实验四 图像频域高通滤波

合集下载

高通滤波器实验报告

高通滤波器实验报告

高通滤波器实验报告
一、实验目的
1、掌握高通滤波器的概念及其工作原理;
2、通过理论分析和模拟实现高通滤波器;
3、观察滤波器的输出信号形状,计算和分析滤波器性能参数。

二、实验仪器
网络分析仪、交流电源、多媒体投影仪、电脑、实验模块等。

三、实验原理
高通滤波器(HPF)是一种用于将低频范围内的信号过滤掉的电子电路,只通过高频信号。

滤波作用总是由一个滤波器和一个滤波器组成,由被滤波的信号和滤波元件共同组成。

因此,高通滤波器的输出受到被滤波信号的影响,而且受到滤波器元件响应函数的影响,最终形成滤波器输出信号的形状。

四、实验步骤
1、电路搭建
A、将实验模块根据原理图连接起来;
B、将滤波器组件根据电路图连接到电路上;
C、使用网络分析仪,测量电路中的电压信号;
D、记录各个信号的峰值电压值、最低电压值和相位差分值;
E、使用网络仪,查看滤波器输出信号的频谱分布情况。

2、数据计算与分析
A、分析仪获取的信号峰值电压的相位差,求出频率值;
B、根据获取的信息,计算频率倍数,计算Q值;
C、分析滤波器输出信号在不同频率下的增益;。

实验四 图像频域高通滤波

实验四   图像频域高通滤波

数字图像处理实验报告姓名:田蕾 学号:20091202098 专业:信号与信息处理 年级:09实验四 图像频域高通滤波一、 实验目的掌握常用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。

理解图象高通滤波的处理过程和特点。

二、 实验内容设计程序,分别实现截止频率半径分别为15、30、80理想高通滤波器、二阶巴特沃斯高通滤波器、二阶高斯高通滤波器对图像的滤波处理。

观察处理前后图像效果,分析实验结果和算法特点。

三、 实验原理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。

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、算法设计(含程序设计流程图)五、实验结果及分析(需要给出原始图像和处理后的图像)实验结果分析:(1)理想的高通滤波器把半径为D0的圆内的所有频率完全衰减掉,却使圆外的所有的频率无损的通过。

图像整体变得模糊,边缘和细节比较清晰。

(2)巴特沃思高通滤波器和高斯高通滤波器处理后的图像中只显现边缘,边缘的强度不同,而灰度平滑的区域都变暗了。

附:程序源代码(1)理想高通滤波器:(以D0=15为例):I1=imread('D:\Matlab\project\低通、高通滤波实验原图.jpg');figure(1); imshow(I1);title('原图');>> f=double(I1); % 转换数据为双精度型g=fft2(f); % 进行二维傅里叶变换g=fftshift(g); % 把快速傅里叶变换的DC组件移到光谱中心[M,N]=size(g);d0=15; %cutoff frequency以15为例m=fix(M/2); n=fix(N/2);for i=1:Mfor j=1:Nd=sqrt((i-m)^2+(j-n)^2);if(d<=d0)h=0;else h=1;endresult(i,j)=h*g(i,j);endendresult=ifftshift(result);J1=ifft2(result);J2=uint8(real(J1));figure(2);imshow(J2);title('IHPF滤波(d0=15)') ;(2)巴特沃斯高通滤波器:(以D0=15为例):I1=imread('D:\Matlab\project\低通、高通滤波实验原图.jpg');figure(1); imshow(I1);title('原图');f=double(I1);g=fft2(f);g=fftshift(g);[M,N]=size(g);nn=2; % 2-grade Butterworth highpass filterd0=15; % 15,30,80其中以15为例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)); % filter transform function%h=1./(1+(d./d0).^(2*n))%h=exp(-(d.^2)./(2*(d0^2)));result(i,j)=(1-h)*g(i,j);endendresult=ifftshift(result);J1=ifft2(result);J2=uint8(real(J1));figure(2);imshow(J2);title('BHPF滤波(d0=15)');(3)高斯高通滤波器:(以D0=15为例):I1=imread('D:\Matlab\project\低通、高通滤波实验原图.jpg'); figure(1); imshow(I1);title('原图');f=double(I1);g=fft2(f);g=fftshift(g);[M,N]=size(g);d0=15;m=fix(M/2); n=fix(N/2);for i=1:Mfor j=1:Nd=sqrt((i-m)^2+(j-n)^2);h=exp(-(d.^2)./(2*(d0^2))); % gaussian filter transformresult(i,j)=(1-h)*g(i,j);endendresult=ifftshift(result);J1=ifft2(result);J2=uint8(real(J1));>> figure(2);>> imshow(J2);title('GHPF滤波(d0=15)');。

频域滤波

频域滤波

一、频域滤波(低通滤波、高通滤波)(一)频域低通滤波器1.实验目的:通过低通滤波器函数模板来处理图像,牺牲图像清晰度为代价来减少干扰效果的修饰过程。

2.实验内容:用不同的低通滤波器对原始图像进行处理并比较。

3.实验原理:1)理想低通滤波器最容易想到的衰减高频成分方法是在一个称为‘截止频率’的位置截断所有的高频成分,将图像频谱中所有高于这一截止的频谱成分设为0,低于截止频率的成分设为保持不变。

能够达到这种效果的滤波器我们称之为理想低通滤波器。

其中,D0表示通带的半径。

滤波器的频率域原点在频谱图像的中心处,在以截止频率为半径的圆形区域之内的滤镜元素值全部为1,而该圆之外的滤镜元素值全部为0.理想低通滤波器的频率特性在截止频率处十分陡峭,无法用硬件实现,这也是我们称之为理想的原因,但其软件编程的模拟实现较为简单。

2)巴特沃斯低通滤波器同样的,D0表示通带的半径,n表示的是巴特沃斯滤波器的次数。

3)高斯低通滤波器D0表示通带的半径。

4.过程与结果:1)对一幅图像用理想低通滤波器结果如图:原图及其频谱图D0=60时理想低通滤波器转移函数的平面图及剖面图D0=160时理想低通滤波器转移函数的平面图及剖面图D0=60时理想低通滤波器的处理结果2) 对一幅图像用巴特沃斯低通滤波器处理,结果如图:D0=100,n=1时理想低通滤波器转移函数的平面图及剖面图D0=100,n=3时理想低通滤波器转移函数的平面图及剖面图D0=100,n=1时理想低通滤波器转移函数的频谱图及结果。

遥感图像处理实验报告_图像的频率域滤波处理

遥感图像处理实验报告_图像的频率域滤波处理

遥感图像处理实验报告(2013 —2014 学年第1学期)实验名称:图像的频率域滤波处理实验时间:实验地点:指导教师:专业班级:姓名:学号:一:实验目的1:掌握滤波器在程序语言中的定义算法2:理解图像的频率域与空间域之间的区别与联系3:在频率域对图像进行处理,达到平滑(低通滤波)与锐化(高通滤波)的目的二:实验内容1:在Matlab中定义滤波器2:对图像进行频率域处理3:对频率域的处理结果,结合第3次实验(空间域处理)结果进行对比,给出评价三:实验代码及Matlab使用心得(注释中)%清屏,清除工作空间,关闭所有绘图窗口clc;clear all;close all;%读取图像,并建立一个窗口,显示原始图像I = imread('C:\Users\浮生\Desktop\大三\Matlab\data\lena.png', 'png')figure(1)imshow(I)title('原始图像')%图像傅立叶变换%fft(X)函数的作用是,返回矩阵X的【二维离散傅立叶变换】结果%fft()函数采用快速傅立叶变换算法,运算结果的行列数与被变换矩阵的规格相同F = fft2(I);%fftshift()函数的功能则是把FFT的DC分量移动到频谱矩阵的中心%在直观上,就是把低频信息移到矩阵中心,便于直观观看图像的频谱F = fftshift(F);%由于FFT的运算结果的数值跨幅过大%直接显示的话只能看到一个小亮点%为了显示的直观,我们需要自行定义灰度显示幅度%在本例中,我们定义显示幅度为0-50000figure(2);imshow(abs(real(F)), [0 50000]);title('频率域图像')%%%%%%定义滤波器之前的准备工作%%%%%[m n] = size(I);%读取图像的规格p = m/2;%定义两个计数器p和qq = n/2;%用以控制滤波器的遍历过程image = zeros(m,n);%%%%%%截止频率为50的理想低通滤波器%%%%%%%低通滤波器,即让频率高于阈值的信号值为0,而在阈值之下的所有信号保持原样%反映在图像操作中,将去除高频信息,达到平滑的效果lowpass_50 = F;for u = 1:mfor v = 1:nif sqrt((u-p)^2 + (v-q)^2) < 50%什么也不做;elselowpass_50(u, v) = 0;endendend%显示频率域图像figure(3);imshow(abs(real(lowpass_50)), [0 50000]);title('频率域图像截止频率为50的理想低通滤波器');%傅立叶逆运算反算图像image = ifftshift(lowpass_50);%还原矩阵image = ifft2(image);%傅立叶逆运算image = abs(real(image));%复数取实部%显示处理结果图像figure(4);imshow(image, []);title('处理结果截止频率为50的理想低通滤波器')%%%%%%截止频率为100的理想低通滤波器%%%%%%lowpass_100 = F;for u = 1:mfor v = 1:nif sqrt((u-p)^2 + (v-q)^2) < 100%什么也不做;elselowpass_100(u, v) = 0;endendend%显示频率域图像figure(5);imshow(abs(real(lowpass_100)), [0 50000]);title('频率域图像截止频率为100的理想低通滤波器'); %傅立叶逆运算反算图像image = ifftshift(lowpass_100);%还原矩阵image = ifft2(image);%傅立叶逆运算image = abs(real(image));%复数取实部%显示处理结果图像figure(6);imshow(image, []);title('处理结果截止频率为100的理想低通滤波器')%%%%%%截止频率为50的理想高通滤波器%%%%%% highpass_50 = F;for u = 1:mfor v = 1:nif sqrt((u-p)^2 + (v-q)^2) < 50highpass_50(u, v) = 0;else%什么也不做;endendend%显示频率域图像figure(7);imshow(abs(real(highpass_50)), [0 50000]);title('频率域图像截止频率为50的理想高通滤波器');%傅立叶逆运算反算图像image = ifftshift(highpass_50);%还原矩阵image = ifft2(image);%傅立叶逆运算image = abs(real(image));%复数取实部%显示处理结果图像figure(8);imshow(image, []);title('处理结果截止频率为50的理想高通滤波器')%%%%%%截止频率为100的理想高通滤波器%%%%%% highpass_100 = F;for u = 1:mfor v = 1:nif sqrt((u-p)^2 + (v-q)^2) < 100highpass_100(u, v) = 0;else%什么也不做;endendend%显示频率域图像figure(9);imshow(abs(real(highpass_100)), [0 50000]);title('频率域图像截止频率为100的理想高通滤波器');%傅立叶逆运算反算图像image = ifftshift(highpass_100);%还原矩阵image = ifft2(image);%傅立叶逆运算image = abs(real(image));%复数取实部%显示处理结果图像figure(10);imshow(image, []);title('处理结果截止频率为100的理想高通滤波器')%%%%%%截止频率为50的巴特沃斯低通滤波器%%%%%% for u = 1:m,for v = 1:nD=sqrt((u-p)^2 + (v-q)^2);Butterworth(u,v)=1/(1+D/50)^(2*2);endend%显示频率域图像figure(11);imshow(abs(real(Butterworth)), []);title('频率域图像截止频率为50的巴特沃斯低通滤波器'); %傅立叶逆运算反算图像image = F.*Butterworth;image = ifftshift(image);image = abs(ifft2(image));%显示处理结果图像figure(12);imshow(image, []);title('处理结果截止频率为50的巴特沃斯低通滤波器')%%%%%%截止频率为50的高斯低通滤波器%%%%%%for u=1:m,for v=1:nD=sqrt((u-p)^2 + (v-q)^2);Gaussian(u,v)=exp(-D^2/(2*50^2));endend%显示频率域图像figure(13);imshow(abs(real(Gaussian)), []);title('频率域图像截止频率为50的高斯低通滤波器'); %傅立叶逆运算反算图像image = F.*Gaussian;image = ifftshift(image);image = abs(ifft2(image));%显示处理结果图像figure(14);imshow(image, []);title('处理结果截止频率为50的高斯低通滤波器');四:实验结果(仅列一例)五:实验心得1:相较空域滤波,频率域滤波的算法复杂度更高。

作业2_图像低通与高通滤波资料

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。

信号与系统 实验指导4 低通高通滤波器(2020·东北大学秦皇岛分校)

信号与系统 实验指导4 低通高通滤波器(2020·东北大学秦皇岛分校)

V i (t)V 0(t)滤波电路实验 4 低通与高通滤波器一、实验目的1. 熟悉低通与高通滤波器的构成及其特性;2. 学会测量滤波器幅频特性的方法。

二、实验原理说明滤波器是一种能使有用频率信号通过而同时抑制(或大为衰减)无用频率信号的电子装置。

工程上常用它作信号处理、数据传送和抑制干扰等。

这里主要是讨论模拟滤波器。

以往这种滤波电路主要采用无源元件 R 、L 和 C 组成,60 年代以来,集成运放获得了迅速发展, 由它和 R 、C 组成的有源滤波电路, 具有不用电感、体积小、重量轻等优点。

此外,由于集成运放的开环电压增益和输入阻抗均很高,输出阻抗又低,构成有源滤波电路后还具有一定的电压放大和缓冲作用。

但是,集成运放的带宽有限,所以目前有源滤波电路工作频率难以做得很高,这是它的不足之处。

基本概念及初步定义 1. 初步定义滤波电路的一般结构如图4—1 所示。

图中的 v 1 (t ) 表示输入信号, v 0 (t ) 为输出信 号。

假设滤波器是一个线形时不变网络, 则在复频域内有: A (s )=Vo(s)/Vi(s)图 4-1 滤波电路的一般结构图式中 A (s )是滤波电路的电压传递函数,一般为复数。

对于实际频率来说(s=jω) 则有:A ( j ω)=│A ( j ω)│ejφ(ω)3-1这里│A ( j ω)│为传递函数的模, φ(ω)为其相位角。

此外,在滤波电路中关心的另一个量是时延τ(ω),它定义为:τ(ω)=- d ϕ(ω)(s ) d ω3-2通常用幅频响应来表征一个滤波电路的特性,欲使信号通过滤波器的失真很小, 则相位和时延响应亦需考虑。

当相位响应φ(ω)作线性变化,即时延响应τ(ω)为常数时,输出信号才可能避免失真。

2.滤波电路的分类对于幅频响应,通常把能够通过的信号频率范围定义为通带,而把受阻或衰减的信号频率范围称为阻带,通带和阻带的界限频率称为截止频率。

理想滤波电路在通带内应具有零衰减的幅频响应和线性的相位响应,而在阻带内应具有无限大的幅度衰减(│A(jω)│=0)。

模拟电路实验四低通和高通滤波电路

模拟电路实验四低通和高通滤波电路

实验:低通和高通滤波电路
一、实验目的
1.熟悉由集成运算放大器组成的低通和高通滤波电路。

2.了解运算放大器在实际应用时应考虑的一些问题。

二、实验设备与器件
要求:根据实际使用设备与器件填写
三、实验原理
图1低通滤波电路
图2高通滤波电路
要求:描述以上两电路的工作原理,以及理论公式
四、实验内容
1.低通滤波电路
(1)按图1联接好此低通滤波电路。

(2)在此电路输入端输入V i=100mV,f=1kHz的方波信号,测量相应的V O,并用示波器观测V O和V i的关系,将观测到的波形及记入图3。

图3低通滤波电路
3.高通滤波电路
(1)按图2联接好此高通滤波电路。

(2)在此电路输入端输入V i=100mV,f=1kHz的正弦波信号,测量相应的V O,并用示波器观测V O和V i的关系,将观测到的波形及记入图4。

图4高通滤波电路。

实验报告4:图像的频域处理

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。

数字图像处理频域滤波与图像变换

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。

高通滤波器实验报告

高通滤波器实验报告

高通滤波器实验报告高通滤波器实验报告引言:在信号处理领域,滤波器是一种常用的工具,用于改变信号的频率特性。

高通滤波器是一种特殊类型的滤波器,它允许高频信号通过而抑制低频信号。

本实验旨在通过搭建高通滤波器电路并进行实际测量,验证其在频率域上的工作原理和性能。

实验步骤:1. 实验准备:准备所需的电子元器件,包括电容、电感和电阻等。

确保实验仪器的正常工作状态,并连接好电路。

2. 搭建高通滤波器电路:根据高通滤波器的电路图,按照正确的连接方式搭建电路。

通常,高通滤波器由一个电容和一个电阻组成,形成一个一阶RC高通滤波器。

3. 测量电路参数:使用示波器和信号发生器,分别测量电路的输入和输出信号。

调整信号发生器的频率,观察输出信号的变化。

4. 绘制频率响应曲线:通过改变信号发生器的频率,测量输出信号的幅度,并将数据记录下来。

根据测量数据,绘制高通滤波器的频率响应曲线。

实验结果:在本实验中,我们搭建了一个一阶RC高通滤波器,并测量了其频率响应。

根据实验数据,我们得到了如下的频率响应曲线:(插入频率响应曲线图)从频率响应曲线可以看出,高通滤波器在低频信号处有较高的衰减,而在高频信号处有较小的衰减。

这是因为高通滤波器的设计目标是抑制低频信号,只允许高频信号通过。

讨论:高通滤波器在实际应用中有着广泛的用途。

例如,在音频处理中,高通滤波器可以用于去除低频噪音,使音频信号更加清晰。

在无线通信中,高通滤波器可以用于抑制低频干扰,提高信号的质量。

此外,高通滤波器还可以与其他滤波器结合使用,构成更复杂的滤波器系统。

通过串联或并联多个滤波器,可以实现更精确的频率特性调节,满足不同的信号处理需求。

结论:通过本实验,我们成功搭建了一个高通滤波器电路,并验证了其在频率域上的工作原理和性能。

高通滤波器的频率响应曲线表明,它能够有效地抑制低频信号,使高频信号通过。

高通滤波器在实际应用中具有重要的意义,能够广泛应用于音频处理、通信系统等领域。

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。

图像的频域处理(低通、高通)

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:。

(光电图像处理实验)实验四、数字图像DFT及频域滤波

(光电图像处理实验)实验四、数字图像DFT及频域滤波

实验四、数字图像DFT 及频域滤波思考题1.试说明数字图像频域滤波的优势。

2.数字图像的频域滤波中,为什么原始图像和对应的滤波器均需要采取补零延拓数据。

3. 若一幅原始图像的尺寸太小,傅立叶变换后的u,v分辨率会较低,可采用什么办法提高其频谱的u,v分辨率。

实验内容1.模型图像的FFT实验实验代码:clc,clear all;%生成中心有72x72白色正方形的二值图像a=zeros(256);fori=256/2-36:256/2+36;j=256/2-36:256/2+36;a(i,j)=1;endsubplot(1,2,1),imshow(a) ,title('原图a')%生成中心有20x20白色正方形的二值图像b=zeros(256);fori=256/2-10:256/2+10;j=256/2-10:256/2+10;b(i,j)=1;endsubplot(1,2,2),imshow(b),title('原图b')% 做出对应的2D频谱图af=fft2(a); %作fft变换maga=abs(af); %取幅度af1=fftshift(maga);% 中心化处理figure,subplot(1,2,1),imshow(af1); title('2D频谱a')%显示处理后图像bf=fft2(b); %作fft变换magb=abs(bf); %取幅度bf1=fftshift(magb);% 中心化处理subplot(1,2,2),imshow(bf1);title('2D频谱b') %显示处理后图像%做出对应的3D频谱图halfs = round(size(af1)/2); ds = 3;figure,[x,y]=meshgrid(-1*halfs(2)+1:ds:halfs(2), -1*halfs(1)+1:ds:halfs(1)) surfl(x,y,af1(1:ds:size(af1,1),1:ds:size(af1,2))),title('3D频谱')分析:当图像为方形的二值图像时,其频谱是二位的sinc函数,图像中心部分变小时,频谱的中心变宽。

图像高通和低通滤波处理.

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。

图像频率域高通滤波器程序设计

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。

数字图像处理实验报告5

数字图像处理实验报告5

实验四:数字图像的频域滤波
1.实验目的
1.掌握傅立叶变换及逆变换的基本原理方法。

2.理解频域滤波的基本原理及方法。

3.掌握进行图像的频域滤波的方法。

2.实验基本原理
1.频域增强
频域增强是利用图像变换方法将原来的图像空间中的图像以某种形式转换到其他空间中,然后利用该空间的特有性质方便地进行图像处理,最后再转换回原来的图像空间中,从而得到处理后的图像。

频域增强的主要步骤是:
选择变换方法,将输入图像变换到频域空间。

在频域空间中,根据处理目的设计一个转移函数,并进行处理。

将所得结果用反变换得到增强的图像。

常用的频域增强方法有低通滤波和高通滤波。

2.高通滤波
由于图像中的细节部分与其高频分量相对应,所以高通滤波可以对图像进行锐化处理。

高通滤波与低通滤波相反,它是高频分量顺利通过,使低频分量受到削弱。

高通滤波器和低通滤波器相似,其转移函数分别为:
1)理想高通滤波器(IHPF)
2)巴特沃斯高通滤波器(BLPF)
3)指数型高通滤波器(ELPF)
图像经过高通滤波处理后,会丢失许多低频信息,所以图像的平滑区基本上会消失。

所以,可以采用高频加强滤波来弥补。

高频加强滤波就是在设计滤波传递函数时,加上一
个大于0小于1的常数c,即:
H′(u,v) =H(u,v)+c
3.实验内容与要求
1.频域高通滤波
1)设计理想高通滤波器或巴特沃斯高通滤波器或高斯高通滤波器,截至频率自选。

2)读出一幅图像,采用设计的滤波器对其进行滤波,滤波后再做反变换,观察不同的
截止频率下采用高通滤波器得到的图像与原图像的区别。

使用频域高通滤波提取图像的细节信息,比较滤波前后的图像频谱。

使用频域高通滤波提取图像的细节信息,比较滤波前后的图像频谱。

数字图像处理实验报告姓名: 学号: 日期:一、实验要求(1)使用频域高通滤波提取图像的细节信息,比较滤波前后的图像频谱。

(2)用matlab读取和显示二、实验代码I=imread('I:\数字图像处理\exp8\伊伽贝拉.jpg'); %读入图像文件if isrgb(I)I=rgb2gray(I); %将彩色图像转化为灰度图endsubplot(421),imshow(uint8(I));title('伊伽贝拉');A0=fft2(I); %对图像进行傅里叶变换B0=15*log(1+abs(A0));subplot(422),imshow(uint8(B0));title('原图像频谱');%图像的频谱图%%A1=fft2(I); %对图像进行傅里叶变换B1=fftshift(A1);[m,n]=size(B1);D0=25;for i=1:mfor j=1:nif(((i-floor(m/2))^2+(j-floor(n/2))^2)<=D0^2)%判断点(i,j)到傅立叶变换中心的距离H=0;elseH=1;endB1(i,j)=H*B1(i,j); %理想高通滤波后的频域表示endendB1=ifftshift(B1); %对B1进行反傅里叶移动B1=real(ifft2(B1));subplot(423),imshow(uint8(B1)); %理想高通滤波title('理想高通滤波');A11=fft2(B1); %对图像进行傅里叶变换B11=15*log(1+abs(A11));subplot(424),imshow(uint8(B11));title('理想高通滤波频谱');%图像的频谱图%%A2=fft2(I);B2=fftshift(A2);[m n]=size(B2); D0=25;for i=1:m;for j=1:n;D=sqrt((i-floor(m/2))^2+(j-floor(n/2))^2);H(i,j)=1/(1+(D0/D)^2);B2(i,j)=H(i,j)*B2(i,j);endendB2=ifftshift(B2);B2=real(ifft2(B2));subplot(425),imshow(uint8(B2)); %巴氏高通滤波title('巴氏高通滤波');A22=fft2(B2); %对图像进行傅里叶变换B22=15*log(1+abs(A22));subplot(426),imshow(uint8(B22));title('巴氏高通滤波频谱');%图像的频谱图%%A3=fft2(I);B3=fftshift(A3);[m n]=size(B3);D0=25;D1=150;for i=1:m;for j=1:n;D=sqrt((i-fix(m/2))^2+(j-fix(n/2))^2);if(D<=D0)H(i,j)=0;else if(D0<D<D1)H(i,j)=(D-D1)/(D0-D1);else if(D>D1)H(i,j)=1;endendendB3(i,j)=H(i,j)*B3(i,j);endendB3=ifftshift(B3);B3=real(ifft2(B3));subplot(427),imshow(uint8(B3)); %梯形高通滤波title('梯形高通滤波');A33=fft2(B3); %对图像进行傅里叶变换B33=15*log(1+abs(A33));subplot(428),imshow(uint8(B33));title('梯形高通滤波频谱');%图像的频谱三、实验结果截图并做分析伊伽贝拉原图像频谱理想高通滤波理想高通滤波频谱巴氏高通滤波巴氏高通滤波频谱梯形高通滤波梯形高通滤波频谱。

  1. 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. 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. 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)。

数字图像处理实验报告
姓名:田蕾 学号:20091202098 专业:信号与信息处理 年级:09
实验四 图像频域高通滤波
一、 实验目的
掌握常用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。

理解图象高通滤波的处理过程和特点。

二、 实验内容
设计程序,分别实现截止频率半径分别为15、30、80理想高通滤波器、二阶巴特沃斯高通滤波器、二阶高斯高通滤波器对图像的滤波处理。

观察处理前后图像效果,分析实验结果和算法特点。

三、 实验原理
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。

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、算法设计(含程序设计流程图)
五、实验结果及分析(需要给出原始图像和处理后的图像)
实验结果分析:(1)理想的高通滤波器把半径为D0的圆内的所有频率完全衰减掉,却使圆外的所有的频率无损的通过。

图像整体变得模糊,边缘和细节比较清晰。

(2)巴特沃思高通滤波器和高斯高通滤波器处理后的图像中只显现边缘,边缘的强度不同,而灰度平滑的区域都变暗了。

附:程序源代码
(1)理想高通滤波器:(以D0=15为例):
I1=imread('D:\Matlab\project\低通、高通滤波实验原图.jpg');
figure(1); imshow(I1);title('原图');
>> f=double(I1); % 转换数据为双精度型
g=fft2(f); % 进行二维傅里叶变换
g=fftshift(g); % 把快速傅里叶变换的DC组件移到光谱中心[M,N]=size(g);
d0=15; %cutoff frequency以15为例
m=fix(M/2); n=fix(N/2);
for i=1:M
for j=1:N
d=sqrt((i-m)^2+(j-n)^2);
if(d<=d0)
h=0;
else h=1;
end
result(i,j)=h*g(i,j);
end
end
result=ifftshift(result);
J1=ifft2(result);
J2=uint8(real(J1));
figure(2);
imshow(J2);title('IHPF滤波(d0=15)') ;
(2)巴特沃斯高通滤波器:(以D0=15为例):
I1=imread('D:\Matlab\project\低通、高通滤波实验原图.jpg');
figure(1); imshow(I1);title('原图');
f=double(I1);
g=fft2(f);
g=fftshift(g);
[M,N]=size(g);
nn=2; % 2-grade Butterworth highpass filter
d0=15; % 15,30,80其中以15为例
m=fix(M/2); n=fix(N/2);
for i=1:M
for j=1:N
d=sqrt((i-m)^2+(j-n)^2);
h=1/(1+0.414*(d/d0)^(2*nn)); % filter transform function
%h=1./(1+(d./d0).^(2*n))
%h=exp(-(d.^2)./(2*(d0^2)));
result(i,j)=(1-h)*g(i,j);
end
end
result=ifftshift(result);
J1=ifft2(result);
J2=uint8(real(J1));
figure(2);imshow(J2);title('BHPF滤波(d0=15)');
(3)高斯高通滤波器:(以D0=15为例):
I1=imread('D:\Matlab\project\低通、高通滤波实验原图.jpg'); figure(1); imshow(I1);title('原图');
f=double(I1);
g=fft2(f);
g=fftshift(g);
[M,N]=size(g);
d0=15;
m=fix(M/2); n=fix(N/2);
for i=1:M
for j=1:N
d=sqrt((i-m)^2+(j-n)^2);
h=exp(-(d.^2)./(2*(d0^2))); % gaussian filter transform
result(i,j)=(1-h)*g(i,j);
end
end
result=ifftshift(result);
J1=ifft2(result);
J2=uint8(real(J1));
>> figure(2);
>> imshow(J2);title('GHPF滤波(d0=15)');。

相关文档
最新文档