基于matlab数字图像处理之高通滤波器

合集下载

数字图像处理matlab代码

一、编写程序完成不同滤波器的图像频域降噪和边缘增强的算法并进行比较，得出结论。

1、不同滤波器的频域降噪1.1 理想低通滤波器(ILPF)I1=imread('eight.tif'); %读取图像I2=im2double(I1);I3=imnoise(I2,'gaussian',0.01);I4=imnoise(I3,'salt & pepper',0.01);figure,subplot(1,3,1);imshow(I2) %显示灰度图像title('原始图像'); %为图像添加标题subplot(1,3,2);imshow(I4) %加入混合躁声后显示图像title('加噪后的图像');s=fftshift(fft2(I4)); %将灰度图像的二维不连续Fourier 变换的零频率成分移到频谱的中心[M,N]=size(s); %分别返回s的行数到M中，列数到N中n1=floor(M/2); %对M/2进行取整n2=floor(N/2); %对N/2进行取整d0=40; %初始化d0for i=1:Mfor j=1:Nd=sqrt((i-n1)^2+(j-n2)^2); %点（i,j）到傅立叶变换中心的距离 if d<=d0 %点（i,j）在通带内的情况h=1; %通带变换函数else %点（i,j）在阻带内的情况h=0; %阻带变换函数ends(i,j)=h*s(i,j); %ILPF滤波后的频域表示endends=ifftshift(s); %对s进行反FFT移动s=im2uint8(real(ifft2(s))); %对s进行二维反离散的Fourier变换后，取复数的实部转化为无符号8位整数subplot(1,3,3); %创建图形图像对象imshow(s); %显示ILPF滤波后的图像title('ILPF滤波后的图像（d=40）');运行结果：1.2 二阶巴特沃斯低通滤波器(BLPF)I1=imread('eight.tif'); %读取图像I2=im2double(I1);I3=imnoise(I2,'gaussian',0.01);I4=imnoise(I3,'salt & pepper',0.01);figure,subplot(1,3,1);imshow(I2) %显示灰度图像title('原始图像'); %为图像添加标题subplot(1,3,2);imshow(I4) %加入混合躁声后显示图像title('加噪后的图像');s=fftshift(fft2(I4));%将灰度图像的二维不连续Fourier 变换的零频率成分移到频谱的中心[M,N]=size(s); %分别返回s的行数到M中，列数到N中n=2; %对n赋初值n1=floor(M/2); %对M/2进行取整n2=floor(N/2); %对N/2进行取整d0=40; %初始化d0for i=1:Mfor j=1:Nd=sqrt((i-n1)^2+(j-n2)^2); %点（i,j）到傅立叶变换中心的距离 h=1/(1+(d/d0)^(2*n)); %BLPF滤波函数s(i,j)=h*s(i,j); %ILPF滤波后的频域表示endends=ifftshift(s); %对s进行反FFT移动s=im2uint8(real(ifft2(s))); %对s进行二维反离散的Fourier变换后，取复数的实部转化为无符号8位整数subplot(1,3,3); %创建图形图像对象imshow(s); %显示ILPF滤波后的图像title('BLPF滤波后的图像（d=40）');实验结果：1.3 指数型低通滤波器(ELPF)I1=imread('eight.tif'); %读取图像I2=im2double(I1);I3=imnoise(I2,'gaussian',0.01);I4=imnoise(I3,'salt & pepper',0.01);figure,subplot(1,3,1);imshow(I2) %显示灰度图像title('原始图像'); %为图像添加标题subplot(1,3,2);imshow(I4) %加入混合躁声后显示图像title('加噪后的图像');s=fftshift(fft2(I4));%将灰度图像的二维不连续Fourier 变换的零频率成分移到频谱的中心[M,N]=size(s); %分别返回s的行数到M中，列数到N中n1=floor(M/2); %对M/2进行取整n2=floor(N/2); %对N/2进行取整d0=40;for i=1:Mfor j=1:Nd=sqrt((i-n1)^2+(j-n2)^2); %点（i,j）到傅立叶变换中心的距离 h=exp(log(1/sqrt(2))*(d/d0)^2);s(i,j)=h*s(i,j); %ILPF滤波后的频域表示endends=ifftshift(s); %对s进行反FFT移动s=im2uint8(real(ifft2(s))); %对s进行二维反离散的Fourier变换后，取复数的实部转化为无符号8位整数subplot(1,3,3); %创建图形图像对象imshow(s); %显示ILPF滤波后的图像title('ELPF滤波后的图像（d=40）');运行结果：1.4 梯形低通滤波器(TLPF)I1=imread('eight.tif'); %读取图像I2=im2double(I1);I3=imnoise(I2,'gaussian',0.01);I4=imnoise(I3,'salt & pepper',0.01);figure,subplot(1,3,1);imshow(I2) %显示灰度图像title('原始图像'); %为图像添加标题subplot(1,3,2);imshow(I4) %加入混合躁声后显示图像title('加噪后的图像');s=fftshift(fft2(I4));%将灰度图像的二维不连续Fourier 变换的零频率成分移到频谱的中心[M,N]=size(s); %分别返回s的行数到M中，列数到N中n1=floor(M/2); %对M/2进行取整n2=floor(N/2); %对N/2进行取整d0=10;d1=160;for i=1:Mfor j=1:Nd=sqrt((i-n1)^2+(j-n2)^2); %点（i,j）到傅立叶变换中心的距离 if (d<=d0)h=1;else if (d0<=d1)h=(d-d1)/(d0-d1);else h=0;endends(i,j)=h*s(i,j); %ILPF滤波后的频域表示endends=ifftshift(s); %对s进行反FFT移动s=im2uint8(real(ifft2(s))); %对s进行二维反离散的Fourier变换后，取复数的实部转化为无符号8位整数subplot(1,3,3); %创建图形图像对象imshow(s); %显示ILPF滤波后的图像title('TLPF滤波后的图像'); %为图像添加标题运行结果：1.5 高斯低通滤波器(GLPF)I1=imread('eight.tif'); %读取图像I2=im2double(I1);I3=imnoise(I2,'gaussian',0.01);I4=imnoise(I3,'salt & pepper',0.01);figure,subplot(1,3,1);imshow(I2) %显示灰度图像title('原始图像'); %为图像添加标题subplot(1,3,2);imshow(I4) %加入混合躁声后显示图像title('加噪后的图像');s=fftshift(fft2(I4));%将灰度图像的二维不连续Fourier 变换的零频率成分移到频谱的中心[M,N]=size(s); %分别返回s的行数到M中，列数到N中n1=floor(M/2); %对M/2进行取整n2=floor(N/2); %对N/2进行取整d0=40;for i=1:Mfor j=1:Nd=sqrt((i-n1)^2+(j-n2)^2); %点（i,j）到傅立叶变换中心的距离 h=1*exp(-1/2*(d^2/d0^2)); %GLPF滤波函数s(i,j)=h*s(i,j); %ILPF滤波后的频域表示endends=ifftshift(s); %对s进行反FFT移动s=im2uint8(real(ifft2(s))); %对s进行二维反离散的Fourier变换后，取复数的实部转化为无符号8位整数subplot(1,3,3); %创建图形图像对象imshow(s); %显示ILPF滤波后的图像title('GLPF滤波后的图像（d=40）');运行结果：1.6 维纳滤波器[B,Cmap]=imread('eight.tif'); %读取MATLAB中的名为eight的图像I1=im2double(B);I2=imnoise(I1,'gaussian',0.01);I3=imnoise(I2,'salt & pepper',0.01);figure,subplot(1,3,1);imshow(I1) %显示灰度图像title('原始图像'); %为图像添加标题subplot(1,3,2);imshow(I3) %加入混合躁声后显示图像title('加噪后的图像');I4=wiener2(I3);subplot(1,3,3);imshow(I4); %显示wiener滤波后的图像title('wiener滤波后的图像');运行结果：结论：理想低通滤波器，虽然有陡峭的截止频率，却不能产生良好的效果，图像由于高频分量的滤除而变得模糊，同时还产生振铃效应。

高通滤波器

（2）振铃
ILPF空域上冲激响应卷积产生两个现象：一是边缘渐变部分的对比度；二是边缘部分加边（ringing）。其原因是冲激响应函数的多个过零点。
1 低通滤波器法
f(x) h(x) g(x)
1 低通滤波器法
3）巴特沃思低通滤波器（BLPF）
n阶巴特沃思（Butterworth）滤波器
4 同态滤波
4 同态滤波
分析
fi(x,y): 缓慢变化，频率集中在低频部分 fr(x,y): 包含景物各种信息，高频分量丰富
处理
lnf x , y lnfi x , y lnfr x , y FFT lnf x , y FFT lnfi x , y FFT lnfr x ,y
H
u,
v
0 1
D u,v D0 D u,v D0
其中D u,v u2 v2
2 高通滤波器法
0.8
0.6
0.4
-4
0.2
-4
-2
0 -2
vu
2
2
4
4
0.8 0.6 0.4 0.2
-4
-2
0
2t
4
2 高通滤波器法
3）巴特沃思高通滤波器（BHPF）
n阶巴特沃思（Butterworth）高通滤波器
u
Ho
u
Ps
Ps u u Pn
u
5 维纳估计器
4）维纳去卷积
目标：信号s(t)既受到f(t)线性系统模糊，又受到加性噪声源n(t)的污染。
设计滤波器g(t)既能去卷积，又能抑制噪声信号。
5 维纳估计器
输入信号的频谱
X u F uS u N u
输出信号的频谱
2 高通滤波器法

基于matlab数字图像处理之低通滤波器

实践一:理想低通滤波器、Butterworth低通滤波器、高斯低通滤波器1.1.1理想低通滤波器实践代码：I=imread('couple.bmp');%I=rgb2gray(I);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;for i=1:afor j=1:bdistance=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))));subplot(222),imshow(s);title('低通滤波所得图像');I=imread('couple.bmp');Hd=ones(size(I));Hd(r>0.2)=0;figuresurf(Hd,'Facecolor','interp','Edgecolor','none','Facelighting','phong');%画三维曲面（色）图1.1.2理想低通滤波器实践结果截图：1.2.1 Butterworth低通滤波器实践代码：clear all;I1=imread('girl.bmp');subplot(221),imshow(I1);xlabel('(a)原始图像');f=double(I1);%数据类型转换g=fft2(f);%图像傅里叶转换g=fftshift(g);%傅里叶变换平移F2=log(abs(g));%对傅里叶变换结果取绝对值，然后取对数subplot(222),imshow(F2,[],'InitialMagnification','fit');%将计算后的矩阵用图像表示colormap(jet);%设置色彩索引图colorbar %显示色彩索引条xlabel('(b)原始图像的傅里叶变换图像');[N1,N2]=size(g);%傅里叶变换图像尺寸n=2;%参数赋初始值d0=5;n1=fix(N1/2);%数据圆整n2=fix(N2/2);%数据圆整for i=1:N1 %遍历图像像素for j=1:N2d=sqrt((i-n1)^2+(j-n2)^2);if d==0h=0;elseh=1/(1+(d/d0)^(2*n));endresult(i,j)=h*g(i,j);% 图像矩阵计算处理endendF3=log(abs(result)); %对傅里叶变换结果取绝对值，然后取对数subplot(223),imshow(F3,'InitialMagnification','fit');colormap(jet);%设置色彩索引图colorbar %显示色彩索引条xlabel('(c)滤波后的傅里叶变换图像')result=ifftshift(result);X2=ifft2(result);X3=uint8(real(X2));subplot(224),imshow(X3)xlabel('(d)Butterworth低通滤波图像');I1=imread('couple.bmp');[f1,f2]=freqspace(size(I1),'meshgrid');D=0.3;r=f1.^2+f2.^2;n=4;for i=1:size(I1,1)for j=1:size(I1,2)t=r(i,j)/(D*D);Hd(i,j)=1/(t^n+1);endendsurf(Hd,'Facecolor','interp','Edgecolor','none','Facelighting','phong');% 画三维曲面（色）图1.2.2 Butterworth低通滤波器实践结果截图：1.3.1 高斯低通滤波器实践代码：IA=imread('girl.bmp');[f1,f2]=freqspace(size(IA),'meshgrid');D=100/size(IA,1);r=f1.^2+f2.^2;Hd=ones(size(IA));for i=1:size(IA,1)for j=1:size(IA,2)t=r(i,j)/(D*D);Hd(i,j)=exp(-t);endendY=fft2(double(IA));Y=fftshift(Y);Ya=Y.*Hd;Ya=ifftshift(Ya);Ia=real(ifft2(Ya));figuresubplot(2,2,1),imshow(uint8(IA));title('原图像');subplot(2,2,2),imshow(uint8(Ia));title('高斯低通滤波处理');figuresurf(Hd,'Facecolor','interp','Edgecolor','none','Facelighting','phong'); % 画三维曲面（色）图1.3.2 高斯低通滤波器实践结果截图：。

基于matlab的数字图像处理技术在阿贝成像原理和空间滤波实验中的应用

数字图像在空间滤波处理应用的概述2013级光信息1班梁纯佳201341312138摘要: 探讨了数字图像处理技术在阿贝成像原理和空间滤波实验中的应用 ,介绍了用数码相机采集数据 ,用计算机绘制三维频谱图、进行软件空间滤波和成像的方法。

关键词:数字图像处理，数码相机， MATLAB，空间滤波，阿贝成像原理，傅里叶变换引文：21世纪是一个充满信息的时代，图像作为人类感知世界的视觉基础，是人类获取信息、表达信息和传递信息的重要手段。

数字图像处理技术就是利用计算机对图像信息进行加工以满足人的视觉心理或者应用需求的行为。

实质上也是一段能够被计算机还原显示和输出为一幅图像的数字码。

数字图像处理，其发展历史并不长，但数字图像处理技术已经广泛深入地应用于国计民生休戚相关的各个领域。

数字图像处理，用计算机对图像进行分析，以达到所需结果的技术，又称影像处理。

基本内容图像处理一般指数字图像处理。

数字图像是指用数字摄像机、扫描仪等设备经过采样和数字化得到的一个大的二维数组，该数组的元素称为像素，其值为一整数，称为灰度值。

图像处理技术有图像数字化、图像编码、图像增强、图像复原、图像分割和图像分析等。

图像处理一般指数字图像处理。

图像处理离不开海量、丰富的基础数据，包括视频、静态图像等多种格式，如Berkeley分割数据集和基准500 （BSDS500）、西门菲沙大学不同光照物体图像数据库、神经网络人脸识别数据、CBCL-MIT StreetScenes（麻省理工学院街景数据库）等。

现代光学信息处理由于具有容量大、速度快、并行性及装置简单等优点,在二维图象信息存储、图象增强、特征识别、现代象质评价等许多方面有着重要的应用。

空间滤波是最基本的光学信息处理操作之一,其基本原理是根据具体需要制作一个适当的空间滤波器,并将其放在光路中输入图象的频谱平面处,通过对输入图象的频谱进行调制,从而完成某种处理过程,如低通、高通、带通、边缘增强、相关识别等。

matlab数字图像处理实验报告

《数字图像处理实验报告》实验一图像的增强一.实验目的1.熟悉图像在MATLAB下的读写、输出；2.熟悉直方图；3.熟悉图像的线性指数等；4.熟悉图像的算术运算和几何变换。

二.实验仪器计算机、MATLAB软件三.实验原理图像增强是指根据特定的需要突出图像中的重要信息，同时减弱或去除不需要的信息。

从不同的途径获取的图像，通过进行适当的增强处理，可以将原本模糊不清甚至根本无法分辨的原始图像处理成清晰的富含大量有用信息的可使用图像。

其基本原理是：对一幅图像的灰度直方图，经过一定的变换之后，使其成为均匀或基本均匀的，即使得分布在每一个灰度等级上的像素个数．f=H等或基本相等。

此方法是典刑的图像空间域技术处理，但是由于灰度直方图只是近似的概率密度函数，因此，当用离散的灰度等级做变换时，很难得到完全平坦均匀的结果。

频率域增强技术频率域增强是首先将图像从空间与变换到频域，然后进行各种各样的处理，再将所得到的结果进行反变换，从而达到图像处理的目的。

常用的变换方法有傅里叶变换、DCT变换、沃尔什-哈达玛变换、小波变换等。

假定原图像为f(x，y)，经傅立叶变换为F(u，v)。

频率域增强就是选择合适的滤波器H(u,v)对F(u,v)的频谱成分进行处理，然后经逆傅立叶变换得到增强的图像。

四.实验内容及步骤1.图像在MATLAB下的读写、输出；实验过程：>> I = imread('F:\image\');figure;imshow(I);title('Original Image');text(size(I,2),size(I,1)+15, ...'', ...'FontSize',7,'HorizontalAlignment','right');Warning: Image is too big to fit on screen; displaying at 25% > In imuitools\private\initSize at 86In imshow at 1962.给定函数的累积直方图。

基于MATLAB GUI的Gabor滤波器数字图像处理实验平台设计

基于MATLAB GUI的Gabor滤波器数字图像处理实验平台设计杨艳;夏福全;陈章宝【摘要】数字图像处理课程涉及知识面较广,颇具实用性,但现有的数字图像处理仿真实验平台体系结构复杂,对于本科生初学者来说,有一定的难度.如果缺少相应的实验系统,学生很难深入理解数字图像处理的技术原理和进行创新性的学习.利用MATLAB GUI良好的数字图像处理用户界面环境,设计了一种基于MATLAB GUI 的Ga-bor滤波器图像处理仿真实验平台.通过简单的交互操作即可完成相关图像的实验处理,即根据图像的时域和频域的窗口尺寸和方向,对图像进行特征提取,同时可选择性地呈现不同形式下的图像处理结果.实验证明该仿真平台不但为数字图像处理实验教学提供了有力的辅助工具,而且有效实现了知识的转化与应用.【期刊名称】《蚌埠学院学报》【年(卷),期】2019(008)002【总页数】4页(P57-60)【关键词】Gabor滤波器;图像处理;实验平台【作者】杨艳;夏福全;陈章宝【作者单位】蚌埠学院电子与电气工程学院,安徽蚌埠 233030;蚌埠学院理学院,安徽蚌埠 233030;蚌埠学院电子与电气工程学院,安徽蚌埠 233030【正文语种】中文【中图分类】TP391.41;TP273《数字图像处理》作为蚌埠学院电子信息工程、电子信息科学和光电信息科学与技术等电子信息类专业必修课程，涵盖的知识面比较宽，尤其是在图像特征提取、图像增强、图像滤波方面，每部分内容都涉及到了多种处理方法和算法，对学生来讲，学习和理解的难度也较大[1]。

目前，学校采用的是理论与实验相结合的教学方法，学生通过MATLAB编程方法对图像进行处理，加深对数字图像处理理论知识的理解。

但在目前的实验教学中，缺少与教材同步的实验系统，学生在深入理解数字图像处理技术原理方面有很大难度。

全国各高校教师为解决“数字图像处理”课程教学所面临的这些问题，做了很多图像处理的实验平台[2-4]，在众多平台中多是一些常规的处理方法，而在图像特征提取方面基于Gabor滤波器的处理方法鲜有文献提及。

《基于MATLAB与FPGA的图像处理教程》记录

《基于MATLAB与FPGA的图像处理教程》读书记录1. 第一章我无法直接提供《基于MATLAB与FPGA的图像处理教程》这本书的具体内容，因为这需要访问该书的实体或电子版。

我可以为你创建一个读书笔记的框架，你可以根据实际的书籍内容来填充。

在这一章节中，我们可以介绍图像处理的基本概念、重要性以及MATLAB和FPGA在图像处理中的应用背景。

图像处理的基本概念：解释什么是图像处理，包括图像的定义、图像处理的目的是什么，以及图像处理的主要应用领域（如医学成像、计算机视觉、军事侦察等）。

MATLAB与FPGA在图像处理中的作用：简要介绍MATLAB在图像处理中的软件工具优势，如丰富的图像处理函数库、易于使用的图形用户界面等。

阐述FPGA在图像处理中的硬件加速作用，包括并行处理能力、低功耗优势以及可编程性等。

本书的目标：明确本书的学习目标，例如教授读者如何使用MATLAB和FPGA进行图像处理实验，介绍基本的图像处理算法，以及探讨更高级的FPGA实现技术等。

阅读建议：给出一些阅读本书的建议，如建议读者先了解图像处理的基础知识，准备好必要的编程环境（MATLAB和FPGA开发板），以及鼓励读者动手实践以加深理解。

当你有了具体的书籍内容后，可以按照这个框架来填充和整理你的读书笔记。

2. 第二章由于您没有提供具体的《基于MATLAB与FPGA的图像处理教程》第二章的内容，我将为您提供一个通用的读书笔记模板，您可以根据实际书籍内容进行填充。

在这一章节中，我们将介绍图像处理的基本概念、原理和方法。

这些知识将为后续章节中利用MATLAB和FPGA进行图像处理打下坚实的基础。

图像作为二维数组，由像素点组成，每个像素点包含颜色信息（通常用RGB或灰度值表示）。

图像的分辨率是指图像中像素的数量，通常以像素宽度（宽）和像素高度（高）来衡量。

本章介绍了图像处理的基本概念、目的和类型，以及一些基本的处理操作。

为后续章节的学习打下坚实的基础，特别是如何使用MATLAB和FPGA进行图像处理。

Matlab中的多种滤波器设计方法介绍

Matlab中的多种滤波器设计方法介绍引言滤波器是数字信号处理中常用的工具，它可以去除噪声、改善信号质量以及实现其他信号处理功能。

在Matlab中，有许多不同的滤波器设计方法可供选择。

本文将介绍一些常见的滤波器设计方法，并详细说明它们的原理和应用场景。

一、FIR滤波器设计1.1 理想低通滤波器设计理想低通滤波器是一种理论上的滤波器，它可以完全去除截止频率之上的频率分量。

在Matlab中，可以使用函数fir1来设计理想低通滤波器。

该函数需要指定滤波器阶数及截止频率，并返回滤波器的系数。

但是，由于理想低通滤波器是非因果、无限长的，因此在实际应用中很少使用。

1.2 窗函数法设计为了解决理想滤波器的限制，窗函数法设计了一种有限长、因果的线性相位FIR滤波器。

该方法利用窗函数对理想滤波器的频率响应进行加权，从而得到实际可用的滤波器。

在Matlab中，可以使用函数fir1来实现窗函数法设计。

1.3 Parks-McClellan算法设计Parks-McClellan算法是一种优化设计方法，它可以根据指定的频率响应要求，自动选择最优的滤波器系数。

在Matlab中，可以使用函数firpm来实现Parks-McClellan算法。

二、IIR滤波器设计2.1 Butterworth滤波器设计Butterworth滤波器是一种常用的IIR滤波器，它具有平坦的幅频响应，并且在通带和阻带之间有宽的过渡带。

在Matlab中，可以使用函数butter来设计Butterworth滤波器。

2.2 Chebyshev滤波器设计Chebyshev滤波器是一种具有较陡的滚降率的IIR滤波器，它在通带和阻带之间有一个相对较小的过渡带。

在Matlab中，可以使用函数cheby1和cheby2来设计Chebyshev滤波器。

2.3 Elliptic滤波器设计Elliptic滤波器是一种在通带和阻带上均具有较陡的滚降率的IIR滤波器，它相较于Chebyshev滤波器在通带和阻带上都具有更好的过渡特性。

基于MATLAB的数字图像处理的设计与实现

基于MATLAB的数字图像处理的设计与实现摘要数字图像处理是一门新兴技术,随着计算机硬件的发展，数字图像的实时处理已经成可能，由于数字图像处理的各种算法的出现,使得其处理速度越来越快，能更好的为人们服务。

数字图像处理是一种通过计算机采用一定的算法对图形图像进行处理的技术。

目的:改善医学图像质量，使图像得到增强。

方法：利用Matlab工具箱函数，采用灰度直方图均衡化和高通滤波的方法对一幅X线图像进行增强处理。

结果:用直方图均衡化的算法,将原始图像密集的灰度分布变得比较稀疏，处理后的图像视觉效果得以改善。

高通滤波对于局部细节增强显著,高通滤波后使不易观察到的细节变得清晰。

结论：使用Matlab工具箱大大简化了编程工作，为医学图像处理提供了一种技术平台。

经过直方图均衡化和高通滤波处理后的医学图像，视觉效果得到改善。

关键词:MATLAB；直方图均衡化；高通滤波；图像增强AbstractDigital image processing is an emerging technology, with the development of computer hardware, real—time digital image processing has become possible due to digital image processing algorithms to appear，making it faster and faster processing speed，better for people services .Digital image processing is used by some algorithms computer graphics image pro cessing technology. Objective：To improve the quality of medical image by enhancing the details。

基于MATLAB的高通滤波器设计

５结语
本文以某型飞机的货舱系留系统的静强度校核为例说明了货舱系留系统的静强度设计要求以及校核和验证方法。通过分析和试验表明某型飞机的货舱系留系统是满足静强度要求的，符合适航条款要求。参考文献
ｈ＝ｃｅ．ｎＮｕｍ｛ｆｒｍ＝１：：２ｏ１５１ｆｒｋ＝１：４ｏ１：９
上接第８页７
通过试验可知，货舱系留系统中拦阻
ｉｍ＞＝）ｆ（ｋａｋ＝（）ｘｍ＋１ｋ；（）ｈｋ半（一）
ｅｄｎ
ｅｎｄ
在拦阻网上放置沙袋的形式将载荷传递的拦阻网上。货舱系留系统的试验台架及试验加
载如图４图５和所示。
．上接ｇ８页．一５
ｂａｓｔ）；＝ｂ（（）ｆｘ
ｃｅｏｄｉｇｉｎｗｅ— Ｏｍａｏ＝ｌａ（ｌｘａｇｉＣＣ．ｔ）ｎ
Байду номын сангаас
次按ｓ，使数码管显示 “ ” ，调节ＲＰ使１２２电压表读数为２Ｖ，当数码管显示４，调时节ＲＰ，使电压表读数为４当数码管显示３， “ ”时，调整Ｒ４８Ｐ使输出电压读数为８Ｖ。
权电阻网络调整完成后，按Ｓ键，计数加ｌ１，输出电压相应加１Ｖ。权电阻网络Ｄ／Ａ转换器实现数量到模拟量的原理易于理解，且电路简单、使用电阻少，但也存在两个缺点，一是各相邻电阻之间严格保持依相差一半的要求，因此电路设计中，增加了四个精密可调电阻，方便调节。二是最大阻值与最阻值相差很大，当二进数位增多时，种差别更为严理。因此要这制造出能满足上述要求的高精度电阻是很困难的，在集成工艺中尤为突出。参考文献

基于MatLab的数字图像清晰化方法

图５直方图匹配的图像图６直方图匹配的图像直方图对自适应阈值增强后的图像（图３），使用直方图匹配调整
直方图的分布，使得直方图移向暗区，可以看出图像的视觉效
·６２·
ＣｏｍｐｕｔｅｒＥｒａＮｏ．４２００８
基于Ｗｅｂ的授课质量评价系统的研究与实践
刘利俊１，吴达胜２（１．杭州广播电视大学网络中心，浙江杭州３１００１２；２．浙江林学院信息工程学院）
ｇ１和ｇ２分别为门限阈值（ｇ１＜ｇ２）。当噪声较小时，它对小波
系数的增益较大；当噪声较大时，对小波系数的增益较小。该算
法达到了自适应增强的效果。在ＭａｔＬａｂ中使用自适应阈值增
强方法的代码如下。
［ｘ，ｍａｐ］＝ｉｍｒｅａｄ‘（中值滤波后图像．ｔｉｆ’）；％读取原图像
ｘ＝ｄｏｕｂｌｅ（ｘ）；
直方图均衡化是较好的直方图修正方法，它生成了自适应的变换函数，它是以已知图像的直方图为基础的。然而，一旦一幅图像的变换函数计算完毕，它将不再改动，除非直方图有变动。直方图均衡化通过扩展输入图像的灰度级到较宽亮度尺度的范围来实现图像的增强，但这种方法并不总能得到成功的结果。在ＭａｔＬａｂ中使用如下代码实现直方图匹配增强对比度，相应的图像与图像直方图示于图５及图６。
指标体系的适应性原则。系统运行的性能和分布与集中处理。由于整个学校学生
人数众多，同时用户可能会很多，有时也许会多达几千个，因而系统运行的性能是非常关键的，系统应该具有分布与集中处理功能。
系统的安全性。为了尽量避免报复现象的产生，系统的安全保密工作应该规定不同的用户具有不同的操作权限。系统用户可以分成四个群体：学生、教师、领导、专家。安全性问题主要考虑以下几点：①学生群体只能对当前任课教师进行评价；② 教师群体只能看到他人（学生、同时、领导、专家）对自己的评价结果，而看不到具体的评价者情况，以免教师对他人实行报复；同时教师可以对同行进行评价，这些同行必须是与评价者在同一学院（系）的，否则代表性不强；③ 领导群体只能对本学院（系）教师进行评价；④专家群体可以评价学校的全体教师。同时系统还要能够对一些不负责任的学生进行监督控制，需要设置专门的超级用户可查看学生对教师的评价细节（包括学生学号、姓名、班级、评价分数等信息）。

基于matlab的滤波器设计

光电图像课程设计报告书课题名称基于matlab的滤波器设计图像复原的MATLAB实现1课程设计目的〔1〕了解基于matlab的滤波器处理及其根本操作；〔2〕学习MATLAB在滤波器中的使用；〔3〕提高学习与解决问题的能力。

2课程设计根本内容2.1滤波器的根本原理设计数字滤波器的任务就是寻求一个因果稳定的线性时不变系统，并使系统函数H〔z〕具有指定的频率特性。

数字滤波器从实现的网络构造或者从单位冲激响应分类，可以分成无限单位冲激响应〔IIR〕数字滤波器和有限长单位冲激响应〔FIR〕数字滤波器。

数字滤波器频率响应的三个要素：（1）幅度平方响应（2）相位响应（3）群时延响应IIR数字滤波器：IIR数字滤波器的系统函数为有理分数，即IIR数字滤波器的逼近问题就是求解滤波器的系数和，使得在规定的物理意义上逼近所要求的特性的问题。

如果是在s平面上逼近，就得到模拟滤波器，如果是在z平面上逼近，则得到数字滤波器。

FIR数字滤波器：设FIR的单位脉冲响应h〔n〕为实数，长度为N，则其z变换和频率响应分别为按频域采样定理FIR数字滤波器的传输函数H(z)和单位脉冲响应h〔z〕可由它的N歌频域采值H(k)唯一确定。

MATLAB中提供了几个函数，分别用于实现IIR滤波器和FIR滤波器。

（1）卷积函数conv，调用格式为，c=conv〔a，b〕该格式可以计算两向量a和b的卷积，可以直接用于对有限长信号采用FIR滤波器的滤波。

（2）函数filter的调用格式为，y=filter〔b，a，*〕该格式采用数字滤波器对数据进展滤波，既可以用于IIR滤波器，也可以用于FIR滤波器。

其中向量b和a分别表示系统函数的分子，分母多项式的系数，假设a=1，此时表示FIR滤波器，否则就是IIR滤波器。

该函数就是利用给出的向量b和a，对*中的数据进展滤波，结果放入向量y。

（3）函数fftfilt的调用格式为，y=fftfilt〔b，*〕该格式是利用基于FFT的重叠相加法对数据进展滤波，这种频域滤波技术只对FIR滤波器有效。

分享matlab程序之——滤波器篇（高通，低通）

分享matlab程序之——滤波器篇（⾼通，低通）快毕业了，把⾃⼰写的现成的matlab函数分享给有需要的⼈，由于个⼈⽔平有限，写的不好请见谅，愿意拍砖的尽管拍好了。

⽬前还不考虑读博，所以写的程序仍了可惜，所以就拿出来分享。

好了不废话了，开始正题。

以下两个滤波器都是切⽐雪夫I型数字滤波器，不是巴特沃尔滤波器，请使⽤者注意！1.低通滤波器使⽤说明：将下列代码幅值然后以m⽂件保存，⽂件名要与函数名相同，这⾥函数名：lowp。

function y=lowp(x,f1,f3,rp,rs,Fs)%低通滤波%使⽤注意事项：通带或阻带的截⽌频率的选取范围是不能超过采样率的⼀半%即，f1,f3的值都要⼩于 Fs/2%x:需要带通滤波的序列% f 1：通带截⽌频率% f 3：阻带截⽌频率%rp：边带区衰减DB数设置%rs：截⽌区衰减DB数设置%FS：序列x的采样频率% rp=0.1;rs=30;%通带边衰减DB值和阻带边衰减DB值% Fs=2000;%采样率%wp=2*pi*f1/Fs;ws=2*pi*f3/Fs;% 设计切⽐雪夫滤波器；[n,wn]=cheb1ord(wp/pi,ws/pi,rp,rs);[bz1,az1]=cheby1(n,rp,wp/pi);%查看设计滤波器的曲线[h,w]=freqz(bz1,az1,256,Fs);h=20*log10(abs(h));figure;plot(w,h);title('所设计滤波器的通带曲线');grid on;%y=filter(bz1,az1,x);%对序列x滤波后得到的序列yend--------------------------------------低通滤波器使⽤例⼦的代码fs=2000;t=(1:fs)/fs;ff1=100;ff2=400;x=sin(2*pi*ff1*t)+sin(2*pi*ff2*t);figure;subplot(211);plot(t,x);subplot(212);hua_fft(x,fs,1);%低通测试% y=filter(bz1,az1,x);y=lowp(x,300,350,0.1,20,fs);figure;subplot(211);plot(t,y);subplot(212);hua_fft(y,fs,1);%hua_fft()函数是画频谱图的函数，代码在下⾯给出，要保存为m⽂件调⽤%这段例⼦还调⽤了我⾃⼰写的专门画频谱图的函数，也给出，不然得不出我的结果%画信号的幅频谱和功率谱%频谱使⽤matlab例⼦表⽰function hua_fft(y,fs,style,varargin)%当style=1,画幅值谱；当style=2,画功率谱;当style=其他的，那么花幅值谱和功率谱%当style=1时，还可以多输⼊2个可选参数%可选输⼊参数是⽤来控制需要查看的频率段的%第⼀个是需要查看的频率段起点%第⼆个是需要查看的频率段的终点%其他style不具备可选输⼊参数，如果输⼊发⽣位置错误nfft= 2^nextpow2(length(y));%找出⼤于y的个数的最⼤的2的指数值（⾃动进算最佳FFT步长nfft）%nfft=1024;%⼈为设置FFT的步长nffty=y-mean(y);%去除直流分量y_ft=fft(y,nfft);%对y信号进⾏DFT，得到频率的幅值分布y_p=y_ft.*conj(y_ft)/nfft;%conj()函数是求y函数的共轭复数，实数的共轭复数是他本⾝。

高通滤波器(matlab编写)切比雪夫

设计一个高通滤波器，并检验它的性能采样率为10kHZ阻带边缘为1.5Khz,衰减为40bB通带边缘为2kHz，波纹为3Db采用切比雪夫2型滤波器Fs=1e4 ; fs=1.5e3; fp=2e3; As=40; Rp=3 ;wp=2*fp/Fs; ws=2*fs/Fs;用MA TLAB工具：设计的滤波器性能>>Fs=1e4;>>fs=1.5e3;>>fp=2e3;>>As=40;>>Rp=3;>>wp=2*fp/Fs;>>ws=2*fs/Fs;>>[N,wn]=cheb2ord(wp,ws,Rp,As);>>[b,a]=cheby2(N,As,wn,'high');>>[db,mag,pha,grd,w]=freqz_m(b,a);>> subplot(2,2,1);plot(w/pi,mag);>> axis([0,1,0,1]);>> setX([0 0.3 0.4 1]);>>setY([0.01 0.7279 1])>> title('Magnitude Response');>> subplot(2,2,2);plot(w/pi,db);>> axis([0 1 -70 0])>> setX([0 0.3 0.4 1])>> setY([-40 -2.7589])>> title('Magnitude Response in dB');输入信号x=cos(0.6*pi*n); 取200个抽样值，为了便于观看，在画图是裁剪掉100个值不直观，直接做频谱图为了说明该滤波器的性能，做一组对比。

换上另一种频率的信号x=cos(0.2*pi*n);由上图可以看到该信号完全被滤去了可以看出在20和180点的信号几乎淹没了。

数字图像处理实验报告

数字图像处理实验报告重庆邮电⼤学《数字图像处理》课程上机实验学院⽣物信息学院专业⽣物医学⼯程班级 0611302姓名李霞学号 2013211957实验⼀MATLAB数字图像处理初步⼀、实验⽬的与要求1．熟悉及掌握在MATLAB中能够处理哪些格式图像。

2．熟练掌握在MATLAB中如何读取图像。

3．掌握如何利⽤MATLAB来获取图像的⼤⼩、颜⾊、⾼度、宽度等等相关信息。

4．掌握如何在MATLAB中按照指定要求存储⼀幅图像的⽅法。

5．图像间如何转化。

⼆、实验原理及知识点1、数字图像的表⽰和类别⼀幅图像可以被定义为⼀个⼆维函数f(x,y),其中x和y是空间(平⾯)坐标，f 在任何坐标处(x,y)处的振幅称为图像在该点的亮度。

灰度是⽤来表⽰⿊⽩图像亮度的⼀个术语，⽽彩⾊图像是由单个⼆维图像组合形成的。

例如，在RGB彩⾊系统中，⼀幅彩⾊图像是由三幅独⽴的分量图像(红、绿、蓝)组成的。

因此，许多为⿊⽩图像处理开发的技术适⽤于彩⾊图像处理，⽅法是分别处理三副独⽴的分量图像即可。

图像关于x和y坐标以及振幅连续。

要将这样的⼀幅图像转化为数字形式，就要求数字化坐标和振幅。

将坐标值数字化成为取样；将振幅数字化成为量化。

采样和量化的过程如图1所⽰。

因此，当f的x、y分量和振幅都是有限且离散的量时，称该图像为数字图像。

作为MATLAB基本数据类型的数值数组本⾝⼗分适于表达图像，矩阵的元素和图像的像素之间有着⼗分⾃然的对应关系。

根据图像数据矩阵解释⽅法的不同，MA TLAB把其处理为4类：亮度图像(Intensity images)⼆值图像(Binary images)索引图像(Indexed images)RGB图像(RGB images)(1) 亮度图像⼀幅亮度图像是⼀个数据矩阵，其归⼀化的取值表⽰亮度。

若亮度图像的像素都是uint8类或uint16类，则它们的整数值范围分别是[0，255]和[0，65536]。

若图像是double类，则像素取值就是浮点数。

基于matlab对图像进行高通、低通、带通滤波

数字图像处理三级项目—高通、低通、带通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。

利用matlab软件,采用频域滤波的方式,对图像进行低通和高通滤波处理。

低通滤波是要保留图像中的低频分量而除去高频分量，由于图像中的边缘和噪声都对应图像傅里叶频谱中的高频部分，所以低通滤波可以除去或消弱噪声的影响并模糊边缘轮廓；高通滤波是要保留图像中的高频分量而除去低频分量，所以高通滤波可以保留较多的边缘轮廓信息。

低通滤波器有巴特沃斯滤波器和高斯滤波器等等，本次设计使用的低通滤波器为****。

高通滤波器有巴特沃斯滤波器、高斯滤波器、Laplacian高通滤波器以及Unmask高通滤波器等等，本次设计使用巴特沃斯高通滤波器。

1、频域低通滤波器：设计低通滤波器包括 butterworth and Gaussian (选择合适的半径，计算功率谱比),平滑测试图像test1和2。

实验原理分析根据卷积定理，两个空间函数的卷积可以通过计算两个傅立叶变换函数的乘积的逆变换得到，如果f(x, y)和h(x, y)分别代表图像与空间滤波器，F(u, v)和H(u, v)分别为响应的傅立叶变换（H(u, v)又称为传递函数），那么我们可以利用卷积定理来进行频域滤波。

在频域空间，图像的信息表现为不同频率分量的组合。

如果能让某个围的分量或某些频率的分量受到抑制，而让其他分量不受影响，就可以改变输出图的频率分布，达到不同的增强目的。

频域空间的增强方法的步骤：（1）将图像从图像空间转换到频域空间；（2）在频域空间对图像进行增强；（3）将增强后的图像再从频域空间转换到图像空间。

低通滤波是要保留图像中的低频分量而除去高频分量。

图像中的边缘和噪声都对应图像傅里叶频谱中的高频部分，所以低通滤波可以除去或消弱噪声的影响并模糊边缘轮廓。

理想低通滤波器具有传递函数：其中D0为制定的非负数，D(u,v)为点(u,v)到滤波器中心的距离。

基于matlab数字图像处理之高通滤波器

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('girl.bmp');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=0.2;q=0.5;for i=1:afor j=1:bdistance=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)))); subplot(222),imshow(s);title('高通滤波所得图像');I=imread('girl.bmp');[f1,f2]=freqspace(size(I),'meshgrid'); Hd=ones(size(I));r=sqrt(f1.^2+f2.^2);Hd(r<0.2)=0;figuresurf(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：2.2.1 Butterworth高通滤波器实践代码：I1=imread('flower.bmp'); subplot(121),imshow(I1); title('原始图像');f=double(I1);g=fft2(f);g=fftshift(g);[N1,N2]=size(g);n=2;d0=5;n1=fix(N1/2);n2=fix(N2/2);for i=1:N1for j=1:N2d=sqrt((i-n1)^2+(j-n2)^2); if d==0h=0;elseh=1/(1+(d0/d)^(2*n)); endresult(i,j)=h*g(i,j);endendresult=ifftshift(result);X2=ifft2(result);X3=uint8(real(X2));subplot(122),imshow(X3) ;title('Butterworth高通滤波');I1=imread('flower.bmp');[f1,f2]=freqspace(size(I1),'meshgrid'); D=0.3;r=f1.^2+f2.^2;n=4;for i=1:size(I1,1)for j=1:size(I1,2)t=(D*D)/r(i,j);Hd(i,j)=1/(t^n+1);endendfiguresurf(Hd,'Facecolor','interp','Edgecolor', 'none','Facelighting','phong'); % 画三维曲面（色）图2.2.2 Butterworth高通滤波器实践结果截图：2.3.1 高斯高通滤波器实践代码：clear allIA=imread('girl.bmp');[f1,f2]=freqspace(size(IA),'meshgrid'); %D=100/size(IA,1);D=0.3;r=f1.^2+f2.^2;for i=1:size(IA,1)for j=1:size(IA,2)t=r(i,j)/(D*D);Hd(i,j)=1-exp(-t);endendY=fft2(double(IA));Y=fftshift(Y);Ya=Y.*Hd;Ya=ifftshift(Ya);Ia=real(ifft2(Ya));figuresubplot(2,2,1),imshow(uint8(IA));title('原始图像');subplot(2,2,2),imshow(uint8(Ia));title('高斯高通滤波');figuresurf(Hd,'Facecolor','interp','Edgecolor', 'none','Facelighting','phong');2.3.2 高斯高通滤波器实践结果截图：。

图像高通滤波器

摘要数字图像处理是一门新兴技术，随着计算机硬件的发展，数字图像的实时处理已经成为可能，由于数字图像处理的各种算法的出现，使得其处理速度越来越快,能更好的为人们服务。

数字图像处理是一种通过计算机采用一定的算法对图形图像进行处理的技术.数字图像处理技术已经在各个领域上都有了比较广泛的应用。

图像处理的信息量很大,对处理速度的要求也比较高。

MATLAB强大的运算和图形展示功能，使图像处理变得更加的简单和直观.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。

本篇论文主要是利用MATLAB软件，采用频域滤波的方法，对图像进行高通滤波处理。

图像的边缘、细节主要在高频部分得到反映，而图像的模糊是由于高频成分比较弱产生的。

通过高通滤波技术,可以消除模糊，突出边缘,使低频分量得到抑制，从而达到增强高频分量，使图像的边沿或线条变得清晰，实现图像的锐化。

本文使用的高通滤波器有理想高频滤波器、巴特沃斯滤波器和高斯滤波器.实际应用中应该根据实际图像中包含的噪声情况灵活地选取适当的滤波算法。

关键词：数字图像处理； MATLAB；高通滤波；突出边缘目录1 课程设计目的 (1)2 课程设计要求 (2)3 MATLAB简介 (3)3。

1 MATLAB主要功能 (3)3.2 工作平台和编程环境 (3)4 数字图像处理的介绍 (4)4.1 数字图像处理的发展 (4)4。

2 数字图像处理的应用 (4)5 设计方案 (5)6 程序设计 (6)6。

1 基本思路 (6)6.2 基本公式 (6)6.3 设计过程 (7)6。

3.1理想高通滤波器 (7)6.3。

2 Butterworth滤波器 (8)6。

3。

3指数高通滤波器 (11)7 仿真结果 (14)7.1 滤波器仿真结果 (14)7.2 结果分析 (16)结论 (17)参考文献 (18)1课程设计目的本次课程设计的目的在于提高发现问题、分析问题、解决问题的能力，进一步巩固数字图像处理系统中的基本原理与方法。

MATLAB高通滤波器

实验十：综合仿真实验班级: A1211 成绩: 学号: *********** 教师: 姓名: 刘延祯日期:一．实验目的此部分就本次课程设计所用相关知识进行简要介绍。

主要包括滤波器的相关知识及仿真软件MATLAB 的相关知识。

1.1滤波器知识简介（1）滤波器功能及分类滤波器主要功能是对信号进行处理，保留信号中的有用成分，去除信号中的无用成分。

其按处理的信号可分为数字滤波器（Digital Filter,DF ）和模拟滤波器（AnalogFilter,AF ），按频域特性分为低通、高通、带通、带阻滤波器，按时域特性可分为有限长冲激响应（FIR ）滤波器和无限长冲激响应（IIR ）滤波器。

（2）模拟滤波器设计理论模拟滤波器的理论和设计方法已发展得相当成熟，且有若干典型的模拟低通滤波器的设计原型可供选择，如巴特沃斯（Butterworth ）滤波器、切比雪夫（Chebyshev ）滤波器、椭圆（Ellips ）滤波器、贝塞尔（Bessel ）滤波器等。

这些滤波器各有特点，巴特沃斯滤波器具有通带内最平坦且单调下降的幅频特性；切比雪夫滤波器的幅频特性在通带或阻带内有波动，可以提高选择性；贝塞尔滤波器通带内有较好的线性相位特性；而椭圆滤波器的选择性相对前三种是最好的。

模拟低通滤波器的设计是最基本的，而高通、带通、带阻滤波器则可利用频率转换的方法由低通滤波器映射而得到。

模拟滤波器的设计是根据一组设计规范来设计模拟系统函数()a H s ，使其逼近某个理想滤波器的特性。

其中可以由幅度平方函数确定系统函数。

下面介绍两种常用的低通滤波器特性。

一般以低通滤波器为基础来讨论逼近函数，而高通、带通、带阻滤波器则可用变换方法有低通滤波器映射而得到。

一种是巴特沃斯低通逼近，另一种是切比雪夫低通逼近。

本设计中选用第一种方法巴特沃斯低通逼近。

由模拟低通滤波器系统函数确定模拟高通滤波器系统函数的方法如下： ①确定低通系统函数()LP H s ，其参考角频率c Ω（一般为截止频率）由高通参考角频率（一般为截止频率）c Ω选定，一般都选c Ω=1的归一化原型低通滤波器；②在所得到的()LP H s 中代入变换关系式（c cs jpΩΩ=-）中，得到高通系统函数()()|c c HP LP s pH p H s ΩΩ==故模拟高通滤波器的实现可由模拟低通滤波器的归一化原型再经频率变换得到。