数字图像处理实验报告计划.doc

该【数字图像处理实验报告计划 】是由【雨林书屋】上传分享，文档一共【28】页，该文档可以免费在线阅读，需要了解更多关于【数字图像处理实验报告计划 】的内容，可以使用淘豆网的站内搜索功能，选择自己适合的文档，以下文字是截取该文章内的部分文字，如需要获得完整电子版，请下载此文档到您的设备，方便您编辑和打印。数字图像办理试验报告实验二:数字图像的空间滤波和频域滤波姓名:XX学号:2XXXXXXX实验日期:2017年4月26日实验目的掌握图像滤波的基本定义及目的。理解空间域滤波的基来源理及方法。掌握进行图像的空域滤波的方法。掌握傅立叶变换及逆变换的基来源理方法。理解频域滤波的基来源理及方法。掌握进行图像的频域滤波的方法。实验内容与要求光滑空间滤波: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。对加入噪声图像采纳不一样的光滑(低通)模板做运算,对照不一样模板所形成的成效,要求在同一窗口中显示。使用函数imfilter时,分别采纳不一样的填补方法(或边界选项,如零填充、’replicate’、’symmetric’、’circular’)进行低通滤波,显示办理后的图像。4)运用for循环,将加有椒盐噪声的图像进行10次,20次均值滤波,查察其特色,显示均值办理后的图像(提示:利用fspecial函数的’average’种类生成均值滤波器)。5)对加入椒盐噪声的图像分别采纳均值滤波法,和中值滤波法对有噪声的图像做办理,要求在同一窗口中显示结果。自己设计光滑空间滤波器,并将其对噪声图像进行办理,显示办理后的图像。锐化空间滤波1)读出一幅图像,采纳3×3的拉普拉斯算子w=[1,1,1;1–81;1,1,1]对其进行滤波。2)编写函数w=genlaplacian(n),自动产生任一奇数尺寸n的拉普拉斯算子,如5×5的拉普拉斯算子w=[1**********-241**********]3)分别采纳5×5,9×9,15×15和25×25大小的拉普拉斯算子对进行锐化滤波,并利用式g(x,y)2f(x,y)达成图像的锐化加强,察看其有何f(x,y)不一样,要求在同一窗口中显示。采纳不一样的梯度算子对该幅图像进行锐化滤波,并比较其成效。自己设计锐化空间滤波器,并将其对噪声图像进行办理,显示办理后的图像;傅立叶变换读出一幅图像,对其进行迅速傅立叶变换,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察结果图像。仅对幅度部分进行傅立叶反变换后查察结果图像。将图像的傅立叶变换F置为其共轭后进行反变换,比较重生成图像与原始图像的差别。光滑频域滤波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,截止频次自选,分别给出各样滤波器的***图。读出一幅图像,分别采纳理想低通滤波器、巴特沃斯低通滤波器和高斯低通滤波器对其进行滤波(截止频次自选),再做反变换,察看不一样的截止频次下采纳不一样低通滤波器获得的图像与原图像的差别,特别注意振铃效应。(提示:1)在频次域滤波同样要注意到填补问题;2)注意到(-1);)锐化频域滤波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,截止频次自选,分别给出各样滤波器的***图。读出一幅图像,分别采纳理想高通滤波器、巴特沃斯高通滤波器和高斯高通滤波器对其进行滤波(截止频次自选),再做反变换,察看不一样的截止频次下采纳不一样高通滤波器获得的图像与原图像的差别。实验详细实现光滑空间滤波: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('')figure,subplot(1,3,1);imshow(img);title('原始图像');img2=imnoise(img,'salt&pepper',;subplot(1,3,2);imshow(img2);title('椒盐噪声图像');img3=imnoise(img,'gaussian',;subplot(1,3,3),imshow(img3);title('高斯噪声图像');实验结果以下:2).对加入噪声图像采纳不一样的光滑(低通)模板做运算,对照不一样模板所形成的成效,要求在同一窗口中显示。光滑滤波是低频加强的空间域滤波技术。它的目的有两个,一是模糊,二是除去噪声。将空间域低通滤波按线性和非线性特色有:线性、非线性光滑滤波器,线性光滑滤波器包含均值滤波器,非线性的光滑滤波器有最大值滤波器,中值滤波器,最小值滤波器。代码以下:img=imread('')img=rgb2gray(img);figure,subplot(1,3,1);imshow(img);title('原始图像');img2=imnoise(img,'salt&pepper',;subplot(1,3,2);imshow(img2);title('椒盐噪声图像');img3=imnoise(img,'gaussian',;subplot(1,3,3),imshow(img3);title('高斯噪声图像');%对椒盐噪声图像进行滤波办理h=fspecial('average',3);I1=filter2(h,img2)/255;I2=medfilt2(img2,[33]);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办理G1=filter2(h,img3)/255;G2=medfilt2(img3,[33]);figure,subplot(2,2,1),imshow(img),title('原图像');subplot(2,2,2),imshow(img3),title('高斯噪声图');subplot(2,2,3),imshow(G1),title('3*3均值滤波图');subplot(2,2,4),imshow(G2),title('3*3中值滤波图');实验结果以下:(3).使用函数充、’replicateimfilter’、’时,分别采纳不一样symmetric’、’circular的填补方法(或边界选项,如零填’)进行低通滤波,显示办理后的图像。g=imfilter(f,w,filtering_mode,boundary_options,size_options),此中,f为输入图像,w为滤波掩模,g为滤波后图像。h=fspecial('motion',50,45);%创立一个运动模糊滤波器filteredimg=imfilter(img,h);boundaryReplicate=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('OriginalImage');subplot(3,2,2),imshow(filteredimg),title('MotionBlurredImage');subplot(3,2,3),imshow(boundaryReplicate),title('Replicate');subplot(3,2,4),imshow(boundary0),title('0-Padding');subplot(3,2,5),imshow(boundarysymmetric),title('symmetric');subplot(3,2,6),imshow(boundarycircular),title('circular');实验结果以下:(4).运用for循环,将加有椒盐噪声的图像进行10次,20次均值滤波,查察其特色示均值办理后的图像(提示:利用fspecial函数的’average’种类生成均值滤波器)。,显代码以下:h=fspecial('average');fori=1:10J1=imfilter(img2,h);endforj=1:20J2=imfilter(img2,h);endfigure,subplot(1,3,1),imshow(img2),title('salt&pepperNoise');subplot(1,3,2),imshow(J1),title('10AverageFiltering');subplot(1,3,3),imshow(J2),title('20AverageFiltering');实验结果:5).对加入椒盐噪声的图像分别采纳均值滤波法,和中值滤波法对有噪声的图像做办理,要求在同一窗口中显示结果。代码以下:h1=fspecial('average');J=imfilter(img2,h1);J2=medfilt2(img2);figure,subplot(1,3,1),imshow(img2),title('salt&pepperNoise');subplot(1,3,2),imshow(J),title('AveragingFiltering');subplot(1,3,3),imshow(J2),title('MedianFiltering');实验结果为:(6).自己设计光滑空间滤波器,并将其对噪声图像进行办理,显示办理后的图像。代码以下:[mn]=size(img2);figure,subplot(1,2,1),imshow(img2);s=zeros(1,9);fori=2:1:m-1forj=2:1:n-1h=1;forp=i-1:1:i+1forq=j-1:1:j+1s(h)=img2(p,q);h=h+1;endends=sort(s);I(i,j)=s(5);endendsubplot(1,2,2),imshow(I);实验结果:(1)读出一幅图像,采纳3×3的拉普拉斯算子w=[1,1,1;1–81;1,1,1]对其进行滤波。代码以下: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);实验结果为:(2)编写函数w=genlaplacian(n),自动产生任一奇数尺寸n的拉普拉斯算子,如5×5的拉普拉斯算子w=[1**********-241**********]代码以下:num=input('pleaseenteranynum:');n=num;W=ones(n,n);fori=1:nforj=1:nif(i==fix(n/2)+1&&j==fix(n/2)+1)W(i,j)=n*n-1;endendenddisplay(W);代码运转结果为:(3)分别采纳5×5,9×9,15×15和25×25大小的拉普拉斯算子对进行锐化滤波,并利用式达成图像的锐化加强,察看其有何不一样,要求在同一窗口中显示。代码以下:鉴于上一题要求形成一函数:function[W]=lapulasi(num)n=num,W=ones(n),x=fix(n/2)+1;W(x,x)=-(n*n-1);其余代码:f=imread('');f=im2double(f);figure,subplot(2,3,1),imshow(f),title('OriginalImage');w0=lapulasi(3),w1=lapulasi(5),w2=lapulasi(9);w3=lapulasi(15),w4=lapulasi(25);f0=f-imfilter(f,w0,'replicate');subplot(2,3,2),imshow(f0),title('3*3lapulasi');f1=f-imfilter(f,w1,'replicate');subplot(2,3,3),imshow(f1),title('5*5lapulasi');f2=f-imfilter(f,w2,'replicate');subplot(2,3,4),imshow(f2),title('9*9lapulasi');f3=f-imfilter(f,w3,'replicate');subplot(2,3,5),imshow(f3),title('15*15lapulasi');f4=f-imfilter(f,w4,'replicate');subplot(2,3,6),imshow(f4),title('25*25lapulasi');实验结果为:4)采纳不一样的梯度算子对该幅图像进行锐化滤波,并比较其成效。代码以下:[I,map]=imread('');I=double(I);figure,subplot(2,3,1),imshow(I,map),title('OriginalImage');[Gx,Gy]=gradient(I);G=sqrt(Gx.*Gx+Gy.*Gy),J1=G;subplot(2,3,2),imshow(J1,map),title('Operator1Image');J2=I;K=find(G>=7);J2(K)=G(K);subplot(2,3,3),imshow(J2,map);title('Operator2Image');J3=I;K=find(G>=7);J3(K)=255;subplot(2,3,4),imshow(J3,map),title('Operator3Image');J4=I;K=find(G<=7);J4(K)=255;subplot(2,3,5),imshow(J4,map),title('Operator4Image');J5=I;K=find(G<=7);J5(K)=0;Q=find(G>=7);J5(Q)=255;subplot(2,3,6),imshow(J5,map),title('Operator5Image');实验成效以下: