数字图像处理实验报告 (2)

数字图像处理试验报告

实验二:数字图像得空间滤波与频域滤波

姓名：XＸ学号：2XXXXXXX 实验日期:2017 年4 月2６日

1、实验目得

１、掌握图像滤波得基本定义及目得.

2、ﻩ理解空间域滤波得基本原理及方法。

3、掌握进行图像得空域滤波得方法。

4、ﻩ掌握傅立叶变换及逆变换得基本原理方法。

５、ﻩ理解频域滤波得基本原理及方法。

６、掌握进行图像得频域滤波得方法。

２、实验内容与要求

1、ﻩ平滑空间滤波:

1) 读出一幅图像，给这幅图像分别加入椒盐噪声与高斯噪声后并与前一张图显示在同

一图像窗口中。

２）ﻩ对加入噪声图像选用不同得平滑(低通）模板做运算,对比不同模板所形成得效果, 要求在同一窗口中显示。

3) 使用函数 iｍfiltｅｒ时，分别采用不同得填充方法（或边界选项，如

零填充、’repliｃaｔe'、'ｓymmetric’、’ｃirｃulａr')进行低通滤波，显

示处理后得图像.

4）运用ｆoｒ循环，将加有椒盐噪声得图像进行10 次,２0 次均值滤波，查瞧其特点，显示均值处理后得图像（提示：利用fspｅｃiaｌ函数得’averagｅ’

类型生成均值滤波器）。

5)ﻩ对加入椒盐噪声得图像分别采用均值滤波法，与中值滤波法对有噪声得图像做处理，

要求在同一窗口中显示结果。

６) 自己设计平滑空间滤波器，并将其对噪声图像进行处理,显示处理后得图像。

２、锐化空间滤波

１)ﻩ读出一幅图像,采用３×３得拉普拉斯算子 w = [ 1, 1， 1；１– 8 1； 1, 1, 1］

对其进行滤波。

2) 编写函数w = genｌaplacｉaｎ（n)，自动产生任一奇数尺寸n 得拉普拉斯算子，

如 5

×5得拉普拉斯算子

w ＝［ 1 1 1 1 １

１ 1 1 １

1

1 1 —24 １

１ 1 1 1 1

1 1 1 1 1

1]

３)ﻩ分别采用５×5,９×9，15×15与２5×25大小得拉普拉斯算子对blurry_moon、tｉf

进

行锐化滤波,并利用式g(x, y) = f （x, ｙ) -∇2 f (x, y) 完成图像得锐化增强,观察其有何

不同，要求在同一窗口中显示.

4) 采用不同得梯度算子对该幅图像进行锐化滤波,并比较其效果.

５）自己设计锐化空间滤波器,并将其对噪声图像进行处理,显示处理后得图像;

3、傅立叶变换

１）读出一幅图像,对其进行快速傅立叶变换,分别显示其幅度图像与相位图像。

仅对相位部分进行傅立叶反变换后查瞧结果图像.

2) 仅对幅度部分进行傅立叶反变换后查瞧结果图像。

３) 将图像得傅立叶变换 F 置为其共轭后进行反变换,比较新生成图像与原始图像得差异。

4、平滑频域滤波

1)ﻩ设计理想低通滤波器、巴特沃斯低通滤波器与高斯低通滤波器,截至频率自选，分别

给出各种滤波器得透视图.

2）读出一幅图像,分别采用理想低通滤波器、巴特沃斯低通滤波器与高斯低通滤波器对其进行滤波（截至频率自选),再做反变换,观察不同得截止频率下采用不同低通滤波器得到得图像与原图像得区别,特别注意振铃效应。（提示:1）在频率域滤波同样要注意到填充问题;２）注意到（－1）x+y；）

5、ﻩ锐化频域滤波

1) 设计理想高通滤波器、巴特沃斯高通滤波器与高斯高通滤波器,截至频率自选,分

别给出各种滤波器得透视图。

2）读出一幅图像,分别采用理想高通滤波器、巴特沃斯高通滤波器与高斯高通滤波器对其进行滤波(截至频率自选）,再做反变换,观察不同得截止频率下采用不同高通滤波器得到得图像与原图像得区别。

3、实验具体实现

1、平滑空间滤波：

(1)、读出一幅图像,给这幅图像分别加入椒盐噪声与高斯噪声后并与前一张图显示在

同一图像窗口中.

img=imread('lena、png')

figure,subplot(1,3,1); imshow(img);title('

原始图像'); img2=imnoise(img,'salt &

pepper',0、02); subplot(1,3,2);

imshow(img2); title('椒盐噪声图像

');

img3=imnoise(img,'gaussian',0、

02); subplot(1,3,3),imshow(img3);

title('高斯噪声图像');

(2)、对加入噪声图像选用不同得平滑(低通）模板做运算，对比不同模板所形成得效果，要求在同一窗口中显示。平滑滤波就是低频增强得空间域滤波技术。它得目得有两个,一就是模糊,二就是消除噪声。将空间域低通滤波按线性与非线性特点有:线性、非线性平滑滤波器，线性平滑滤波器包括均值滤波器,非线性得平滑滤波器有最大值滤波器,中值滤波器，最小值滤波器.

代码如下:

img=ｉmrｅad（’lenａ、png’) iｍｇ

=rgb2gｒay(img）；figure,subpｌot(1，

3，１）; ｉｍsｈoｗ(iｍg)；ｔitｌe（’原

始图像'); ｉmg2=ｉmnoｉse(imｇ，’ｓalt

& pepper’,0、０２）；

subplot(１，3,２);iｍshow（ｉmg2);tｉtle(＇椒盐噪

声图像'); img3=iｍnｏiｓe(ｉmg,'ｇaussian’,0、02);

sｕbploｔ(1,3,3)，imshow（ｉmg3); ｔiｔle（’高

斯噪声图像'）;

%对椒盐噪声图像进行滤波处理h＝fspｅcｉ

al(’ａvｅｒage’,3); Ｉ1=fiｌtｅr2(h,im

ｇ２)/255; Ｉ2=medｆｉlt2(iｍｇ2，[３

３]);

figure,sｕbplｏt（２，２,１）,ｉｍshow（iｍg),tｉｔｌｅ('原图像'）; sub

ｐｌot(２,２,2）,imshow(ｉmg2）,titlｅ（’椒盐噪声图’)；subpｌ

ot(2,2,3）,imｓhｏｗ(Ｉ1）,ｔitle(’3*3均值滤波图’）; ｓubpｌot(２，

2,4),imsｈｏｗ(I2)，tｉtｌe（'3＊3 中值滤波图');

％对高斯噪声图像进行滤波处理 G1=filtｅ

r2(ｈ,ｉmg3）／255; G2=medｆｉlt2（iｍ

g3,[３ 3]）；

ｆigurｅ,ｓubpｌot(２，2，1）,ｉｍｓhow(img），tiｔle(’原图像’）；ｓu

ｂｐｌoｔ(２，2,2)，imshｏｗ（img3）,tiｔle(＇高斯噪声图’)； sｕbpｌot

（２，2,３),imｓｈｏｗ(G1）,titlｅ（’3*3 均值滤波图'); sｕｂplot（2,2，

4)，imshow（Ｇ2),ｔitle（’3＊3 中值滤波图'）；