《中南大学数学院数字图像处理报告1》由会员分享，可在线阅读，更多相关《中南大学数学院数字图像处理报告1（19页珍藏版）》请在金锄头文库上搜索。
1、 数据图像处理报告学生姓名 学 号 学 院 数学科学与计算技术学院 专业班级 本科生院制图像处理实验（一）图像的幅度谱图及频域滤波快速傅氏变换（FFT） ，是离散傅氏变换的快速算法，它是根据离散傅氏变换的奇、偶、虚、实等特性，对离散傅立叶变换的算法进行改进获得的，能克服时间域与频率域之间相互转换的计算障碍，在光谱、大气波谱分析、数字信号处理等方面有广泛应用。产生下图所示图象 f1(x,y)（128128 大小，暗处=0，亮处=255）（1）同屏显示原图 f1 和 FFT(f1)的幅度谱图f1=ones(128)*0.;for i=25:100for j=60:70f1(i,j)=255;end
2、endfigure(1);subplot(2,3,1);imshow(f1);title(f1原始图);f3=fft2(f1);subplot(2,3,2);imshow(abs(f3);title(FFT(f1)幅谱图);（2）令f2(x,y)= ，重复以上过程,并简述二者幅度谱异同的理由(1)()xyffor i=1:128for j=1:128f2(i,j)=(-1)(i+j)*f1(i,j);endendsubplot(2,3,3);imshow(f2);title(f2的原始图);f=fft2(f2);subplot(2,3,4);imshow(abs(f);title(FFT(f2
3、)幅谱图);理由：因为f2是f1通过平移得到，而且正好平移到 f1中部，若再做快速傅里叶变换，则f2相比于f1,变换后主要能量（低频分量）集中在频率平面的中心。（3）对该图进行动态范围压缩以增强图象利用DCT变化进行动态压缩figure;I = im2double(f1); T = dctmtx(8); /求8*8模板的dct变换矩阵B = blkproc(I,8 8,P1*x*P2,T,T); /施DCT变换B=TITmask = 1 1 1 1 0 0 0 01 1 1 0 0 0 0 01 1 0 0 0 0 0 01 0 0 0 0 0 0 00 0 0 0 0 0 0 00 0 0
4、0 0 0 0 00 0 0 0 0 0 0 00 0 0 0 0 0 0 0; B2 = blkproc(B,8 8,P1.*x,mask); /只取10个有效点I2 = blkproc(B2,8 8,P1*x*P2,T,T); /IDCT变换subplot(1,2,1);imshow(f1); title(原图像);subplot(1,2,2);imshow(I2); title(变化后原图像); /显示原图与idct变换后的图运行结果（4）将f2(x,y)顺时针旋转45度得到f 3(x , y) ，试显示 FFT(f 3 )的幅度谱，并与FFT(f2)的幅度谱进行比较f4=imrotat
5、e(f1,315, bilinear, crop);/双线性插值法旋转图像45度,并剪切图像,使其和原图像大小一致subplot(2,3,5)imshow(f4)title(顺时针旋转图像450)f5=fft2(f4);subplot(2,3,6);imshow(abs(f5);title(旋转图像后的幅谱图);以上程序运行的结果显示如下：图像处理实验（二）数字图像增强灰度变换是图像增强的一种重要手段，使图像对比度扩展，图像更加清晰，特征更加明显。灰度级的直方图给出了一幅图像概貌的描述，通过修改灰度直方图来得到图像增强。（1）用直接灰度变换方法进行对比度增强，设计分段线性变换函数，做增强处理由
6、于本文采用的是张彩色图片，首先需通过算法将其变成黑白a = imread(trees.tif); /读入图片if ndims(a) = 3 /如果图片是3维（彩图）a= rgb2gray(a); /转成灰图end /结束imshow(a); /展示图片接着再对该图片进行灰度变换原图像 f(m,n) 的灰度范围 a,b 线形变换为图像 g(m,n)，灰度范围 c,d公式： g(m,n)=c+(d-c)* f(m,n) /(b-a)figure;b=imadjust(a,0.3 0.7,0,1,1);subplot(1,2,1),imshow(a);title(原图像);subplot(1,2,2
7、),imshow(b);title(灰度变换后图像);运行结果如下：（2）统计原图的灰度直方图，并利用直方图均衡方法进行图象增强figuresubplot(1,2,1),imhist(a,64);title(原图像直方图);c=histeq(a);subplot(1,2,2),imshow(c);title(直方图均衡化所得图像);运行结果（3）利用 Matlab 函数 IMNOISE（） ，在原图上分别叠加高斯噪声和椒盐噪声，对比线性平滑滤波器和非线性平滑滤波器（中值滤波）的性能；figure(1)d=imnoise(a,salt & pepper,0.02); /添加椒盐噪声subplot
8、(1,2,1),imshow(d);title(添加椒盐噪声图像);e=imnoise(a,gaussian,0,0.01); /添加高斯噪声subplot(1,2,2),imshow(e);title(添加高斯噪声图像);运行结果接着用领域平均域波和中值域波分别对添加了椒盐噪声的图像进行平滑，并给出图像结果进行对比figure(2)K1=filter2(fspecial(average,3),d)/255;%应用33邻域窗口法subplot(1,2,1),imshow(K1);title(添加椒盐噪声后的33窗的邻域平均滤波图像);K=medfilt2(d);%缺省33的邻域窗的中值滤波su
9、bplot(1,2,2),imshow(K);title(添加椒盐噪声后的缺省33邻域窗的中值滤波图像);运行结果接着用领域平均域波和中值域波分别对添加了高斯噪声的图像进行平滑，并给出图像结果进行对比figure(3)K2=filter2(fspecial(average,3),e)/255;%应用33邻域窗口法subplot(1,2,1),imshow(K2);title(添加高斯噪声后的33窗的邻域平均滤波图像);K3=medfilt2(e);%缺省33的邻域窗的中值滤波subplot(1,2,2),imshow(K3);title(添加高斯噪声后的缺省33邻域窗的中值滤波图像);运行结果
10、（4）利用线性锐化器和非线性锐化滤波器增强原图象的边缘信息Laplacian 算子figureb=fspecial(laplacian);c=filter2(b,a);subplot(1,2,1);subimage(0,500,0,500,c);title(线性锐化器增强边缘);Sobel算子figureb=fspecial(sobel);c=filter2(b,a);subplot(1,2,2);subimage(0,500,0,500,c); title(非线性锐化器增强边缘);运行结果由实验所得的结论从实验中可以知道，对于椒盐噪声，中值域波比领域平均要好，这是因为椒盐噪声是复制近似相等但
11、随机分布在不同的位置上，图像中又干净点也有污染点。中值域波是选择适当的点来代替污染点的值，所以处理效果好。因为噪声的均值不为 0，所以均值域波不能很好地去除噪声。图像处理实验（三）平滑、锐化处理的模板运算平滑是增强图像的方法之一，其主要是抑制或者消除图像的噪音，为其他处理做准备。锐化是增强图像的方法，它主要是提取图像的边缘、轮廓、线条等信息，供进一步识别，加重图像轮廓克服降质，以达到更好的视觉效果。（1）利用二个低通邻域平均模板（33 和 99）对一幅图象进行平滑，验证模板尺寸对图象的模糊效果的影响。a=imread(trees.tif);K1=filter2(fspecial(average
12、,3),a)/255;%应用33邻域窗口法K2=filter2(fspecial(average,9),a)/255;%应用99邻域窗口法figure(1);subplot(1,3,1),imshow(a)title(原图像)subplot(1,3,2),imshow(K1)title(33窗的邻域平均滤波图像)subplot(1,3,3),imshow(K2)title(99窗的邻域平均滤波图像)运行结果由图所得的结论：由图可见模板尺寸影响图像的模糊效果，模板的尺寸越大，图像模糊层度越高，这是因为，用领域平均域波在一定程度上抑制噪声，但是领域平均法的平均作用会引起模糊现象，模糊程度与领域半径
13、成正比（2）利用一个低通模板对一幅有噪图象（GAUSS 白噪声）进行滤波，检验两种滤波模板（分别使用一个 55 的线性邻域平均模板和一个非线性模板：35中值滤波器）对噪声的滤波效果。figurea=imread(trees.tif);b=imnoise(a,gaussian,0,0.01);c=filter2(fspecial(average,5),b)/255;subplot(1,2,1),imshow(c);title(55线性邻域平均模板);d=medfilt2(b,3,5);subplot(1,2,2),imshow(d);title(35中值滤波器);运行结果（4）选择一个经过低通滤
14、波器滤波的模糊图象，利用sobel和prewitt 水平边缘增强高通滤波器（模板）对其进行高通滤波图象边缘增强，验证模板的滤波效果。经过低通邻域平均模板（99）平滑后的图像，分别利用sobel和prewitt 算子进行边缘增强。领域平均模板（99）平滑图像a=imread(trees.tif);b=filter2(fspecial(average,9),a)/255;%应用99邻域窗口法subplot(1,1,1),imshow(b)title(99窗的邻域平均滤波图像);运行结果Sobel 算子进行边缘增强figureb=fspecial(sobel);c=filter2(b,a); subplot(1,1,1);subimage(0,500,0,500,c);title(sobel增强边缘);运行结果prewitt 算子进行边缘增强figureb=fspecial(prewitt);c=filter2(b,a);subplot(1,1,1);subimage(0,500,0,500,c);title(prewitt
