数字图像课程设计Word下载.docx
《数字图像课程设计Word下载.docx》由会员分享,可在线阅读,更多相关《数字图像课程设计Word下载.docx(17页珍藏版)》请在冰豆网上搜索。
图1直方图'
subplot(3,3,5),imhist(b),title('
图2直方图'
subplot(3,3,6),imhist(c),title('
图3直方图'
subplot(3,3,7),imshow(a1),title('
均衡化后图像1'
subplot(3,3,8),imshow(b1),title('
均衡化后图像2'
subplot(3,3,9),imshow(c1),title('
均衡化后图像3'
平滑滤波:
fig1_2.bmp'
a1=imnoise(a,'
salt&
pepper'
0.02);
l1=filter2(fspecial('
average'
3),a1)/255;
l2=filter2(fspecial('
5),a1)/255;
l3=filter2(fspecial('
7),a1)/255;
l4=filter2(fspecial('
9),a1)/255;
figure
(1)
subplot(2,3,1),imshow(a),title('
原始图像'
subplot(2,3,2),imshow(l1);
title('
3*3模板平滑滤波'
subplot(2,3,3),imshow(l2);
5*5模板平滑滤波'
subplot(2,3,4),imshow(l3);
7*7模板平滑滤波'
subplot(2,3,5),imshow(l4);
9*9模板平滑滤波'
l11=filter2(fspecial('
3),a)/255;
l22=filter2(fspecial('
5),a)/255;
l33=filter2(fspecial('
7),a)/255;
l44=filter2(fspecial('
9),a)/255;
figure
(2)
subplot(2,3,2),imshow(a1),title('
添加椒盐噪声的图像'
subplot(2,3,3),imshow(l11);
subplot(2,3,4),imshow(l22);
subplot(2,3,5),imshow(l33);
subplot(2,3,6),imshow(l44);
9*9模板平滑滤波¨
'
平滑滤波是低频增强的空间域滤波技术。
它的目的有两类:
一类是模糊;
另一类是消除噪音。
空间域的平滑滤波一般采用简单平均法进行,就是求邻近像元点的平均亮度值。
在噪声均匀分布在边缘时,使用平滑滤波会有较大的误差,如果噪声不是均匀分布,可有效去除噪声。
邻域的大小与平滑的效果直接相关,邻域越大平滑的效果越好,但邻域过大,平滑会使边缘信息损失的越大,从而使输出的图像变得模糊,因此需合理选择邻域的大小。
锐化滤波:
i=imread('
fig1_2.bmp'
f=[8];
g=[-1-1-1;
-18-1;
-1-1-1];
m=[-1-1-1-1-1;
-1-18-1-1;
-1-1-1-1-1];
n=[-1-1-1-1-1-1-1;
-1-1-18-1-1-1;
-1-1-1-1-1-1-1];
p=[-1-1-1-1-1-1-1-1-1;
-1-1-1-18-1-1-1-1;
-1-1-1-1-1-1-1-1-1];
h=double(i);
e=conv2(h,f,'
same'
j=conv2(h,g,'
x=conv2(h,m,'
y=conv2(h,n,'
z=conv2(h,n,'
subplot(2,3,1);
imshow(h);
subplot(2,3,2);
imshow(e);
滤波后图像1'
subplot(2,3,3);
imshow(j);
滤波后图像2'
subplot(2,3,4);
imshow(x);
滤波后图像3'
subplot(2,3,5);
imshow(y);
滤波后图像4'
subplot(2,3,6);
imshow(z);
滤波后图像5'
图像锐化处理的目的是为了使图像的边缘、轮廓线以及图像的细节变的清晰。
一般情况下,在计算机图像处理中可用微分运算和高通滤波器来实现图像的锐化。
空间域图像的锐化常用的是拉普拉斯运算,它不仅是偏导数的线性组合,而且是各向同性的,这样可以使图像中间任何方向伸展的边缘和轮廓线变得清晰
低通滤波:
I=imread('
[mnp]=size(I);
I=double(I);
subplot(2,2,1);
image(I);
colormap(gray),title('
原始图'
Noise=wgn(m,n,25);
New=Noise+I;
subplot(2,2,2);
image(New),title('
噪声图'
g=fft2(New);
g=fftshift(g);
[M,N]=size(g);
nn=2;
d0=20;
m=fix(M/2);
n=fix(N/2);
fori=1:
M
forj=1:
N
d=sqrt((i-m)^2+(j-n)^2);
h=1/(1+0.414*(d/d0)^(2*nn));
result(i,j)=h*g(i,j);
end
end
result=ifftshift(result);
J2=ifft2(result);
J3=uint8(real(J2));
subplot(2,2,3);
image(J3),title('
截止频率20'
d0=100;
subplot(2,2,4);
截止频率100'
)
去掉信号中不必要的高频成分,降低采样频率,避免频率混淆,去掉高频干扰
高通滤波:
subplot(2,2,1),image(I),colormap(gray);
title('
d0=15;
if(d<
=d0)
h=0;
elseh=1;
J1=ifft2(result);
J2=uint8(real(J1));
subplot(2,2,3),imshow(J2),title('
IHPF滤波(d0=15)'
);
subplot(2,2,4),imshow(J2),title('
IHPF滤波(d0=100)'
高通滤波器衰减或抑制低频分量而通过高频分量。
图像的边缘、细节主要在高频部分得到反映。
而图像的模糊是高频部分较弱造成的。
为了消除模糊,突出图像的边缘信息,则采用高通滤波器让高频部分通过,消弱图像的低频成分,再经过傅里叶逆变换得到边缘锐化的图像。
图像还原:
fig1_3_1.bmp'
imshow(I);
模糊图像'
[m,n]=size(I);
F=fftshift(fft2(I));
k=0.0025;
foru=1:
m
forv=1:
n
H(u,v)=exp((-k)*(((u-m/2)^2+(v-n/2)^2)^(5/6)));
end
end
G=F.*H;
I0=real(ifft2(fftshift(G)));
I1=imnoise(uint8(I0),'
gaussian'
0,0.001)
subplot(2,2,2),imshow(uint8(I1)),title('
模糊退化且添加高斯噪声的图像'
F0=fftshift(fft2(I1));
F1=F0./H;
I2=ifft2(fftshift(F1));
subplot(2,2,3),imshow(uint8(I2)),title('
全逆滤波复原图'
K=0.1;
foru=1:
forv=1:
H(u,v)=exp(-k*(((u-m/2)^2+(v-n/2)^2)^(5/6)));
H0(u,v)=(abs(H(u,v)))^2;
H1(u,v)=H0(u,v)/(H(u,v)*(H0(u,v)+K));
F2=H1.*F0;
I3=ifft2(fftshift(F2))