实验六---图像陷波处理

合集下载

数字图像处理实验指导书

数字图像处理实验指导书

《数字图像处理》实验指导书数字图象处理实验的目的不仅是让学生通过用MATLAB等高级语言编写数字图像处理的一些基本算法程序,巩固和掌握图像处理技术的理论、方法和基本技能,提高实际动手能力,而且通过综合实习,让学生能探讨和应用数字图像处理技术去解决一些实际问题。

为学生进一步学习和应用数字图像技术解决实际问题奠定基础。

实验一、数字图像获取 (2)实验二、图像的傅立叶变换 (5)实验三、图像直方图增强 (7)实验四数字图像空间域平滑 (11)实验五数字图像锐化 (14)实验六、图像压缩 (17)实验七图像融合 (21)实验八图像分割 (23)实验一、数字图像获取一、实验目的1掌握使用扫描仪等数字化设备以及计算机获取数字图像的方法;2修改图像的存储格式。

二、实验原理用扫描仪获取图像也是图像的数字化过程的方法之一。

扫描仪按种类可以分为手持扫描仪,台式扫描仪和滚筒式扫描仪(鼓形扫描仪)。

扫描仪的主要性能指标有x、y方向的分辨率、色彩分辨率(色彩位数)、扫描幅面和接口方式等。

各类扫描仪都标明了它的光学分辨率和最大分辨率。

分辨率的单位是dpi,dpi 是英文Dot Per Inch的缩写,意思是每英寸的像素点数。

扫描仪工作时,首先由光源将光线照在欲输入的图稿上,产生表示图像特征的反射光(反射稿)或透射光(透射稿)。

光学系统采集这些光线,将其聚焦在CCD上,由CCD将光信号转换为电信号,然后由电路部分对这些信号进行A/D转换及处理,产生对应的数字信号输送给计算机。

当机械传动机构在控制电路的控制下,带动装有光学系统和CCD的扫描头与图稿进行相对运动,将图稿全部扫描一遍,一幅完整的图像就输入到计算机中去了。

图1.1扫描仪的工作原理扫描仪扫描图像的步骤是:首先将欲扫描的原稿正面朝下铺在扫描仪的玻璃板上,原稿可以是文字稿件或者图纸照片;然后启动扫描仪驱动程序后,安装在扫描仪内部的可移动光源开始扫描原稿。

为了均匀照亮稿件,扫描仪光源为长条形,并沿y方向扫过整个原稿;照射到原稿上的光线经反射后穿过一个很窄的缝隙,形成沿x方向的光带,又经过一组反光镜,由光学透镜聚焦并进入分光镜,经过棱镜和红绿蓝三色滤色镜得到的RGB三条彩色光带分别照到各自的CCD上,CCD将RGB光带转变为模拟电子信号,此信号又被A/D变换器转变为数字电子信号。

dsp原理与应用实验报告总结

dsp原理与应用实验报告总结

dsp原理与应用实验报告总结DSP(Digital Signal Processing)数字信号处理是利用数字技术对信号进行处理和分析的一种方法。

在本次实验中,我们探索了DSP的原理和应用,并进行了一系列实验以验证其在实际应用中的效果。

以下是对实验结果的总结与分析。

实验一:数字滤波器设计与性能测试在本实验中,我们设计了数字滤波器,并通过性能测试来评估其滤波效果。

通过对不同类型的滤波器进行设计和实现,我们了解到数字滤波器在信号处理中的重要性和应用。

实验二:数字信号调制与解调本实验旨在通过数字信号调制与解调的过程,了解数字信号的传输原理与方法。

通过模拟调制与解调过程,我们成功实现了数字信号的传输与还原,验证了调制与解调的可行性。

实验三:数字信号的傅里叶变换与频谱分析傅里叶变换是一种重要的信号分析方法,可以将信号从时域转换到频域,揭示信号的频谱特性。

本实验中,我们学习了傅里叶变换的原理,并通过实验掌握了频谱分析的方法与技巧。

实验四:数字信号的陷波滤波与去噪处理陷波滤波是一种常用的去除特定频率噪声的方法,本实验中我们学习了数字信号的陷波滤波原理,并通过实验验证了其在去噪处理中的有效性。

实验五:DSP在音频处理中的应用音频处理是DSP的一个重要应用领域,本实验中我们探索了DSP在音频处理中的应用。

通过实验,我们成功实现了音频信号的降噪、均衡和混响处理,并对其效果进行了评估。

实验六:DSP在图像处理中的应用图像处理是另一个重要的DSP应用领域,本实验中我们了解了DSP在图像处理中的一些基本原理和方法。

通过实验,我们实现了图像的滤波、边缘检测和图像增强等处理,并观察到了不同算法对图像质量的影响。

通过以上一系列实验,我们深入了解了DSP的原理与应用,并对不同领域下的信号处理方法有了更深刻的认识。

本次实验不仅加深了我们对数字信号处理的理解,也为日后在相关领域的研究与实践提供了基础。

通过实验的结果和总结,我们可以得出结论:DSP作为一种数字信号处理的方法,具有广泛的应用前景和重要的实际意义。

陷波器

陷波器

四、实验步骤
(二)硬件电路实践 1. 首先将直流稳压电源接成正负电源形式,并调整电压旋钮 将输出电压调至±12v,关闭电源; 2. 实验板如图:将电源插在J9电源插座上,注意实验板上的 正负电源线的颜色,把对应的电源插头插到直流稳压电源 上,检查无误后,打开电源,实验板上两个指示灯亮,说 明连接正确,否则连接有误,请检查电源连接; 3. 调零:用示波器检查J6(Vout)电位,并调整RV1,使J6电 位为0V;
A U1_V+ B C D
R3
10k
R7
660
RV1 U1:A
4 4 3 1k 2 6 11 11 1 5 7 9 13 11 11
C2 U1:B
1uf
C3
4 1uf 10
Vout
U1:C
8 12 4
U1:D
14
R4
10k
LM324
R5
LM324 7k7
R6
7k7
LM324
R8
10k
LM324
R1
根据所的数据画出电路的幅频曲线(可以采用Matlab画 出); 6.分析指标,判断是否符合设计要求。
五.注意事项
1.在动手实验前,每位同学必须仔细阅读仪器使用说 明书,熟悉仪器操作规范; 2.在电路连接过程中,必须注意电源正负极的连接是 否有错误,检查无误后方可通电调试。 3.在电路调试过程中,需要拆卸元器件或连线时,必 须关闭电源后进行,防止损坏电路器件。 4.听从指导老师的指导,出现异常情况时,首先关闭 电源,并立即报告指导老师处理。
ωn
)2

A( jω ) = Avf [1 + ( jω ) ] ωn = jω jω 1 jω jω 1 + 2(− Avf ) + ( )2 1 + ⋅ + ( )2 ωn + (

物理实验技术中图像处理的技巧与注意事项

物理实验技术中图像处理的技巧与注意事项

物理实验技术中图像处理的技巧与注意事项在物理实验中,图像处理技术被广泛应用于数据采集、分析以及实验结果的展示中。

良好的图像处理能够提高实验数据的准确性和可靠性,并给实验结果的呈现带来更多的信息和视觉效果。

本文将介绍一些物理实验中图像处理的技巧与注意事项。

一、图像采集与处理的准备工作在进行物理实验之前,需要进行图像采集与处理的准备工作。

首先,选择合适的图像采集设备,如数码相机或高速相机等。

其次,要设置合适的摄像参数,包括曝光时间、白平衡、对焦等。

在进行图像处理时,还需要选择合适的图像处理软件,如Photoshop、ImageJ等。

二、图像采集与处理的技巧1. 标定图像尺度:在使用图像进行测量时,需要确定图像中的物理尺度。

一种简单的方法是在实验中放置一个已知尺寸的标尺或物体,通过测量标尺或物体在图像中的像素尺寸,可以得到像素与物理尺寸的转换关系。

2. 图像去噪:在一些实验条件不理想的情况下,图像中可能会存在噪声。

为了减少噪声的影响,可以使用图像处理软件中的降噪滤波算法,如中值滤波、均值滤波等。

对于一些特定类型的噪声,还可以采用适应性滤波算法进行去噪处理。

3. 图像增强:为了提高图像的清晰度和对比度,可以使用图像处理软件中的增强功能。

例如,可以调整图像的亮度、对比度、色彩等参数,以达到更好的视觉效果。

4. 图像分割:在一些实验中,需要对图像进行分割,提取感兴趣的目标物体。

常见的分割方法包括阈值分割、边缘检测、区域生长等。

通过图像分割,可以对实验结果进行精确的量化分析。

5. 图像配准:在一些需要比较差异图像的实验中,需要对图像进行配准,使得它们具有相同的尺度和方向。

常见的图像配准方法包括基于特征点匹配的配准和基于图像变换的配准。

三、图像采集与处理的注意事项1. 光照条件的控制:光照条件对图像采集有很大的影响,因此需要对实验环境的光照进行控制。

避免强烈的直射光以及背光情况,尽量保持均匀的光照条件。

2. 采样率与分辨率的选择:在进行图像采集时,需要选择适当的采样率和分辨率。

数字图像处理实验二报告(图像滤波器)

数字图像处理实验二报告(图像滤波器)

实验报告课程名称数字图像处理实验名称图像滤波器姓名学号 20120712 专业班级数媒1202 实验日期 2014 年 10 月 16日成绩指导教师一、实验目的1.继续熟悉仿真工具MATLAB2.巩固图像读取与显示的方法3.掌握给图像添加噪声的方法4.掌握图像空间域的滤波方法5.掌握图像频率域的滤波方法二、实验原理图像的平滑有模糊图像和消除噪声的功能。

图像锐化则是使模糊的图像变清晰,增强图像的边缘细节。

对图的处理像既可以在频率域内进行,又可在空间域进行(一般为模版卷积方式)。

从信号频谱角度来讲,信号缓慢变化的部分(大面积背景区和灰度变化缓慢的区域)在频域表现为低频,迅速变化的部分(图像边缘、跳跃以及噪声等灰度变化剧烈的区域)则表现为高频。

因此,通过低通滤波来实现图像的平滑,而高通滤波可以实现图像的锐化。

三、实验环境Windows XP/ Windows 7Matlab 7.0.1/ Matlab R2008四、实验内容与步骤1.空间平滑域操作读取并显示一幅灰度图像,对原图像分别添加高斯噪声和椒盐噪声,并显示添加噪声之后的图像:调整高斯噪声和椒盐噪声的参数,比较不同参数之间噪声的区别;进行平滑操作,观察、记录并比较实验结果;针对两幅含有噪声的图像,采用中值滤波方法进行平滑处理,观察并记录实验结果,并将之与上一步实验结果相比较,得出结论。

2.空间锐化操作读取并显示一幅灰度图像,分别采用Prewitt水平/垂直边缘检测算子,Sobel水平/垂直边缘检测算子对原图像进行锐化操作,比较实验结果;采用拉普拉斯模板进行锐化处理,与上一步骤实验结果相比较。

3.图形的频域处理1)利用循环语句,自己构建理想低通滤波器;对一幅弧度图像进行傅里叶变换,显示其频谱图;对一幅灰度图像作频率域理想低通滤波,调整滤波器半径,观察并记录不同结果,分析原因;2)利用循环语句,自己构建理想高通滤波器;对同一幅灰度图像作频率域理想高通滤波,调整滤波器半径,观察并记录不同结果,分析原因;五、实验结果与分析(可提供屏幕抓图)1.添加高斯噪声与椒盐噪声:结论:高斯噪声的参数越大,图像变得越模糊,亮度也越亮。

超声图像的重建实验

超声图像的重建实验

接收器
接收器用于接收从目标物体反射 回来的声波信号,并将其转换为
电信号。
接收器的性能参数包括灵敏度、 带宽、动态范围等,这些参数影 响接收到的信号质量和信噪比。
在实验中,需要根据目标物体的 特性和实验要求选择性能优良的
接收器。
信号处理系统
信号处理系统用于对接收到的电信号 进行处理和分析,以提取有用的信息 并生成超声图像。
重建图像分辨率
在保证图像质量的前提下,尽可能提高重建图像的分辨率, 以便更好地观察和分析目标物体的细节和纹理信息。
结果分析
重建精度评估
通过对比原始超声图像和重建图像,对重建结果的精度进行了评估。结果表明,重建图 像在形状、大小和位置等方面均与原始超声图像较为一致,误差较小。
重建速度分析
在保证重建图像质量的前提下,对重建速度进行了分析。结果表明,该超声图像重建算 法具有较高的重建速度,能够满足实时处理的需求。
05
结论与展望
实验结论
超声图像重建算法的有效性
实验结果表明,所采用的超声图像重建算法能够有效地还原出清晰、 准确的超声图像,提高了图像的分辨率和对比度。
算法优化空间
尽管当前算法在某些方面已经取得了一定的效果,但仍有进一步优 化的空间,如减少重建时间、提高重建图像的质量等。
适用范围限制
实验结果仅适用于特定的超声设备和特定的重建算法,对于其他设 备和算法的适用性需要进一步验证。
未来研究方向
算法改进
针对现有算法的不足,进一步优化算法性能,提高重建图像的质 量和效率。
多模态成像融合
将超声图像重建与其他医学成像技术(如MRI、CT等)进行融 合,实现多模态成像的互补和协同。
智能化应用
结合人工智能和机器学习技术,实现超声图像的自动分析和诊断, 提高医学诊断的智能化水平。

遥感图像处理实验

遥感图像处理实验

遥感图像处理实验目录实验二影像的地理坐标定位和校正实验三使用ENVI进行正射校正实验四图像镶嵌实验五图像融合实验六波段组合计算及图像增强实验七图像分类实验八使用ENVI进行三维曲面浏览与飞行实验九地图制图09级林学四班汤瑞芳20090143 注:本实验报告共分为两部分,其一为实验的详细过程,其二为实验结果的整理及实验心得实验二影像的地理坐标定位和校正实验目的:1)掌握如何在ENVI中对影像进行地理校正2)添加地理坐标3)如何使用ENVI进行影像到影像的几何校正实验内容:1图像文件头文件的修改步骤:1)打开并显示SPOT数据ENVI主菜单中file →open image file,从envidata目录bldr_reg文件夹下的bldr_sp.img文件,从可用波段列表对话框中点击Grey scale,点击Load Band按钮加载这幅影像到一个新的显示窗口中。

2)修改ENVI头文件中的地图信息右击bldr_sp.img—》Map inf,快捷菜单Edit Map Information。

点击Projection/Datum文本旁边的箭头切换按钮,DMS或者DDEG,分别在度分秒和十进制的度之间进行切换。

点击Cancel,推出Edit Map Information对话框。

修改图像的pixel size信息,添加公里网格和地图标注。

保存图像。

file →save image as →image file。

输出路径和输出文件名称2 影像对影像的几何配准利用SPOT图像校正Landsat TM步骤:1)打开TM图像从ENVI主菜单中,选择file →open image file,从envidata目录下的bldr_reg子目录选择bldr_tm.img文件。

在列表中选择band3,点击display#1按钮,并从下拉式菜单中选择new display。

点击Load Band 按钮,把TM的band3波段的影像加载到新显示窗口中。

实验图像的滤波增强处理

实验图像的滤波增强处理

实验图像的滤波增强处理一、简介图像滤波是图像处理的基础操作,它可以在频域或空域中对图像进行处理,例如去噪、平滑、增强等。

常见的滤波算法包括均值滤波、中值滤波、高斯滤波等。

在实验图像处理中,我们需要通过滤波算法对图像进行增强处理,使得目标区域更加清晰、明显。

本文将介绍三种常见的滤波算法,并使用python代码实现对实验图像的增强处理。

二、滤波算法介绍1. 均值滤波均值滤波是一种线性平滑滤波算法,它将目标像素的邻域像素的值取平均作为目标像素的值,可以有效地去除图像中的噪声。

均值滤波的卷积核大小可以自定义,一般情况下,卷积核大小越大,去噪效果越好,但是图像的细节也会随之模糊。

2. 中值滤波中值滤波是一种非线性平滑滤波算法,它将目标像素的邻域像素的值进行排序,将中间值作为目标像素的值。

中值滤波的优点是能够保留图像的边缘和细节信息,但是对于非常密集的噪声,中值滤波效果不如均值滤波。

3. 高斯滤波高斯滤波是一种近似线性的平滑滤波算法,它将目标像素的邻域像素的加权平均值作为目标像素的值。

高斯滤波的权重系数是由高斯函数计算而来,所以它能够更好地保留图像的边缘和细节信息。

相对于均值滤波和中值滤波,高斯滤波处理较为耗时,但是滤波效果更加自然、柔和。

三、实验代码下面是在python中实现三种滤波算法的代码:1. 均值滤波import cv2def mean_filter(image, kernel_size):h, w = image.shapekernel = np.ones((kernel_size, kernel_size), np.float32) / (kernel_ size * kernel_size)image_filtered = cv2.filter2D(image, -1, kernel)return image_filtered2. 中值滤波import cv2def median_filter(image, kernel_size):image_filtered = cv2.medianBlur(image, kernel_size)return image_filtered3. 高斯滤波import cv2def gaussian_filter(image, kernel_size, sigma):h, w = image.shapekernel = cv2.getGaussianKernel(kernel_size, sigma)image_filtered = cv2.filter2D(image, -1, kernel * kernel.T) return image_filtered四、实验结果分析分别对实验图像进行均值滤波、中值滤波和高斯滤波处理,并将处理后的图像与原图像进行对比,得到如下结果:1. 均值滤波处理结果mean_filter.pngmean_filter.png2. 中值滤波处理结果median_filter.pngmedian_filter.png3. 高斯滤波处理结果gaussian_filter.pnggaussian_filter.png从实验结果来看,三种滤波算法都能够对实验图像进行增强处理,而且处理后的图像均比原图像清晰明显。

北航_仪器光电综合实验报告_基于CVIPTOOLS的图像处理系列实验

北航_仪器光电综合实验报告_基于CVIPTOOLS的图像处理系列实验

仪器科学与光电工程学院仪器光电综合实验实验报告基于CVIPTOOLS的图像处理系列实验2012/5/21实验一熟悉CVIPtools 一、处理结果及问题回答:(1)将原图进行裁减旋转放大处理:Figure 1裁减旋转放大(2)将图像进行相加处理:左图为中间图像取反。

Figure 2图像相加(3)将图像进行相与处理:左图为中间图像取反。

Figure 3图像相与(4)低通滤波/histogram equalization进行增强,直方图均衡化。

左图为原图,中图为低通滤波后图形,右图为histogram equalization后图形。

有图像对比可以看出,低通滤波可以滤除图像中频率较大部分,滤除结果由滤波其参数决定,在世界结果是使图像变模糊,即细节部分被减少。

二、练习:Figure 4原图及处理后图像实验二边缘/线探测一、处理结果及问题回答:(1)边缘探测利用kirsch算法进行边缘提取Figure 5边缘提取效果较好,边缘得到很明显的提取。

(2)改变Post-threshold parameter值Post-threshold值为64:Figure 6改变Post-threshold parameter值相比于不改变改变Post-threshold parameter值,效果大大降低。

(3)加入噪声并处理,利用边缘提取算法利用gaussian1获得噪声提取效果如下:Figure 7噪声提取效果通过多次尝试,利用kirsch边缘算子进行提取时,采用gaussian1预滤波效果相对较好。

主要问题回答:(1)噪声在边缘提取算法中会产生什么效果?从结果能够看出“虚假”边缘?根据边缘提取原理,解释为什么含有噪声的图像会出现“虚假”边缘?答:从边缘提取实际结果可以看出,salt and pepper噪声会在边缘提取会产生“虚假”的边缘,即由于噪声改变了边缘附近的阈值,使边缘模糊,从而在提取的过程中就出现了“虚假”的边缘,并对最终提取效果带来较大影响。

物理实验技术中常见的图像采集与分析疑难问题解答

物理实验技术中常见的图像采集与分析疑难问题解答

物理实验技术中常见的图像采集与分析疑难问题解答在物理实验中,图像采集与分析是非常重要的一环。

通过图像采集,可以获取实验数据并进行进一步的分析,以便得出准确的结论。

然而,由于实验条件复杂、仪器设备的特殊性,常常会遇到一些疑难问题。

本文将围绕物理实验技术中常见的图像采集与分析疑难问题进行解答,帮助读者更好地应对实验中的挑战。

一、图像采集问题解答1. 图像模糊:在进行图像采集时,有时会出现图像模糊的情况,这可能是由于焦距不准确、物体运动等原因导致的。

解决方法是调整焦距或使用快门速度较快的相机,以减少图像模糊的可能性。

2. 图像曝光过度或不足:曝光过度或不足都会导致图像的细节无法清晰地显示出来。

对于曝光不足的情况,可以适当增加光照强度或延长曝光时间;对于曝光过度的情况,可以减少光照强度或缩短曝光时间。

3. 图像噪声:图像采集过程中,可能会受到环境光干扰或仪器自身的噪声影响,导致图像出现噪点。

解决方法是采用降噪算法或增加图像曝光时间,以提高图像质量。

4. 图像失真:在长距离传输图像或高速采集图像时,可能会出现图像失真的情况。

解决方法包括增加传输带宽、使用高质量的传输线材,以及优化图像传输算法等。

二、图像分析问题解答1. 特征提取:对于复杂的图像,特征提取是图像分析的重要步骤。

常用的特征提取方法包括灰度共生矩阵、图像边缘检测、纹理分析等。

选择适当的特征提取方法,可以更好地描述和区分图像中的目标物体。

2. 目标识别:在图像中识别目标物体,如颗粒、细胞等,是图像分析的主要任务之一。

常用的目标识别方法包括阈值分割、形态学处理、机器学习等。

选择合适的目标识别方法,可以有效地提高识别准确率。

3. 图像配准:当需要对不同角度或不同时间拍摄得到的图像进行比较时,需要进行图像配准。

图像配准可以通过特征点匹配、投影变换等方法实现。

正确的图像配准方法可以将不同图像的坐标系对齐,使得比较更加准确。

4. 图像处理与分析软件选择:在进行图像分析时,选择合适的图像处理与分析软件对结果的准确性和效率有很大影响。

遥感图象处理Ⅰ(图像预处理)

遥感图象处理Ⅰ(图像预处理)

实验二遥感图象处理Ⅰ(图像预处理)1.1 概述图像预处理包括图像几何校正,图像裁剪处理和图像镶嵌处理三个部分。

由于遥感系统空间、波谱、时间以及辐射分辨率的限制,很难精确地记录复杂地表的信息,因而误差不可避免地存在于数据获取过程中。

这些误差降低了遥感数据的质量,从而影响了图像分析的精度。

因此在实际的图像分析和处理之前,有必要对遥感原始图像进行预处理。

经过预处理工作,针对遥感图像的变换、增强、分类等工作将会变得更加得心应手。

1.2 实验目的1通过本次上机实验,掌握遥感图像几何校正、裁剪与镶嵌处理的基本方法和步骤。

2深刻理解遥感图像预处理的意义。

3熟悉ERDAS数据预处理模块。

1.3 实验原理几何校正是利用地面控制点进行,用一种数学模型来近似描述遥感图像的几何畸变过程,并利用标准图像与畸变的遥感图像之间的一些对应点(地面控制点数据对)求得这个几何畸变模型,然后利用此模型进行几何畸变的校正,这种校正不考虑畸变的具体形成原因,而只考虑如何利用畸变模型来校正遥感图像。

步骤大致包括GCP(地面控制点)的选取、多项式纠正模型的选择、重采样,内插方法的选择三个环节。

如果工作区域较小,只要一景遥感图像中的局部就可以覆盖的话,就需要进行遥感图像裁剪处理。

同时,如果用户只关心工作区域之内的数据,而不需要工作区域之外的图像,同样需要按照工作区域边界进行图像裁剪。

于是就出现规则裁剪与任意多边形裁剪等类型。

如果工作区域较大,需要用两景或者多景遥感图像才能覆盖的话,就需要进行遥感图像镶嵌处理。

遥感图像镶嵌处理即将经过几何校正的若干相邻图像拼接成一副图像或一组图像。

注意:需要拼接的输入图像必须含有地图投影信息,且必须具有相同的波段数,但是可以具有不同的投影类型,像元大小也可以不同。

在进行图像镶嵌时,需要确定一副参考图像,参考图像将作为输出镶嵌图像的基准,决定镶嵌图像的对比度匹配,以及输出图像的地图投影,像元大小和数据类型。

1.4 实验过程1.4.1 遥感图像几何校正第1步:显示图像文件首先,在ERDAS图标面板中单击Viewer图标两次,打开两个视窗(Viewer#1/Viewer#2)。

学位论文-—设计一个简单的陷波器

学位论文-—设计一个简单的陷波器

本科生毕业论文(设计)题目:设计一个简单的陷波器前言.....................................................1.滤波器基本内容介绍......................................1.1滤波器的概念...........................................1.2滤波器的分类...........................................1.3陷波器与滤波器的关系...................................2.陷波器的设计............................................2.1陷波器的特性...........................................2.2陷波器设计原理.........................................2.3陷波器设计的实例......................................2.5陷波器设计程序........................................3.陷波器的仿真及性能分析................................. 结束语参考文献致谢本文介绍了滤波器的基本概念,滤波器的种类,分析了各种常见滤波器的功能用途。

并且指明了陷波器是一种特殊功用的带阻滤波器。

另外,还分析了现有的几种常见的设计方案。

选择借助Z变换和零极点设计数字陷波器。

陷波器的设计,实质上是数学逼近理论的应用.通过计算让物理可实现的实际陷波器频率特性逼近理想的或给定的频率特性,以达到去除干扰提取有用信号的目的.借助z变换和零极点来设计陷波器就是利用离散时间系统z变换和对该系统中零点和极点的分析来进行设计陷波器。

西安邮电大学图像处理技术实验报告

西安邮电大学图像处理技术实验报告

西安邮电大学通信与信息工程学院《图像处理技术》课内实验报告(2016/ 2017 学年 第 1学期)学生姓名:专业班级:学 号:指导教师:——————————————————————————装订线————————————————————————————————过程考核表成绩鉴定表实验1:Matlab图像处理基础实验 (1)一、实验目的 (1)二、实验原理 (1)三、实验内容(调试好的程序,实验结果及分析) (2)实验2:图像空间坐标变换实验 (5)一、实验目的 (5)二、实验原理 (5)三、实验内容(调试好的程序,实验结果及分析) (6)实验3:直方图均衡化图像增强实验 (9)一、实验目的 (9)二、实验原理 (9)三、实验内容(调试好的程序,实验结果及分析) (10)实验4:空域滤波图像增强实验 (14)一、实验目的 (14)二、实验原理 (14)三、实验内容(调试好的程序,实验结果及分析) (14)实验5:彩色图像增强实验 (19)一、实验目的 (19)二、实验原理 (19)三、实验内容(调试好的程序,实验结果及分析) (20)实验6:图像变换及频谱分析实验 (25)一、实验目的 (25)二、实验原理 (25)三、实验内容(调试好的程序,实验结果及分析) (26)实验7:图像低通与高通滤波实验. (31)一、实验目的 (31)二、实验原理 (31)三、实验内容(调试好的程序,实验结果及分析) (31)实验8:交互消噪及光照校正实验 (38)一、实验目的 (38)二、实验原理 (38)三、实验内容(调试好的程序,实验结果及分析) (38)实验总结及心得体会 (42)指导教师评语: (43)实验1:Matlab图像处理基础实验一、实验目的1. 掌握Matlab 图像文件的打开与显示等基本方法;2. 掌握图像数据类型转换及图像类型转换;3. 熟悉图像矩阵的基本操作。

二、实验原理1. MATLAB 中图像数据的读写及显示:imread、imshow(1)imread:imread函数用于读入各种图像文件,其一般的用法为语法:[X,MAP]=imread(‘filename’,‘fmt’)其中,X,MAP分别为读出的图像数据和颜色表数据,fmt为图像的格式,filename 为读取的图像文件(可以加上文件的路径)。

北航数字图象处理实验报告

北航数字图象处理实验报告

数字图像处理实验报告实验二图像变换实验1.实验目的学会对图像进行傅立叶等变换,在频谱上对图像进行分析,增进对图像频域上的感性认识,并用图像变换进行压缩。

2.实验容对Lena或cameraman图像进行傅立叶、离散余弦、哈达玛变换。

在频域,对比他们的变换后系数矩阵的频谱情况,进一步,通过逆变换观察不同变换下的图像重建质量情况。

3. 实验要求实验采用获取的图像,为灰度图像,该图像每象素由8比特表示。

具体要求如下:(1)输入图像采用实验1所获取的图像(Lena、Cameraman);(2)对图像进行傅立叶变换、获得变换后的系数矩阵;(3)将傅立叶变换后系数矩阵的频谱用图像输出,观察频谱;(4)通过设定门限,将系数矩阵中95%的(小值)系数置为0,对图像进行反变换,获得逆变换后图像;(5)观察逆变换后图像质量,并比较原始图像与逆变后的峰值信噪比(PSNR)。

(6)对输入图像进行离散余弦、哈达玛变换,重复步骤1-5;(7)比较三种变换的频谱情况、以及逆变换后图像的质量(PSNR)。

4. 实验结果1. DFT的源程序及结果J=imread('10021033.bmp');P=fft2(J);for i=0:size(P,1)-1for j=1:size(P,2)G(i*size(P,2)+j)=P(i+1,j);endendQ=sort(G);for i=1:size(Q,2)if (i<size(Q,2)*0.95 && i+1>=size(Q,2)*0.95)t=Q(i);endendG(abs(G)<t)=0;for n=0:size(P,1)-1for m=1:size(P,2)W(n+1,m)= G(n*size(P,2)+m);endendf2=ifft2(W);f3=uint8(f2);axes(handles.axes2);imshow(f3)axes(handles.axes1);imshow(J)psnr1=psnr(J,f3);set(handles.text3,'string',psnr1);2. DCT的源程序及结果J=imread('10021033.bmp');P=dct2(J);for i=0:size(P,1)-1for j=1:size(P,2)G(i*size(P,2)+j)=P(i+1,j);endendQ=sort(G);for i=1:size(Q,2)if (i<size(Q,2)*0.95 && i+1>=size(Q,2)*0.95)t=Q(i);endendG(abs(G)<t)=0;for n=0:size(P,1)-1for m=1:size(P,2)endendf2=idct2(W);f3=uint8(f2);axes(handles.axes2);imshow(f3)axes(handles.axes1);imshow(J)psnr1=psnr(J,f3);set(handles.text3,'string',psnr1);3.哈达玛变换的源程序及结果J=imread('cat.jpg');J=rgb2gray(J);P=hadamard(512)*(im2double(J))*hadamard(512);for i=0:size(P,1)-1for j=1:size(P,2)G(i*size(P,2)+j)=P(i+1,j);endendQ=sort(G);for i=1:size(Q,2)if (i<size(Q,2)*0.5 && i+1>=size(Q,2)*0.5)t=Q(i);endendG(abs(G)<t)=0;for n=0:size(P,1)-1for m=1:size(P,2)endendf2=inv(hadamard(512))*W*inv(hadamard(512));mm1=max(max(f2));mn1=min(min(f2));f2=255+255/(mm1-mn1)*(f2-mm1);f3=uint8(f2);axes(handles.axes2);imshow(f3)axes(handles.axes1);imshow(J)psnr1=psnr(J,f3);set(handles.text3,'string',psnr1);3实验三图像复原实验1.实验目的利用反向滤波和维纳滤波进行降质图像复原,比较不同参数选择对复原结果的影响。

物理实验技术中的图像处理与分析方法

物理实验技术中的图像处理与分析方法

物理实验技术中的图像处理与分析方法引言在物理实验中,图像处理和分析方法在数据采集和结果分析方面扮演着重要角色。

通过应用适当的图像处理技术,可以提取和分析数据中的有用信息,从而获得更准确和详细的实验结果。

本文将介绍一些常用的物理实验中的图像处理和分析方法。

一、图像预处理图像预处理是指在进行图像分析之前对图像进行一些基本操作,以去除图像中的噪声和改善图像质量。

常见的图像预处理方法包括图像去噪、图像滤波和图像增强。

1. 图像去噪图像采集过程中常常伴随着噪声的引入,影响了图像的质量和准确性。

图像去噪是一种常用的图像预处理方法,它可以通过消除或减弱噪声,提高图像的清晰度和对比度。

常见的图像去噪方法包括平均滤波、中值滤波和高斯滤波等。

2. 图像滤波图像滤波是一种通过改变图像的频率特征以实现图像改善的方法。

低通滤波器可用于降低图像中高频成分,并减少噪声的影响;而高通滤波器则可增强图像中的细节和边缘。

常见的图像滤波方法包括低通滤波和高通滤波。

3. 图像增强图像增强旨在改善图像的视觉感受和可读性。

常见的图像增强方法包括对比度增强、直方图均衡化和锐化处理等。

对图像进行增强可以使得其中的信息更加明确和清晰,有助于后续的图像分析。

二、图像分割与特征提取图像分割是将图像划分为若干个具有相似特征的区域的过程。

图像分割可将图像中的目标和背景分离,从而提取目标区域的特征,并进行进一步的分析。

1. 阈值分割阈值分割是将图像中具有不同灰度值的像素分为不同类别的一种简单而有效的方法。

通过设置合适的阈值,可以将图像中的目标和背景分离,实现目标区域的提取。

2. 边缘检测边缘是物体表面上灰度值变化急剧的地方,边缘检测旨在找到图像中物体的轮廓。

常见的边缘检测算法包括Sobel算子、Canny算子和拉普拉斯算子等。

3. 特征提取特征提取是指从图像中提取出具有代表性的特征,以描述图像中的目标。

常见的特征提取方法包括几何特征、纹理特征和光谱特征等。

实验六---图像陷波处理

实验六---图像陷波处理

数字图像处理实验报告姓名:田蕾学号:20091202098 专业:信号与信息处理年级:09实验六图像陷波处理一、实验目的掌握巴特沃斯陷波滤波器的设计。

进一步加深理解和掌握图像频谱的特点和陷波滤波的原理。

理解图像陷波滤波的处理过程和特点。

二、实验内容设计程序,实现二阶巴特沃斯陷波滤波器对图像特定干扰频率的滤波处理。

观察处理前后图像效果,分析实验结果和算法特点。

(陷波滤波器半径根据图像干扰频率的特点由实验选定)三、实验原理n阶 Butterworth 陷波器的传递函数为:2121(,)1[](,)(,)nH u vDD u v D u v=+其中D0为陷波器半径, D1, D2分别为点(u,v)到陷波器中心(u0,v0)和(-u0,-v0)的距离。

该传递函数使得以陷波器中心为圆心,D0为半径的圆内的所有u,v对应的滤波函数H (u,v)输出为 0,也即将位于(u0,v0)和(-u0,-v0)处的频率成分去除。

四、算法设计(含程序设计流程图)获取图像的频域图像,使用Matlab函数pixval观察干扰噪声的频率成分,找出所有的(u0,v0)对,针对每一个噪声源分别设计相应的陷波器。

滤波完成后将频域图像实施逆变换,即可显示处理后的图像。

五、实验结果及分析(需要给出原始图像和处理后的图像)实验结果分析:陷波滤波器阻止事先定义的中心频率邻域内的频率,本实验利用pixval函数得出相应地(u0,v0),设置相应地陷波半径,以合理的程度屏蔽噪声,但不会带来模糊,因此滤波效果比较的好。

附:程序源代码r=imread('D:\实验6原图.tif');[m,n]=size(r);imshow (r);title('原图象');y=fft2(r);y0=abs(y);figure,imshow(y0,[]);title('图像频谱');g=fftshift(y);figure,imshow(abs(g),[]);title('中心移位后频谱');y1=log(1+abs(g));figure,imshow(y1,[]);title('取对数变换后频谱');pixval;for u=1:mfor v=1:nd11=((u-257)^2+(v-267)^2)^(1/2);d12=((u-257)^2+(v-247)^2)^(1/2);d10=3;H1(u,v)=1/(1+(d10*d10/(eps+d11*d12))^2);endendg1=g.*H1;for u=1:mfor v=1:nd21=((u-237)^2+(v-257)^2)^(1/2);d22=((u-277)^2+(v-257)^2)^(1/2);d20=3;H2(u,v)=1/(1+(d20*d20/(eps+d21*d22))^2);endendg2=g1.*H2;for u=1:mfor v=1:nd31=((u-217)^2+(v-217)^2)^(1/2);d32=((u-297)^2+(v-297)^2)^(1/2);d30=3;H3(u,v)=1/(1+(d30*d30/(eps+d31*d32))^2);endendg3=g2.*H3;ff=ifft2(g3);figure,imshow(abs(ff),[]);title('频域滤波后图像');Welcome To Download !!!欢迎您的下载,资料仅供参考!。

图像增强和滤波实验

图像增强和滤波实验

实验四图像增强和滤波实验一.实验目的:掌握基本的图像增强方法,观察图像增强的效果,加深对灰度直方图的理解。

掌握基本的图像滤波方法,观察图像滤波的效果。

二.实验内容:对比度增强,灰度变换,直方图均衡化,图像滤波对给定的灰度的数字图像(图像文件名分别为cameraman.tif,rice.tif和pout.tif)进行如下处理:(1)统计原图像的灰度直方图,并利用直方图均衡化处理进行图像增强,同屏显示处理前后图像及其灰度直方图,比较异同,并回答数字图像均衡化后其直方图分布情况。

(2)利用图像调整函数(直接灰度调整方法)进行图像增强,同屏显示处理前后图像及其灰度直方图,比较异同,并回答数字图像均衡化后其直方图分布情况。

(3)利用函数IMNOISE,在图像(LENA256.BMP)上分别叠加高斯噪声(gaussian)和椒盐噪声(salt&peppers),对比高斯低通滤波器和均值滤波器的性能。

三、实验原理1、图像增强技术;图像滤波技术介绍图像增强是将原来不清晰的图像变得清晰或强调某些关注的特征,抑制非关注的特征,使之改善图像质量、丰富信息量,加强图像判读和识别效果的图像处理方法。

按所处理的对象不同可分为灰度图像增强和彩色图像增强。

图像非常直观,易于理解,但在实际应用中得到的图像品质并不是那么好,或在图像采集过程中不可避免的加入了噪声,因此研究快速且有效地图像增强算法成为推动图像分析和图像理解领域发展的关键内容之一。

突出图像中目标物体的某些特点、从数字图像中提取目标物的特征参数等等,这些都有利于对图像中目标的识别、跟踪和理解。

图像增强并不要求忠实地反映原始图像相反,含有某种失真(例如突出轮廓线)的图像可能比无失真的原始图像更为清晰。

在力学应用中,液体流动双折射图像的处理,物体变形图像的处理等。

按照增强处理的空间不同可分为两类:空域增强,频率增强。

前者直接在图像所在的二维空间进行增强处理,即增强构成图像的像素,包括灰度变换增强,直方图增强,图像平滑和图像锐化等。

matlab 陷波滤波器设计 -回复

matlab 陷波滤波器设计 -回复

matlab 陷波滤波器设计-回复Matlab (矩阵实验室) 是一款功能强大的数学计算软件,广泛应用于科学研究、工程设计、数据分析等领域。

其中一个重要的功能是滤波器设计,特别是陷波滤波器设计。

本文将以"matlab陷波滤波器设计"为主题,一步一步回答。

1. 什么是滤波器?滤波器是一种用于改变信号频谱特性的设备或算法。

它通过选择性地通过或阻止不同频率的信号来实现信号的频域处理,从而实现去除噪音、增强信号等目的。

2. 什么是陷波滤波器?陷波滤波器,又称为带阻滤波器或带消滤波器,是一种用于抑制某个特定频率的信号的滤波器。

它在带通频带之外(即在低频和高频)对信号进行衰减,而在带通频带内则将信号放大。

3. 为什么需要陷波滤波器?陷波滤波器在许多应用中非常有用,例如去除特定频率的噪音、滤除干扰信号、消除回声等。

在通信领域,陷波滤波器常用于消除电源线噪音、钟声等干扰信号。

4. Matlab如何设计陷波滤波器?在Matlab中,我们可以使用Signal Processing Toolbox中的函数来设计陷波滤波器。

Step 1: 准备工作首先,在Matlab中运行命令`>>toolbox signal`以加载Signal Processing Toolbox。

Step 2: 选择滤波器类型和规范根据具体需求,选择合适的滤波器类型和规范。

在设计陷波滤波器时,常用的类型包括IIR(无限冲激响应)滤波器和FIR(有限冲激响应)滤波器。

Step 3: 设计滤波器使用`designfilt`函数来设计陷波滤波器。

该函数提供了多种设计方法和参数调整选项,如Butterworth、Chebyshev、Elliptic等。

例子:matlabFs = 1000; 采样率F0 = 50; 希望滤去的频率BW = 5; 希望滤去的频率的带宽df = designfilt('bandstopiir', 'FilterOrder', 4, 'HalfPowerFrequency1', (F0-BW/2), 'HalfPowerFrequency2', (F0+BW/2), 'SampleRate', Fs);freqz(df); 绘制滤波器频率响应曲线上述代码中,我们使用了一个IIR设计方法,指定了滤波器的阶数、带阻频率的范围和采样率。

图像修补实验报告

图像修补实验报告

实验名称:图像修补(image inpainting)一.实验目的1、学会单幅图像的修补2、学会结合彩色图像和深度图像的图像修补二.实验原理1图像修补简介----单幅图像修补图像中常有缺失或者损坏的部分,即空白区域或者有误的区域。

图像修补就是根据这些区域周围的信息完成对空白区域的填充,以实现图像的恢复。

基本方法图像修补的基本方法示例示例方法2选取空白点周围的一片区域,对区域内的参考点进行加权求和,其结果用于对空白点的修补。

若所选窗口太小,即窗口中无参考点,则将窗口扩大。

2图像修补简介----利用深度图的图像修补1图像的前景与背景实际场景中存在前景与背景的区别,前景会遮挡背景,而且前景与背景往往差距比较大。

2深度图用于表示3D空间中的点与成像平面距离的灰度图。

0~255表示,灰度值越大,表示场景距离成像平面越近,反之,灰度值越小,表示场景距离成像平面越远。

前景的灰度值大,背景的灰度值小。

如下左彩色图,右深度图3普通的图像修补区分不了图像的前景和背景,简单的加权求和填补空白点的方法会导致前景和背景的混杂。

引入深度图之后,可以利用深度图区分图像的前景和背景,在对背景进行修补的时候,可以利用深度图滤除那些前景参考点的影响,从而使背景的空白点只由背景点加权求和得到,前景亦然。

三.实验步骤1读入一个像素点,判断其是否为空白点。

2若不是空白点,则跳过该点,判断下一个点。

3若该点是空白点,则用前面所述的方法进行加权修补。

4对图像中的每一个点都进行如此处理,直至全图处理完毕,则图像修补完成。

四.实验要求1独立编码完成实验单幅图像修补利用深度图的图像修补。

2 比较实验结果的差别,并分析原因,完成实验报告。

五.用MATLAB编写实验代码对于单幅图像以及结合深度图像的修补,其实区别就是是否考虑了深度图像的灰度权重(其实就是0和1),虽然效果图区别很小,但是通过深度图还是可以反映出其立体三维空间的。

为了能较好的对比,我把两种方法的比较融合在一条件语句中,在下面的深度图像代码中用红色字体标注。

影像裁剪与镶嵌处理实验报告

影像裁剪与镶嵌处理实验报告

影像裁剪与镶嵌处理实验报告姓名:李丹学号: 20113310班级:遥感2011-01班时间:2013年5月18日目录一、实验目的 (2)1.了解影像镶嵌的原理 (2)2.了解影像镶嵌过程中参数的设置及意义 (2)3.掌握影像镶嵌的处理方法 (2)二、实验内容 (2)1.航空影像镶嵌 (2)2.卫星影像镶嵌 (2)3.近红外相片镶嵌 (2)三、实验步骤 (2)(一)、航空影像镶嵌 (2)(二)、卫星影像镶嵌 (4)(三)、近红外相片镶嵌 (5)四、实验体会 (8)一、实验目的1.了解影像镶嵌的原理2.了解影像镶嵌过程中参数的设置及意义3.掌握影像镶嵌的处理方法二、实验内容1.航空影像镶嵌重点:剪切线的生成2.卫星影像镶嵌重点:影像色彩纠正3.近红外相片镶嵌重点:区域排除;色彩均衡处理三、实验步骤(一)、航空影像镶嵌(使用图像Examples\air-photo-1.img, air-photo-2.img, 2-2.img, 2-3.img)1.打开影像镶嵌工具Data Preparation->Mosaic Images->Mosaic Tool2. 设置输入影像(1).Viewer: ->air-photo-1.img->AOI->Tools->->绘制一个长方形将整个影像包围->File->Save->AOI Layer As->template.aoi->OK(2) Mosaic Tool: Add Images ->Image Area Options->Template->Set->AOIFile->Select the AOI File: template.aoi->OK->File->air-photo-1.img/air-photo-2.img->OK3. 影像镶嵌方法一:(1).剪切线的绘制:Mosaic Tool:->->viewer#3:leica_ggm_imagine->mosaic_INTERSECT_ANT_004992:AOI->TOOL->->绘制剪切线(2).加载剪切线:Mosaic Tool: AOI Cutline->-> AOI from Viewer/ AOI from Viewer.Mosaic Tool: ->Set Overlap Function-> Intersection Type : Cutline Exists;Select Function : Feathering->Apply(3).设置输出文件Mosaic Tool: -> Define Output Map Area(s)-> Union of All Inputs->ok(4).影像的镶嵌Mosaic Tool: Process-> Run Mosaic->Output Options: Stats Ignore Value->Output File Name: AirMosaic ->ok镶嵌后的图像如图1所示:(a)镶嵌前的图像 (b)镶嵌后的图像图1,航空影像镶嵌前后对比图方法二:(1).剪切线的自动生成Mosaic Tool: Add Images: 2-2.img/2-3.img->->->CutlineGeneration Options: Weighted Cutline->ok(2).镶嵌后图像的显示Mosaic Tool:双击重叠区域->.镶嵌后的图像如图2所示:图2,自动生成剪切线的镶嵌图像(二)、卫星影像镶嵌(使用图像:wasia1_mss.img, wasia2_mss.img, wasia3_tm.img)1.影像的显示Viewer: ->Raster Options : Background Transparent/Fit toFrame/unchecked Clear Display->File:wasia1_mss.img/wasia2_mss.img/wasia3_tm.img->OK2. 将影像加入至Mosaic Tool窗口Mosaic Tool: Add Images->Image Area Options->Compute Active Area->OK3.影像色彩纠正(1).设置色彩纠正方式Mosaic Tool: ->Use Histogram Matching->Set->Matching Method :overlap Areas ; Histogram Type : Band by Band->OK(2).设置覆盖函数Mosaic Tool: ->-> Intersection Type: No Cutline Exists ; SelectFunction : Overlay->Apply4. 影像镶嵌Mosaic Tool: Process->Run Mosaic->name: wasia_mosaic.img->OK 镶嵌后的图像如图3所示:(a)处理前的图像 (b)处理后的图像图3,卫星影像镶嵌色彩纠正前后对比图(三)、近红外相片镶嵌(使用图像:2-2.img, 2-3.img, 2-4.img, 3-2.img, 3-3.img, 3-4.img, 4-2.img, 4-3.img, 4-4.img, image-dodge-bright-spot.img)1. 影像显示Viewer: ->Raster Options->Background Transparent/Fit toFrame/uncheckedClearDisplay->File->2-2.img/2-3.img/2-4.img/3-2.img/3-3.img/3-4.img/4-2.img/4-3.img/4-4.img->OK2. 将影像加入至Mosaic Tool窗口Mosaic Tool: Add Images->Image Area Options->Use Entire Image->File->2-2.img/2-3.img/2-4.img/3-2.img/3-3.img/3-4.img/4-2.i mg/4-3.img/4-4.img->OK3. 区域排除Mosaic Tool: ->Exclude Areas->Set->->绘制排除区域->->Select layer to view AOI stats and set searching criteria:1;Min Pixel Value:8;Max Pixel Value:75;Exclude Area Color: ->OK->4.色彩均衡处理Color Corrections: Color Balancing-> Set->Set Color Balancing Method->Manual Color Manipulation->Set: Display Setting: RGB ; Surface Method: Conic->Compute for all/Accept for all->OK5. 直方图匹配Color Corrections: Use Histogram Matching->Set:Matching Method:For all Images;Histogram Type:Band by Band->OK6.生成剪切线Mosaic Tool:-> ->->Geometry-based Cutline Generation->OK7. 设置覆盖函数Mosaic Tool:: Cutline Exists;No Smoothing; Feathering->Apply8. 影像镶嵌Mosaic Tool: Process->Run Mosaic->name: color_infrared.img纠正后图像如图4所示:(a)处理前的图像(b)处理后的图像图4,近红外相片色彩纠正前后对比图9. 影像色调纠正Mosaic Tool: Add Images->image-dodge-bright-spot.img-> ->Use Image Dodging->Set->Compute Current->Accept->OK10. 影像镶嵌MosaicTool:Process->RunMosaic->name:image-dodge-bright-spot.img->O K.纠正后图像如图5所示:(a)处理对比度前的图像(b)处理对比度后的图像图5,影像纠正前后对比图四、实验体会通过本次实验,我学会了如何对航空影像、卫星影像、近红外相片进行镶嵌以及如何色彩的纠正。

  1. 1、下载文档前请自行甄别文档内容的完整性,平台不提供额外的编辑、内容补充、找答案等附加服务。
  2. 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
  3. 3、如文档侵犯您的权益,请联系客服反馈,我们会尽快为您处理(人工客服工作时间:9:00-18:30)。

数字图像处理实验报告
姓名:田蕾 学号:20091202098 专业:信号与信息处理 年级:09
实验六 图像陷波处理
一、 实验目的
掌握巴特沃斯陷波滤波器的设计。

进一步加深理解和掌握图像频谱的特点和陷波滤波的原理。

理解图像陷波滤波的处理过程和特点。

二、 实验内容
设计程序,实现二阶巴特沃斯陷波滤波器对图像特定干扰频率的滤波处理。

观察处理前后图像效果,分析实验结果和算法特点。

(陷波滤波器半径根据图像干扰频率的特点由实验选定)
三、 实验原理
n 阶 Butterworth 陷波器的传递函数为: 20121(,)1[](,)(,)
n H u v D D u v D u v =+ 其中D0为陷波器半径, D1, D2分别为点 (u,v ) 到陷波器中心 (u0,v0) 和 (-u0,-v0)的距离。

该传递函数使得以陷波器中心为圆心,D0为半径的圆内的所有u,v 对应的滤波函数H (u,v)输出为 0,也即将位于(u0,v0)和(-u0,-v0)处的频率成分去除。

四、 算法设计(含程序设计流程图)
获取图像的频域图像,使用Matlab 函数pixval 观察干扰噪声的频率成分,找出所有的(u0,v0)对,针对每一个噪声源分别设计相应的陷波器。

滤波完成后将频域图像实施逆变换,即可显示处理后的图像。

五、实验结果及分析(需要给出原始图像和处理后的图像)
实验结果分析:陷波滤波器阻止事先定义的中心频率邻域内的频率,本实验利用pixval函数得出相应地(u0,v0),设置相应地陷波半径,以合理的程度屏蔽噪声,但不会带来模糊,因此滤波效果比较的好。

附:程序源代码
r=imread('D:\实验6原图.tif');
[m,n]=size(r);
imshow (r);title('原图象');
y=fft2(r);
y0=abs(y);
figure,imshow(y0,[]);title('图像频谱');
g=fftshift(y);
figure,imshow(abs(g),[]);title('中心移位后频谱');
y1=log(1+abs(g));
figure,imshow(y1,[]);title('取对数变换后频谱');
pixval;
for u=1:m
for v=1:n
d11=((u-257)^2+(v-267)^2)^(1/2);
d12=((u-257)^2+(v-247)^2)^(1/2);
d10=3;
H1(u,v)=1/(1+(d10*d10/(eps+d11*d12))^2);
end
end
g1=g.*H1;
for u=1:m
for v=1:n
d21=((u-237)^2+(v-257)^2)^(1/2);
d22=((u-277)^2+(v-257)^2)^(1/2);
d20=3;
H2(u,v)=1/(1+(d20*d20/(eps+d21*d22))^2);
end
end
g2=g1.*H2;
for u=1:m
for v=1:n
d31=((u-217)^2+(v-217)^2)^(1/2);
d32=((u-297)^2+(v-297)^2)^(1/2);
d30=3;
H3(u,v)=1/(1+(d30*d30/(eps+d31*d32))^2);
end
end
g3=g2.*H3;
ff=ifft2(g3);figure,imshow(abs(ff),[]);title('频域滤波后图像');。

相关文档
最新文档