内容发布更新时间 : 2024/5/21 23:58:28星期一 下面是文章的全部内容请认真阅读。
数字图像处理试验报告
实验二：数字图像的空间滤波和频域滤波
姓名：XX学号：2XXXXXXX 1.实验目的
1. 掌握图像滤波的基本定义及目的。 2. 理解空间域滤波的基本原理及方法。 3. 掌握进行图像的空域滤波的方法。 4. 掌握傅立叶变换及逆变换的基本原理方法。 5. 理解频域滤波的基本原理及方法。 6. 掌握进行图像的频域滤波的方法。
实验日期：2017 年 4 月 26 日
2.实验内容与要求
1. 平滑空间滤波：
1) 读出一幅图像，给这幅图像分别加入椒盐噪声和高斯噪声后并与前一张图显示在同 一
图像窗口中。 2) 对加入噪声图像选用不同的平滑（低通）模板做运算，对比不同模板所形成的效果， 要
求在同一窗口中显示。 3) 使 用 函 数 imfilter 时 ， 分 别 采 用 不 同 的 填 充 方 法 （ 或 边 界 选 项 ， 如 零 填
充、’replicate’、’symmetric’、’circular’）进行低通滤波，显示处理后 的图像。 4) 运用 for 循环，将加有椒盐噪声的图像进行 10 次，20 次均值滤波，查看其特点, 显
示均值处理后的图像（提示:利用 fspecial 函数的’average’类型生成均值滤 波器）。 5) 对加入椒盐噪声的图像分别采用均值滤波法，和中值滤波法对有噪声的图像做处理， 要
求在同一窗口中显示结果。
6) 自己设计平滑空间滤波器，并将其对噪声图像进行处理，显示处理后的图像。 2. 锐化空间滤波
1) 读出一幅图像，采用 3×3 的拉普拉斯算子 w = [ 1, 1, 1; 1 – 8 1; 1, 1, 1]
对其进行滤波。 2) 编写函数 w = genlaplacian(n)，自动产生任一奇数尺寸 n 的拉普拉斯算子，如 5
×5 的拉普拉斯算子
w = [ 1 1 1 1 1
1 1 1 1 1
1 1 -24 1 1
1 1 1 1 1
1 1 1 1 1]
3) 分别采用 5×5，9×9，15×15 和 25×25 大小的拉普拉斯算子对
进 ?行锐化滤波，并利用式 g(x, y) ??
f (x, y) ? ?2 f (x, y) 完成图像的锐化增强，观察其有何
不同，要求在同一窗口中显示。
4) 采用不同的梯度算子对该幅图像进行锐化滤波，并比较其效果。
5) 自己设计锐化空间滤波器，并将其对噪声图像进行处理，显示处理后的图像； 3. 傅立叶变换
1) 读出一幅图像，对其进行快速傅立叶变换，分别显示其幅度图像和相位图像。仅对
相位部分进行傅立叶反变换后查看结果图像。 2) 仅对幅度部分进行傅立叶反变换后查看结果图像。
3) 将图像的傅立叶变换 F 置为其共轭后进行反变换，比较新生成图像与原始图像的差
异。 4. 平滑频域滤波
1) 设计理想低通滤波器、巴特沃斯低通滤波器和高斯低通滤波器，截至频率自选，分
别给出各种滤波器的透视图。
2) 读出一幅图像，分别采用理想低通滤波器、巴特沃斯低通滤波器和高斯低通滤波器
对其进行滤波（截至频率自选），再做反变换，观察不同的截止频率下采用不同低通 滤波器得到的图像与原图像的区别，特别注意振铃效应。(提示:1)在频率域滤波同 样要注意到填充问题；2）注意到(-1);) 5. 锐化频域滤波
1) 设计理想高通滤波器、巴特沃斯高通滤波器和高斯高通滤波器，截至频率自选，分
别给出各种滤波器的透视图。 2) 读出一幅图像，分别采用理想高通滤波器、巴特沃斯高通滤波器和高斯高通滤波器
对其进行滤波（截至频率自选），再做反变换，观察不同的截止频率下采用不同高通 滤波器得到的图像与原图像的区别。
3.实验具体实现
1. 平滑空间滤波：
（1）.读出一幅图像，给这幅图像分别加入椒盐噪声和高斯噪声后并与前一张图显示在 同一图像窗口中。
img=imread('') figure,subplot(1,3,1); imshow(img);title('原始图像'); img2=imnoise(img,'salt & pepper',; subplot(1,3,2);
imshow(img2); title('椒盐噪声图像'); img3=imnoise(img,'gaussian',; subplot(1,3,3),imshow(img3); title('高斯噪声图像');
实验结果如下：
（2）.对加入噪声图像选用不同的平滑（低通）模板做运算，对比不同模板所形成的效果， 要求在同一窗口中显示。 平滑滤波是低频增强的空间域滤波技术。它的目的有两个，一是模糊，二是消除噪声。将空 间域低通滤波按线性和非线性特点有：线性、非线性平滑滤波器，线性平滑滤波器包括均值 滤波器，非线性的平滑滤波器有最大值滤波器，中值滤波器，最小值滤波器。
代码如下：
img=imread('') img=rgb2gray(img); figure,subplot(1,3,1);
imshow(img);title('原始图像');
img2=imnoise(img,'salt & pepper',;
subplot(1,3,2);imshow(img2);title('椒盐噪声图像'); img3=imnoise(img,'gaussian',;
subplot(1,3,3),imshow(img3); title('高斯噪声图像');
%对椒盐噪声图像进行滤波处理 h=fspecial('average',3); I1=filter2(h,img2)/255; I2=medfilt2(img2,[3 3]);
figure,subplot(2,2,1),imshow(img),title('原图像'); subplot(2,2,2),imshow(img2),title('椒盐噪声图'); subplot(2,2,3),imshow(I1),title('3*3 均值滤波图'); subplot(2,2,4),imshow(I2),title('3*3 中值滤波图'); %对高斯噪声图像进行滤波处理 G1=filter2(h,img3)/255; G2=medfilt2(img3,[3 3]);
figure,subplot(2,2,1),imshow(img),title('原图像'); subplot(2,2,2),imshow(img3),title('高斯噪声图'); subplot(2,2,3),imshow(G1),title('3*3 均值滤波图'); subplot(2,2,4),imshow(G2),title('3*3 中值滤波图');