基于MATLAB的数字图像课程设计图像频域增强高通滤波器算法设计
基于matlab数字图像处理之高通滤波器
实践二:理想高通滤波器、Butterworth高通滤波器、高斯高通滤波器2.1.1理想高通滤波器实践代码：I=imread('');subplot(221),imshow(I);title('原图像');s=fftshift(fft2(I));subplot(223),imshow(abs(s),[]);title('图像傅里叶变换所得频谱');subplot(224),imshow(log(abs(s)),[]);title('图像傅里叶变换取对数所得频谱');[a,b]=size(s);a0=round(a/2);b0=round(b/2);d=10;p=;q=;fori=1:aforj=1:bdistance=sqrt((i-a0)^2+(j-b0)^2);ifdistance<=dh=0;elseh=1;end;s(i,j)=(p+q*h)*s(i,j);end;end;s=uint8(real(ifft2(ifftshift(s))));subplot(222),imshow(s);title('高通滤波所得图像');I=imread('');[f1,f2]=freqspace(size(I),'meshgrid');Hd=ones(size(I));r=sqrt(f1.^2+f2.^2);Hd(r<=0;figuresurf(Hd,'Facecolor','interp','Edgecolor','none','Facelighting','phong');%画三维曲面（色）图2.1.2理想高通滤波器实践结果截图：2.2.1Butterworth高通滤波器实践代码：I1=imread('');subplot(121),imshow(I1);title('原始图像');f=double(I1);g=fft2(f);g=fftshift(g);[N1,N2]=size(g);n=2;d0=5;n1=fix(N1/2);n2=fix(N2/2);fori=1:N1forj=1:N2d=sqrt((i-n1)^2+(j-n2)^2);ifd==0h=0;elseh=1/(1+(d0/d)^(2*n));endresult(i,j)=h*g(i,j);endendresult=ifftshift(result);X2=ifft2(result);X3=uint8(real(X2));subplot(122),imshow(X3);title('Butterworth高通滤波');I1=imread('');[f1,f2]=freqspace(size(I1),'meshgrid');D=;r=f1.^2+f2.^2;n=4;fori=1:size(I1,1)forj=1:size(I1,2)t=(D*D)/r(i,j);Hd(i,j)=1/(t^n+1);endendfiguresurf(Hd,'Facecolor','interp','Edgecolor','none','Facelighting','phong');%画三维曲面（色）图2.2.2Butterworth高通滤波器实践结果截图：2.3.1高斯高通滤波器实践代码：clearallIA=imread('');[f1,f2]=freqspace(size(IA),'meshgrid');%D=100/size(IA,1);D=;r=f1.^2+f2.^2;fori=1:size(IA,1)forj=1:size(IA,2)t=r(i,j)/(D*D);Hd(i,j)=1-exp(-t);endendY=fft2(double(IA));Y=fftshift(Y);Ya=Y.*Hd;Ya=ifftshift(Ya);Ia=real(ifft2(Ya));figuresubplot(2,2,1),imshow(uint8(IA));title('原始图像');subplot(2,2,2),imshow(uint8(Ia));title('高斯高通滤波');figuresurf(Hd,'Facecolor','interp','Edgecolor','none','Facelighting','phong');2.3.2高斯高通滤波器实践结果截图：。
基于matlab的数字图像的频域滤波器设计
实验一：数字图像的频域滤波器设计一、实验目的掌握matlab 程序设计语言，掌握matlab 基本数据类型、核心函数及辅助函数的使用。
掌握理想和高斯低通滤波器的设计方法。
二、实验内容利用理想和高斯低通滤波器实现图像的频域滤波；利用理想和高斯高通滤波器实现图像的频域滤波；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。
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。
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。
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．实验设备和仪器1．计算机2. matlab开发平台五．关键代码及注释1.理想低通滤波器RGB = imread('saturn.png');I0 = rgb2gray(RGB);subplot(2,3,1),imshow(I0);title('原图');I1 = imnoise(I0,'gaussian'); %对原图像加噪声subplot(2,3,2),imshow(I1);title('加入噪声后')%将灰度图像的二维不连续Fourier 变换的零频率成分移到频谱的中心s=fftshift(fft2(I1));subplot(2,3,3),imshow(log(1+abs(s)),[]);title('fftshift');[M,N]=size(s); %分别返回s的行数到M中，列数到N中n1=floor(M/2); %对M/2进行取整n2=floor(N/2); %对N/2进行取整%ILPF滤波（程序中以d0=15为例）d0=50; %初始化d0for i=1:Mfor j=1:Nd=sqrt((i-n1)^2+(j-n2)^2); %点（i,j）到傅立叶变换中心的距离if d<=d0 %点（i,j）在通带内的情况h(i,j)=1; %通带变换函数else %点（i,j）在阻带内的情况h(i,j)=0; %阻带变换函数ends(i,j)=h(i,j)*s(i,j); %ILPF滤波后的频域表示endends=ifftshift(s); %对s进行反FFT移动%对s进行二维反离散的Fourier变换后，取复数的实部转化为无符号8位整数s=uint8(real(ifft2(s)));subplot(2,3,4),imshow(h);title('传递函数'); %显示GHPF滤波器的传递函数subplot(2,3,5),imshow(s); title('ILPF滤波（d0=50)'); %显示ILPF滤波后的图像2.高斯低通滤波器RGB = imread('saturn.png');I0 = rgb2gray(RGB);subplot(2,3,1),imshow(I0);title('原图');I1 = imnoise(I0,'gaussian'); %对原图像加噪声subplot(2,3,2),imshow(I1);title('加入噪声后')%将灰度图像的二维不连续Fourier 变换的零频率成分移到频谱的中心s=fftshift(fft2(I1));subplot(2,3,3),imshow(log(1+abs(s)),[]);title('fftshift');[M,N]=size(s); %分别返回s的行数到M中，列数到N中%GLPF滤波d0=50; %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）到傅立叶变换中心的距离h(i,j)=1*exp(-1/2*(d^2/d0^2)); %GLPF滤波函数s(i,j)=h(i,j)*s(i,j); %GLPF滤波后的频域表示endends=ifftshift(s); %对s进行反FFT移动%对s进行二维反离散的Fourier变换后，取复数的实部转化为无符号8位整数s=uint8(real(ifft2(s)));subplot(2,3,4),imshow(h);title('传递函数'); %显示GHPF滤波器的传递函数subplot(2,3,5),imshow(s);title('GLPF滤波(d0=50)'); %显示GLPF滤波处理后的图像3.理想高通滤波器RGB = imread('saturn.png');I0 = rgb2gray(RGB);subplot(2,3,1),imshow(I0);title('原图');I1 = imnoise(I0,'gaussian'); %对原图像加噪声subplot(2,3,2),imshow(I1);title('加入噪声后')%将灰度图像的二维不连续Fourier 变换的零频率成分移到频谱的中心s=fftshift(fft2(I1));subplot(2,3,3),imshow(log(1+abs(s)),[]);title('fftshift');[M,N]=size(s); %分别返回s的行数到M中，列数到N中n1=floor(M/2); %对M/2进行取整n2=floor(N/2); %对N/2进行取整%IHPF滤波d0=15; %初始化d0for i=1:Mfor j=1:Nd=sqrt((i-n1)^2+(j-n2)^2); %点（i,j）到傅立叶变换中心的距离if d<=d0 %点（i,j）在通带内的情况h(i,j)=0; %通带变换函数else %点（i,j）在阻带内的情况h(i,j)=1; %阻带变换函数ends(i,j)=h(i,j)*s(i,j); %ILPF滤波后的频域表示endends=ifftshift(s); %对s进行反FFT移动%对s进行二维反离散的Fourier变换后，取复数的实部转化为无符号8位整数s=uint8(real(ifft2(s)));subplot(2,3,4),imshow(h);title('传递函数'); %显示GHPF滤波器的传递函数subplot(2,3,5),imshow(s); title('IHPF滤波（d0=15)'); %显示IHPF滤波后的图像4.高斯高通滤波器RGB = imread('saturn.png');I0 = rgb2gray(RGB);subplot(2,3,1),imshow(I0);title('原图');I1 = imnoise(I0,'gaussian'); %对原图像加噪声subplot(2,3,2),imshow(I1);title('加入噪声后')%将灰度图像的二维不连续Fourier 变换的零频率成分移到频谱的中心s=fftshift(fft2(I1));subplot(2,3,3),imshow(log(1+abs(s)),[]);title('fftshift');[M,N]=size(s); %分别返回s的行数到M中，列数到N中%GHPF滤波d0=15; %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）到傅立叶变换中心的距离 h(i,j)=1-1*exp(-1/2*(d^2/d0^2)); %GHPF滤波函数s(i,j)=h(i,j)*s(i,j); %GHPF滤波后的频域表示endends=ifftshift(s); %对s进行反FFT移动%对s进行二维反离散的Fourier变换后，取复数的实部转化为无符号8位整数s=uint8(real(ifft2(s)));subplot(2,3,4),imshow(h);title('传递函数'); %显示GHPF滤波器的传递函数subplot(2,3,5),imshow(s);title('GHPF滤波(d0=15)'); %显示GHPF滤波处理后的图像六．实验结果图一理想低通滤波器图二高斯低通滤波器图三理想高通滤波器图四高斯高通滤波器。
数字图像处理matlab课程设计
数字图像处理matlab课程设计一、课程目标知识目标：1. 理解数字图像处理的基本概念，掌握图像的表示和存储方式；2. 学会使用MATLAB软件进行数字图像处理，掌握相关函数和工具箱的使用方法；3. 掌握图像增强、滤波、边缘检测等基本图像处理技术；4. 了解图像分割、特征提取等高级图像处理技术。
技能目标：1. 能够运用MATLAB进行图像读取、显示和保存操作；2. 能够独立完成图像的增强、滤波等基本处理操作；3. 能够运用边缘检测算法对图像进行处理，提取关键特征；4. 能够根据实际需求选择合适的图像处理技术，解决实际问题。
情感态度价值观目标：1. 培养学生对数字图像处理技术的兴趣，激发其学习热情；2. 培养学生的团队合作意识，使其学会在团队中分享和交流；3. 培养学生严谨的科学态度，使其注重实验数据的真实性；4. 培养学生的创新思维，鼓励其探索新方法，提高解决问题的能力。
本课程旨在通过数字图像处理MATLAB课程设计，使学生在掌握基本理论知识的基础上，运用MATLAB软件进行图像处理实践。
课程注重理论与实践相结合，培养学生具备实际操作能力，并能运用所学知识解决实际问题。
针对学生的年级特点，课程目标既注重知识技能的传授，又关注情感态度价值观的培养，为学生今后的学习和工作奠定基础。
二、教学内容1. 数字图像处理基础- 图像表示与存储（RGB、灰度、二值图像）- 图像类型转换- MATLAB图像处理工具箱介绍2. 图像增强- 直方图均衡化- 伽玛校正- 图像锐化3. 图像滤波- 均值滤波- 中值滤波- 高斯滤波- 双边滤波4. 边缘检测- 索贝尔算子- 拉普拉斯算子- Canny边缘检测5. 图像分割- 阈值分割- 区域生长- 分水岭算法6. 特征提取与描述- 霍夫变换- SIFT算法- ORB算法教学内容根据课程目标进行选择和组织，注重科学性和系统性。
教学大纲明确分为六个部分，分别对应数字图像处理的基础知识、图像增强、滤波、边缘检测、图像分割和特征提取与描述。
基于matlab的图像处理课程设计
基于matlab的图像处理课程设计一、课程目标知识目标：1. 学生能理解图像处理的基本概念，掌握图像的数字化表示方法。
2. 学生能掌握Matlab软件的基本操作，运用其图像处理工具箱进行图像的读取、显示和保存。
3. 学生能掌握图像处理的基本算法，如灰度变换、图像滤波、边缘检测等，并理解其原理。
技能目标：1. 学生能运用Matlab进行图像处理操作，解决实际问题。
2. 学生能通过编程实现图像处理算法，具备一定的程序调试和优化能力。
3. 学生能运用所学知识，结合实际问题，设计简单的图像处理程序。
情感态度价值观目标：1. 学生通过学习图像处理，培养对计算机视觉和人工智能领域的兴趣，激发创新意识。
2. 学生在课程实践中，培养团队协作精神，提高沟通与表达能力。
3. 学生能认识到图像处理技术在生活中的广泛应用，增强学以致用的意识。
分析课程性质、学生特点和教学要求，本课程目标旨在使学生在掌握基本图像处理知识的基础上，通过Matlab软件的实践操作，培养其编程能力和解决实际问题的能力。
同时，注重培养学生的团队协作和情感态度，使其在学习过程中获得成就感，激发学习兴趣。
课程目标将具体分解为学习成果，以便后续教学设计和评估。
二、教学内容1. 图像处理基础理论：- 数字图像概念及表示方法- 图像处理的基本操作：读取、显示、保存- 像素运算与邻域处理2. Matlab基础操作：- Matlab软件安装与界面介绍- 数据类型与基本运算- 矩阵运算与函数编写3. 图像处理算法：- 灰度变换与直方图处理- 图像滤波：低通滤波、高通滤波- 边缘检测：Sobel算子、Canny算子4. 实践项目：- 图像增强与去噪- 图像分割与特征提取- 目标检测与跟踪5. 教学大纲：- 第一周：图像处理基础理论，Matlab基础操作- 第二周：灰度变换与直方图处理，图像滤波- 第三周：边缘检测，实践项目一- 第四周：图像分割与特征提取，实践项目二- 第五周：目标检测与跟踪，课程总结与展示教学内容根据课程目标，结合教材章节进行选择和组织，确保科学性和系统性。
基于MATLAB的数字图像处理的设计与实现
基于MATLAB的数字图像处理的设计与实现摘要数字图像处理是一门新兴技术,随着计算机硬件的发展，数字图像的实时处理已经成可能，由于数字图像处理的各种算法的出现,使得其处理速度越来越快，能更好的为人们服务。
数字图像处理是一种通过计算机采用一定的算法对图形图像进行处理的技术。
目的:改善医学图像质量，使图像得到增强。
方法：利用Matlab工具箱函数，采用灰度直方图均衡化和高通滤波的方法对一幅X线图像进行增强处理。
结果:用直方图均衡化的算法,将原始图像密集的灰度分布变得比较稀疏，处理后的图像视觉效果得以改善。
高通滤波对于局部细节增强显著,高通滤波后使不易观察到的细节变得清晰。
结论：使用Matlab工具箱大大简化了编程工作，为医学图像处理提供了一种技术平台。
经过直方图均衡化和高通滤波处理后的医学图像，视觉效果得到改善。
关键词:MATLAB；直方图均衡化；高通滤波；图像增强AbstractDigital image processing is an emerging technology, with the development of computer hardware, real—time digital image processing has become possible due to digital image processing algorithms to appear，making it faster and faster processing speed，better for people services .Digital image processing is used by some algorithms computer graphics image pro cessing technology. Objective：To improve the quality of medical image by enhancing the details。
基于MATLAB的图像频域增强处理
图像在传递过程中，由丁噪卢主要集中在高频部分，为 去除噪声改善图像质量，滤波器采用低通滤波器Ｈ（ｕ，ｖ）来 抑制高频成分，通过低频成分，然后再进行逆傅立叶变换获 得滤波图像，就町达到平滑图像的目的。
由卷积定理，低通滤波数学表达式： Ｇ（ｕ，ｖ）＝Ｆ（ｕ，ｖ）Ｈ（ｕ，ｖ）
式中Ｆ（ｕ，ｖ）为含有噪声的原图像的傅立叶变换域；Ｈ（ｕ，ｖ）为
传递函数，Ｇ（ｕ，ｖ）为经低通滤波后输出图像的傅里叶变换。
常用的频率域低滤波器Ｈ（ｕ，ｖ）有四种：
（１）理想低通滤波器 设傅立叶平面上理想低通滤波器离开原点的截止频率
为ＤＯ，则理想低通滤波器的传递函数为：
…
ｆ１
Ｈ（ｕ，ｖ、 ）＝｛
、
’ＬＯ
Ｄ（ｕ，ｖ）＜Ｄｏ 。
Ｄ（ｕ，ｖ）＞Ｄｏ
（２）Ｂｕｔｔｅｒｗｏｒｔｈ低通滤波器 ｎ阶Ｂｕｔｔｅｒｗｏｒｔｈ滤波器的传递函数为：
【４】涂望明，魏友国，施少敏等．ＭＡＴＬＡＢ在数字图像处理中的应 用【Ｊ】．微计算机信息，２００７，２３（２－３）：２９９．
［５】Ｇｏｎｚａｌｅｚ Ｒ Ｃ．Ｄｉｇｉｍｌ Ｉｍａｇｅ Ｐｒｏｃｅｓｓｉｎｇ【Ｍ】．２ｎｄ ｅｄ．北京：电 子工业出版社：６４．６６．
１６］Ｋｉｍ Ｊ．Ｅｆｆｅｃｔ ｏｆＸ·ｒａｙ ａｎｄ ＣＴ ｉｍａｇｅ ｅｎｈａｎｃｅｍｅｎｔ ｏｎ ｔｈｅ ｒｏｂｕｓｔ—
一
【剧ｈ嘲】Ｄｉｓｔｒｉｂｕｔｅｄ ｄａｔａｂａｓｅ ｓｙｓｔｅｍｓ ｕｓｕａｌｌｙ ｕｓｅ ２ＰＬ（Ｔｗｏ Ｐｈａｓｅ Ｌｏｃｋｉｎｇ Ｐｒｏｔｏｃ０１）ｔｏ ａｓｓＢｒｅ ｔｈｅ ｃｏｎｓｉｓｔｅｎｃｙ．Ｔｈｉｓ ｐａｐｅｒ ＵＳｅＳ
Ｓｈａｄｏｗ—Ｏｐｔ，ａｎｄ ｃｏｍｂｉｎｅｓ ｔｈｅ ｏｌｄ ａｎｄ ｎｅｗ ａｌｇｏｒｉｓｍｓ ｔｏ ａｓｓｕｒｅ ｔｈｅ ｃｏｎｓｉｓｔｅｎｃｙ ａｎｄ ｉｍｐｒｏｖｅ ｔｈｅ ｆｕｎｃｔｉｏｎ ｂｙ ｄｉｆｆｅｒｅｎｔｉａｔｉｎｇ ｔｈｅ ｗｒｉｔｅ
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。
基于matlab数字图像处理之高通滤波器
基于matlab数字图像处理之高通滤波器实践二: 理想高通滤波器、Butterworth高通滤波器、高斯高通滤波器2.1.1 理想高通滤波器实践代码：I=imread('girl.bmp');subplot(221),imshow(I);title('原图像');s=fftshift(fft2(I));subplot(223),imshow(abs(s),[]);title('图像傅里叶变换所得频谱');subplot(224),imshow(log(abs(s)),[]);title('图像傅里叶变换取对数所得频谱'); [a,b]=size(s);a0=round(a/2);b0=round(b/2);d=10;p=0.2;q=0.5;for i=1:afor j=1:bdistance=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)))); subplot(222),imshow(s);title('高通滤波所得图像');I=imread('girl.bmp');[f1,f2]=freqspace(size(I),'meshgrid'); Hd=ones(size(I));r=sqrt(f1.^2+f2.^2);Hd(r<0.2)=0;figuresurf(Hd,'Facecolor','interp','Edgecolor', 'none','Facelighting','phong'); % 画三维曲面（色）图2.1.2 理想高通滤波器实践结果截图：2.2.1 Butterworth高通滤波器实践代码：I1=imread('flower.bmp'); subplot(121),imshow(I1); title('原始图像');f=double(I1);g=fft2(f);g=fftshift(g);[N1,N2]=size(g);n=2;d0=5;n1=fix(N1/2);n2=fix(N2/2);for i=1:N1for j=1:N2d=sqrt((i-n1)^2+(j-n2)^2); if d==0h=0;elseh=1/(1+(d0/d)^(2*n)); endresult(i,j)=h*g(i,j);endendresult=ifftshift(result);X2=ifft2(result);X3=uint8(real(X2));subplot(122),imshow(X3) ;title('Butterworth高通滤波');I1=imread('flower.bmp');[f1,f2]=freqspace(size(I1),'meshgrid'); D=0.3;r=f1.^2+f2.^2;n=4;for i=1:size(I1,1)for j=1:size(I1,2)t=(D*D)/r(i,j);Hd(i,j)=1/(t^n+1);endendfiguresurf(Hd,'Facecolor','interp','Edgecolor', 'none','Facelighting','phong'); % 画三维曲面（色）图2.2.2 Butterworth高通滤波器实践结果截图：2.3.1 高斯高通滤波器实践代码：clear allIA=imread('girl.bmp');[f1,f2]=freqspace(size(IA),'meshgrid'); %D=100/size(IA,1);D=0.3;r=f1.^2+f2.^2;for i=1:size(IA,1)for j=1:size(IA,2)t=r(i,j)/(D*D);Hd(i,j)=1-exp(-t);endendY=fft2(double(IA));Y=fftshift(Y);Ya=Y.*Hd;Ya=ifftshift(Ya);Ia=real(ifft2(Ya));figuresubplot(2,2,1),imshow(uint8(IA));title('原始图像');subplot(2,2,2),imshow(uint8(Ia));title('高斯高通滤波');figuresurf(Hd,'Facecolor','interp','Edgecolor', 'none','Facelighting','phong');2.3.2 高斯高通滤波器实践结果截图：。
基于MATLAB的图像频域增强探讨
砉茎Ⅵ渊戮荔基于ＭＡＴＬＡＢ的图像频域增强探讨胡细玲（江西财经职业学院江西九江３３２０００）［摘要］目的；改善图像质量，使图像在频域范畴内得到增强。
结果；采用高频滤波不但会使有用的信息增强，同时也使噪声增强。
相比之下，低通滤波器较好·结论：使用ＩｔＡＴＬ＾Ｂ工具葶可简化编稃工作ｔ为图像处理提供一种方法·【关键词］频域图像增强低通滤波高通滤波中图分类号：ＴＰ３文献标识码：＾文章编号：１６７１－－７５９７（２００９）１０１００３０－－０１一、引曹在进行图像处理的过程中，获取原始图像后，首先需要对图像进行图像预处理，因为在获取图像的过程中，往往会发生图像失真，使所得图像与原图像有某种程度上的差别．在许多情况下．人们难以确切了解引起图像降质的具体物理过程及其数学模型，但却能估计出使图像降质的一些可能原因，针对这些原因采取简单易行的方法，改善图像质量。
由于噪声、光照等原因，使图像质量不高，为了改善视觉效果或便于人、机器对图像的分析理解，一般都需要对图像进行增强处理，但这个过程并没有统一的标准。
图像增强一般不能增加原图像信息，只能针对一些成像条件，把弱信号突出出来，使一些信息更容易分辨。
图像增强的方法分为频域法和空域法，空域法主要是对图像中的各像素点进行操作；而频域法是在图像的某个变换域内，修改变换后的系数，例如傅立叶变换ＤＣＴ变换等的系数，对图像进行操作，然后再进行反变换得到处理后的图像。
二、圈像增强图像增强是采用一系列技术去改善图像的视觉效果，或将图像转换成一种更适合于人或机器进行分析和处理的形式．图像增强的目的是改善图像的视觉效果，针对给定图像的应用场合，有目的地强调图像的整体或局部特性，扩大图像中不同物体特征之间的差别，满足某些特殊分析的需要。
其方法是通过一定手段对原图像附加一些信息或变换数据，有选择地突出图像中感兴趣的特征或者抑制（掩盖）图像中某些不需要的特征，使图像与视觉响应特性相匹配．在图像增强过程中，不分析图像降质的原因，处理后的图像不一定逼近原始图像。
(完整版)基于MATLAB的图像滤波设计
课程设计任务书学生姓名：专业班级：指导教师：工作单位：武汉理工大学题目: 基于MATLAB的图像滤波设计初始条件：(1) Matlab仿真软件及其相关基本知识，基本操作技能(2) 基础数学、数字信号处理与图像处理课程相关基础知识要求完成的主要任务:采用MATLAB选用适当的函数或矩阵进行如下计算：(1) 极限的计算、微分的计算、积分的计算、级数的计算、求解代数方程、求解常微分方程；(2)矩阵的最大值、最小值、均值、方差、转置、逆、行列式、特征值的计算、矩阵的相乘、右除、左除、幂运算；(3) 多项式加减乘除运算、多项式求导、求根和求值运算、多项式的部分分式展开、多项式的拟合、插值运算。
基于MATLAB的图像滤波设计：(1) 读入图像并分别加入高斯噪声、椒盐噪声和乘性噪声，并比较结果。
(2) 设计巴特沃斯低通滤波对图像进行低通滤波处理，显示结果。
(3) 设计高斯高通滤波器对图像进行处理，显示结果。
(4) 采用维纳滤波和中值滤波对图像进行处理，显示结果时间安排：第11周安排任务，分组；第12周设计仿真，撰写报告；第13周完成设计，提交报告，答辩。
指导教师签名： 2012年 1月 10日系主任（或责任教师）签名： 2012年 1月 10日目录摘要----------------------------------------------------------------------------------III Abstract-------------------------------------------------------------------------------IV 1 绪论----------------------------------------------------------------------------------11.1 MATLAB基础知识介绍------------------------------------------------------------ 11.2 滤波器知识简介---------------------------------------------------------------- 11.2.1滤波器功能及分类--------------------------------------------------------- 11.2.2模拟滤波器设计理论------------------------------------------------------- 21.3 图像数据采集简介-------------------------------------------------------------- 21.3.1 灰度图像---------------------------------------------------------------- 21.3.2 基于MATLAB的图像数据采集 ----------------------------------------------- 31.4 噪声简介---------------------------------------------------------------------- 32 MATLAB的基本运算 ---------------------------------------------------------------------52.1 基础微积分运算---------------------------------------------------------------- 52.1.1 极限的计算-------------------------------------------------------------- 52.1.2 微分的计算-------------------------------------------------------------- 52.1.3 积分的计算-------------------------------------------------------------- 62.1.4 级数的计算-------------------------------------------------------------- 62.1.5 求解代数方程------------------------------------------------------------ 62.1.6 求解常微分方程---------------------------------------------------------- 72.2 矩阵的基本运算---------------------------------------------------------------- 72.2.1 矩阵的最大值、最小值---------------------------------------------------- 72.2.2 矩阵的均值-------------------------------------------------------------- 82.2.3 矩阵的方差-------------------------------------------------------------- 82.2.4 矩阵的转置-------------------------------------------------------------- 92.2.5 矩阵的逆矩阵及矩阵的行列式 ---------------------------------------------- 92.2.6 矩阵的特征值----------------------------------------------------------- 102.2.7 矩阵的相乘、左除、右除------------------------------------------------- 102.2.8 矩阵的幂运算----------------------------------------------------------- 112.3 多项式的基本运算------------------------------------------------------------- 112.3.1 多项式的加、减、乘、除运算 --------------------------------------------- 112.3.2 多项式的求导、求根、求值运算 ------------------------------------------- 122.3.3 多项式的部分分式展开--------------------------------------------------- 132.3.4 多项式的拟合、插值运算------------------------------------------------- 143 基于MATLAB的图像滤波设计 -----------------------------------------------------------163.1 读入图像，加入高斯噪声、椒盐噪声、乘性噪声并对比 ----------------------------- 163.2 设计巴特沃斯低通滤波器对图像进行低通滤波处理 --------------------------------- 173.2.1 对加入高斯噪声的图像进行巴特沃斯低通滤波 ------------------------------- 173.2.2 对加入椒盐噪声的图像进行巴特沃斯低通滤波 ------------------------------- 183.2.3对加入乘性噪声的图像进行巴特沃斯低通滤波-------------------------------- 193.2.4 结果分析--------------------------------------------------------------- 193.3 设计高斯高通滤波器对图像进行处理 --------------------------------------------- 193.3.1 对加入高斯噪声的图像进行高斯高通滤波 ----------------------------------- 203.3.2 对加入椒盐噪声的图像进行高斯高通滤波 ----------------------------------- 213.3.3 对加入乘性噪声的图像进行高斯高通滤波 ----------------------------------- 213.3.4 结果分析--------------------------------------------------------------- 213.4 采用维纳滤波对图像进行处理--------------------------------------------------- 223.4.1 对加噪后图像采用维纳滤波器处理 ----------------------------------------- 223.4.2 结果分析：------------------------------------------------------------- 233.5 采用中值滤波对图像进行处理--------------------------------------------------- 243.5.1 对加噪后图像采用中值滤波器处理 ----------------------------------------- 243.5.2 结果分析--------------------------------------------------------------- 253.6 几种滤波方式比较------------------------------------------------------------- 254 心得体会 ----------------------------------------------------------------------------265 参考文献 ----------------------------------------------------------------------------27摘要图像常常被强度随机信号(也称为噪声)所污染．一些常见的噪声有椒盐噪声、乘性噪声、高斯噪声等．椒盐噪声含有随机出现的黑白强度值,而乘性噪声则只含有随机的白强度值(正脉冲噪声)或黑强度值(负脉冲噪声),与前两者不同，高斯噪声含有强度服从高斯或正态分布的噪声。
图像频率域高通滤波器程序设计
1 MATLAB简介MATLAB是由美国mathworks公司发布的主要面对科学计算、可视化以及交互式程序设计的高科技计算环境。
它将数值分析、矩阵计算、科学数据可视化以及非线性动态系统的建模和仿真等诸多强大功能集成在一个易于使用的视窗环境中，为科学研究、工程设计以及必须进行有效数值计算的众多科学领域提供了一种全面的解决方案，并在很大程度上摆脱了传统非交互式程序设计语言（如C、Fortran）的编辑模式，代表了当今国际科学计算软件的先进水平。
MATLAB和Mathematica、Maple并称为三大数学软件。
它在数学类科技应用软件中在数值计算方面首屈一指。
MATLAB可以进行矩阵运算、绘制函数和数据、实现算法、创建用户界面、连接其他编程语言的程序等，主要应用于工程计算、控制设计、信号处理与通讯、图像处理、信号检测、金融建模设计与分析等领域。
MATLAB的基本数据单位是矩阵，它的指令表达式与数学、工程中常用的形式十分相似，故用MATLAB来解算问题要比用C，FORTRAN等语言完成相同的事情简捷得多，并且MATLAB也吸收了像Maple等软件的优点，使MATLAB成为一个强大的数学软件。
在新的版本中也加入了对C，FORTRAN，C++，JAVA的支持。
可以直接调用,用户也可以将自己编写的实用程序导入到MATLAB函数库中方便自己以后调用，此外许多的MATLAB爱好者都编写了一些经典的程序，用户可以直接进行下载就可以用。
MATLAB具有强大的功能，其大致有以下特点。
友好的工作平台编程环境：MATLAB由一系列工具组成。
这些工具方便用户使用MATLAB的函数和文件，其中许多工具采用的是图形用户界面。
包括MATLAB桌面和命令窗口、历史命令窗口、编辑器和调试器、路径搜索和用于用户浏览帮助、工作空间、文件的浏览器。
随着MATLAB的商业化以及软件本身的不断升级，MATLAB的用户界面也越来越精致，更加接近Windows的标准界面，人机交互性更强，操作更简单。
基于MATLAB的图像频域增强处理
梯形低通滤波器是理想低通滤波器和完全平滑滤波器
的折中。它的传递函数为：
燮 燮
1
燮
H(u，v)＝
燮燮燮D(u，v)－D1
燮 燮
D0－D1
燮
燮燮 燮
0
D(u，v)< D0 D0燮D(u，v)燮D1 D(u，v) > D1
4．高通滤波
3．低通滤波
图像的边缘、细节主要位于高频部分，而图像的模糊是
图像在传递过程中，由于噪声主要集中在高频部分，为 由于高频成分比较弱产生的。采用高通滤波器可以对图像进
[5] Gonzalez R C．Digital Image Processing [M]．2nd ed．北京：电
子工业出版社：64- 66．
[6] Kim J．Effect of X- ray and CT image enhancement on the robust-
nessand accuracy of a rigid 3D / 2D image registration [J]．MedPhys，
Mo Yiheng
[4] Gupta R，Haritsa J，Ramamritham Ketal．Commit processing in distributed real-time database systems [C]． Proceeding of the 17th IEEE Real-time Systems Symposium， Washington，DC，1996：123-133．
传递函数，G(u，v)为经低通滤波后输出图像的傅里叶变换。
常用的频率域低滤波器 H(u，v)有四种：
(1) 理想低通滤波器
设傅立叶平面上理想低通滤波器离开原点的截止频率
基于MATLAB的图像频域滤波技术研究(数字图像处理)
基于MATLAB的图像频域滤波技术研究1．实验目的1．熟悉MATLAB 编程语言，熟悉MATLAB的仿真流程。
2．掌握图像频域滤波原理及方法。
3．利用MA TLAB对不同频域滤波进行仿真2．实验设备2．1．PC 兼容机一台；操作系统为WindowsWindowsXP。
2．2．数字图像处理开发环境：MA TLAB软件3．实验原理见教材上二阶巴特沃斯(Butterworth)低,高通滤波器4．实验步骤.1 打开MA TLAB开发环境.2点击MA TLAB窗口上File菜单，选择New-〉M—File，在弹出的Edit编辑器内输入如下程序：I=imread('pout.tif');figure(1);subplot(2,2,1),imshow(I);title('愿图');J1=imnoise(I,'salt & pepper',0.05); % 叠加椒盐噪声subplot(2,2,2),imshow(J1);title('加噪图');f=double(J1); % 数据类型转换，MATLAB不支持图像的无符号整型的计算g=fft2(f); % 傅立叶变换g=fftshift(g); % 转换数据矩阵[M,N]=size(g);nn=2; % 二阶巴特沃斯(Butterworth)低通滤波器d0=50;m=fix(M/2); n=fix(N/2); for i=1:Mfor j=1:Nd=sqrt((i-m)^2+(j-n)^2);h1=1/(1+0.414*(d/d0)^(2*nn)); % 计算低通滤波器传递函数result1(i,j)=h1*g(i,j);endendresult1=ifftshift(result1);J2=ifft2(result1);J3=uint8(real(J2));subplot(2,2,3),imshow(J3);title('低通滤波图'); % 显示滤波处理后的图像f=double(I); % 数据类型转换，MA TLAB不支持图像的无符号整型的计算g=fft2(f); % 傅立叶变换g=fftshift(g); % 转换数据矩阵[M,N]=size(g);nn=2; % 二阶巴特沃斯(Butterworth)高通滤波器d0=5; m=fix(M/2);n=fix(N/2);for i=1:Mfor j=1:Nd=sqrt((i-m)^2+(j-n)^2);if (d==0)h2=0;elseh2=1/(1+0.414*(d0/d)^(2*nn));% 计算传递函数end result2(i,j)=h2*g(i,j);endendresult2=ifftshift(result2);J4=ifft2(result2);J5=uint8(real(J4));subplot(2,2,4),imshow(J5); title('高通滤波图'); % 滤波后图像显示.3将该程序保存，并点击工具栏中Run按钮，程序会自动运行，并显示出结果。
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。
基于matlab软件的图像频率域增强实验
基于matlab 软件的图像频率域增强实验一．实验内容：1 滤波器定义2 频率域的处理3 频率域处理的评价<一> 滤波器定义1 首先知道定义低通滤波器(1) 定义截止频率D0(2) 根据低通滤波的三个公式：A 理想低通滤波器的定义一个二维的理想低通滤波器（ILPF ）的转换（传递）函数满足（是一个分段函数）B 一个截止频率在与原点距离为D 0的n 阶Butterworth 低通滤波器（BLPF ）的转换函数：H(u,v) = 0.5, 当 D 0 = D(u,v)C 高斯滤波器 FFT图像 F(u,v)H(u,v) H(u,v)FFT -增强图⎩⎨⎧>≤=0),(0),(1),(D v u D D v uD v u H 其中：D 0 为截止频率 D(u,v)为距离函数 D(u,v)=(u 2+v 2)1/22 能够用定义的滤波器与频率图像计算1) 图像傅立叶变换F=fft2(I);F=fftshift(F);2) 图像与滤波器点击G(u,v)=F(u,v)H(u,v)3) 图像反傅立叶变换G=ifftshift(G);g=abs(ifft2(G));二．实验目的：利用matlab 软件对图像进行处理，要求利用傅里叶变换函数fft2进行对图像的傅里叶变换，利用频谱中心化函数fftshift 对图像进行频谱中心化操作，最后检查保存处理后的图像。
三．实验步骤：1.打开matlab 软件，读取目标图像2.利用函数fft2对图像进行傅里叶变换操作3.利用函数fftshift 对图像进行频谱中心化处理4.检查并保存处理后图像四．实验结果：1/222(,)22M N D u v u v ⎡⎤⎛⎫⎛⎫=-+-⎢⎥ ⎪ ⎪⎝⎭⎝⎭⎢⎥⎣⎦五．实验心得：通过本次实验，学习了matlab软件对图像进行频率域增强处理时的基本功能和函数指令操作，让我认识到matlab软件功能的强大，以及自己在研究软件处理图像时的不足，对傅里叶变换和频谱中心操作时函数指令的认识和理解不够透彻。
基于matlab对图像进行高通、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。
基于matlab的图像处理滤波器设计
数字信号处理课程设计任务书题目基于matlab 的图像处理滤波器设计内容及要求:1、设计一个低通FIR 滤波器和一个低通IIR 滤波器;2、分析比较上述两种滤波器的优劣;3、分析上述两个模型的幅频特性、相频特性、相延迟、群延迟。
进度安排:1、任务分配、查阅资料 2天2、方案论证 3天3、分析、设计、调试程序 5天4、书写、整理实验报告和小结 3天成员组成:09044106苏青文 08陈舒龙(组长) 09方雪松指导时间: 指导地点:F 618任务下达 xxxx年12 月 16日任务完成 xxxx年1月 6日考核方式1.评阅2.答辩3.实际操作4.其它指导教师系(部)主任注:1、此表一组一表二份,课程设计小组组长一份;任课教师授课时自带一份备查。
2、课程设计结束后与“课程设计小结”、“学生成绩单”一并交院教务存档。
目录摘要 (3)一、课程设计目的及要求 (4)二、课程设计内容及任务安排 (4)三、设计原理及设计方法 (5)3.1 FIR数字滤波器 (5)3.2 IIR数字滤波器 (7)四、与设计相关的知识 (8)五、设计过程 (14)5.1图像加噪处理及功率密度谱对比 (14)5.2 FIR滤波器的设计 (22)(1)布莱克曼窗 (22)(2)海明窗 (26)(3)汉宁窗 (28)(4)多尔夫-切比雪夫窗 (32)(5)巴特利特窗 (35)5.3 IIR 数字滤波器设计 (38)(1)巴特沃兹 (38)(2)切比雪夫1 (41)(3)切比雪夫2……………………………………… .43(4)椭圆滤波 (45)六、FIR和IIR的比较 (47)七、个人设计总结 (49)附录 (50)摘要MATLAB软件具有使用简单、方便,易编程,语言简练,函数库可任意扩充,采用全新数据类型和面向对象编程技术等特点,具有数值分析容易、语法结构简单、矩阵数值运算高效、图形功能完备、图像处理方便等强大的功能,因此已被广泛应用在教学、科研和工程设计的各个领域。
- 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)。
基于MATLAB的数字图像课程设计图像频域增强高通滤波器算法设计
摘要
图像增强是对数字图像的预处理，使图像整体或局部特征能有效地改进。
经过对频域域图像增强理论的理解，分析了频率域的高通滤波。
在此基础上，利用MATLAB对理想高通滤波器、巴特沃斯高通滤波器、指数高通滤波器、梯形高通滤波器、以及高斯高通滤波器进行编程与仿真，并对其结果进行了分析与比较，表明这五种高通滤波器都能较好地对图像进行锐化处理。
关键词：图像增强；频率域；高通滤波；MATLAB
目录
1 设计任务及目的 (2)
1.1 设计任务 (2)
1.2 设计目的 (3)
2 课程设计相关知识 (3)
2.1 数字图像处理简介 (3)
2.1.1 数字图像发展概述 (4)
2.1.2 数字图像处理内容 (4)
2.1.3 数字图像处理技术 (5)
2.2 MATLAB简介 (7)
2.2.1 MATLAB基本功能 (7)
2.2.2 MATLAB产品应用 (8)
2.2.3 MATLAB特点 (8)
2.2.4 MATLAB系列工具优势 (8)
3 图像频域高通滤波原理 (10)
3.1 频域滤波增强步骤及流程框图 (10)
3.2 傅立叶变换原理 (11)
3.3 高通滤波器原理 (12)
3.3.1 理想高通滤波 (13)
3.3.2 巴特沃斯高通滤波 (13)
3.3.3 指数高通滤波 (13)
3.3.4 梯形高通滤波 (14)
3.3.5 高斯高通滤波 (14)
4 MATLAB程序代码 (14)
5 仿真结果与分析 (21)
5.1 仿真结果 (21)
5.2 结果分析 (25)
结论 (26)
参考文献 (27)
图像频域增强算法设计——高通滤波
1设计任务及目的
1.1设计任务
利用所学的数字图像处理技术，建立实现某一个主题处理的系统，利用MATLAB软件系统来实现图像的频域滤波技术，要求：
（1）学习和熟悉MATLAB软件的使用方法；
（2）熟悉和掌握MATLAB 程序设计过程；
（3）利用所学数字图像处理技术知识和MATLAB软件对图像进行高通滤波处理；
（4）能对图.jpg、.bmp、.png格式进行打开、保存、另存、退出等一系列功能操作；
（5）在程序开发时，必须清楚主要实现函数目的和作用，需要在程序书写时做适当注释说明，理解每一句函数的具体意义和
使用范围；
（6）比较几种高通滤波器对图像数字化处理效果的异同。
1.2 设计目的
本次课程设计的目的在于提高发现问题、分析问题、解决问题的能力，进一步巩固数字图像处理系统中的基本原理与方法。
熟悉掌握一门计算机语言，能够进行数字图像的应用处理的开发设计。
综合运用MATLAB软件实现图像高通滤波程序设计。
（1）熟悉MATLAB软件环境，学习如何利用MATLAB软件来实现对图像的各种数字化处理；
（2）掌握常见频域高通滤波器的设计，进一步加深理解和掌握图像频谱的特点和频域高通滤波的原理。
（3）理解图像高通滤波的处理过程和特点，以及经过设计不同的滤波器来实现对图像的不同滤波效果；
（4）经过高通滤波技术来消除图像的模糊，突出图像的边缘，使低频分量得到抑制，增强高频分量，使图像的边沿或线条变得清晰，实现图像的锐化。
2 课程设计相关知识
2.1 数字图像处理简介
数字图像处理，通俗地讲是指应用计算机以及数字设备对图像进行加工处理的技术。