数字图像处理实验报告Word文档格式.docx

1、 1 1 -24 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 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

2、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，

3、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的区别。3.实验具体实现（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

4、（img2）; title（椒盐噪声图像 img3=imnoise（img,gaussian subplot（1,3,3）,imshow（img3）;高斯噪声图像实验结果如下：（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=rgb2gray（img）; figure,subplot（1

5、,3,1）;subplot（1,3,2）;%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

6、,img3）/255; G2=medfilt2（img3,3 3）; subplot（2,2,2）,imshow（img3）,title（高斯噪声图 subplot（2,2,3）,imshow（G1）,title（ subplot（2,2,4）,imshow（G2）,title（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）; bo

7、undaryReplicate=imfilter（img,h,replicate boundary0=imfilter（img,h,0）; boundarysymmetric=imfilter（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（boundar

8、yReplicate）,title（Replicate subplot（3,2,4）,imshow（boundary0）,title（0-Padding subplot（3,2,5）,imshow（boundarysymmetric）,title（subplot（3,2,6）,imshow（boundarycircular）,title（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。（4）.运用 for 循环，将加有椒盐噪声的图像进行 10 次，20

9、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）。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（ pepper Noise subplot（1,3,2）,imshow（J1）,title（10 Average Filteringsubplot（1,3,3）,imshow（J2）,title（20 Average Filtering实验结果:（5）.

10、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。h1=fspecial（ J=imfilter（img2,h1）; J2=medfilt2（img2）; subplot（1,3,2）,imshow（J）,title（Averaging FilteringMedian 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。m n=size（img2）; figure,subplot（1,2,1）,imshow（img2）; s=zeros（1,9）;for i=2:1:m-1 for j=2

11、:n-1 h=1; for p=i-1:i+1 for q=j-1:j+1 s（h）=img2（p,q）; h=h+1; s=sort（s）; I（i,j）=s（5）; end end subplot（1,2,2）,imshow（I）;实验结果：2.锐化空间滤波 （1）读出一幅图像，采用 3 1, 1, 1对其 进行滤波。 img=imread（ img=rgb2gray（img）; img=im2double（img）; w=1,1,1; 1,-8,1; 1,1,1 k=conv2（img,w,same imshow（k）;（2）编写函数 w = genlaplacian（n），自动产生任一

12、奇数尺寸 n 的拉普拉斯算子，如 5num=input（please enter any num: n=num;W=ones（n,n）; for i=1:n for j=1: if（i=fix（n/2）+1 & j=fix（n/2）+1） W（i,j）=n*n-1;display （W）;代码运行结果为：（3）分别采用 525 大小的拉普拉斯算子对 blurry_moon.tif 进 基于上一题要求形成一函数：行锐化滤波，并利用式 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。function W=lapulasi（num） n=num,W=ones（n）,x=fix（n/2）+1

13、; W（x,x）=-（n*n-1）;其他代码： f=imread（moon.tif f=im2double（f）;figure,subplot（2,3,1）,imshow（f）,title（ w0=lapulasi（3）,w1=lapulasi（5）,w2=lapulasi（9）; w3=lapulasi（15）,w4=lapulasi（25）;f0=f-imfilter（f,w0, subplot（2,3,2）,imshow（f0）,title（3*3 lapulasi f1=f-imfilter（f,w1, subplot（2,3,3）,imshow（f1）,title（5*5 lapul

14、asi f2=f-imfilter（f,w2, subplot（2,3,4）,imshow（f2）,title（9*9 lapulasi f3=f-imfilter（f,w3, subplot（2,3,5）,imshow（f3）,title（15*15 lapulasi f4=f-imfilter（f,w4, subplot（2,3,6）,imshow（f4）,title（25*25 lapulasi I,map=imread（ I=double（I）;figure,subplot（2,3,1）,imshow（I,map）,title（ Gx,Gy=gradient（I）;G=sqrt（Gx.

15、*Gx+Gy.*Gy）,J1=G; subplot（2,3,2）,imshow（J1,map）,title（Operator1 Image J2=I;K=find（G=7）;J2（K）=G（K）;subplot（2,3,3）,imshow（J2,map）;Operator2 Image J3=I; J3（K）=255;subplot（2,3,4）,imshow（J3,map）,title（Operator3 Image J4=I;K=find（G J5（Q）=255;subplot（2,3,6）,imshow（J5,map）,title（Operator5 Image（4）采用不同的梯度算子对

16、该幅图像进行锐化滤波，并比较其效果。实验效果如下：I=imread（ I=rgb2gray（I）; h=fspecial（sobel h1=h*0.5; h2=h; h3=h*1.5; z1=imfilter（I,h1）; z2=imfilter（I,h2）; z3=imfilter（I,h3）; figure,subplot（2,2,1）,imshow（I）,title（ subplot（2,2,2）,imshow（z1）;Vertical filtering1 subplot（2,2,3）,imshow（z2）;Vertical filtering2 subplot（2,2,4）,imsh

17、ow（z3）;Vertical filtering3（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；运行结果如下： 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。代码为：f1=fft2（img）; %快速傅里叶变换 f2=log（1+abs（f1）; %振幅谱 f3=fftshift（f1）;f4=angle（f1）; %相位谱 figure,subplot（1,3,1）,imshow（img）,title（ subplot（1,3,2）,imshow（log（1+abs（f3）,）,title（amplitude spe

18、ctrum subplot（1,3,3）,imshow（f4）,title（phase spectrum f=ifft2（abs（f1）;figure,subplot（1,3,1）,imshow（img）,title（ subplot（1,3,3）,imshow（log（1+abs（f）,）,title（absamplitude spectrum（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。代码 f2=log（1+abs（f1）; f3=fftshift（f1）; f4=angle（f1）;f5=-

19、f4;f6=double（f3*exp（f4）; %傅立叶变换的复共轭 f7=ifft2（f6）; %反傅立叶变换 figure,subplot（1,2,1）,imshow（img）,title（subplot（1,2,2）,imshow（real（f7）,）,title（inverse fourier transform实验效果：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的透视图。%理想低通滤波器的透视图% a=100; b=100; U=0:a; V=0:b; M=length（U）;N=length（V）; D0=

20、10; %D0 是频带的中心半径; x1=50;y1=50; x0=-50;y0=-50; m=fix（M/2）; n=fix（N/2）; H=zeros（M,N）; n=2; for u=1:M for v=1:N a=sqrt（U（u） - 50） .* （U（u）-50） + （V（v） - 50） .* （V（v） - 50）;%D（u,v）的值 if（a=D0）%理想滤波器 H（u,v）=1; else H（u,v）=0; figure; subplot（1,3,1）, surf（U,V,H）,title（理想低通滤波透视图） ; %2 阶巴特沃斯低通滤波透视图%55 %W=200;

21、%D0 是频带的中心半径;W 是频带的宽度 b=1+（a/D0）2*n; H（u,v）=1/b; subplot（1,3,2）,surf（U,V,H）;n=2 Butterworth lowess filter%高斯低通滤波% %D0 是频带的中心半径 D1=（u-m-x0）2+（v-n-y0）.2）0.5; D2=（u-m+x0）2+（v-n+y0）.2）0.5; D11=（u-m-x1）2+（v-n-y1）.2）0.5; D21=（u-m+x1）2+（v-n+y1）.2）0.5; H（u,v） = （U（u） - 50） .* （U（u）-50） + （V（v） - 50） .* （V（v） - 50）; %在绘制高斯曲面的时候，加上下述代码，显示得美观 S=50; H = -H/（2*S）; H = exp（H） / （sqrt（2*pi） * sqrt（S）; subpl