资源描述：
《《数字图像处理》作业题目.doc》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。
1、数字图像处理作业班级：Y100501姓名：雷锋学号：000000001一、编写程序完成不同滤波器的图像频域降噪和边缘增强的算法并进行比较，得出结论。频域降噪。对图像而言，噪声一般分布在高频区域，而图像真是信息主要集中在低频区，所以，图像降噪一般是利用低通滤波的方法来降噪。边缘增强。图像的边缘信息属于细节信息，主要由图像的高频部分决定，所以，边缘增强一般采取高通滤波，分离出高频部分后，再和原频谱进行融合操作，达到边缘增强，改善视觉效果，或者为进一步处理奠定基础的目的。1频域降噪，主程序如下：I=imread('lena
2、.bmp');%读入原图像文件J=imnoise(I,'gaussian',0,0.02);%加入高斯白噪声A=ilpf(J,0.4);%理想低通滤波figure,subplot(222);imshow(J);title('加噪声后的图像');subplot(222);imshow(A);title('理想低通滤波');B=blpf(J,0.4,4);%巴特沃斯低通滤波subplot(223);imshow(B);title('巴特沃斯低通滤波');C=glpf(J,0.4);%高斯低通滤波subplot(224);
3、imshow(C);title('高斯低通滤波');用到的滤波器函数的程序代码如下：functionO=ilpf(J,p)%理想低通滤波，p是截止频率[f1,f2]=freqspace(size(J),'meshgrid');hd=ones(size(J));r=sqrt(f1.^2+f2.^2);hd(r>p)=0;y=fft2(double(J));y=fftshift(y);ya=y.*hd;ya=ifftshift(ya);ia=ifft2(ya);O=uint8(real(ia));functionO=bl
4、pf(J,d,n)%巴特沃斯低通滤波器，d是截止频率，n是阶数[f1,f2]=freqspace(size(J),'meshgrid');hd=ones(size(J));r=f1.^2+f2.^2;fori=1:size(J,1)forj=1:size(J,2)t=r(i,j)/(d*d);hd(i,j)=1/(t^n+1);endendy=fft2(double(J));y=fftshift(y);ya=y.*hd;ya=ifftshift(ya);ia=ifft2(ya);O=uint8(real(ia));f
5、unctionO=glpf(J,D)%高斯滤波器，D是截止频率[f1,f2]=freqspace(size(J),'meshgrid');r=f1.^2+f2.^2;Hd=ones(size(J));fori=1:size(J,1)forj=1:size(J,2)t=r(i,j)/(D*D);Hd(i,j)=exp(-t);endendY=fft2(double(J));Y=fftshift(Y);Ya=Y.*Hd;Ya=ifftshift(Ya);ia=ifft2(Ya);O=uint8(real(ia));运行结
6、果如图1所示。从结果可以看出，三种滤波器都可以对图像进行降噪，经滤波器滤波后，图像更噪声部分得到抑制，但是细节部分变得模糊。这是因为，细节信息分布在高频部分，降噪会对图像起到平滑作用，细节部分减弱。2边缘增强，程序如下：J=imread('moon.tif');figuresubplot(121),imshow(J);title('原始图像');[f1,f2]=freqspace(size(J),'meshgrid');r=f1.^2+f2.^2;D=0.3;Hd=ones(size(J));fori=1:size(
7、J,1)forj=1:size(J,2)t=r(i,j)/(D*D);Hd(i,j)=1-exp(-t);%高斯高通滤波endendY=fft2(double(J));Y=fftshift(Y);Ya=Y.*Hd;%高斯高通滤波%Ya=ifftshift(Ya);ia=Y+1.4*Ya;%原始图像频谱加上1.4倍的高频频谱Ya=ifftshift(ia);ia=ifft2(Ya);O=uint8(real(ia));subplot(122),imshow(O);title('边缘增强后的图像');运行结果如下图示：边
8、缘增强采用高斯高通滤波器将高频频谱过滤出来然后乘以1.4倍以后与原图像频谱详加，然后对所得频谱进行反变换得到增强后的图像。也可以采用其他滤波器，比如巴特沃斯滤波器或者理想高通滤波器等。从结果可以看出高频加强后图像细节增强，边缘部分更容易分辨。二、编写程序完成不同锐化方法的图像锐化的算法并进行比较，得出结论。图像锐化可以分为空域和频域锐化两大类，
