【正文】 er2(h,i)。h=[1,1,1。j=conv2(i,h)。j=medfilt2(i)。)。%Sobel算子j=filter2(h,i)。3）掌握使用函數(shù)映射增強(qiáng)圖像的方法。7）熟悉常用空域平滑濾波和銳化濾波模板。要求原圖像灰度范圍0~255,求反后灰度變化范圍255~0。5）在figure（1）中顯示求反圖像、增強(qiáng)對(duì)比度圖像和降低對(duì)比度圖像的圖像與直方圖,并添加標(biāo)注說(shuō)明。39。D=(exp(D*255/10))/255。subplot(4,2,2),imhist(D)。subplot(4,2,3),imshow(D1)。subplot(4,2,4),imhist(D2)。subplot(4,2,5),imshow(D3)。subplot(4,2,6),imhist(D4)。subplot(4,2,7),imshow(D4)。subplot(4,2,8),imhist(D3)title(39。title(39。title(39。在mand window 中運(yùn)行。3）使用以上給出的平滑濾波模板和conv2函數(shù)對(duì)加噪圖像進(jìn)行平滑濾波即降噪，輸出圖像Y1并顯示。39。J=imnoise(x,39。1,2,1。)。Y2=conv2(Y,d2,39。title(39。title(39。title(39。title(39。1），將X強(qiáng)制類型轉(zhuǎn)換為double。其中圖像文件讀入函數(shù)為imread,寫出函數(shù)為imwrite，無(wú)符號(hào)8位整型數(shù)轉(zhuǎn)換為雙精度類型函數(shù)為double，其逆運(yùn)算函數(shù)為uint8。根據(jù)數(shù)字圖像的特性，f即為關(guān)于輸入圖象各像素值的矩陣。title(‘原圖像’)f1=f(:。Imshow(f1)。預(yù)備知識(shí)：（1）熟悉MATLAB圖像輸入輸出操作；（2）熟悉圖像的模板操作；（3）熟悉圖像的頻域變換處理；實(shí)驗(yàn)原理：圖像增強(qiáng)是對(duì)圖像進(jìn)行加工，以得到視覺效果更好或更有用的新圖像。J=histeq(f)。原圖像39。title(39。imshow(J)。subplot(2,2,4)。)。實(shí)驗(yàn)內(nèi)容：（1）利用MATLAB為用戶提供的專門函數(shù)實(shí)現(xiàn)均值濾波。（2）熟悉在MATLAB環(huán)境下對(duì)圖像文件的I/O操作。I=imread(39。gaussian39。title(39。title(39。average39。imshow(J)。subplot(1,2,2)。)。b．驗(yàn)證旋轉(zhuǎn)不變性可以通過(guò)將原始數(shù)組的通過(guò)移動(dòng)45度,然后再比較旋轉(zhuǎn)后與旋轉(zhuǎn)前的頻譜,得出頻譜旋轉(zhuǎn)不變性的結(jié)論。圖37 實(shí)驗(yàn)圖象(a) 圖38 實(shí)驗(yàn)圖象(b)，加深對(duì)頻域圖像增強(qiáng)的理解。1．驗(yàn)證二維傅里葉變換的平移性和旋轉(zhuǎn)不變性1）建立一個(gè)二維數(shù)組并要求該數(shù)組能夠顯示成圖1.a=zeros(128,128)for y=54:74for x=34:94a(x,y)=1。即可,然后再用類似上面的方法畫出圖象和幅度譜.3）驗(yàn)證其旋轉(zhuǎn)不變性。crop39。1）讀出圖片,并生成圖片的數(shù)組.,然后再用語(yǔ)句a=fopen(39。)。(b),便可得到lena的人頭圖片.其次與上面任務(wù)一樣,對(duì)圖片數(shù)組進(jìn)行快速傅立葉變換,然后用mesh()語(yǔ)句畫出他的幅度譜圖,2）進(jìn)行頻域增強(qiáng)的低通濾波部分。反變換224。H(u,v)=1。關(guān)于此部分主要的函數(shù)語(yǔ)句是:（1） m=abs(b)。for x=1:256for y=1:256if (x128).^2+(y128).^2r.^2。 end endfigure(1)a1=fft2(a)。a2=abs(a1)。(x,y)順時(shí)針旋轉(zhuǎn)45176。程序代碼如下（取r=8時(shí)）Clc。r39。)。subplot(1,2,2)m0=15*log(m+)surf(m)q=b。 end endend結(jié)果如下：原圖像及其頻譜圖圖312h2=abs(t)。figure(3)。n=15*log(+abs(n))。其中，取理想高通濾波的半徑R分別為8和24：原圖像及其幅度譜圖：圖316R=2時(shí)的理想高通濾波結(jié)果圖和濾波幅度譜圖：圖317R=8時(shí)的理想高通濾波結(jié)果圖和濾波幅度譜圖：圖318R=24時(shí)的理想高通濾波結(jié)果圖和濾波幅度譜圖：圖像319圖320R=8時(shí)的頻譜圖,根據(jù)R的大小來(lái)決定中心陰影部分的圓的大小,其余部分均是高通濾波的效果.當(dāng)R=2時(shí)，濾波后的圖像無(wú)直流分量，但灰度的變化部分基本上都保留了；當(dāng)R=8時(shí)，濾波后的圖像在文字和圖像邊緣部分的信息仍然保留；當(dāng)R=24時(shí)，濾波后的圖像只剩下文字和白條邊緣等信號(hào)突變的部分。R=88時(shí)的理想低通濾波結(jié)果圖和濾波頻譜圖：圖313R=24時(shí)的理想低通濾波結(jié)果圖和濾波幅度譜圖：圖314R=5時(shí)的理想低通濾波結(jié)果圖和濾波幅度譜圖：圖315.當(dāng)R=5時(shí)，濾波后的圖像很模糊，無(wú)法分辨；當(dāng)R=24時(shí)，濾波后的圖像有些模糊，能分辨出臉上的器官輪廓，但由于理想低通濾波器在頻域的銳截止特性，濾波后的圖像有較明顯的振鈴現(xiàn)象；當(dāng)R=88時(shí)，濾波后的圖像比較清晰，但高頻分量損失后，圖像邊沿與文字變的有些模糊，在圖像的邊框附近仍有振鈴現(xiàn)象。n=fft2(z)。t=ifftshift(t)。for x=1:256 for y=1:256 if (x128).^2+(y128).^2r.^2。figure(1)subplot(1,2,1)imshow(b,[0,255])。b=fread(a,[256,256],39。D:\圖像實(shí)驗(yàn) \img\39。 進(jìn)行頻域的理想低通，同屏顯示原圖、幅度譜圖和低通濾波的結(jié)果圖。 for x=1:128 for y=1:128 b(x,y)=(1).^(x+y).*a(x,y)。imshow(a)。 end endend通過(guò)對(duì)r數(shù)值的改變,和if條件的變化來(lái)實(shí)現(xiàn)不同的低通和高通情況下的濾波. 與fft2(f1)幅度譜的程序如下： Clc。surf(m0)。所得到的結(jié)果恰好與低通濾波相反, 當(dāng)大于X的頻率可以完全不受影響的通過(guò)濾波器,而小于X的則完全不能通過(guò)濾波器。一個(gè)2D理想高通濾波器的轉(zhuǎn)移函數(shù)滿足下列條件H(u,v) H(u,v)=0。正變換F(u,v)224。uchar39。,39。然后比較旋轉(zhuǎn)前后兩幅圖的差別以及其頻率譜和幅度譜的異同。nearest39。為了得到幅度譜圖,可以地?cái)?shù)組a進(jìn)行快速傅立葉變換,然后再用Mesh語(yǔ)句便可得到其幅度譜.2）觀察其平移特性。2）將其與一個(gè)(根據(jù)需要設(shè)計(jì)的)轉(zhuǎn)移的函數(shù)相乘。3）若令，重復(fù)以上過(guò)程，比較二者幅度譜的異同。224。title(39。加入高斯噪聲的圖像39。gd=imfilter(J,h)。)。subplot(1,2,2)。%給圖像加高斯噪聲 subplot(1,2,1)。)。平滑噪聲可以在空間域中進(jìn)行，基本方法是求像素灰度的平均值或中值。（3）編寫頻域理想低通、巴特沃斯低通及高斯低通濾波函數(shù)。本實(shí)驗(yàn)要求用線性平滑濾波、中值平滑濾波、頻域低通濾波的方法進(jìn)行程序設(shè)計(jì)。title(39。均衡化結(jié)果39。)。subplot(2,2,2)。imshow(f)。39。例如輸入的彩色圖像為：圖31 彩色圖像輸入(a) 圖32 灰化之后的圖像(b)實(shí)驗(yàn)三：圖像增強(qiáng)實(shí)驗(yàn)題目：圖像增強(qiáng)實(shí)驗(yàn)?zāi)康模海?）了解圖像增強(qiáng)的內(nèi)容和意義；（2）掌握基于空域的圖像增強(qiáng)方法；（3）掌握基于頻域的圖像增強(qiáng)方法。3)%取彩色圖像的灰度分量。f=imread(‘’)；Figure。使用MATLAB進(jìn)行圖像輸入，可以利用以下簡(jiǎn)單一步：f=imread(‘’)；Figure。3）在Figure NO 1中開設(shè)1*3個(gè)子窗口顯示原始圖像X、低通濾波后圖像X1和高通濾波后圖像X2。)。)。)。)。)。1,5,1。Y1=conv2(J,d1,39。,0,)。Y=double(X)。5）在一個(gè)圖形窗口中建立22子窗口，分別顯示原始圖像X,加噪圖像J,降噪后圖像Y1和邊緣增強(qiáng)圖像Y2。2）使用imnoise函數(shù)對(duì)圖像矩陣X加噪，加噪后圖像矩陣名為J。)。)。)。降低對(duì)比度圖像39。增強(qiáng)對(duì)比度圖像直方圖39。增強(qiáng)對(duì)比度圖像39。求反圖像直方圖39。求反圖像39。原圖像直方圖39。原圖像39。Ddouble(D/255。在figu