数字图像处理实验四图像频域增强

一、实验目的

（1）了解图像增强的目的及意义，加深对图像增强的感性认识，巩固所学的图像增强的理论知识和相关算法。

（2）熟练掌握低通、高通、带通、同态滤波器的使用方法，明确不同性质的滤波器对图像的影响和作用。

二、实验内容

（1）选择合适的灰度图像，添加随机噪声

（2）对图像进行低通滤波，观察滤波效果

（3）选择一灰度图像，进行高通滤波，观察滤波效果

（4）选择合适的灰度图像，进行带通滤波，观察滤波效果

（5）选择合适的数字图像，进行同态滤波，观察滤波效果

三、实验代码及结果、分析

（1）选择合适的灰度图像，添加随机噪声

代码：

I=imread('E:\大三课件\大三下\数字图像处理\实验\实验四\shiyan4.jpg');

I1=rgb2gray(I);

I2=imnoise(I1,'gaussian',0.03); %加均值为0，方差为0.03的高斯噪声

I3=double(I2);

fft_I=fft2(I2); % 二维离散傅立叶变换

shift_I=fftshift(fft_I); % 直流分量移到频谱中心

[M,N]=size(shift_I);

m=floor(M/2);

n=floor(N/2);

figure(1)

subplot(1,3,1),imshow(I),title('原图像');

subplot(1,3,2),imshow(I1),title('灰度图像');

subplot(1,3,3),imshow(I2),title('加入高斯噪声'); %显示有高斯噪声图像

结果：

分析：

用imnoise()函数给图像添加噪声，简单的噪声有以下5种类型：’gaussian’(高斯白噪声),‘localvar’ (与图象灰度值有关的零均值高斯白噪声)，’poisson’(泊松噪声), ‘salt & pepper’(椒盐噪声)、’speckle’(斑点噪声)。本题中加入高斯噪声

（2）选择一灰度图像，进行低通滤波，观察滤波效果

代码

%低通滤波

level=4;%2级巴特沃斯滤波器 2时接近高斯，5时接近理想，但是数值更大时会有模糊效应

d1=20;

d2=50;%截止半径

d3=300;

%巴特沃斯低通滤波

for i=1:M

for j=1:N

d=sqrt((i-m)^2+(j-n)^2);

h11=1/(1+0.414*(d/d1)^(2*level));

h12=1/(1+0.414*(d/d2)^(2*level));

h13=1/(1+0.414*(d/d3)^(2*level));

result11(i,j)=h11*shift_I(i,j);

result12(i,j)=h12*shift_I(i,j);

result13(i,j)=h13*shift_I(i,j);

end

result111=uint8(real(ifft2(ifftshift(result11))));

result112=uint8(real(ifft2(ifftshift(result12))));

result113=uint8(real(ifft2(ifftshift(result13))));

%高斯低通滤波

for i=1:M

for j=1:N

d=sqrt((i-m)^2+(j-n)^2);

h21=exp(-1/2*(d^2/d1^2));

h22=exp(-1/2*(d^2/d2^2));

h23=exp(-1/2*(d^2/d3^2));

result21(i,j)=h21*shift_I(i,j);

result22(i,j)=h22*shift_I(i,j);

result23(i,j)=h23*shift_I(i,j);

end

result121=uint8(real(ifft2(ifftshift(result21))));

result122=uint8(real(ifft2(ifftshift(result22))));

result123=uint8(real(ifft2(ifftshift(result23))));

figure(2)

subplot(2,3,1),imshow(result111),title('巴特沃斯低通滤波d=20');

subplot(2,3,2),imshow(result112),title('巴特沃斯低通滤波d=50');

subplot(2,3,3),imshow(result113),title('巴特沃斯低通滤波d=300');

subplot(2,3,4),imshow(result121),title('高斯低通滤波d=20');

subplot(2,3,5),imshow(result122),title('高斯低通滤波d=50');

subplot(2,3,6),imshow(result123),title('高斯低通滤波d=300');

结果：

分析：

1.巴特沃斯低通滤波器的传递函数为：h=1/(1+0.414*(d/d0)^(2*level));

高斯低通滤波器的传递函数为：h=exp(-1/2*(d^2/d0^2));

（d0为截止半径，level为巴特沃斯低通滤波器的阶数）

滤波器的半径不同时，对应的滤波效果也不同，半径越小，平滑效果越明显，但是半径过小，会使得图像变得模糊不清
%巴特沃斯滤波器 2阶时接近高斯，5时接近理想，但是数值更大时会有模糊效应

（3）选择一灰度图像，进行高通滤波，观察滤波效果

代码：

%高通滤波

level=4;%2级巴特沃斯滤波器 2时接近高斯，5时接近理想，但是数值更大时会有模糊效应

d1=2;

d2=4;%截止半径

d3=8;

%巴特沃斯高通滤波

for i=1:M

for j=1:N

d=sqrt((i-m)^2+(j-n)^2);

h11=1/(1+0.414*(d1/d)^(2*level));

h12=1/(1+0.414*(d2/d)^(2*level));

h13=1/(1+0.414*(d3/d)^(2*level));

result11(i,j)=h11*shift_I(i,j);

result12(i,j)=h12*shift_I(i,j);

result13(i,j)=h13*shift_I(i,j);

end

result111=uint8(real(ifft2(ifftshift(result11))));

result112=uint8(real(ifft2(ifftshift(result12))));

result113=uint8(real(ifft2(ifftshift(result13))));

%高斯高通滤波

for i=1:M

for j=1:N

d=sqrt((i-m)^2+(j-n)^2);

h21=1-exp(-1/2*(d^2/d1^2));

h22=1-exp(-1/2*(d^2/d2^2));

h23=1-exp(-1/2*(d^2/d3^2));

result21(i,j)=h21*shift_I(i,j);

result22(i,j)=h22*shift_I(i,j);

result23(i,j)=h23*shift_I(i,j);

end

result121=uint8(real(ifft2(ifftshift(result21))));

result122=uint8(real(ifft2(ifftshift(result22))));

result123=uint8(real(ifft2(ifftshift(result23))));

figure(1)

subplot(1,3,1),imshow(I),title('原图像');

subplot(1,3,2),imshow(I1),title('灰度图像');

subplot(1,3,3),imshow(I2),title('加入高斯噪声'); %显示有高斯噪声图像

figure(2)

subplot(2,3,1),imshow(result111),title('巴特沃斯高通滤波d=20');

subplot(2,3,2),imshow(result112),title('巴特沃斯高通滤波d=50');

subplot(2,3,3),imshow(result113),title('巴特沃斯高通滤波d=300');

subplot(2,3,4),imshow(result121),title('高斯高通滤波d=20');

subplot(2,3,5),imshow(result122),title('高斯高通滤波d=50');

subplot(2,3,6),imshow(result123),title('高斯高通滤波d=300');

结果：

分析：

1、巴特沃斯高通滤波器的传递函数为：h=1/(1+0.414*(d0/d)^(2*level));

高斯高通滤波器的传递函数为：h=1-exp(-1/2*(d^2/d0^2));

2、图像的大部分能量集中在低频分量，高通滤波会将很多低频分量滤除，导致增强图中边缘得到加强，但光滑区域灰度减弱变暗甚至接近黑色

3、截止半径越大，图像越接近黑色，导致图像的轮廓也不太清晰

（4）选择合适的灰度图像，进行带通滤波，观察滤波效果

代码：

%带通滤波

dl=0.5;

dh=50;%截止半径

for i=1:M

for j=1:N

d=sqrt((i-m)^2+(j-n)^2);

if d<=dl || d>=dh

h=0;

else

h=1;

end

result(i,j)=h*shift_I(i,j);

end

result1=uint8(real(ifft2(ifftshift(result))));

figure(2)

subplot(1,2,1),imshow(I2),title('高斯噪声图像');

subplot(1,2,2),imshow(result1),title('带通滤波后图像');

结果：

分析：

1、带通滤波器的传递函数为H=1 (dl<d<dh), H=0(d=其他）

2、带通滤波器可增强既不是图像中的高频成分也不是低频成分

（5）选择合适的灰度图像，进行同态滤波，观察滤波效果

代码：

P = 2*M; Q = 2*N;

I2 = zeros(P,Q);

for i = 1:M

for j =1:N

I2(i,j) = I(i,j); %对图像进行填充

end

I2=log(I2+1); %取对数

FI=fft2(I2); %傅里叶变换

rL=1.0; %rl越靠近1，越亮

rH=1.1; % 可根据需要效果调整参数，rh越大，背景越亮

c=100; %锐化参数，越大，锐化程度越大

D0=1; %D0越小，越亮

for u=1:P

for v=1:Q

D(u,v)=sqrt(((u-M).^2+(v-N).^2)); %频率域中点（u，v）与频率矩形中心的距离

H(u,v)=(rH-rL).*(1-exp(-c.*(D(u,v)^2./D0^2)))+rL; %高斯同态滤波

end

H=ifftshift(H); %对H做反中心化

I3=ifft2(H.*FI); %傅里叶逆变换

I4=real(I3);

result =exp(I4(1:M, 1:N))-1; %截取一部分,，取指数

figure(1)

subplot(1,3,1),imshow(im),title('灰度图像');

subplot(1,3,2),imshow(In),title('高斯噪声图像');

subplot(1,3,3),imshow(result),title('同态滤波图像');

结果：

分析：

数字图像处理实验四图像频域增强相关推荐

数字图像处理matlab实验对图像复原,数字图像处理实验07图像的复原处理
数字图像处理实验一.数字图像处理实验实验七图像的复原处理一.实验目的熟悉几种在实际应用中比较重要的图像复原技术,学会用MATLAB复原函数对退化图像进行复原处理. 二.实验内容 1．用点扩散 ...
数字图像处理实验七--图像压缩编码
数字图像处理实验七 (图像压缩编码) 实验内容: 基于游程编码的图像压缩基于离散余弦变换的图像压缩实验步骤: 使用给定的图像lena做实验,采用im2bw把灰度图像转换为二值图像,试计算二值化时阈 ...
实验四图像频域平滑与锐化（Python实现）
一.实验目的与要求了解频域变换过程,掌握频域变换特点熟练掌握频域滤波中常用的平滑和锐化滤波器,能够对不同要求的图像进行滤波处理,体会并正确评价滤波效果,了解不同滤波方式的使用场合,能够从理论上作出 ...
【Python CUDA版】河北工业大学计算机图像处理实验四：频域平滑与锐化
一.实验目的与要求 1．了解频域变换过程,掌握频域变换特点 2．熟练掌握频域滤波中常用的平滑和锐化滤波器,能够对不同要求的图像进行滤波处理,体会并正确评价滤波效果,了解不同滤波方式的使用场合,能够从理 ...
数字图像处理实验八图像的傅里叶变换
自选一幅灰度图像,编写MATLAB程序,完成图像的傅里叶变换并显示图像傅里叶变换谱. 1.快速图像傅里叶变换函数 Y = fft2(X) 2.将图像频谱零频分量移动到图像频谱中心 Y = fftshi ...
数字图像处理实验一图像的基本运算
实验一图像的基本运算一.实验目的 (1)掌握点运算和代数运算的算法实现和概念 (2)掌握和几何运算的算法实现和概念 (2)掌握灰度变换和几何变换的基本方法 (3)理解图像灰度直方图的概念二.实验 ...
C语言数字图像处理---2.5图像频域滤波
上一小节我们介绍了图像频域变换,本小节将以此为基础,介绍图像频域滤波的相关内容,包含常见高通/低通/带通/带阻/方向滤波等频域滤波方法,同时以C语言编码实现,帮助初学者理解和掌握如何进行图像的频域滤波 ...
数字图像处理实验四：图像的重建与复原
实验环境:windows11 matlab2018b 实验有借鉴成分,注意!!! 一.实验目的: 1.了解图像降质/复原处理的模型. 2.了解估计降质函数的基本原理. 3.掌握降质图像中常见噪声模 ...
数字图像处理实验三-图像基本运算
实验内容 (1)对图像进行线性点运算. (2)对图像比例放大1.5倍,比例缩小0.7倍,非比例放大到600x700像素,非比例缩小到300x400像素. (3)对图像旋转30度.60度.90度.135 ...

数字图像处理实验四图像频域增强

数字图像处理实验四图像频域增强相关推荐

最新文章

热门文章