《数字图像处理实验》word版
《数字图像处理》实验指导书1
《数字图像处理》实验指导书前言本实验指导书可作为电子信息工程、通信工程、生物医学工程等专业《数字图像处理》课程的实验指导书。
实验指导书共提供了6个实验，要求在VB环境下实现。
实验名称与学时安排详见下表。
实验名称与学时安排表实验教学基本要求：1、在实验前，认真准备，熟悉和掌握相关实验内容的基本算法和程序设计技术。
2、根据实验目的和要求，按时认真完成各实验的上机操作。
3、实验结束后，要及时提交经调试正确的程序源代码、生成的可执行文件、实验报告书等文档。
实验一图象的读取保存及图像的二值化处理一、实验目的1、熟悉《数字图像处理》的实验平台。
2、了解VB对图像进行处理的基本方法。
3、熟悉彩色图像变成灰度图象以及灰度图像转换成二值图像的基本原理及处理过程。
二、实验准备1、复习彩色图像变成灰度图象以及灰度图像的二值化处理的基本原理。
2、阅读下列内容，了解VB对图像进行处理的基本方法。
（1）读取图像通过扫描仪、摄像机等输入计算机以.bmp、.ico或.wmf存储的图像文件，可用LoadPicture函数把图像文件装入窗体、图片框或图像框中，例如：picture1.picture=loadpicture(“c:\image\flower.bmp”)可以把路径为c:\image\flower.bmp的图像文件装入图片框picture1中。
为了使图片框的大小与图像相匹配，应将图片框的autosize属性设置为True。
（2）用Point方法获取彩色图像的颜色值Point方法的功能是获取图像上指定像素的颜色值。
格式为：Object.Point（x，y）其中，Object表示获取颜色的对象名，（x，y）为取得颜色的坐标位置。
Point 方法将指定位置的像素的颜色值返回一个长整形数。
例如，求图片框picture 1中图像在位置（x，y）的像素颜色值（col）时，可写为：dim col as longcol=picture1.Point（x，y）（3）用Pset方法画点Pset方法的功能是在指定的位置画一个指定颜色的点。
(完整word版)数字图像处理 实验报告(完整版)
数字图像处理实验一 MATLAB数字图像处理初步一、显示图像1．利用imread( )函数读取一幅图像，假设其名为lily.tif，存入一个数组中；2．利用whos 命令提取该读入图像flower.tif的基本信息；3．利用imshow()函数来显示这幅图像；实验结果如下图：源代码：>>I=imread('lily.tif')>> whos I>> imshow(I)二、压缩图像4．利用imfinfo函数来获取图像文件的压缩，颜色等等其他的详细信息；5．利用imwrite()函数来压缩这幅图象，将其保存为一幅压缩了像素的jpg文件,设为lily.jpg；语法：imwrite(原图像，新图像，‘quality’,q), q取0-100。
6．同样利用imwrite()函数将最初读入的tif图象另存为一幅bmp图像，设为flily.bmp。
7．用imread()读入图像Sunset.jpg和Winter.jpg；8．用imfinfo()获取图像Sunset.jpg和Winter.jpg的大小；9．用figure,imshow()分别将Sunset.jpg和Winter.jpg显示出来，观察两幅图像的质量。
其中9的实验结果如下图：源代码：4~6(接上面两个) >>I=imread('lily.tif')>> imfinfo 'lily.tif'；>> imwrite(I,'lily.jpg','quality',20);>> imwrite(I,'lily.bmp');7~9 >>I=imread('Sunset.jpg');>>J=imread('Winter.jpg')>>imfinfo 'Sunset.jpg'>> imfinfo 'Winter.jpg'>>figure(1),imshow('Sunset.jpg')>>figure(2),imshow('Winter.jpg')三、二值化图像10．用im2bw将一幅灰度图像转化为二值图像，并且用imshow显示出来观察图像的特征。
数字图像处理实验报告Word版
《数字图像处理上机》实验报告班级:电信1101姓名:XXXXXX学号:0703110107数字图像处理上机实验1、实验目的了解matlab软件/语言，学会使用matlab的图像处理工具箱（Image Processing Toolbox）,使学生初步具备使用该软件处理图像信息的能力，并能够利用该软件完成本课程规定的其他实验和作业。
熟悉常用的图像文件格式与格式转换；熟悉图像矩阵的显示方法（灰度、索引、黑白、彩色）；熟悉图像矩阵的格式转换。
，学会使用MatLab对图像作滤波处理，使学生有机会掌握滤波算法，体会滤波效果。
了解几种不同滤波方式的使用和使用的场合，培养处理实际图像的能力.2、实验要求学生应当基本掌握matlab的操作，掌握matlab图像处理工具箱中最常用的函数用法。
练习图像读写命令imread和imwrite并进行图像文件格式之间的转换。
学生应当完成对于给定图像+噪声，使用平均滤波器、中值滤波器对不同强度的高斯噪声和椒盐噪声，进行滤波处理；能够正确地评价处理的结果；能够从理论上作出合理的解释。
3、实验内容及步骤1、图像的显示与格式转换（1）学习matlab的基本操作；（2）使用imread函数读入图像；（3）使用figure函数创建窗口；（4）使用image或imshow函数显示图像；（5）使用colorbar函数在图像的右侧显示图像的亮度条。
2、图像的滤波(1) 考察平均滤波器对高斯噪声污染的图象去噪效果；(2) 考察中值滤波器对高斯噪声污染的图象去噪效果；(3) 考察平均滤波器对椒盐噪声污染的图象去噪效果；(4) 考察中值滤波器对椒盐噪声污染的图象去噪效果。
(5) 考察滤波器模板大小对平均滤波器滤波效果的影响；(6) 考察滤波器模板大小对中值滤波器滤波效果的影响；3、图像的频域变换在Matlab workspace中生成一幅大小为256×256像素的8位灰度图, 背景为黑色，中心有一个宽80像素高40像素的白色矩形。
(完整word版)数字图像处理_胡学龙_许开宇_课后答案
胡学龙、许开宇编著《数字图像处理》思考题与习题参考答案第1 章概述1。
1 连续图像和数字图像如何相互转换？答：数字图像将图像看成是许多大小相同、形状一致的像素组成。
这样，数字图像可以用二维矩阵表示.将自然界的图像通过光学系统成像并由电子器件或系统转化为模拟图像（连续图像）信号,再由模拟/数字转化器(ADC）得到原始的数字图像信号。
图像的数字化包括离散和量化两个主要步骤。
在空间将连续坐标过程称为离散化，而进一步将图像的幅度值(可能是灰度或色彩）整数化的过程称为量化。
1。
2 采用数字图像处理有何优点？答：数字图像处理与光学等模拟方式相比具有以下鲜明的特点：1．具有数字信号处理技术共有的特点。
（1)处理精度高。
（2）重现性能好.（3）灵活性高。
2．数字图像处理后的图像是供人观察和评价的，也可能作为机器视觉的预处理结果.3．数字图像处理技术适用面宽。
4．数字图像处理技术综合性强。
1。
3 数字图像处理主要包括哪些研究内容？答：图像处理的任务是将客观世界的景象进行获取并转化为数字图像、进行增强、变换、编码、恢复、重建、编码和压缩、分割等处理，它将一幅图像转化为另一幅具有新的意义的图像。
1.4 讨论数字图像处理系统的组成.列举你熟悉的图像处理系统并分析它们的组成和功能。
答:如图1.8，数字图像处理系统是应用计算机或专用数字设备对图像信息进行处理的信息系统.图像处理系统包括图像处理硬件和图像处理软件。
图像处理硬件主要由图像输入设备、图像运算处理设备（微计算机）、图像存储器、图像输出设备等组成。
软件系统包括操作系统、控制软件及应用软件等。
图1。
8 数字图像处理系统结构图11。
5 常见的数字图像处理开发工具有哪些？各有什么特点?答．目前图像处理系统开发的主流工具为 Visual C++（面向对象可视化集成工具）和 MATLAB 的图像处理工具箱（Image Processing Tool box)。
两种开发工具各有所长且有相互间的软件接口。
《数字图像处理》实验报告
《数字图像处理》实验报告数字图像处理是一门将图像进行数字化处理的学科，它通过计算机算法和技术手段对图像进行分析、增强、压缩和重建等操作。
在本次实验中，我们学习了数字图像处理的基本概念和常用算法，并通过实验来探索其应用和效果。
首先，我们进行了图像的读取和显示实验。
通过使用Python中的OpenCV库，我们能够轻松地读取图像文件，并将其显示在屏幕上。
这为我们后续的实验奠定了基础。
同时，我们还学习了图像的像素表示方法，了解了图像由像素点组成的原理。
这使我们能够更好地理解后续实验中的算法和操作。
接下来，我们进行了图像的灰度化实验。
灰度化是将彩色图像转换为灰度图像的过程。
在实验中，我们使用了不同的算法来实现灰度化操作，包括平均值法、最大值法和加权平均法等。
通过比较不同算法得到的灰度图像，我们发现不同算法对图像的处理效果有所差异，这使我们深入理解了灰度化的原理和应用。
随后，我们进行了图像的直方图均衡化实验。
直方图均衡化是一种用于增强图像对比度的方法。
在实验中，我们使用了直方图均衡化算法来对图像进行处理，并观察了处理前后的效果变化。
通过实验，我们发现直方图均衡化能够显著提高图像的对比度，使图像更加清晰和鲜明。
在进一步探索图像处理技术的过程中，我们进行了图像的滤波实验。
滤波是一种常用的图像处理操作，它通过对图像进行卷积操作来实现。
在实验中，我们学习了不同类型的滤波器，包括均值滤波器、高斯滤波器和中值滤波器等。
通过比较不同滤波器对图像的处理效果，我们发现每种滤波器都有其适用的场景和效果。
此外，我们还进行了图像的边缘检测实验。
边缘检测是一种用于提取图像边缘信息的方法。
在实验中，我们学习了不同的边缘检测算法，包括Sobel算子、Canny算子和Laplacian算子等。
通过比较不同算法对图像的处理效果，我们发现每种算法都有其独特的特点和应用。
最后，我们进行了图像的压缩实验。
图像压缩是一种将图像数据进行压缩以减小文件大小的方法。
（完整word版）数字图像处理实验报告6
（完整word版）数字图像处理实验报告6数字图像处理与分析实验报告学院：班级：姓名：学号：实验六细胞图像的分割与测量一、实验目的1. 通过分析细胞图像特点，完成细胞图像的分割和测量，并分析测量结果。
2. 将图像预处理、分割、分析等关键技术结合起来，理论与实践相结合，提高图像处理关键技术的综合应用能力。
二、实验要求1. 对比中值、均值和形态学开闭运算对细胞图像的滤波效果，选择适用于细胞图像的滤波方法2. 运用大津阈值对细胞图像分割，观察分割后噪声情况，观察目标边缘处的分割效果；（使用函数：im2bw）3. 实现连通区域的编号；（使用函数：bwlabel）4. 计算各连通区域的相关信息，如面积、重心等。
（使用函数：regionprops ）三、实验步骤1、预处理去噪x=imread('C:\Documents and Settings\Administrator\桌面\CHEN2-7.BMP');y=medfilt2(rgb2gray(h));subplot(2,2,1)imshow(x)title('原图像');subplot(2,2,2)imshow(y)title('中值滤波处理');I=fspecial('average')z=imfilter(rgb2gray(x),I);subplot(2,3,4)imshow(z)title('均值滤波处理');se = strel('ball',5,5);m = imopen(rgb2gray(x),se);subplot(2,3,5)imshow(m)title('形态学开运算处理');se = strel('ball',5,5);n = imclose(rgb2gray(x),se);subplot(2,3,6)imshow(n)title('形态学闭运算处理');2、大津阈值分割先做出灰度图像的直方图，根据直方图选取合适的分割灰度值x=imread('C:\Documents and Settings\Administrator\桌面\CHEN2-7.BMP');b=rgb2gray(x);imhist(b)；title('灰度直方图');由上图可知，选择阈值在185/255附近可以达到最好的分割效果，则有：x=imread('C:\Documents and Settings\Administrator\桌面\CHEN2-7.BMP'); b=rgb2gray(x);y1=medfilt2(b);w1=im2bw(y1,185/255);h=fspecial('average') ;y2=imfilter(b,h);w2=im2bw(y2, 185/255);se=strel('line',11,90);y3=imopen(b,se);w3=im2bw(y3, 185/255);y4=imclose(b,se);w4=im2bw(y4, 185/255);figuresubplot(2,2,1)imshow(w1)title('中值大津阈值分割');subplot(2,2,2)imshow(w2)title('均值大津阈值分割');subplot(2,2,3)imshow(w3);title('开运算大津阈值分割');subplot(2,2,4)imshow(w4);title('闭运算大津阈值分割');3、目标编号标记x=imread('C:\Documents and Settings\Administrator\桌面\CHEN2-7.BMP'); b=rgb2gray(x);se=strel('ball',5,5);y4=imclose(b,se);w4=im2bw(y4, 185/255);z=imcomplement(w4);subplot(2,2,1)imshow(z);title('取反后图像')z=bwareaopen(z,200);subplot(2,2,2);imshow(z);title('去除像素点小于200的部分')BW = logical(z);L = bwlabel(BW,4);subplot(2,2,3);imshow(L);title('四连通')M=bwlabel(BW,8);Subplot(2,2,4)imshow(M);title('八连通')4、测量各个细胞的面积等参数x=imread('C:\Documents and Settings\Administrator\桌面\CHEN2-7.BMP'); b=rgb2gray(x);se = strel('ball',5,5);I0=imclose(b,se);I11=im2bw(I0,185/256);I12=imcomplement(I11);I13= bwlabel(I12);s = regionprops(I13, 'centroid');centroids = cat(1, s.Centroid);figure(1);imshow(I13)title('重心标记图');hold onplot(centroids(:,1), centroids(:,2), 'r*')hold offm=regionprops(I13,'Area');areas=cat(1, m.Area);figure(3);plot(areas)如图为重心标记和各区域面积分布图：1．为何需要预处理？直接分割的效果如何？答：如果不进行预处理,在后续处理时如进行阈值分割会产生边缘毛刺，使效果不明显；2．选择何种预处理方法？a) 中值适合于去除脉冲噪声和图像扫描噪声，同时不会使图像变模糊，但对消除细节较多的图像不适合用中值滤波；b) 均值可以有效的是噪声得到消除，但同时图像变得模糊，丢失了一些图像的细节部分；c) 形态学开运算对于消除背景噪声有很好的效果，尤其是一些胡椒噪声；d) 形态学闭运算对消除前景噪声效果较好，如：沙眼噪声；通过以上分析及结合图像处理效果可以得出，利用形态学开闭运算对滤除图像中的沙眼噪声和胡椒噪声效果较好；3.分析预处理的目的，有针对性的选择合适的方法答：预处理的目的是为了事先消除图像的噪声，好为后处理做准备；四、思考题1．若将预处理去噪的步骤省掉，则如何在目标编号的过程中加入滤波处理；答：若预处理中没有去噪步骤，从图像处理结果可以看出，经过阈值分割后，图像中还有很多椒盐噪声，要在编号中滤除这些噪声，可通过形态学开运算后，再进行取反操作等后续操作；2．将去噪过程与阈值分割前后调换，选择哪种滤波方法可以滤除二值图像上的噪声；答：通过阈值分割之后，图像中有很多胡椒噪声，可通过形态学开操作将其去除；3．总结大津阈值在细胞图像分割中存在的问题，想一想你所学的算法中哪种算法更适合于细胞图像的分割。
数字图像处理实验
数字图像处理实验实验报告要求：实验报告应包含实验名称、实验内容、思想及原理、算法设计、代码设计及实现、实验结果及分析、结论等内容。
实验结果必须包括原图像、结果图像和必要的数据图像。
实验1 直方图均衡化编码实现直方图均衡化算法（不能使用第三方直方图均衡化函数）。
代码如下：a=imread('e:\b.jpg');%读取图像b=rgb2gray(a); %转化为灰度图像imshow(b); %显示原图c=histeq(b); %直方图均衡化subplot(121),imshow(a);subplot(122),imshow(c); %显示处理后的图像图像如下：实验2 频率域滤波图像中含有周期性干扰，设计使用频率域分析方法检测和去除图像周期性干扰的算法（可以使用第三方傅里叶变换和反变换函数）。
代码如下：%频率域滤波clc;close all;f=imread('salt.bmp');f=im2double(f);F=fft2(double(f));%傅里叶变换F=fftshift(F);%将变换的原点移到频率矩形的中心[M,N]=size(f);%理想低通滤波D0=input('输入截止频率');h1=zeros(M,N);for i=1:Mfor j=i:Nif(sqrt(((i-M/2)^2+(j-N/2)^2))<D0)h1(i,j)=1;endendendG1=F.*hl;61=ifftshift(G1);g1=real(ifft2(G1));subplot(2,3,1);imshow(f);title('原图');subplot(2,3,2);imshow(g1);title('理想低通滤波’);%巴特沃斯低通滤波n=input('巴特沃斯滤波器的阶数 n=');n1=fix(M/2);n2=fix(N/2);h2=zeros(M,N);for i=1:Mfor j=1:Nd=sqrt((i-n1)^2+(j-n2)^2);h2=1./(1+(d./D0).^(2*n));endendG2=F.*h2;G2=ifftshift(G2);g2=real(ifft(G2));subplot(2,3,1);imshow(f);title('原图'); subplot(2,3,4);imshow(g3);title('低通滤波'); 图像如下：原图巴特沃斯低通理想低通实验3彩色图像去噪对RGB彩色空间和HIS彩色空间去噪效果进行比较分析。
数字图像处理实验教学报告.doc
数字图像处理实验报告实验内容：主要实现以下几个内容：⑴直方图均衡化（histogram equalization ） ⑵直方图匹配（histogram matching ） ⑶邻域平均（neighborhood averaging ） ⑷局域增强（local enhancement ） ⑸中值滤波（median filtering ）。
二．实验目的：下载安装MATLAB 图像处理工具箱，对图像进行处理；学会用Matlab 中的下列函数对输入图像进行上述5类运算；感受各种不同的图像处理方法对最终图像效果的影响。
Imhist ：对灰度图像画直方图 Histeq ：是图像直方图均衡化处理 Nlfilter ：实现双边滤波器mean2：图像处理工具箱中的函数，用来计算矩阵元素的平均数 std2：计算矩阵元素的标准差 fspecial ：建立预定义的滤波算子 filter2：使用指定的滤波器进行滤波 medfilt2：中值滤波三．实验步骤1．仔细阅读Matlab 帮助文件中有关以上函数的使用说明，能充分理解其使用方法并能运用它们完成实验内容。
2．将桌面上文件1(a).jpg 图像文件用函数imread 读入Matlab 中，对其作直方图均衡化和直方图匹配运算，显示运算前后该图像的直方图，处理后的图像和灰度变换函数。
直方图反映灰度等级的分布情况，本实验指定的直方图如下：1400×rr ≤5 7000-310×r 5＜r ≤20 900－5×r 20＜r ≤180 －1440+8×r 180＜r ≤225 3060－12×r225＜r ≤2553．将文件2.jpg 图像文件读入Matlab ，用nlfilter 对其进行3×3邻域平均和计算邻域标准差，再对其黑暗部分的特征进行局域增强而保持明亮部分图像不变，显示增强后的效果图。
在进行局域增强时，应按下列算法进行：E ·f （x ，y ） if m Sxy ≤k 0M G and k 1D G ≤σSxy ≤k 2D G f （x ，y ）otherwisen =g （x ，y ）=适当调整k 0，k 1和k 2的值，使局域增强达到最佳效果。
2019-dip工序作业指导书word版本 (17页)
本文部分内容来自网络整理，本司不为其真实性负责，如有异议或侵权请及时联系，本司将立即删除！== 本文为word格式，下载后可方便编辑和修改！ ==dip工序作业指导书篇一：DIP作业指导书篇一：dip指导书《数字图像处理》实验指导书实验一、数字图像获取实验二、图像的傅立叶变换实验三、图像增强实验四、图像压缩实验五、图像融合实验一、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。
数字图像处理实验
数字图像处理实验实验总学时：10学时实验目的：本实验的目的是通过实验进一步理解和掌握数字图像处理原理和方法。
通过分析、实现现有的图像处理算法，学习和掌握常用的图像处理技术。
实验内容：数字图像处理的实验内容主要有三个方面:(1) 对图像灰度作某种变换,增强其中的有用信息,抑制无用信息,使图像的视在质量提高,以便于人眼观察、理解或用计算机对其作进一步的处理。
(2) 用某种特殊手段提取、描述和分析图像中所包含的某些特征和特殊的信息,主要的目的是便于计算机对图像作进一步的分析和理解,经常作为模式识别和计算机视觉的预处理。
这些特征包括很多方面，例如,图像的频域特性、灰度特征、边界特征等。
(3) 图像的变换,以便于图像的频域处理。
实验一图像的点处理实验内容及实验原理：1、灰度的线性变换灰度的线性变换就是将图像中所有的点的灰度按照线性灰度变换函数进行变换。
该线性灰度变换函数是一个一维线性函数：灰度变换方程为：其中参数为线性函数的斜率，函数的在y轴的截距，表示输入图像的灰度，表示输出图像的灰度。
要求：输入一幅图像，根据输入的斜率和截距进行线性变换，并显示。
2、灰度拉伸灰度拉伸和灰度线性变换相似。
不同之处在于它是分段线性变换。
表达如下：其中，(x1,y1)和(x2,y2)是分段函数的转折点。
要求：输入一幅图像，根据选择的转折点，进行灰度拉伸，显示变换后的图像。
3、灰度直方图灰度直方图是灰度值的函数，描述的是图像中具有该灰度值的像素的个数，其横坐标表示像素的灰度级别，纵坐标表示该灰度出现的频率(象素的个数)。
要求：输入一幅图像，显示它的灰度直方图，可以根据输入的参数（上限、下限）显示特定范围的灰度直方图。
4、直方图均衡：要求1 显示一幅图像pout.bmp的直方图；2 用直方图均衡对图像pout.bmp进行增强；3 显示增强后的图像。
实验二：数字图像的平滑实验内容及实验原理：1．用均值滤波器（即邻域平均法）去除图像中的噪声；2．用中值滤波器去除图像中的噪声3． 比较两种方法的处理结果 实验步骤：用原始图象lena.bmp 或cameraman.bmp 加产生的3%椒盐噪声图象合成一幅有噪声的图象并显示；1． 用均值滤波器去除图像中的噪声（选3x3窗口）；2． f (x 0,y 0)=Med {f (x,y )∨x ∈[x 0−N,x 0+N ],y ∈[y 0−N,y 0+N ]}用中值滤波器去除图像中的噪声(选3x3窗口做中值滤波)；3． 将两种处理方法的结果与原图比较，注意两种处理方法对边缘的影响。
(完整word版)数字图像处理实验 ——图像恢复
数字图像处理实验——图像恢复班级：信息10—1姓名：张慧学号：36实验四、图像复原一、实验目的1了解图像退化原因与复原技术分类化的数学模型；2熟悉图像复原的经典与现代方法；3热练掌握图像复原的应用；4、通过本实验掌握利用MATLAB编程实现数字图像的图像复原。
二、实验原理：图像复原处理是建立在图像退化的数学模型基础上的，这个退化数学模型能够反映图像退化的原因。
图像的退化过程可以理解为施加于原图像上的运算和噪声两者联合作用的结果，图像退化模型如图1所示，可以表示为：g ( x, y ) H [ f ( x, y )] n( x, y ) f ( x, y )h( x, y ) n( x, y) （1）图1 图像退化模型(1)在测试图像上产生高斯噪声lena图-需能指定均值和方差；并用滤波器（自选）恢复图像；噪声是最常见的退化因素之一，也是图像恢复中重点研究的内容，图像中的噪声可定义为图像中不希望有的部分。
噪声是一种随机过程，它的波形和瞬时振幅以及相位都随时间无规则变化，因此无法精确测量，所以不能当做具体的处理对象，而只能用概率统计的理论和方法进行分析和处理。
本文中研究高斯噪声对图像的影响及其去噪过程。
①高斯噪声的产生：所谓高斯噪声是指它的概率密度函数服从高斯分布（即正态分布）的一类噪声。
一个高斯随机变量z的PDF可表示为：P（z）()22x pz u2σ-⎡⎤-⎢⎥⎣⎦（2）其中z代表灰度，u是z的均值，σ是z的标准差。
高斯噪声的灰度值多集中在均值附近。
图2 高斯函数可以通过不同的算法用matlab 来产生高斯噪声。
②高斯噪声对信号的影响噪声影响图像处理的输入、采集、处理的各个环节以及输出结果的全过程，在图像中加高斯噪声通常会使图像变得模糊并且会出现细小的斑点，使图像变得不清晰。
③去除高斯噪声的一些方法去除高斯噪声的方法有直方图变换，低通滤波，高通滤波，逆滤波，维纳滤波，中值滤波等。
本文应用高斯平滑滤波进行去噪处理。
数字图像处理实验报告.doc
数字图像处理实验报告数字图像处理实验报告1一.实验内容：主要是图像的几何变换的编程实现，具体包括图像的读取、改写，图像平移，图像的镜像，图像的转置，比例缩放，旋转变换等.具体要求如下：1. 编程实现图像平移，要求平移后的图像大小不变；2. 编程实现图像的镜像；3. 编程实现图像的转置；4. 编程实现图像的比例缩放，要求分别用双线性插值和最近邻插值两种方法来实现，并比较两种方法的缩放效果；5. 编程实现以任意角度对图像进行旋转变换，要求分别用双线性插值和最近邻插值两种方法来实现，并比较两种方法的旋转效果.二.实验目的和意义：本实验的目的是使学生熟悉并掌握图像处理编程环境，掌握图像平移、镜像、转置和旋转等几何变换的方法，并能通过程序设计实现图像文件的读、写操作，及图像平移、镜像、转置和旋转等几何变换的程序实现.三.实验原理与主要框架3.1实验所用编程环境Visual C++（简称VC）是微软公司提供的基于C/C++的应用程序集成开发工具.VC拥有丰富的功能和大量的扩展库，使用它能有效的创建高性能的Windows应用程序和Wet应用程序.VC除了提供高效的C/C++编译器外，还提供了大量的可重用类和组件，包括著名的微软基础类库（MFC）和活动模板类库（ATL），因此它是软件开发人员不可多得的开发工具.VC丰富的功能和大量的扩展库，类的重用特性以及它对函数库、DLL库的支持能使程序更好的模块化，并且通过向导程序大大简化了库资源的使用和应用程序的开发，正由于VC具有明显的优势，因而我选择了它来作为数字图像几何变换的开发工具.在本程序的开发过程中，VC的核心知识、消息映射机制、对话框控件编程等都得到了生动的体现和灵活的应用.3.2实验处理的对象：256色的BMP（BIT MAP格式图像BMP（BIT MAP位图的文件结构：具体组成图：BITMAPFILEHEADER位图文件头（只用于BMP文件）bfType="BM" bfSize bfReserved1bfReserved2bfOffBitsbiSize biWidthbiHeight biPla nesbiBitCou ntbiCompressi onbiSizeimagebiXPelsPerMeterbiY PelsPerMeterbiClrUsedbiCirimporta nt单色DIB有2个表项16色DIB有16个表项或更少256色DIB有256个表项或更少真彩色DIB没有调色板每个表项长度为4字节（32位）像素按照每行每列的顺序排列每一行的字节数必须是4的整数倍BITMAPINFOHEAD位图信息头Palette 调色板DIBPixels DIB 图像数据1. BMP文件组成BMP文件由文件头、位图信息头、颜色信息和图形数据四部分组成.2. BMP文件头BMP文件头数据结构含有BMP文件的类型（必须为BMP）文件大小（以字节为单位）、位图文件保留字（必须为0）和位图起始位置（以相对于位图文件头的偏移量表示）等信息.3. 位图信息头BMP位图信息头数据用于说明位图的尺寸（宽度,高度等都是以像素为单位，大小以字节为单位，水平和垂直分辨率以每米像素数为单位），目标设备的级别，每个像素所需的位数，位图压缩类型（必须是0）等信息.4. 颜色表颜色表用于说明位图中的颜色，它有若干个表项，每一个表项是一个RGBQUAD类型的结构，定义一种颜色.具体包含蓝色、红色、绿色的亮度（值范围为0-255）位图信息头和颜色表组成位图信息5. 位图数据位图数据记录了位图的每一个像素值，记录顺序是在扫描行内是从左到右，扫描行之间是从下到上.Windows规定一个扫描行所占的字节数必须是4的倍数（即以long为单位）,不足的以0填充.3.3 BMP（BIT MAP ）位图的显示：①一般显示方法：1. 申请内存空间用于存放位图文件2. 位图文件读入所申请内存空间中3. 在函数中用创建显示用位图，用函数创建兼容DC用函数选择显示删除位图但以上方法的缺点是：1）显示速度慢；2）内存占用大；3）位图在缩小显示时图形失真大,（可通过安装字体平滑软件来解决）；4）在低颜色位数的设备上（如256显示模式）显示高颜色位数的图形（如真彩色）图形失真严重.②BMP位图缩放显示：用视频函数来显示位图，内存占用少，速度快，而且还可以对图形进行淡化（Dithering ）处理.淡化处理是一种图形算法，可以用来在一个支持比图像所用颜色要少的设备上显示彩色图像.BMP位图显示方法如下：1. 打开视频函数，一般放在在构造函数中2. 申请内存空间用于存放位图文件3. 位图文件读入所申请内存空间中4. 在函数中显示位图5. 关闭视频函数，一般放在在析构函数中以上方法的优点是：1）显示速度快；2）内存占用少；3）缩放显示时图形失真小,4）在低颜色位数的设备上显示高颜色位数的图形图形时失真小；5）通过直接处理位图数据，可以制作简单动画3.4程序中用到的访问函数Win dows支持一些重要的DIB访问函数，但是这些函数都还没有被封装到MFC中，这些函数主要有：1. SetDIBitsToDevice 函数：该函数可以直接在显示器或打印机上显示DIB.在显示时不进行缩放处理.2. StretchDIBits 函数：该函数可以缩放显示DIB于显示器和打印机上.3. GetDIBits 函数：还函数利用申请到的内存，由GDI位图来构造DIB.通过该函数，可以对DIB的格式进行控制，可以指定每个像素颜色的位数，而且可以指定是否进行压缩.4. CreateDIBitmap函数：利用该函数可以从DIB出发来创建GDI 位图.5. CreateDIBSection 函数：该函数能创建一种特殊的DIB，称为DIB项，然后返回一个GDI位图句柄.6. LoadImage函数：该函数可以直接从磁盘文件中读入一个位图，并返回一个DIB句柄.7. DrawDibDraw 函数：Windows提供了窗口视频（VFW）组件，Visual C++支持该组件.VFW中的DrawDibDraw函数是一个可以替代StretchDIBits 的函数.它的最主要的优点是可以使用抖动颜色，并且提高显示DIB的速度，缺点是必须将VFW弋码连接到进程中.3.5图像的几何变换图像的几何变换，通常包括图像的平移、图像的镜像变换、图像的转置、图像的缩放和图像的旋转等.数字图像处理实验报告2一、实验的目的和意义实验目的：本实验内容旨在让学生通过用VC等高级语言编写数字图像处理的一些基本算法程序，来巩固和掌握图像处理技术的基本技能，提高实际动手能力，并通过实际编程了解图像处理软件的实现的基本原理。
数字图像处理实验
目录实验1 数字图像处理的MATLAB基础................. 错误！未定义书签。
实验2 灰度图像增强.. (2)实验3 空域滤波 (4)实验4 图像的二维傅里叶变换和频谱 (6)实验5 图像频域增强 (8)实验6 图像复原.................................. 错误！未定义书签。
实验7 彩色图像变换. (11)实验8 彩色图像滤波 (13)实验9 图像边缘检测 (15)附录一图像数据文件格式 (17)附录二实验报告格式 (20)实验2 灰度图像增强一、实验目的通过本实验使学生掌握使用MATLAB对灰度图像进行空域增强的目的，加深对空域图像增强的理解。
二、实验原理本实验是基于数字图像处理课程中的图像变换和增强理论来设计的。
本实验的准备知识：教材第三章，空域图像增强方法。
重点如下：1、直方图和直方图均衡通过实验领悟图像的直方图的含义，加深对图像直方图概念的理解，并且能够掌握直方图均衡的方法和效果。
画图像的直方图命令， imhist(A)直方图均衡命令， Aeq＝histeq（A）2、基本灰度变换3、同屏显示图像的函数图形窗口分区的命令为 subplot, 例如subplot (2,2,1) 是将图形窗分为2×2的4个区，在第1个区画图。
示例figuresubplot(1,2,1) imshow(A);subplot(1,2,2) imshow(Aeq);将图形窗口分为两个区，分别显示图像A和Aeq。
三、实验内容（一）直方图均衡1、读入lena_gray.tif图像文件，画出其直方图，并解释之；2、对该图像进行直方图均衡，显示均衡后的图像及其直方图，并解释之；3、将均衡后的图像存为lena_gray_1.tif文件。
4、再将lena_gray_1.tif文件读入并重复上述过程，说明增强效果并解释之。
（二）图像灰度变换读入lena_gray.tif文件，对其灰度进行下列调整，并显示图像：（1）将图像的灰度降低70％，同屏显示原图像和灰度调整后图像；（2）将图像灰度加上一个值（如50），使图像变亮，编程，同屏显示原图像和灰度调整后图像。
数字图像处理 实验报告(完整版).doc
数字图像处理实验一 MATLAB数字图像处理初步一、显示图像1．利用imread( )函数读取一幅图像，假设其名为lily.tif，存入一个数组中；2．利用whos 命令提取该读入图像flower.tif的基本信息；3．利用imshow()函数来显示这幅图像；实验结果如下图：源代码：>>I=imread('lily.tif')>> whos I>> imshow(I)二、压缩图像4．利用imfinfo函数来获取图像文件的压缩，颜色等等其他的详细信息；5．利用imwrite()函数来压缩这幅图象，将其保存为一幅压缩了像素的jpg文件,设为lily.jpg；语法：imwrite(原图像，新图像，‘quality’,q), q取0-100。
6．同样利用imwrite()函数将最初读入的tif图象另存为一幅bmp图像，设为flily.bmp。
7．用imread()读入图像Sunset.jpg和Winter.jpg；8．用imfinfo()获取图像Sunset.jpg和Winter.jpg的大小；9．用figure,imshow()分别将Sunset.jpg和Winter.jpg显示出来，观察两幅图像的质量。
其中9的实验结果如下图：源代码：4~6(接上面两个) >>I=imread('lily.tif')>> imfinfo 'lily.tif'；>> imwrite(I,'lily.jpg','quality',20);>> imwrite(I,'lily.bmp');7~9 >>I=imread('Sunset.jpg');>>J=imread('Winter.jpg')>>imfinfo 'Sunset.jpg'>> imfinfo 'Winter.jpg'>>figure(1),imshow('Sunset.jpg')>>figure(2),imshow('Winter.jpg')三、二值化图像10．用im2bw将一幅灰度图像转化为二值图像，并且用imshow显示出来观察图像的特征。
数字图像处理实验(1)
3）存储该图像（文件名用同学们的本名）； 4）、制作标准像的硬拷贝；打印两张，一张
上交（附在实验报告中），一张自己保留；
五、撰写实验报告 1）、实验目的叙述； 2）、实验环境描述； 3）、实验项目及内容； 4）、操作步骤详细描述；包括：系统的激 活方法，菜单的运用等；
5）、记录实验结果。 6）、基本原理介绍； 7）、实验现象描述； 8）、实验结果分析；
谢谢
软件： 操作系统：WINDOWS XP 应用软件： 数字图像处理演示软件。
三、实验内容：
1）、图像信息获取； 2）、图像存储； 3）、观察直方图均衡化处理的效果； 4）、观察图像边缘增强处理效果； 5）、拍摄自己的标准像。
四、实验步骤： 1、图像信息的获取： 1）、激活软件； 2）、调整摄像机的光圈和聚焦，
数字图像处理实验
(一)
一、实验目的
1）、了解“数字图像处理系统”的基本组 成结构；
2）、掌握微型数字图像处理系统的基本 操作方法；
3）、体验主要数字图像处理内容的效果。
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：Logitech 130万像素, 分辨率:640×480 最高分辨率:1280×960 手动聚焦调整.
摄取一张明暗合适的图像；
ห้องสมุดไป่ตู้
3）、存储图像；
4）、调出该图像，验证是否成功存储了该 图像。
2、观察图像均衡化处理效果 1）、激活图像处理软件； 2）、调整摄像机光圈，摄取一张偏暗的图像 并存储该图像；
3）、调用演示程序中的直方图统计功 能，观察直方图形状；
4）、调用直方图均衡化处理功能，观察 处理结果，同时调用直方图统计功 能，观察直方图形状；
数字图像处理实验报告(完整版)
数字图像处理实验一 MATLAB数字图像处理初步一、显示图像1．利用imread( )函数读取一幅图像，假设其名为lily.tif，存入一个数组中；2．利用whos 命令提取该读入图像flower.tif的基本信息；3．利用imshow()函数来显示这幅图像；实验结果如下图：源代码：>>I=imread('lily.tif')>> whos I>> imshow(I)二、压缩图像4．利用imfinfo函数来获取图像文件的压缩，颜色等等其他的详细信息；5．利用imwrite()函数来压缩这幅图象，将其保存为一幅压缩了像素的jpg文件,设为lily.jpg；语法：imwrite(原图像，新图像，‘quality’,q), q取0-100。
6．同样利用imwrite()函数将最初读入的tif图象另存为一幅bmp图像，设为flily.bmp。
7．用imread()读入图像Sunset.jpg和Winter.jpg；8．用imfinfo()获取图像Sunset.jpg和Winter.jpg的大小；9．用figure,imshow()分别将Sunset.jpg和Winter.jpg显示出来，观察两幅图像的质量。
其中9的实验结果如下图：源代码：4~6(接上面两个) >>I=imread('lily.tif')>> imfinfo 'lily.tif'；>> imwrite(I,'lily.jpg','quality',20);>> imwrite(I,'lily.bmp');7~9 >>I=imread('Sunset.jpg');>>J=imread('Winter.jpg')>>imfinfo 'Sunset.jpg'>> imfinfo 'Winter.jpg'>>figure(1),imshow('Sunset.jpg')>>figure(2),imshow('Winter.jpg')三、二值化图像10．用im2bw将一幅灰度图像转化为二值图像，并且用imshow显示出来观察图像的特征。
《数字图像处理》实验报告
《数字图像处理》实验报告数字图像处理是计算机科学与技术领域中的一个重要分支，它涉及到对图像进行获取、处理、分析和显示等一系列操作。
在本次实验中，我们将学习和探索数字图像处理的基本概念和技术，并通过实验来加深对这些概念和技术的理解。
首先，我们需要了解数字图像的基本概念。
数字图像是由像素组成的二维矩阵，每个像素代表图像中的一个点，像素的灰度值或颜色值决定了该点的亮度或颜色。
在实验中，我们将使用灰度图像进行处理，其中每个像素的灰度值表示了该点的亮度。
在数字图像处理中，最基本的操作之一是图像的获取和显示。
我们可以通过摄像头或者从文件中读取图像数据，然后将其显示在计算机屏幕上。
通过这种方式，我们可以对图像进行观察和分析，为后续的处理操作做好准备。
接下来，我们将学习一些常见的图像处理操作。
其中之一是图像的灰度化处理。
通过将彩色图像转换为灰度图像，我们可以减少图像数据的维度，简化后续处理的复杂度。
灰度化处理的方法有多种，例如将彩色图像的RGB三个通道的像素值取平均值，或者使用加权平均值的方法来计算灰度值。
另一个常见的图像处理操作是图像的平滑处理。
图像平滑可以减少图像中的噪声，并使得图像更加清晰。
常用的图像平滑方法包括均值滤波和高斯滤波。
均值滤波通过计算像素周围邻域像素的平均值来平滑图像，而高斯滤波则使用一个高斯核函数来加权平均邻域像素的值。
除了平滑处理，图像的锐化处理也是数字图像处理中的一个重要操作。
图像的锐化可以增强图像的边缘和细节，使得图像更加清晰和鲜明。
常用的图像锐化方法包括拉普拉斯算子和Sobel算子。
这些算子通过计算像素周围邻域像素的差异来检测边缘，并增强边缘的灰度值。
此外，我们还将学习一些图像的变换操作。
其中之一是图像的缩放和旋转。
通过缩放操作，我们可以改变图像的尺寸，使其适应不同的显示设备或应用场景。
而旋转操作可以将图像按照一定的角度进行旋转，以达到某种特定的效果。
最后，我们将学习一些图像的特征提取和分析方法。
- 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、"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、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)。
华南理工大学《数字图像处理》课程实验报告实验题目：实验1、数字图像读取及色彩、亮度对比度变化姓名：学号：班级：组别：合作者：指导教师：V=-0.30R-0.59G+0.89B5．通过访问Y（亮度）通道，改变数字图像的亮度；二、实验图像：三、实验主要过程：1、读入图像，分离RGB三个通道，结果如下：代码如下：% 读入图像并分离RGB，显示；src = imread('sample1-1.bmp');[r c d] = size(src);R = src;G = src;B = src;R(:,:,2) = zeros(r,c);R(:,:,3) = zeros(r,c);G(:,:,1) = zeros(r,c);G(:,:,3) = zeros(r,c);B(:,:,1) = zeros(r,c);B(:,:,2) = zeros(r,c);subplot(1,3,1);imshow(R); title('R分量');subplot(1,3,2);imshow(G); title('G分量');subplot(1,3,3);imshow(B); title('B分量');2、修改RGB值（反色），改变图像的色彩，结果如下：代码如下：% 修改RGB的值（这时采用了反色），改变图像的色彩；R(:,:,1) = 255 - R(:,:,1); % 为了进行后面的实验，请注释此行G(:,:,2) = 255 - G(:,:,2); % 为了进行后面的实验，请注释此行B(:,:,3) = 255 - B(:,:,3); % 为了进行后面的实验，请注释此行subplot(2,3,1);imshow(R); title('R分量反色');subplot(2,3,2);imshow(G); title('G分量反色');subplot(2,3,3);imshow(B); title('B分量反色');subplot(2,3,4);imshow(src); title('原图');subplot(2,3,6);imshow(R+G+B); title('反色');3、将RGB转为YUV，结果如下：代码如下：R = double(R(:,:,1));G = double(G(:,:,2));B = double(B(:,:,3));Y = 0.299*R + 0.587*G + 0.114*B;U = -0.147*R - 0.289*G + 0.436*B;V = 0.615*R - 0.515*G - 0.100*B;subplot(2,3,1);imshow(uint8(Y)); title('Y分量');subplot(2,3,2);imshow(uint8(U)); title('U分量');subplot(2,3,3);imshow(uint8(V)); title('V分量');4、修改Y分量（这里除以1.5），重新由YUV转为RGB，结果如下：代码如下：Y = Y/1.5;R = Y + 1.140*V;G = Y - 0.395*U - 0.581*V;B = Y + 2.032*U;rgb(:,:,1) = uint8(R(:,:));rgb(:,:,2) = uint8(G(:,:));rgb(:,:,3) = uint8(B(:,:));subplot(2,3,4);imshow(rgb); title('修改亮度');华南理工大学《数字图像处理》课程实验报告实验题目：实验2、数字图像空间域增强姓名：学号：班级：组别：合作者：指导教师：三、实验主要过程：1、对源图像进行标准化，使像素的RGB值的范围为0到1代码如下：src = imread('sample2-1.bmp');src = double(src);src = src / 256.0;2、对源图像的各像素，采用不同的珈玛值进行校正，并显示比较，结果如下：代码如下：gamma0p4 = uint8(src.^(1/0.4).*256.0);华南理工大学《数字图像处理》课程实验报告实验题目：实验3、数字图像的噪声去除姓名：学号：班级：组别：合作者：指导教师：源图像加噪声后的图像三、实验主要过程：1、对源图像进行3*3的均值滤波，结果如下：代码如下：src = imread('sample3-2.bmp');[r,c] = size(src);output = src;n = 3; k = (n-1)/2;for row = 1+k:r-kfor column = 1+k:c-km = src(row-k:row+k,column-k:column+k);temp = sum(sum(m,1),2)*(1/n/n);output(row, column) = uint8(temp);endendimshow(output);在本代码中，边缘并没有被处理，而是直接采用源图像的对应值。
2、对源图像进行3*3的中值滤波，结果如下：华南理工大学《数字图像处理》课程实验报告实验题目：实验4、频率域低通和高通滤波姓名：学号：班级：组别：合作者：指导教师：源图像加噪声后的图像三、实验主要过程：1、对源图像进行进行空间域到频域的变换，结果如下：代码如下：src = imread('sample4-2.bmp');[r,c] = size(src);f = fftshift(fft2(double(src)));mx = max(max(f,[],1),[],2);imf = abs(f)/mx*25600;imshow(uint8(imf));代码如下：D0 = [20,50,80,120];D = f;H = D;for row = 1:rfor column = 1:cD(row,column) = sqrt((row-r/2)^2+(column-c/2)^2);endendfor type = 1:length(D0)H = exp(D.^2/(2*D0(type)^2)*(-1));f2 = f.*H;f2 = ifft2(ifftshift(f2));subplot(2,2,type);imshow(uint8(real(f2)));title(D0(type));end从结果可知，D0越小，结果越模糊，去噪效果越好；D0越大，则相反。
代码如下：D0 = [10,20,40,80];n = 2;D = f;H = D;for row = 1:rfor column = 1:cD(row,column) = sqrt((row-r/2)^2+(column-c/2)^2); endendfor type = 1:length(D0)H = 1 - exp(D.^2/(2*D0(type)^2)*(-1));f2 = f.*H;f2 = ifft2(ifftshift(f2));subplot(2,2,type);imshow(uint8(real(f2)));title(D0(type));end代码如下：D0 = [10,20,40,80];n = 2;D = f;H = D;for row = 1:rfor column = 1:cD(row,column) = sqrt((row-r/2)^2+(column-c/2)^2); endendfor type = 1:length(D0)H = 1./(1+(D/D0(type)).^(2*n));f2 = f.*H;f2 = ifft2(ifftshift(f2));subplot(2,2,type);imshow(uint8(real(f2)));title(D0(type));end代码如下：D0 = [10,20,40,80];n = 2;D = f;H = D;for row = 1:rfor column = 1:cD(row,column) = sqrt((row-r/2)^2+(column-c/2)^2); endendfor type = 1:length(D0)H = 1 - 1./(1+(D/D0(type)).^(2*n));f2 = f.*H;f2 = ifft2(ifftshift(f2));subplot(2,2,type);imshow(uint8(real(f2)));title(D0(type));end华南理工大学《数字图像处理》课程实验报告实验题目：实验5、数字图像复原姓名：学号：班级：组别：合作者：指导教师：二、实验图像：需要复原的图像原图像三、实验主要过程：1、进行逆滤波的操作，这里的H(u, v)是自定义的，结果如下：代码如下：src = imread('sample5-1.jpg');src = rgb2gray(src);[r, c] = size(src);H = zeros(r, c);k = 0.00001;for row = 1:rfor column = 1:cH(row, column) = exp(-k*(( row-r/2)^2+( column -c/2)^2)^(5/6));endendf = fftshift(fft2(double(src)));f = f./H;f = ifft2(ifftshift(f));f = uint8(real(f));imshow(f);由于给出了源图片，所以这里H(u, v)也可以由后面的图像的频域值除以源图片的频域值得出。
2、进行维纳滤波的操作，这里的H(u, v)是自定义的，结果如下：代码如下：src = imread('sample5-1.jpg');src = rgb2gray(src);[r, c] = size(src);H = zeros(r, c);k = 0.0001;for row = 1:rfor column = 1:cH(row,column) = exp(-k*((row-r/2)^2+(column-c/2)^2)^(5/6));endendspectrum = H.^2;f = fftshift(fft2(double(src)));HW = H./(spectrum + 0.0001);f = f.*(HW);（本资料素材和资料部分来自网络，仅供参考。