【正文】 。[m,n]=size(A)。block_size=5。k = floor(block_size/2)。A2 = zeros(m+2*k,n+2*k)。A2(k+1:m+k,k+1:n+k)= A(1:m,1:n)。%four corners A2(1:k,1:k)= A(1,1)。% Upper left (1:k,n+k+1:n+2*k)= A(1,n)。% Upper right (m+k+1:m+2*k,1:k)= A(m,1)。% Lower left (m+k+1:m+2*k,n+k+1:n+2*k)= A(m,n)。% Lower right corner.% four sides for i = 1:kA2(i,k+1:n+k)= A(1,1:n)。% (m+k+i,k+1:n+k)= A(m,1:n)。% (k+1:m+k,i)= A(1:m,1)。% (k+1:m+k,n+k+i)= A(1:m,n)。% 。B=zeros(m,n)。B0=zeros(1,9)。B1 = zeros(1,block_size^2)。for i = 1:m for j = 1:nk = floor(block_size/2)。B1= reshape(A2(i:i+2*k,j:j+2*k),1,block_size^2)。B0=[B1(3)B1(8)B1(11)B1(12)B1(13)B1(14)B1(15)B1(18)B1(23)]。B0= sort(B0)。block_median = B0(5)。B(i,j)=block_median。end。end。figure,imshow(B)。title(39。5X5十字變換后圖像39。)。imwrite(B,39。39。)。實驗四圖像空域銳化增強(qiáng)（2學(xué)時）一、實驗?zāi)康倪M(jìn)一步加深理解和掌握圖像銳化的的概念，掌握常用空域銳化增強(qiáng)技術(shù)。觀察和理解圖像銳化處理對加強(qiáng)圖像中的目標(biāo)邊緣和圖像細(xì)節(jié)的作用。理解圖象銳化增強(qiáng)的處理過程和特點。二、實驗內(nèi)容一階微分銳化增強(qiáng)設(shè)計程序，分別實現(xiàn)Roberts、Sobel、Priwitt算子的銳化處理。觀察處理前后圖象效果，分析實驗結(jié)果和算法特點。拉普拉斯銳化增強(qiáng)設(shè)計程序，實現(xiàn)拉普拉斯圖像和原始圖像疊加的增強(qiáng)處理，即觀察處理前后圖像效果，分析實驗結(jié)果和算法特點。三、實驗原理：圖像銳化技術(shù)的基本方法是對圖像進(jìn)行微商處理，并且將運算結(jié)果與原圖像疊加。圖像的梯度模值反映了圖像灰度變化的速率，它包含了邊緣及細(xì)節(jié)信息。我們可以梯度模值的計算作為算子，這個算子稱為梯度算子。常用的有Roberts、Sobel、Priwitt、Laplace等算子。四、實驗要求：按統(tǒng)一規(guī)定的實驗報告格式提交報告。應(yīng)包含程序清單，處理前后的圖像特征比較及編程的心得體會（指編程過程中的難點及如何克服它的）。實驗四代碼 function B=move_mask1(filename,B1,B2)R=imread(filename)。R1=rgb2gray(R)。[m,n]=size(R1)。R2=zeros(m+2,n+2)。R2(2:m+1,2:n+1)= R1(1:m,1:n)。R2(1,1)= R1(1,1)。R2(1,n+2)= R1(1,n)。R2(m+2,1)= R1(m,1)。R2(m+2,n+2)= R1(m,n)。R2(1,2:n+1)= R1(1,1:n)。R2(m+2,2:n+1)= R1(m,1:n)。R2(2:m+1,1)= R1(1:m,1)。R2(2:m+1,n+2)= R1(1:m,n)。D0=zeros(3,3)。D1=zeros(m,n)。B= zeros(m,n)。for i = 1:m。for j = 1:n。D0 = R2(i:i+2,j:j+2)。C1=B1.*D0。C2=B2.*D0。D1(i,j)=abs(sum(sum(C1)))+abs(sum(sum(C2)))。B(i,j)=D1(i,j)。end。end。 function B=move_mask2(filename,B1)R=imread(filename)。[m,n]=size(R)。R2=zeros(m+2,n+2)。R2(2:m+1,2:n+1)= R(1:m,1:n)。R2(1,1)= R(1,1)。R2(1,n+2)= R(1,n)。R2(m+2,1)= R(m,1)。R2(m+2,n+2)= R(m,n)。R2(1,2:n+1)= R(1,1:n)。R2(m+2,2:n+1)= R(m,1:n)。R2(2:m+1,1)= R(1:m,1)。R2(2:m+1,n+2)= R(1:m,n)。D0 = zeros(3,3)。D1= zeros(m,n)。for i = 1:m。for j = 1:n。D0 = R2(i:i+2,j:j+2)。C1=B1.*D0。D1(i,j)=sum(sum(C1))。B(i,j)=D1(i,j)。end。end。 B1= [121。0 0 0。1 2 1]。%sobel算子 B2= [1 0 1。2 0 2。1 0 1]。%sobel算子 B3= [1 0 1。1 0 1。1 0 1]。%prewitt算子 B4= [1 1 1。0 0 0。111]。%prewitt算子 B5= [0 0 0。01 0。0 0 1]。%robert算子 B6= [0 0 0。0 01。0 1 0]。%robert算子 B7= [0 1 0。14 1。0 1 0]。%拉普拉斯算子R1=imread(39。39。)。figure, imshow(R1)。title(39。實驗4原圖139。)。R2=imread(39。39。)。figure, imshow(R2)。title(39。實驗4原圖239。)。E0= move_mask1(39。39。,B1,B2)。E1= move_mask1(39。39。,B3,B4)。E2= move_mask1(39。39。,B5,B6)。E3= move_mask2(39。39。,B7)。[m,n]=size(R2)。for i = 1:m。for j = 1:n。E4(i,j)=R2(i,j)E3(i,j)。%普拉斯圖像和原始圖像疊加 end。end。figure, imshow(E0,[])。title(39。sobel算子銳化處理后的圖像39。)。figure, imshow(E1,[])。title(39。prewitt算子銳化處理后的圖像39。)。figure, imshow(E2,[])。title(39。robert算子銳化處理后的圖像39。)。figure, imshow(E3,[])。title(39。拉普拉斯圖像39。)。figure, imshow(E4,[])。title(39。普拉斯圖像和原始圖像疊加后的圖像39。)。實驗五圖像頻域濾波（4學(xué)時）一、實驗?zāi)康模哼M(jìn)一步加深理解和掌握圖像頻域的濾波器設(shè)計方法，學(xué)會在圖像的頻域中觀察和分析干擾信號的頻率分量在什么位置。二、實驗內(nèi)容：設(shè)計程序消除周期性噪聲干擾信號。要求在圖像頻域中設(shè)計一Butterworth陷波器，其階數(shù)n和陷波器半徑D由學(xué)生根據(jù)上課所學(xué)理論知識通過自己的探索得出，從而加深0理解二者對濾波器性能的影響。三、實驗原理：n階Butterworth 陷波器的傳遞函數(shù)為：其中D為陷波器半徑，D，D分別為點（u,v）到陷波器中心（u,v）和（u,v）0000的距離。該傳遞函數(shù)使得以陷波器中心為圓心，D0為半徑的圓內(nèi)的所有u,v對應(yīng)的濾波函數(shù)H(u,v)輸出為0，也即將位于（u,v）和（u,v）處的頻率成分去除。0000四、實驗步驟：獲取圖像的頻域圖像，使用Matlab函數(shù)pixval觀察干擾噪聲的頻率成分，找出所有的（u,v）對，針對每一個噪聲源分別設(shè)計相應(yīng)的陷波器。濾波完成后將頻域圖像實施00逆變換，即可顯示處理后的圖像。五、實驗要求：按統(tǒng)一規(guī)定的實驗報告格式提交報告。應(yīng)包含程序清單，處理前后的圖像特征比較及編程的心得體會（指編程過程中的難點及如何克服它的）。實驗五代碼 function n=mylvbo(r,u1,v1,u2,v2,d)[m,n]=size(r)。Y=fft2(r)。G=fftshift(Y)。for u=1:m for v=1:nd1=((uu1)^2+(vv1)^2)^(1/2)。d2=((uu2)^2+(vv2)^2)^(1/2)。d3=d。H(u,v)=1/(1+(d3*d3/(eps+d1*d2))^2)。end endN=G.*H。n1=ifft2(N)。n=abs(n1)。 r=imread(39。39。)。[m,n]=size(r)。imshow(r)。title(39。實驗5原圖象39。)。y1=fft2(r)。figure,imshow(abs(y1),[])。title(39。實驗5原圖像頻譜39。)。y2=fftshift(y1)。figure,imshow(abs(y2),[])。title(39。中心移位后的頻譜39。)。impixelinfo。y3=log(1+abs(y2))。figure,imshow(y3,[])。title(39。取對數(shù)變換后的頻譜39。)。impixelinfo。n1=mylvbo(r,257,247,257,267,3)。n2=mylvbo(n1,237,257,277,257,3)。n3=mylvbo(n2,217,217,297,297,3)。figure,imshow(n1,[])。title(39。第一次頻域濾波后圖像39。)。figure,imshow(n2,[])。title(39。第二次頻域濾波后圖像39。)。figure,imshow(n3,[])。title(39。第三次頻域濾波后圖像39。)。imwrite(uint8(n3),39。39。)。