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））
升级会员 