数字图像处理实验一_图像变换及频域滤波

数字图像处理作业——频域滤波器设计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。

本文利用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。

本文使用的低通滤波器有巴特沃斯滤波器和高斯滤波器，使用的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。

实际使用中应该根据实际图像中包含的噪声情况灵活地选取适当的滤波算法。

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)分别代表图像和空间滤波器，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D0为制定的非负数，D(u,v)为点(u,v)到滤波器中心的距离。

数字图像处理中的频域滤波数学原理探索数字图像处理是一门涉及图像获取、图像处理和图像分析的学科，其中频域滤波是其中一个重要的技术。

频域滤波通过将图像从空域转换到频域，利用频域的特性对图像进行处理。

本文将探索数字图像处理中的频域滤波的数学原理。

一、傅里叶变换傅里叶变换是频域滤波的基础，它将一个函数表示为正弦和余弦函数的和。

对于一维信号，傅里叶变换可以表示为以下公式：F(u) = ∫[f(x)e^(-i2πux)]dx其中F(u)表示信号f(x)在频率域的表示，u表示频率，x表示空间位置。

对于二维图像，傅里叶变换可以表示为以下公式：F(u,v) = ∬[f(x,y)e^(-i2π(ux+vy))]dxdy其中F(u,v)表示图像f(x,y)在频率域的表示，u和v表示频率，x和y表示图像的空间位置。

二、频域滤波在频域中，对图像进行滤波意味着对图像的频率分量进行操作。

常见的频域滤波操作包括低通滤波和高通滤波。

1. 低通滤波低通滤波器允许通过低频分量，并抑制高频分量。

在图像中，低频分量通常表示图像的平滑部分，而高频分量则表示图像的细节部分。

低通滤波器可以用于去除图像中的噪声和细节，使图像变得更加平滑。

2. 高通滤波高通滤波器允许通过高频分量，并抑制低频分量。

在图像中，高频分量通常表示图像的边缘和纹理部分，而低频分量则表示图像的整体亮度分布。

高通滤波器可以用于增强图像的边缘和纹理特征。

三、频域滤波的步骤频域滤波的一般步骤包括图像的傅里叶变换、滤波器的设计、滤波器与图像的乘积、逆傅里叶变换。

1. 图像的傅里叶变换首先，将原始图像转换为频域表示。

通过对图像进行傅里叶变换，可以得到图像在频率域中的表示。

2. 滤波器的设计根据需要进行滤波器的设计。

滤波器可以是低通滤波器或高通滤波器，具体设计方法可以根据应用需求选择。

3. 滤波器与图像的乘积将滤波器与图像在频域中的表示进行乘积操作。

乘积的结果是滤波后的频域图像。

4. 逆傅里叶变换对滤波后的频域图像进行逆傅里叶变换，将其转换回空域表示。

实验一 图像变换及频域滤波1. 实验任务（1）编写快速傅里叶变换算法程序，验证二维傅里叶变换的平移性和旋转不变性；（2）实现图像频域滤波，加深对频域图像增强的理解；（3）总结实验过程（实验报告，左侧装订）：方案、编程、调试、结果、分析、结论。

2. 实验环境Windws2000/XP3. 开发工具（1）MATLAB 6.x（2）Visual C++、Visual Basic 或其它4. 实验内容及步骤（1）产生如图3.1所示图像),(1y x f （128×128大小，暗处=0，亮处=255），用MATLAB 中的fft2函数对其进行FFT ：源程序：clca=zeros(128,128)for y=54:74for x=34:94a(x,y)=1;endendfigure(1)a1=fft2(a);subplot(1,2,1);imshow(a);subplot(1,2,2);a2=abs(a1);mesh(a2);for x=1:128for y=1:128b(x,y)=(-1).^(x+y).*a(x,y);endendfigure(2)b1=fft2(b);subplot(1,2,1);imshow(b);subplot(1,2,2);b2=abs(b1);mesh(b2);figure(3)t=imrotate(a,315,'nearest','crop')t1=fft2(t);subplot(1,2,1);imshow(t);subplot(1,2,2);t2=abs(t1);surf(t2);① 同屏显示原图1f 和)(FFT 1f 的幅度谱图；图1.1② 若令),()1(),(12y x f y x f y x +-=，重复以上过程，比较二者幅度谱的异同，简述理由；图1.2③若将),(2y x f 顺时针旋转45度得到),(3y x f ，试显示)(FFT 3f 的幅度谱，并与)(FFT 2f 的幅度谱进行比较。

实验四 图像的傅立叶变换与频域滤波一、 实验目的1了解图像变换的意义和手段；2熟悉傅里叶变换的基本性质；3熟练掌握FFT 方法的应用；4通过实验了解二维频谱的分布特点；5通过本实验掌握利用MATLAB 编程实现数字图像的傅立叶变换。

6、掌握怎样利用傅立叶变换进行频域滤波7、掌握频域滤波的概念及方法8、熟练掌握频域空间的各类滤波器9、利用MATLAB 程序进行频域滤波二、 实验原理1应用傅立叶变换进行图像处理傅里叶变换是线性系统分析的一个有力工具，它能够定量地分析诸如数字化系统、采样点、电子放大器、卷积滤波器、噪音和显示点等的作用。

通过实验培养这项技能，将有助于解决大多数图像处理问题。

对任何想在工作中有效应用数字图像处理技术的人来说，把时间用在学习和掌握博里叶变换上是很有必要的。

2傅立叶（Fourier ）变换的定义对于二维信号，二维Fourier 变换定义为 :⎰⎰∞∞-+-==dxdy e y x f v u F y x f F vy ux j )(2),(),()},({π二维离散傅立叶变换为：∑∑-=+--==10)(2101),(),(N y N y u M x u j M x MN e y x f v u F π图像的傅立叶变换与一维信号的傅立叶变换变换一样，有快速算法，具体参见参考书目，有关傅立叶变换的快速算法的程序不难找到。

实际上，现在有实现傅立叶变换的芯片，可以实时实现傅立叶变换。

3利用MATLAB 软件实现数字图像傅立叶变换的程序：I=imread(‘原图像名.gif’); %读入原图像文件imshow(I); %显示原图像fftI=fft2(I); %二维离散傅立叶变换sfftI=fftshift(fftI); %直流分量移到频谱中心RR=real(sfftI); %取傅立叶变换的实部II=imag(sfftI); %取傅立叶变换的虚部A=sqrt(RR.^2+II.^2);%计算频谱幅值A=（A-min(min(A))）/(max(max(A))-min(min(A)))*225;%归一化figure; %设定窗口imshow(A); %显示原图像的频谱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。

一．实验目的1.掌握图像滤波的基本定义及目的；2.理解空间域滤波的基本原理及方法；3.掌握进行图像的空域滤波的方法。

4.掌握傅立叶变换及逆变换的基本原理方法；5.理解频域滤波的基本原理及方法；6.掌握进行图像的频域滤波的方法。

二．实验结果与分析1.平滑空间滤波：a)读出eight.tif这幅图像，给这幅图像分别加入椒盐噪声和高斯噪声后并与前一张图显示在同一图像窗口中；（提示：imnoise）b)对加入噪声图像选用不同的平滑（低通）模板做运算，对比不同模板所形成的效果，要求在同一窗口中显示；（提示:fspecial、imfilter或filter2）c)使用函数imfilter时，分别采用不同的填充方法（或边界选项，如零填充、’replicate’、’symmetric’、’circular’）进行低通滤波，显示处理后的图像采用不同的填充方式，效果略有不同。

d)运用for循环，将加有椒盐噪声的图像进行10次，20次均值滤波，查看其特点,显示均值处理后的图像；（提示:利用fspecial 函数的’average’类型生成均值滤波器）e)对加入椒盐噪声的图像分别采用均值滤波法，和中值滤波法对有噪声的图像做处理，要求在同一窗口中显示结果。

（提示:medfilt2）中值滤波后的图像比均值滤波后的图像更加平滑。

f)自己设计平滑空间滤波器，并将其对噪声图像进行处理，显示处理后的图像；滤波后图像变得平滑。

2.锐化空间滤波a)读出blurry_moon.tif这幅图像，采用3×3的拉普拉斯算子w =[ 1, 1, 1; 1 – 8 1; 1, 1, 1]对其进行滤波；观察原图与拉普拉斯掩模滤波后的图像，滤波后的图像不再那么平滑，使图像产生锐化效果。

b)编写函数w = genlaplacian(n)，自动产生任一奇数尺寸n的拉普拉斯算子，如5×5的拉普拉斯算子w = [ 1 1 1 1 11 1 1 1 11 1 -24 1 11 1 1 1 11 1 1 1 1]本函数见文件夹下genlaplacian.m文件。

计算机与信息工程学院验证性实验报告一、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。

理想地通滤波器(ILPF)具有传递函数：01(,)(,)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[(,)]nH 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 =-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=gscale(S); %将频谱图像标度在0-256的范围内 imshow(S) %显示频谱图像h=fspecial('sobel'); %产生空间‘sobel’模版 freqz2(h) %查看相应频域滤波器的图像 PQ=paddedsize(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); %用模版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,[]) %显示滤波后图像三、实验步骤：1．调入并显示所需的图片；2．利用MATLAB 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。

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。

实验报告实验名称:图像处理姓名:刘强班级:电信1102学号:1404110128实验一图像变换实验——图像点运算、几何变换及正交变换一、实验条件PC机数字图像处理实验教学软件大量样图二、实验目的1、学习使用“数字图像处理实验教学软件系统”,能够进行图像处理方面的简单操作;2、熟悉图像点运算、几何变换及正交变换的基本原理,了解编程实现的具体步骤;3、观察图像的灰度直方图,明确直方图的作用与意义;4、观察图像点运算与几何变换的结果,比较不同参数条件下的变换效果;5、观察图像正交变换的结果,明确图像的空间频率分布情况。

三、实验原理1、图像灰度直方图、点运算与几何变换的基本原理及编程实现步骤图像灰度直方图就是数字图像处理中一个最简单、最有用的工具,它描述了一幅图像的灰度分布情况,为图像的相关处理操作提供了基本信息。

图像点运算就是一种简单而重要的处理技术,它能让用户改变图像数据占据的灰度范围。

点运算可以瞧作就是“从象素到象素”的复制操作,而这种复制操作就是通过灰度变换函数实现的。

如果输入图像为A(x,y),输出图像为B(x,y),则点运算可以表示为:B(x,y)＝f[A(x,y)]其中f(x)被称为灰度变换(Gray Scale Transformation,GST)函数,它描述了输入灰度值与输出灰度值之间的转换关系。

一旦灰度变换函数确定,该点运算就完全确定下来了。

另外,点运算处理将改变图像的灰度直方图分布。

点运算又被称为对比度增强、对比度拉伸或灰度变换。

点运算一般包括灰度的线性变换、阈值变换、窗口变换、灰度拉伸与均衡等。

图像几何变换就是图像的一种基本变换,通常包括图像镜像变换、图像转置、图像平移、图像缩放与图像旋转等,其理论基础主要就是一些矩阵运算,详细原理可以参考有关书籍。

实验系统提供了图像灰度直方图、点运算与几何变换相关内容的文字说明,用户在操作过程中可以参考。

下面以图像点运算中的阈值变换为例给出编程实现的程序流程图,如下:2、图像正交变换的基本原理及编程实现步骤数字图像的处理方法主要有空域法与频域法,点运算与几何变换属于空域法。

南京信息工程大学 计算机图像处理 实验(实习)报告 实验(实习)名称 图像变换与频域处理 实验(实习)日期 得分 指导老师 系 专业 班级 姓名 学号一、 实验目的1．了解离散傅里叶变换的基本性质；2．熟练掌握图像傅里叶变换的方法及应用；3．通过实验了解二维频谱的分布特点；4．熟悉图像频域处理的意义和手段；5．通过本实验掌握利用MATLAB 的工具箱实现数字图像的频域处理。

二、 实验原理（一）傅立叶变换傅立叶变换是数字图像处理中应用最广的一种变换，其中图像增强、图像复原 和图像分析与描述等，每一类处理方法都要用到图像变换，尤其是图像的傅立 叶变换。

离散傅立叶（Fourier ）变换的定义：二维离散傅立叶变换（DFT ）为：逆变换为：式中，在DFT 变换对中， 称为离散信号 的频谱，而 称为幅度谱， 为相位角，功率谱为频谱的平方，它们之间的关系为：图像的傅立叶变换有快速算法。

（二）图像的频域增强常用的图像增强技术可分为基于空域和基于变换域的两类方法。

最常用的变换域是频域空间。

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，就可以改变输出图像的频率分布，达到不同的增强目的。

频域增强的工作流程：频域空间的增强方法对应的三个步骤：(1) 将图像f(x,y)从图像空间转换到频域空间，得到F(u,v)；(2) 在频域空间中通过不同的滤波函数H(u,v)对图像进行不同的增强,得到G(u,v)（注：不同的滤波器滤除的频率和保留的频率不同，因而可获得不同的增强效果）；(3) 将增强后的图像再从频域空间转换到图像空间，得到图像g(x,y)。

),(v u F ),(v u G ),(y x f ∑∑-=-=+-=1010)(2exp ),(1),(M x N y N vy M ux j y x f MN v u F π∑∑-=-=+=101)(2exp ),(1),(M u N v N vy M ux j v u F MN y x f π}1,,1,0{,-∈M x u }1,,1,0{,-∈N y v ),(v u F ),(y x f ),(v u F ),(v u ϕ),(),()],(exp[),(),(v u jI v u R v u j v u F v u F +==ϕ1．低通滤波图像中的边缘和噪声都对应图像傅立叶变换中的高频部分，如要在频域中消弱其影响，设法减弱这部分频率的分量。

实验8 医学图像频域滤波与图像复原实验目的：1.熟悉医学图像离散傅里叶变化的原理和方法；2.掌握医学图像频域滤波的原理；3.掌握使用Matlab中的函数实现医学图像进行频域滤波的方法;4.掌握使用Matlab中的图像退化与复原的方法;实验内容：一、医学图像频域滤波方法与实现使用imnoise给图像BMRI1_24bit.bmp添加概率为0.2的椒盐噪声，对原图像和加噪声后的图像进行傅氏变换并显示变换后的移中频谱图，然后分别使用Butterworth低、高通滤波器对噪声图像进行低通和高通滤波，显示D0为5，10，20，40时的滤波效果图，并说明存两种滤波效果中所存在的差异及原因。

f=imread('BMRI1_24bit.bmp');g=imnoise(f,'salt & pepper',0.2);Tf=graythresh(f);Tg=graythresh(g);f1=im2bw(f,Tf) ;g1=im2bw(g,Tg);imshow(f1),title '原图二值化' ;figure,imshow(g1),title '噪声图像二值化';>> fft2f=fft2(f1);>> fft2g=fft2(g1);>> imshow(abs(fft2f)),title '原频谱图';figure,imshow(fft2g),title '噪音频谱图' ;shiftf=fftshift(fft2f);>> shiftg=fftshift(fft2g);imshow(abs(shiftf),[]),title '原居中';figure,imshow(abs(shiftg),[]),title '噪音居中';>> logf=log(1+abs(shiftf));>> logg=log(1+abs(shiftg));imshow(logf,[]),title 'log变换'; figure,imshow(logg,[]),title 'zao yin log';f=imread('BMRI1_24bit.bmp');g=imnoise(f,'salt & pepper',0.2);BLPF(g);D0=5 和D0=10D0=20和D0=40GLPF(g);D0=5和D0=10 D0=20和D0=40图像从空间域变换到频率域后，其低频分量对应图像中灰度值变化比较缓慢的区域，高频分量则表征图像中物体的边缘和随机噪声等信息。