图像的平滑滤波 数字图像处理实验报告南昌大学
南昌大学数字信号处理实验报告_二阶高斯低通滤波器的图像滤波
Digital Image ProcessingProject title：Lowpass Filtering Project number：Proj04-03 Course number：Z6102X026 Student's name：Student's number：Date due：2012-06-28Date handed in：2012-06-11摘要通过二阶高斯低通滤波器对图像进行滤波作用，我们可以使用C 语言、C++语言、Matlab来实现对我们所需图像的滤波。
这里我们使用Matlab进行编程。
由题设，进行高斯低通滤波器并能够设置其二维高斯的大小范围及中心位置。
再采用题中要求的图像进行滤波。
也可将图像通过二维理想低通滤波器和巴特沃斯低通滤波器，并与之前的二阶高斯低通滤波器的滤波效果进行比较，从而得以合理的进行滤波器选择。
技术讨论：图像处理中，我们可知二阶高斯低通滤波器的传递函数形式为：())2v ,u exp()v ,u (H 22D σ-= 其中)v ,u (D 是距傅里叶变换原点的距离，该式是假设将变换移至频率区域的中心。
而σ表示高斯曲线扩展的程度。
若使得D 0=σ，则可以将滤波器表示为())02v ,u exp()v ,u (H D D 22-=，其中D 0是截止频率。
当D 0)v ,u (D =时，滤波器下降到它的最大值的0.607处。
高斯低通滤波器的傅里叶反变换也是高斯的。
实验结果分析：1，二维高斯低通滤波器如下列程序可知，先将原图显示出来，再绘制二维高斯低通滤波器进行滤波后的图像。
具体步骤得：绘制原图的频谱图-频谱中心化-选择合适设计参数-由传递函数设计算法-FFT逆变换-显示变换后的图像。
具体程序如下得：>> I1=imread('Fig0411(a).jpg');imshow(I1);title('原图');s=fftshift(fft2(I1));[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%GLPF滤波，截止频率点半径d0=5，15，30d0=5; %初始化d0n1=floor(M/2); %对M/2进行取整n2=floor(N/2); %对N/2进行取整for i=1:Mfor j=1:Nd=sqrt((i-n1)^2+(j-n2)^2);%点（i,j）到傅氏变换中心的距离 h=1*exp(-1/2*(d^2/d0^2)); %高斯低通滤波函数s(i,j)=h*s(i,j); %高斯低通滤波后的频域表示endends=ifftshift(s); %对s进行反FFT移动s=uint8(real(ifft2(s))); figure; %创建图形图像对象imshow(s); %显示高斯低通滤波处理后的图像title('GLPF滤波(d0=5)');截止频率点半径d0=5时图像对比：截止频率点半径d0=15的图像对比：截止频率点班级d0=30的图像对比：2，二维理想低通滤波器如下列程序可知，先将原图显示出来，再绘制二维高斯低通滤波器进行滤波后的图像。
数字图像处理-- 图像平滑
实验三图像平滑一．实验目的1.掌握图像平滑的目的和常用方法：低通滤波和中值滤波2.了解噪声产生的主要来源，及常用的噪声。
二．实验内容及步骤1. 模拟噪声生成I=imread('cameraman.tif');I1= imnoise(I,'gaussian');I2= imnoise(I,'salt & pepper',0.02);imshow(I);figure,imshow(I1);figure,imshow(I2);（1）原图像（2）受高斯噪声污染的图像（3）受椒盐噪声污染的图像2.平均值滤波对噪声消除的效果以及对原图像的平滑代码如下：I=imread('cameraman.tif');I1=imnoise(I,'salt & pepper',0.02);I2=imnoise(I,'gaussian');H1=[1/9 1/9 1/9;1/9 1/9 1/9;1/9 1/9 1/9];J=imfilter(I,H1);J1=imfilter(I1,H1);J2=imfilter(I2,H1);imshow(J);figure,imshow(J1);figure,imshow(J2);（a）原图像滤波后（b）受高斯噪声污染图像滤波后（c）受椒盐噪声污染图像滤波3.中值滤波I=imread('cameraman.tif');I1=imnoise(I,'salt & pepper',0.02);I2=imnoise(I,'gaussian');J1=medfilt2(I1,[3,3]); %3×3 中值滤波模板J2=medfilt2(I2,[3,3]); %3×3 中值滤波模板J3=medfilt2(I1,[5,5]); %5×5 中值滤波模板J4=medfilt2(I2,[5,5]); %5×5 中值滤波模板figure,imshow(J1);figure,imshow(J2);figure,imshow(J3);figure,imshow(J4);（e）（f）（g）（i）*4. 频率域低通滤波（1）构建二维滤波器 h：[f1,f2]=freqspace(25, 'meshgrid');Hd=zeros(25,25);d=sqrt(f1.^2+f2.^2)<0.5; %（0.5 为截止半径大小）Hd(d)=1;h=fsamp2(Hd);figure,freqz2(h,[64,64]);图-(4)（2）用所构建的二维滤波器对以上图像进行滤波。
图像的平滑滤波---数字图像处理实验报告南昌大学
实验报告三姓名：胡文松学号：6103413007 班级：生物医学工程131 实验日期：2016/5/11 实验成绩：实验题目：图像的平滑滤波一．实验目的（1）熟练掌握空域平滑滤波的原理、方法及其MATLAB实现。
（2）分析模板大小对空域平滑滤波的影响，线性和非线性方法对空域平滑滤波增强效果的影响，比较不同滤波器的处理效果，分析其优缺点。
二．实验原理（1）线性空间滤波函数imfilter来实现线性空间滤波，语法为：g = imfilter(f, w, filtering_mode, boundary_options, size_options)其中，f是输入图像，w为滤波模板，g为滤波结果，filtering_mode用于指定在滤波过程中是使用相关运算(‘corr’)还是卷积运算(‘conv’)，相关就是按模板在图像上逐步移动运算的过程，卷积则是先将模板旋转180度，再在图像上逐步移动的过程。
（2）非线性滤波器数字图像处理中最著名的统计排序滤波器是中值滤波器，MATLAB工具箱提供了二维中值滤波函数medfilt2，语法为：g = medfilt2(f, [m n], padopt)矩阵[m n]定义了一个大小为m×n的邻域，中值就在该邻域上计算；而参数padopt指定了三个可能的边界填充选项：’zeros’（默认值，赋零），’symmetric’按照镜像反射方式对称地沿延其边界扩展，’indexed’，若f是double类图像，则以1来填充图像，否则以0来填充图像。
（3）线性空间滤波器MATLAB工具箱支持一些预定义的二维线性空间滤波器，这些空间滤波器可通过函数fspecial实现。
生成滤波模板的函数fspecial的语法为：w = fspecial(‘type’, parameters) ；其中，’type’表示滤波器类型，parameters进一步定义了指定的滤波器。
fspecial(‘laplacian’, alpha) 一个大小为3×3的拉普拉斯滤波器，其形状由alpha指定，alpha是范围[0, 1]的数。
数字图像处理实验报告.doc
数字图像处理试验报告实验二：数字图像的空间滤波和频域滤波姓名： XX学号： 2XXXXXXX实验日期：2017年4月26日1. 实验目的1. 掌握图像滤波的基本定义及目的。
2. 理解空间域滤波的基本原理及方法。
3. 掌握进行图像的空域滤波的方法。
4. 掌握傅立叶变换及逆变换的基本原理方法。
5. 理解频域滤波的基本原理及方法。
6. 掌握进行图像的频域滤波的方法。
2. 实验内容与要求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和高斯噪声后并与前一张图显示在同一图像窗口中。
2)对加入噪声图像选用不同的平滑（低通）模板做运算，对比不同模板所形成的效果，要求在同一窗口中显示。
3)使用函数 imfilter时，分别采用不同的填充方法（或边界选项，如零填充、’ replicate ’、’ symmetric ’、’ circular ’）进行低通滤波，显示处理后的图像。
4) 运用 for 循环，将加有椒盐噪声的图像进行10 次， 20 次均值滤波，查看其特点, 显示均值处理后的图像（提示 : 利用 fspecial 函数的’ average ’类型生成均值滤波器）。
5) 对加入椒盐噪声的图像分别采用均值滤波法，和中值滤波法对有噪声的图像做处理，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，显示处理后的图像。
2.锐化空间滤波1) 读出一幅图像，采用3×3 的拉普拉斯算子 w = [ 1, 1, 1; 1 – 81;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 的拉普拉斯算子，如 5×5的拉普拉斯算子w = [ 1 1 1 1 11 1 1 1 11 1 -24 1 11 1 1 1 11 1 1 1 1]3) 分别采用5×5，9×9，15×15 和 25×25 大小的拉普拉斯算子对blurry_moon.tif进行锐化滤波，并利用式 g(x, y)2 f (x, y) 完成图像的锐化增强，观察其有何f (x, y)不同，要求在同一窗口中显示。
数字图像处理实验二报告(图像滤波器)
实验报告课程名称数字图像处理实验名称图像滤波器姓名学号 20120712 专业班级数媒1202 实验日期 2014 年 10 月 16日成绩指导教师一、实验目的1.继续熟悉仿真工具MATLAB2.巩固图像读取与显示的方法3.掌握给图像添加噪声的方法4.掌握图像空间域的滤波方法5.掌握图像频率域的滤波方法二、实验原理图像的平滑有模糊图像和消除噪声的功能。
图像锐化则是使模糊的图像变清晰，增强图像的边缘细节。
对图的处理像既可以在频率域内进行，又可在空间域进行（一般为模版卷积方式）。
从信号频谱角度来讲，信号缓慢变化的部分（大面积背景区和灰度变化缓慢的区域）在频域表现为低频，迅速变化的部分（图像边缘、跳跃以及噪声等灰度变化剧烈的区域）则表现为高频。
因此，通过低通滤波来实现图像的平滑，而高通滤波可以实现图像的锐化。
三、实验环境Windows XP/ Windows 7Matlab 7.0.1/ Matlab R2008四、实验内容与步骤1.空间平滑域操作读取并显示一幅灰度图像，对原图像分别添加高斯噪声和椒盐噪声，并显示添加噪声之后的图像:调整高斯噪声和椒盐噪声的参数，比较不同参数之间噪声的区别；进行平滑操作，观察、记录并比较实验结果；针对两幅含有噪声的图像，采用中值滤波方法进行平滑处理，观察并记录实验结果，并将之与上一步实验结果相比较，得出结论。
2.空间锐化操作读取并显示一幅灰度图像，分别采用Prewitt水平/垂直边缘检测算子，Sobel水平/垂直边缘检测算子对原图像进行锐化操作，比较实验结果；采用拉普拉斯模板进行锐化处理，与上一步骤实验结果相比较。
3.图形的频域处理1）利用循环语句，自己构建理想低通滤波器；对一幅弧度图像进行傅里叶变换，显示其频谱图；对一幅灰度图像作频率域理想低通滤波，调整滤波器半径，观察并记录不同结果，分析原因；2）利用循环语句，自己构建理想高通滤波器；对同一幅灰度图像作频率域理想高通滤波，调整滤波器半径，观察并记录不同结果，分析原因；五、实验结果与分析(可提供屏幕抓图)1.添加高斯噪声与椒盐噪声：结论：高斯噪声的参数越大，图像变得越模糊，亮度也越亮。
图像的平滑滤波---数字图像处理实验报告南昌大学
实验报告三姓名：胡文松学号：6103413007 班级：生物医学工程131 2016//5/11 实验成绩：实验日期：2016实验题目：图像的平滑滤波一．实验目的（1）熟练掌握空域平滑滤波的原理、方法及其MATLAB实现。
（2）分析模板大小对空域平滑滤波的影响，线性和非线性方法对空域平滑滤波增强效果的影响，比较不同滤波器的处理效果，分析其优缺点。
二．实验原理（1）线性空间滤波函数imfilter来实现线性空间滤波，语法为：g = imfilter(f, w, filtering_mode, boundary_op ons, size_op ons) 其中，f是输入图像，w为滤波模板，g为滤波结果，filtering_mode用于指定在滤波过程中是使用相关运算(‘corr’)还是卷积运算(‘conv’)，相关就是按模板在图像上逐步移动运算的过程，卷积则是先将模板旋转180度，再在图像上逐步移动的过程。
（2）非线性滤波器数字图像处理中最著名的统计排序滤波器是中值滤波器，MATLAB工具箱提供了二维中值滤波函数medfilt2，语法为：g = medfilt2(f, [m n], padopt) [m n]n]定义了一个大小为m×n的邻域，中值就在该邻域上计算；而参数padopt指矩阵[m 定了三个可能的边界填充选项：’zeros’（默认值，赋零），’symmetric’按照镜像反射方式对称地沿延其边界扩展，’indexed’，若f是double类图像，则以1来填充图像，否则以0来填充图像。
（3）线性空间滤波器MATLAB工具箱支持一些预定义的二维线性空间滤波器，这些空间滤波器可通过函数fspecial实现。
生成滤波模板的函数fspecial的语法为：w = fspecial(‘type’, parameters) ；其中，’type’表示滤波器类型，parameters进一步定义了指定的滤波器。
fspecial(‘laplacian’, alpha) 一个大小为3×3的拉普拉斯滤波器，其形状由alpha指定，alpha是范围[0, 1]的数。
数字图像处理实验报告--平滑滤波
数字图像处理实验报告实验名称：线性平滑滤波器——领域平均与加权平均姓名：班级：学号：专业：电子信息工程（2+2）指导教师：***实验日期：2012年5月17日一，图像的平滑图像的平滑方法是一种实用的图像处理技术，能减弱或消除图像中的高频率分量，但不影响低频率分量。
因为高频率分量主要对应图像中的区域边缘等灰度值具有较大较快变化的部分，平滑滤波将这些分量滤去可减少局部灰度起伏，使图像变得比较平滑。
实际应用中，平滑滤波还可用于消除噪声，或者在提取较大目标前去除过小的细节或将目标内的小间断连接起来。
它的主要目的是消除图像采集过程中的图像噪声，在空间域中主要利用邻域平均法、中值滤波法和选择式掩模平滑法等来减少噪声；在频率域内，由于噪声主要存在于频谱的高频段，因此可以利用各种形式的低通滤波器来减少噪声。
二，领域平均1．基础理论最简单的平滑滤波是将原图中一个像素的灰度值和它周围邻近8个像素的灰度值相加，然后将求得的平均值（除以9）作为新图中该像素的灰度值。
它采用模板计算的思想，模板操作实现了一种邻域运算，即某个像素点的结果不仅与本像素灰度有关，而且与其邻域点的像素值有关。
模板运算在数学中的描述就是卷积运算，邻域平均法也可以用数学公式表达：设为给定的含有噪声的图像，经过邻域平均处理后的图像为，则，M是所取邻域中各邻近像素的坐标，是邻域中包含的邻近像素的个数。
邻域平均法的模板为：，中间的黑点表示以该像素为中心元素，即该像素是要进行处理的像素。
在实际应用中，也可以根据不同的需要选择使用不同的模板尺寸，如3×3、5×5、7×7、9×9等。
邻域平均处理方法是以图像模糊为代价来减小噪声的，且模板尺寸越大，噪声减小的效果越显著。
如果是噪声点，其邻近像素灰度与之相差很大，采用邻域平均法就是用邻近像素的平均值来代替它，这样能明显消弱噪声点，使邻域中灰度接近均匀，起到平滑灰度的作用。
因此，邻域平均法具有良好的噪声平滑效果，是最简单的一种平滑方法。
图像滤波平滑实验报告
图像滤波平滑实验报告引言图像滤波平滑是数字图像处理中的基本操作之一。
通过应用合适的滤波器，可以减少图像中的噪声、平滑细节，从而改善图像的质量和观感。
本实验旨在探究图像滤波平滑的原理和方法，并通过实验验证其效果。
实验目的1. 了解图像滤波平滑的基本原理。
2. 学习常用的图像滤波平滑方法及其优缺点。
3. 掌握图像滤波平滑的实际应用。
实验步骤本实验使用Python编程语言进行图像处理。
以下是具体的实验步骤：1. 下载并安装Python及相关库。
2. 导入所需的库，包括NumPy（用于处理数值计算）和OpenCV（用于图像处理）。
3. 读取待处理的图像。
4. 使用不同的滤波器对图像进行平滑处理。
5. 对比不同滤波器的效果，并进行分析。
实验结果与分析本实验选取了三种常用的图像滤波平滑方法：均值滤波、中值滤波和高斯滤波。
下面分别对它们的效果进行分析。
1. 均值滤波均值滤波是一种简单的滤波方法，它将每个像素的灰度值设置为周围像素的平均值。
它适用于轻度噪声的去除，但会模糊图像的细节。
实验结果显示，均值滤波可以有效地减少图像中的噪声，但同时也导致图像变得模糊。
2. 中值滤波中值滤波是一种非线性滤波方法，它将每个像素的灰度值设置为周围像素的中值。
相较于均值滤波，中值滤波能够更好地保留图像的边缘和细节。
实验结果显示，中值滤波在去除噪声的同时对图像的细节损失较小。
3. 高斯滤波高斯滤波是一种基于高斯函数的线性滤波方法，它将每个像素的灰度值设置为周围像素的加权平均值。
高斯滤波对于去除高斯噪声效果显著，同时也能保持图像细节的清晰度。
实验结果显示，高斯滤波对图像的平滑效果较好。
实验总结本实验通过对比不同的图像滤波平滑方法，发现不同的方法适用于不同场景的图像处理。
均值滤波适合轻度噪声、对图像细节要求较低的场景；中值滤波适合去除椒盐噪声、能较好地保留图像细节；而高斯滤波则适用于去除高斯噪声、较好地平滑图像。
在实际应用中，我们需要根据图像的特点和需求选择合适的滤波方法。
数字图像处理实验报告2
实验二: 数字图像的空间域滤波——平滑滤波1. 1. 实验目的2.掌握图像滤波的基本定义及目的。
3.理解空间域滤波的基本原理及方法。
4.掌握进行图像的空域滤波的方法。
1. 2. 实验基本原理2.空间域增强空间域滤波是在图像空间中借助模板对图像进行领域操作, 处理图像每一个像素的取值都是根据模板对输入像素相应领域内的像素值进行计算得到的。
空域滤波基本上是让图像在频域空间内某个范围的分量受到抑制, 同时保证其他分量不变, 达到增强图像的目的。
空域滤波一般分为线性滤波和非线性滤波两类。
各种空域滤波器根据功能主要分为平滑滤波器和锐化滤波器。
平滑的目的可分为两类: 一类是模糊, 目的是在提取较大的目标前去除太小的细节或将目标内的小肩端连接起来；另一类是消除噪声。
锐化的目的是为了增强被模糊的细节。
结合这两种分类方法, 可将空间滤波增强分为四类:线性平滑滤波器（低通）非线性平滑滤波器（低通）线性锐化滤波器（高通）非线性锐化滤波器（高通）1)空间滤波器都是基于模板卷积, 其主要工作步骤是:2)将模板在图中移动, 并将模板中心与图中某个像素位置重合；3)将模板上的系数与模板下对应的像素相乘；4)将所有乘积相加；5)将和（模板的输出响应）赋给图中对应模板中心位置的像素。
3.平滑滤波器1)线性平滑滤波器线性低通平滑滤波器也称为均值滤波器, 这种滤波器的所有系数都是正数, 对3×3的模板来说, 最简单的是取所有系数为1, 为了保持输出图像任然在原来图像的灰度值范围内, 模板与象素邻域的乘积都要除以9。
MATLAB 提供了fspecial 函数生成滤波时所用的模板, 并提供filter2和imfilter 函数用指定的滤波器模板对图像进行运算。
函数fspecial 的语法格式为：h=fspecial(type);h=fspecial(type,parameters);其中参数type 指定滤波器的种类, parameters 是与滤波器种类有关的具体参数。
数字图像处理实验报告
数字图像处理实验报告数字图像处理试验报告实验二：数字图像的空间滤波和频域滤波姓名：XX学号：2XXXXXXX 实验日期：2017 年4月26 日1.实验目的1. 掌握图像滤波的基本定义及目的。
2. 理解空间域滤波的基本原理及方法。
3. 掌握进行图像的空域滤波的方法。
4. 掌握傅立叶变换及逆变换的基本原理方法。
5. 理解频域滤波的基本原理及方法。
6. 掌握进行图像的频域滤波的方法。
2.实验内容与要求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和高斯噪声后并与前一张图显示在同一图像窗口中。
2) 对加入噪声图像选用不同的平滑（低通）模板做运算，对比不同模板所形成的效果，要求在同一窗口中显示。
3) 使用函数 imfilter 时，分别采用不同的填充方法（或边界选项，如零填充、’replicate’、’symmetric’、’circular’）进行低通滤波，显示处理后的图像。
4) 运用 for 循环，将加有椒盐噪声的图像进行10 次，20 次均值滤波，查看其特点, 显示均值处理后的图像（提示:利用fspecial 函数的’average’类型生成均值滤波器）。
5) 对加入椒盐噪声的图像分别采用均值滤波法，和中值滤波法对有噪声的图像做处理，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，显示处理后的图像。
2. 锐化空间滤波1) 读出一幅图像，采用3×3 的拉普拉斯算子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 的拉普拉斯算子，如5×5的拉普拉斯算子w = [ 1 1 1 1 11 1 11 11 1 -241 11 1 11 11 1 11 1]3) 分别采用5×5，9×9，15×15和25×25大小的拉普拉斯算子对blurry_moon.tif进行锐化滤波，并利用式g(x, y) =f (x, y) -∇2 f (x, y) 完成图像的锐化增强，观察其有何不同，要求在同一窗口中显示。
图像平滑实验报告
图像平滑实验报告图像平滑实验报告一、引言图像平滑是数字图像处理中的一项重要任务，其目的是减少图像中的噪声，使图像更加清晰和易于分析。
在本实验中，我们将使用不同的平滑滤波器对一幅图像进行处理，并比较它们的效果。
二、实验方法1. 实验材料我们选择了一张包含噪声的测试图像作为实验材料，该图像包含了不同频率和强度的噪声。
2. 实验步骤（1）加载测试图像：我们使用Python的OpenCV库加载测试图像，并将其转换为灰度图像，以便于后续处理。
（2）添加噪声：为了模拟真实场景中的图像噪声，我们使用随机函数在图像中添加高斯噪声和椒盐噪声。
（3）平滑滤波器处理：我们选择了三种常用的平滑滤波器，包括均值滤波器、中值滤波器和高斯滤波器。
分别对添加噪声的图像进行处理，并记录处理后的图像。
（4）性能评估：使用图像质量评估指标，如均方误差（MSE）和峰值信噪比（PSNR），来评估不同滤波器的性能。
三、实验结果我们将实验结果分为以下几个部分进行讨论。
1. 均值滤波器均值滤波器是一种简单的平滑滤波器，它通过计算邻域像素的平均值来实现图像平滑。
在我们的实验中，我们选择了不同大小的邻域窗口进行均值滤波。
结果显示，随着邻域窗口大小的增加，噪声的减少效果也越明显。
然而，较大的窗口大小也会导致图像细节的模糊。
因此，在选择均值滤波器时，需要根据具体应用场景平衡噪声减少和图像细节保留之间的关系。
2. 中值滤波器中值滤波器是一种非线性平滑滤波器，它通过计算邻域像素的中值来实现图像平滑。
在我们的实验中，我们选择了不同大小的邻域窗口进行中值滤波。
结果显示，中值滤波器在去除椒盐噪声方面表现出色。
它能够有效地去除孤立的噪点，但对于较大的噪点区域效果不明显。
因此，中值滤波器在处理椒盐噪声图像时是一种有效的选择。
3. 高斯滤波器高斯滤波器是一种线性平滑滤波器，它通过对邻域像素进行加权平均来实现图像平滑。
在我们的实验中，我们选择了不同的滤波器尺寸和标准差。
2017南昌大学数字图像处理实验报告
学号：5400214218 班级：14 级综合实验班
一．实验目的
（1）掌握常用的图像灰度级修正方法，包括图象的线性和非线性灰度点运算和 直方图均衡化法，加深对灰度直方图的理解。 （2）掌握对比度增强、直方图增强的原理和方法。
二．实验原理
图像增强是一类基本的图像处理技术，其目的是对图像进行加工，以得到对 视觉解释来说视觉效果“更好”、或对机器感知效果来说“更有用”的图像。 分为空域与频域两大类方法： ①频域处理法采用修改图像频谱的方法实现对图像的增强处理。 ②空域处理法是直接对图像中的像素进行处理， 基本上是以灰度映射变换为基础 的。 空域处理表示 设 f(x,y)是增强前的图像， g(x,y)是增强处理后的图像， T 是定义在(x,y)邻域 一种操作,则空间域处理可表示为 ：
5月 3日
实验目录
实验一：图像信号的数字化 .................. 1 实验二：图像灰度修正 .......................... 7 实验三：图像的平滑滤波 .................... 11 实验四：图像的锐化处理 .................... 14 实验五：图像傅里叶变换 .................... 18 实验六：频域图像增强方法 ................ 21 实验七：图像的复原处理 .................... 24 实验八：彩色图像处理 ........................ 29
第一步：空间采样 将在空间上连续的图像转换成离散的采样点（即像素）集的操作。由于图像 是二维分布的信息，所以采样是在 x 轴和 y 轴两个方向上进行。 第二步：量化 将各像素的明暗信息离散化，用数字表示像素点信息称为图像的量化。量化值 一般用整数来表示。考虑人眼的识别能力，目前非特殊用途的图像均为 8bit 量 化，即用 0~255 描述“黑~白”。
数字图像处理实验 图像空间滤波
数字图像处理实验报告实验三图像空间滤波1、实验目的图像的空间滤波能够实现对图像锐化、亮度增强等操作，通过此功能能够得到所需图像，进行观察各种滤波器的区别与使用范围。
2、实验步骤（1）．通过如下污染一幅图像的方式创建一组带噪声的图像：•a加入高斯噪声 b加入椒盐噪声•使用如下技术:•创建2个平滑线形滤波器并分别对上述加噪图像实现线性滤波,比较其优劣, 并写入实验报告:•[ 1 1 1 [ 1 2 1• 1 1 1 2 4 2• 1 1 1 ] 1 2 1 ]（2）．实现中值滤波对上述加噪图像的处理结果,总结中值滤波和均值滤波各适合用于处理的噪声类型,并写入实验报告。
（3）.对一幅模糊的图像使用两种锐化空间滤波器进行增强，并比较效果。
3、实验源码(1)加入高斯噪声makeI=imnoise(W,'gaussian',0,0.005);figure,imshow(makeI);imwrite(makeI,'3-1-gaussian.jpg')(2)加入椒盐噪声makeI=imnoise(W,'salt & pepper',0.01);figure,imshow(makeI);imwrite(makeI,'3-1-salt.jpg')（3）创建两个平滑线性滤波器h=[1 1 1;1 1 1; 1 1 1]a.高斯噪声的图像I=imread('3-1-gaussian.jpg')K=rgb2gray(I)imshow(i)h=[1 1 1;1 1 1;1 1 1]I2 = filter2(h,K);imshow(I2,[]), colorbarb.椒盐噪声的图像W=imread('3-1-salt.jpg')T=rgb2gray(W)I2 = filter2(h,T);imshow(I2,[]), colorbarh=[1 2 1;2 4 2;1 2 1]a.高斯噪声的图像h=[1 2 1;2 4 2;1 2 1]I2 = filter2(h,i);imshow(I2,[]), colorbarb.椒盐噪声的图像I2 = filter2(h,T);imshow(I2,[]), colorbar实现中值滤波（椒盐），观察处理结果可知适于处理椒盐噪声R=imread('3-1-salt.jpg')T=rgb2gray(R)makeI=medfilt2(T,'symmetric');figure,imshow(makeI);实现中值滤波（高斯）R=imread('3-1-gaussian.jpg')T=rgb2gray(R)makeI=medfilt2(T,'symmetric');figure,imshow(makeI);4、实验截图原图加入高斯噪声后如下图：加入椒盐噪声后如下图：A.高斯噪声的图像处理如下：B ．椒盐噪声的图像处理如下：平滑线性滤波器h=[1 2 1；2 4 2；1 2 1] A ．对高斯噪声图像的处理如下：B．对椒盐噪声图像的处理如下：对已加入椒盐噪声的图像的处理如下：对已加入高斯噪声图像的处理如下：5、实验小结通过本次实验的观察：（1）、中值滤波更适于处理含有椒盐噪声的图像，噪声有明显的消除。
数字图像处理实验03图像的平滑滤波
一、数字图像处理实验实验三 图像的平滑滤波一、实验目的图像平滑主要目的是减少噪声。
噪声有很多种类，不同的噪声有不同的抑制措施。
本实验要求用平滑线性滤波和中值滤波2种最典型、最常用的处理算法进行程序设计，学习如何对已被噪声污染的图像进行“净化”。
通过平滑处理，对结果图像加以比较，得出自己的实验结论。
二、实验内容1．编写并调试窗口尺寸为m m ×的平滑滤波函数。
2．编写并调试窗口尺寸为m m ×的中值滤波函数。
三、实验原理图像平滑滤波可分为空间域和频率域两种方法。
在空间域内可以用邻域处理来减少噪声。
在频率域，因为噪声频谱多在高频段，可以采用各种形式的低通滤波办法来减少噪声。
空间域邻域处理包括：(1)定义中心点),(y x ；(2)仅对预先定义的以),(y x 为中心点的邻域内的像素进行运算；(3)令运算结果为该点处处理的响应；(4)对图像中的每一点重复此步骤。
移动中心点会产生新的邻域，而每个邻域对应于输入图像上的一个像素。
通常邻域是远比图像尺寸小的一规则形状，如正方形 m m × 或近似表示圆等形状的多边形。
若邻域的大小为n m ×，则总共需要mn 个系数。
这些系数排列为一个矩阵，我们称其为滤波器、掩模、滤波掩模、模板或窗口。
对于一个大小为n m ×的模板，假定12+=a m 且12+=b n ，其中a 和b 为非负整数。
所有假设都是基于模板的大小应均为奇数的原则，处理奇数尺寸的模板会更加直观，因为它们都有唯一的一个中心点。
若对邻域中像素的计算为线性运算时，则此运算称为线性空间滤波（也称为空间卷积）；否则，我们称此运算为非线性空间滤波。
1. 平滑线性滤波空间域图像平滑线性滤波器是一种最常用的线性低通滤波器，其处理方法是在待处理图像),(y x f 中逐点地移动模板，在每个点),(y x 处的响应是模板系数与直接在模板下的相应像素的乘积之和，作为处理后图像),(y x g 的像素值。
南昌大学数字图像处理实验报告参考模板
实验报告实验课程：数字图像处理学生姓名：涂汉江学号：6100410181专业班级：数媒101班2013年 06月 08日南昌大学实验报告---（1）数据图像显示的Vc程序设计学生姓名：涂汉江学号：6100410181 专业班级：数媒101班实验类型：□验证■综合□设计□创新实验日期：2013.06.01 实验成绩：一．实验目的位图图片显示的C语言实现。
二．实验要求用C语言编写简单的程序用来打开位图文件。
三．实验环境PC机VC6.0四．实验原理无五．实验代码及结果//主要代码部分void CCOpenImageDoc::OnFileOpen(){// TODO: Add your command handler code hereCFileDialog dlg(TRUE,0,0,OFN_HIDEREADONLY, _T("位图文件|*.bmp|所有文件|*.*||"));if(dlg.DoModal()==IDOK){FileName=dlg.GetPathName();if(fileheader) delete fileheader;if(infoheader) delete infoheader;if(pal) delete pal;if(BMPData) delete BMPData;if(flag) flag=false;if(!file.Open(FileName,CFile::modeRead)) return;fileheader=new BITMAPFILEHEADER[1];infoheader=new BITMAPINFOHEADER[1];file.Read(fileheader,sizeof(BITMAPFILEHEADER));if(fileheader->bfType!=0x4D42) return;file.Read(infoheader,sizeof(BITMAPINFOHEADER));if(infoheader->biCompression!=0) return;linebytes=WIDTHBYTES(infoheader->biBitCount*infoheader->biWidth);if(infoheader->biBitCount==8){pal=new RGBQUAD[256];BMPData=new BYTE[linebytes*infoheader->biHeight];file.Read(pal,256*4);file.Read(BMPData,linebytes*infoheader->biHeight);flag=true;}else if(infoheader->biBitCount==24){BMPData=newBYTE[linebytes*infoheader->biHeight];file.Read(BMPData,linebytes*infoheader->biHeight);flag=true;}else return;file.Close();UpdateAllViews(NULL);}}//结果截图六．实验小结BMP文件格式比一开始做的DAT文件复杂，有一个文件头来记录相关的图片信息，而且文件里图片的存储方式是和正常的扫描顺序相反的，也就是说输出的时候要倒过来输出，所以也需要注意。
数字图像处理实验报告
《数字图像处理》实验报告姓名：学号：学院：信息工程学院专业：电子信息工程年级班别：指导老师：图像的空间域平滑和锐化一、实验目的(1)掌握图像模板运算的流程。
(2)进一步理解图像的平滑、锐化原理。
(3)了解图像平滑、锐化的效果和作用。
二、实验内容和要求编程分别实现图像的平滑和锐化。
三、实验主要仪器设备和材料计算机，VC＋＋6.0四、实验原理1、图像平滑图像平滑主要是为了消除噪声。
噪声并不限于人眼所能看的见的失真和变形，有些噪声只有在进行图像处理时才可以发现。
图像中的噪声往往和信号交织在一起，尤其是乘性噪声，如果平滑不当，就会使图像本身的细节如边界轮廓、线条等变的模糊不清，如何既平滑掉噪声有尽量保持图像细节，是图像平滑主要研究的任务。
一般来说，图像的能量主要集中在其低频部分，噪声所在的频段主要在高频段，同时系统中的边缘信息也主要集中在其高频部分，因此，如何去掉高频干扰又同时保持边缘信息，是我们研究的内容。
为了去除噪声，有必要对图像进行平滑，可以采用低通滤波的方法去除高频干扰。
图像平滑包括空域法和频域法两大类，在空域法中，图像平滑的常用方法是采用均值滤波或中值滤波。
下面主要论述一下均值滤波。
对于均值滤波，它是用一个有奇数点的滑动窗口在图像上滑动，将窗口中心点对应的图像像素点的灰度值用窗口内的各个点的灰度值的平均值代替，如果滑动窗口规定了在取均值过程中窗口各个像素点所占的权重，也就是各个像素点的系数，这时候就称为加权均值滤波。
2、图象锐化图像平滑往往使图像中的边界、轮廓变的模糊，为了减少这类不利效果的影响，这就需要利用图像锐化技术，使图像的边缘变的清晰。
图像锐化处理的目的是为了使图像的边缘、轮廓线以及图像的细节变的清晰，经过平滑的图像变得模糊的根本原因是因为图像受到了平均或积分运算，因此可以对其进行逆运算（如微分运算）就可以使图像变的清晰。
从频率域来考虑，图像模糊的实质是因为其高频分量被衰减，因此可以用高通滤波器来使图像清晰。
南昌大学-数字图像处理实验报告1-8(全)
NANCHANG UNIVERSITY数字图象处理实验报告专业：通信工程班级：121班学号：6100212024学生姓名：徐万然2015年4月20日目录实验1：图像信号的数字化实验2：图像灰度级修正实验3：图像的平滑滤波实验4：图像的锐化处理实验5：图像的伪彩色处理实验6：图像的几何变化实验7：图像的复原处理实验8：图像的正交变换实验一：图像信号的数字化一、实验目的通过本实验了解图像的数字化参数取样频率（象素个数）、量化层数与图像质量的关系。
二、实验内容编写并调试图像数字化程序，要求参数k，n 可调。
其中k为亚抽样比例；n 为量化比特数；选择任意图像进行处理，在显示器上观察各种数字化参数组合下的图像效果。
三、实验程序f=imread('Water lilies.jpg');%读入一张图片f1=rgb2gray(f);%将rgb值转换为灰度图subplot(3,3,1),imshow(f),title('灰度图');%显示这幅图像f2=im2bw(f1);%将图像转换为二值图subplot(3,3,2),imshow(f2),title('二值图');%显示这幅图像f3=~f2;%对图像进行取反操作subplot(3,3,3),imshow(f3),title('取反图');%显示这幅图像f4=imnoise(f,'gaussian');%subplot(3,3,4),imshow(f4),title('加高斯噪声图');%对象进行预操作，加入高斯噪声h=ones(5,5)/25;%设计一个5*5的均值滤波器f5=imfilter(f4,h);%对图像进行均值滤波subplot(3,3,5),imshow(f5),title('平滑滤波图');%显示这幅图像f6=imadjust(f,[0,1],[0,1]);%对图像灰度值进行归一化处理subplot(3,3,6),imshow(f6),title('灰度级修正图1');%显示这幅图像f7=imadjust(f,[0,0.8],[0,1]);%降低输入的灰度值subplot(3,3,7),imshow(f7),title('灰度级修正图2');%显示这幅图像四、实验结果五、实验分析及心得通过本次的实验，我学会了使用MA TLAB来进行简单图像处理的步骤。
数字图像处理报告——图像的平滑和傅里叶变化
数字图像处理实验报告课程数字图像处理实验名称图像平滑处理噪声和傅里叶变换专业班级姓名学号实验日期 2010.12教师审批签字目录一，实验目的和要求 (3)二，实验内容和原理.............................................3~4 三，相关函数 (4)四，源程序代码及运行结果………………………………5~124.1给图像添加椒盐噪声或者高斯噪声 (5)4.2对被噪声污染的图像进行中值滤波和均值滤波 (6)4.3进行空间域的平滑 (7)4.4，开发自己的空间域的均值滤波，模板大小使用3×3 (8)4.5，自己的空间域的图像锐化--算子锐化 (9)4.6，傅里叶变换和傅里叶反变换 (10)4.7，巴特沃斯低通滤波 (11)五，心得体会 (13)六，参考文献 (13)图像平滑处理噪声和傅里叶变换一、实验目的和要求1、实验目的（1）熟悉Matlab软件、编程以及图像处理工具箱。
（2）学习如何用锐化处理技术来加强图像的目标边界和图像细节，对图像进行梯度算子、拉普拉斯算子，傅里叶变换和傅里叶反变换，强及突出。
本实验锐化处理主要在空间域中进行。
2、实验要求图像平滑主要目的是减少噪声。
噪声有很多种类，不同的噪声有不同的抑制措施。
本实验要求用平滑线性滤波和中值滤波2种最典型、最常用的处理算法进行程序设计，学习如何对已被噪声污染的图像进行“净化”。
通过平滑处理，对结果图像加以比较，得出自己的实验结论。
二、实验内容和原理（1）利用Matlab的图像处理工具箱中提供的函数进行给图像添加椒盐噪声或者高斯噪声（2）利用Matlab的图像处理工具箱中提供的函数，对被噪声污染的图像进行中值滤波和均值滤波。
（3）利用Matlab的图像处理工具箱中提供的函数，对图像进行空间域的锐化。
（4）尝试使用Matlab开发自己的空间域的均值滤波，模板大小使用3×3。
（5）尝试使用Matlab开发自己的空间域的图像锐化，选取锐化方法中的一种进行试验。
- 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)。
实验报告三
姓名：胡文松学号：6103413007 班级：生物医学工程131 实验日期：2016/5/11 实验成绩：
实验题目：图像的平滑滤波
一．实验目的
（1）熟练掌握空域平滑滤波的原理、方法及其MATLAB实现。
（2）分析模板大小对空域平滑滤波的影响，线性和非线性方法对空域平滑滤波增强效果的影响，比较不同滤波器的处理效果，分析其优缺点。
二．实验原理
（1）线性空间滤波
函数imfilter来实现线性空间滤波，语法为：
g = imfilter(f, w, filtering_mode, boundary_options, size_options)
其中，f是输入图像，w为滤波模板，g为滤波结果，filtering_mode用于指定在滤波过程中是使用相关运算(‘corr’)还是卷积运算(‘conv’)，相关就是按模板在图像上逐步移动运算的过程，卷积则是先将模板旋转180度，再在图像上逐步移动的过程。
（2）非线性滤波器
数字图像处理中最著名的统计排序滤波器是中值滤波器，MATLAB工具箱提供了二维中值滤波函数medfilt2，语法为：g = medfilt2(f, [m n], padopt)
矩阵[m n]定义了一个大小为m×n的邻域，中值就在该邻域上计算；而参数padopt指定了三个可能的边界填充选项：’zeros’（默认值，赋零），’symmetric’按照镜像反射方式对称地沿延其边界扩展，’indexed’，若f是double类图像，则以1来填充图像，否则以0来填充图像。
（3）线性空间滤波器
MATLAB工具箱支持一些预定义的二维线性空间滤波器，这些空间滤波器可通过函数fspecial实现。
生成滤波模板的函数fspecial的语法为：w = fspecial(‘type’, parameters) ；其中，’type’表示滤波器类型，parameters进一步定义了指定的滤波器。
fspecial(‘laplacian’, alpha) 一个大小为3×3的拉普拉斯滤波器，其形状由alpha指定，alpha是范围[0, 1]的数。
alpha默认为0.5。
三．实验内容及结果
（1）选择一副图像fig620.jpg，分别选择3×3，7×7，25×25等平均模板进行均值滤波模糊处理，并对不同尺寸的滤波器模板操作后的图像进行比较。
（1）选择一副图像fig620.jpg，分别选择3×3，7×7，25×25等平均模板进行高斯滤波模糊处理，并对不同尺寸的滤波器模板操作后的图像进行比较。
（2）选择一副图像circuit.jpg，对图像加入椒盐噪声，检验两种滤波模板（3×3平均模板和3×3的非线性模板中值滤波器）对噪声的滤波效果。
源程序和结果：
clc;
%--------------------进行均值滤波模糊处理--------------------
I=imread('E:\教学材料\数字图像处理\图片\fig620.jpg');
figure;
subplot(2,2,1); imshow(I); title('原图'); %输出原图
Y1=imfilter(I,fspecial('average',3)); %进行3×3模板的均值滤波
Y2=imfilter(I,fspecial('average',7)); %进行7×7模板的均值滤波
Y3=imfilter(I,fspecial('average',25)); %进行25×25模板的均值滤波subplot(2,2,2); imshow(Y1);title('3×3模板均值滤波');
subplot(2,2,3); imshow(Y2);title('7×7模板均值滤波');
subplot(2,2,4); imshow(Y3);title('25×25模板均值滤波');
%------------------进行高斯滤波模糊处理---------------------
OriImage=imread('E:\教学材料\数字图像处理\图片\fig620.jpg');
figure;
subplot(2,2,1); imshow(OriImage); title('原图'); %输出原图
sigma =1.6; %设置标准差grayImg=rgb2gray(OriImage);
gausFilter1 = fspecial('gaussian',[3 3],sigma); %进行3×3模板的高斯滤波gausFilter2 = fspecial('gaussian',[7 7],sigma); %进行3×3模板的高斯滤波gausFilter3 = fspecial('gaussian',[25 25],sigma); %进行3×3模板的高斯滤波blur1=imfilter(grayImg,gausFilter1,'replicate');
blur2=imfilter(grayImg,gausFilter2,'replicate');
blur3=imfilter(grayImg,gausFilter3,'replicate');
subplot(2,2,2); imshow(blur1);title('3×3模板高斯滤波');
subplot(2,2,3); imshow(blur2);title('7×7模板高斯滤波');
subplot(2,2,4); imshow(blur3);title('25×25模板高斯滤波');
%------------加入椒盐噪声并检验两种滤波模板的滤波效果----------------
I=imread('E:\教学材料\数字图像处理\图片\circuit.jpg');
I=rgb2gray(I); %将真彩图像转化成灰度图像J=imnoise(I,'salt & pepper',0.02); %对指定的图像加入椒盐噪声figure;
subplot(2,2,1); imshow(I); title('原图');
subplot(2,2,2); imshow(J); title('噪声图像');
K1=imfilter(J,fspecial('average',3)); %对图像进行均值模版滤波subplot(2,2,3); imshow(K1); title('平均模板滤波图像');
L=medfilt2(J,[3 3]); %中值滤波
subplot(2,2,4); imshow(L); title('非线性模板中值滤波图像');
运行上述程序，得到以下图像：
图一图二
图三
四、结果分析
（1）图一：采用均值滤波器对图像处理能达到去噪的效果，并且一般滤波器的模板越大去噪效果越好，但是应该适中，当模板选择的过大时，处理的效果就会下降，因此我们应该根据具体的要求选择合适的模板来处理图像。
（2）图二：采用高斯滤波器对图像处理能达到去噪的效果，与均值滤波器相同，随着所用的滤波器尺寸的增大，图像的细节锐化程度相应降低图像变得模糊起来。
但相较于均值滤波器，其模糊程度较小。
但是高斯滤波同时受到标准差sigma的影响。
（3）图三：中值滤波对去除“椒盐”噪声可以起到很好的效果,因为椒盐噪声只在画面中的部分点上随机出现,所以根据中值滤波原理可知,通过数据排序的方法,将图像中未被噪声污染的点代替噪声点的值的概率比较大,因此噪声的抑制效果很好。
中值滤波与均值滤波相比，在去除图像椒盐噪声的同时，还能够保持图像比较清晰的轮廓。
从实验结果可以看出，通过3*3的均值滤波器，图像中的噪声点有明显的消除。
但是3*3的非线性模板中值滤波器上对噪声的滤除效果更完美。