内容发布更新时间 : 2024/6/4 1:17:55星期一 下面是文章的全部内容请认真阅读。

实用文档

实验四 图像的傅立叶变换与频域滤波

一、

实验目的

1了解图像变换的意义和手段； 2熟悉傅里叶变换的基本性质； 3熟练掌握FFT方法的应用； 4通过实验了解二维频谱的分布特点；

5通过本实验掌握利用MATLAB编程实现数字图像的傅立叶变换。 6、掌握怎样利用傅立叶变换进行频域滤波 7、掌握频域滤波的概念及方法 8、熟练掌握频域空间的各类滤波器 9、利用MATLAB程序进行频域滤波 二、

实验原理

1应用傅立叶变换进行图像处理

傅里叶变换是线性系统分析的一个有力工具，它能够定量地分析诸如数字化系统、采样点、电子放大器、卷积滤波器、噪音和显示点等的作用。通过实验培养这项技能，将有助于解决大多数图像处理问题。对任何想在工作中有效应用数字图像处理技术的人来说，把时间用在学习和掌握博里叶变换上是很有必要的。

2傅立叶（Fourier）变换的定义

对于二维信号，二维Fourier变换定义为：

F{f(x,y)}?F(u,v)?????f(x,y)e?j2?(ux?vy)dxdy 二维离散傅立叶变换为： F(u,v)?M?1N?11MNx?0y?0???f(x,y)e?j2?(uxM?uyN)

图像的傅立叶变换与一维信号的傅立叶变换变换一样，有快速算法，具体参见参考书目，有关傅立叶变换的快速算法的程序不难找到。实际上，现在有实现傅立叶变换的芯片，可以实时实现傅立叶变换。

3利用MATLAB软件实现数字图像傅立叶变换的程序： I=imread(‘原图像名.gif’); %读入原图像文件

实用文档

imshow(I); %显示原图像

fftI=fft2(I); %二维离散傅立叶变换 sfftI=fftshift(fftI); %直流分量移到频谱中心 RR=real(sfftI); %取傅立叶变换的实部 II=imag(sfftI); %取傅立叶变换的虚部 A=sqrt(RR.^2+II.^2);%计算频谱幅值

A=（A-min(min(A))）/(max(max(A))-min(min(A)))*225; %归一化 figure; %设定窗口 imshow(A); %显示原图像的频谱

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：

?1ifD(u,v)?D0H(u,v)???0ifD(u,v)?D0其中，D0为指定的非负数，D(u,v)为(u,v)到滤波器的中心的距离。D(u,v)?D0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D0处出现截至频率)的传递函数为H(u,v)?11?[D(u,v)D0]2n

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D0处突

然不连续。

高斯低通滤波器(GLPF)的传递函数为

H(u,v)?eD

2(u,v)2?2

实用文档

其中，?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Hlp(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：Hhp?1?Hlp(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

S=fftshift(log(1+abs(F)));%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=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=special('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