数字图像处理实验指导书(共32页).doc

《数字图像处理实验指导书(共32页).doc》由会员分享，可在线阅读，更多相关《数字图像处理实验指导书(共32页).doc（39页珍藏版）》请在淘文阁 - 分享文档赚钱的网站上搜索。

1、精选优质文档-倾情为你奉上数字图像处理实验指导书王永堃沈阳理工大学信息学院前言数字图像处理是电子信息科学与技术专业学生必修的专业基础课之一。 通过本课程的学习，使学生能够掌握有关数字图像处理的基本概念、方法、原理及应用，能够培养和增强学生技能的创新意识和创新思维，提高实际动手能力和创新能力，为学生进一步学习专业课程奠定基础。数字图像处理由理论教学和实验教学环节组成，理论教学环节是基础，实验教学环节是对理论教学环节的延伸、充实和完善，实验教学在数字图像处理课程中具有重要地位与作用。实验题目和学时说明。实验一 编写一幅灰度图像直方图统计程序；实验二 图象编码实验；实验三 用Photoshop软件对

2、图像进行增强操作；实验四 图象分割实验。实验五 数字图像变换实验六 数字图像增强实验七 二维数字滤波器设计实验八 基于DSP的灰度阈值变换目录实验五 数字图像变换 .1 4实验六 数字图像增强.1 6实验七 二维数字滤波器设计.1 7实验八 基于DSP的灰度阈值变换.1 8实验一 编写一幅灰度图像直方图统计程序一 实验目的了解数字图像灰度直方图的概念和计算方法，掌握用MATLAB画数字图像灰度直方图的方法。提高学生编程能力，巩固所学知识。二 实验原理灰度变换是图像增强的一种重要手段，使图像对比度扩展，图像更加清晰，特征更加明显。灰度级的直方图给出了一幅图像概貌的描述，通过修改灰度直方图来得到图

3、像增强。三 实验内容（1）计算出一幅灰度图像的直方图；（2）对灰度图像进行简单的灰度线形变换；（3）观察直方图的对应变化和图像对比度的变化；（4）图像二值化：选取一个域值将图像变为黑白图像。四 实验要求1 阅读程序，能够说明程序中使用的图像处理算法；2 能够用MATLAB进行程序调试；3 认真观察实验现象并说明原理。五 实验程序（1）计算出一幅灰度图像的直方图clearclose allI=imread(004.bmp);imhist(I)title(（1）直方图);（2）对灰度图像进行简单的灰度线形变换figuresubplot(2,2,1)imshow(I);title(（2）灰度线性变换

4、);subplot(2,2,2)histeq(I);（3）观察直方图的对应变化和图像对比度的变化figuresubplot(2,2,1)imshow(I)J=imadjust(I,0.3,0.7,0,1,1);title(（3）直方图的对应变化和图像对比度的变化);subplot(2,2,2)imshow(J)subplot(2,2,3)imshow(I)J=imadjust(I,0.5 0.8,0,1,1);subplot(2,2,4)imshow(J)（4）图像二值化（选取一个域值将图像变为黑白图像）figuresubplot(2,2,1)imshow(I)J=find(I=150);I(

5、J)=255;title(（4）图像二值化 ( 域值为150 ）);subplot(2,2,2)imshow(I)clc;I=imread(14499.jpg);bw=im2bw(I,0.5);%选取阈值为0.5figure;imshow(bw)；%显示二值图象六 思考题1 在程序中，原图像 f(m,n) 的灰度范围 a,b 线形变换为图像 g(m,n),灰度范围a,b，算法是怎样的？2 线性变换后，像素的灰度值是否超出0-255的范围，若超出，该如何处理？3 如果要求计算图像视觉质量和平均视觉质量，问相应的MATLAB程序如何改写。实验二 图象编码实验一 实验目的掌握基本的图象编码方法，观察

6、压缩效果，加深对行程编码、余弦变换编码、JPEG编码的理解。二 实验内容余弦变换编码、行程编码和JPEG编码方法的理解与效果测试。三 实验步骤1 余弦变换编码（1） 在Matlab Help菜单中, 选Demos项。（2） 打开ToolboxesImage Processing项，选Discrete Cosine Transform，并运行。（3） 选图象Flower，如下图所示，在右上角8*8 DCT系数图下，调节系数选择滑块。保留系数为白色，置零系数为黑色。（4） 按 Apply 键。（5） 比较原始图象、恢复图象、误差图象。观察原始图象与恢复图象的均方误差。（6） 改变系数选择滑块的位置

7、，重做（4）、（5）。（7） 选其他图象，重做（4）-（7）。2 行程编码（1） 在Photoshop中打开一BMP格式的灰度图象文件brain.bmp。（2） 在文件菜单中选存储为项，另取名为brain1.rle，选BMP格式保存。（3） 在BMP选项菜单中选压缩（RLE）。（4） 按确认键。（5） 比较brain.bmp与brain1.rle的文件大小。（6） 选其他类型图象，与（1）-（6）类似，重做。3 JPEG编码（1） 在Photoshop中打开一BMP格式的灰度图象文件brain.bmp，如图2所示。（2） 在文件菜单中选存储为项，另取名为brain.jpg，选JPEG格式保存。

8、（3） 在JPEG选项菜单中调节文件大小滑块，注意图象品质因子Q的变化。（4） 按确认键。（5） 比较brain.bmp与brain.jpg的文件大小。（6） 打开图象brain. jpg，观察brain.bmp与brain.jpg图象的差别。（7） 重做（1）-（3），改变文件大小滑块的位置，与（5）-（7）类似，重做。（8） 选其他类型图象，与（1）-（8）类似，重做。四 思考题1 在余弦变换编码中，保留系数与压缩比、恢复图象质量的关系是怎样的？2 思考对何种图象进行行程编码，效率较高。3 JPEG的图像压缩比恢复图象质量的关系是怎样的？实验三 用Photoshop软件对图像进行增强操作一

9、 实验目的掌握数字图像增强的基本原理和方法，并能运用Photoshop软件对图像进行增强操作。比较不同方法图像增强的效果，分析这些增强方法的特点。二 实验内容应用Photoshop软件对图像作灰度拉伸、对比度增强、直方图均衡、图像平滑、中值滤波、边缘增强、伪彩色增强、假彩色合成等。三 实验步骤1) 打开一幅图像；2) 灰度拉伸： 线形拉伸：在“图像 调整 色阶”中，可以通过直接设置原图像灰度值的输入范围和所需的输出范围来简单的完成某一灰度段到另一灰度段的灰度调整映射变换。 曲线拉伸：在“图像 调整 曲线”中，在弹出的“曲线”对话框中，直接用鼠标拖动改变灰度输入、输出曲线的形状就可以完成任意线形

10、的灰度变换。3) 对比度增强： 对比度增强可以通过“图像 调整 亮度/对比度”来直接对原图像的亮度或对比度进行调整,观察增强处理前后图像直方图的变化。4) 直方图均衡直方图均衡可调用“图像 调整 色调均化”菜单项，即可达到直方图均衡的效果。 5) 图像平滑图像的33均匀平滑可以在“滤镜 模糊 模糊”中实现，观察处理前后图像细节和边缘的变化；也可以调用“模糊”对话框中的“高斯模糊”来观察高斯平滑处理的结果，改变半径，观察图像的变化，分析高斯平滑处理的原理。 通过“滤镜 其它 自定”菜单项调出模板对话框，可以输入自定义的平滑算子或其它增强算子，改变模板的大小和缩放比例，观察处理的效果。 6) 中值

11、滤波 先使用“滤镜 杂色 添加杂色”菜单添加噪声，再使用“滤镜杂色中间值” 中值滤波操作，设置滤波半径，观察处理结果； 采用“添加杂色”菜单项中的均匀噪声和高斯噪声给图像添加噪声，分别使用中值滤波和均匀平滑，观察这两种处理的效果，比较它们的异同。 7) 边缘增强 使用“滤镜 锐化 锐化边缘”，观察图像边缘的变化，也可以使用使用“USM 锐化”，“进一步锐化”等其它锐化方法。 使用“滤镜 其它 自定”调出模板对话框，使用教材中讲到的Laplace增强算子和高通滤波算子或自定义的算子，比较它们的处理效果。 8) 边缘检测 使用“滤镜 风格化 ”的“查找边缘”，“等高线”，“照亮边缘”等可以提取图像

12、的边缘，改变参数，提取图像的最佳边缘。使用“滤镜 其它 自定”，输入教材讲述的边缘检测算子，分析处理的效果，比较这些算子的特点。 9) 彩色增强技术 密度分割：打开一幅灰度（黑白）图像，使用“图像 模式 RGB颜色”将图像更改成真彩色模式，再使用“图像 调整 色调分离”对话框，输入密度分割的灰度级数（1-255），使用“图像 模式 索引颜色”将图像改成索引模式，使用“图像 模式 颜色表”对为每个灰度级定义一种颜色。空间域变换彩色合成：将一幅灰度图象采用三种不同变换，得到三幅灰度图象，然后选择“图像 调整 通道混合器”，将三幅图象进行RGB彩色合成，形成一幅伪彩色图像。假彩色合成：假彩色图像合成

13、是对一幅自然色彩图像或多光谱图像通过映射函数变换成新的三基色分量，使增强图像呈现出与原图像不同的彩色。打开一幅真彩色图像，选择“图像 调整 通道混合器”，设置对话框中的参数，观察处理后图像的变化。四 思考题1 通过实验，中值滤波和均匀平滑在去图像噪声上各有什么特点?试比较两种方法异同。2边缘增强与边缘检测有什么不同，试比较边缘检测算子Laplace、Prewitt、Sobel算子、方向算子和梯度算子的优缺点。3 伪彩色增强与假彩色合成有什么区别？ 实验四 图象分割实验一 实验目的掌握基本的图象分割方法，观察图象分割的效果，加深对边缘检测、模板匹配、区域生长的理解。二 实验内容边缘检测，模板匹配

14、，区域生长。图像分割：在图像分析中，通常需要将所关心的目标从图像中提取出来，这种从图像中将某个特定区域与其他部分进行分离并提取出来的处理，就是图像分割。因为图像分割处理实际上就是区分图像中的“前景目标”和“背景”，所以通常又称之为图像的二值化处理。图像分割的方法：三种1阈值方法：根据图像的灰度值的分布特性确定某个阈值来进行图像分割。2.边界分割方法：通过检测出封闭某个区域的边界来进行图像分割。3.区域提取方法：根据特定区域与其他背景区域特性上的不同来进行图像分割。边缘检测：物体的边缘是以图像局部特征不连续的形式出现的，也就是指图像局部亮度变化最显著的部分，例如灰度值的突变、颜色的突变、纹理结构

15、的突变等，同时物体的边缘也是不同区域的分界线模板匹配：图像匹配是在图像中寻找是否有所关心的目标。方法：1.全局匹配 2.特征匹配区域生长：是一种根据事先定义的准则将像素或者子区域聚合成更大区域的过程。空域处理：是指在空间域内直接对数字图像进行处理。变换域处理：是指通过傅立叶变换，离散余弦变换，等变换方法将图片从空间域变换到相应的变换域，得到变换域系数阵列，然后在变换域中对图像进行处理，变换后再将图片返回到空域中得到处理结果。三 实验方法 1边缘检测(1) 在Matlab Help菜单中, 选Demos项。 (2) 打开ToolboxesImage Processing项，选Edge Detec

16、tion，并运行。 (3) 选图象Blood、边缘检测方法Sobel，如下图所示。 (4) 按Apply键。 (5) 观察检测到的边界。 (6) 改变阈值，重做（4）-（5）。 (7) 选边缘检测方法Prewitt，重做（4）-（6）。 (8) 选边缘检测方法Roberts，重做（4）-（6）。 (9) 选边缘检测方法Laplacian of Gaussian，重做（4）-（6）。(10) 选其他图象，重做（4）-（9）。 2 模板匹配（1）在Photoshop中打开一黑白灰度图象文件，如下图所示；（2）在滤镜菜单其他子菜单中选自定项；（3）在自定界面中输入点模板；（4）按确认键；（5）观察处

17、理后图象。（6）在编辑菜单中选返回项，恢复原始图象。（7）在滤镜菜单其他子菜单中选自定项。（8）在自定界面中分别输入线模板、方向模板，重做（4）-（5）。（9）在Photoshop中其它黑白灰度图象文件，重做（2）-（8）。四 思考题1 什么是图像分割？图像分割的功能是什么？有何用途2 结合实验说明，图像分割的边缘检测、模板匹配和区域生长法的特点是什么？实验五 数字图像变换一、 实验目的：1. 了解图像变换的意义和手段 图像变换是图像处理和图像分析的重要分支，它将图像转换到变换域（例如频率域），在变换域对图像进行处理和分析。图像变换作为图像增强，图像复原的基本工具，或者作为图像特征为图像分析提

18、供基本依据。多年来，变换理论自身的发展为信号处理和图像处理提供了强有力的支持和重要手段。2. 熟悉离散傅里叶变换的基本性质离散傅立叶变换的主要性质，加法定理，相似性定理，位移定理，卷积定理，可分离乘积，微分性质，旋转拉普拉斯算子等。3. 熟练应用快速傅立叶变换（FFT） 实际应用中经常采用一种快速傅立叶变换的方法（FFT）。MATLAB6.5的fft2指令用于二维FFT，iff2用于FFT逆变换。通常计算一维DFT所需乘法和加法次数是N2,快速傅立叶变换算法将DFT计算式分解，减少计算工作量。 其算法思想是：先将原图像进行转置，按行对转置后的图像矩阵进行一维FFT，将此变换所得到的中间矩阵再转

19、置，再按行对转置后的中间矩阵作一维FFT，最后得到的就是二维FFT。4. 熟练掌握离散余弦变换 离散余弦变换，简称DCT，是一种实数域变换，其变换核为实数的余弦函数，很适于做图像压缩和随机信号处理。二、 实验内容1. 对快速傅立叶变换FFT编制程序，并应用于快速卷积计算，及模板匹配应用。2. 编制离散余弦变换程序并调试运行，DCT变换实现有两种方法，一种是基于FFT的快速算法，另一种是DCT变换矩阵。用DCT变换做图像压缩。3. 利用Radon变换检测图像中的直线。Radon变换与Hough变换（一种常用的计算机视觉处理）紧密相关。因此可利用Radon变换来实现Hough变换，以实现检测直线的

20、功能。三、 实验要求1. 提交上述题目的MATLAB或者VC+程序清单，并加注释。2. 提供新编制程序运行结果的图像及原始图像3. 联系教材内容对实验上机结果进行分析。实验六、数字图像增强一、 实验目的：1、 了解图像增强的目的及意义。加强对图像增强的感性认识，巩固新学的图像增强理论知识和相关算法2、 掌握对多幅图像进行代数运算的方法3、 熟练掌握直方图均衡化和直方图规定化处理方法4、 熟练掌握空域滤波中常用的平滑和锐化滤波器5、 熟练掌握低通和高通滤波器使用方法二、 实验内容：1、 编制一个对图像进行直方图均衡化和规定化处理的程序。2、 编制程序进行图像的相加，将多幅加入高斯噪声的图像相加达

21、到去噪求平均值。3、 用原图像与离散余弦压缩过的图像进行相减运算。4、 编写程序实现均值平滑滤波、维纳滤波、中值滤波。5、 使用多种常用空间域微分算子对图像进行边缘处理并作比较（如拉普拉斯算子等）。6、 编制程序在频域中对图像用Butterworth低通，高通滤波器进行处理。 三、 实验要求1、提交上述实验内容相应程序设计清单并加上相应注释。2、上述内容相应图像，并提交原始图像。3、应用所学理论对实验内容进行分析。实验七 、二维数字滤波器设计一.实验目的滤波是图像处理中很重要的部分，它可用于改善和增强图像的质量，突出图像特征。1、 要求熟练掌握处理二维的卷积函数及指令。2、 熟练掌握滤波函数应

22、用。3、 学会滤波器设计的步骤和方法。4、 学会计算滤波的频率响应。二.实验内容1、 计算滤波器的频率响应，编制相应程序。2、 应用频率变换法使用频率变换矩阵将一维FIR滤波器变换为二维FIR。编制相应程序。3、 用频率采样法设计滤波器。编制相应程序。4、 用加窗方法设计二维滤波器。编制相应程序。三.实验要求上述实验内容相应程序设计清单。并加上相应注释。1、 完成上述内容相应图像，并提交原始图像。2、 应用数字滤波器理论对实验内容进行分析。实验八、基于DSP的灰度阈值变换一、 实验原理灰度阈值变换可以将一幅灰度图像转换成黑白二值图像，该变换操作过程是先由用户指定一个阈值，如果图像中的像素的灰度

23、值小于该阈值，则将该像素的灰度值设置为最低0，否则灰度值设置为255。灰度阈值变换的变换函数表达式如下：f(x)= 0 x=T 其中T为指定的阈值。二、 实验目的：1、 熟悉并掌握DSP6211系统硬件资源和使用的方法：了解图像系统的组成、工作流程和基本原理；2、 学会使用CCS2.0ForC6000的启动、退出，熟悉编辑、编译DSP应用程序的操作；3、 对DSP应用程序的结构有所了解，掌握工程文件的开启和关闭操作；了解工程文件的内容；4、 了解并掌握运用灰度阈值变换算法，通过观察实验结果对算法建立感性认识，对DSP在数字图像处理中的作用和所处的位置有形象的了解。5、 了解TMS320C621

24、1DSP的运行速度和操作模式。三、 实验内容：1、编写TMS3200c6211DSP初始化程序。2、用C语言编写灰度阈值变换程序及调试运行。三、 实验要求a) 上述实验内容相应程序设计清单。并加上相应注释。b) 成上述内容相应图像，并提交原始图像。c) 用理论对实验内容进行分析。附录：主要参考程序清单1、快速傅立叶变换（FFT）傅立叶变换的应用下面的程序实现快速卷积。首先构造两个矩阵A和B，代码如下：A=magic(3); %用1到9之间的数产生一个33方阵B=ones(3); %生成一个全1的33方阵A(8,8)=0; %用0将A补成88的方阵B(8.8)=0; %用0将B补成88的方阵然后

25、，分别对A和B进行傅立叶变换，代码如下：A2=fft2(A);B2=fft2(B);在频域内进行点乘，代码如下：M=A2*B2；最后将点乘的结果变换回空域，并截取有效数据，代码如下：C=ifft2(M);C=C(1:5,1:5);C=real(C);最后结果为：C= 8.0000 9.0000 15.0000 7.0000 6.0000 11.0000 17.0000 30.0000 19.0000 13.0000 15.0000 30.0000 45.0000 30.0000 15.0000 7.0000 21.0000 30.0000 23.0000 9.0000 4.0000 13.00

26、00 15.0000 11.0000 2.00002、下面是用DCT变换做图像压缩的例子。I=imread(cameraman.tif); %读入图像I=double(I)/255;T=dctmtx(8); %计算离散变换矩阵，返回结果为双精度型B=blkproc(I,8.8,P1*x*P2,T,T); %实现图像的显示块操作Mask=1 1 1 1 0 0 0 0 1 1 1 0 0 0 0 01 1 0 0 0 0 0 01 0 0 0 0 0 0 00 0 0 0 0 0 0 00 0 0 0 0 0 0 00 0 0 0 0 0 0 00 0 0 0 0 0 0 0;B2= blkpr

27、oc(B,8.8,P1.*x,mask);I2=blkproc(B2,8.8,P1*x*P2,T,T);Imshow(I),figure,imshow(I2)3、Rodon变换Rodon变换类似于计算机视觉中有名的Hough变换，可以用来检测图象中的直线，算法和程序如下。提取图象的局部边缘I=imread(ic.tif);BW=edge(I);imshow(I)figure,imshow(BW)然后，对边缘图象做Radon变换theta=0:179;R,xp=radon(BW,theta);imagesc(theta,xp,R);colormap(hot);xlabel(theta(degre

28、es);ylabei(x);colorbar;最后，找出变换矩阵R的峰值，这些峰值对应着原图像上的直线。4、实现直方图均衡化。实现代码如下：I=imread(tire.tif);J=histeq(I);imshow(I)figure,imshow(J)figure,imhist(I,64)figure,imhist(J,64)5、实现直方图规定化I=imread（tire.tif）；Hgram=0：255J=histeq（I，hgram）；Imshow（I）figure，imshow（J）figure，imhist（64）figure，imhist（64）6、图象间的代数运算61图象相减运算

29、显示采用离散余弦变换压缩的图象与原图象的差别。用原图象与压缩后的图象相减，实现代码如下：I=imread(cameraman.tif);I=double(I)/225;%计算离散变换矩阵，返回结果为双精度型T=dctmtx（8）；%实现图象的显示块操作B=blkproc（I，8 8，P1*x*P2，T，T）；mask=1 1 1 1 0 0 0 0 1 1 1 0 0 0 0 0 1 1 0 0 0 0 0 0 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0；B2=blkproc（B

30、，8 8，P1.*x，mask）；I2=blkproc（B2，8 8，P1*x*P2，T，T，）；imshow（I），figure，imshow（12）M=12-I；figure，imshow（mat2gray（M）62. 图象相加运算设有图象f（x，y）和h（x，y），它们的差为 g（x，y）= f（x，y）+h（x，y）实现图象相加。下面以saturn.tif为例，将多幅加入高斯噪声的图象经过相加，求平均，达到去除噪声的目的。实现代码如下：I=imread（saturn.tif）；figure，imshow（I）m，n=size（I）；J（m，n）=0；For i=1：N X=imnose

31、（I，gaussian）； figure，imshow（X） Y=double（X）； J=J+Y/N；Endfigure，imshow（mat2gray（J）7、 滑滤波器71实现均值过滤器。以saturn.tif为例，加入椒盐噪声，并在MATLAB中调用B=filter2（h，A）实现均值过滤器，实现代码如下：I=imread（eight.tif）；J=imnoise（I，salt & pepper，0.02）；imshow（I）figure，imshow（J）K1=filter2（fspecial（average，3），J）/255；K2=filter2（fspecial（average

32、，3），J）/255；K3=filter2（fspecial（average，3），J）/255；figure，imshow（K1）figure，imshow（K2）figure，imshow（K3）72 实现维纳滤波器在MATLAB中调用J=wiener2（I，m n，noise）函数，具体代码如下：I=imread（saturn.tif）；J=imnoise（I，gaussian，0，0.005）；K1=wiener2（J，5，5）；73 实现高斯滤波器，代码如下：I=imread(saturn.tif );J=imnoise(I,gaussian,0,0.005);figure,imsh

33、ow(J)h=fspecial(gaussian);K=filter2(h,J)/255;figure,imshow(K)74 在MATLAB中可以调用B=medfilt2(A,m n)来实现中值滤波器。下面仍以saturn.tif为例，加入椒盐噪声，并采用中值过滤器，实现代码如下：I=imread(saturn.tif);J=imnoise(I,salt&pepper,0.02);K1=medfilt2(J, 3,3);figure,imshow(K1)75 中值滤波还可以调用B=ordfilt2(A,order,domain)函数来实现，代码如下：I=imread(saturn.tif);

34、J=imnoise(I,salt&pepper,0.02);K1=ordfilt2(J,5,one(3,3);figure,imshow(K1)76 使用稀疏分布的模板实现中值滤波，代码如下：I=imread(satrun.tif );J=imnoise(I,salt&pepper,0.02);domain=0 0 1 0 0; 0 0 1 0 0; 1 1 1 1 1; 0 0 1 0 0; 0 0 1 0 0;K1=ordfilt2(J,5,domain);figure,imshow(K1)类似的稀疏矩阵还有很多，比如：domain1= 1 0 0 0 1; 0 1 0 1 0; 0 0

35、1 0 0; 0 1 0 1 0; 1 0 0 0 1;domain2= 0 0 1 0 0; 0 1 1 1 0; 1 1 1 1 1; 0 1 1 1 0; 0 0 1 0 0;77 在MATLAB中可通过调用filter2函数和fspecial函数来实现边缘锐化效果，代码如下：I=imread(saturn.tif );h=fspecial(laplacian);I2=filter2(h,I);imshow(I)figure,imshow(I2)在fspecial(laplacian，alpha)函数中， alpha控制Laplacian算子的形状，取值范围为0，1，缺省值为0.2。对于

36、一般锐化滤波应当采用-h，因此程序中应当将第二条语句改为h=fspecial(laplacian)。请读者自行对比边缘锐化与普通锐化的效果。78 采用unsharp算子实现对比度增强滤波器，代码如下：I=imread(satrun.tif );h=fspecial(unsharp,0.5);I2=filter2(h,I)/255;figure,imshow(I2)在h=fspecial(unsharp,alpha)函数中，alpha控制滤波器的形状，取值范围为0,1，缺省值为0.2。79 用频率变换法设计近似圆对称的二维FIR低通滤波器首先,创建一个一维FIR低通滤波器,变换矩阵是可以根据需要

37、定义的,这里定义了一个截断频率为0.6的十阶低通滤波器和一个截断频率为0.5的十四阶低通滤波器,代码如下:b1=remez(10,00.40.61,1100);H1,w=freqz(b1,1,64,whole);colormap(jet(64)plot(w/pi-1,fftshift(abs(H1)b2=remez(14,00.30.51,1100);H2,w=freqz(b3,2,64,whole);colormap(jet(64)plot(w/pi-1,fftshift(abs(H2)然后,用确省McClellan变换生成期望的近似圆对称的滤波器.代码如下:h1=ftrans2(b1);f

38、igure,freqz2(h1,32 32)h2=ftrans2(b20;figure,freqz2(h2,32 32)8、对几种边缘增强算子的效果进行比较,代码如下:I1=imread(blood1.tif);figure,imshow(I1);h1=fspecial(sobel);I2=filter2(h1,I1);figure,imshow(I2)I3=conv2(I2,h1);figure,imshow(I3)h2=fspecial(prewitt);I4=filter2(h2,I1);figure,imshow(I4)h3=fspecial(log);I5=filter2(h3,I1

39、);figure,imshow(I5)9、实现Btterworth低通滤波器,代码如下:I1=imread(Saturn.tif);figure,imshow(I1)I2=imnoise(I1,salt&pepper);figure,imshow(I2)f=double(I2); %采用付立叶变换g=fftshift(g); %数据矩阵平移g=fftshift(g)N1,N2=size(g);n=2;d0=50;n1=fix(N1/2);ne=fix(n2/2);for i=1:N1for j=1:N2d=sqrt(i-n12+(j-n2)2); %计算Butterworth低通变换函数h=1

40、/(1+0.414*(d/d0)(2*n);fesult(i,j)=h*g(i,j); endendresult=ifftshift(result);X2=ifft2(result);X3=uint8(real(X2);figure,imshow(X3) 10、实现butterworth高通滤波器,代码如下:I1=imread(blood1.tif);figure,imshow(I1)f=double(I1);g=fft2(f); %采用傅立叶变换g=fftshift(g); %数据矩阵平移N1,N2=size(g);n=2;d0=5;n1=fix(N1/2);n2=fix(n2/2);for i=1:N1for j=1:N2d=sqrt(i-n1)2+(j-n2)2);if d=0 h=0;elseh=1/(1+(d0/d)(2*n);end result(i,j)=h*g(i,j); endendresult=ifftshift(result);X2=ifft2(result);X3=uint8(real(X2);figure,imshow(X3)专心-专注-专业