实验四图像变换及图象的频域处理
数字图像处理实验三:图像的频域处理

数字图像处理实验报告实验三、图像的频域处理一、实验类型:综合性实验二、实验目的1. 掌握二维傅里叶变换的原理。
2. 掌握二维傅里叶变换的性质。
三、实验设备:安装有MATLAB 软件的计算机四、实验原理傅里叶变换在图像增强、图像分析、图像恢复和图像压缩等方面扮演着重要的角色。
在计算机上使用傅里叶变换常常涉及到该变换的另一种形式——离散傅里叶变换(DFT )。
使用这种形式的傅里叶变换主要有以下两方面的理由:·DFT 的输入和输出都是离散的,这使得计算机处理更加方便;·求解DFT 问题有快速算法,即快速傅里叶变换(FFT )。
MATLAB 函数fft,fft2 和fftn 可以实现傅里叶变换算法,分别用来计算1 维DFT、2 维DFT 和n 维DFT。
函数ifft,ifft2 和ifftn 用来计算逆DFT。
下面结合一个例子进行演示。
(1)创建一个矩阵f,代表一个二值图像。
f=zeros(30,30);f(5:24,13:17)=1;imshow(f,’notruesize’)(2 )用以下命令计算f 的DFT 并可视化。
F=fft2(f);F2=log(abs(F));imshow(F2,[-1 5],’notruesize’);colormap(jet);colorbar(3)为了获取傅里叶变换的更佳的取样数据,计算F 的DFT 时给它进行0 填充。
0 填充和DFT 计算可以用下面的命令一步完成。
F=fft2(f,256,256);上面的命令在计算DFT 之前将F 的大小填充为256 ×256。
imshow(log(abs(F)),[-1 5]);colormap(jet);colorbar(4 )但是,0 频率系数仍然显示在左上角而不是中心位置。
可以用fftshift 函数解决这个问题,该函数交换F 的象限,使得0 频率系数位于中心位置上。
F=fft2(f,256,256)F2=fftshift(F);imshow(log(abs(F2)),[-1 5]);colormap(jet);colorbar五、实验内容选择一幅图像,对其进行离散傅立叶变换,观察离散傅立叶频谱,并演示二维离散傅立叶变换的主要性质(如平移性、旋转性)。
数字图像处理第十章 图像的频域变换55页

本章ቤተ መጻሕፍቲ ባይዱ论的内容
二维离散傅立叶变换 快速傅立叶变换 二维离散傅立叶变换的应用 离散余弦变换
作 业(共1题)
1. 第230页 第1题。
谢谢你的阅读
❖ 知识就是财富 ❖ 丰富你的人生
问题的提出
人类视觉所感受到的是在空间域和时间域的 信号。
但是,往往许多问题在频域中讨论时,有其 非常方便分析的一面。例如,空间位置上的 变化不改变信号的频域特性。
图像变换的前提条件
首先,提出的变换必须是有好处的,换句话 说,可以解决时域中解决不了的问题。
其次,变换必须是可逆的,可以通过逆变换 还原回原时域中。
图像的频域变换

二进制数为:0000,0010,0100,0110,1000,1010,1100,1110
FFT算法步骤
二进制数为:0000,0010,0100,0110,1000,1010,1100,1110 /2
移位:000,001,010,011,100,101,110,111
下标为2x
f1 , f3 , f5 , f7 , f9 , f11 , f13 , f15
下标为2x+1
FFT算法步骤
分析偶数部分的数据项:
f 0 , f 2 , f 4 , f 6 , f8 , f10 , f12 , f14 ,
如果下标用二进制数表示为:
0000,0010,0100,0110,1000,1010,1100,1110
f(x,y) 可以看成是一系列周期函数
e
j 2 ( M N )
x
y
的线性组合, F(u,v)可以看成是加权系数。可见 u,v越大的部分,影响f(x,y)细节部分
二维离散Fourier变换 —— 作用
1)可以得出信号在各个频率点上的强度。
2)可以将卷积运算化为乘积运算。
快速Fourier变换(FFT)
则:F ( ) f ( x) N
x 0
N 1
x
N / 21 N / 21 2 x 2 ( 2 x 1) f (2 x) N f (2 x 1) N x 0 x 0
M M 1 x x f (2 x) M f (2 x 1) M N x 0 x 0 N 2 M 1
偶数组:000,010,100,110 *2
数字图像处理_图像的频域变换处理

图像的频域变换处理1 实验目的 1. 掌握Fourier ,DCT 和Radon 变换与反变换的原理及算法实现,并初步理解Fourier 、Radon和DCT 变换的物理意义。
2、 利用傅里叶变换、离散余弦变换等处理图像,理解图像变换系数的特点。
3、 掌握图像的频谱分析方法。
4、 掌握图像频域压缩的方法。
5、 掌握二维数字滤波器处理图像的方法。
2 实验原理1、傅里叶变换 fft2函数:F=fft2(A);fftshift 函数:F1=fftshift(F);ifft2函数:M=ifft2(F);2、离散余弦变换:dct2函数 :F=dct2(f2);idct2函数:M=idct2(F);3、 小波变换对静态二维数字图像,可先对其进行若干次二维DWT 变换, 将图像信息分解为高频成分H 、V 和D 和低频成分A 。
对低频部分A ,由于它对压缩的结果影响很大,因此可采用无损编码方法, 如Huffman 、 DPCM 等;对H 、V 和D 部分,可对不同的层次采用不同策略的向量量化编码方法,这样便可大大减少数据量,而图像的解码过程刚好相反。
(1)dwt2[CA,CH,CV,CD]=dwt2(X,’wname’)[CA,CH,CV,CD]=dwt2(X,LO_D,HI_D’)()()⎰⎥⎦⎤⎢⎣⎡-ψ=dt a b t t Rf a 1b ,a W *()⎪⎭⎫ ⎝⎛-ψ=ψa b t a 1t b ,a 112()00(,)[(,)](,)ux vy M N j M N x y f x y eF f x y F u v π---+====∑∑1100(21)(21)(,)(,)()()cos cos 22M N x y x u y v F u v f x y C u C v M Nππ--==++=∑∑CA 图像分解的近似分量,CH 水平分量,CV 垂直分量,CD 细节分量; dwt2(X,’wname ’) 使用小波基wname 对X 进行小波分解。
数字图像处理实验 频域图像增强

数字图像处理实验报告实验四频域图像增强1、实验目的• 1.熟悉傅里叶变换的基本性质;• 2.热练掌握FFT方法及应用;• 3.通过实验了解二维频谱的分布特点;• 4.通过本实验掌握利用MATLAB编程实现数字图像的傅立叶变换及滤波锐化和复原处理;• 5.了解理想、巴特沃兹、高斯等不同滤波器的结构及滤波效果。
2、实验步骤•1.调入实验一获得的图像,对这幅图像做FFT并显示其频谱;•2.对上幅图像做离散余弦变换并显示其频谱;•3.将离散余弦变换应用于图像压缩。
3、实验源码对这幅图像做FFT并显示其频谱B=imread('test.bmp')imshow(B)F=fft2(B)S=abs(F)imshow(S,[])对上幅图像做离散余弦变换并显示其频谱i=imread('test.bmp')i=im2double(i)T=dctmtx(8)B=blkproc(i,[8,8],'P1*x*P2',T,T)imshow(B)将离散余弦变换应用于图像压缩(压缩后的图像有点失真,但不影响视觉效果,图像数据量缩小了)mask=[1 1 1 1 0 0 0 01 1 1 0 0 0 0 01 1 0 0 0 0 0 01 0 0 0 0 0 0 00 0 0 0 0 0 0 00 0 0 0 0 0 0 0]B2=blkproc(B,[8,8],'P1*x',mask)i2=blkproc(B2,[8,8],'P1*x*P2',T,T)subplot(1,2,1),imshow(i);title('原图')subplot(1,2,2),imshow(i2);title('离散余弦变换压缩')4、实验截图实验一获得的图像图像做FFT并显示其频谱做离散余弦变换并显示其频谱将离散余弦变换应用于图像压缩5、实验小结付里叶变换在计算图像的卷积中有很大应用。
数字图像处理图像变换实验报告

实验报告实验名称:图像处理姓名:刘强班级:电信1102学号:1404110128实验一图像变换实验——图像点运算、几何变换及正交变换一、实验条件PC机数字图像处理实验教学软件大量样图二、实验目的1、学习使用“数字图像处理实验教学软件系统”,能够进行图像处理方面的简单操作;2、熟悉图像点运算、几何变换及正交变换的基本原理,了解编程实现的具体步骤;3、观察图像的灰度直方图,明确直方图的作用与意义;4、观察图像点运算与几何变换的结果,比较不同参数条件下的变换效果;5、观察图像正交变换的结果,明确图像的空间频率分布情况。
三、实验原理1、图像灰度直方图、点运算与几何变换的基本原理及编程实现步骤图像灰度直方图就是数字图像处理中一个最简单、最有用的工具,它描述了一幅图像的灰度分布情况,为图像的相关处理操作提供了基本信息。
图像点运算就是一种简单而重要的处理技术,它能让用户改变图像数据占据的灰度范围。
点运算可以瞧作就是“从象素到象素”的复制操作,而这种复制操作就是通过灰度变换函数实现的。
如果输入图像为A(x,y),输出图像为B(x,y),则点运算可以表示为:B(x,y)=f[A(x,y)]其中f(x)被称为灰度变换(Gray Scale Transformation,GST)函数,它描述了输入灰度值与输出灰度值之间的转换关系。
一旦灰度变换函数确定,该点运算就完全确定下来了。
另外,点运算处理将改变图像的灰度直方图分布。
点运算又被称为对比度增强、对比度拉伸或灰度变换。
点运算一般包括灰度的线性变换、阈值变换、窗口变换、灰度拉伸与均衡等。
图像几何变换就是图像的一种基本变换,通常包括图像镜像变换、图像转置、图像平移、图像缩放与图像旋转等,其理论基础主要就是一些矩阵运算,详细原理可以参考有关书籍。
实验系统提供了图像灰度直方图、点运算与几何变换相关内容的文字说明,用户在操作过程中可以参考。
下面以图像点运算中的阈值变换为例给出编程实现的程序流程图,如下:2、图像正交变换的基本原理及编程实现步骤数字图像的处理方法主要有空域法与频域法,点运算与几何变换属于空域法。
数字图像处理图像变换与频域处理

南京信息工程大学 计算机图像处理 实验(实习)报告 实验(实习)名称 图像变换与频域处理 实验(实习)日期 得分 指导老师 系 专业 班级 姓名 学号一、 实验目的1.了解离散傅里叶变换的基本性质;2.熟练掌握图像傅里叶变换的方法及应用;3.通过实验了解二维频谱的分布特点;4.熟悉图像频域处理的意义和手段;5.通过本实验掌握利用MATLAB 的工具箱实现数字图像的频域处理。
二、 实验原理(一)傅立叶变换傅立叶变换是数字图像处理中应用最广的一种变换,其中图像增强、图像复原 和图像分析与描述等,每一类处理方法都要用到图像变换,尤其是图像的傅立 叶变换。
离散傅立叶(Fourier )变换的定义:二维离散傅立叶变换(DFT )为:逆变换为:式中,在DFT 变换对中, 称为离散信号 的频谱,而 称为幅度谱, 为相位角,功率谱为频谱的平方,它们之间的关系为:图像的傅立叶变换有快速算法。
(二)图像的频域增强常用的图像增强技术可分为基于空域和基于变换域的两类方法。
最常用的变换域是频域空间。
在频域空间,图像的信息表现为不同频率分量的组合。
如果能让某个范围内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,就可以改变输出图像的频率分布,达到不同的增强目的。
频域增强的工作流程:频域空间的增强方法对应的三个步骤:(1) 将图像f(x,y)从图像空间转换到频域空间,得到F(u,v);(2) 在频域空间中通过不同的滤波函数H(u,v)对图像进行不同的增强,得到G(u,v)(注:不同的滤波器滤除的频率和保留的频率不同,因而可获得不同的增强效果);(3) 将增强后的图像再从频域空间转换到图像空间,得到图像g(x,y)。
),(v u F ),(v u G ),(y x f ∑∑-=-=+-=1010)(2exp ),(1),(M x N y N vy M ux j y x f MN v u F π∑∑-=-=+=101)(2exp ),(1),(M u N v N vy M ux j v u F MN y x f π}1,,1,0{,-∈M x u }1,,1,0{,-∈N y v ),(v u F ),(y x f ),(v u F ),(v u ϕ),(),()],(exp[),(),(v u jI v u R v u j v u F v u F +==ϕ1.低通滤波图像中的边缘和噪声都对应图像傅立叶变换中的高频部分,如要在频域中消弱其影响,设法减弱这部分频率的分量。
数字图像处理实验报告-线性灰度变换-图像几何变换-频域图像增强技术-图像分割

线性灰度变换一、实验目的1结合实例学习如何在视频显示程序中增加图像处理算法;2理解和掌握图像的线性变换和直方图均衡化的原理和应用;3了解平滑处理的算法和用途,学习使用均值滤波、中值滤波和拉普拉斯锐化进行图像增强处理的程序设计方法;4 了解噪声模型及对图像添加噪声的基本方法。
二、实验原理1 灰度线性变换就是将图像中所有点的灰度按照线性灰度变换函数进行变换。
)],([),(y x f T y x g =⎪⎩⎪⎨⎧<≤+-<≤+-≤≤=255),(]),([),( ]),([),(0 ),(),(y x f b g b y x f b y x f a g a y x f a y x f y x f y x g b a γβαn y m x ,2,1 ,,,2,1==2 直方图均衡化通过点运算将输入图像转换为在每一级上都有相等像素点数的输出图像。
按照图像概率密度函数PDF 的定义:1,...,2,1,0 )(-==L k nn r p k k r 通过转换公式获得:1,...,2,1,0 )()(00-====∑∑==L k n n r p r T s k j k j j j r k k3 均值(中值)滤波是指在图像上,对待处理的像素给定一个模板,该模板包括了其周围的临近像素。
将模板中的全体像素的均值(中值)来代替原来像素值的方法。
4 拉普拉斯算子如下:⎥⎥⎥⎦⎤⎢⎢⎢⎣⎡--------111181111 拉普拉斯算子首先将自身与周围的8个像素相减,表示自身与周围像素的差异,再将这个差异加上自身作为新像素的灰度。
三、实验步骤1 启动MATLAB 程序,对图像文件分别进行灰度线性变换(参考教材57页,例4.1)、直方图均衡化(参考教材64页,例4.6)、均值滤波(参考教材69页,例4.9)、中值滤波(参考教材73页,例4.11)和梯度锐化操作(参考教材76页,例4.12)。
添加噪声,重复上述过程观察处理结果。
关于图形图像处理实训报告总结【九篇】

关于图形图像处理实训报告总结【九篇】实训报告总结:图形图像处理实训图形图像处理实训是计算机科学与技术专业的基础课程之一。
通过本次实训课程,我深入了解了图形图像处理的基本概念、方法和技术,并通过实际操作来提升了自己的实践能力。
下面是对本次实训的九篇报告总结:1. 实验一:图像读取与显示本次实验主要是学习如何读取和显示图像,以及使用Matplotlib库进行图像展示。
通过实验,我掌握了图像读取和显示的基本方法,并学会了基本的图像处理操作。
2. 实验二:图像的灰度变换实验二主要是学习图像的灰度变换,包括线性变换和非线性变换。
我学会了如何使用不同的灰度变换函数来调整图像的亮度和对比度,进一步提升图像的质量。
3. 实验三:图像的空间域滤波本次实验主要是学习图像的空间域滤波技术,包括均值滤波、中值滤波和高斯滤波等。
通过实验,我掌握了不同滤波方法的原理和实现方式,并学会了如何选择合适的滤波方法来降噪和模糊图像。
4. 实验四:图像的频域滤波实验四主要是学习图像的频域滤波技术,包括傅里叶变换和频域滤波等。
通过实验,我了解了傅里叶变换的原理和应用,并学会了如何使用频域滤波来实现图像的锐化和平滑。
5. 实验五:图像的形态学处理本次实验主要是学习图像的形态学处理技术,包括腐蚀、膨胀、开运算和闭运算等。
通过实验,我学会了如何使用形态学操作来改变图像的形状和结构,进一步改善图像的质量。
6. 实验六:图像的边缘检测实验六主要是学习图像的边缘检测技术,包括Sobel算子、Laplacian算子和Canny算子等。
通过实验,我了解了不同边缘检测方法的原理和应用,并学会了如何使用边缘检测来提取图像的轮廓和特征。
7. 实验七:图像的分割与聚类本次实验主要是学习图像的分割与聚类技术,包括阈值分割、区域生长和K均值聚类等。
通过实验,我掌握了不同分割与聚类方法的原理和应用,并学会了如何使用分割与聚类来识别和分析图像中的目标和区域。
8. 实验八:图像的特征提取与描述子实验八主要是学习图像的特征提取和描述子技术,包括尺度不变特征变换(SIFT)和方向梯度直方图(HOG)等。
图像变换实验

数字图像处理实验报告1 - 图像变换学生姓名:学号:实验时间:地点:指导教师:实验名称:图像变换试验目的:(1)基于MATLAB的实验验证。
通过在MA TLAB环境中相关函数的调用,验证图像变换和图像频域处理效果,增强感性认识。
(2)基于C语言的基本图像处理。
通过编写C++程序,进一步理解算法的实现过程,为在实际应用软件中的应用打下基础。
实验内容:(1)MATLAB函数的直接调用通过在MA TLAB环境中相关函数的调用,验证傅立叶变换、DCT变换和小波变换的结果,并通过反变换恢复原图像。
①对’flower.tif’ 图片进行傅立叶变换,绘制原始图像和变换后的频谱图。
②对’ flower.tif’ 图片进行DCT变换,绘制原始图像和变换后的频谱图。
③对’ flower.tif’ 图片进行一层小波变换和反变换,绘制原始图像和重建后的图像,以及小波分解后的4个子图注意:可以采用colormap(‘gray’) 来设置灰色图像的绘制。
(2)提升小波变换实验验证图像的提升小波变换。
编写小波变换程序,实现图像的变换和反变换。
完成:●图像的读取;●提升小波变换、逆变换●原图像和重建图像的显示、比较。
(3)编写VC++程序,读取flower.yuv 的图像帧,将图彩色图像变为灰度图像,然后对图像像素做线性变换g (i) = a f(i)+b 。
i为任意像素序号,a,b为实数。
将a,b取不同值,显示变换前、后的画面。
例如a=-1,b=255; a=0.5,b=128 等。
实验记录与结果分析:(1)①第一步:对于第一个实验先产生一个tif格式的灰度图像,在这里采用微软window系统中的图像并进行灰度图像化来产生。
(程序详见附录1.1)结果如下:灰度图像是原图像的一个截取,防止像素太大处理速度变慢。
(毕竟这是一次试验)原图:灰度图:②第二步:对’flower.tif’ 图片进行傅立叶变换,绘制原始图像和变换后的频谱图。
数字图像处理(冈萨雷斯)-4_fourier变换和频域介绍(dip3e)经典案例幻灯片PPT

F (u,v)
F *(u, v)
f ( x ,y ) ☆ h ( x ,y ) i f f t c o n j F ( u , v ) H ( u , v )
h(x,y):CD 周期延拓
PAC1
h:
PQ
QBD1
DFT
H (u,v)
F*(u,v)H(u,v)
IDFT
R(x,y):PQ
✓ 使用这组基函数的线性组合得到任意函数f,每个基函数的系 数就是f与该基函数的内积
图像变换的目的
✓ 使图像处理问题简化; ✓ 有利于图像特征提取; ✓ 有助于从概念上增强对图像信息的理解;
图像变换通常是一种二维正交变换。
一般要求: 1. 正交变换必须是可逆的; 2. 正变换和反变换的算法不能太复杂; 3. 正交变换的特点是在变换域中图像能量将集中分布在低频率 成分上,边缘、线状信息反映在高频率成分上,有利于图像处理
4.11 二维DFT的实现
沿着f(x,y)的一行所进 行的傅里叶变换。
F (u ,v ) F ( u , v ) (4 .6 1 9 )
复习:当两个复数实部相等,虚部互为相 反数时,这两个复数叫做互为共轭复数.
4.6
二维离散傅里叶变换的性质
其他性质:
✓尺度变换〔缩放〕及线性性
a f( x ,y ) a F ( u ,v ) f( a x ,b y ) 1 F ( u a ,v b ) |a b |
域表述困难的增强任务,在频率域中变得非常普通
✓ 滤波在频率域更为直观,它可以解释空间域滤波的某些性质
✓ 给出一个问题,寻找某个滤波器解决该问题,频率域处理对 于试验、迅速而全面地控制滤波器参数是一个理想工具
✓ 一旦找到一个特殊应用的滤波器,通常在空间域用硬件实现
实验四 图像的傅立叶变换与频域滤波

实验四 图像的傅立叶变换与频域滤波一、 实验目的1了解图像变换的意义和手段;2熟悉傅里叶变换的基本性质;3熟练掌握FFT 方法的应用;4通过实验了解二维频谱的分布特点;5通过本实验掌握利用MATLAB 编程实现数字图像的傅立叶变换。
6、掌握怎样利用傅立叶变换进行频域滤波7、掌握频域滤波的概念及方法8、熟练掌握频域空间的各类滤波器9、利用MATLAB 程序进行频域滤波二、 实验原理1应用傅立叶变换进行图像处理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。
2傅立叶(Fourier )变换的定义对于二维信号,二维Fourier 变换定义为:⎰⎰∞∞-+-==dxdy e y x f v u F y x f F vy ux j )(2),(),()},({π二维离散傅立叶变换为:∑∑-=+--==10)(2101),(),(N y N y u M x u j M x MNe y xf v u F π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。
3利用MATLAB 软件实现数字图像傅立叶变换的程序:I=imread(‘原图像名.gif ’); %读入原图像文件imshow(I); %显示原图像fftI=fft2(I); %二维离散傅立叶变换sfftI=fftshift(fftI); %直流分量移到频谱中心RR=real(sfftI); %取傅立叶变换的实部II=imag(sfftI); %取傅立叶变换的虚部A=sqrt(RR.^2+II.^2);%计算频谱幅值A=(A-min(min(A)))/(max(max(A))-min(min(A)))*225;%归一化figure; %设定窗口imshow(A); %显示原图像的频谱域滤波分为低通滤波和高通滤波两类,对应的滤波器分别为低通滤波器和高通滤波器。
频域分析及图像的频域处理

频域分析及图像的频域处理一.实验目的1.了解离散傅立叶变换及离散余弦变换的基本原理;2.掌握进行FFT 及逆变换的方法;3.了解图像在频域中处理方法,应用MATLAB 语言作简单的低通滤波器。
4.有能力的同学可用VC 实现傅立叶变换二.实验原理1.傅立叶变换的基本知识在图像处理的广泛应用领域中,傅立叶变换起着非常重要的作用,具体表现在包括图像分析、图像增强及图像压缩等方面。
假设f (x,y)是一个离散空间中的二维函数,则该函数的二维傅立叶变换的定义如下:)(21010),(),()],([N vy M ux j M x N y ey x f v u F y x f F +--=-=∑∑==π (2-1)离散傅立叶反变换的定义如下: )(210101),(1),()],([N vy M ux j N v M u e v u F MN y x f v u F F +-=-=-∑∑==π (2-2)式中,式中:u, x=0,1, 2, …, M -1;v, y=0, 1, 2, …, N -1;x, y 为时域变量,u, v像一维离散傅立叶变换一样,系数1/MN 可以在正变换或逆变换中,也可以在正变换和逆变换前分别乘以系数MN /1,只要两式系数的乘积等于1/MN 二维离散函数的傅立叶频谱、 相位谱和能量谱分别为 ),(),(|),(|22v u I v u R v u F += (2-3)),(),(arctan ),(v u R v u I v u =ϕ (2-4) ),(),(),(22v u I v u R v u E += (2-5) 式中,R (u , v )和I (u , v )分别是F (u , v )的实部和虚部。
2.离散余弦变换(Discrete Cosine Transform , DCT )离散余弦变换核为余弦函数。
DCT 除了具有一般的正交变换性质外, 它的变换阵的基向量能很好地描述人类语音信号和图像信号的相关特征。
实验报告4:图像的频域处理

实验报告4:图像的频域处理(1)对图像进行DFT:DFT后的输出:DFT所用代码:pic1=fft2(imread('lines.png'));pic2=fft2(imread('rice.tif'));pic11=fftshift(pic1);pic22=fftshift(pic2);Pic1=log(1+abs(pic11));Pic2=log(1+abs(pic22));subplot(1,2,1), imshow(Pic1,[]);title('lin.png');subplot(1,2,2), imshow(Pic2,[]);title('rice.tif');图片中并没有明显的水平和垂直内容,而DFT后却存在水平和垂直分量的原因:原图的边缘出现了明显的不连续,因此进行DFT后会出现强烈的水平和垂直方向分量。
解决方法为在图像中加入汉明窗算法,用来过滤掉图片中的高频部分,并使得图像边缘的不连续情况得到改善,因此加入汉明窗后处理的图像频谱中,水平分量和垂直分量得到了明显的减少。
改进后代码:img=imread('lines.png');img=im2double(img);[h,w]=size(img);window=hamming(h)*hamming(w)';IMG=img.*window;FIMG=fft2(IMG);subplot(1,2,1)imshow(IMG,[]); title('加窗后图像');subplot(1,2,2)imshow(log(1+abs(FIMG)),[]);title('加窗后的频谱图');改进后的频谱图:(2)选取一张灰度图片,并进行操作:原图:效果图:处理过程:A步骤中,函数先对原图像中的f(x,y)进行变换g(x,y)=(-1)^(x+y) x f(x,y),该步骤等同于傅里叶变换中的fftshift,将频域中带宽较低的部分及原点移动到了图像的中心位置。
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。
数字图像处理频域滤波与图像变换

实验四频域滤波与图像变换编码实验目的通过实验了解频域高频和低频滤波器对图像处理的效果,了解离散余弦变换在图像变换编码中的作用。
1.载入图像’cameraman.tif’,加入椒盐噪声,编程设计一阶巴特沃斯低通滤波器,改变滤波器的参数,观察并比较滤波效果。
close all;clear all;I1=imread('pout.tif');subplot(2,3,1),imshow(I1);title('原始图像')I2=imnoise(I1,'salt & pepper');subplot(2,3,2)imshow(I2);title('加噪图像');f=double(I2);g=fft2(f);g=fftshift(g);[N1,N2]=size(g);n=1;d0=5;n1=fix(N1/2);n2=fix(N2/2);for i=1:N1for j=1:N2d=sqrt((i-n1)^2+(j-n2)^2);h=1/(1+0.414*(d/d0)^(2*n));result(i,j)=h*g(i,j);endendresult=ifftshift(result);X2=ifft2(result);X3=uint8(real(X2));subplot(2,3,3),imshow(X3);title('Butterworth 低通滤波器,d0=5');d0=11;n1=fix(N1/2);n2=fix(N2/2);for i=1:N1for j=1:N2d=sqrt((i-n1)^2+(j-n2)^2);h=1/(1+0.414*(d/d0)^(2*n));result(i,j)=h*g(i,j);endendresult=ifftshift(result);X2=ifft2(result);X3=uint8(real(X2));subplot(2,3,4),imshow(X3);title('d0=11');d0=25n1=fix(N1/2);n2=fix(N2/2);for i=1:N1for j=1:N2d=sqrt((i-n1)^2+(j-n2)^2);h=1/(1+0.414*(d/d0)^(2*n));result(i,j)=h*g(i,j);endendresult=ifftshift(result);X2=ifft2(result);X3=uint8(real(X2));subplot(2,3,5),imshow(X3);title('d0=25');d0=50n1=fix(N1/2);n2=fix(N2/2);for i=1:N1for j=1:N2d=sqrt((i-n1)^2+(j-n2)^2);h=1/(1+0.414*(d/d0)^(2*n));result(i,j)=h*g(i,j);endendresult=ifftshift(result);X2=ifft2(result);X3=uint8(real(X2));subplot(2,3,6),imshow(X3);title('d0=50');由图可知,由于对噪声模型的估计不准确,使用巴特沃斯滤波器在平滑了噪声的同时,也使图像模糊了,随着截断频率的增加,图像的模糊程度减小,滤除噪声的效果也越来越差。
(实验四)数字图像 DFT 及频域滤波

实验报告实验课程:光电图像处理姓名:学号:实验地点:信软楼309指导老师:实验时间:2016年 4 月 7日一.实验名称:(实验四)数字图像DFT及频域滤波二.实验目的1. 了解数字图像各种正交变换的概念、原理和用途。
2. 熟练掌握数字图像的 DFT/DCT 的原理、方法和实现流程,熟悉两种变换的性质,并能对数字图像 DFT 及 DCT 的结果进行必要解释。
3.熟悉和掌握利用 MATLAB 工具进行数字图像 FFT 及 DCT 的基本步骤、MATLAB函数使用及具体变换的处理流程,并能根据需要进行必要的频谱分析和可视化显示。
4. 熟悉利用空域滤波器构建对应的频域滤波器的方法和关键步骤。
5. 熟悉和掌握几种典型的频域低通滤波器及高通滤波器的原理、特性和作用。
6. 搞清空域图像处理与频域图像处理的异同,包括处理流程、各自的优势等。
掌握频域滤波的基本原理和基本流程,并能编写出相应的程序代码。
三.实验原理1.模型图像的FFT 实验:原理:傅里叶变换提供了另外一个角度来观察图像,可以将图像从灰度分布转化为频率分布来观察图像的特征。
FFT主要是应用公式:进行空间域与频率域的相互转换.程序流程图:2.实际图像的FFT 实验:原理:傅里叶变换提供了另外一个角度来观察图像,可以将图像从灰度分布转化为频率分布来观察图像的特征。
其中对于频谱反中心化的处理是通过I=fftshift(I)来实现的,FFT主要是应用公式:进行空域与频域的转换.程序流程图:3.数字图像的频域滤波处理:原理:图像的频域表征了图像中灰度变化剧烈程度的指标,是灰度在平面空间上的梯度。
图像的边缘部分是突变部分,变化较快,因此反映在频域上是高频分量;图像的大部分噪声是高频部分;而图像中大部分平缓的灰度变化部分则为低频分量,再通过构建的高通与低通滤波器与FFT变换后的频谱函数乘积的滤波处理,显示出处理后的图像.程序流程图:(1)(2)四.实验步骤1.模型图像的FFT 实验:(1)利用 MATLAB 程序自行生成一幅二值图像,分别对其分别进行离散傅立叶变换(DFT)计算;(2)对变换结果做频谱中心化处理,并分别显示出其2D频谱图以及对应的3D频谱图;(3)对以上两幅原始图像 FFT 后的频谱图进行分析,可以得出什么样的结论或验证DFT 的什么性质。
数字图像处理及MATLAB实现实验四——图像变换

数字图像处理及MATLAB实现实验四——图像变换1.图像的傅⾥叶变换⼀(平移性质)傅⾥叶变换的平移性质表明了函数与⼀个指数项相乘等于将变换后的空域中⼼移到新的位置,并且平移不改变频谱的幅值。
I=imread('1.bmp');figure(1)imshow(real(I));I=I(:,:,3);fftI=fft2(I);sfftI=fftshift(fftI); %求离散傅⾥叶频谱%对原始图像进⾏⼆维离散傅⾥叶变换,并将其坐标原点移到频谱图中央位置RRfdp1=real(sfftI);IIfdp1=imag(sfftI);a=sqrt(RRfdp1.^2+IIfdp1.^2);a=(a-min(min(a)))/(max(max(a))-min(min(a)))*225;figure(2)imshow(real(a));I=imread('2.bmp');figure(1)imshow(real(I));I=I(:,:,3);fftI=fft2(I);sfftI=fftshift(fftI); %求离散傅⾥叶频谱%对原始图像进⾏⼆维离散傅⾥叶变换,并将其坐标原点移到频谱图中央位置RRfdp1=real(sfftI);IIfdp1=imag(sfftI);a=sqrt(RRfdp1.^2+IIfdp1.^2);a=(a-min(min(a)))/(max(max(a))-min(min(a)))*225;figure(2)imshow(real(a));I=imread('3.bmp');figure(1)imshow(real(I));I=I(:,:,3);fftI=fft2(I);sfftI=fftshift(fftI); %求离散傅⾥叶频谱%对原始图像进⾏⼆维离散傅⾥叶变换,并将其坐标原点移到频谱图中央位置RRfdp1=real(sfftI);IIfdp1=imag(sfftI);a=sqrt(RRfdp1.^2+IIfdp1.^2);a=(a-min(min(a)))/(max(max(a))-min(min(a)))*225;figure(2)imshow(real(a));实验结果符合傅⾥叶变换平移性质2.图像的傅⾥叶变换⼆(旋转性质)%构造原始图像I=zeros(256,256);I(88:168,124:132)=1; %图像范围是256*256,前⼀值是纵向⽐,后⼀值是横向⽐imshow(I)%求原始图像的傅⾥叶频谱J=fft2(I);F=abs(J);J1=fftshift(F);figureimshow(J1,[550])%对原始图像进⾏旋转J=imrotate(I,90,'bilinear','crop');figureimshow(J)%求旋转后图像的傅⾥叶频谱J=fft2(I);F=abs(J);J2=fftshift(F);figureimshow(J2,[550])3.图像的离散余弦变换⼀%对cameraman.tif⽂件计算⼆维DCT变换RGB=imread('cameraman.tif');figure(1)imshow(RGB)I=rgb2gray(RGB);%真彩⾊图像转换成灰度图像J=dct2(I);%计算⼆维DCT变换figure(2)imshow(log(abs(J)),[])%图像⼤部分能量集中在左上⾓处figure(3);J(abs(J)<10)=0;%把变换矩阵中⼩于10的值置换为0,然后⽤idct2重构图像K=idct2(J)/255;imshow(K)4.图像的离散余弦变换⼆% I=imread('1.bmp');% figure(1)% imshow(real(I));% I=I(:,:,3);% fftI=fft2(I);% sfftI=fftshift(fftI); %求离散傅⾥叶频谱% %对原始图像进⾏⼆维离散傅⾥叶变换,并将其坐标原点移到频谱图中央位置% RRfdp1=real(sfftI);% IIfdp1=imag(sfftI);% a=sqrt(RRfdp1.^2+IIfdp1.^2);% a=(a-min(min(a)))/(max(max(a))-min(min(a)))*225;% figure(2)% imshow(real(a));% I=imread('2.bmp');% figure(1)% imshow(real(I));% I=I(:,:,3);% fftI=fft2(I);% sfftI=fftshift(fftI); %求离散傅⾥叶频谱% %对原始图像进⾏⼆维离散傅⾥叶变换,并将其坐标原点移到频谱图中央位置% RRfdp1=real(sfftI);% IIfdp1=imag(sfftI);% a=sqrt(RRfdp1.^2+IIfdp1.^2);% a=(a-min(min(a)))/(max(max(a))-min(min(a)))*225;% figure(2)% imshow(real(a));% I=imread('3.bmp');% figure(1)% imshow(real(I));% I=I(:,:,3);% fftI=fft2(I);% sfftI=fftshift(fftI); %求离散傅⾥叶频谱% %对原始图像进⾏⼆维离散傅⾥叶变换,并将其坐标原点移到频谱图中央位置% RRfdp1=real(sfftI);% IIfdp1=imag(sfftI);% a=sqrt(RRfdp1.^2+IIfdp1.^2);% a=(a-min(min(a)))/(max(max(a))-min(min(a)))*225;% figure(2)% imshow(real(a));% %构造原始图像% I=zeros(256,256);% I(88:168,124:132)=1; %图像范围是256*256,前⼀值是纵向⽐,后⼀值是横向⽐% imshow(I)% %求原始图像的傅⾥叶频谱% J=fft2(I);% F=abs(J);% J1=fftshift(F);figure% imshow(J1,[550])% %对原始图像进⾏旋转% J=imrotate(I,90,'bilinear','crop');% figure% imshow(J)% %求旋转后图像的傅⾥叶频谱% J=fft2(I);% F=abs(J);% J2=fftshift(F);figure% imshow(J2,[550])% %对cameraman.tif⽂件计算⼆维DCT变换% RGB=imread('cameraman.tif');% figure(1)% imshow(RGB)% I=rgb2gray(RGB);% %真彩⾊图像转换成灰度图像% J=dct2(I);% %计算⼆维DCT变换% figure(2)% imshow(log(abs(J)),[])% %图像⼤部分能量集中在左上⾓处% figure(3);% J(abs(J)<10)=0;% %把变换矩阵中⼩于10的值置换为0,然后⽤idct2重构图像% K=idct2(J)/255;% imshow(K)RGB=imread('cameraman.tif');I=rgb2gray(RGB);I=im2double(I); %转换图像矩阵为双精度型T=dctmtx(8); %产⽣⼆维DCT变换矩阵%矩阵T及其转置T'是DCT函数P1*X*P2的参数B=blkproc(I,[88],'P1*x*P2',T,T');maxk1=[ 1111000011100000110000001000000000000000000000000000000000000000 ]; %⼆值掩模,⽤来压缩DCT系数B2=blkproc(B,[88],'P1.*x',mask1); %只保留DCT变换的10个系数I2=blkproc(B2,[88],'P1*x*P2',T',T); %重构图像figure,imshow(T);figure,imshow(B2);figure,imshow(I2);RGB=imread('cameraman.tif');I=rgb2gray(RGB);I=im2double(I); %转换图像矩阵为双精度型T=dctmtx(8); %产⽣⼆维DCT变换矩阵%矩阵T及其转置T'是DCT函数P1*X*P2的参数B=blkproc(I,[88],'P1*x*P2',T,T');maxk1=[ 1111000011100000100000000000000000000000000000000000000000000000 ]; %⼆值掩模,⽤来压缩DCT系数B2=blkproc(B,[88],'P1.*x',mask1); %只保留DCT变换的10个系数I2=blkproc(B2,[88],'P1*x*P2',T',T); %重构图像figure,imshow(T);figure,imshow(B2);figure,imshow(I2);5.图像的哈达玛变换cr=0.5;I=imread('cameraman.tif');I=im2double(I)/255; %将读⼊的unit8类型的RGB图像I转换为double类型的数据figure(1),imshow(I);%显⽰%求图像⼤⼩[m_I,n_I]=size(I); %提取矩阵I的⾏列数,m_I为I的⾏数,n_I为I的列数sizi=8;snum=64;%分块处理t=hadamard(sizi) %⽣成8*8的哈达码矩阵hdcoe=blkproc(I,[sizi sizi],'P1*x*P2',t,t');%将图⽚分成8*8像素块进⾏哈达码变换%重新排列系数CE=im2col(hdcoe,[sizi,sizi],'distinct');%将矩阵hdcode分为8*8互不重叠的⼦矩阵,再将每个⼦矩阵作为CE的⼀列[Y Ind]=sort(CE); %对CE进⾏升序排序%舍去⽅差较⼩的系数,保留原系数的⼆分之⼀,即32个系数[m,n]=size(CE);%提取矩阵CE的⾏列数,m为CE的⾏数,n为CE的列数snum=snum-snum*cr;for i=1:nCE(Ind(1:snum),i)=0;end%重建图像re_hdcoe=col2im(CE,[sizi,sizi],[m_I,n_I],'distinct');%将矩阵的列重新组织到块中re_I=blkproc(re_hdcoe,[sizi sizi],'P1*x*P2',t',t);%进⾏反哈达码变换,得到压缩后的图像re_I=double(re_I)/64; %转换为double类型的数据figure(2);imshow(re_I);%计算原始图像和压缩后图像的误差error=I.^2-re_I.^2;MSE=sum(error(:))/prod(size(re_I));。
- 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)。
实验四 图像变换及图象的频域处理
一、实验目的
1、了解离散傅立叶变换和离散余弦变换的基本原理;
2、掌握应用MATLAB 语言进行离散傅立叶变换和离散余弦变换的方法;
3、了解图象在频域中处理方法,应用MATLAB 语言作简单的低通滤波器。
二、实验原理
1、傅立叶变换的基本知识。
在图象处理的广泛应用领域中,傅立叶变换起着非常重要的作用,具体表现在包括图象分析、图象增强及图象压缩等方面。
假设f (x,y )是一个离散空间中的二维函数,则该函数的二维傅立叶变换的定义如下:
u=0,1…M -1 v=0,1…N -1 (1)
离散傅立叶反变换的定义如下:
x=0,1…M -1 y=0,1…N -1(3)
F (u,v )称为f (x,y )的离散傅立叶变换系数。
这个式子表明,函数f (x,y )可以用无数个不同频率的复指数信号和表示,而在频率(w1,w2)处的复指数信号的幅度和相位是F (w1,w2)。
例如,函数f (x,y )在一个矩形区域内函数值为1,而在其他区域为0.
假设f (x,y )为一个连续函数,则f (x,y )的傅立叶变换的幅度值(即)显示为网格图。
将傅立叶变换的结果进行可视化的另一种方法是用图象的方式显示变换结果的对数幅值。
2、MATLAB 提供的快速傅立叶变换函数
(1)fft2
fft2函数用于计算二维快速傅立叶变换,其语法格式为:
B = fft2(I)
B = fft2(I)返回图象I 的二维fft 变换矩阵,输入图象I 和输出图象B 大小相同。
(2)fftshift
MATLAB 提供的fftshift 函数用于将变换后的图象频谱中心从矩阵的原点移到矩阵的中心,其语法格式为:
B = fftshift(I)
对于矩阵I ,B = fftshift(I)将I 的一、三象限和二、四象限进行互换。
(3)ifft2
ifft2函数用于计算图象的二维傅立叶反变换,其语法格式为:
B = ifft2(I)
B = ifft2(I)返回图象I 的二维傅立叶反变换矩阵,输入图象I 和输出图象B 大小相同。
其语法)(21010),(),(N
vy M ux j M x N y e y x f v u F +--=-=∑∑=π)(21010),(1),(N vy
M ux j M u N v e v u F MN y x f +-=-=∑∑=π
格式含义与fft2函数的语法格式相同,可以参考fft2函数的说明。
例如4_1,熟悉图象的二维傅立叶正、反变换,及频谱显示的相关操作:
load imdemos saturn2;
figure;imshow(saturn2);title('A');
B = fft2(double(saturn2));
C = fftshift(B);
figure;subplot(1,2,1);imshow(log(abs(B)),[]);title('B');
subplot(1,2,2);imshow(log(abs(C)),[]);title('C');
D=ifft2(C);
figure;imshow(uint8(abs(D))),title('D');
3、离散余弦变换及MATLAB 实现
假设f (x,y )是一个离散空间中的二维函数,则该函数的二维离散余弦变换的定义如下:
MATLAB 提供的二维离散余弦变换函数:
1)dct2:用于较大矩阵的二维离散余弦变换,常见调用方法:
B=dct2(A )
B=dct2(A ,m ,n )
B 是返回的DCT 的变换系数,m ,n 分别是返回的DCT 变换系数的矩阵的行数和列数。
2)idct2:二维离散余弦逆变换,是dct2的逆变换,格式与dct2函数相同。
举例:
例4-2
I = imread('lena1.tiff');
figure,imshow(I)
J = dct2(I);
figure,imshow(log(abs(J)),[])
J(abs(J) < 10) = 0;
figure,imshow(log(abs(J)),[])
K = idct2(J);
figure,imshow(uint8(K ),[])
3、简单低通滤波器的设计
一个图象经过傅立叶变换后,就从空域变到了频域,因此我们可以用信号处理中对于频域信号的处理方法对一幅图象进行处理。
比如对图象进行低通滤波等。
虽然在计算机中必定能够模拟一个锐截止频率的理想低通滤波器,但它们不能用电子元件来实现。
实际中比较常用的低通滤波器有:巴特沃思(Butterworth )滤波器、指数滤波器(ELPF )、梯形低通滤波器等。
11
00(21)(21)(,)()()(,)cos cos 22N N x y x u y v C u v a u a v f x y N N ππ--==++⎡⎤⎡⎤=⎢⎥⎢⎥⎣⎦⎣⎦∑∑11
00(21)(21)(,)()()(,)cos cos 22N N u v x u y v f x y a u a v C u v N N ππ--==++⎡⎤⎡⎤=⎢⎥⎢⎥⎣⎦⎣⎦∑∑
在实验中我们设计一个理想的低通滤波器。
设计理想的低通滤波器由其定义可知只要设计一个与频域图象大小完全相同的矩阵。
在某一个域值内该矩阵的值为1,其余为0即可。
例:若图象的大小为128*128,则可以这样设计一个低通滤波器:
H=zeros(128);
H(32:96,32:96)=1; %此处的范围是人为取定的,可以根据需要更改。
若图象矩阵I的傅立叶变换是B(已经用fftshift将频谱中心移至矩阵的中心),则对这幅图象做低通滤波,再做傅立叶逆变换命令为
LOWPASS=B.*H; %此处设变换后的矩阵为LOWPASS,另注意这儿是矩阵的点乘。
C=ifft2(LOWPASS);
Imshow(uint8(abs(C)))
三、实验内容:
1、验证实验原理中的例4_1,例4_2,并分析例4_1的实验结果,即A、B、C图分别是什么图。
2、编写.m文件,实现以下功能:读取图象lena1.tiff,显示这幅图象,对图象作傅立叶变换,显示频域振幅图象。
作傅立叶逆变换,显示图象,看是否与原图象相同。
3、编写.m文件,实现以下功能:设计一个理想低通滤波器,截止频率(分别为
H(100:156,100:156)=1;H(110:146,110:146)=1;H(127:129,127:129)=1三种情况),对图象作低通滤波,再作反变换,观察不同的截止频率下反变换后的图象与原图象的区别。
(对lena1.tiff文件操作,并将原图及3幅低通滤波后反变换之后显示的图像放在一个显示窗口中。
)
4、将图像128px-Baboon24.png转换为灰度图后显示,通过离散余弦变换对其灰度图变换,并将变换系数小于20的值舍掉,再反变换回空域显示其图像,要求将变换前后的两个灰度图显示在同一窗口中。
四、实验报告要求:
1、分析例4_1的实验结果,即A、B、C图分别是什么图。
2、给出实现实验内容2、4所需要的程序。
注意:
认真编写实验内容3中要求的低通滤波器的程序,并保存好,最后一次实验课检查并作为实验成绩的一部分。