《数字图像处理实验报告》由会员分享，可在线阅读，更多相关《数字图像处理实验报告（42页珍藏版）》请在金锄头文库上搜索。
1、真诚为您提供优质参考资料，若有不当之处，请指正。数字图像处理试验报告实验二：数字图像的空间滤波和频域滤波姓名：XX学号：2XXXXXXX实验日期：2017 年 4 月 26 日1.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。 2.实验内容与要求1.平滑空间滤波： 1)读出一幅图像，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。 2)对加入噪声图像选用不同的平滑（低通）模板做运算，对
2、比不同模板所形成的效果， 要求在同一窗口中显示。 3) 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。 4) 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）。 5)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。 6)自己设计平滑空间
3、滤波器，并将其对噪声图像进行处理，显示处理后的图像。 2.锐化空间滤波 1)读出一幅图像，采用 33 的拉普拉斯算子 w = 1, 1, 1; 1 8 1; 1, 1, 1对其进行滤波。 2)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 55 的拉普拉斯算子 w = 1 1 1 1 1 1 1 1 1 1 1 1 -24 1 1 1 1 1 1 1 1 1 1 1 1 3)分别采用 55，99，1515 和 2525 大小的拉普拉斯算子对 blurry_moon.tif / 进 行锐化滤波，并利用式 g(x, y) =f (x, y) - 2
4、f (x, y) 完成图像的锐化增强，观察其有何不同，要求在同一窗口中显示。 4)采用不同的梯度算子对该幅图像进行锐化滤波，并比较其效果。 5)自己设计锐化空间滤波器，并将其对噪声图像进行处理，显示处理后的图像； 3.傅立叶变换 1)读出一幅图像，对其进行快速傅立叶变换，分别显示其幅度图像和相位图像。仅对 相位部分进行傅立叶反变换后查看结果图像。 2)仅对幅度部分进行傅立叶反变换后查看结果图像。 3)将图像的傅立叶变换 F 置为其共轭后进行反变换，比较新生成图像与原始图像的差 异。 4.平滑频域滤波 1)设计理想低通滤波器、巴特沃斯低通滤波器和高斯低通滤波器，截至频率自选，分 别给出各种滤波器
5、的透视图。 2) 读出一幅图像，分别采用理想低通滤波器、巴特沃斯低通滤波器和高斯低通滤波器 对其进行滤波（截至频率自选），再做反变换，观察不同的截止频率下采用不同低通 滤波器得到的图像与原图像的区别，特别注意振铃效应。(提示:1)在频率域滤波同 样要注意到填充问题；2）注意到(-1)x+y;) 5.锐化频域滤波 1)设计理想高通滤波器、巴特沃斯高通滤波器和高斯高通滤波器，截至频率自选，分 别给出各种滤波器的透视图。 2) 读出一幅图像，分别采用理想高通滤波器、巴特沃斯高通滤波器和高斯高通滤波器 对其进行滤波（截至频率自选），再做反变换，观察不同的截止频率下采用不同高通 滤波器得到的图像与原图像
6、的区别。 3.实验具体实现1.平滑空间滤波： （1）.读出一幅图像，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。 img=imread(lena.png) figure,subplot(1,3,1); imshow(img);title(原始图像); img2=imnoise(img,salt & pepper,0.02); subplot(1,3,2); imshow(img2); title(椒盐噪声图像); img3=imnoise(img,gaussian,0.02); subplot(1,3,3),imshow(img3); title(高斯噪声图像);
7、 实验结果如下： （2）.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。 平滑滤波是低频增强的空间域滤波技术。它的目的有两个，一是模糊，二是消除噪声。将空 间域低通滤波按线性和非线性特点有：线性、非线性平滑滤波器，线性平滑滤波器包括均值 滤波器，非线性的平滑滤波器有最大值滤波器，中值滤波器，最小值滤波器。 代码如下： img=imread(lena.png) img=rgb2gray(img); figure,subplot(1,3,1); imshow(img);title(原始图像); img2=imnoise(img,salt & pe
8、pper,0.02); subplot(1,3,2);imshow(img2);title(椒盐噪声图像); img3=imnoise(img,gaussian,0.02); subplot(1,3,3),imshow(img3); title(高斯噪声图像); %对椒盐噪声图像进行滤波处理 h=fspecial(average,3); I1=filter2(h,img2)/255; I2=medfilt2(img2,3 3); figure,subplot(2,2,1),imshow(img),title(原图像); subplot(2,2,2),imshow(img2),title(椒盐噪
9、声图); subplot(2,2,3),imshow(I1),title(3*3 均值滤波图); subplot(2,2,4),imshow(I2),title(3*3 中值滤波图); %对高斯噪声图像进行滤波处理 G1=filter2(h,img3)/255; G2=medfilt2(img3,3 3); figure,subplot(2,2,1),imshow(img),title(原图像); subplot(2,2,2),imshow(img3),title(高斯噪声图); subplot(2,2,3),imshow(G1),title(3*3 均值滤波图); subplot(2,2,4
10、),imshow(G2),title(3*3 中值滤波图); 实验结果如下： (3). 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。 h=fspecial(motion,50,45); %创建一个运动模糊滤波器 filteredimg=imfilter(img,h); boundaryReplicate=imfilter(img,h,replicate); boundary0=imfilter(img,h,0); boundarysymmetric=imfilter(
11、img,h,symmetric); boundarycircular=imfilter(img,h,circular); figure,subplot(3,2,1),imshow(img),title(Original Image); subplot(3,2,2),imshow(filteredimg),title(Motion Blurred Image); subplot(3,2,3),imshow(boundaryReplicate),title(Replicate); subplot(3,2,4),imshow(boundary0),title(0-Padding); subplot(
12、3,2,5),imshow(boundarysymmetric),title(symmetric); subplot(3,2,6),imshow(boundarycircular),title(circular); g = imfilter(f, w, filtering_mode, boundary_options, size_options)，其中，f 为输入图像，w 为滤波掩模，g 为滤波后图像。 实验结果如下： （4）.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
13、均值滤波器）。 代码如下： h=fspecial(average); for i=1:10 J1=imfilter(img2,h); end for j=1:20 J2=imfilter(img2,h); end figure,subplot(1,3,1),imshow(img2),title(salt & pepper Noise); subplot(1,3,2),imshow(J1),title(10 Average Filtering); subplot(1,3,3),imshow(J2),title(20 Average Filtering); 实验结果: （5）.对加入椒盐噪声的图像
14、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。 代码如下： h1=fspecial(average); J=imfilter(img2,h1); J2=medfilt2(img2); figure,subplot(1,3,1),imshow(img2),title(salt & pepper Noise); subplot(1,3,2),imshow(J),title(Averaging Filtering); subplot(1,3,3),imshow(J2),title(Median Filtering); 实验结果为： （6）.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。 代码如下： m n=size(img2); figure,subplot(1,2,1),imshow(img2); s=zeros(1,9); for i=2:1:m-1 for j=2:1:n-1 h=1; for p=i-1:1:i+1 for q=j-1:1:j+1 s(h)=img2(p,q); h=h+1; end end
