【文章內容簡介】 。uint839。))39。subplot(2,2,1)imagesc(data)。colormap(gray)。title(39。LENA39。,39。Color39。,39。r39。)。subplot(2,2,2)。imshow(fft2(data))。s=fftshift(fft2(data))。[M,N]=size(s)。%分別返回s的行數(shù)到M中，列數(shù)到N中 n=2。%對n賦初值 %GLPF濾波，d0=5，15，30（程序中以d0=30為例）d0=30。%初始化d0 n1=floor(M/2)。%對M/2進行取整 n2=floor(N/2)。%對N/2進行取整 for i=1:M for j=1:N d=sqrt((in1)^2+(jn2)^2)。%點（i,j）到傅立葉變換中心的距離 h=1*exp(1/2*(d^2/d0^2))。%GLPF濾波函數(shù)s(i,j)=h*s(i,j)。%GLPF濾波后的頻域表示 end end s=ifftshift(s)。%對s進行反FFT移動%對s進行二維反離散的Fourier變換后，取復數(shù)的實部轉化為無符號8位整數(shù) s=uint8(real(ifft2(s)))。subplot(2,2,3)。%創(chuàng)建圖形圖像對象 imshow(s)。p=fftshift(fft2(data))。[M,N]=size(p)。%分別返回p的行數(shù)到M中，列數(shù)到N中 n=2。%對n賦初值 %GLPF濾波d1=30 d1=30。%初始化d1 n3=floor(M/2)。%對M/2進行取整 n4=floor(N/2)。%對N/2進行取整 for i=1:M for j=1:N dd=sqrt((in3)^2+(jn4)^2)。%點（i,j）到傅立葉變換中心的距離 h1=1exp(1/2*(dd^2/d1^2))。%GHPF濾波函數(shù)p(i,j)=h1*p(i,j)。%GHPF濾波后的頻域表示 end end p=ifftshift(p)。%對p進行反FFT移動%對s進行二維反離散的Fourier變換后，取復數(shù)的實部轉化為無符號8位整數(shù) p=uint8(real(ifft2(p)))。subplot(2,2,4)。%創(chuàng)建圖形圖像對象 imshow(p)。180。12256級灰度的數(shù)字圖像（（指紋圖）（顯微醫(yī)學圖像）進行如下處理：（1）對原圖像進行直方圖均衡化處理，同屏顯示處理前后圖像及其直方圖，比較異同，并回答為什么數(shù)字圖像均衡化后其直方圖并非完全均勻分布。異同：由于原圖像中目標物的灰度主要集中于低亮度部分，而且象素總數(shù)比較多，經過直方圖均衡后，目標物的所占的灰度等級得到擴展，對比度加強，使整個圖像得到增強。數(shù)字圖像均衡化后其直方圖并非完全均勻分布的原因：由于原圖像中目標物的灰度主要集中于低亮度部分，而且象素總數(shù)比較少，而所占的灰度等級比較多，因此圖像的對比度比較好，亮度比較大，整體圖像清晰。經過直方圖均衡后，目標物的所占的灰度等級被壓縮，對比度減弱，反而使目標物變的難以辨認。數(shù)字圖像均衡化后，其直方圖并非完全均勻分布，這是因為圖像的象素個數(shù)和灰度等級均為離散值；而且均衡化使灰度級并歸，因此，均衡化后，其直方圖并非完全均勻分布。源代碼： figure(1)。fid=fopen(39。D:39。,39。r39。)。%打開無格式文件 data1=(fread(fid,[128,128],39。uint839。))39。%將打開的文件讀入到data1 subplot(4,2,1)。%將figure(1)分成4*2的8個子窗口, data11=uint8(data1)。imshow(data11)。%圖象顯示title(39。CELL39。,39。Color39。,39。b39。)。%加標題 subplot(4,2,2)。title(39。原圖像直方圖39。)。imhist(data11)。subplot(4,2,3)。%取第二個子窗口data2=uint8(data1)。%將灰度圖象轉換成uint8格式 b=histeq(data2)。%直方圖均衡化imshow(b,256)。%顯示均衡化圖象,256可缺省 title(39。均衡化39。,39。Color39。,39。b39。)。subplot(4,2,4)。imhist(b)。title(39。均衡化后圖像直方圖39。)。subplot(4,2,5)fid=fopen(39。d:39。,39。r39。)。%打開無格式文件data3=(fread(fid,[128,128],39。uint839。))39。%將打開的文件讀入到data3 data31=uint8(data3)。%將灰度圖象轉換成uint8格式 imshow(data31)。%顯示灰度圖象 title(39。FING39。,39。Color39。,39。b39。)。subplot(4,2,6)imhist(data31)。title(39。原圖像直方圖39。)。subplot(4,2,7)。data4=uint8(data3)。%將灰度圖象轉換成uint8格式 d=histeq(data4)。%直方圖均衡化imshow(d,256)。%顯示均衡化圖象,256可缺省 title(39。均衡化39。,39。Color39。,39。b39。)。subplot(4,2,8)。imhist(d)。title(39。均衡化后原圖像直方圖39。)。（2）對原圖像加入高斯噪聲，用4鄰域平均法平滑加噪聲圖像（圖像四周邊界不處理，下同），同屏顯示原圖像、加噪圖像和處理后的圖像。① 不加門限；② 加門限 T=2f(m,n)，（其中f(m,n)=1N2229。229。f(i,j)）ij源代碼： % CELL figure(2)。fid=fopen(39。D:39。,39。r39。)。%打開無格式文件data1=(fread(fid,[128,128],39。uint839。))39。%將打開的文件讀入到data1 I=uint8(data1)。I1=imnoise(I,39。gaussian39。)。%加乘性噪聲 H1=[0 1 0。1 0 1。0 1 0]/4。%44領域模板 J=imfilter(I,H1)。%領域平均subplot(2,4,1),imshow(I)。%顯示圖像I title(39。原圖像39。)。subplot(2,4,2),imshow(I1)。title(39。加噪聲后圖像39。)。subplot(2,4,3),imshow(J)。%不加門限平滑 title(39。不加門限平滑后圖像39。)。%加門限后濾波T= 2*sum(I1(:))/128^2。im_T = zeros(128,128)。for i = 1:128for j = 1:128if abs(I1(i,j)J(i,j))Tim_T(i,j)= J(i,j)。elseim_T(i,j)= I1(i,j)。endend end subplot(2,4,8)。imshow(im_T)。title(39。加門限后39。)。4.（1）用Laplacian銳化算子（分a=1和a=2兩種情況）對256180。256大小、256級灰度的數(shù)字圖像lena進行銳化處理，顯示處理前、后圖像。源代碼：%laplacian算子銳化I=imread(39。D:39。)。% 讀入原圖像 figure(1)。subplot(1,3,1)。imshow(I)。title(39。原始圖像39。)。L=fspecial(39。laplacian39。)。L1=[01 0。1 51。01 0]。L2=[02 0。2 92。02 0]。LP1=imfilter(I,L1,39。replicate39。)。% α=1時的拉普拉斯算子 LP2=imfilter(I,L2,39。replicate39。)。% α=2時的拉普拉斯算子subplot(1,3,2)。imshow(LP1)。title(39。Laplacian算子α=1銳化圖像39。)。subplot(1,3,3)。imshow(LP2)。title(39。Laplacian算子α=2銳化圖像39。)。（2）若令g1(m,n)=f(m,n)a209。2f，g2(m,n)=4af(m,n)a[f(m1,n)+f(m+1,n)+f(m,n1)+f(m,n+1)+f(m,n1)+f(m,n+1)]則回答如下問題：① f(m,n)、g1(m,n)和g2(m,n)之間有何關系？ ② g2(m,n)代表圖像中的哪些信息？ ③ 由此得出圖像銳化的實質是什么？①因為g2(m,n)=a209。2f(m,n)，所以f(m,n)、g1(m,n)和g2(m,n)之間有以下關系：g1(m,n)=f(m,n)+g2(m,n)②g2(m,n)代表了原圖像中的二階梯度信息；g1(m,n)是邊緣增強后的數(shù)字圖像； ③由此可以得出：圖像銳化的實質是將原圖像與梯度信息疊加（梯度信息所占的比例由，相當于對目標物的邊緣進行了增強。a的大小決定，a值越大則梯度信息所占的比例越大）、Prewitt和Sobel邊緣檢測算子，對256180。256大小、256級灰度的數(shù)字圖像lena進行邊緣檢測，顯示處理前、后圖像。圖像：源代碼：I=imread(39。D:39。)。% 讀入原圖像 figure(1)%Roberts梯度法銳化subplot(2,2,1)。imshow(I)。title(39。原始圖像39。)。J=double(I)。[IX,IY]=gradient(J)。%計算梯度 A=sqrt(IX.*IX+IY.*IY)。subplot(2,2,2)。imshow(A,[])。title(39。Roberts梯度法銳化圖像39。)。%Prewitt算子銳化S=imfilter(I,fspecial(39。Prewitt39。))。subplot(2,2,3)。imshow(S)。title(39。Prewitt算子銳