【正文】 為線性變換、分段線性變換、非線性變換。Walsh Transform矩陣簡單，只有1和－1，矩陣容易產(chǎn)生，有快速算法[1]。因此，對于計算機(jī)來說，要對圖像進(jìn)行處理，并不是一件容易的事情。Russoti提出的自適應(yīng)模糊濾波算子可以較好的保護(hù)圖像細(xì)節(jié)和濾除高斯噪聲，其算法中窗口的大小由鄰域一致性程度決定，該一致性程度由一個模糊邏輯規(guī)則導(dǎo)出。80年代進(jìn)入普及期，此時微機(jī)己經(jīng)能夠承擔(dān)起圖形圖像處理的任務(wù)。這些噪聲的存在直接影響著后續(xù)的處理過程，使圖像失真。這樣對應(yīng)于某些局部區(qū)域的細(xì)節(jié)在計算整幅圖的變換時其影響因為其值較小而常常被忽略掉，從而局部區(qū)域的增強(qiáng)效果常常不夠理想，噪聲濾波和邊緣增強(qiáng)這兩者的矛盾較難得到解決。圖像增強(qiáng)的過程往往也是一個矛盾的過程：圖像增強(qiáng)希望既去除噪聲又增強(qiáng)邊緣。（3） 平滑噪聲有些圖像是通過掃描儀掃描輸入、或傳輸通道傳輸過來的。圖像處理技術(shù)始20世紀(jì)60年代，由于當(dāng)時圖像存儲成本高，處理設(shè)備造價高，因而其應(yīng)用面很窄。其中自適應(yīng)濾波器既能平滑又能保護(hù)邊緣，其基本思想是濾波器的參數(shù)可根據(jù)像素所在的鄰域情況而自適應(yīng)選取，也可描述為加權(quán)平均濾波器，可以較好的平滑噪聲區(qū)域，并能保護(hù)較顯著的邊緣，但對圖像細(xì)節(jié)的保護(hù)較差，該算法對脈沖噪聲敏感，而且模型的性能受參數(shù)的影響比較大。在圖像處理系統(tǒng)中，圖像增強(qiáng)技術(shù)作為預(yù)處理部分的基本技術(shù)，是系統(tǒng)中十分重要的一環(huán)。 離散圖像變換的一般表達(dá)式對于二維離散函數(shù) x=0,1,2,…,M1；y=0,1,2,…,N1 ()有變換對 () u=0，1，2，…，M1 v＝0，1，2，…，N1 ()x=0，1，2，…，M1 y＝0，1，2，…，N1變換核可分離的離散圖像變換表示為： ()如此，二維離散變換就可以用兩次一維變換實現(xiàn)?；邳c運算的灰度變換可表示為： ()其中T被稱為灰度變換函數(shù)，它描述了輸入灰度值和輸出灰度值之間的轉(zhuǎn)換關(guān)系。進(jìn)行變換時，把0255整個灰度值區(qū)間分為若干線段，每一個直線段都對應(yīng)一個局部的線性變換關(guān)系。為了增加變換的動態(tài)范圍，在上述一般公式中可以加入一些調(diào)制參數(shù)，這時的變換公式為： ()式中a，b，c都是可以選擇的參數(shù)，式中f(x,y)+1是為了避免對0求對數(shù)，確保。（2）直方圖反應(yīng)了圖像的整體灰度。直方圖的動態(tài)范圍是由計算機(jī)圖像處理系統(tǒng)的模數(shù)轉(zhuǎn)換器的灰度級決定。它以概率論為基礎(chǔ)，運用灰度點運算來實現(xiàn)，從而達(dá)到增強(qiáng)的目的。當(dāng)r=s=0時，表示黑色；當(dāng)r=s=1時，表示白色；當(dāng)r，s在[0,1]之間時，表示像素灰度在黑白之間變化。另外，采用灰度間隔放大理論的直方圖修正方法也可以減少簡并現(xiàn)象。其中（）的逆過程為，則如果用從原始圖像中得到的均勻灰度級S來代替逆過程中的u，其結(jié)果灰度級將是所要求的概率密度函數(shù)的灰度級： ()根據(jù)以上思路，可以總結(jié)出直方圖規(guī)定化增強(qiáng)處理的步驟如下：（1）將原始圖像進(jìn)行均衡化處理；（2）規(guī)定希望的灰度概率密度函數(shù)，用（）式計算它的累計分布函數(shù)G(z)；（3）將逆變換函數(shù)用到步驟（1）中所得的灰度級。圖像中往往包含有各種各樣的噪聲。設(shè)s含有M個像素，取其平均值作為處理后所得圖像像素點（m，n）處的灰度。（1） 梯度法梯度是圖像處理中最常用的一種一階微分方法。然后，二階差分算子的過零特性，可以使邊緣增強(qiáng)后精確定位。使用空域模板進(jìn)行的圖像處理被稱為空域濾波,模板本身被稱為空域濾波器。這種處理減少了圖像灰度的尖銳化。 pepper39。,3),J)/255。fid = fopen(39。原始圖像39。常用的方法有兩種即為微分法和模板匹配法。39。)J=double(J)。 for i=1:Mfor j=1:N d=sqrt(in1)^2+((in2)^2)。 同態(tài)濾波器把頻率過濾和灰度變換結(jié)合起來的圖像處理方法叫同態(tài)濾波。j=histeq(a)。j=double(a)。j=filter2(h,i)。j=conv2(i,h)。)。3）掌握使用函數(shù)映射增強(qiáng)圖像的方法。要求原圖像灰度范圍0~255,求反后灰度變化范圍255~0。39。subplot(4,2,2),imhist(D)。subplot(4,2,4),imhist(D2)。subplot(4,2,6),imhist(D4)。subplot(4,2,8),imhist(D3)title(39。title(39。3）使用以上給出的平滑濾波模板和conv2函數(shù)對加噪圖像進(jìn)行平滑濾波即降噪，輸出圖像Y1并顯示。J=imnoise(x,39。)。title(39。title(39。1），將X強(qiáng)制類型轉(zhuǎn)換為double。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。Imshow(f1)。J=histeq(f)。title(39。subplot(2,2,4)。實驗內(nèi)容：（1）利用MATLAB為用戶提供的專門函數(shù)實現(xiàn)均值濾波。I=imread(39。title(39。average39。subplot(1,2,2)。b．驗證旋轉(zhuǎn)不變性可以通過將原始數(shù)組的通過移動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。1．驗證二維傅里葉變換的平移性和旋轉(zhuǎn)不變性1）建立一個二維數(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。crop39。)。反變換224。關(guān)于此部分主要的函數(shù)語句是:（1） m=abs(b)。 end endfigure(1)a1=fft2(a)。(x,y)順時針旋轉(zhuǎn)45176。r39。subplot(1,2,2)m0=15*log(m+)surf(m)q=b。figure(3)。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時的理想高通濾波結(jié)果圖和濾波幅度譜圖：圖317R=8時的理想高通濾波結(jié)果圖和濾波幅度譜圖：圖318R=24時的理想高通濾波結(jié)果圖和濾波幅度譜圖：圖像319圖320R=8時的頻譜圖,根據(jù)R的大小來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，濾波后的圖像無直流分量，但灰度的變化部分基本上都保留了；當(dāng)R=8時，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，濾波后的圖像只剩下文字和白條邊緣等信號突變的部分。n=fft2(z)。for x=1:256 for y=1:256 if (x128).^2+(y128).^2r.^2。b=fread(a,[256,256],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。imshow(a)。surf(m0)。一個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。uchar39。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。為了得到幅度譜圖,可以地數(shù)組a進(jìn)行快速傅立葉變換,然后再用Mesh語句便可得到其幅度譜.2）觀察其平移特性。3）若令，重復(fù)以上過程，比較二者幅度譜的異同。title(39。gd=imfilter(J,h)。subplot(1,2,2)。)。（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)。title(39。)。imshow(f)。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)實驗三：圖像增強(qiáng)實驗題目：圖像增強(qiáng)實驗?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。f=imread(‘’)；Figure。3）在Figure NO 1中開設(shè)1*3個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。,0,)。5）在一個圖形窗口中建立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。)。)。增強(qiáng)對比度圖像直方圖39。求反圖像直方圖39。原圖像直方圖39。Ddouble(D/255。要求原圖像灰度范圍0~255,降低對比度后灰度變化范圍0~127。5）熟悉使用histeq函數(shù)進(jìn)行直方圖均衡化,通過實驗結(jié)果理解直方圖均衡化的作用。0,0,0。e:\39。e:\