长沙微网站开发,公司网站域名注册流程,wordpress模板底部版权怎么修改,大连金州区房价一、实验目的 #xff08;1#xff09;了解图像增强的目的及意义#xff0c;加深对图像增强的感性认识#xff0c;巩固所学的图像增强的理论知识和相关算法。 #xff08;2#xff09;熟练掌握低通、高通、带通、同态滤波器的使用方法#xff0c;明确不同性质的滤波器…一、实验目的 1了解图像增强的目的及意义加深对图像增强的感性认识巩固所学的图像增强的理论知识和相关算法。 2熟练掌握低通、高通、带通、同态滤波器的使用方法明确不同性质的滤波器对图像的影响和作用。 二、实验内容 1选择合适的灰度图像添加随机噪声 2对图像进行低通滤波观察滤波效果 3选择一灰度图像进行高通滤波观察滤波效果 4选择合适的灰度图像进行带通滤波观察滤波效果 5选择合适的数字图像进行同态滤波观察滤波效果 三、实验代码及结果、分析 1选择合适的灰度图像添加随机噪声 代码 Iimread(E:\大三课件\大三下\数字图像处理\实验\实验四\shiyan4.jpg); I1rgb2gray(I); I2imnoise(I1,gaussian,0.03);       %加均值为0方差为0.03的高斯噪声 I3double(I2); fft_Ifft2(I2);         % 二维离散傅立叶变换 shift_Ifftshift(fft_I);    % 直流分量移到频谱中心 [M,N]size(shift_I); mfloor(M/2); nfloor(N/2); figure(1) subplot(1,3,1),imshow(I),title(原图像); subplot(1,3,2),imshow(I1),title(灰度图像); subplot(1,3,3),imshow(I2),title(加入高斯噪声);      %显示有高斯噪声图像 结果分析 用imnoise()函数给图像添加噪声简单的噪声有以下5种类型’gaussian’(高斯白噪声),‘localvar’ (与图象灰度值有关的零均值高斯白噪声)’poisson’(泊松噪声), ‘salt pepper’(椒盐噪声)、’speckle’(斑点噪声)。本题中加入高斯噪声 2选择一灰度图像进行低通滤波观察滤波效果 代码 %低通滤波 level4;%2级巴特沃斯滤波器 2时接近高斯5时接近理想但是数值更大时会有模糊效应 d120; d250;%截止半径 d3300; %巴特沃斯低通滤波 for i1:M for j1:N dsqrt((i-m)^2(j-n)^2); h111/(10.414*(d/d1)^(2*level)); h121/(10.414*(d/d2)^(2*level)); h131/(10.414*(d/d3)^(2*level)); result11(i,j)h11*shift_I(i,j); result12(i,j)h12*shift_I(i,j); result13(i,j)h13*shift_I(i,j); end end result111uint8(real(ifft2(ifftshift(result11)))); result112uint8(real(ifft2(ifftshift(result12)))); result113uint8(real(ifft2(ifftshift(result13)))); %高斯低通滤波 for i1:M for j1:N dsqrt((i-m)^2(j-n)^2); h21exp(-1/2*(d^2/d1^2)); h22exp(-1/2*(d^2/d2^2)); h23exp(-1/2*(d^2/d3^2)); result21(i,j)h21*shift_I(i,j); result22(i,j)h22*shift_I(i,j); result23(i,j)h23*shift_I(i,j); end end result121uint8(real(ifft2(ifftshift(result21)))); result122uint8(real(ifft2(ifftshift(result22)))); result123uint8(real(ifft2(ifftshift(result23)))); figure(2) subplot(2,3,1),imshow(result111),title(巴特沃斯低通滤波d20); subplot(2,3,2),imshow(result112),title(巴特沃斯低通滤波d50); subplot(2,3,3),imshow(result113),title(巴特沃斯低通滤波d300);         subplot(2,3,4),imshow(result121),title(高斯低通滤波d20); subplot(2,3,5),imshow(result122),title(高斯低通滤波d50); subplot(2,3,6),imshow(result123),title(高斯低通滤波d300);        结果分析1.巴特沃斯低通滤波器的传递函数为h1/(10.414*(d/d0)^(2*level)); 高斯低通滤波器的传递函数为 hexp(-1/2*(d^2/d0^2)); d0为截止半径level为巴特沃斯低通滤波器的阶数 滤波器的半径不同时对应的滤波效果也不同半径越小平滑效果越明显但是半径过小会使得图像变得模糊不清%巴特沃斯滤波器 2阶时接近高斯5时接近理想但是数值更大时会有模糊效应 3选择一灰度图像进行高通滤波观察滤波效果 代码 %高通滤波 level4;%2级巴特沃斯滤波器 2时接近高斯5时接近理想但是数值更大时会有模糊效应 d12; d24;%截止半径 d38; %巴特沃斯高通滤波 for i1:M for j1:N dsqrt((i-m)^2(j-n)^2); h111/(10.414*(d1/d)^(2*level)); h121/(10.414*(d2/d)^(2*level)); h131/(10.414*(d3/d)^(2*level)); result11(i,j)h11*shift_I(i,j); result12(i,j)h12*shift_I(i,j); result13(i,j)h13*shift_I(i,j); end end result111uint8(real(ifft2(ifftshift(result11)))); result112uint8(real(ifft2(ifftshift(result12)))); result113uint8(real(ifft2(ifftshift(result13)))); %高斯高通滤波 for i1:M for j1:N dsqrt((i-m)^2(j-n)^2); h211-exp(-1/2*(d^2/d1^2)); h221-exp(-1/2*(d^2/d2^2)); h231-exp(-1/2*(d^2/d3^2)); result21(i,j)h21*shift_I(i,j); result22(i,j)h22*shift_I(i,j); result23(i,j)h23*shift_I(i,j); end end result121uint8(real(ifft2(ifftshift(result21)))); result122uint8(real(ifft2(ifftshift(result22)))); result123uint8(real(ifft2(ifftshift(result23)))); figure(1) subplot(1,3,1),imshow(I),title(原图像); subplot(1,3,2),imshow(I1),title(灰度图像); subplot(1,3,3),imshow(I2),title(加入高斯噪声);         %显示有高斯噪声图像 figure(2) subplot(2,3,1),imshow(result111),title(巴特沃斯高通滤波d20); subplot(2,3,2),imshow(result112),title(巴特沃斯高通滤波d50); subplot(2,3,3),imshow(result113),title(巴特沃斯高通滤波d300);         subplot(2,3,4),imshow(result121),title(高斯高通滤波d20); subplot(2,3,5),imshow(result122),title(高斯高通滤波d50); subplot(2,3,6),imshow(result123),title(高斯高通滤波d300);      结果分析1、巴特沃斯高通滤波器的传递函数为h1/(10.414*(d0/d)^(2*level)); 高斯高通滤波器的传递函数为 h1-exp(-1/2*(d^2/d0^2)); 2、图像的大部分能量集中在低频分量高通滤波会将很多低频分量滤除导致增强图中边缘得到加强但光滑区域灰度减弱变暗甚至接近黑色 3、截止半径越大图像越接近黑色导致图像的轮廓也不太清晰 4选择合适的灰度图像进行带通滤波观察滤波效果 代码 %带通滤波 dl0.5; dh50;%截止半径 for i1:M for j1:N dsqrt((i-m)^2(j-n)^2); if ddl || ddh h0; else h1; end result(i,j)h*shift_I(i,j); end end result1uint8(real(ifft2(ifftshift(result)))); figure(2) subplot(1,2,1),imshow(I2),title(高斯噪声图像); subplot(1,2,2),imshow(result1),title(带通滤波后图像); 结果分析 1、带通滤波器的传递函数为H1 (dlddh), H0(d其他 2、带通滤波器可增强既不是图像中的高频成分也不是低频成分 5选择合适的灰度图像进行同态滤波观察滤波效果 代码 P 2*M; Q 2*N; I2 zeros(P,Q); for i 1:M for j 1:N I2(i,j) I(i,j);  %对图像进行填充 end end I2log(I21);    %取对数 FIfft2(I2);    %傅里叶变换 rL1.0;    %rl越靠近1越亮 rH1.1;     % 可根据需要效果调整参数 rh越大背景越亮 c100;       %锐化参数越大锐化程度越大 D01;  %D0越小越亮 for u1:P for v1:Q D(u,v)sqrt(((u-M).^2(v-N).^2));  %频率域中点uv与频率矩形中心的距离        H(u,v)(rH-rL).*(1-exp(-c.*(D(u,v)^2./D0^2)))rL; %高斯同态滤波 end end Hifftshift(H);  %对H做反中心化 I3ifft2(H.*FI);  %傅里叶逆变换 I4real(I3); result exp(I4(1:M, 1:N))-1;  %截取一部分,取指数 figure(1) subplot(1,3,1),imshow(im),title(灰度图像); subplot(1,3,2),imshow(In),title(高斯噪声图像); subplot(1,3,3),imshow(result),title(同态滤波图像); 结果分析