资源描述：
《数字图像处理课程报告题目.doc》由会员上传分享，免费在线阅读，更多相关内容在应用文档-天天文库。
1、2016年数字图像处理课程报告题目：1、简答：空域滤波：均值滤波器对高斯噪声的滤波效果如何？试分析其中的原因。简述均值滤波器对椒盐噪声的滤波原理，并进行效果分析。中值滤波器对椒盐噪声的滤波效果如何？试分析其中的原因。中值滤波器对高斯噪声和椒盐噪声的滤波结果相同吗？为什么会出现这种现象？使用均值滤波器对高斯噪声和椒盐噪声的滤波结果相同吗？为什么会出现这种现象？答：均值滤波器的滤波原理是：在图像上，对待处理的像素给定一个模板，该模板包括了其周围的邻近像素。将模板中的全体像素的均值来替代原来的像素值的方法。均值滤波
2、器对高斯噪声的滤波结果较好。原因：高斯噪声是幅值近似正态分布，但分布在每点像素上。因为正态分布的均值为0，所以均值滤波可以消除噪声。原理是：均值滤波器对椒盐噪声的滤波结果不好。原因：椒盐噪声是幅值近似相等但随机分布在不同位置上，图像中有干净点也有污染点。因为噪声的均值不为0，所以均值滤波不能很好地去除噪声点。中值滤波器的滤波原理是：在图像上，对待处理的像素给定一个模板，该模板包括了其周围的邻近像素。取模板中排在中间位置上的像素的灰度值替代待处理像素的值，就可以达到滤除噪声的目的。中值滤波器对椒盐噪声的滤波效果
3、较好。原因：椒盐噪声是幅值近似相等但随机分布在不同位置上，图像中有干净点也有污染点。使用中值滤波时，被污染的点一般不处于中值的位置，即选择适当的点来替代污染点的值，所以处理效果好。中值滤波器对椒盐噪声的滤波效果较好，对高斯噪声的处理效果不好。中值滤波器的滤波原理是：在图像上，对待处理的像素给定一个模板，该模板包括了其周围的邻近像素。取模板中排在中间位置上的像素的灰度值替代待处理像素的值，就可以达到滤除噪声的目的。原因：椒盐噪声是幅值近似相等但随机分布在不同位置上，图像中有干净点也有污染点。使用中值滤波时，被污
4、染的点一般不处于中值的位置，即选择适当的点来替代污染点的值，所以处理效果好。高斯噪声是幅值近似正态分布，但分布在每点像素上。找不到干净的点来替代被污染的点，故处理效果不好。均值滤波器对高斯噪声的滤波结果较好，对椒盐噪声的滤波结果不好。均值滤波器的滤波原理是：在图像上，对待处理的像素给定一个模板，该模板包括了其周围的邻近像素。将模板中的全体像素的均值来替代原来的像素值的方法。原因:高斯噪声是幅值近似正态分布，但分布在每点像素上。因为正态分布的均值为0，所以均值滤波可以消除噪声。椒盐噪声是幅值近似相等但随机分布在
5、不同位置上，图像中有干净点也有污染点。因为噪声的均值不为0，所以均值滤波不能很好地去除噪声点。频域滤波：傅里叶变换在图像处理中有着广泛的应用，请简述其在图像的低通滤波和高通滤波中的应用原理。答：图像经过傅里叶变换后，景物的概貌部分集中在低频区段，景物的细节部分集中在高频区段，可以通过图像的高通滤波将图像中景物的概貌提取出来。具体做法是，将傅里叶变换得到频谱图的高频部分强制为0，而将低频部分的信息保持不变，就相当于使用一个只保持低频部分信息不变，而高频信息被完全抑制的低通滤波器作用在原始图像上。将经过这样处理后
6、的频谱进行傅里叶逆变换，就可以得到图像的概貌部分。2、程序设计：设计matlab程序实现对压缩包中的三幅图像做空间域中值滤波和均值滤波，频率域低通和高通滤波。并分析其结果，解释其原因。海胆处理后图片clc;closeall;clearall;img=imread('海胆.jpg');figure;imshow(img);title('中值滤波前的图像');x=img(:,:,1);y=img(:,:,2);z=img(:,:,3);win=[55];X=medfilt2(x,win);Y=medfilt2(y
7、,win);Z=medfilt2(z,win);new_img=cat(3,X,Y,Z);figure;imshow(new_img);title('中值滤波后的图像');雀斑处理后图片：图片滤波clc;closeall;clearall;J=imread('雀斑.jpg');figure(1)imshow(J);title('原图像');K1=filter2(fspecial('average',8),J)/255;%均值滤波figure(2)imshow(K1);title('均值滤波后的图像');K2=
8、medfilt2(J,[8,8]);%中值滤波figure(3)imshow(K2);title('中值滤波后的图像');%巴特沃思低通滤波器f=double(J);k=fft2(f);g=fftshift(k);[N1,N2]=size(g);n=2;d0=25;u0=round(N1/2);v0=round(N2/2);fori=1:N1forj=1:N2d=sqrt((i-u0)^2+(j-v
