实验五图像高通和低通滤波处理
7.图像增强—频域滤波 - 数字图像处理实验报告
计算机与信息工程学院验证性实验报告一、实验目的1.掌握怎样利用傅立叶变换进行频域滤波 2.掌握频域滤波的概念及方法 3.熟练掌握频域空间的各类滤波器 4.利用MATLAB 程序进行频域滤波二、实验原理及知识点频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。
频域低通过滤的基本思想:G (u,v )=F (u,v )H (u,v )F (u,v )是需要钝化图像的傅立叶变换形式,H (u,v )是选取的一个低通过滤器变换函数,G (u,v )是通过H (u,v )减少F (u,v )的高频部分来得到的结果,运用傅立叶逆变换得到钝化后的图像。
理想地通滤波器(ILPF)具有传递函数:01(,)(,)0(,)ifD u v D H u v ifD u v D ≤⎧=⎨>⎩其中,0D 为指定的非负数,(,)D u v 为(u,v )到滤波器的中心的距离。
0(,)D u v D =的点的轨迹为一个圆。
n 阶巴特沃兹低通滤波器(BLPF)(在距离原点0D 处出现截至频率)的传递函数为201(,)1[(,)]nH u v D u v D =+与理想地通滤波器不同的是,巴特沃兹率通滤波器的传递函数并不是在0D 处突然不连续。
高斯低通滤波器(GLPF)的传递函数为222),(),(σv u D ev u H =其中,σ为标准差。
相应的高通滤波器也包括:理想高通滤波器、n 阶巴特沃兹高通滤波器、高斯高通滤波器。
给定一个低通滤波器的传递函数(,)lp H u v ,通过使用如下的简单关系,可以获得相应高通滤波器的传递函数:1(,)hp lp H H u v =-利用MATLAB 实现频域滤波的程序f=imread('room.tif');F=fft2(f); %对图像进行傅立叶变换%对变换后图像进行队数变化,并对其坐标平移,使其中心化 S=fftshift(log(1+abs(F)));S=gscale(S); %将频谱图像标度在0-256的范围内 imshow(S) %显示频谱图像h=fspecial('sobel'); %产生空间‘sobel’模版 freqz2(h) %查看相应频域滤波器的图像 PQ=paddedsize(size(f)); %产生滤波时所需大小的矩阵 H=freqz2(h,PQ(1),PQ(2)); %产生频域中的‘sobel’滤波器H1=ifftshift(H); %重排数据序列,使得原点位于频率矩阵的左上角 imshow(abs(H),[]) %以图形形式显示滤波器 figure,imshow(abs(H1),[])gs=imfilter(double(f),h); %用模版h 进行空域滤波gf=dftfilt(f,H1); %用滤波器对图像进行频域滤波 figure,imshow(gs,[]) figure,imshow(gf,[])figure,imshow(abs(gs),[]) figure,imshow(abs(gf),[])f=imread('number.tif'); %读取图片PQ=paddedsize(size(f)); %产生滤波时所需大小的矩阵 D0=0.05*PQ(1); %设定高斯高通滤波器的阈值H=hpfilter('gaussian',PQ(1),PQ(2),D0); %产生高斯高通滤波器 g=dftfilt(f,H); %对图像进行滤波 figure,imshow(f) %显示原图像figure,imshow(g,[]) %显示滤波后图像三、实验步骤:1.调入并显示所需的图片;2.利用MATLAB 提供的低通滤波器实现图像信号的滤波运算,并与空间滤波进行比较。
实验五、高通滤波(锐化滤波)
实验五、实验报告一,目的熟悉并学会使用MA TLAB中图像增强的相关函数了解图像增强的方法、去噪的方法和效果二,实验条件1)微型计算机:INTEL 奔腾及更高2)MATLAB3)典型的灰度、彩色图像文件三,原理视一幅图像为二维矩阵,用MA TLAB进行图像增强锐化方法四,实验内容1.了解高通滤波的基本原理,能自行编程设计高通滤波模板及其方法;2.熟练掌握使用imfilter及相应滤波模板,完成相应的滤波工作;锐化前的原始图像阈值处理后的垂直模板锐化阈值处理后的水平模板锐化cd d:O=imread('test.jpg');I=rgb2gray(O);imshow(I);title('锐化前的原始图像');[m,n]=size(I);%SobelX=[-1,-1,-1;0,0,0;1,1,1]; %上下垂直模板%SobelY=[-1,0,1;-1,0,-1;-1,0,-1]; %左右选取TEMP=zeros(m+2,n+2); %避免边界为空,用0像素值填充for i=1:1:mfor j=1:1:nTEMP(i+1,j+1)=I(i,j);endend%定义所需的空间vertical=zeros(m,n);vertical_=zeros(m,n);horize=zeros(m,n);horize_=zeros(m,n);for x=2:1:m+1for y=2:1:n+1%上下水平模板vertical(x,y)=[-TEMP(x-1,y-1)+TEMP(x-1,y+1)-TEMP(x,y-1)+TEMP(x,y+1)-TEMP(x +1,y-1)+TEMP(x+1,y+1)];%阈值处理AA=abs(vertical(x,y));if AA > 16vertical_(x,y)=255;elsevertical_(x,y)=0;end%左右垂直模板horize(x,y)=[-TEMP(x-1,y-1)-TEMP(x-1,y)-TEMP(x-1,y+1)+TEMP(x+1,y-1)+TEMP( x+1,y)+TEMP(x+1,y+1)];%阈值处理BB=abs(horize(x,y));if BB > 16horize_(x,y)=255;elsehorize_(x,y)=0;endendendfigure;imshow(vertical);title('垂直模板锐化');figure;imshow(vertical_);title('阈值处理后的垂直模板锐化');figure;imshow(horize);title('水平模板锐化');figure;imshow(horize_);title('阈值处理后的水平模板锐化');五,讨论与分析比较:平滑滤波与锐化滤波有何异同平滑滤波(低通滤波)可分为均值滤波和中值滤波,均值滤波是以图像的模糊为代价换取降噪的效果,邻域越大,降噪的效果越好,均值滤波作为一种线性的滤波方法处理线性高斯分布的噪声效果较为明显,对非线性的椒盐噪声处理能力较弱;而中值滤波属于非线性增强方法,对消除孤立点和线段脉冲等干扰及图像扫描噪声最为有效,在去噪的同时还很好的保留了边缘特性。
作业2_图像低通与高通滤波资料
实验报告课程名称:指导老师:成绩:实验名称:实验类型:同组学生姓名:一、实验目的和要求(必填)二、实验内容和原理(必填)三、主要仪器设备(必填)四、操作方法和实验步骤五、实验数据记录和处理六、实验结果与分析(必填)七、讨论、心得一、简述频域法实现高通和低通滤波的过程频域滤波一般都将信号变换到频域,再同所设计的窗函数项乘,然后反变换到时域。
窗函数是根据所需滤除的频率分量所决定的。
低通滤波器容许低频信号通过,但减弱频率高于截止频率的信号的通过。
对于不同滤波器而言,每个频率的信号的减弱程度不同。
高通滤波器则相反。
通过高通滤波器进行滤波后,再和原图像叠加,可以增强图像中灰度级变化较快的部分,即锐化。
二、低通滤波器图像的处理原图像:专业:姓名:学号:日期:地点:[作者][备注]2设计型无装订线P.2 / 8 [标题]实验名称:___________________姓名:____________学号:____________低通滤波截止频率:50 滤波器阶数:0.2:截止频率:40 滤波器阶数:0.2:装订线P.3 /8实验名称:___________________姓名:____________学号:____________ 截止频率:50 滤波器阶数:0.4:对比分析图:P.4 / 8 [标题]实验名称:___________________姓名:____________学号:____________ 结果分析:本程序采用巴特沃斯低通滤波器。
低通滤波器使低频分量顺利通过而有效地阻于高频分量,即可滤除图像的噪声,再经过反变换来取得平滑的图像。
图像损失了高频信息,可以实现对图像信息的一种压缩处理,但是在压缩的同时,原图像也会有一些信息丢失导致模糊。
滤波器截止频率越低,阶数越高,保留的信息越少,图像越模糊,反之同理。
三、高通滤波器图像的处理高通滤波截止频率:50 滤波器阶数:0.2:装订线P.5 / 8 实验名称:___________________姓名:____________学号:____________ 高通滤波截止频率:60 滤波器阶数:0.2:高通滤波截止频率:50 滤波器阶数:0.4:P.6 / 8 [标题]实验名称:___________________姓名:____________学号:____________截止频率:50滤波器阶数:0.2与原图像叠加(锐化):对比分析图:装订线P.7 / 8实验名称:___________________姓名:____________学号:____________结果分析:本程序采用巴特沃斯高通滤波器。
数字图像的低通滤波
实验5 数字图像的低通滤波一、实习目的了解低通滤波的操作过程及其对图像产生的效果。
二、低通滤波实习步骤1打开一幅单波段的遥感图像;2将该图像另存为test1;3 将test1用3X3模板smooth(即Idrisi中mean)平滑到test2;(主影像窗口Enhance\Filter\smooth(3×3));4 将test1用5X5模板smooth(即Idrisi中mean)平滑到test3;(主影像窗口Enhance\Filter\smooth(5×5));5 将test1用3X3模板median平滑到test4;(主影像窗口Enhance\Filter\median (3×3))6 将test1用5X5模板median平滑到test5;(主影像窗口Enhance\Filter\median (5×5))7 将test1用3X3模板加权mean平滑到test6;(主菜单Filter\Convolution and Morphology\ Convolutions)外面乘以1/15(实际不用自己输入,软件会自动求平均)8 将test1用5X5模板加权mean平滑到test7;(主菜单Filter\Convolution and Morphology\ Convolutions)前面实际上要乘以121分之一。
9 分析上述平滑带来的图像变化。
(注:ENVI中没有Idrisi中的mode法,故省去用3×3和5×5模板做mode平滑的内容)附:第7、8步权重输入的方法;主菜单上:Filter\Convolution and Morphology\ Convolutions\Gaussian low pass(或User Desfined)\出现的矩阵窗口中输入相应的权重数字。
三、思考题比较相同或不同低通虑波方法采用同一或不同大小模板滤波效果的差异,并解释其成因。
基于的matlab对图像的进行高通、低通、带通滤波
数字图像处理三级项目—咼通、低通、带通滤波命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DO为制定的非负数,D(u,v)为点(u,v)到滤波器中心的距离P g (u,v) P f (u,v)其中,P f (u,v )为滤波前图像的功率谱,P g (u, V )为滤波后图像的功率谱。
图像处理实验五:低通&维纳&中值滤波
图像处理实验五:低通&维纳&中值滤波一、基本原理(数学公式)巴特沃斯低通滤波器转移函数:H(u,v)=1[()0⁄]2n维纳滤波,中值滤波(略)二、程序代码(附注释)程序WiLpMeFilter.m%实验五:低通&维纳&中值滤波%选择一幅256级灰度图像%1.叠加零均值高斯噪声,分别利用低通滤波器,维纳滤波器和中值滤波器对该有噪图像进%行滤波,显示滤波后的图像,比较各滤波器的滤波效果;%2.改叠加椒盐噪声,用上述三种滤波器滤波,比较各滤波器的滤波效果。
%-------------------------------------------------------------------选取图像[filename,pathname]=uigetfile({'*tif';'*.jpg';'*.png';},'选择灰度图像');if filename==0&&pathname==0disp('你取消选择灰度图像,程序将使用默认图像');I=imread('eight.tif');%控制因取消选择引起的错误elseI=imread([pathname,filename]);endfigure,subplot(3,5,1);imshow(I);title('原始图像');%------------- 显示原始图像pause(0.1);%------------------------------------------------------------------加入噪声I1=double(imnoise(I,'gaussian',0));%----------------------------加入高斯噪声subplot(3,5,6);imshow(I1,[]);title('加入高斯噪声后图像');pause(0.1)I2=double(imnoise(I,'salt & pepper',0.02));%------------------- 加入椒盐噪声subplot(3,5,11);imshow(I2,[]);title('加入椒盐噪声后图像');pause(0.1);%-------------------------------------------------------------------------for a=1:2Im=(a==1)*I1+(a==2)*I2;%---------------------------------------------------------巴特沃斯低通滤波F=fftshift(fft2(Im));[M,N]=size(I);n=3;d0=20;n1=floor(M/2);n2=floor(N/2);for i=1:Mfor j=1:Nd=sqrt((i-n1)^2+(j-n2)^2);H=1/(1+0.414*(d/d0)^(2*n));G(i,j)=H*F(i,j);endendg=uint8(real(ifft2(ifftshift(G))));subplot(3,5,2+5*a),imshow(g);title('低通滤波后的图像');%------------------------------------------------------------------维纳滤波subplot(3,5,3+5*a);imshow(wiener2(Im,[5,5]),[]);title('维纳滤波后的图像');%------------------------------------------------------------------中值滤波subplot(3,5,4+5*a);imshow(medfilt2(Im,[3,3]),[]);title('3*3中值滤波后的图像');subplot(3,5,5+5*a);imshow(medfilt2(Im,[5,5]),[]);title('5*5中值滤波后的图像');end实验结果与分析除维纳滤波器不能很好消除椒盐噪声,三种滤波器器都能有效消除高斯噪声与椒盐噪声。
低通与高通滤波器
15
5.3 MATLAB中的濾波函數
• 函數fspecial
h = fspecial(type, parameters) >>fspecial(‘average’,[5,7]); >>fspecial(‘average’,11); – 預設是3x3
>>imshow(uint8(cf1)) 或 >>imshow(cf1/255)
14
5.3 MATLAB中的濾波函數
• 雖然filter2函數沒有提供鏡射的選項,但是可以在進 行filter2(filter,image,’valid’)程式碼之前加 入下列程式碼,達到鏡射的效果。 • 如此矩陣 x 可以經由鏡射擴展為矩陣 m_x,wr/wc 定義為遮罩總行數/列數的一半(去掉分數)
12
5.3 MATLAB中的濾波函數
• 上列'same' 運算結果,也可以對原始影像先補 零再用'valid' 得出:
13
5.3 MATLAB中的濾波函數
• filter2(filter,image,‘full’)則會得 到比原始影像大的結果。 • 補零之外,影像邊緣附近遮罩與影像矩陣有相 交部分均會執行濾波運算。
• 鏡射(mirroring)
10
5.3 MATLAB 中的濾波函數
• 函數filter2可以執行線性濾波運算,用法 如下:
結果為一,是用來指定影像邊緣部 分的處理方法。
– ‘same’-補零(預設) – ‘valid’-忽略邊緣
11
5.3 MATLAB中的濾波函數
16
5.3 MATLAB中的濾波函數
17
5.4 頻率:低通與高通濾波器
R理想低通滤波及高通滤波实现信号增强实验报告
R理想低通滤波及高通滤波实现信号增强
实验报告
概述
本实验旨在通过R理想低通滤波和高通滤波技术进行信号增强,提高信号的质量和清晰度。
实验步骤
1. 准备实验所需的信号源和滤波器。
2. 将信号源接入滤波器,并调整滤波器的参数以实现滤波效果。
3. 进行低通滤波实验:通过滤波器将高频部分的信号削弱,保
留低频部分的信号。
4. 进行高通滤波实验:通过滤波器将低频部分的信号削弱,保
留高频部分的信号。
5. 对滤波后的信号进行观察和比较,评估滤波效果。
实验结果
经过R理想低通滤波和高通滤波处理后,信号的质量和清晰度
得到了提高。
在低通滤波实验中,高频噪声被滤除,信号变得更加
平滑和稳定。
在高通滤波实验中,低频噪声被滤除,高频信号更加明显和突出。
结论
R理想低通滤波和高通滤波是常用的信号处理技术,能有效提高信号的质量和清晰度。
通过滤除不需要的频率成分,滤波器能够增强感兴趣的频率成分,使信号更加准确和可靠。
延伸实验
1. 尝试其他滤波器类型(如巴特沃斯滤波器、切比雪夫滤波器等)进行信号增强实验。
2. 探索不同频率范围的信号进行滤波实验,观察滤波效果的差异。
参考文献
[1] 信号处理与滤波器设计,xxx,xxx出版社,20xx年。
[2] 数字信号处理原理及应用,xxx,xxx出版社,20xx年。
数字图像处理-频域滤波-高通低通滤波
数字图像处理-频域滤波-⾼通低通滤波频域滤波频域滤波是在频率域对图像做处理的⼀种⽅法。
步骤如下:滤波器⼤⼩和频谱⼤⼩相同,相乘即可得到新的频谱。
滤波后结果显⽰,低通滤波去掉了⾼频信息,即细节信息,留下的低频信息代表了概貌。
常⽤的例⼦,⽐如美图秀秀的磨⽪,去掉了脸部细节信息(痘坑,痘印,暗斑等)。
⾼通滤波则相反。
⾼通/低通滤波1.理想的⾼/低通滤波顾名思义,⾼通滤波器为:让⾼频信息通过,过滤低频信息;低通滤波相反。
理想的低通滤波器模板为:其中,D0表⽰通带半径,D(u,v)是到频谱中⼼的距离(欧式距离),计算公式如下:M和N表⽰频谱图像的⼤⼩,(M/2,N/2)即为频谱中⼼理想的⾼通滤波器与此相反,1减去低通滤波模板即可。
部分代码:# 定义函数,显⽰滤波器模板def showTemplate(template):temp = np.uint8(template*255)cv2.imshow('Template', temp)return# 定义函数,显⽰滤波函数def showFunction(template):row, col = template.shaperow = np.uint16(row/2)col = np.uint16(col/2)y = template[row, col:]x = np.arange(len(y))plt.plot(x, y, 'b-', linewidth=2)plt.axis([0, len(x), -0.2, 1.2])plt.show()return# 定义函数,理想的低通/⾼通滤波模板def Ideal(src, d0, ftype):template = np.zeros(src.shape, dtype=np.float32) # 构建滤波器 r, c = src.shapefor i in range(r):for j in range(c):distance = np.sqrt((i - r/2)**2 + (j - c/2)**2)if distance < d0:template[i, j] = 1else:template[i, j] = 0if ftype == 'high':template = 1 - templatereturn templateIdeal2. Butterworth⾼/低通滤波Butterworth低通滤波器函数为:从函数图上看,更圆滑,⽤幂系数n可以改变滤波器的形状。
信号与系统实验五(docX页)
实验五 低通滤波系统的频率特性分析实验报告一、实验名称低通滤波系统的频率特性分析二、实验目的(1)观察理想低通滤波器的单位冲击响应与频谱图;(2)观察RC 低通网络的单位冲击响应与频谱图。
三、实验原理RC 低通滤波电路如图其系统函数为()()()()12211tan 11j RC RC H RC H RC RC ωωωωωω-==∠-∠∂++式中()()2211RC H RC ωω=+称为幅频特性; ()()1tan RC H ωωω-∂=- 称为相频特性。
当0ω=,()()1,;H ωω=∂当11RC ωτ==时,()12H ω=,()45ω︒∂=-;当ω→+∞时,()0H ω→,()90ω︒∂→-。
电路的幅频特性表明,对于同样大小的输入信号,频率越高,输出信号衰减越大;频率越低,输出信号衰减越小或者可以认为无衰减。
也就是说,对该电路而言,低频信号比较容易通过,而高频信号则不容易通过,因此这个电路称为低通滤波器。
(1)理想低通的单位冲击响应为()0Sa t t - 函数,幅频特性在通带内为常数,阻带内为零。
在截止频率点存在阶越性跳变。
相频特性为通过原点斜率为 0t ω- 的直线。
(2)实际物理可实现的RC 低通网络通带阻带存在过渡时间,与RC 时间常数有关,通带阻带也不在完全是常数。
相频特性为通过原点的曲线(在原点附近近似为直线)。
四、实验步骤(1)打开MA TLAB 软件,建立一个M 文件。
(2)MA TLAB 所在目录的\work 子目录下建立一个名为heaviside 的M 文件,创建子程序函数。
(3)建立一个新的M 文件,编写主程序并保存。
(4)运行主程序,观察理想低通滤波器及实际RC 低通滤波电路的单位冲击响应与频谱图并记录试验结果。
五、实验结果(1)实验程序1.子程序(定义阶越函数)function f=heaviside(t)f=(t>0);2.主程序%理想低通滤波器的单位冲击响应、幅频特性、相频特性syms t f w;figure(1)f=sin(t-1)/(t-1); Fw=fourier(f); %傅里叶变换x=[-20:0.05:20]; fx=subs(f,t,x);subplot(2,1,1);plot(x,fx); %波形图grid;W=[-4:0.01:4];FW=subs(Fw,w,W);subplot(2,2,3);plot(W,abs(FW)); %幅频特性grid;xlabel('频率');ylabel('幅值');subplot(2,2,4);plot(W,angle(FW)); %相频特性grid;xlabel('频率');ylabel('相位');%RC低通网络的单位冲击响应、幅频特性、相频特性figure(2)f=exp(-2*t)*sym('heaviside(t)');Fw=fourier(f); %傅里叶变换x=[-4:0.02:4]; fx=subs(f,t,x);subplot(2,1,1);plot(x,fx); %波形图grid;W=[-4:0.02:4];FW=subs(Fw,w,W);subplot(2,2,3);plot(W,abs(FW)); %幅频特性grid;xlabel('频率');ylabel('幅值');subplot(2,2,4);plot(W,angle(FW)); %相频特性grid;xlabel('频率');ylabel('相位');(2)运行结果理想低通滤波器的单位冲击响应及频率特性RC低通滤波电路的单位冲击响应及频率特性六、思考题(1)理想低通滤波电路的幅频曲线和相频曲线有什么特点?(2)实际RC低通与理想低通滤波器的频谱有何不同?为什么?(3)在实验中的低通网络RC时间常数是多少?对低通滤波器有何影响?。
实验五图像高通和低通滤波处理
实验五、图像高通和低通滤波处理实验内容:1.对数字图象进行低通滤波处理2.对数字图象进行高通滤波处理3,比较和分析所得到的结果。
要求:1、实验之前要预习2、独立完成程序的编写3、写出实验报告4、实验每组1人实验设备:每组计算机一台实验原理:原理●频域技术的基础是卷积理论,设函数f(x,y)与线性位不变算子h(x,y)的卷积结果是g(x,y),即g(x,y)=h(x,y)*f(x,y),那么根据卷积定理在频域有:●G(u,v)=H(u,v)F(u,v)●取逆变换为:●g(x,y)=F-1[H(u,v)F(u,v)]在频域中进行增强是相当直观的,其主要步骤:(1)计算需增强图的傅立叶变换;(2)计算其与1个(根据需要设计的)转移函数相乘;(3)再将结果傅立叶反变换以得到增强的图。
●常用频率增强方法有:●(1)低通滤波;(2)高通滤波;(3)带通滤波和带阻滤波;(4)同态滤波。
以低通滤波为例,做图像平滑的频域增强处理1.图像平滑的概念图像平滑是数字图像处理的一个重要内容。
我们所涉及的图像中,相邻像素的灰度之间大多具有很高的相关性,换句话说,一幅图像中大多数像素的灰度与其相邻像素的灰度差别不大。
因为这种灰度相关性的存在,一般图像的能量主要集中在低频区域中,只有图像的细节部分的能量才处于高频区域中。
但因为在图像的数字化和传输过程中经常有噪声和假轮廓出现,这部分信息也集中于高频区域内。
图像平滑的主要目的就是去除或衰减图像上的噪声和假轮廓,即衰减高频分量,增强低频分量,或称低通滤波。
由前面的介绍可以得知,图像平滑处理在消除或减弱图像噪声和假轮廓的同时,对图像细节也有一定的衰减作用。
因此,图像平滑的直观效果是图像噪声和假轮廓得以去除或衰减,但同时图像将变得比处理前模糊了,模糊的程度要看对高频成份的衰减程度而定。
就同一种平滑方法而言,去除或衰减噪声和假轮廓的效果越好,图像就越模糊,因而图像细节损失越多。
因此,在对图像作平滑处理的过程中,要二者兼顾。
数字图像的低通滤波和高通滤波
实验5 数字图像的低通滤波实习目的:了解低通滤波的操作过程及其对图像产生的效果。
低通滤波实习步骤:1 用2%的饱和度将m901w图像进行带饱和的线性拉伸到test1;2 在test1上人为地画2条黑线;3 将test1用3X3模板mean平滑到test2;4 将test1用5X5模板mean平滑到test3;5 将test1用3X3模板加权mean平滑到121232121外面乘以1/156 将test1用5X5模板加权mean123212711723111711327117212321前面实际上要乘以1217 将test1用3X3模板median平滑到test6;8 将test1用5X5模板median平滑到test7;9 将test1用3X3模板mode平滑到test8;10将test1用5X5模板mode平滑到test9;11 分析上述平滑带来的图像变化。
思考题比较相同或不同低通虑波方法采用同一或不同大小模板滤波效果的差异,并解释其成因。
实验6 数字图像的高通滤波实习目的:了解高通滤波的操作过程及其对图像产生的效果。
高通滤波实习步骤:1 将test1用high pass模板进行高通滤波到test10;2 将test1用edge enhancement模板进行边缘增强到test12;3 检验test12 = test1 + test10;[test11]4 将test1用edge detection 模板进行边缘提取到test13;5 将test1进行横向高通滤波(模板有正有负)到test14;-1-1-1000111 6 将test1进行纵向高通滤波到test15-101-01-0117 将test14和test15进行取绝对值到test16和test17;8 将test16和test17进行灰度级压缩到test18和test19;9 将test18和test19与test1叠加成test20。
图像的频域处理(低通、高通)
一.实验目的:理解图像傅立叶变换,掌握二维FFT函数的调用方法。
理解图像频谱的物理意义。
二.实验内容及步骤:1. 在菜单中添加一选项,然后建立消息映射函数,在函数中调用一维傅立叶变换函数,实现二维傅立叶变换,并计算图像的频谱。
2. 在菜单中添加一选项实现低通滤波。
3. 在菜单中添加一选项实现高通滤波。
四. 实验结果及代码:DFFT的正反变化巴特沃斯低通理想高通程序代码:void CYdcView::OnDfft(){// TODO: Add your command handler code herelong w,h;long i,j;w=m_DibHead->biWidth;h=m_DibHead->biHeight;int *lpsrc=new int [w*h];int flag=0;for(i=0;i<h;i++)for(j=0;j<w;j++){if((i+j)%2==0)flag=1;elseflag=-1;*(lpsrc+i*w+j)=*(m_Image+i*w+j)*flag;}zjbh bh;complex<double> *FD=new complex<double>[w*h];complex<double> *TD=new complex<double>[w*h];//反变换bh.DFFT(FD,lpsrc,w,h);// bh.move(FD,w,h);bh.DIFFT(TD,FD,w,h);//反变换memcpy(FD,TD,sizeof(complex<double>)*w*h);//反变换for(i=0;i<h;i++)for(j=0;j<w;j++){*(m_Image+i*w+j)=(unsigned char)(sqrt(FD[i*w+j].real()*FD[i*w+j].real()+ FD[i*w+j].imag()*FD[i*w+j].imag())/200);}Invalidate();delete []FD;delete []lpsrc;}void CYdcView::OnDfft2(){// TODO: Add your command handler code herelong w,h;long i,j;w=m_DibHead->biWidth;h=m_DibHead->biHeight;int *lpsrc=new int [w*h];//int flag=0;for(i=0;i<h;i++)for(j=0;j<w;j++){/*if((i+j)%2==0)flag=1;elseflag=-1;*/*(lpsrc+i*w+j)=*(m_Image+i*w+j);}zjbh bh;complex<double> *FD=new complex<double>[w*h];// complex<double> *TD=new complex<double>[w*h];//反变换bh.DFFT(FD,lpsrc,w,h);bh.move(FD,w,h);// bh.DIFFT(TD,FD,w,h);//反变换// memcpy(FD,TD,sizeof(complex<double>)*w*h);//反变换for(i=0;i<h;i++)for(j=0;j<w;j++){*(m_Image+i*w+j)=(unsigned char)(sqrt(FD[i*w+j].real()*FD[i*w+j].real()+ FD[i*w+j].imag()*FD[i*w+j].imag())/250);}Invalidate();delete []FD;delete []lpsrc;}void CYdcView::OnBlpf(){// TODO: Add your command handler code herelong w,h,i,j;w=m_DibHead->biWidth;h=m_DibHead->biHeight;complex<double> *FD=new complex<double>[w*h];complex<double> *TD=new complex<double>[w*h];int *lpsrc=new int [w*h];for(i=0;i<h;i++)for(j=0;j<w;j++){lpsrc[i*w+j]=*(m_Image+i*w+j);}zjbh bh;bh.DFFT(FD,lpsrc,w,h);bh.move(FD,w,h);int d0=20;for(i=0;i<h;i++)for(j=0;j<w;j++){//if((i-h/2)*(i-h/2)+(j-w/2)*(j-w/2)>d0*d0)//理想低通// FD[i*w+j]=0;//理想低通if((i!=h/2)&&(j!=w/2))FD[i*w+j]*=1.0/(1+(sqrt((i-h/2)*(i-h/2)+(j-w/2)*(j-w/2)))*(d0/sqrt((i-h/2)*(i-h/2)+(j-w/2)*(j-w/2))/d0));}bh.move(FD,w,h);bh.DIFFT(TD,FD,w,h);for(i=0;i<h;i++)for(j=0;j<w;j++){*(m_Image+i*w+j)=unsigned char(abs(TD[i*w+j].real()));}Invalidate();}void CYdcView::OnIhpf(){// TODO: Add your command handler code herelong w,h,i,j;w=m_DibHead->biWidth;h=m_DibHead->biHeight;complex<double> *FD=new complex<double>[w*h];complex<double> *TD=new complex<double>[w*h];int *lpsrc=new int [w*h];for(i=0;i<h;i++)for(j=0;j<w;j++){lpsrc[i*w+j]=*(m_Image+i*w+j);}zjbh bh;bh.DFFT(FD,lpsrc,w,h);bh.move(FD,w,h);int d0=50;for(i=0;i<h;i++)for(j=0;j<w;j++){//if((i!=h/2)&&(j!=w/2))//巴特沃斯高通// FD[i*w+j]*=1.0/(1+(d0*1.0/sqrt((i-h/2)*(i-h/2)+(j-w/2)*(j-w/2)))//*(d0/sqrt((i-h/2)*(i-h/2)+(j-w/2)*(j-w/2))));if((i-h/2)*(i-h/2)+(j-w/2)*(j-w/2)<=d0*d0)FD[i*w+j]=0;}bh.move(FD,w,h);bh.DIFFT(TD,FD,w,h);for(i=0;i<h;i++)for(j=0;j<w;j++){*(m_Image+i*w+j)=unsigned char(abs(TD[i*w+j].real())*6);}Invalidate();}五.实验总结:1. 巴特沃斯低通滤波器;2. 理想高通滤波器以上二式中:。
实验五_图像频域高通和低通滤波变换
实验三 图像频域高通和低通滤波变换一、 实验目的1了解图像变换的意义和手段;2熟悉低通滤波的基本性质;3熟悉高通滤波的基本性质;4通过本实验掌握编程实现数字图像的高通滤波及低通滤波的变换二、 实验内容设计程序,分别实现理想低通滤波器,高通滤波器对图像的滤波处理。
观察处理前后图像效果,分析实验结果。
三、 实验原理二维理想低通滤波器的传递函数为:001.(,)(,)0.(,)D u v D H u v D u v D ≤⎧=⎨>⎩D0是指定非负数值,D (u ,v )是(u ,v )点距频率中心的距离。
如果要研究的图像尺寸为M X N ,则它的变换也有相同的尺寸。
在半径为D0的圆内,所有频率无衰减地通过滤波器,而在此半径之外的所有频率完全被衰减掉。
巴特沃斯高通滤波器的传递函数为: 201(,)(,)1[]n H u v D u v D =+ 式中D0为截止频率距远点距离。
一阶巴特沃斯滤波器没有振铃。
在二阶中振铃通常很微小,但在阶数增高时振铃便成为一个重要因素。
高斯高通滤波器传递函数为:220(,)/2(,)D u v D H u v e -=D (u ,v )是距傅立叶变换中心原点的距离。
D0是截止频率。
高斯低通滤波器的傅立叶变换也是高斯的。
二维理想高通滤波器的传递函数为:000.(,)(,) 1.(,)D u v D H u v D u v D ≤⎧=⎨>⎩ D0是从频率矩形中点测得的截止频率长度,它将以D0为半径的圆周内的所有频率置零,而毫不衰减地通过圆周外的任何频率。
但其物理上是不可实现的。
巴特沃斯高通滤波器的传递函数为: 201(,)1[](,)n H u v D D u v =+ 式中D0为截止频率距远点距离。
与低通滤波器的情况一样,可认为巴特沃斯高通型滤波器比IHPF 更平滑。
高斯高通滤波器传递函数为:220(,)/2(,)1D u v D H u v e -=-高通滤波器能够用高斯型低通滤波器的差构成。
图像高通和低通滤波处理.
实验五图像高通和低通滤波处理一、实验目的掌握常用频域高通滤波器和低通滤波器的设计。
进一步加深理解和掌握图像频谱的特点和频域高通滤波及频域低通滤波的原理。
理解图象高通滤波和低通滤波的处理过程和特点。
二、实验要求1. 实验之前要预习2. 独立完成程序的编写3. 写出实验报告4. 实验每组1人实验设备:每组计算机一台三、实验原理低通滤波器:容许低频信号通过,但减弱(或减少)频率高於截止频率的信号的通过。
用在绘制长期走势或均化。
高通滤波器:容许高频信号通过、但减弱(或减少)频率低於截止频率信号通过的滤波器。
强调细节。
二维理想高通滤波器的传递函数为:00. (, (, 1. (, Du v D H u v D u v D ≤⎧=⎨>⎩D0是从频率矩形中点测得的截止频率长度,它将以D0为半径的圆周内的所有频率置零,而毫不衰减地通过圆周外的任何频率。
但其物理上是不可实现的。
巴特沃斯高通滤波器的传递函数为: 201(, 1[](,nH u v D u v =+式中D0为截止频率距远点距离。
与低通滤波器的情况一样,可认为巴特沃斯高通型滤波器比IHPF 更平滑。
高斯高通滤波器传递函数为:22(, /2(, 1D u v D H u v e -=-高通滤波器能够用高斯型低通滤波器的差构成。
这些不同的滤波器有更多的参数,因此能够对滤波器的形状进行更多的控制。
四、实验内容1. 对数字图象进行低通滤波处理2. 对数字图象进行高通滤波处理3. 比较和分析所得到的结果。
五、实验过程 1. 流程图2. 试验程序%----------------------------选择图片路径及显示---------------------------% global f %选择图片路径[filename,pathname]= ... %...表示与下行连接uigetfile({'*.bmp';'*.jpg';'*gif';'*tif'},'选择图片';%打开文件类型,对话框名称f=imread([pathname filename];axes(handles.axes1; %在axes1显示原图像imshow(f ;title('原始图像';% --- Executes on selection change in popupmenu1.function popupmenu1_Callback(hObject, eventdata, handles% hObject handle to popupmenu1 (see GCBO% eventdata reserved - to be defined in a future version of MATLAB% handles structure with handles and user data (see GUIDATA% Hints: contents = get(hObject,'String' returns popupmenu1 contents as cell array % contents{get(hObject,'Value'} returns selected item from popupmenu1 global fva=get(handles.popupmenu1,'Value';val=get(hObject,'Value';switch val %用switch 语句设置选项case 1 %巴特沃斯高通滤波器g=fft2(f; % 傅立叶变换g=fftshift(g; % 转换数据矩阵[M,N]=size(g;nn=2; % 二阶Butterworth 高通滤波器d0=20; %截止频率为10m=fix(M/2;n=fix(N/2;for i=1:Mfor j=1:Nd=sqrt((i-m^2+(j-n^2;h=1/(1+d0/(0.414*d^(2*nn;% 计算高通滤波器传递函数result(i,j=h*g(i,j;endendresult=ifftshift(result;y2=ifft2(result;y3=uint8(real(y2;axes(handles.axes2;imshow(y3; % 显示滤波处理后的图像title('巴特沃斯高通滤波';case 2 %巴特沃斯低通滤波g=fft2(f; % 傅立叶变换g=fftshift(g; % 转换数据矩阵nn=2; % 二阶巴特沃斯(Butterworth低通滤波器d0=30; %截止频率为10 m=fix(M/2;n=fix(N/2;for i=1:Mfor j=1:Nd=sqrt((i-m^2+(j-n^2;h=1/(1+0.414*(d/d0^(2*nn;% 计算低通滤波器传递函数result(i,j=h*g(i,j; endendresult=ifftshift(result;y2=ifft2(result;y3=uint8(real(y2;axes(handles.axes3;imshow(y3; % 显示滤波处理后的图像title('巴特沃斯低通滤波'case 3 %理想高通滤波k=fft2(f; % 傅立叶变换g=fftshift(k; % 转换数据矩阵[M,N]=size(g;d0=10; %截止频率为10m=fix(M/2;n=fix(N/2;for i=1:Mfor j=1:Nd=sqrt((i-m^2+(j-n^2; % 计算高通滤波器传递函数if d<=d0 h=0;else h=1;endresult(i,j=h*g(i,j;endendresult=ifftshift(result;y2=ifft2(result;y3=uint8(real(y2;axes(handles.axes4;imshow(y3;title('理想高通滤波'case 4 %理想低通滤波k=fft2(f; % 傅立叶变换g=fftshift(k; % 转换数据矩阵d0=30; %截止频率为30 m=fix(M/2;n=fix(N/2;for i=1:Mfor j=1:Nd=sqrt((i-m^2+(j-n^2; % 计算高通滤波器传递函数if d<=d0 h=1;else h=0;endresult(i,j=h*g(i,j;endendresult=ifftshift(result;y2=ifft2(result;y3=uint8(real(y2;axes(handles.axes5;imshow(y3;title('理想低通滤波'end;3. 实验结果六、实验总结通过这次实验进一步加深了对图像高通和低通滤波的原理的理解和认识,运用 MATLAB 语言加以实现,锻炼了自己以程序语言实现内容的能力,并提高了解决问题的能力。
基于的matlab对图像的进行高通、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。
205_彪_图像滤波讲解
杭州师范大学遥感数字图像处理方法实验报告实验名称:图像滤波姓名:文学号:425班级:地信141老师:成绩:2016年4月30号实验五图像滤波1实验目的熟悉图像滤波,特别是图像的平缓和锐化的基本方法,理解典型卷积核的作用。
2实验要求能根据地物的特征,有针对地进行平滑和锐化操作。
能够正确地选择卷积核进行计算。
3实验内容➢图像平滑➢图像锐化➢卷积核大小对图像平滑和锐化的影响➢单色图像与彩色图像的平滑与锐化4实验步骤概述:在envi中平滑和锐化的区别在于卷积核的选择。
图像的锐化也可以通过不同空间分辨率的图像的融合来实现(主菜单:transforms>Image sharpening)4.1图像平滑4.1.1低通滤波数据:AA主菜单:Filter>Convolutions and Morphology(卷积与形态学方法)在出现的窗口菜单里单击Convolutions(卷积方法)。
Low Pass:低通。
Median:中通。
Gaussian Low Pass:高斯低通。
这几个为平滑处理。
其余的方法为锐化。
选择Low Pass。
选择默认的窗口大小。
点击应用于文件,选择AA。
将结果保存在内存里。
并显示出来#1。
用#2显示原始AA图像。
并链接#1与#2,比较平滑后的图像差异。
如图5.1所示。
图5.1 低通平滑后的图像对比图5.1说明:利用低通滤波对AA平滑处理后,地物突变处减少了很多,图像显得十分平滑。
4.1.2中值滤波和高斯低通滤波分别使用中值滤波的高斯低通滤波处理图像AA(卷积窗口均为默认3),使用相同的彩色合成显示,窗口分别是#2和#3,#1为原始影像。
如图5.2。
图5.2 中值滤波和高斯滤波效果比较图图5.2说明:利用高斯低通滤波对AA图像进行处理后的#3与原始图像#1相比较,可以发现,图像并没有太多的变化,而利用中值滤波处理后的#2图像,明显变得平滑了。
而且与图5.1中的低通滤波效果相比,中值滤波的效果对AA图像平滑处理的效果最好。
5-6实验指导书
5-6实验指导书实验5 图像的滤波1 实验⽬的进⼀步了解MatLab软件/语⾔,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。
2 实验要求学⽣应当了解理想滤波器的滤波效果;完成对于给定图像加⼊噪声;设计指定的滤波模板;⽐较空间滤波器和2-D卷积算法的区别;使⽤移动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 实验内容与步骤(1) 理想低通和⾼通滤波器a) 调⼊并显⽰ blood.gif 图像b) 利⽤本实验指导书所附带的 idllowpass.m 函数,对上述图像进⾏处理并观察不同滤波半径(0.0~1.0) 条件下低通滤波图像的变化c) 利⽤⾼通滤波器与低通滤波器的关系⾃⾏通过原始图像和滤波后的低通图像计算得到理想⾼通滤波器的处理结果d) 观察不同滤波半径 (0.0~1.0) 条件下⾼通滤波图像的变化(2) 预定义空间滤波器a) 调⼊并显⽰图像 shuttle.gifb) 利⽤预定义函数 fspecial 命令产⽣移动平均(average)滤波器和⾃⾏定义的⾼通滤波器(注意与标准HPF的不同之处)以及浮雕滤波器对图像进⾏处理并观察处理结果c) 对浮雕滤波器的输出进⾏反转处理使之便于观察d) 修改移动平均滤波器的平均范围观察不同平均范围下移动平均滤波的结果(3) 空间滤波和2-D卷积的⽐较a) 调⼊并显⽰图像 shuttle.gifb) 利⽤预定义函数 fspecial 命令产⽣⾼通滤波器c) 分别⽤空间滤波函数 filter2 和2-D卷积函数 conv2 对图像进⾏处理并观察处理结果d) 对调 filter2 和2-D卷积函数 conv2 的参数中模板和图像的位置然后对图像进⾏处理并观察滤波的结果e) 在 filter2 和2-D卷积函数 conv2 的参数中选⽤’full’参数或者不选⽤该参数对图像进⾏处理并观察处理结果(4) ⽤空间滤波器进⾏降噪处理a) 调⼊并显⽰图像 sat.gifb) 利⽤ imnoise 命令在图像 sat.gif 上加⼊⾼斯(gaussian) 噪声和椒盐噪声(salt & pepper)c) 分别⽤移动平滑滤波器以及中值滤波器对加⼊噪声的图像进⾏处理,并观察不同噪声⽔平下上述滤波器处理的结果4 实验报告要求描述实验的基本步骤,⽤数据和图⽚给出各个步骤中取得的实验结果并进⾏必要的讨论。
- 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)。
实验五、图像高通和低通滤波处理
实验内容:
1.对数字图象进行低通滤波处理
2.对数字图象进行高通滤波处理
3,比较和分析所得到的结果。
要求:
1、实验之前要预习
2、独立完成程序的编写
3、写出实验报告
4、实验每组1人
实验设备:每组计算机一台
实验原理:
原理
●频域技术的基础是卷积理论,设函数f(x,y)与线性位不变算子h(x,y)的卷
积结果是g(x,y),即g(x,y)=h(x,y)*f(x,y),那么根据卷积定理在频域有:
●G(u,v)=H(u,v)F(u,v)
●取逆变换为:
●g(x,y)=F-1[H(u,v)F(u,v)]
在频域中进行增强是相当直观的,其主要步骤:
(1)计算需增强图的傅立叶变换;
(2)计算其与1个(根据需要设计的)转移函数相乘;
(3)再将结果傅立叶反变换以得到增强的图。
●常用频率增强方法有:
●(1)低通滤波;(2)高通滤波;(3)带通滤波和带阻滤波;(4)同态滤
波。
以低通滤波为例,做图像平滑的频域增强处理
1.图像平滑的概念
图像平滑是数字图像处理的一个重要内容。
我们所涉及的图像中,相邻像素的灰度之间大多具有很高的相关性,换句话说,一幅图像中大多数像素的灰度与其相邻像素的灰度差别不大。
因为这种灰度相关性的存在,一般图像的能量主要集中在低频区域中,只有图像的细节部分的能量才处于高频区域中。
但因为在图像的数字化和传输过程中经常有噪声和假轮廓出现,这部分信息也集中于高频区域内。
图像平滑的主要目的就是去除或衰减图像上的噪声和假轮廓,即衰减高频分量,增强低频分量,或称低通滤波。
由前面的介绍可以得知,图像平滑处理在消除或减弱图像噪声和假轮廓的同时,对图像细节也有一定的衰减作用。
因此,图像平滑的直观效果是图像噪声和假轮廓得以去除或衰减,但同时图像将变得比处理前模糊了,模糊的程度要看对高频成份的衰减程度而定。
就同一种平滑方法而言,去除或衰减噪声和假轮廓的效果越好,图像就越模糊,因而图像细节损失越
多。
因此,在对图像作平滑处理的过程中,要二者兼顾。
假定f (x,y)是含有噪声或假轮廓的图像,或称待处理的数字图像,g(x,y)为经平滑处理以后的图像,则图像平滑可用下式表示:
G(u,v)= F(u,v)H(u,v)
式中G(u,v)是g(x,y)的傅立叶变换;F(u,v)是f(x,y)的傅立叶变换;H(u,v)是低通滤波器的传递函数。
按上式对图像作平滑处理的过程是,先把待处理图像作傅立叶变换,得到F (u,v);然后根据选定的H(u,v)按式计算出G(u,v);最后对G(u,v)作傅立叶反变换即可得到g(x,y)。
处理前的原图效果处理后的图像效果
1低通滤波
1 低通滤波
I=imread(' .jpg');
figure(1),imshow(I);
title('原图像');
I=rgb2gray(I);
s=fftshift(fft2(I));
figure(2);
imshow(log(abs(s)),[]);
title('图像傅里叶变换频谱');
[a,b]=size(s);
a0=round(a/2);
b0=round(b/2);
d=50;
p=0.2;q=0.5;
for i=1:a
for j=1:b
distance=sqrt((i-a0)^2+(j-b0)^2);
if distance<=d h=1;
else h=0;
end;
s(i,j)=(p+q*h)*s(i,j);
end;
end;
s=uint8(real(ifft2(ifftshift(s))));
figure(3);
imshow(s);title('低通滤波图像');
figure(4);
imshow(s+I);title('低通滤波的高频增强图像');
2 高通滤波
I=imread(' .jpg');
figure(1),imshow(I);
title('原图像');
I=rgb2gray(I);
s=fftshift(fft2(I));
figure(2);
imshow(log(abs(s)),[]);
title('图像傅里叶变换频谱');
[a,b]=size(s);
a0=round(a/2);
b0=round(b/2);
d=50;
p=0.2;q=0.5;
for i=1:a
for j=1:b
distance=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))));
figure(3);
imshow(s);title('高通滤波图像');
figure(4);
imshow(s+I);title('高通滤波的高频增强图像');。