %GLPF滤波函数s(i,j)=h(i,j)*s(i,j); %GLPF滤波后的频域表示endends=ifftshift(s); %对s进行反FFT移动%对s进行二维反离散的Fourier变换后，取复数的实部转化为无符号8位整数s=uint8(real(ifft2(s)));subplot(2,3,4),imshow(h);title('传递函数'); %显示GHPF滤波器的传递函数subplot(2,3,5),imshow(s);title('GLPF滤波(d0=50)'); %显示GLPF滤波处理后的图像3.理想高通滤波器RGB = imread('saturn.png');I0 = rgb2gray(RGB);subplot(2,3,1),imshow(I0);title('原图');I1 = imnoise(I0,'gaussian'); %对原图像加噪声subplot(2,3,2),imshow(I1);title('加入噪声后')%将灰度图像的二维不连续Fourier 变换的零频率成分移到频谱的中心s=fftshift(fft2(I1));subplot(2,3,3),imshow(log(1+abs(s)),[]);title('fftshift');[M,N]=size(s); %分别返回s的行数到M中，列数到N中n1=floor(M/2); %对M/2进行取整n2=floor(N/2); %对N/2进行取整%IHPF滤波d0=15; %初始化d0for i=1:Mfor j=1:Nd=sqrt((i-n1)^2+(j-n2)^2); %点（i,j）到傅立叶变换中心的距离if d<=d0 %点（i,j）在通带内的情况h(i,j)=0; %通带变换函数else %点（i,j）在阻带内的情况h(i,j)=1; %阻带变换函数ends(i,j)=h(i,j)*s(i,j); %ILPF滤波后的频域表示endends=ifftshift(s); %对s进行反FFT移动%对s进行二维反离散的Fourier变换后，取复数的实部转化为无符号8位整数s=uint8(real(ifft2(s)));subplot(2,3,4),imshow(h);title('传递函数'); %显示GHPF滤波器的传递函数subplot(2,3,5),imshow(s); title('IHPF滤波（d0=15)'); %显示IHPF滤波后的图像4.高斯高通滤波器RGB = imread('saturn.png');I0 = rgb2gray(RGB);subplot(2,3,1),imshow(I0);title('原图');I1 = imnoise(I0,'gaussian'); %对原图像加噪声subplot(2,3,2),imshow(I1);title('加入噪声后')%将灰度图像的二维不连续Fourier 变换的零频率成分移到频谱的中心s=fftshift(fft2(I1));subplot(2,3,3),imshow(log(1+abs(s)),[]);title('fftshift');[M,N]=size(s); %分别返回s的行数到M中，列数到N中%GHPF滤波d0=15; %初始化d0n1=floor(M/2); %对M/2进行取整n2=floor(N/2); %对N/2进行取整for i=1:Mfor j=1:Nd=sqrt((i-n1)^2+(j-n2)^2); %点（i,j）到傅立叶变换中心的距离 h(i,j)=1-1*exp(-1/2*(d^2/d0^2)); %GHPF滤波函数s(i,j)=h(i,j)*s(i,j); %GHPF滤波后的频域表示endends=ifftshift(s); %对s进行反FFT移动%对s进行二维反离散的Fourier变换后，取复数的实部转化为无符号8位整数s=uint8(real(ifft2(s)));subplot(2,3,4),imshow(h);title('传递函数'); %显示GHPF滤波器的传递函数subplot(2,3,5),imshow(s);title('GHPF滤波(d0=15)'); %显示GHPF滤波处理后的图像六．实验结果图一理想低通滤波器图二高斯低通滤波器图三理想高通滤波器图四高斯高通滤波器。

数字图像处理matlab课程设计一、课程目标知识目标：1. 理解数字图像处理的基本概念，掌握图像的表示和存储方式；2. 学会使用MATLAB软件进行数字图像处理，掌握相关函数和工具箱的使用方法；3. 掌握图像增强、滤波、边缘检测等基本图像处理技术；4. 了解图像分割、特征提取等高级图像处理技术。

技能目标：1. 能够运用MATLAB进行图像读取、显示和保存操作；2. 能够独立完成图像的增强、滤波等基本处理操作；3. 能够运用边缘检测算法对图像进行处理，提取关键特征；4. 能够根据实际需求选择合适的图像处理技术，解决实际问题。

情感态度价值观目标：1. 培养学生对数字图像处理技术的兴趣，激发其学习热情；2. 培养学生的团队合作意识，使其学会在团队中分享和交流；3. 培养学生严谨的科学态度，使其注重实验数据的真实性；4. 培养学生的创新思维，鼓励其探索新方法，提高解决问题的能力。

本课程旨在通过数字图像处理MATLAB课程设计，使学生在掌握基本理论知识的基础上，运用MATLAB软件进行图像处理实践。

课程注重理论与实践相结合，培养学生具备实际操作能力，并能运用所学知识解决实际问题。

针对学生的年级特点，课程目标既注重知识技能的传授，又关注情感态度价值观的培养，为学生今后的学习和工作奠定基础。

二、教学内容1. 数字图像处理基础- 图像表示与存储（RGB、灰度、二值图像）- 图像类型转换- MATLAB图像处理工具箱介绍2. 图像增强- 直方图均衡化- 伽玛校正- 图像锐化3. 图像滤波- 均值滤波- 中值滤波- 高斯滤波- 双边滤波4. 边缘检测- 索贝尔算子- 拉普拉斯算子- Canny边缘检测5. 图像分割- 阈值分割- 区域生长- 分水岭算法6. 特征提取与描述- 霍夫变换- SIFT算法- ORB算法教学内容根据课程目标进行选择和组织，注重科学性和系统性。

教学大纲明确分为六个部分，分别对应数字图像处理的基础知识、图像增强、滤波、边缘检测、图像分割和特征提取与描述。

基于matlab的图像处理课程设计一、课程目标知识目标：1. 学生能理解图像处理的基本概念，掌握图像的数字化表示方法。

2. 学生能掌握Matlab软件的基本操作，运用其图像处理工具箱进行图像的读取、显示和保存。

3. 学生能掌握图像处理的基本算法，如灰度变换、图像滤波、边缘检测等，并理解其原理。

技能目标：1. 学生能运用Matlab进行图像处理操作，解决实际问题。

2. 学生能通过编程实现图像处理算法，具备一定的程序调试和优化能力。

3. 学生能运用所学知识，结合实际问题，设计简单的图像处理程序。

情感态度价值观目标：1. 学生通过学习图像处理，培养对计算机视觉和人工智能领域的兴趣，激发创新意识。

2. 学生在课程实践中，培养团队协作精神，提高沟通与表达能力。

3. 学生能认识到图像处理技术在生活中的广泛应用，增强学以致用的意识。

分析课程性质、学生特点和教学要求，本课程目标旨在使学生在掌握基本图像处理知识的基础上，通过Matlab软件的实践操作，培养其编程能力和解决实际问题的能力。

同时，注重培养学生的团队协作和情感态度，使其在学习过程中获得成就感，激发学习兴趣。

课程目标将具体分解为学习成果，以便后续教学设计和评估。

二、教学内容1. 图像处理基础理论：- 数字图像概念及表示方法- 图像处理的基本操作：读取、显示、保存- 像素运算与邻域处理2. Matlab基础操作：- Matlab软件安装与界面介绍- 数据类型与基本运算- 矩阵运算与函数编写3. 图像处理算法：- 灰度变换与直方图处理- 图像滤波：低通滤波、高通滤波- 边缘检测：Sobel算子、Canny算子4. 实践项目：- 图像增强与去噪- 图像分割与特征提取- 目标检测与跟踪5. 教学大纲：- 第一周：图像处理基础理论，Matlab基础操作- 第二周：灰度变换与直方图处理，图像滤波- 第三周：边缘检测，实践项目一- 第四周：图像分割与特征提取，实践项目二- 第五周：目标检测与跟踪，课程总结与展示教学内容根据课程目标，结合教材章节进行选择和组织，确保科学性和系统性。

基于MATLAB的数字图像处理的设计与实现摘要数字图像处理是一门新兴技术,随着计算机硬件的发展，数字图像的实时处理已经成可能，由于数字图像处理的各种算法的出现,使得其处理速度越来越快，能更好的为人们服务。

数字图像处理是一种通过计算机采用一定的算法对图形图像进行处理的技术。

目的:改善医学图像质量，使图像得到增强。

方法：利用Matlab工具箱函数，采用灰度直方图均衡化和高通滤波的方法对一幅X线图像进行增强处理。

结果:用直方图均衡化的算法,将原始图像密集的灰度分布变得比较稀疏，处理后的图像视觉效果得以改善。

高通滤波对于局部细节增强显著,高通滤波后使不易观察到的细节变得清晰。

结论：使用Matlab工具箱大大简化了编程工作，为医学图像处理提供了一种技术平台。

经过直方图均衡化和高通滤波处理后的医学图像，视觉效果得到改善。

关键词:MATLAB；直方图均衡化；高通滤波；图像增强AbstractDigital image processing is an emerging technology, with the development of computer hardware, real—time digital image processing has become possible due to digital image processing algorithms to appear，making it faster and faster processing speed，better for people services .Digital image processing is used by some algorithms computer graphics image pro cessing technology. Objective：To improve the quality of medical image by enhancing the details。

数字图像处理三级项目—咼通、低通、带通滤波命摘要在图像处理的过程中，消除图像的噪声干扰是一个非常重要的问题。

利用matlab软件,采用频域滤波的方式,对图像进行低通和高通滤波处理。

低通滤波是要保留图像中的低频分量而除去高频分量，由于图像中的边缘和噪声都对应图像傅里叶频谱中的高频部分，所以低通滤波可以除去或消弱噪声的影响并模糊边缘轮廓；高通滤波是要保留图像中的高频分量而除去低频分量，所以高通滤波可以保留较多的边缘轮廓信息。

低通滤波器有巴特沃斯滤波器和高斯滤波器等等，本次设计使用的低通滤波器为****。

高通滤波器有巴特沃斯滤波器、高斯滤波器、Laplacian高通滤波器以及Unmask高通滤波器等等，本次设计使用巴特沃斯高通滤波器。

1、频域低通滤波器：设计低通滤波器包括butterworth and Gaussian ( 选择合适的半径，计算功率谱比)，平滑测试图像test1和2。

实验原理分析根据卷积定理，两个空间函数的卷积可以通过计算两个傅立叶变换函数的乘积的逆变换得到，如果f(x, y)和h(x, y)分别代表图像与空间滤波器，F(u, v)和H(u, v)分别为响应的傅立叶变换(H(u, v)又称为传递函数)，那么我们可以利用卷积定理来进行频域滤波。

在频域空间，图像的信息表现为不同频率分量的组合。

如果能让某个范围内的分量或某些频率的分量受到抑制，而让其他分量不受影响，就可以改变输出图的频率分布，达到不同的增强目的。

频域空间的增强方法的步骤:(1) 将图像从图像空间转换到频域空间；(2) 在频域空间对图像进行增强；(3) 将增强后的图像再从频域空间转换到图像空间低通滤波是要保留图像中的低频分量而除去高频分量。

图像中的边缘和噪声都对应图像傅里叶频谱中的高频部分，所以低通滤波可以除去或消弱噪声的影响并模糊边缘轮廓。

理想低通滤波器具有传递函数:其中DO为制定的非负数，D(u,v)为点(u,v)到滤波器中心的距离P g (u,v) P f (u,v)其中，P f （u,v ）为滤波前图像的功率谱，P g （u, V ）为滤波后图像的功率谱。

基于matlab数字图像处理之高通滤波器实践二: 理想高通滤波器、Butterworth高通滤波器、高斯高通滤波器2.1.1 理想高通滤波器实践代码：I=imread('girl.bmp');subplot(221),imshow(I);title('原图像');s=fftshift(fft2(I));subplot(223),imshow(abs(s),[]);title('图像傅里叶变换所得频谱');subplot(224),imshow(log(abs(s)),[]);title('图像傅里叶变换取对数所得频谱'); [a,b]=size(s);a0=round(a/2);b0=round(b/2);d=10;p=0.2;q=0.5;for i=1:afor j=1:bdistance=sqrt((i-a0)^2+(j-b0)^2); if distance<=d h=0;else h=1;end;s(i,j)=(p+q*h)*s(i,j);end;end;s=uint8(real(ifft2(ifftshift(s)))); subplot(222),imshow(s);title('高通滤波所得图像');I=imread('girl.bmp');[f1,f2]=freqspace(size(I),'meshgrid'); Hd=ones(size(I));r=sqrt(f1.^2+f2.^2);Hd(r<0.2)=0;figuresurf(Hd,'Facecolor','interp','Edgecolor', 'none','Facelighting','phong'); % 画三维曲面（色）图2.1.2 理想高通滤波器实践结果截图：2.2.1 Butterworth高通滤波器实践代码：I1=imread('flower.bmp'); subplot(121),imshow(I1); title('原始图像');f=double(I1);g=fft2(f);g=fftshift(g);[N1,N2]=size(g);n=2;d0=5;n1=fix(N1/2);n2=fix(N2/2);for i=1:N1for j=1:N2d=sqrt((i-n1)^2+(j-n2)^2); if d==0h=0;elseh=1/(1+(d0/d)^(2*n)); endresult(i,j)=h*g(i,j);endendresult=ifftshift(result);X2=ifft2(result);X3=uint8(real(X2));subplot(122),imshow(X3) ;title('Butterworth高通滤波');I1=imread('flower.bmp');[f1,f2]=freqspace(size(I1),'meshgrid'); D=0.3;r=f1.^2+f2.^2;n=4;for i=1:size(I1,1)for j=1:size(I1,2)t=(D*D)/r(i,j);Hd(i,j)=1/(t^n+1);endendfiguresurf(Hd,'Facecolor','interp','Edgecolor', 'none','Facelighting','phong'); % 画三维曲面（色）图2.2.2 Butterworth高通滤波器实践结果截图：2.3.1 高斯高通滤波器实践代码：clear allIA=imread('girl.bmp');[f1,f2]=freqspace(size(IA),'meshgrid'); %D=100/size(IA,1);D=0.3;r=f1.^2+f2.^2;for i=1:size(IA,1)for j=1:size(IA,2)t=r(i,j)/(D*D);Hd(i,j)=1-exp(-t);endendY=fft2(double(IA));Y=fftshift(Y);Ya=Y.*Hd;Ya=ifftshift(Ya);Ia=real(ifft2(Ya));figuresubplot(2,2,1),imshow(uint8(IA));title('原始图像');subplot(2,2,2),imshow(uint8(Ia));title('高斯高通滤波');figuresurf(Hd,'Facecolor','interp','Edgecolor', 'none','Facelighting','phong');2.3.2 高斯高通滤波器实践结果截图：。

砉茎Ⅵ渊戮荔基于ＭＡＴＬＡＢ的图像频域增强探讨胡细玲（江西财经职业学院江西九江３３２０００）［摘要］目的；改善图像质量，使图像在频域范畴内得到增强。

结果；采用高频滤波不但会使有用的信息增强，同时也使噪声增强。

相比之下，低通滤波器较好·结论：使用ＩｔＡＴＬ＾Ｂ工具葶可简化编稃工作ｔ为图像处理提供一种方法·【关键词］频域图像增强低通滤波高通滤波中图分类号：ＴＰ３文献标识码：＾文章编号：１６７１－－７５９７（２００９）１０１００３０－－０１一、引曹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图像预处理，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。

由于噪声、光照等原因，使图像质量不高，为了改善视觉效果或便于人、机器对图像的分析理解，一般都需要对图像进行增强处理，但这个过程并没有统一的标准。

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。

二、圈像增强图像增强是采用一系列技术去改善图像的视觉效果，或将图像转换成一种更适合于人或机器进行分析和处理的形式．图像增强的目的是改善图像的视觉效果，针对给定图像的应用场合，有目的地强调图像的整体或局部特性，扩大图像中不同物体特征之间的差别，满足某些特殊分析的需要。

其方法是通过一定手段对原图像附加一些信息或变换数据，有选择地突出图像中感兴趣的特征或者抑制（掩盖）图像中某些不需要的特征，使图像与视觉响应特性相匹配．在图像增强过程中，不分析图像降质的原因，处理后的图像不一定逼近原始图像。

课程设计任务书学生姓名：专业班级：指导教师：工作单位：武汉理工大学题目: 基于MATLAB的图像滤波设计初始条件：(1) Matlab仿真软件及其相关基本知识，基本操作技能(2) 基础数学、数字信号处理与图像处理课程相关基础知识要求完成的主要任务:采用MATLAB选用适当的函数或矩阵进行如下计算：(1) 极限的计算、微分的计算、积分的计算、级数的计算、求解代数方程、求解常微分方程；(2)矩阵的最大值、最小值、均值、方差、转置、逆、行列式、特征值的计算、矩阵的相乘、右除、左除、幂运算；(3) 多项式加减乘除运算、多项式求导、求根和求值运算、多项式的部分分式展开、多项式的拟合、插值运算。

基于MATLAB的图像滤波设计：(1) 读入图像并分别加入高斯噪声、椒盐噪声和乘性噪声，并比较结果。

(2) 设计巴特沃斯低通滤波对图像进行低通滤波处理，显示结果。

(3) 设计高斯高通滤波器对图像进行处理，显示结果。

(4) 采用维纳滤波和中值滤波对图像进行处理，显示结果时间安排：第11周安排任务，分组；第12周设计仿真，撰写报告；第13周完成设计，提交报告，答辩。

指导教师签名： 2012年 1月 10日系主任（或责任教师）签名： 2012年 1月 10日目录摘要----------------------------------------------------------------------------------III Abstract-------------------------------------------------------------------------------IV 1 绪论----------------------------------------------------------------------------------11.1 MATLAB基础知识介绍------------------------------------------------------------ 11.2 滤波器知识简介---------------------------------------------------------------- 11.2.1滤波器功能及分类--------------------------------------------------------- 11.2.2模拟滤波器设计理论------------------------------------------------------- 21.3 图像数据采集简介-------------------------------------------------------------- 21.3.1 灰度图像---------------------------------------------------------------- 21.3.2 基于MATLAB的图像数据采集 ----------------------------------------------- 31.4 噪声简介---------------------------------------------------------------------- 32 MATLAB的基本运算 ---------------------------------------------------------------------52.1 基础微积分运算---------------------------------------------------------------- 52.1.1 极限的计算-------------------------------------------------------------- 52.1.2 微分的计算-------------------------------------------------------------- 52.1.3 积分的计算-------------------------------------------------------------- 62.1.4 级数的计算-------------------------------------------------------------- 62.1.5 求解代数方程------------------------------------------------------------ 62.1.6 求解常微分方程---------------------------------------------------------- 72.2 矩阵的基本运算---------------------------------------------------------------- 72.2.1 矩阵的最大值、最小值---------------------------------------------------- 72.2.2 矩阵的均值-------------------------------------------------------------- 82.2.3 矩阵的方差-------------------------------------------------------------- 82.2.4 矩阵的转置-------------------------------------------------------------- 92.2.5 矩阵的逆矩阵及矩阵的行列式 ---------------------------------------------- 92.2.6 矩阵的特征值----------------------------------------------------------- 102.2.7 矩阵的相乘、左除、右除------------------------------------------------- 102.2.8 矩阵的幂运算----------------------------------------------------------- 112.3 多项式的基本运算------------------------------------------------------------- 112.3.1 多项式的加、减、乘、除运算 --------------------------------------------- 112.3.2 多项式的求导、求根、求值运算 ------------------------------------------- 122.3.3 多项式的部分分式展开--------------------------------------------------- 132.3.4 多项式的拟合、插值运算------------------------------------------------- 143 基于MATLAB的图像滤波设计 -----------------------------------------------------------163.1 读入图像，加入高斯噪声、椒盐噪声、乘性噪声并对比 ----------------------------- 163.2 设计巴特沃斯低通滤波器对图像进行低通滤波处理 --------------------------------- 173.2.1 对加入高斯噪声的图像进行巴特沃斯低通滤波 ------------------------------- 173.2.2 对加入椒盐噪声的图像进行巴特沃斯低通滤波 ------------------------------- 183.2.3对加入乘性噪声的图像进行巴特沃斯低通滤波-------------------------------- 193.2.4 结果分析--------------------------------------------------------------- 193.3 设计高斯高通滤波器对图像进行处理 --------------------------------------------- 193.3.1 对加入高斯噪声的图像进行高斯高通滤波 ----------------------------------- 203.3.2 对加入椒盐噪声的图像进行高斯高通滤波 ----------------------------------- 213.3.3 对加入乘性噪声的图像进行高斯高通滤波 ----------------------------------- 213.3.4 结果分析--------------------------------------------------------------- 213.4 采用维纳滤波对图像进行处理--------------------------------------------------- 223.4.1 对加噪后图像采用维纳滤波器处理 ----------------------------------------- 223.4.2 结果分析：------------------------------------------------------------- 233.5 采用中值滤波对图像进行处理--------------------------------------------------- 243.5.1 对加噪后图像采用中值滤波器处理 ----------------------------------------- 243.5.2 结果分析--------------------------------------------------------------- 253.6 几种滤波方式比较------------------------------------------------------------- 254 心得体会 ----------------------------------------------------------------------------265 参考文献 ----------------------------------------------------------------------------27摘要图像常常被强度随机信号(也称为噪声)所污染．一些常见的噪声有椒盐噪声、乘性噪声、高斯噪声等．椒盐噪声含有随机出现的黑白强度值,而乘性噪声则只含有随机的白强度值(正脉冲噪声)或黑强度值(负脉冲噪声),与前两者不同，高斯噪声含有强度服从高斯或正态分布的噪声。