数字图像作业文档格式.docx
《数字图像作业文档格式.docx》由会员分享，可在线阅读，更多相关《数字图像作业文档格式.docx（17页珍藏版）》请在冰豆网上搜索。
2.记录每一内容实现的步骤；
3.编写FFT、DCT、DWT变换Matlab程序；
4.打印输出原始图像、FFT的频谱图、将频率平面坐标原点移至窗口中心的FFT频谱图、DCT频谱图以及1级小波分解图像；
5.编写“灰度增强”、“平滑”、“锐化”、“伪彩色增强”、“图像复原”的Matlab程序；
6.打印输出经“灰度增强”、“平滑”、“锐化”、“伪彩色增强”、“图像复原”处理的图像及各自的原始图像；
7.独立撰写课程论文和设计。
论文设计内容
1.在Matlab下读入一幅图像，对其灰度图作快速傅立叶变换；
I=imread（'
C:
\Users\Administrator\Desktop\10602324_195852438137_2.jpg'
）;
imshow（I）;
subplot（221）
title（'
原始图像'
I=rgb2gray（I）;
subplot（222）
灰度图像'
）
fft_I=fft2（I）;
%2-D快速傅立叶变换
A=abs（fft_I）;
%将频谱矩阵元素归一化到0~255
A=（A-min（min（A）））/（max（max（A））-min（min（A）））*255;
subplot（223）
imshow（A）;
傅立叶频谱图像'
sfft_I=fftshift（fft_I）;
%傅立叶频谱平面中心移至窗口中心
A=abs（sfft_I）;
%将频谱矩阵元素归一化到0~255
subplot（224）
imshow（A）;
title（'
原点移到中心的傅立叶频谱图像'
2.在Matlab下读入一幅图像，对其灰度图作DCT变换；
I=imread（'
E:
\454545\4444.jpg'
subplot（2,2,1）
）
I=rgb2gray（I）;
subplot（2,2,2）
dct_I=dct2（I）;
A=abs（dct_I）;
离散余弦频谱图像'
3.在Matlab下读入一幅图像，对其作DWT分解
clear
clc
X=imread（'
subplot（231）
imshow（X）
X=rgb2gray（X）;
subplot（234）
原始灰度图像'
%对图象用2D小波进行一次分解
[c,s]=wavedec2（X,1,'
haar'
%提取特征分量和细节分量
a1=wrcoef2（'
a'
c,s,'
h1=wrcoef2（'
h'
v1=wrcoef2（'
v'
d1=wrcoef2（'
d'
subplot（232）
a1=uint8（a1）;
imshow（a1）
一次小波分解特征分量图像'
subplot（235）
h1=uint8（h1）;
imshow（h1）
一次小波分解水平细节分量图像'
subplot（233）
v1=uint8（v1）;
imshow（v1）
一次小波分解垂直细节分量图像'
subplot（236）
d1=uint8（d1）;
imshow（d1）
一次小波分解对角细节分量图像'
4.读入一幅有明显明暗缺陷的灰度图像，分析其直方图特征，分别用分段灰度线性变换法、直方图均衡法和图像灰度调整法（imadjust）分别进行处理
clear;
\454545\000.jpg'
subplot（2,3,1）;
imshow（I）;
subplot（2,3,2）;
imhist（I）;
原始图像灰度直方图'
%分段灰度线性变换法
g0=0;
f0=0;
g1=200;
f1=140;
g2=255;
f2=255;
subplot（2,3,3）;
X=[f0f1f2];
Y=[g0g1g2];
plot（X,Y）;
变换线'
k1=（g1-g0）/（f1-f0）;
k2=（g2-g1）/（f2-f1）;
[mn]=size（I）;
I=double（I）;
fori=1:
m;
forj=1:
n
if（I（i,j）>
=f0）&
（I（i,j）<
f1）
G（i,j）=k1*I（i,j）;
else
G（i,j）=k2*（I（i,j）-f1）+g1;
end
end
subplot（2,3,4）;
G=uint8（G）;
imshow（G）;
分段灰度线性变换'
%直方图均衡法法
I=uint8（I）;
J=histeq（I）;
subplot（2,3,5）;
imshow（J）;
直方图均衡图像'
%图像灰度调整
K=imadjust（I,[00.55],[01],0.7）;
subplot（2,3,6）;
imshow（K）;
图像灰度调整Low=0,High=0.55gamma=0.7'
[J,map]=imread（'
I=rgb2gray（J）;
%添加“椒盐噪声”
I_noise_salt_pepper=imnoise（I,'
salt&
pepper'
%添加“乘性噪声”
I_noise_speckle=imnoise（I,'
speckle'
%对I_noise_salt_pepper用3×
3模板做均值滤波
I_noise_salt_pepper_average=filter2（fspecial（'
average'
3）,I_noise_salt_pepper）/255;
%对I_noise_speckle用3×
3模板做均值滤波
I_noise_speckle_average=filter2（fspecial（'
3）,I_noise_speckle）/255;
3模板做中值滤波
I_noise_salt_pepper_med=medfilt2（I_noise_salt_pepper,[3,3]）;
%I_noise_speckle用3×
I_noise_speckle_med=medfilt2（I_noise_speckle,[3,3]）;
%巴特沃斯滤波：
%对添加噪声的图像进行快速傅立叶变换
fft_I_noise_salt_pepper=fft2（double（I_noise_salt_pepper））;
%移动频谱坐标中心到屏幕中心
fftshift（fft_I_noise_salt_pepper）;
%设定截止频率：
Dcut=100;
%计算巴特沃斯传递函数：
[MN]=size（I）;
foru=1:
M
forv=1:
N
D（u,v）=sqrt（u^2+v^2）;
BUTTERH（u,v）=1/（1+（sqrt
（2）-1）*（D（u,v）/Dcut）^2）;
%进行巴特沃斯滤波
BUTTERG=BUTTERH.*fft_I_noise_salt_pepper;
%快速傅立叶逆变换
BUTTERfiltered=ifft2（BUTTERG）;
subplot（3,3,1）;
subplot（3,3,2）;
subplot（3,3,3）;
imshow（I_noise_salt_pepper）;
加“椒盐噪声”（salt&
pepper）图像’）;
subplot（3,3,4）;
imshow（I_noise_speckle）;
加“乘性噪声”（speckle）图像'
subplot（3,3,5）;
imshow（I_noise_salt_pepper_average）;
“椒盐噪声”图像3×
3模板均值滤波’）;
subplot（3,3,6）;
imshow（I_noise_salt_pepper_med）;
3模板中值滤波'
subplot（3,3,7）;
imshow（I_noise_speckle_average）;
“乘性噪声”图像3×
3模板均值滤波'
subplot（3,3,8）;
imshow（I_noise_speckle_med）;
“乘性噪声”图像3×
subplot（3,3,9）;
imshow（BUTTERfiltered,map）;
“椒盐噪声”图像经“巴特沃斯滤波”’）;
[Imap]=imread（'
subplot（2,2,1）;
imshow（I,map）;
I=rgb2gray（I
升级会员 