光电图像处理课程设计

for j=1:N if I(i,j)<=KK old_image1(i,j)=old_image1(i,j); elseif I(i,j)<=NN old_image1(i,j)=(MM-KK)/(NN-KK)*(old_image1(i,j)-KK)+KK; else old_image1(i,j)=(WW-MM)/(WW-NN)*(old_image1(i,j)-NN)+MM; end
N i0 k0
图像的傅立叶变换与一维信号的傅立叶变换变换一样，有快速算法，具体 参见参考书目，有关傅立叶变换的快速算法的程序不难找到。实际上，现 在有实现傅立叶变换的芯片，可以实时实现傅立叶变换。 2.图像增强是指按特定的需要突出一幅图像中的某些信息，同时，消弱或 去除某些不需要的信息的处理方法。其主要目的是处理后的图像对某些特 定的应用比原来的图像更加有效。图像增强技术主要有直方图修改处理、 图像平滑化处理、图像尖锐化处理和彩色处理技术等。本实验以直方图均 衡化增强图像对比度的方法和中值滤波为主要内容，其他方法同学们可以 在课后自行练习。 直方图均衡化 直方图是多种空间域处理技术的基础。直方图操作能有效地用于图像增 强。除了提供有用的图像统计资料外，直方图固有的信息在其他图像处理 应用中也是非常有用的，如图像压缩与分割。直方图在软件中易于计算， 也适用于商用硬件设备，因此，它们成为了实时图像处理的一个流行工具。 直方图是图像的最基本的统计特征，它反映的是图像的灰度值的分布情 况。直方图均衡化的目的是使图像在整个灰度值动态变化范围内的分布均 匀化，改善图像的亮度分布状态，增强图像的视觉效果。灰度直方图是图 像预处理中涉及最广泛的基本概念之一。 图像的直方图事实上就是图像的亮度分布的概率密度函数，是一幅图像的 所有象素集合的最基本的统计规律。直方图反映了图像的明暗分布规律， 可以通过图像变换进行直方图调整，获得较好的视觉效果。 直方图均衡化是通过灰度变换将一幅图像转换为另一幅具有均衡直方图， 即在每个灰度级上都具有相同的象素点数的过程。 中值滤波 中值滤波是一种基于排序统计理论的非线性滤波技术，它的目的是在消除 噪声的同时保持图像中的边缘和细节。中值滤波法是把邻域内所有像素按 序排列，然后用中间值作为中心像素的输出。例如，如果窗口长度为 5， 窗口中像素的灰度值分别为 100、110、190、106、116，按从小到大排序 得到该窗口内各像素的中值为 110，于是原来窗口中心点的灰度值 190 就 由 110 代替，如果 190 是一个尖锐的噪声，此时就得到了滤除。

F(u,v)
f (x, y)e j2 (uxvy)dxdy

逆变换：

f (x, y) F(u, v)e j2 (uxvy)dudv
逆变换：
f ( j, k)
1
N 1 N 1
j 2 (m i n k )
F (m, n)e N N
%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%% %%%%%%%%%%%%%%%%%%%%%%%%%%%%
%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%% %%%%%%%%%%%%%%%%%%%%%%%%%%%% clc;clear all;close all; %%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%% %%%%%%%%%%%%%%%%%%%%%%%%%%%% %%图像增强 %% close all;clear all; I=imread('IMG_0110.jpg'); old_image=I(:,:,1); new_image1=histeq(old_image); figure(21); subplot(2,2,1);imshow(old_image); title('原图像'); subplot(2,2,2);imhist(old_image); subplot(2,2,3);imshow(new_image1); title('均衡化前后比较'); subplot(2,2,4);imhist(new_image1); set(gcf,'color','g'); %%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%% %%%%%%%%%%%%%%%%%%%%%%%%%%%% old_image1=double(old_image); [M,N]=size(old_image1); MM=200;NN=150;KK=30;WW=255; for i=1:M
程序：
%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%% %%%%%%%%%%%%%%%%%%%%%%%%%%%% clc;clear all;close all; %%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%% %%%%%%%%%%%%%%%%%%%%%%%%%%%% %%图像的傅立叶变换 %% I=imread('图片 1.jpg'); old_image=I(:,:,2); fftI=fft2(old_image); sfftI=fftshift(fftI); RR=real(sfftI); II=imag(sfftI); A=sqrt(RR.^2+II.^2); A=(A-min(min(A)))/(max(max(A))-min(min(A)))*225; figure(11);imshow(old_image);title('原图像');set(gcf,'color','c'); figure(12);imshow(A);title('傅立叶变换');set(gcf,'color','g');
傅里叶变换是线性系统分析的一个有力工具，它能够定量地分析诸如数字
Leabharlann Baidu
化系统、采样点、电子放大器、卷积滤波器、噪音和显示点等的作用。通
过实验培养这项技能，将有助于解决大多数图像处理问题。对任何想在工
作中有效应用数字图像处理技术的人来说，把时间用在学习和掌握博里叶
变换上是很有必要的。
傅立叶（Fourier）变换的定义 对于二维信号，二维 Fourier 变换定义为：
光 电
图 像 处 理课
程 设 计
学院： 专业： 学号： 姓名：
2013 年 6 月 1 日
光电头像处理 实 验 报 告
实验时间 2013 年 6 月 1 号 第 14 周 理
姓名
组号 01 指导老师
学院 班级学号 李晶 得分
实验名称：1.图像的傅里叶变换 2.图像增强 3.小波变换
实验目的：了解图像变换的意义和手段；熟悉傅里叶变换的基本性质；熟练掌握 FFT
实验结果：
实验一：
实
验
二
：
实验三：
实验心得：
实验对图像的变换和恢复进行了研究，分别从图像预处理、傅里叶变换以 及图像增强和小波变换处理等方面进行了分析。通过这次课程设计我们能 够比较系统的了解理论知识，掌握了傅里叶变换以 及图像增强和小波 变换处理等方面的知识，学会了使用仿真软件Matlab，并学会通过应用软件 仿真来实现某些简单的图像的处理，对以后的学习和工作都起到了一定的 作用，加强了动手能力和学业技能。 通过这次课程设计还让我们知道了， 我平时所学的知识如果不加以实践的话等于纸上谈兵。课程设计主要是我 理论知识的延伸，它的目的主要是要在设计中发现问题，并且自己要能找 到解决问题的方案，形成一种独立的意识。我还能从设计中检验我所学的 理论知识到底有多少，巩固我已经学会的，不断学习我所遗漏的新知识把 这门课学的扎实。当然在做课程设计的过程中总会出现各种问题，在这种 情况下我都会努力寻求最佳路径解决问题，无形间提高了我的动手，动脑 能力，并且同学之间还能相互探讨问题，研究解决方 案，增进大家的友 谊。总的来说，这次课程设计让我们收获颇多，不仅让我更深一步理解书 本的知识，提高我分析问题和解决问题的能力。
的变换方法及应用；通过实验了解二维频谱的分布特点；通过本实验掌握
利用 MATLAB 编程实现数字图像的傅立叶变换。掌握灰度直方图的概念 及其计算方法；熟练掌握直方图均衡化和直方图规定化的计算过程；熟练
掌握空域滤波中常用的平滑和锐化滤波器；利用 MATLAB 程序进行图像增
强。
实验原理：1、应用傅立叶变换进行图像处理
记录和整理实验报告。
实验二： 打开计算机，安装和启动 MATLAB 程序； 调入数字图像，并进行直方图均衡化处理； 显示原图像的直方图和经过均衡化处理过的图像直方图。 调入原数字图像，并进行中值滤波； 显示中值滤波前图像的直方图和中之滤波处理后的图像直方图。 记录和整理实验报告。 实验三： 1.读取衣服灰度图像，并显示原始图像。选择适合的小波函数，对其进行 一级 2D 小波分解，得到 4 个小波系数（近似系数 CA，水平细节 CH，垂 直细节 CV，对角细节 CD）；对变换系数进行编码量化，并对其进行拼接 后，作为一幅图进行显示；最后，对变换结果进行简要分析。 2.对上述小波分解的结果进行 2D 小波逆变换，对逆变换的结果与原始图像 进行对比，求取误差图。研究在同一窗口下，分别显示原始图像，逆变换 图像及二者之间的误差图。并分析产生误差的原因。 3.上机练习使用 matlab‘小波变换’工具箱。包括 1D 小波分析，2D 分析 工具，对实例信号分别进行不同的小波，不同级次的分解。观察期变换结 果，以对小波分析工具有更深入的了解和认识。有兴趣的同学还可以尝试 使用特殊工具进行信号去噪等练习。
实验步骤：实验一：
打开计算机，安装和启动 MATLAB 程序；准备好待处理的三个图像文件；
利用 MatLab 工具箱中的函数编制 FFT 频谱显示的函数；
a).调入图像；图像存储格式应为“.gif”；
b)对这三幅图像做 FFT 并利用自编的函数显示其频谱；
c)讨论不同的图像内容与 FFT 频谱之间的对应关系。
较大的点不如取平均值那么敏感，从而可以消除一些孤立的噪声点，又不 容易产生模糊。 中值滤波窗口的大小和形状对于滤波效果都有着密切关系。一般说来，小 于滤波器面积一半的亮的或暗的物体基本上会被滤除，而较大的物体或被 保存下来。因此，滤波器的大小要根据所处理的图像进行选择。具体选取 什么样形状的滤波模板也要根据图像内容选取。
二维中值滤波的定义为： g(x, y) Median{ f (x k, y l),(k,l) A} A
式中， 为窗口，通常窗口的大小选取奇数，以便于有中间像素。若窗口 大小为偶数，则中值可取中间两像素的平均值。由于中值滤波输出的像素 是由邻域图像的中间值决定的，因此中值滤波对个别与周围像素灰度差异
figure(23); subplot(1,2,1);imshow(old_image) title('原图像'); subplot(1,2,2);imshow(old_image3); title('对图像进行对数变换'); set(gcf,'color','b'); %%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%% %%%%%%%%%%%%%%%%%%%%%%%%%%%% old_image4=WW-old_image1; old_image4=uint8(old_image4); figure(24); subplot(1,2,1);imshow(old_image); title('原图像'); subplot(1,2,2);imshow(old_image4); title('对灰度图像求反'); set(gcf,'color','y'); %%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%% %%%%%%%%%%%%%%%%%%%%%%%%%%%% J=imnoise(old_image,'gaussian',0.02); Jk1=filter2(fspecial('average',3),J); Jk2=filter2(fspecial('average',5),J); Jk3=filter2(fspecial('average',7),J); Jk4=filter2(fspecial('average',9),J); figure(25); subplot(2,3,1);imshow(old_image);title('原图像'); subplot(2,3,2);imshow(J); title('添加高斯噪声图像'); subplot(2,3,3);imshow(uint8(Jk1));title('3×3 模板平滑滤波'); subplot(2,3,4);imshow(uint8(Jk2));title('5×5 模板平滑滤波'); subplot(2,3,5);imshow(uint8(Jk3));title('7×7 模板平滑滤波'); subplot(2,3,6);imshow(uint8(Jk4));title('9×9 模板平滑滤波'); set(gcf,'color','r'); %%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%% %%%%%%%%%%%%%%%%%%%%%%%%%%%%
end end old_image2=uint8(old_image1); figure(22); subplot(1,2,1);imshow(old_image); title('原图像'); subplot(1,2,2);imshow(old_image2); title('灰度线性变换'); set(gcf,'color','c'); %%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%% %%%%%%%%%%%%%%%%%%%%%%%%%%%% old_image3=41*log(1+old_image1); old_image3=uint8(old_image3);