最新基于matlab的數(shù)字圖像課程設(shè)計(jì)圖像頻域增強(qiáng)高通濾波器算法設(shè)計(jì)-資料下載頁(yè)
2025-06-19 13:33本頁(yè)面
【正文】 +(jn)^2)/2/sigma2^2)。 gg1(i,j)=gh1*G(i,j)。 gg2(i,j)=gh2*G(i,j)。 endendgg1=ifftshift(gg1)。gg1=uint8(real(ifft2(gg1)))。subplot(4,3,10)。 %顯示sigma=20高斯高通濾波結(jié)果imshow(gg1)。xlabel(39。(j) 高斯高通濾波sigma=2039。)。gg2=ifftshift(gg2)。gg2=uint8(real(ifft2(gg2)))。subplot(4,3,11)。 %顯示sigma=60高斯高通濾波結(jié)果imshow(gg2)。xlabel(39。(k) 高斯高通濾波sigma=6039。)。5 仿真結(jié)果與分析 仿真結(jié)果（1）通過(guò)訪問(wèn)圖片路徑獲取原圖像的矩陣數(shù)據(jù)，并輸出顯示原圖像的灰度圖像， 原圖像（2）設(shè)置截止頻率為20，原始灰度圖像通過(guò)傅里葉變換平移后與理想高通濾波器傳遞函數(shù)相乘，再經(jīng)傅里葉平移與反變換，輸出顯示理想高通濾波結(jié)果，： 理想高通濾波（3）設(shè)置截止頻率為20，原始灰度圖像通過(guò)傅里葉變換平移后與理想高通加強(qiáng)濾波器傳遞函數(shù)相乘，再經(jīng)傅里葉平移與反變換，輸出顯示理想高通加強(qiáng)濾波結(jié)果，： 理想高通加強(qiáng)濾波（4）設(shè)置濾波器為二階巴特沃斯高通濾波器，定義截止頻率為100，原始灰度圖像通過(guò)傅里葉變換平移后與巴特沃斯高通濾波器傳遞函數(shù)相乘，再經(jīng)傅里葉平移與反變換，輸出顯示巴特沃斯高通濾波結(jié)果，： 巴特沃斯高通濾波（5）設(shè)置濾波器為二階巴特沃斯高通濾波器，定義截止頻率為100，原始灰度圖像通過(guò)傅里葉變換平移后與巴特沃斯加強(qiáng)濾波器傳遞函數(shù)相乘，再經(jīng)傅里葉平移與反變換，輸出顯示巴特沃斯高通加強(qiáng)濾波結(jié)果，： 巴特沃斯高通加強(qiáng)濾波（6）定義截止頻率為100，原始灰度圖像通過(guò)傅里葉變換平移后與指數(shù)高通濾波器傳遞函數(shù)相乘，再經(jīng)傅里葉平移與反變換，輸出顯示指數(shù)高通濾波結(jié)果，： 指數(shù)高通濾波（7）定義截止頻率為100，原始灰度圖像通過(guò)傅里葉變換平移后與指數(shù)高通加強(qiáng)濾波器傳遞函數(shù)相乘，再經(jīng)傅里葉平移與反變換，輸出顯示指數(shù)高通加強(qiáng)濾波結(jié)果，： 指數(shù)高通加強(qiáng)濾波（8）定義截止頻率為20，拐點(diǎn)為10，原始灰度圖像通過(guò)傅里葉變換平移后與梯形高通濾波器傳遞函數(shù)相乘，再經(jīng)傅里葉平移與反變換，輸出顯示梯形高通濾波結(jié)果，： 梯形高通濾波（9）定義截止頻率為20，拐點(diǎn)為10，原始灰度圖像通過(guò)傅里葉變換平移后與梯形高通加強(qiáng)濾波器傳遞函數(shù)相乘，再經(jīng)傅里葉平移與反變換，輸出顯示梯形高通加強(qiáng)濾波結(jié)果，： 梯形高通加強(qiáng)濾波（10）定義分布參數(shù)sigma=20，原始灰度圖像通過(guò)傅里葉變換平移后與高斯高通濾波器傳遞函數(shù)相乘，再經(jīng)傅里葉平移與反變換，輸出顯示高斯高通濾波結(jié)果，： 高斯高通濾波sigma=20（11）定義分布參數(shù)sigma=60，原始灰度圖像通過(guò)傅里葉變換平移后與高斯高通濾波器傳遞函數(shù)相乘，再經(jīng)傅里葉平移與反變換，輸出顯示高斯高通濾波結(jié)果，： 高斯高通濾波sigma=60 結(jié)果分析（1），即原圖比較，都濾去了低頻部分，提取出圖像的邊緣信息，使圖像得到銳化處理；（2）由除高斯高通濾波器之外的另外四種高通濾波器的高通濾波結(jié)果與其高通加強(qiáng)濾波結(jié)果比較，加強(qiáng)濾波結(jié)果低頻信息更豐富，同時(shí)又提取出圖像的邊緣信息；（3）高斯高通濾波器分別在sigma=20與sigma=60的濾波結(jié)果相比較，參數(shù)sigma為60的邊緣信息更準(zhǔn)確，卻丟失了一部分高頻信息；（4）通過(guò)比較濾波結(jié)果圖，梯形高通加強(qiáng)濾波收到了更好的視覺(jué)效果。結(jié) 論（1）本次試驗(yàn)所有濾波器均能較好地提取到圖像的邊緣信息，其中；理想高通濾波有明顯的振鈴現(xiàn)象，高地頻率間的過(guò)度比較平滑，而巴特沃斯高通濾波器、梯形高通濾波器以及高斯高通濾波器振鈴不明顯。（2）加入常數(shù)部分后的高通濾波器彌補(bǔ)了低頻信息，使圖像質(zhì)量得到改善，濾波效果優(yōu)于未加常數(shù)的濾波器；（3）高斯高通濾波器sigma值越大，邊緣信息越準(zhǔn)確，但是容易丟失部分高頻信息；（4）本次課程設(shè)計(jì)中的所有濾波結(jié)果中，加入常數(shù)的梯形高通加強(qiáng)濾波結(jié)果效果最好。 參考文獻(xiàn)[1] 龔聲蓉，劉純平，趙勛杰．?dāng)?shù)字圖像處理[M]．北京,清華大學(xué)出版社，2014．P7178[2] 張德豐．詳解MATLAB數(shù)字圖像處理 [M]．北京,電子工業(yè)出版社，2010．P166168[3] 張錚，倪紅霞，苑春苗．精通Matlab數(shù)字圖像處理與識(shí)別[M]．北京,人民郵電出版社，2013．P135139[4] 余成波．?dāng)?shù)字圖像處理及MATLAB實(shí)現(xiàn)[M]．重慶,重慶大學(xué)出版社，2003．P161170[5] 馮艷平，王徽．基于閾值分割和邊緣檢測(cè)的槍支THz圖像識(shí)別[J]．紅外，2011．[6] 肖輝．彩色圖像分割[J]．測(cè)繪科技情報(bào)，2004．P220225[7] 羅志宏，馮國(guó)燦．一種新變方法在圖像分割中的應(yīng)用[J]．計(jì)算機(jī)科學(xué)，2011．P3840[8] 李強(qiáng)．圖像分割中的閾值法研究[J]．銅仁職業(yè)技術(shù)學(xué)院學(xué)報(bào)(自然科學(xué)版)，2008．P2330[9] 王麗．相似背景下的蘋(píng)果圖像分割方法仿真研究[J]．計(jì)算機(jī)仿真，2011．P666822
環(huán)評(píng)公示相關(guān)推薦
鄂ICP備17016276號(hào)-1