【文章內(nèi)容簡介】 3])。 % 巴特沃斯濾波： % 對添加噪聲的圖像進(jìn)行快速傅立葉變換 fft_I_noise_salt_pepper=fft2(double(I_noise_salt_pepper))。 % 移動(dòng)頻譜坐標(biāo)中心到屏幕中心 fftshift(fft_I_noise_salt_pepper)。 % 設(shè)定截止頻率： Dcut=100。 % 計(jì)算巴特沃斯傳遞函數(shù)： [M N]=size(I)。 for u=1:M for v=1:N D(u,v)=sqrt(u^2+v^2)。 BUTTERH(u,v)=1/(1+(sqrt(2)1)*(D(u,v)/Dcut)^2)。 end end % 進(jìn)行巴特沃斯濾波 BUTTERG=BUTTERH.*fft_I_noise_salt_pepper。 % 快速傅立葉逆變換 BUTTERfiltered=ifft2(BUTTERG)。 subplot(3,3,1)。 imshow(J)。 title(39。原始圖像 39。)。 subplot(3,3,2)。 imshow(I)。 title(39?；叶葓D像 39。)。 subplot(3,3,3)。 imshow(I_noise_salt_pepper)。 title(39。加“椒鹽噪聲” (saltamp。pepper)圖像 39。)。 subplot(3,3,4)。 imshow(I_noise_speckle)。 title(39。加“乘性噪聲” (speckle)圖像 39。)。 subplot(3,3,5)。 imshow(I_noise_salt_pepper_average)。 title(39?！敖符}噪聲”圖像 3 3模板均值濾波 39。)。 subplot(3,3,6)。 imshow(I_noise_salt_pepper_med)。 title(39。“椒鹽噪聲”圖像 3 3模板中值濾波 39。)。 subplot(3,3,7)。 imshow(I_noise_speckle_average)。 title(39。“乘性噪聲”圖像 3 3模板均值濾波 39。)。 subplot(3,3,8)。 imshow(I_noise_speckle_med)。 title(39。“乘性噪聲”圖像 3 3模板中值濾波 39。)。 subplot(3,3,9)。 imshow(BUTTERfiltered,map)。 title(39?！敖符}噪聲”圖像經(jīng)“巴特沃斯濾波” 39。)。 48 2022年 5月 27日星期五 實(shí)驗(yàn)方法、步驟 ，分別用“ Sobel算子”、“ Laplacian算子”、“梯形濾波器”對其做銳化處理； ? Matlab下在空間域?qū)D像做銳化處理有兩種方法，對于Matlab提供的算子，可以直接用濾波的方法，對于知道模板矩陣的，也可采取“模板 卷積”的方法。 Matlab提供了“ Sobel算子”，這里采取濾波的方法，對“ Laplacian算子，其模板矩陣為 [0 1 0,1 4 1,0 1 0]， 這里采取“模板 卷積”的方法。 ? Matlab下在頻率域?qū)D像做銳化處理方法與平滑類似。 %實(shí)驗(yàn)三 _3： %用 “ Sobel算子 ” 、 “ Laplacian算子 ” 、 % “梯形濾波器 ” 對圖像做銳化處理 clear。 [I map]=imread(39。39。)。 subplot(2,2,1)。 imshow(I,map)。 title(39。原始圖像 39。)。 I=rgb2gray(I)。 subplot(2,2,2)。 imshow(I,map)。 title(39?；叶葓D像 39。)。 %用 “ Sobel算子 ” 對圖像做銳化處理 H=fspecial(39。sobel39。)。 J=filter2(H,I)。 subplot(2,3,4)。 imshow(J)。 title(39。Sobel算子銳化 39。)。 %用 “ Laplacian算子 ” 對圖像做銳化處理 I=double(I)。 h=[0 1 0,1 4 1,0 1 0] J=conv2(I,h,39。same39。)。 subplot(2,3,5)。 imshow(J)。 title(39。Laplacian算子銳化 39。)。 %“梯形濾波器 ” 對圖像做銳化處理 [M N]=size(I)。 F=fft2(double(I))。 fftshift(F)。 D0=200。 D1=100。 for u=1:M for v=1:N D(u,v)=sqrt(u^2+v^2)。 if D(u,v)D1 TRAPEH(u,v)=0。 elseif D(u,v)=D0 TRAPEH(u,v)=(D(u,v)D1)/(D0D1)。 else TRAPEH(u,v)=1。 end end end TRAPEG=TRAPEH.*F。 TRAPEfiltered=ifft2(TRAPEG)。 subplot(2,3,6)。 imshow(TRAPEfiltered,map)。 title(39。梯形高通濾波 39。)。 50 2022年 5月 27日星期五 圖 34 實(shí)驗(yàn)方法、步驟 ，分別用“灰度級分層法”、“灰度變換法”和“頻域偽彩色處理法”對其進(jìn)行偽彩色增強(qiáng)； ? “灰度級分層法”： Matlab下用 grayslice函數(shù)對灰度圖像進(jìn)行分層，在顯示該分層圖像時(shí)指定顏色模型，就可以對該灰度圖像進(jìn)行彩色顯示，從而達(dá)到偽彩色增強(qiáng)的目的； %Matlab中灰度分層法偽彩色圖象的實(shí)現(xiàn) clear。 I=imread(39。39。)。 imshow(I)。 title(39。原始灰度圖像 39。)。 I=rgb2gray(I)。 X=grayslice(I,24)。 figure,imshow(X,copper(24))。 title(39。24級灰度分層 copper(24)偽彩色圖像 39。)。 52 2022年 5月 27日星期五 圖 35 53 2022年 5月 27日星期五 “灰度變換法”： 讀入一幅灰度圖像，計(jì)算圖像的尺寸，根據(jù)圖像尺寸設(shè)定循環(huán)，逐個(gè)像素進(jìn)行灰度到彩色的轉(zhuǎn)換 (梯形法 )。 ? 當(dāng)像素的灰度值 1/4最高灰度級 (L=256)時(shí)，將其歸到G(綠色 )位平面，并用線性拉伸的方法映射到綠色的0~255區(qū)間； ? 當(dāng)像素的灰度值 1/4最高灰度級，而 1/2最高灰度級時(shí)，將其歸到 B(蘭色 )位平面，并用線性拉伸的方法映射到綠色的 0~255區(qū)間； ? 當(dāng)某像素的灰度值 1/2最高灰度級， 3/4最高灰度級時(shí)，將其歸到 R(紅色 )位平面，并用線性拉伸的方法映射到綠色的 0~255區(qū)間； ? 當(dāng)某像素的灰度值 3/4最高灰度級時(shí)，將其歸到 G(綠色 )位平面，并用線性拉伸的方法映射到綠色的 0~255區(qū)間； ? 將三個(gè)位平面合成為一幅彩色圖像。 %Matlab中灰度變換法偽彩色圖象的實(shí)現(xiàn) clear。 I=imread(39。高對比度：精美高清風(fēng)光壁紙39。)。 %I=rgb2gray(I)。 subplot(1,2,1)。 imshow(I)。 title(39。原始灰度圖像 39。)。 I=double(I)。 [M N]=size(I)。 L=256。 for i=1:N for j=1:M if I(j,i)L/4 R(j,i)=0。 G(j,i)=4*I(j,i)。 B(j,i)=L。 elseif I(j,i)=L/2 R(j,i)=0。 G(j,i)=L。 B(j,i)=4*I(j,i)+2*L。 elseif I(j,i)=3*L/4 R(j,i)=4*I(j,i)2*L。 G(j,i)=L。 B(j,i)=0。 else R(j,i)=L。 G(j,i)=4*I(j,i)+4*L。 B(j,i)=0。 end end end OUT=zeros(M,N,3)。 OUT(:,:,1)=R。 OUT(:,:,2)=G。 OUT(:,:,3)=B。 OUT=uint8(OUT)。 subplot(1,2,2)。 imshow(OUT)。 title(39?；叶确旨墏尾噬珗D像 39。)。 55 2022年 5月 27日星期五 圖 36 56 2022年 5月 27日星期五 “頻域偽彩色處理法”： 讀入一幅灰度圖像，進(jìn)行 FFT變換，分別進(jìn)行低通濾波、帶通濾波、高通濾波，得到三個(gè)獨(dú)立的頻率分量，人為地將它們分別歸屬為 R、 G、 B分量，再分別將 R、 G、 B分量進(jìn)行快速傅立葉逆變換，得到 R、 G、 B三個(gè)位平面，最后將三個(gè)位平面合成為一幅偽彩色圖像。 %Matlab頻域偽彩色圖象的實(shí)現(xiàn) clear。 I=imread(39。風(fēng)景 39。)。 I=rgb2gray(I)。 I=imadjust(I)。 subplot(1,2,1)。 imshow(I)。 title(39。原始灰度圖像 39。)。 I=double(I)。 [M N]=size(I)。 F=fft2(I)。 fftshift(F)。 Red_cut=5。 Green_cut=205。 Blue_center=100。 Blue_width=200。 Blue_u0=。 Blue_v0=。 for u=1:M for v=1:N D(u,v)=sqrt(u^2+v^2)。 Red_L(u,v)=1/(1+(sqrt(2)1)*(D(u,v)/Red_cut)^2)。 Green_H(u,v)=1/(1+(sqrt(2)1)*(Green_cut/D(u,v))^2)。 Blue_D(u,v)=sqrt((uBlue_u0)^2+(vBlue_v0)^2)。 Blue_H(u,v)=11/(1+Blue_D(u,v)*Blue_width/((Blue_D(u,v))^2(Blue_center)^2)^2)。 end End Red=Red_L.*F。 Red_color=ifft2(Red)。 Green=Green_H.*F。 Green_color=ifft2(Green)。 Blue=Blu