【導(dǎo)讀】典型設(shè)計(jì)和完全設(shè)計(jì)等方法。把模擬濾波器轉(zhuǎn)換成數(shù)字濾波器。海明窗設(shè)計(jì)的濾波器下降斜度較小。本文利用不同的濾波器研究了MATLAB環(huán)境下的圖像處理技術(shù)。對圖像的過渡失真進(jìn)行了補(bǔ)償。本文還對一幅加噪聲婚紗照片的去噪效果進(jìn)行了研究。果證明，用小波變換的方法進(jìn)行去噪，圖像處理效果更佳。分廣泛的應(yīng)用1n[2]。目前，數(shù)字信號濾波器的設(shè)計(jì)圖像處理、數(shù)據(jù)壓縮。等方面的應(yīng)用取得了令人矚目的進(jìn)展和成就。近年來迅速發(fā)展起來的的。是在圖像壓縮、圖像去噪等方面的應(yīng)用研究，受到了越來越多的關(guān)注[3H6]。提供了-個(gè)直觀、高效、便捷的利器。它以矩陣運(yùn)算為基礎(chǔ)，把計(jì)算、可視化、程序設(shè)計(jì)融合到了一個(gè)交互式的工作環(huán)境中。發(fā)展提供了有力的工具！圖像去噪進(jìn)行了一些粗淺的嘗試。濾波器是指用來對輸入信號進(jìn)行濾波的硬件和軟件?；蛘邽V除某些頻率成分的器件。輕、靈活、不要求阻抗匹配等優(yōu)點(diǎn)。富而簡便的設(shè)計(jì)，使原來繁瑣的程序設(shè)計(jì)簡化成函數(shù)的調(diào)用。只要以正確的指標(biāo)參

　　

【正文】 加入噪聲： x n z x + r a n d n ( s i z e ( t ) ) 。 濾波器的階數(shù)： n = 9 0 。 f = [ 0 0 . 1 2 0 . 1 3 0 . 1 5 0 . 1 6 0 , 2 2 0 . 2 3 0 . 2 5 0 . 2 6 1 ] 。 m 1 0 0 1 1 0 0 1 1 0 0 ] 。 b f i r l s ( n , f , m ) 。 濾波器的幅頻特性如圖 4 . 5 . 1 所示： 用濾波器對 xn 進(jìn)行濾波 : x o = f i l t e r ( b ， l ， x n ) 。 圖 4 . 5 . 2 是濾波信號和原信號的比較： 歸一化頻率 濾波器的幅頻特性 圖 4, 濾波后各信號比較 第五章濾波器在數(shù)字圖像處理中的應(yīng)用 數(shù)字圖像處理是指利用計(jì)算機(jī)及其它有關(guān)數(shù)字技術(shù)，對圖像施加 某種運(yùn)算和處理，從而達(dá)到預(yù)想的目的。例如，使褪色模糊了的照片 重新變清晰；從醫(yī)學(xué)顯微圖片中提取有意義的細(xì)胞特征等。 MATLAB 中圖像處理工具箱給數(shù)字圖像處理領(lǐng)域的研究和工程應(yīng)用提供了有力 的工具。 167。 對圖像進(jìn)行亮度和對比度的矯正 圖 是一張無錫馬山園林的風(fēng)景照片，我們使用了 MATLAB 數(shù)字信號處理工具箱中的函數(shù)對這張圖像進(jìn)行修正，取得了不同的效 讀入圖像，對圖像的大小進(jìn)調(diào)整： a=imread(39。00 00 0021 .jpg39。,39。jpg39。)。 al =imresize(a, 5,nearest39。)。 將 RGB 圖像轉(zhuǎn)換成灰度圖像，轉(zhuǎn)換成雙精度型并進(jìn)行歸一化 bl=rgb2gray(al)。 b2=double(bl)/255。 原始圖像見圖 : 圖 無錫園林照片原始圖像 對原圖增加對比度增加亮度 ^假定原圖像的灰度級范圍是 [a b]， 變換后圖像的灰度級范圍至 [m n],那么用下述線性變換可以實(shí)現(xiàn)這一 目的： [(n m)/(ba)]ff(x,y)a] + m， af(x,y)b g(x,y) = ? m ， f(x， y)a , n , f(x,y)b 將原圖像的灰度級從 [0 ]調(diào)整到 [0 1],増加了對比度和亮度： b6=imadjust(b2,[0 ],[0 1])。 調(diào)整后的圖像如圖 ,從圖中可以看出，圖像效果有了一定的 改善。 圖 增強(qiáng)了對比度和亮度后的圖像 后來我們用非銳化對比度增強(qiáng)的方法對修正后的圖像再進(jìn)行了處 理，取得了不同的效果。 非銳化對比度增強(qiáng)濾波并調(diào)整亮度： h=fspecial(39。un sh a rp 39。)。 c=fi l t er2(h,b6)。 cl =(cmi n (min(c)))/(ma x(max (c)) mi n(mi n(c)))。 c2=i ma d just(cl:[ ]， [0 1])。 修正后的圖像如圖 。 圖 非銳化對比度增強(qiáng)濾波結(jié)果圖 函數(shù) H=fspecial(39。unsharp39。,alpha) 返冋一個(gè) 3X3 的模糊對比度 增強(qiáng)濾波器 H,返回的 H 常用來參與運(yùn)算，參數(shù)insharp1 的算法為 a a — 1 a a1 a — 5 a1 a a 1 — a alpha 參數(shù)的取值在 0 和 1 之間，它的缺省值為 ^ 注意點(diǎn)： J=imadjust(]?[Iow high],[bottom top]?gamma) imadjust 函數(shù)將灰度 圖像 I轉(zhuǎn)換成灰度圖像 J，使值從 low 到 high 與從 bottom 到 top 相匹 配，值大于 high 或小于 low 的被剪去，即小于 low 的值與 bottom 相匹 配，大于high 的值與 top 相匹配。使用該函數(shù)時(shí)可將 [low high]、 [bottom top]指定為空矩陣。此時(shí)缺省值為 [0 1]。 Gamma 用來指定描述 I 和 J 值 關(guān)系曲線的形狀； gammal 時(shí)，越亮輸出值越加強(qiáng)； gammal 時(shí) t 越 売輸出值越減弱；缺省 gamma=l，表示線性變換。 B=imresize(A,[mrows mcols],method)使用指定的插值方法，調(diào)整 圖像的大小，返回大小為 mrows Xxneols 的圖像 插值方法 method 包 括：Nearest’：最近鄰域插值（缺省值）；’ bilinear’：雙線性插值 ?！?bicubic’ a + 1 雙立方插值。 B=imresize(A,m,method)返回圖像。其大小為原來的 m 倍。如果 m 在 0 到1 之間，則 B 比 A 小，如果 m 大于 1,則 B 比 A 大。 Y=filter2(B， X) 使用矩陣 B 中的二維 FIR 濾波器對數(shù)據(jù) X 進(jìn)行 濾波。結(jié)果 Y 是通過二維互相關(guān)計(jì)算出來的，其大小與 X— 樣。 167。 對圖像進(jìn)行噪聲濾波 如圖 是對用圖像處理工具箱中的函數(shù)對一幅照片加噪和去噪 的效果比較。 讀入圖像并調(diào)整圖像的大?。? a=imread(39。39。,39。jpg39。)； a l = imresize(a,39。nearest39。)。 將 RGB 圖像轉(zhuǎn)換成灰度圖像： I=rgb2gray(al)。 加入椒鹽噪聲： Jl = imnoise(I,39。salt amp。 pepper39。,)。 加入高斯噪聲： J2=imnoise(I,gaussian39。,0,)。 對椒鹽噪聲圖像中值濾波： J=medfilt2(Jl)。 對 gaussian 噪聲圖像中值濾波： J=medfilt2(J2,[2 3])。 對椒鹽噪聲圖像狀態(tài)濾波： J=oi39。dfilt2(J 1,5,ones(3,4))。 對 gaussian 噪聲圖像狀態(tài)濾波： J=ordfilt2(J2,5,ones(3,4))。 對 gaussian 噪聲圖像自適應(yīng)濾波： J=wiener2(J2,[3 4])。 ： ,fliAUit *1 嚕 I* ft?的 W ft 171。*0 V _ Jin IMIMMtJIO i* 似 1 道’從成 i in 晷 c itftiw 物 f 只 jk w 灶啪戶 nt , 軸 1C01E92C0SE4 4i d39。*9 .■ 39。! m fcMc *?i= n % 5 圖 對圖像進(jìn)行加噪以及去噪的圖像顯示 注意點(diǎn)： B=imnoise(A，’ salt amp。pepper’， d) 在圖像中加入均值為 d 序 “椒鹽” 黑白像素點(diǎn)噪聲。缺省強(qiáng)度為 。 B=rimnoise(A,39。gaussian39。,m,v) 在圖像 A 中加入均值為 m’ 方 差為 v 的高斯白噪聲《缺省值均值為 0,方差為 的噪聲。 B=medfilt2(A。[m n])。 二維中值濾波器函數(shù)。中值濾波所用的窗 口大小為[mn]，即以輸入圖像各點(diǎn)為中心的 mxn 鄰域的中值作為輸出 圖像該點(diǎn)處的像素值。 medfilt2 在圖像邊緣補(bǔ) 0。 [m n]缺省進(jìn)按 [3 3] 窗口進(jìn)行二維中值濾波 ^ Y=ordfilt2(X,order,domain) 由 domain 中非 0 元素指定鄰域的 排序集中的第 order 個(gè)元素代替 X 中的每個(gè)元素。 Domain 是一個(gè)僅包 括 0 和 1 的矩陣， 1 定義濾波運(yùn)算的鄰域。 wiener2 函數(shù)可對含有恒定能量添加性噪聲的強(qiáng)度圖像進(jìn)行低通 濾波。根據(jù)各像素局部鄰域的 統(tǒng)計(jì)進(jìn)行像素式自適應(yīng)濾波，即 wiener2 函數(shù)估計(jì)每個(gè)像素的局部均值與方差： M =丄 Sa(ni=n2) mn (n|,n3)eii o2=丄 ^a2(npn3)m2 ml1 (丨 其中， n 為圖像中每個(gè)像素的 mxn 局部鄰域，維納濾波估計(jì)式為 C72 V2 b(n,n2) = n + — ^[a(n15n,)n] CT 其中 V 2 為噪聲方差，如果沒有給出，則自動(dòng)以所有局部估計(jì)的方 差的均值代替。 J=wiener2(I,[m n],noise)使用 mxn 大小鄰域局部圖像均值與偏 差，采用像素式自適 應(yīng)濾波器對圖像 I 進(jìn)行濾波。 m、 n 的缺省值為 3。 第六章 二維小波分析用于數(shù)字圖像的消噪 小波變換的函數(shù)在 MATLAB 中是在小波工具箱中提供的，與小波 變換相比較， fourier 分析的不足之處在于：它在將時(shí)域信號轉(zhuǎn)換成頻 域信號后，時(shí)域信息則失去了，通過這種變換，不能確知事件發(fā)生的 時(shí)間，而大多數(shù)信號含有趨勢、突變、事件的開始和結(jié)束等特征， fourier 分析在檢測它們時(shí)便顯得無能為力。小波分析的主要優(yōu)點(diǎn)就是提供了 時(shí)域局部分析和細(xì)化的能力。小波分析可以揭示出其它信號分析方法 所丟失的數(shù)據(jù)信息，如趨勢、斷點(diǎn)、高階導(dǎo)數(shù)不連續(xù)等。與傳統(tǒng)的信 號分析技術(shù)相比，小波分析還能在沒有明顯損失的情況下，對信號進(jìn) 行壓縮和消噪。在圖像處理中利用小波變換去除圖像中的噪聲是一種 很有效的方法。下面是對上一章中的圖像用小波變換的方法進(jìn)行消噪， 取得了較好的效果。 圖像文件讀入： a=imread(39。jr01 39。,39。jpg39。)。 a 1 ~imresi2： e(a5 0,2,39。nearest39。)。 MATLAB 小波工具箱只能處理線性、單調(diào)顏色圖的索引圖像，這 些圖像也可以是灰度級圖像。對于非索引 圖像，要將其轉(zhuǎn)換為索引圖 像。 [x， map]=rgb2ind(a 1,256)。 如果索引圖像的顏色條是平滑、單調(diào)的，可以對索引圖像直接應(yīng) 用小波變換。否則，索引圖像就必須進(jìn)一步處理。本圖顏色條不是平 滑、單調(diào)的。需要轉(zhuǎn)換索引圖像為灰度級圖像：。 將 unit8 格式的 x 轉(zhuǎn)換成雙精度格式 Y: Y^double(x)。 分開索引圖像中的 RGB 成分： R=map(Y+I,3)。 R=reshape(R， size(Y))。 G=map(Yf 1,2)。 G = reshape(Gsize(Y))。 B=map(Y + l ,3)。 B=reshape(B’ size(Y))。 采用三種顏色成分的標(biāo)準(zhǔn)色感權(quán)重’將 RGB 矩陣轉(zhuǎn)換成灰度級亮 度圖像： xgray=*R+*G+0,1140*B。 將灰度級亮度圖像轉(zhuǎn)換成為 256 級灰度級的索引圖像’并產(chǎn)生一 個(gè) 256級灰度新的顏色圖。 n=256。 Z=round(xgray*(n1))+1。 map2=gray(n)。 轉(zhuǎn)換后的灰度級顏色從暗至亮線性、平滑變化，可適用于小波分 解 產(chǎn)生隨機(jī)噪聲 init=2788605826。 randfseed39。init)。 給圖像加入噪聲： Znoise=Z+38*(rand(size(Z)))。 求出去噪聲的缺省值： [thr， sorh， keepapp]=ddencmp(_denVwv 丨， Znoise)。 使用小波去噪函數(shù)對圖像去噪，使用 syni5 小波，全局門限值： Zdenoisewdencmpfgbl^Znoise，丨 symS39。J’ thr’ sorh’ keepapp)。 運(yùn)行結(jié)果如圖 。從圖中顯示的結(jié)果來看，使用小波分析的方 法來消噪，比上一章中使用圖像處理工具箱中的函數(shù)消噪， 小波分析 可以取得更好的效果。 r _ ■ 1 j ■ “■ L ^ * JTJi . ^Sml, im ： fr ?m ?m M , 50 ■ DO 15Q 330 rj) ： 1lli 350 JOC 用二維小波變換進(jìn)行圖像去噪 第七章 總結(jié) MATLAB 信號處理工具箱（ signa〗 processing)、圖像處理（ image processing)工具箱、小波（ wavelet)等工具箱可以很好地 設(shè)計(jì)和實(shí)現(xiàn) 數(shù)字濾波，為數(shù)字濾波、信號處理、圖像處理等方面的研究提供了有 力的工具。 本文研究了基于 M A T L A B 下的 I I R 和 F I R 濾波器的設(shè)計(jì)實(shí)現(xiàn)、進(jìn) 行了數(shù)字信號處理、數(shù)字圖像處理中的濾波器設(shè)計(jì)，對數(shù)字圖像分別 進(jìn)行了增加對比度和非銳化濾波處理，取得了不同的效果。最后我們 利用了小波變換濾波器實(shí)現(xiàn)了數(shù)字圖像的去噪。比較而言，利用小波 變換去噪在保持原有信號的能量、去噪的效果等方而都有更好的效果 在此基礎(chǔ)上，我們還可以進(jìn)一步地幵發(fā)利用 M A T L A B 工具，特別 是小波變換工具進(jìn)行數(shù)字信號的處理、數(shù)字圖像壓縮等到方面的研究。