数字图像处理 频率域滤波

空间域滤波器(实验报告)

数字图像处理作业 ——空间域滤波器 摘要 在图像处理的过程中,消除图像的噪声干扰是一个非常重要的问题。本文利用matlab软件,采用空域滤波的方式,对图像进行平滑和锐化处理。平滑空间滤波器用于模糊处理和减小噪声，经常在图像的预处理中使用；锐化空间滤波器主要用于突出图像中的细节或者增强被模糊了的细节。本文使用的平滑滤波器有中值滤波器和高斯低通滤波器，其中，中值滤波器对去除椒盐噪声特别有效，高斯低通滤波器对去除高斯噪声效果比较好。使用的锐化滤波器有反锐化掩膜滤波、Sobel边缘检测、Laplacian边缘检测以及Canny算子边缘检测滤波器。不同的滤波方式，在特定的图像处理应用中有着不同的效果和各自的优势。

1、分别用高斯滤波器和中值滤波器去平滑测试图像test1和2，模板大小分别 是3x3 ， 5x5 ，7x7；利用固定方差 sigma=1.5产生高斯滤波器. 附件有产生高斯滤波器的方法。 实验原理分析： 空域滤波是直接对图像的数据做空间变换达到滤波的目的。它是一种邻域运算，其机理就是在待处理的图像中逐点地移动模板，滤波器在该点地响应通过事先定义的滤波器系数与滤波模板扫过区域的相应像素值的关系来计算。如果输出像素是输入像素邻域像素的线性组合则称为线性滤波（例如最常见的均值滤波和高斯滤波），否则为非线性滤波（中值滤波、边缘保持滤波等）。 空域滤波器从处理效果上可以平滑空间滤波器和锐化空间滤波器：平滑空间滤波器用于模糊处理和减小噪声，经常在图像的预处理中使用；锐化空间滤波器主要用于突出图像中的细节或者增强被模糊了的细节。 模板在源图像中移动的过程中，当模板的一条边与图像轮廓重合后，模板中心继续向图像边缘靠近，那么模板的某一行或列就会处于图像平面之外，此时最简单的方法就是将模板中心点的移动范围限制在距离图像边缘不小于（n－1）/2个像素处，单处理后的图像比原始图像稍小。如果要处理整幅图像，可以在图像轮廓边缘时用全部包含于图像中的模板部分来滤波所有图像，或者在图像边缘以外再补上一行和一列灰度为零的像素点（或者将边缘复制补在图像之外）。 ①中值滤波器的设计： 中值滤波器是一种非线性统计滤波器，它的响应基于图像滤波器包围的图像区域中像素的排序，然后由统计排序的中间值代替中心像素的值。它比小尺寸的线性平滑滤波器的模糊程度明显要低，对处理脉冲噪声（椒盐噪声）非常有效。中值滤波器的主要功能是使拥有不同灰度的点看起来更接近于它的邻近值，去除那些相对于其邻域像素更亮或更暗，并且其区域小于滤波器区域一半的孤立像素集。 在一维的情况下，中值滤波器是一个含有奇数个像素的窗口。在处理之后，位于窗口正中的像素的灰度值，用窗口内各像素灰度值的中值代替。例如若窗口长度为5，窗口中像素的灰度值为80、90、200、110、120，则中值为110，因为按小到大（或大到小）排序后，第三位的值是110。于是原理的窗口正中的灰度值200就由110取代。如果200是一个噪声的尖峰，则将被滤除。然而，如果它是一个信号，则滤波后就被消除，降低了分辨率。因此中值滤波在某些情况下抑制噪声，而在另一些情况下却会抑制信号。 将中值滤波推广到二维的情况。二维窗口的形式可以是正方形、近似圆形的或十字形等。本次作业使用正方形模板进行滤波，它的中心一般位于被处理点上。窗口的大小对滤波效果影响较大。 根据上述算法利用MATLAB软件编程，对源图像test1和test2进行滤波处理，结果如下图：

数字图像处理之频率滤波

实验四、频域滤波 一、实验目的 1．了解频域滤波的方法； 2．掌握频域滤波的基本步骤。 二、实验内容 1．使用二维快速傅立叶变换函数fft2( )及其反变换函数ifft2( )对图象进行变换； 2．自己编写函数生成各种频域滤波器； 3．比较各种滤波器的特点。 三、实验步骤 1．图象的傅立叶变换 a.对图象1.bmp 做傅立叶变换。 >> x=imread(‘1.bmp’); f=fft2(x); imshow(real(f)) %显示变换后的实部图像 figure f1=fftshift(f); imshow(real(f1))

变换后的实部图像 中心平移后图像 b.对图象cameraman.tif 进行傅立叶变换，分别显示变换后的实部和虚 部图象。 思考：

对图象cameraman.tif 进行傅立叶变换，并显示其幅度谱|F(U,V)|。结果类似下图。 显示结果命令imshow（uint8（y/256）） 程序如下： x=imread('cameraman.tif'); f=fft2(x); f1=fftshift(f); y0=abs(f); y1=abs(f1); subplot(1,3,1),imshow(x) title('sourceimage') subplot(1,3,2),imshow(uint8(y0/256)) title('F|(u,v)|') subplot(1,3,3),imshow(uint8(y1/256)) title('中心平移')

2．频域滤波的步骤 a.求图象的傅立叶变换得F=fft2(x) b.用函数F=fftshit(F) 进行移位 c.生成一个和F 一样大小的滤波矩阵H . d.用F和H相乘得到G , G=F.*H e.求G的反傅立叶变换得到g 就是我们经过处理的图象。 这其中的关键就是如何得到H 。 3．理想低通滤波器 a.函数dftuv( )在文件夹中，它用生成二维变量空间 如：[U V]=dftuv(11,11) b.生成理想低通滤波器 >>[U V]=dftuv(51,51); D=sqrt(U.^2+V.^2); H=double(D<=15); Mesh(U,V,H) c.应用以上方法，对图象cameraman.tif进行低通滤波;

实验三 图像的空间域滤波

1 A=imread('E:\pic\1.jpg'); I=rgb2gray(A); subplot(1,3,1); imshow(I);title('原图'); J=imnoise(I,'salt & pepper',0.05); subplot(1,3,2); imshow(J); title('加入椒盐噪声图象'); K=imnoise(I,'gaussian',0.01,0.02); subplot(1,3,3); imshow(K);title('加入高斯噪声图象'); 2 A=imread('E:\pic\1.jpg'); I=rgb2gray(A); Subplot(2,2,1); Imshow(I);title('原图'); H=fspecial('motion',20,45); MotionBlur=imfilter(I,H,'replicate'); Subplot(2,2,2); Imshow(MotionBlur);title('MotionBlur image'); H=fspecial('disk',10); blurred=imfilter(I,H,'replicate'); Subplot(2,2,3); Imshow(blurred);title('Blurred image'); H=fspecial('unsharp',0.5); Sharpened=imfilter(I,H,'replicate'); Subplot(2,2,4); Imshow(Sharpened);title('sharpened image');

3 A=imread('E:\pic\1.jpg'); I=rgb2gray(A); J=imnoise(I,'salt & pepper',0.05); Subplot(2,2,1);imshow(J);title('加入椒盐噪声图象'); H=fspecial('motion',20,45); MotionBlur=imfilter(J,H,'replicate'); Subplot(2,2,2); Imshow(MotionBlur);title('replicate'); MotionBlur=imfilter(J,H,'symmetric'); Subplot(2,2,3); Imshow(MotionBlur);title('symmetric'); MotionBlur=imfilter(J,H,'circular'); Subplot(2,2,4); Imshow(MotionBlur);title('circular');

用理想低通滤波器在频率域实现低通滤波、用理想高通滤波器在频率域实现高频增强

作业5 1、用理想低通滤波器在频率域实现低通滤波 程序代码如下： clear; A=imread('picture4.jpg'); I=rgb2gray(A); figure(1); imshow(I); title('原图像'); g = imnoise(I, 'gaussian' ,0 ,0.01); J = I+g; figure(2); imshow(J); title('加高斯噪声后图像'); s=fftshift(fft2(I)); figure(3); imshow(abs(s),[]); title('图像傅里叶变换所得频谱'); [a,b]=size(s); a0=round(a/2); b0=round(b/2); d=150; for i=1:a for j=1:b distance=sqrt((i-a0)^2+(j-b0)^2); if distance<=d h=1; else h=0; end; s(i,j)=h*s(i,j); end; end; s=uint8(real(ifft2(ifftshift(s)))); figure(4); imshow(s); title('低通滤波后所得图像');

得到的图像如下：

2、用理想高通滤波器在频率域实现高频增强 程序源代码如下： clrar; A=imread('picture5.jpg');

I=rgb2gray(A); figure(1); imshow(I); title('原图像'); s=fftshift(fft2(I)); figure(2); imshow(abs(s),[]); title('图像傅里叶变换所得频谱'); figure(3); imshow(log(abs(s)),[]); title('图像傅里叶变换取对数所得频谱'); [a,b]=size(s); a0=round(a/2); b0=round(b/2); d=150; p=0.2;q=0.5; for i=1:a for j=1:b distance=sqrt((i-a0)^2+(j-b0)^2); if distance<=d h=0; else h=1; end; s(i,j)=(p+q*h)*s(i,j); end; end; s=uint8(real(ifft2(ifftshift(s)))); figure(4); imshow(s); title('高通滤波所得图像'); figure(5); imshow(s+I); title('高通滤波所得高频增强图像'); 得到的图像如下：

空间域图像滤波

function Template=gausTemplate(n,sigma) end ---------------------------------------------------------------------------------------------------------------------- clc clear im=imread('C:\Users\Administrator\Desktop\lena.jpg'); s=11;sigma=10; k=(s-1)/2; Template=gausTemplate(s,sigma);%生成高斯模板 [m,n]=size(im); %图像扩边 %%%%%%%%%%%%%%%%%% for i=k+1:m+k for j=k+1:n+k neighbor=;%%%%点i,j的邻阈 temp=;%%邻域内点乘 imF(i,j)=;%计算滤波器响应 end end imFil=imF(k+1:m+k,k+1:n+k);%滤波后的图像 imFil=uint8(imFil); imshow(imFil) clc clear im=imread('C:\Users\Administrator\Desktop\lena.jpg'); s=3;sigma=0.8; k=(s-1)/2; Template=gausTemplate(s,sigma);%éú3é???1?￡°? [m,n]=size(im); %í???à?±? new=zeros(m+2*k,n+2*k);

new(k+1:m+k,k+1:n+k)=im; %%%%%%%%%%%%%%%%%% for i=k+1:m+k for j=k+1:n+k neighbor=new(i-k:i+k,j-k:j+k) ;%%%%μ?i,jμ?áú?Dtemp=neighbor.*Template ;%%áúóò?úμ?3? imF(i,j)=sum(temp(:)) ;%??????2¨?÷?ìó| end end imFil=imF(k+1:m+k,k+1:n+k);%??2¨oóμ?í??? imFil=uint8(imFil); imshow(imFil);

数字图像处理高通滤波器精编版

数字图像处理高通滤波器 姓名：*** 学号：********** 高通滤波是常见的频域增强的方法之一。高通滤波与低通滤波相反，它是高频分量顺利通过，使低频分量受到削弱。这里考虑三种高通滤波器：理想高通滤波器、巴特沃斯高通滤波器和高斯高通滤波器。这三种滤波器涵盖了从非常尖锐(理想)到非常平坦(高斯)范围的滤渡器函数，其转移函数分别为： 1、理想高通滤波器（IHPF ） ),(),(10),(D v u D D v u D v u H >≤???= 2、巴特沃斯高通滤波器（BHPF ） n v u D D v u H 20),()12(11),(?? ????-+= 3、高斯高通滤波器（GHPF ） 2022/v ,u D 1),(D e v u H ）（--= 一、数字图像高通滤波器的实验过程： 1、理想高通滤波器程序 clear all ;clc; image = imread('test.jpg'); gimage_15 = func_ihpf(image,15); gimage_30 = func_ihpf(image,30); gimage_80 = func_ihpf(image,80); figure subplot(221),imshow(image); title('Original'); subplot(222),imshow(gimage_15); title('d0=15'); subplot(223),imshow(gimage_30); title('d0=30'); subplot(224),imshow(gimage_80); title('d0=80'); %被调函数子函数G(u,v)=F(u,v)H(u,v) function gimage = func_ihpf(image,d0) image = double(image); f = fftshift(fft2(image)); [M,N]=size(f); a0 = fix(M/2);

频率域滤波的MATLAB设计与实现_课程设计

设计题目频率域滤波的MATLAB设计与实现

目录 摘要...................................................................................................................... - 3 - 1. 数字图像处理. (1) 1.1发展概况： (1) 1.2关键技术： (1) 2．频率域滤波的产生背景及意义 (3) 2.1傅立叶级数和变换简史： (3) 2.2频率域滤波的意义： (3) 3. 频率域滤波的常用方法 (4) 3.1低通滤波 (4) 3.1.1理想低通滤波器的截面图 (5) 3.2高通滤波 (7) 3.3带阻滤波 (9) 3.4带通滤波 (10) 4．原理及实现 (10) 4.1频率域增强基本理论 (10) 4.2傅立叶变换 (11) 4.3频率域理想低通（ILPF）滤波器 (12) 4.3.1理想低通滤波器的截面图 (12) 4.3频率域巴特沃兹(Butterworth)低通滤波器 (13) 4.4频率域高斯(Gaussian)低通滤波器 (14) 5．程序设计 (15) 5.1算法设计(程序设计流程图) (15) 5.2 对灰度图像进行Fourier变换的程序 (15) 5.3频率域理想低通滤波器 (15) 5.4 二阶巴特沃斯(Butterworth)低通滤波程序 (16) 5.5 高斯(Gaussian)低通滤波程序 (17) 6．结果与分析 (19) 6.1 对灰度图像进行Fourier变换后的频谱图 (20) 6.2二阶巴特沃斯（Butterworth）低通滤波结果与分析 (20)

数字图像处理 降噪滤波 大作业

昆明理工大学信息工程与自动化学院学生实验报告 （2015—2016学年第一学期） 课程名称：图形图像基础程序设计开课实验室： 2015年 12月 1 日 一、实验目的及内容 目的：掌握和熟悉Matlab编程环境及语言；掌握图像降噪算法和用途。 内容： 在课程教学和查阅相关文献资料的基础上，选择下面一个数字图像处理技术专题，实现相应算法进行仿真实验，并完成大作业报告。专题如下： (1)图像增强处理技术； (2)图像降噪处理技术。 2、题目分析 利用matlab的GUI程序设计一个简单实用的图像处理程序。该程序应具备图像处理的常用功能，以满足用户的使用。现设计程序有以下基本功能： 1）图像的读取和保存。 2）通过自己输入数值，实现图像的旋转。 3）图像直方图统计和直方图均衡，要求显示直方图统计，比较直方图均衡后的效果。 4）能对图像加入各种噪声， 5)并通过几种滤波算法实现去噪并显示结果。 6）将图像转化成灰度图像。

3.总体设计 软件的总体设计界面布局如上图所示 分为显示区域与操作区域。 上边为显示区域：显示载入原图，以及通过处理后的图像。操作区域：通过功能键实现对图像的各种处理。 设计完成后运行的软件界面如下：

4、具体设计 现介绍各个功能模块的功能与实现。 4.1图像的读取和保存： （1）利用matlab中“ uigetfile”、“imread”“imshow”实现图像文件的读取与显示： 实现代码： function pushbutton2_Callback(hObject, eventdata, handles) % hObject handle to pushbutton2 (see GCBO) % eventdata reserved - to be defined in a future version of MATLAB % handles structure with handles and user data (see GUIDATA)

数字图像的空间域滤波和频域滤波

数字图像的空间域滤波和频域滤波

三、实验过程 1. 平滑空间滤波： 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。 椒盐噪声： def salt_pepperNoise(src): dst = src.copy() num = 1000 # 1000个噪声点 ndim = np.ndim(src) row, col = np.shape(src)[0:2] for i in range(num): x = np.random.randint(0, row) # 随机生成噪声点位置 y = np.random.randint(0, col) indicator = np.random.randint(0, 2) # 灰度图像 if ndim == 2: if indicator == 0: dst[x, y] = 0 else: dst[x, y] = 255 # 彩色图像 elif ndim == 3: if indicator == 0: dst[x, y, :] = 0 else: dst[x, y, :] = 255 return dst 高斯噪声： def addGaussianNoise(image,sigma): mean = 0.0 row, col ,ch= image.shape gauss = np.random.normal(mean, sigma, (row, col,ch)) gauss = gauss.reshape(row, col,ch) noisy = image + gauss return noisy.astype(np.uint8)

基于matlab数字图像处理之高通滤波器

实践二:理想高通滤波器、Butterworth高通滤波器、高斯高通滤波器 2.1.1理想高通滤波器实践代码： I=imread(''); subplot(221),imshow(I); title('原图像'); s=fftshift(fft2(I)); subplot(223), imshow(abs(s),[]); title('图像傅里叶变换所得频谱'); subplot(224), imshow(log(abs(s)),[]); title('图像傅里叶变换取对数所得频谱'); [a,b]=size(s); a0=round(a/2); b0=round(b/2); d=10; p=;q=; fori=1:a forj=1:b distance=sqrt((i-a0)^2+(j-b0)^2); ifdistance<=dh=0; elseh=1; end; s(i,j)=(p+q*h)*s(i,j); end; end; s=uint8(real(ifft2(ifftshift(s)))); subplot(222), imshow(s);title('高通滤波所得图像'); I=imread(''); [f1,f2]=freqspace(size(I),'meshgrid'); Hd=ones(size(I)); r=sqrt(f1.^2+f2.^2); Hd(r<=0; figure surf(Hd,'Facecolor','interp','Edgecolor','none','Facelighting','phong');%画三维曲面（色）图 2.1.2理想高通滤波器实践结果截图： 2.2.1Butterworth高通滤波器实践代码： I1=imread(''); subplot(121),imshow(I1);

数字图像处理灰度变换与空间域matlab

学号： 0000000000 姓名：0000000 实验一灰度变换与空间域滤波 一．实验目的及要求 1．了解MATLAB的操作环境和图像处理工具箱Image Processing Toolbox的功能；2．加深理解图像灰度变换与空间域滤波概念和算法原理； 3．掌握MATLAB中图像灰度变换与空间域滤的实现方法。 二、实验内容 （一）研究以下程序，分析程序功能；输入执行各命令行，认真观察命令执行的结果。利用MATLAB帮助文档熟悉程序中所使用函数的调用方法，改变有关参数，观察试验结果。（可将每段程序保存为一个.m文件） 1.图像及视频文件的基本操作 （1）RGB彩色图像数据的读写操作 clear all; %清除工作空间的所有变量，函数，和MEX文件 close all; %关闭所有的Figure窗口 %查看一幅RGB彩色图像文件的信息 fileinfo = imfinfo('Fig0701_fruits.jpg') %暂停，阅读命令窗口中的结果，按空格键继续 pause; %读取该图像 I=imread('Fig0701_fruits.jpg'); %显示图像 imshow(I); title('Original RGB true color image'); %查看图像像素信息，在图像上移动鼠标，注意左下角的信息 impixelinfo; %暂停，按空格键继续 pause; % 读取图像的颜色分量，并保存到二维矩阵变量中 IR = I(:,:,1); IG = I(:,:,2); IB = I(:,:,3); %以灰度图像的方式显示各颜色分量

figure, imshow(IR); title('R分量'); figure, imshow(IG); title('G分量'); figure, imshow(IB); title('B分量'); %在图像左上角画一条5像素宽、100像素长的水平稍暗红线 I(31:35,61:160,1)=200; I(31:35,61:160,2)=0; I(31:35,61:160,3)=0;% %显示处理结果 figure, imshow(I); title('在图像背景中画红线'); %将结果保存为tif格式图像文件 imwrite(I,'fruits_bar.tif'); %-------------------------------------------------------------------------------- （2）索引图像与 RGB彩色图像之间的转换

数字图像处理高通滤波器

数字图像处理高通滤波器 姓名:*** 学号:********** 高通滤波就是常见的频域增强的方法之一。高通滤波与低通滤波相反,它就是高频分量顺利通过,使低频分量受到削弱。这里考虑三种高通滤波器:理想高通滤波器、巴特沃斯高通滤波器与高斯高通滤波器。这三种滤波器涵盖了从非常尖锐(理想)到非常平坦(高斯)范围的滤渡器函数,其转移函数分别为: 1、理想高通滤波器(IHPF) ),(),(10),(D v u D D v u D v u H >≤???= 2、巴特沃斯高通滤波器(BHPF) n v u D D v u H 20),()12(11),(?? ????-+= 3、高斯高通滤波器(GHPF) 2022/v ,u D 1),(D e v u H ）（--= 一、数字图像高通滤波器的实验过程: 1、理想高通滤波器程序 clear all ;clc; image = imread('test 、jpg'); gimage_15 = func_ihpf(image,15); gimage_30 = func_ihpf(image,30); gimage_80 = func_ihpf(image,80); figure subplot(221),imshow(image); title('Original'); subplot(222),imshow(gimage_15); title('d0=15'); subplot(223),imshow(gimage_30); title('d0=30'); subplot(224),imshow(gimage_80); title('d0=80'); %被调函数子函数G(u,v)=F(u,v)H(u,v) function gimage = func_ihpf(image,d0) image = double(image); f = fftshift(fft2(image)); [M,N]=size(f); a0 = fix(M/2); b0 = fix(N/2); for i=1:M for j=1:N

数字图像处理实验三中值滤波和均值滤波实验报告

数字图像处理实验三 均值滤波、中值滤波的计算机实现12281166 雪莹计科1202班 一、实验目的： 1）熟悉均值滤波、中值滤波处理的理论基础； 2）掌握均值滤波、中值滤波的计算机实现方法； 3）学习VC++ 6。0 的编程方法； 4）验证均值滤波、中值滤波处理理论； 5）观察均值滤波、中值滤波处理的结果。 二、实验的软、硬件平台： 硬件：微型图像处理系统，包括：主机， PC机；摄像机； 软件：操作系统：WINDOWS2000或WINDOWSXP应用软件：VC++ 6.0 三、实验容： 1）握高级语言编程技术； 2）编制均值滤波、中值滤波处理程序的方法； 3）编译并生成可执行文件； 4）考察处理结果。 四、实验要求： 1）学习VC++确6。0 编程的步骤及流程； 2）编写均值滤波、中值滤波的程序；

3）编译并改错； 4）把该程序嵌入试验二给出的界面中（作适当修改）； 5）提交程序及文档； 6）写出本次实验的体会。 五、实验结果截图 实验均值滤波采用的是3X3的方块，取周围的像素点取得其均值代替原像素点。边缘像素的处理方法是复制边缘的像素点，增加一个边框，计算里面的像素值得均值滤波。

六、实验体会 本次实验在前一次的实验基础上增加均值滤波和中值滤波，对于椒盐噪声的处理，发现中值滤波的效果更为好一点，而均值滤波是的整个图像变得模糊了一点，效果差异较大。本次实验更加增加了对数字图像处理的了解与学习。 七、实验程序代码注释及分析 // HistDemoADlg.h : 头文件 // #include "ImageWnd.h" #pragma once // CHistDemoADlg 对话框 class CHistDemoADlg : public CDialogEx { // 构造

实验三数字图像的空间域滤波讲解

实验三、四数字图像的空间域滤波和频域滤波 1．实验目的 1.掌握图像滤波的基本定义及目的。 2.理解空间域滤波的基本原理及方法。 3.掌握进行图像的空域滤波的方法。 4.掌握傅立叶变换及逆变换的基本原理方法。 5.理解频域滤波的基本原理及方法。 6.掌握进行图像的频域滤波的方法。 2．实验基本原理 1.空间域增强 空间域滤波是在图像空间中借助模板对图像进行领域操作，处理图像每一个像素的取值都是根据模板对输入像素相应领域内的像素值进行计算得到的。空域滤波基本上是让图像在频域空间内某个范围的分量受到抑制，同时保证其他分量不变，从而改变输出图像的频率分布，达到增强图像的目的。 空域滤波一般分为线性滤波和非线性滤波两类。线性滤波器的设计常基于对傅立叶变换的分析，非线性空域滤波器则一般直接对领域进行操作。各种空域滤波器根据功能主要分为平滑滤波器和锐化滤波器。平滑可用低通来实现，平滑的目的可分为两类：一类是模糊，目的是在提取较大的目标前去除太小的细节或将目标内的小肩端连接起来；另一类是消除噪声。锐化可用高通滤波来实现，锐化的目的是为了增强被模糊的细节。结合这两种分类方法，可将空间滤波增强分为四类： 线性平滑滤波器（低通） 非线性平滑滤波器（低通） 线性锐化滤波器（高通） 非线性锐化滤波器（高通） 空间滤波器都是基于模板卷积，其主要工作步骤是： 1)将模板在图中移动，并将模板中心与图中某个像素位置重合； 2)将模板上的系数与模板下对应的像素相乘； 3)将所有乘积相加； 4)将和（模板的输出响应）赋给图中对应模板中心位置的像素。 2.平滑滤波器 1)线性平滑滤波器 线性低通平滑滤波器也称为均值滤波器，这种滤波器的所有系数都是正数，对3×3 的模板来说，最简单的是取所有系数为1，为了保持输出图像任然在原来图像的灰度值范围内，模板与象素邻域的乘积都要除以9。 MATLAB 提供了fspecial 函数生成滤波时所用的模板，并提供filter2 函数用指定的滤

数字图像处理-图像去噪方法

图像去噪方法 一、引言 图像信号在产生、传输和记录的过程中，经常会受到各种噪声的干扰，噪声可以理解为妨碍人的视觉器官或系统传感器对所接收图像源信 息进行理解或分析的各种元素。噪声对图像的输入、采集、处理的各个环节以及最终输出结果都会产生一定影响。图像去噪是数字图像处理中的重要环节和步骤。去噪效果的好坏直接影响到后续的图像处理工作如图像分割、边缘检测等。一般数字图像系统中的常见噪声主要有：高斯噪声（主要由阻性元器件内部产生）、椒盐噪声（主要是图像切割引起的黑图像上的白点噪声或光电转换过程中产生的泊松噪声）等。我们平常使用的滤波方法一般有均值滤波、中值滤波和小波滤波，他们分别对某种噪声的滤除有较好的效果。对图像进行去噪已成为图像处理中极其重要的内容。 二、常见的噪声 1、高斯噪声：主要有阻性元器件内部产生。 2、椒盐噪声：主要是图像切割引起的黑图像上的白点噪声或光电转换过程中产生泊松噪声。 3、量化噪声：此类噪声与输入图像信号无关,是量化过程存在量化误差，再反映到接收端而产生，其大小显示出数字图像和原始图像差异。 一般数字图像系统中的常见噪声主要有高斯噪声和椒盐噪声等，减少噪声的方法可以在图像空间域或在图像频率域完成。在空间域对图像处理主要有均值滤波算法和中值滤波算法．图像频率域去噪方法

是对图像进行某种变换，将图像从空间域转换到频率域，对频率域中的变换系数进行处理，再进行反变换将图像从频率域转换到空间域来达到去除图像噪声的目的。将图像从空间转换到变换域的变换方法很多，常用的有傅立叶变换、小波变换等。 三、去噪常用的方法 1、均值滤波 均值滤波也称为线性滤波,其采用的主要方法为邻域平均法。其基本原理是用均值替代原图像中的各个像素值,即对待处理的当前像素点（x,y）,选择一个模板,该模板由其近邻的若干像素组成,求模板中所有像素的均值,再把该均值赋予当前像素点(x,y),作为处理后图像在 f?sf(x,y),其中,s为模板,M为该点上的灰度g(x,y),即g x,y=1 M 该模板中包含当前像素在内的像素总个数。这种算法简单，处理速度快，但它的主要缺点是在降低噪声的同时使图像产生模糊，特别是在边缘和细节处。而且邻域越大，在去噪能力增强的同时模糊程度越严重。

傅立叶变换与频率域滤波

实验四傅立叶变换与频率域滤波 实验目的 通过本次实验，实现以下几个目标： 1.理解傅立叶变换； 2.熟悉MATLAB中各种傅立叶变换相关的函数； 3.掌握频域滤波的步骤以及MATLAB的实现方法； 4.理解频域滤波器与空域滤波器的关系。 实验内容 一、傅立叶变换及傅立叶反变换 1.傅立叶变换相关函数 MATLAB提供了几个和傅里叶变换相关的函数。其说明如下： F=fft2(f); 二维傅立叶变换 abs(F); 获得傅立叶频谱 fftshift(F); 将变换的原点移至频率矩形的中心 ifft2(F); 二维傅立叶反变换 real(ifft2(F)); 提取变换后的实部 imag(ifft2(F)); 提取变换后的虚部 2.傅里叶频谱 傅里叶频谱反映了图像的频率成分。下面的例子对课本中123页和 125页的图Fig4.03(a) 和图Fig4.04(a)进行傅立叶变换，得到傅立叶 频谱。显示傅立叶频谱时，使用了对数变换以获得更好效果。 f=imread('Fig4.03(a).jpg'); F=fft2(double(f)); F=fftshift(F); figure(1), imshow(f); figure(2), imshow(log(abs(F)+1),[ ]); f=imread('Fig4.04(a).jpg'); F=fft2(double(f)); F=fftshift(F); figure(1), imshow(f); figure(2), imshow(log(abs(F)+1),[ ]); 为了更好地理解频谱，显示下面三个图像（x6.jpg，x60.jpg，y6.jpg）的傅里叶频谱，观察并比较、分析结果。 显示频谱时使用下面的语句来做灰度变换可找出其主要的频率成分。 figure(2), imshow(log(abs(F)+1).^4,[ ]); %先对数、再幂次变换

数字图像处理 中值滤波

通信与信息工程学院数字图像处理课程设计 班级：电信科11级 1 班姓名： 学号： 指导教师： 设计时间：2014.6.30 —2014.7.4 成绩： 评 通信与信息工程学院 二〇一四年

中值滤波 一、实验目的 通过研究图像中值滤波运算的算法,编程实现对图像增强处理的基本方法，分析运行结果与理论进行对比加深对中值滤波算法的理解并独立思考算法的改进方法和如何消除各参量的矛盾性，关注当前图像处理先进的技术与未来发展的方向。 二、实验任务 用中值滤波对图像进行处理并分析结果。 三、实验内容 中值滤波：运用中值滤波完成对图片的平滑处理,要求图片所加噪声为椒盐噪声和高斯噪声。要求程序中用户可以根据需要选择窗口形状和窗口大小，根据运行结果分析窗口形状和大小对滤除效果的影响，并且比较中值滤波对于椒盐噪声和高斯噪声图片的平滑效果区别。了解当前滤波技术的发展方向，了解更有效地滤波算法。 中值滤波原因：数字图像在获取、传输、接收和处理过程中，因受到一定的外部及内部干扰，从而被噪声影响。但对图像进行边缘检测、图像分割、特征识别等许多处理工作时，都要求图像有较高的质量，因此需要先将图像中的噪声很好的进行滤除以提高图像质量。而在图像的编码及传输中，经常经过含有噪声的线路或被电子感应噪声污染时，会使图像染上一定程度的椒盐噪声(即脉冲噪声)。因此图片处理首先要进行平滑去噪。中值滤波因其特殊的对输入信号序列的映射关系，在去除脉冲噪声上有着比较好的效果，但中值滤波也会有一定程度的图像模糊。期望可以得到更好的滤波技术，更好的解决去噪和保护图像细节这一矛盾。 中值滤波思想： 中值滤波就是选择一定形式的窗口，使其在图像的各点上移动，用窗内像素灰度值的中值代替窗中心点处的像素灰度值。它对于消除孤立点和线段的干扰十分有用，能减弱或消除傅里叶空间的高频分量，但也影响低频分量。高频分量往往是图像中区域边缘灰度值急剧变化的部分，该滤波可将这些分量消除，从而使

数字图像处理-------滤波器

数字图像处理-------滤波器 1 滤波器的概念 滤波器是一种对信号有处理作用的器件或电路。主要作用是：让有用信号尽可能无衰减的通过，对无用信号尽可能大的衰减。 滤波器，顾名思义，是对波进行过滤的器件。“波”是一个非常广泛的物理概念，在电子技术领域，“波”被狭义地局限于特指描述各种物理量的取值随时间起伏变化的过程。该过程通过各类传感器的作用，被转换为电压或电流的时间函数，称之为各种物理量的时间波形，或者称之为信号。因为自变量时间是连续取值的，所以称之为连续时间信号，又习惯地称之为模拟信号(Analog Signal)。随着数字式电子计算机技术的产生和飞速发展，为了便于计算机对信号进行处理，产生了在抽样定理指导下将连续时间信号变换成离散时间信号的完整的理论和方法。也就是说可以只用原模拟信号在一系列离散时间坐标点上的样本值表达原始信号而不丢失任何信息，波、波形、信号这些概念既然表达的是客观世界中各种物理量的变化，自然就是现代社会赖以生存的各种信息的载体。信息需要传播，靠的就是波形信号的传递。信号在它的产生、转换、传输的每一个环节都可能由于环境和干扰的存在而畸变，有时，甚至是在相当多的情况下，这种畸变还很严重，以致于信号及其所携带的信息被深深地埋在噪声当中了。 滤波，本质上是从被噪声畸变和污染了的信号中提取原始信号所携带的信息的过程。 2 滤波器分类 1 按所采用的的元器件分类，滤波器可分为：有源滤波器、无源滤波器两类. 无源滤波器：仅由无源元件组成的滤波器，它是利用电容和电感元件的电抗随频率的变化而变化的原理构成的。这类滤波器的优点是：电路比较简单，不需要直流电源供电，可靠性高；缺点是：通带内的信号有能量损耗，负载效应比较明显，使用电感元件时容易引起电磁感应，当电感L较大时滤波器的体积和重量都比较大，在低频域不适用。 有源滤波器：由无源元件和有源器件组成。这类滤波器的优点是：通带内的信号不仅没有能量损耗，而且还可以放大，负载效应不明显，多级相联时相互影响很小，利用级联的简单方法很容易构成高阶滤波器，并且滤波器的体积小、重

图像频率域低通滤波处理程序设计

专业综合课程设计任务书 学生姓名：陈德松专业班级：电信 0901班指导教师：黄朝兵工作单位：信息工程学院 题目：图像频率域低通滤波处理程序设计 初始条件： （1）提供实验机房及其matlab软件； （2）数字图像处理的基本理论学习。 要求完成的主要任务：（包括课程设计工作量及其技术要求，以及说明书撰写等具体要求） （1）掌握频率域处理的基本原理，利用matlab设计程序完成以下功能； （2）选择一幅256级的灰度图像； （3）对该图像作Fourier变换，得到其频谱图像； （4）按照二阶Butterworth低通滤波器的表达式设计传递函数，对该频谱图像进行低通滤波，对滤波后的频谱图像作逆Fourier变换得到滤波结果，显示结果图；（5）按照高斯低通滤波器的表达式设计传递函数，对该频谱图像进行低通滤波，对滤波后的频谱图像作逆Fourier变换得到滤波结果，显示结果图； （6）对二种滤波器的滤波结果进行分析比较； （7）要求阅读相关参考文献不少于5篇； （8）根据课程设计有关规范，按时、独立完成课程设计说明书。 时间安排： (1) 布置课程设计任务,查阅资料,确定方案四天； (2) 进行编程设计一周； (3) 完成课程设计报告书三天； 指导教师签名：年月日系主任（或责任教师）签名：年月日

目录 摘要 ............................................................................................................................................... I 1 MATLAB的简介 (1) 2 原理与实现 (2) 2.1频率域增强基本理论 (2) 2.2 傅立叶变换 (3) 2.3频率域巴特沃兹(Butterworth)低通滤波器 (4) 2.4频率域高斯(Gaussian)低通滤波器 (6) 3 程序设计 (7) 3.1算法设计(程序设计流程图) (7) 3.2 对灰度图像进行Fourier变换的程序 (7) 3.3 二阶巴特沃斯(Butterworth)低通滤波程序 (8) 3.4 高斯(Gaussian)低通滤波程序 (9) 4结果与分析 (11) 4.1选择一幅256级的灰度图像 (11) 4.2 对灰度图像进行Fourier变换后的频谱图 (13) 4.3 二阶巴特沃斯（Butterworth）低通滤波结果与分析 (14) 4.4 高斯(Gaussian)低通滤波结果与分析 (17) 4.5两种滤波器的滤波结果的比较 (20) 5 心得体会 (21) 参考文献 (22)

实验三 数字图像的空间域滤波

实验三、四数字图像得空间域滤波与频域滤波 1.实验目得 1.掌握图像滤波得基本定义及目得。 2.理解空间域滤波得基本原理及方法。 3.掌握进行图像得空域滤波得方法。 4.掌握傅立叶变换及逆变换得基本原理方法。 5.理解频域滤波得基本原理及方法。 6.掌握进行图像得频域滤波得方法。 2.实验基本原理 1.空间域增强 空间域滤波就是在图像空间中借助模板对图像进行领域操作,处理图像每一个像素得取值都就是根据模板对输入像素相应领域内得像素值进行计算得到得。空域滤波基本上就是让图像在频域空间内某个范围得分量受到抑制,同时保证其她分量不变,从而改变输出图像得频率分布,达到增强图像得目得。 空域滤波一般分为线性滤波与非线性滤波两类。线性滤波器得设计常基于对傅立叶变换得分析,非线性空域滤波器则一般直接对领域进行操作。各种空域滤波器根据功能主要分为平滑滤波器与锐化滤波器。平滑可用低通来实现,平滑得目得可分为两类:一类就是模糊,目得就是在提取较大得目标前去除太小得细节或将目标内得小肩端连接起来;另一类就是消除噪 声。锐化可用高通滤波来实现,锐化得目得就是为了增强被模糊得细节。结合这两种分类方法, 可将空间滤波增强分为四类: 线性平滑滤波器(低通) 非线性平滑滤波器(低通) 线性锐化滤波器(高通) 非线性锐化滤波器(高通) 空间滤波器都就是基于模板卷积,其主要工作步骤就是: 1)将模板在图中移动,并将模板中心与图中某个像素位置重合; 2)将模板上得系数与模板下对应得像素相乘; 3)将所有乘积相加; 4)将与(模板得输出响应)赋给图中对应模板中心位置得像素。 2.平滑滤波器 1)线性平滑滤波器 线性低通平滑滤波器也称为均值滤波器,这种滤波器得所有系数都就是正数,对3×3 得模板来说,最简单得就是取所有系数为1,为了保持输出图像任然在原来图像得灰度值范围内,模板与象素邻域得乘积都要除以9。 MATLAB 提供了fspecial 函数生成滤波时所用得模板,并提供filter2 函数用指定得滤 波器模板对图像进行运算。函数fspecial 得语法格式为: h=fspecial(type);