数字图像作业
数字图像作业
数字图像处理大作业一、设计一种滤波器（低通或者高通），要求写出算法实现的原理，绘出滤波器的三维透视图，滤波器的图像表示图以及剖面曲线。
本题设计的是1阶巴特沃斯高通滤波器算法原理：n阶具有D0截止频率的巴特沃斯高通滤波器的传递函数为错误！未找到引用源。
其中错误！未找到引用源。
编程实现如下：clearN1=200;N2=200;[f1,f2]=freqspace([N1 N2]);%确定二维频率响应的频率空间[x1,y1]=meshgrid(f1,f2);%把由f1和f2向量所指定的域变换为矩阵x1和y1%得到的矩阵可用来绘制三维网格图n=1; %设置滤波器阶数为1阶d0=25; %设置截止频率为25u=0:N1;v=0:N2;dis=sqrt(u.^2+v.^2);Huv=1./(1+(d0./dis).^(2*n));%构造巴特沃斯高通滤波器figure(1),plot(dis,Huv),title '滤波器的图像表示图'%输出滤波器图像表示图u0=round(N1/2);v0=round(N2/2);for i=1:N1for j=1:N2d=sqrt((i-u0)^2+(j-v0)^2);h=1/(1+(d0/d)^(2*n));H(i,j)=h; %构造二维频率响应函数endendfigure(2),mesh(x1,y1,H),title '滤波器的三维透视图'%利用矩阵x1,y1来绘制三维透视图figure(3),mesh(x1,y1,H),view(0,0),title '三维透视图剖面曲线'%绘制三维图的剖面图运行程序结果绘制了三幅图分别为：滤波器的图像表示图，滤波器的三维透视图，三维透视图的剖面曲线二、运用设计的滤波器实现图像的频率域增强。
图像频率域增强原理及步骤：频域图像增强是对图像经傅立叶变换后的频谱成分进行操作，然后逆傅立叶变换获得所需结果。
数字图像处理作业 PPT
数字图像处理作业
作业
P30 2、3、5 2. 图像量化时，如果量化级比较小时会产生什么现象？为什么？
3. 为什么非均匀量化多用于量化级数少的场合，而在量化级数多 的场合不用？
5. 设某个图像为
100 67 34 100
f
67
67
34 100
67 56 211 67
100 100 211 100
1）采用高斯模板对其进行均值滤波处理； 2）采用3×3模板对其进行中值滤波处理。
第6章
图像的锐化处理
作业
• 1.设图像为：
1 5 15 8
f
1
7
14
9
3 7 10 11
• 分的L别ap采la用cRioabne算r1t子s算对0 子其、进4 行So锐b6e化l 算。子和常用
第7章 图像分割
作业
• 已知一幅图像为：
1 2 3 4 5
6
7
8
9
10
f 11 12 13 14 15
16 17 18 19 20
21 22 23 24 25
• 1) 进行Δi=2，Δj=3平移后的图像矩阵。
• 2)对其进行缩小，其中k1=0.6，k2=0.75，写 出缩小后的图像矩阵。
• 已知一幅图像为：
1 2 3
f
4
5
6
7 8 9
• 1)对其旋转30度后的图像矩阵 • 2)对其旋转45度后的图像矩阵 • 3)对其旋转60度后的图像矩阵
大家学习辛苦了，还是要坚持
继续保持安静
第5章 图像的噪声抑制
作业
1. 已知图像为：
9 10 8 7
f 11 40 9 7 12 9 0 8
数字图像处理-作业汇总
1. 一幅8灰度级图像具有如下所示的直方图，求直方图均衡后的灰度级和对应概率，并画出均衡后的直方图的示意图。
（图中的8个不同灰度级对应的归一化直方图为[0.17 0.25 0.21 0.16 0.07 0.08 0.04 0.02]）解：由s k =∑Pr (r i )k i=0，可以求得原图像直方图的累进概率为： *s +=*0.17,0.42,0.63,0.79,0.86,0.94,0.98,1+其量化结果即：*s q +={17,37,47,67,67,1,1,1}对相应的原灰度级进行映射，即*k ′+=*1,3,4,6,7+相应地有:*s k ′+=*0.17,0.25,0.21,0.23,0.14+因而均衡后的直方图为:2.由题，p r (r )=−2r +2 p z (z )=2z由PDF 灰度变换的关系T (r )=∫p r (w )dw r=s =∫p z (t )dt z=G (z )可得{T (r )=−r 2+2r G (z )=z2⟹z =±√−r 2+2r 要求z 应当是非负的,因而z =√−r 2+2r3. 请计算如下两个向量与矩阵的卷积计算结果。
1) [ 1 2 3 4 5 4 3 2 1] *[ 2 0 -2]=[2,4,4,4,4,0,-4,-4,-4,-4,-2]2) [−101−202−101]∗[1320410323041052321431042]=[−1−3−13−204−3−6−44−4211−3−7−63−6415−3−11−48−10317−7−1125−10615−8−56−4−698−3−13−3−242]4. 高斯型低通滤波器在频域中的传递函数是H (u,v )=Ae −(u2+v 2)2σ2⁄ 根据二维傅里叶性质，证明空间域的相应滤波器形式为h (x,y )=A2πσ2e −2π2σ2(x 2+y 2)（这些闭合形式只适用于连续变量情况。
数字图像作业
一、简答1、简述图像数据冗余度概念及类型。
对于描述一幅图像所需要的最少信息之外的多余信息，称为冗余度。
a.数据冗余空间冗余：一帧图像上像素点与像素点的相关性；时间冗余：多帧图像间像素点与像素点的相关性；符号冗余：图像像素编码码流存在着可压缩性。
b.视觉冗余人眼对细节的分辨能力有限；人眼对颜色画面的分辨低于对黑白画面的分辨能力；人眼对高频信号变化的分辨低于对低频信号变化的分辨能力等。
2、简述帧内预测（DPCM）的过程。
1）预测器根据存储的前若干个样值对当前值进行预测，得到预测值；2）待编码值与预测值相减得到预测差值；3）对预测差值进行量化4）量化后的差值一方面进行熵编码并经信道传出去；另一方面与预测值相加，得到“有量化失真的复原值”，存储到预测器中，供对下一个样值预测之用5）接收端的预测值与解码后的差值相加形成复原值。
3、简述变换编码的过程，并说明变换编码实现压缩的原理。
通过变换去除一部分不重要的参数，达到压缩的目的。
其依据是图像数据经过变换后，出现能量集中的情况，则变换后可只选少量重要的系数进行编码，舍弃大部分不重要的系数，以达到压缩的目的4、什么是图像退化？引起图像退化的主要因素有哪些？。
数字图像在获取的过程中，由于各种原因会产生退化。
主演因素有：1、光学系统的像差与成像衍射2、A/D过程损失部分细节3、成像系统的非线性畸变4、环境随机噪声5、成像过程的相对运动6、射线辐射、大气湍流等造成的照片畸变7、遥感仪器的不稳定引起的照片几何失真5、简述图像退化模型。
1、原始图像g(x,y)经过一个退化过程H （退化算子或退化系统）的作用，再和噪声n(x,y)进行叠加，形成退化图像f(x,y)f(x,y)=H[g(x,y)]+n(x,y)2、连续退化模型在不考虑噪声影响时，系统输出由其输入和点扩展函数唯一确定。
即退化图像f(x,y)是原图像g(x,y)和引起退化的图像系统之点扩展函数h(x,y)的卷积。
(完整版)数字图像处理大作业
数字图像处理1.图像工程的三个层次是指哪三个层次？各个层次对应的输入、输出对象分别是什么？①图像处理特点：输入是图像，输出也是图像，即图像之间进行的变换。
②图像分割特点：输入是图像，输出是数据。
③图像识别特点：以客观世界为中心，借助知识、经验等来把握整个客观世界。
“输入是数据，输出是理解。
2.常用的颜色模型有哪些（列举三种以上）？并分别说明颜色模型各分量代表的意义。
①RGB（红、绿、蓝）模型②CMY（青、品红、黄）模型③HSI（色调、饱和度、亮度）模型3.什么是图像的采样？什么是图像的量化？1．采样采样的实质就是要用多少点来描述一幅图像，采样结果质量的高低就是用前面所说的图像分辨率来衡量。
简单来讲，对二维空间上连续的图像在水平和垂直方向上等间距地分割成矩形网状结构，所形成的微小方格称为像素点。
一副图像就被采样成有限个像素点构成的集合。
例如：一副640*480分辨率的图像，表示这幅图像是由640*480＝307200个像素点组成。
2．量化量化是指要使用多大范围的数值来表示图像采样之后的每一个点。
量化的结果是图像能够容纳的颜色总数，它反映了采样的质量。
针对数字图像而言：采样决定了图像的空间分辨率，换句话说，空间分辨率是图像中可分辨的最小细节。
量化决定了图像的灰度级，即指在灰度级别中可分辨的最小变化。
数字图像处理（第三次课）调用图像格式转换函数实现彩色图像、灰度图像、二值图像、索引图像之间的转换。
图像的类型转换：对于索引图像进行滤波时，必须把它转换为RGB图像，否则对图像的下标进行滤波，得到的结果是毫无意义的;2.用MATLAB完成灰度图像直方图统计代码设计。
6789101112131415161718192021222324252627282930title('lady-lenna');if isrgb(a);b=rgb2gray(a);%RGB转换为灰度图像endsubplot(2,2,2);imshow(b);%显示图像title('ladygaga-lenna');[m,n]=size(a);%返回图像大小e=zeros(1,256);for k=0:255for i=1:mfor j=1:nif a(i,j)==ke(k+1)=e(k+1)+1;%灰度值相同的进行累加endendendendsubplot(2,2,4);bar(e);%画图像的灰度直方图title('灰度直方图');c=imrotate(a,20);%图像的旋转subplot(2,2,3);imshow(c);数字图像处理（第四次课）编写matlab函数，实现在医学图像中数字减影血管造影。
数字图像处理作业
数字图像处理作业数字图像处理是一门研究如何对数字图像进行处理、分析、识别等的学科，而数字图像的处理就是利用计算机对图像进行数字化处理。
这门学科对日常生活中各行各业有着广泛的应用，比如医学图像处理、遥感图像处理、安防监控、虚拟现实等。
数字图像处理是一个复杂的过程，需要多个步骤的协同完成。
本篇文档就是一次关于数字图像处理的作业，下面将对数字图像处理的主要步骤和注意事项进行详细介绍。
图像数字化图像数字化是指将样本图像点的亮度值和位置坐标转换为数字信号，从而对图像进行处理和传输。
在数字图像处理中，数字图像通常表示为二维矩阵，其中矩阵中的每个元素对应图像中的每个像素。
每个像素的值表示亮度或颜色信息。
前置处理图像的前置处理是指对图像进行预处理，以清除噪声、增强对比度等操作。
前置处理的主要流程包括滤波、分割、边缘检测、形态学处理等。
滤波滤波是对图像进行平滑或锐化处理的过程。
平滑滤波的作用是去除噪声，提高图像的质量；锐化滤波的作用是增强图像的轮廓特征。
分割图像分割是指将图像划分为多个有意义的区域，以便于后续的处理。
最常见的分割方法有基于阈值的方法、边缘检测方法和区域增长法等。
边缘检测边缘检测是指在图像中找到亮度或颜色变化的位置，以便于提取图像的特征。
常用的边缘检测算法有Sobel算子、Prewitt算子、Canny算子等。
形态学处理形态学处理是一种基于图像形状的图像处理方法，其主要作用是对图像进行形态学操作，如腐蚀、膨胀、开运算、闭运算等。
特征提取特征提取是指从处理过后的数字图像中提取有用的信息或特征。
常用的特征提取方法有局部二值模式、霍夫变换、支持向量机(SVM)等。
局部二值模式局部二值模式是一种基于像素点周围局部邻域像素值的特征提取方法，可以有效地提取图像的纹理特征和形状特征等。
霍夫变换霍夫变换是一种基于数学原理的特征提取方法，主要应用于直线、圆弧等图形的识别和提取。
其原理是将特征空间转化为参数空间，通过在参数空间中的投票来找到与特定模型最适配的特征。
完整版数字图像处理作业题及部分答案
1.数字图像与连续图像相比具有哪些优点?连续图像f(x,y)与数字图像I(c,r)中各量的含义是什么?它们有何联系和区别? (To be compared with an analog image, what are the advantagesof a digital image? Let f(x,y) be an analog image, I(r, c) be a digital image, please giveexplanation and comparison for defined variables: f/I, x/r, and y/c)2.图像处理可分为哪三个阶段? 它们是如何划分的？各有什么特点? (We can divide image processing into 3 stages, what are they? how they are divided? What are their features?)答：低级处理---低层操作,强调图像之间的变换,是一个从图像到图像的过程;中级处理---中层操作,主要对图像中感兴趣的目标进行检测和测量,从而建立对图像的描述,是一个从图像到数值或符号的过程;高级处理---高层操作,研究图像中各目标的性质和相互联系,得出对图像内容含义的理解以及对原来客观场景的解释;3.试从结构和功能等角度分析人类视觉中最基本的几个要素是什么?什么是马赫带效应? 什么是同时对比度?它们反映了什么共同问题? (According to the structure and function of theeyes, what are the basic elements in human vision? What is the Mach Band Effect? What is Simultaneous Contrast? What common facts can we infer from both Mach Band Effect and Simultaneous Contrast?)答：人的视觉系统趋向于过高或过低估计不同亮度区域边界的现象称为“马赫带”效应;同时对比度指的是人的视觉系统对某个区域感觉到的亮度除了依赖于它本身的强度,还与背景有关. 马赫带效应和同时对比度现象表明人所感觉到的亮度并不是强度的简单函数.4.比较说明像素邻域、连接、通路以及连通基本概念的联系与区别。
最新数字图像课后习题答案作业
后为零。图像使用于图像传输，而锐化用于医疗图片的边缘检测和图像分割技术。
4 探讨空域增强处理与频域增强处理的特点，比较其性能。 答，空域增强处理是对图像的像素直接处理，利用变换函数
T(r) 直接进行变换，获得处理后的图像。频域增强处
名师整理
优秀资源
理的修改图像的傅氏变换为基础的，在滤波器处理后变换获得处理后图像。频域性能较好。
2、试述轮廓追踪的基本原理和操作步骤。 答，基本原理是通过顺序找出边缘点来跟踪边界，
从而找出图像中区域的边界轮廓。 操作步骤是首先按从上到下，
从左到右的顺序扫描图像， 寻找没有标记跟踪结束记号的第一个边界起始点
A ，A 是具有最小行和列值的边界
点。定义一个扫描方向变量 dir ， 该变量用于记录上一步中沿着前一个边界点到当前边界点的移动方向，
直方图均衡化的目的 ,对于数字图像，用频率代替概率 .
2 试述规定化直方图增强原理； 答。r, z 分别表示原始图像的灰度和希望得到的结果图像的灰度
（归一化）；对原始图像作直方图均衡化处理；
对结果图像作直方图均衡化处理；都为均匀的直方图。按照希望得到的图像的灰度概率密度函数
pz(z) ，作均衡，
求得变换函数 G(z) ；用得到的灰度级 s 作逆变换 z= G-1(s) 。
名师整理
优秀资源
数字图像课后习题答案
第一章 1、 说明图象数字化与图象空间分辨率之间的关系 答。数字图像的分辨率是数字图像数字化精度的衡量指标之一。图像的空间分辨率是在图像采样过程中选择 和产生的，图像的空间分辨率用来衡量数字图像对模拟图像空间坐标数字化的精度。一般来说，采样间隔越 大， 所得图像像素数越少， 空间分辨率低， 质量差， 严重时出现像素呈块状的国际棋盘效应。 采样间隔越小， 所得图像像素数越多，空间分辨率高，图像质量好，但数据大。
数字图像作业
第三次作业完成情况报告课程：数字图像处理课程编号：21909601摘要：这次的作业主要任务是学习利用拉布拉斯公式对图像进行处理，并学会调用matlab 中的函数对图像进行处理，最后是绘制所需的函数图像。
技术说明：Task1.利用拉布拉斯公式求矩阵的梯度场、输出梯度场图像以及角度的矩阵。
Task2.调用contour函数和quiver函数绘制出lena图像的等高线图像和3D mesh model的图。
并和lena的图像加入高斯噪声后的等高线图像和3D mesh model的图像进行对比。
Task3.利用拉布拉斯公式处理矩阵。
Task4.调用matlab函数：imfiter处理，并输出处理后的lena图像。
Task5.先利用盒子平滑处理器处理lena和livin groom的图像，计算MSE，然后利用g（x，y）=f（x,y）-α▽f(x,y)公式对图像进行锐化，计算MSE，并绘制MSE对α的函数图像。
最后是绘制每一幅处理后的图像的一列的数据对矩阵列数的函数图像。
任务成果：Task1.这是梯度场的图像计算出来的梯度计算出来的角度Task2.原图像：等高线图梯度场图 3D mesh modle图加入高斯噪声后：等高线图梯度场图3D mesh modle图Task3.这是拉布拉斯公式处理后得出的矩阵：Task4.函数：imfilter处理后得出的掩膜图像：Task5.原图像平滑处理后的图像α=0.1的锐化α=0.2的锐化α=0.25的锐化原图像平滑处理后的图像α=0.1的锐化α=0.2的锐化α=0.25的锐化lena锐化后的MSE对α的函数图像livingroom锐化后的MSE对α的函数图像从图中我们可以看出：随着α的逐渐变大，MSE逐渐变小。
原图像、平滑后图像、锐化后图像的第50列数据对列数的函数图像蓝色为原图像的第50列数据函数图像绿色为平滑后图像第50列数据函数图像红色为锐化后图像第50列数据函数图像编写的函数------------------------计算角度的函数----------------------function v=fjiaodu(A)[m,n]=size(A);jiaodu=zeros(m,n);for i=2:m-1for j=2:n-1Gx=(A(i+1,j-1)+2*A(i+1,j)+A(i+1,j+1))-(A(i-1,j-1)+2*A(i-1 ,j)+A(i-1,j+1));Gy=(A(i-1,j+1)+2*A(i,j+1)+A(i+1,j+1))-(A(i-1,j-1)+2*A(i,j -1)+A(i+1,j-1));jiaodu(i,j)=atan(Gy/Gx);endendv=jiaodu;end------------------------计算梯度的函数----------------------function v=ftidu(A)[m,n]=size(A);tidu=A;for i=2:m-1for j=2:n-1Gx(i,j)=(A(i+1,j-1)+2*A(i+1,j)+A(i+1,j+1))-(A(i-1,j-1)+2* A(i-1,j)+A(i-1,j+1));Gy(i,j)=(A(i-1,j+1)+2*A(i,j+1)+A(i+1,j+1))-(A(i-1,j-1)+2* A(i,j-1)+A(i+1,j-1));tidu(i,j)=abs(Gx(i,j))+abs(Gy(i,j));endendv=tidu;end--------------------------平滑处理的函数--------------------function y=fpinghua(A)[m,n]=size(A);A1=A;for i=2:1:m-1for j=2:1:n-1A1(i,j)=mean(mean(A(i-1:i+1,j-1:j+1)));endendy=A1;end-------------------------锐化处理的函数---------------------function v=fsharpening(a,A)[m,n]=size(A);for i=2:m-1for j=2:n-1B(i,j)=(A(i+1,j)+A(i-1,j)+A(i,j+1)+A(i,j-1))-4*A(i,j);endendA1=A;for i=2:m-1for j=2:n-1A1(i,j)=A(i,j)-a*B(i,j);endendv=A1;end编写的代码Task1.A=[110,110,110,145,180,200;110,110,145,185,200,210;110,14 5,185,200,210,215;140,185,200,210,215,220;180,200,210,220 ,220,220;200,210,215,220,220,220];A1=ftidu(A);[m,n]=size(A);jiaodu=zeros(m,n);for i=2:m-1for j=2:n-1Gx=(A(i+1,j-1)+2*A(i+1,j)+A(i+1,j+1))-(A(i-1,j-1)+2*A(i-1 ,j)+A(i-1,j+1));Gy=(A(i-1,j+1)+2*A(i,j+1)+A(i+1,j+1))-(A(i-1,j-1)+2*A(i,j -1)+A(i+1,j-1));jiaodu(i,j)=atan(Gy/Gx);endendquiver(Gx,Gy);title('梯度场');A2=jiaodu;Task2.A=imread('g:\homework\lena_frag.tif');[m,n]=size(A);A1=double(A);for i=2:m-1for j=2:n-1Gx(i,j)=(A1(i+1,j-1)+2*A1(i+1,j)+A1(i+1,j+1))-(A1(i-1,j-1 )+2*A1(i-1,j)+A1(i-1,j+1));Gy(i,j)=(A1(i-1,j+1)+2*A1(i,j+1)+A1(i+1,j+1))-(A1(i-1,j-1 )+2*A1(i,j-1)+A1(i+1,j-1));endendfigure;contour(A); title('lena-frag图像的等高线图');figure;quiver(Gx,Gy);title('lena-frag图像的梯度场');figure;mesh(A1); title('lena-frag图像的3D mesh model');A2=imnoise(A,'gaussian',0.05);A3=double(A2);for i=2:m-1for j=2:n-1Gx1(i,j)=(A2(i+1,j-1)+2*A2(i+1,j)+A2(i+1,j+1))-(A2(i-1,j-1)+2*A2(i-1,j)+A2(i-1,j+1));Gy1(i,j)=(A2(i-1,j+1)+2*A2(i,j+1)+A2(i+1,j+1))-(A2(i-1,j-1)+2*A2(i,j-1)+A2(i+1,j-1));endendfigure;contour(A2); title('加入噪声的lena-frag图像的等高线图'); figure;quiver(Gx1,Gy1);title('加入噪声的lena-frag图像的梯度场'); figure;mesh(A3); title('加入噪声的lena-frag图像的3D mesh model');Task3.A=[100,100,110,125,120,100;105,110,145,185,170,110;110,16 0,200,200,200,115;140,185,200,200,200,115;140,180,200,200 ,200,120;100,110,120,120,120,120];A1=flaplacian(A);Task4.A=imread('g:\homework\lena_frag.tif');B1=[-1,-1,-1;-1,8,-1;-1,-1,-1];A1=imfilter(A,B1);Imshow(A1,[]);title('掩膜后图像');Task5.A=imread('g:\homework\lena_frag.tif');B=imread('g:\homework\livingroom.tif');A1=fpinghua(A);B1=fpinghua(B);figure;subplot(1,2,1);imshow(A,[]);title('原图像');subplot(1,2,2);imshow(A1,[]); title('平滑处理后的图像');figure;subplot(1,2,1);imshow(B,[]); title('原图像');subplot(1,2,2);imshow(B1,[]); title('平滑处理后的图像');a=double(A);b=double(B);a1=double(A1);b1=double(B1);A1_mse=fmse(a,a1);B1_mse=fmse(b,b1);v1=0.1;v2=0.2;v3=0.25;figure;subplot(1,3,1);A21=fsharpening(v1,A1);imshow(A21); title('α为0.1的锐化图像');subplot(1,3,2);A22=fsharpening(v2,A1);imshow(A22); title('α为0.2的锐化图像');subplot(1,3,3);A23=fsharpening(v3,A1);imshow(A23); title('α为0.25的锐化图像');figure;subplot(1,3,1);B21=fsharpening(v1,B1);imshow(B21); title('α为0.1的锐化图像');subplot(1,3,2);B22=fsharpening(v2,B1);imshow(B22); title('α为0.2的锐化图像');subplot(1,3,3);B23=fsharpening(v3,B1);imshow(B23); title('α为0.25的锐化图像');a11=double(A21);a12=double(A22);a13=double(A23);b11=double(B21);b12=double(B22);b13=double(B23);A21_mse=fmse(a,a11);A22_mse=fmse(a,a12);A23_mse=fmse(a,a13);B21_mse=fmse(b,b11);B22_mse=fmse(b,b12);B23_mse=fmse(b,b13);x1=[0.1,0.2,0.25];y1=[A21_mse,A22_mse,A23_mse];figure;plot(x1,y1); title('lena锐化后MSE对α的函数图像');y2=[B21_mse,B22_mse,B23_mse];figure;plot(x1,y2); title('livingroom锐化后MSE对α的函数图像');%-------任意选取图像的一列数据（这里选取第50列），并绘制函数图像-----[m1,n1]=size(A);[m2,n2]=size(B);for j=1:n1k1(1,j)=A(j,50);k2(1,j)=A1(j,50);k3(1,j)=A21(j,50);M1(1,j)=j;endfigure;plot(M1,k1,M1,k2,M1,k3);。
数字图像处理部分作业答案
3.数字化图像的数据量与哪些因素有关？答：数字化前需要决定影像大小（行数M、列数N）和灰度级数G的取值。
一般数字图像灰度级数G为2的整数幂。
那么一幅大小为M*N，灰度级数为G的图像所需的存储空间M*N*g(bit),称为图像的数据量6.什么是灰度直方图？它有哪些应用？从灰度直方图你能获得图像的哪些信息？答：灰度直方图反映的是一幅图像中各灰度级像素出项的频率之间的关系。
以灰度级为横坐标，纵坐标为灰度级的频率，绘制频率同灰度级的关系图就是灰度直方图。
应用：通过变换图像的灰度直方图可以，使图像更清晰，达到图像增强的目的。
获得的信息：灰度范围，灰度级的分布，整幅图像的平均亮度。
但不能反映图像像素的位置。
2. 写出将具有双峰直方图的两个峰分别从23和155移到16和255的图像线性变换。
答：将a=23,b=155 ;c=16,d=255代入公式：得1，二维傅里叶变换有哪些性质？二维傅里叶变换的可分离性有何意义？周期性，线性，可分离性，比例性质，位移性质，对称性质，共轭对称性，差分，积分，卷积，能量。
意义：分离性表明：二维离散傅立叶变换和反变换可用两组一维离散傅立叶变换和反变换来完成。
8.何谓图像平滑？试述均值滤波的基本原理。
答：为了抑制噪声改善图像质量所进行的处理称图像平滑或去噪。
均值滤波是一种局部空间域处理的算法，就是对含有噪声的原始图像f(x,y)的每个像素点取一个领域S，计算S中所有像素的灰度级平均值，作为空间域平均处理后图像g(x,y)像素值。
9.何谓中值滤波？有何特点？答：中值滤波是对一个滑动窗口内的诸像素灰度值排序，用中值代替窗口中心像素的原来灰度值，它是一种非线性的图像平滑法。
它对脉冲干扰及椒盐噪声的的图像却不太合适。
抑制效果好，在抑制随机噪声的同时能有效保护边缘少受模糊。
但它对点、线等细节较多6图像几何校正的一般包括哪两步？像素灰度内插有哪三种方法？各有何特点？答：1）建立失真图像和标准图像的函数关系式，根据函数关系进行几何校正。
数字图像处理上机作业二
数字图像第二讲作业1.设计一个程序，对一幅灰度图像实现直方图均衡化处理。
画出均衡化前后的图像及其直方图.分析：要实现对一幅灰度图直方图的均衡化处理，须经四步来完成。
首先，获得直方图，及各灰度值对应像素数占总像素数的比例，用矩阵c表示，这是第一次直方图作业的内容。
第二步对c求累加和，得到s矩阵。
第三步，对s进行合理的近似，得到均衡图中的灰度等级。
这里我的处理办法是对s执行s*255操作，得到的值再取uint8(),这样就实现了对s*255的合理近似，即四舍五入，从而得到了新的灰度等级d。
第四步，赋予各像素点新的灰度值，计算出不同灰度等级对应的比例值Ps(sk)，这里我用：for j=1:256p(d(j)+1)=p(d(j)+1)+c(j);I2(find(I==j))=d(j);end来求得Ps(sk)，循环的作用是将灰度等级d(j)相同的各j对应的原灰度值比例c 累加起来。
I2(find(I==j))=d(j)是将灰度值为j的像素点的灰度值换为d(j);p(d(j)+1)中加1的作用是避免出现p(0)而进行的处理。
代码及注释如下：function junheng(x) % x为要分析的图像名加单引号I=imread(x);b=size(I);a=zeros(1,256); %a为一个1*256的矩阵分别记录灰度为0到255的像素的个数for m=1:b(1) %两个for语句将整张图的所有像素都扫描一遍for n=1:b(2)a(I(m,n)+1)= a(I(m,n)+1)+1; %将灰度为I(m,n)的像素个数存储在%a(I(m,n)+1)中,因为matlab里没有a(0)endendn=0:255;c=a/sum(a); %c为个灰度像素数占总像素数的比例subplot(2,2,1);bar(n,c);title('直方图Pr(rk)'); %画出直方图s=zeros(1,256);s(1)=c(1);for k=2:256s(k)=s(k-1)+c(k);end %s为Pr(rk)的累加和subplot(2,2,2);bar(n,s);title('sk'); %画出sk的图形d=uint8(s*255); %d是对s的合理近似值，即四舍五入p=zeros(1,256);I2=I*0;for j=1:256p(d(j)+1)=p(d(j)+1)+c(j);I2(find(I==j))=d(j);end %以d为灰度值，计算相同d值对应的c值的累加和f imwrite(I2,'junheng.bmp');subplot(2,2,3);bar(n,p);title('均衡化直方图Ps(sk)') %画出均衡化直方图figure;bar(n,c);title('直方图Pr(rk)'); %单独显示直方图figure;bar(n,p);title('均衡化直方图Ps(sk)') %单独显示均衡后直方图figure;subplot(1,2,1);imshow(x);title('原图'); %显示原图subplot(1,2,2);imshow('junheng.bmp');title('均衡后图');%显示均衡化之后图形运行：在命令窗口中输入junheng(‘Lenna.bmp’),输出如下四幅图：这幅图体现了整个程序设计的思路，先由直方图Pr(rk)到累加和的sk图形，最后到均衡图Ps(sk).这两幅图是单独显示的原直方图和均衡化后的直方图。
数字图像处理课后第一次作业
数字图像处理课后第⼀次作业1、完成课本习题3.2(a)(b), 课本中⽂版《处理》第⼆版的113页。
可以通过matlab 帮助你分析理解。
解：(a)s =T(r)=11+(m r ?)E其中，r 为输⼊图像亮度，s 为输出图像的相应亮度，E 控制该函数的斜率。
(b) L 是图像中灰度的级数，使m=L/2；若假定L=500，则m=250。
使⽤matlab 对E 分别为10,15,20,100时的情况进⾏分析，最后可得到如下结果：图1 matlab 分析结果2、⼀幅8灰度级图像具有如下所⽰的直⽅图，求直⽅图均衡后的灰度级和对应概率，并画出均衡后的直⽅图的⽰意图。
（计算中取整采⽤四舍五⼊⽅法，图中的8个不同灰度级对应的归⼀化直⽅图为[0.17 0.25 0.21 0.16 0.07 0.08 0.04 0.02]）解：直⽅图均衡化的变换函数为s k =T (r k )=∑p r (r i )k i=0 0≤r k ≤1;k =0,1,…7 故可算得变化函数s 0计：s0计= T(r0)=0.17 s1计=0.17+0.25=0.42s2计=0.63 s3计=0.79s4计=0.86 s5计=0.94s6计=0.98 s7计=1.00但考虑到输出图像灰度是等间隔的，且与原图像灰度范围⼀样取8个等级，即要求s k=i/7(i=0,1,2,3…7)。
因此需要对s k计进⾏修正，采⽤四舍五⼊法可得s0并=1/7 s1并=3/7s2并=4/7 s3并=6/7s4并=6/7 s5并=1s6并=1 s7并=1根据s k并计算结果可知，直⽅图均衡化后的输出图像的灰度级仅为5个级别，即为s0=1/7 s1=3/7 s2=4/7 s3=6/7 s4=1且根据r k与s k的关联性，可计算得s k对应概率为：P s(s0=1/7)=0.17 P s(s1=3/7)=0.25P s(s2=4/7)=0.21 P s(s3=6/7)=0.23P s(s5=1)=0.14根据s k取值和对应概率，画出的均衡化后的直⽅图如下图所⽰：图2 均衡化后的直⽅图3. (选做题)课本习题3.6。
数字图像处理上机作业一.
数字图像处理上机作业一1.设计一个程序，绘制出一幅灰度图象的直方图。
Solution：代码及代码的说明：%作用：返回灰度矩阵a，并画出直方图function a=zhifangtu(x) % x为要分析的图像名加单引号I=imread(x);b=size(I);a=zeros(1,256); % a为一个1*256的矩阵分别记录灰度为0到255的像%的个数for m=1:b(1) %两个for语句将整张图的所有像素都扫描一遍for n=1:b(2)a(I(m,n)+1)= a(I(m,n)+1)+1; %将灰度为I(m,n)的像素个数存储在%a(I(m,n)+1)中,因为matlab里没有%a(0)endendn=0:255;bar(n,a);%画出直方图s=sum(a) %查看直方图的总的面积等于这张图的总像素值实验结果及分析：在命令窗口中输入zhifangtu('Lenna.bmp')返回s =262144，以及灰度矩阵a，同时有如下直方图输出：分析及结论：在命令窗口中用size命令可查知Lenna.bmp是512*512的，返回的s =262144恰等于512*512，说明所编的直方图的程序恰将所有的像素点都统计了，直方图的总面积等于像素总数。
直方图的作用也就是将一张图中不同灰度值对应像素数的一个统计。
在这个程序的编写中应注意a(I(m,n)+1)= a(I(m,n)+1)+1 不能写成a(I(m,n))= a(I(m,n))+1 ，应为在matlab中矩阵表示没有a(0),若某个像素点的灰度值是0，就会出错，故应写成a(I(m,n)+1)= a(I(m,n)+1)+1形式。
2.对同一场景但模糊程度不一样的三张数字图像绘制出其直方图, 计算每一幅图象所有像素灰度的方差。
图象的清晰度同灰度方差什么关系?Solution：代码及代码的说明：%作用：绘出模糊程度不一样的三张数字图像的直方图，并输出各自灰度方差I1=imread('tu1.bmp');I1=rgb2gray(I1); %转换为灰度图像imwrite(I1,'tu0.bmp'); %由于直方图只能对灰度图作用，故先将其转为灰度图subplot(2,2,1);zhifangtu('tu0.bmp');title('tu1直方图'); %绘出tu1.bmp的直方图k1=size(I1);I1=single(I1);I1=(I1-mean(mean(I1)')).^2; %个像素灰度值减去平均灰%值后再平方t1=sum(sum(I1)')/k1(1)/k1(2), %输出tu1.bmp的所有像素灰度的方差subplot(2,2,2);zhifangtu('tu2.bmp');title('tu2直方图'); %绘出tu2.bmp的直方图I2=imread('tu2.bmp');k2=size(I2);I2=single(I2);I2=(I2-mean(mean(I2)')).^2; %个像素灰度值减去平均灰度值后再%平方t2=sum(sum(I2)')/k2(1)/k2(2), %输出tu2.bmp的所有像素灰度的方差subplot(2,2,3);zhifangtu('tu3.bmp');title('tu3直方图'); %绘出tu3.bmp的直方图I3=imread('tu3.bmp');k3=size(I3);I3=single(I3);I3=(I3-mean(mean(I3)')).^2; %个像素灰度值减去平均灰度值%后再平方t3=sum(sum(I3)')/k3(1)/k3(2), %输出tu3.bmp的所有像素灰度的方差figure;subplot(2,2,1);imshow('tu1.bmp');title('tu1图'); %绘出tu1.bmp的图subplot(2,2,2);imshow('tu2.bmp');title('tu2图'); %绘出tu1.bmp的图subplot(2,2,3);imshow('tu3.bmp');title('tu3图'); %绘出tu1.bmp的图实验结果及分析：上述代码执行后，输出t1 = 7.3027e+003，t2= 6.5808e+003，t3=5.4860e+003；同时输出如下直方图：原始图：分析及结论：tu1，tu2，tu3三幅图是依次变模糊的，三张图的所有像素灰度方差依次为t1 = t1 = 7.3027e+003，t2= 6.5808e+003，t3=5.4860e+003，它们是依次变小的，可知图象的清晰度随灰度方差的变小而变得模糊。
数字图像处理作业答案
1 大作业题目1.问答题1.1连续图像f(x.y)和数字图像I(r,c)中各分量的含义是什么？他们有什么联系和区别？取值范围在什么范围？答：f(x,y)表示二维图像在空间XY中一个坐标点的位置（实际图像的尺寸是有限的，所以x和y的取值也是有限的），即f(x，y)中的x，y分别代表一个点连续图像中的x轴和y轴的坐标，而f则代表图像在点（x,y）的某种性质F的数值（实际图像中各个位置上所具有的性质F的取值也是有限的，所以F得取值也是有限的）。
F,x,y的值可以是任意实数。
图像在点（x,y）也可以有多重性质，此时可用矢量f来表示。
数字图像I（r，c）表示位于图像矩阵上第r行，第c列的元素幅值。
其中I,c,r的值都是整数。
I(r，c)是通过对f(x，y)抽样和量化得来的，f(x，y)各量是连续的，I(r，c)各量是离散的，这里的I代表离散化后的f,(r，c)代表离散化后的（x,y），r，c分别有连续图像中的x，y分别采样得到的；x，y可以取所有的非负数，r，c可以取所有的非负整数。
1.2 发光强度及亮度、照度各有什么不同？答：1）发光强度，单位坎德拉，即cd。
定义：光源在给定方向的单位立体角中发射的光通量定义为光源在该方向的发光强度。
解释：发光强度是针对点光源而言的，或者发光体的大小与照射距离相比比较小的场合。
这个量是表明发光体在空间发射的会聚能力的。
可以说，发光强度就是描述了光源到底有多“亮”，因为它是光功率与会聚能力的一个共同的描述。
发光强度越大，光源看起来就越亮，同时在相同条件下被该光源照射后的物体也就越亮，因此，早些时候描述手电都用这个参数。
常见光源发光强度：太阳，2.8E27cd，高亮手电，10000cd，5mm超高亮LED，15cd。
2）亮度，单位尼特，即nt。
定义：单位光源面积在法线方向上，单位立体角内所发出的光流。
解释：这个是最容易被误解的概念了。
亮度是针对光源而言，而且不是对点光源，是对面光源而言的。
数字图像作业
第1章概述
1、说明图象数字化与图象空间分辨率之间的关系。
2、说明图象数字化与图象灰度分辨率之间的关系。
3、看图说明伪彩色图象采集卡的工作原理，并说明LUT的原理和作用。
第2章正交变换
1、粗略画出下列图象的傅立叶变换图象：
2、证明付里叶变换的可分离性及快速算法可行性。
3、
3、如何快速计算DCT，对奇异点如何处理？第3章图像增强
1、
2、
3、试述直方图均衡化的增强原理。
4、试述规定化直方图增强原理。
5、探讨图象平滑与图象锐化的异同点及它们的适用领域。
6、探讨空域增强处理与频域增强处理的特点，比较其性能。
第4章图像复原
1、用频域的方法建立运动模糊退化模型（x , y 两方向移动），求出退化系统传递函数。
2、探讨参变量维纳滤波中g 的作用，如何求得最佳的参变量g 。
第5章图像分割及其他
1、当图象直方图呈双峰特性时，如何确定二值化的阈值？当图象直方图呈单峰特性时，又如何确定二值化的阈值？
2、试述轮廓追踪的基本原理和操作步骤。
3、探讨二值图象细化的几种算法，并比较其优缺点
第8章图像编码
1、1920*1080、50帧/秒的高清彩色电视信号（8bit量化）用6Mbps的网络传输时，对应的压缩比是多少？
2、简述三大图象编码技术各自的工作原理、特点。
并根据其各自特点，组合设计一种具有较高编码效率的图象压缩方法。
3、简述JPEG编码的压缩原理，探讨如何选择量化表。
4、简述MPEG编码的压缩原理，分析视频图像压缩与静止图像压缩在技术上的区别。
数字图像处理设计作业
数字图像处理课程设计作业
5人一个小组，自行组合，自行分工，做成PPT，第16周周三1-2节课请1-2名代表上台说明，每组4-5分钟。
请大家先思考挑选题目，每个题目至少要有一组选择。
请15周周三时把名单报给老师。
题目如下：（请注意：自拟题目也可以）
1、汽车牌照识别
2、身份证识别
3、数字水印设计
4、指纹识别
5、手写字符识别
6、一维码识别
7、二维码识别
8、静态背景下的运动目标检测
9、人脸识别
10、小波变换在图像中的应用
作业要求：
1、实现原理及方法、实现算法、程序流程、最好有仿真程序及运行结果演示。
2、请查阅资料，就当前发展状况阐述，并与其他的实现方法比较。
3、以小论文形式写成WORD文档，若有PPT、程序及运行结果，请一并上交教学平台。
.。
- 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)。
数字图像处理大作业一、设计一种滤波器（低通或者高通），要求写出算法实现的原理，绘出滤波器的三维透视图，滤波器的图像表示图以及剖面曲线。
本题设计的是1阶巴特沃斯高通滤波器算法原理：n阶具有D0截止频率的巴特沃斯高通滤波器的传递函数为错误！未找到引用源。
其中错误！未找到引用源。
编程实现如下：clearN1=200;N2=200;[f1,f2]=freqspace([N1 N2]);%确定二维频率响应的频率空间[x1,y1]=meshgrid(f1,f2);%把由f1和f2向量所指定的域变换为矩阵x1和y1%得到的矩阵可用来绘制三维网格图n=1; %设置滤波器阶数为1阶d0=25; %设置截止频率为25u=0:N1;v=0:N2;dis=sqrt(u.^2+v.^2);Huv=1./(1+(d0./dis).^(2*n));%构造巴特沃斯高通滤波器figure(1),plot(dis,Huv),title '滤波器的图像表示图'%输出滤波器图像表示图u0=round(N1/2);v0=round(N2/2);for i=1:N1for j=1:N2d=sqrt((i-u0)^2+(j-v0)^2);h=1/(1+(d0/d)^(2*n));H(i,j)=h; %构造二维频率响应函数endendfigure(2),mesh(x1,y1,H),title '滤波器的三维透视图'%利用矩阵x1,y1来绘制三维透视图figure(3),mesh(x1,y1,H),view(0,0),title '三维透视图剖面曲线'%绘制三维图的剖面图运行程序结果绘制了三幅图分别为：滤波器的图像表示图，滤波器的三维透视图，三维透视图的剖面曲线二、运用设计的滤波器实现图像的频率域增强。
图像频率域增强原理及步骤：频域图像增强是对图像经傅立叶变换后的频谱成分进行操作，然后逆傅立叶变换获得所需结果。
其原理如下图所示：频域图像增强原理图高通滤波器技术是利用高通滤波器来忽略图像中过度平缓的部分，突出细节和跳变等的高频部分，使得增强后的图像边缘信息分明清晰。
高通滤波技术进行增强处理后的图像，视觉效果不好，较适用于图豫中物体的边缘提取。
用1阶巴特沃斯高通滤波器对图像进行频率域增强编程实现如下:clearIm=imread('C:\Users\Yabing\Desktop\数字图像处理\hh.jpg');subplot(1,2,1),imshow(Im),title '原图像' %输出原图像if ndims(Im) == 3 %如果原图像是三维的则转化为二维Im=rgb2gray(Im);endf=double(Im);k=fft2(f); %对图像进行二维离散傅里叶变换g=fftshift(k); %把快速傅里叶变换的DC组件移到光谱中心[N1,N2]=size(g);%取原图相对应矩阵的大小n=1; %设置滤波器阶数为1阶d0=25; %设置截止频率为25u0=round(N1/2);v0=round(N2/2);for i=1:N1for j=1:N2d=sqrt((i-u0)^2+(j-v0)^2);h=1/(1+(d0/d)^(2*n));y(i,j)=h*g(i,j); %对图像进行滤波处理endendy=ifftshift(y);E1=ifft2(y); %对滤波处理后的图像进行二维离散傅立叶逆变换E2=uint8(real(E1));subplot(1,2,2),imshow(E2),title '1阶巴特沃斯高通滤波处理后'%滤波处理后输出图像程序运行结果如下截止频率为25的1阶巴特沃斯高通滤波器对图像进行频率域增强如下图：仿真结果分析：由上图可得，原图像经过高通滤波处理后突出了跳变的高频部分，减弱图像中灰度值缓慢变化的低频部分，使得增强后的图像边缘信息分明、清晰。
三、同态滤波在图像增强中的应用1、同态滤波的原理同态滤波是一种在频域中进行的图像对比度增强和压缩图像亮度范围的特殊方法。
同态滤波器能够减少低频并且增加高频，从而能减少光照变化并锐化边缘细节。
图像的同态滤波技术的依据是图像获取过程中的照明反射成像原理。
它属于频域处理,作用是对图像灰度范围进行调整,通过消除图像上照明不均的问题。
非线性滤波器能够在很好地保护细节的同时, 去除信号中的噪声,同态滤波器就是一种非线性滤波器,其处理是一种基于特征的对比度增强方法,主要用于减少由于光照不均匀引起的图像降质,并对感兴趣的景物进行有效地增强。
同台系统适用于服从广义叠加原理，输入和输出之间可以用线性变化表示的系统。
图像的同态滤波是基于以入射光和反射光为基础的图像模型上的，如果把图像函数(,)f x y 表示为光照函数，即照射分量(,)i x y 与反射分量(,)r x y 两个分量的乘积，那么图像的模型可以表示为(,)(,)(,)f x y i x y r x y =∙，其中0(,)r x y <<∞，0(,)i x y <<∞。
(,)r x y 的性质取决于成像物体的表面特性。
通过对光照分量和反射分量的研究可知，光照分量一般反映灰度的恒定分量，相当于频域中的低频信息，减弱入射光就可以起到缩小图像灰度范围的作用；而反射光与物体的边界特性是密切相关的，相当于频域中的高频信息，增强反射光就可以起到提高图像对比度的作用。
因此，同态滤波器的传递函数一般在低频部分小于1，高频部分大于1。
进行同态滤波，首先要对原图像(,)f x y 取对数，目的是使得图像模型中的乘法运算转化为简单的加法运算：(,)ln (,)ln (,)ln (,)z x y f x y i x y r x y ==+再对对数函数做傅立叶变换，目的是将图像转换到频域：((,))[ln (,)][ln (,)]F z x y F i x y F r x y =+即Z I R =+，同态滤波器的传递函数H(U,V)选择适当的传递函数，压缩照射分量(,)i x y 的变化范围，削弱，增强反射分量(,)r x y的对比度，提升，增强高频分量，即确定一个合适的(,)H u v 。
由上分析可知(,)H u v 的大致形状如上图所示。
假设用一个同态滤波器函数(,)H u v 来处理原图像(,)f x y 的对数的傅立叶变换(,)Z u v ，得(,)(,)(,)(,)(,)(,)(,)S u v H u v Z u v H u v I u v H u v R u v ==+逆变换到空域得1(,)((,))s x y F S u v -=再对取指数即得到最终处理结果'(,)exp((,))f x y s x y =：，相当于高通滤波。
同态滤波的原理框图2、同态滤波器参数的选取方法由于截至频率D 与照度场和反射系数有关，所以通过大量实践来选择。
也可以通过对照度场的频谱分析得到光照特性，从而选取滤波器参数。
在频率空间，图像的信息表现为不同频率的分量的组合。
一个图像尺寸为M N ⨯的函数(,)f x y 的离散傅立叶变化由以下等式给出：112()001(,)(,)ux vy M N j M N x y F u v f x y e MN π---+===∑∑，中u 012M 1v u 012N 1=⋯-==⋯-，，，；，，， 频谱1222|(,)|[Re (,)Im (,)]F u v u v u v =+，其中Re(,)u v 和Im (,)u v 分别为(,)F u v 的实部和虚部。
假设光照是绝对均匀的，光照场的频谱只有直流分量，随着光照不均匀程度的增加，谐波分量所占比例增加。
在不均匀光照条件下，通过计算第n 次谐波分量占谐波总量的比例，容易得到所占比例较大的谐波频率范围对应的频率即为带阻滤波器上、下限频率。
具体步骤如下：1）用(1)x y +-乘以输入图像进行中心变换，将(,)F u v 原点变换到频率坐标下的(/2,/2)M N ；2）计算离散傅立叶变换，即得到(,)F u v ；3）计算点(,)u v 到频率矩形原点的距离，如下表示：(,)D u v =4）由于图像由实部和虚部组成计算出不同(,)D u v 对应的频率谱|(,)|F u v ，它们位于以原点为中心、(,)D u v 为半径的圆周上；5）计算不同半径(,)D u v 的圆周包围的图像功率(,)P u v 占总图像功率Pt 的比例α，其步骤为2(,)|(,)|P u v F u v =1100(,)M N u v Pt P u v --===∑∑ (,)[]100%u v P u v Ptα=⨯∑∑ 6）把α从大到小进行排序，计算前n 项和S ，当S >0.7时停止计算，对应的(,)D u v 的范围分别为上下限频率01D 、02D3、图像处理案例原图像通过同态滤波器处理后的图像4、部分matlab代码clear;close all;[image_0,map]=imread('aaa1','bmp'); % 读取图像image_1=log(double(image_0)+1);image_2=fft2(image_1);n=3;D0=0.05*pi; %通过变换参数可以对滤波效果进行调整rh=0.9;rl=0.3;[row,col]=size(image_2);for k=1:1:rowfor l=1:1:colD1(k,l)=sqrt((k^2+l^2));H(k,l)=rl+(rh/(1+(D0/D1(k,l)^(2*n))));endendimage_3=(image_2.*H);figure(1),imshow(image_3,map)image_4=ifft2(image_3);image_5=(exp(image_4)-1);figure(2),imshow(image_0,map)figure(3),imshow(real(image_5),map)5、设计总结从实验结果可知：在频域内的同态滤波方法只要选取适当的滤波器参数，就可以在增强图像高频信息的同时保留部分低频信息，达到压缩图像灰度的动态范围，增强图像的对比度的效果。
本文通过光照场的频谱分析，能快速准确地选取滤波器参数。
改进的同同态滤波器的参数获取办法，有利于快速获得增强效果好的参数，对光照不均匀的图像的补偿效果更明显。
老师留下的问题问题1：为什么人眼能识别到图像？答：因为一幅图像的图像函数可以分成照射分量和反射分量，存在对比度能让人识别得到。
问题2：图像中的照射分量属于高频部分还是低频部分？答：照射分量属于低频部分。