【正文】 )。salt amp。)。 title(39。 subplot(1, 3, 1)。)。 I=imread(39。 clear all。 圖 71（ 2） d0=5 圖 71（ 3） 巴特低通濾波實(shí)驗(yàn)。)； 結(jié)果如下： d0=50。 %顯示 ILPF 濾波后的圖像 title(39。 %對(duì) G 進(jìn)行反 FFT 移動(dòng) %對(duì) G 進(jìn)行二維反離散的 Fourier 變換后，取復(fù)數(shù)的實(shí)部轉(zhuǎn)化為無(wú)符號(hào) 8 位整數(shù) g=uint8(real(ifft2(G)))。 %阻帶變換函數(shù) end end end %3 進(jìn)行點(diǎn)乘 G=F.*H。 %點(diǎn)（ i,j）到傅立葉變換中心的距離 if d=d0 %點(diǎn)（ i,j）在通帶內(nèi)的情況 H(i,j)=1。 %ILPF 濾波， d0=5， 20， 50 （程序中以 d0=5 為例） d0=5。 n1=floor(M/2)。 F=fftshift(fft2(I2))。加噪后的圖像 39。imshow(I2)。)。title(39。 subplot(1,3,1)。)。salt amp。 I1=rgb2gray(I1)。e:/imdata/39。 在 Matlab中，建立 M文件 ，編寫(xiě)如下代碼，實(shí)現(xiàn)理想低通濾波圖像平滑。這些不同的濾波器有更多的參數(shù)，因此能夠?qū)V波器的形狀進(jìn)行更多的控制。與低通濾波器的情況一樣，可認(rèn)為巴特沃斯高通型濾波器比 IHPF 更平滑。但其物理上是不可實(shí)現(xiàn)的。在二階中振鈴?fù)ǔ：芪⑿。陔A數(shù)增高時(shí)振鈴便成為一個(gè)重要因素。 巴特沃斯 低 通濾波器的傳遞函數(shù)為： 201( , ) ( , )1 [ ] nH u v D u vD? ? 式中 D0 為截止頻率距遠(yuǎn)點(diǎn)距離。如果要研究的圖像尺寸為 M X N，則它的變換也有相同的尺寸。) %主程序到此結(jié)束 , 圖 66 31 實(shí)驗(yàn) 7： 圖像 低通與 高通濾波實(shí)驗(yàn) . 一、實(shí)驗(yàn)?zāi)康? 1. 掌握 Matlab 圖像文件的打開(kāi)與顯示等基本方法； 2. 掌握?qǐng)D像數(shù)據(jù)類(lèi)型轉(zhuǎn)換及圖像類(lèi)型轉(zhuǎn)換； 3. 熟悉圖像矩陣的基本操作。 subplot(2,2,4),imshow(J2,[5 50]),title(39。 F=abs(J1)?？s放圖像 39。)。) %3 對(duì)原始圖像進(jìn)行縮放 J = imresize(I,39。 subplot(2,2,2), imshow(F1,[5 50]),title(39。 F1=abs(F1)。)。 figure,subplot(2,2,1),imshow(I),title(39。 %1 構(gòu)造原始圖像 I=zeros(256, 256)。clear all。 function Lab6_Test6() clc。壓縮后的恢復(fù) 39。 %右半部分變?yōu)?0 K=idct2(J)/255。 J(H/2:H,:)=0。DCT 頻譜 39。原圖像 39。 J=dct2(I)。E:/imdata/39。clear all。 function Lab6_Test4() clc。) %主程序到此結(jié)束 , 29 圖 63 基于 DCT的圖像數(shù)據(jù)壓縮實(shí)驗(yàn)。 subplot(2,2,4),imshow(J2,[5 50]),title(39。 F=abs(J1)。旋轉(zhuǎn)圖像 39。)。,39。) %3 對(duì)原始圖像進(jìn)行旋轉(zhuǎn) J=imrotate(I,315,39。 subplot(2,2,2), imshow(F1,[5 50]),title(39。 F1=abs(F1)。)。 figure,subplot(2,2,1),imshow(I),title(39。 %1 構(gòu)造原始圖像 I=zeros(256, 256)。clear all。 function Lab6_Test3() clc。 28 圖 62 圖像 FT旋轉(zhuǎn)定理驗(yàn)證實(shí)驗(yàn)。IDCT 恢復(fù)的圖像 39。 %3 圖像 IDCT變換 f1=idct2(F)。DCT 頻譜 39。 %2 圖像 DCT變換及頻譜 F=dct2(Img)。原圖像 39。 if (dim1) Img =rgb2gray(Img)。)。 %說(shuō)明：打開(kāi)進(jìn)行 DCT變換，顯示頻譜，再進(jìn)行 IDCT變換恢復(fù)圖像 %1 打開(kāi)圖像 Img = imread(39。close all。 在 Matlab中，建立 M文件 ，編寫(xiě)如下代碼，打開(kāi)灰度圖像，進(jìn)行 DCT變換，顯示頻譜并進(jìn)行 IDCT變換恢復(fù)圖像。)。 %逆傅里葉變換恢復(fù)圖像 subplot(1,3,3),imshow(uint8(f1)),title(39。 %3 圖像 IFT變換 F1=ifftshift(F)。頻譜 39。 %計(jì)算二維傅里葉變換 F=fftshift(F)。)。 %若打開(kāi)的為彩色圖像，則先轉(zhuǎn)化成灰度圖像 end 27 figure,subplot(1,3,1),imshow(Img),title(39。 %打開(kāi)圖像 [H,W,dim] = size(Img)。E:/imdata/39。clear all。 function Lab6_Test1() clc。調(diào)用格式為： B = idct2(A)； B = idct2(A,[M N])； B = idct2(A,M,N)； 三、實(shí)驗(yàn)內(nèi)容（調(diào)試好的程序，實(shí)驗(yàn)結(jié)果及分析） 圖像的付立變換實(shí)驗(yàn)。調(diào)用格式為： B = dct2(A)； B = dct2(A,[M N])； B = dct2(A,M,N)； 其中 A表示要變換的圖像， M和 N是可選參數(shù)，表示填充后的圖像矩陣大小，如果 m和 n比圖像 A小，則進(jìn)行變換之前，將圖像 A進(jìn)行剪切， B表示變換后得到的圖像矩陣，各元素為離散余弦變換的系數(shù) B(k1,k2)。 MATLAB圖像處理工具箱實(shí)現(xiàn)離散余弦變換有兩種方法：其一是使用函數(shù)dct2，該函數(shù)用一個(gè)基于 FFT的算法來(lái)提高當(dāng)輸入較大的輸入方陣時(shí)的計(jì)算速度。 （ 2）離散余弦變換（ DCT） 離散余弦變換（ DCT， Discrete Cosine Transform）的變換核為實(shí)數(shù)的余弦函數(shù)，因而 DCT的計(jì)算速度要比變換核為復(fù)指數(shù)的 DFT要快得多。 26 函數(shù)： ifft2——用于計(jì)算圖像的二維傅立葉反變換。在 Y=fft2(X,M,N)中，按照 M、 N指定的值對(duì)圖像進(jìn)行剪切或補(bǔ) 0后進(jìn)行傅立葉變換 ,返回變換矩陣的大小為 MN。 MATLAB 圖像處理工具箱提供了一些函數(shù)來(lái)進(jìn)行傅立葉變換： 函數(shù)： fft2——用于計(jì)算二維快速傅立葉變換。由于 MATLAB中的數(shù)組索引是以 1而不是以 0開(kāi)頭的，所以MATLAB中的 F(1,1)和 f(1,1)相應(yīng)于正變換和逆變換中的數(shù)字量 F(0,0)和 f(0,0)。顯然，頻率矩形的大小與輸入圖像的大小相同。頻 率系統(tǒng)是由 F(u,v)所組成的坐標(biāo)系，其中 u和 v用作（頻率）變量。令 f(x,y)表示一幅大小為 MN的圖像，其中x=0,1,2,…,M 1和 y=0,1,2,…,N 1。 （ 1）離散傅立葉變換（ DFT） 離散傅立葉變換（ DFT）在數(shù)字信號(hào)處理和數(shù)字圖像處理中應(yīng)用十分廣泛。頻域法首先是要將圖像從空間域變換到頻率域，然后在頻率域?qū)D像進(jìn)行各種處理，再將所得到的結(jié)果進(jìn)行反變換，從而達(dá)到圖像處理的目的，頻域法具有很多明顯的優(yōu)點(diǎn)。) 24 圖 54 25 實(shí)驗(yàn) 6：圖像變換及頻譜分析實(shí)驗(yàn) 一、實(shí)驗(yàn)?zāi)康? 1. 掌握 Matlab 圖像文件的打開(kāi)與顯示等基本方法； 2. 掌握?qǐng)D像數(shù)據(jù)類(lèi)型轉(zhuǎn)換及圖像類(lèi)型轉(zhuǎn)換； 3. 熟悉圖像矩陣的基本操作。 disp(39。(b) 彩色處理后的圖像 39。imshow(newIMG)。 end end newIMG=uint8(newIMG)。 newIMG(x,y,2)=newG。 newB=K(x,y)*B。 %分別進(jìn)行變換 newR=K(x,y)*R。 G=Img(x,y,2)。 %點(diǎn)除（對(duì)應(yīng)點(diǎn)的值相除） newIMG=Img。 %2 對(duì)灰度圖像進(jìn)行處理（自方圖均衡） Y1=histeq(Y)。 [M,N,dim]=size(Img)。(a) 原始圖像 39。 subplot(1,2,1),imshow(Img)。)。clc Img=imread(39。 function Lab5_Test4() clear all。)。title(39。 OUT(i,j,3)=B(i,j)。 end end %將 R,B， B 合并起來(lái)，成為一偽彩色圖像 for i=1:M for j=1:N OUT(i,j,1)=R(i,j)。 else G(x,y)=255*( 1log2(t) )。 %第二種變換 t=2*Img(x,y)。 %把數(shù)據(jù)變成雙精度型 22 Img=Img./255。 [M,N]=size(I)。(a) 原始圖像 39。 figure。e:/imdata/39。)。clc %I=imread(39。 function Lab5_Test2() clear all。) 21 圖 51(1) 圖 51（ 1） ―亮度切分法 在 Matlab中，建立 M文件 ，編寫(xiě)如下代碼，采用亮度切分法將一幅灰度圖像轉(zhuǎn)化成偽彩色圖像。 disp(39。V 通道圖像 39。)。 subplot(1,4,3),imshow(S),title(39。H 通道圖像 39。)。 figure, subplot(1,4,1),imshow(hsv),title(39。 %為 R G B。 %分離三個(gè)通道 H=hsv(:,:,1)。)。 subplot(1,4,4),imshow(B),title(39。G 通道圖像 39。)。 subplot(1,4,2),imshow(R),title(39。 %為 R G B。 %分離三個(gè)通道 R=Img(:,:,1)。RGB 原圖像 39。)。 %說(shuō)明：打開(kāi) RGB圖像，分離三個(gè)通道分別顯示出來(lái) Img=imread(39。close all。 在 Matlab中，建立 M文件 ，編寫(xiě)如下代碼，打開(kāi) RGB彩色圖像，將轉(zhuǎn)化到 HSV空間，且分別顯示每個(gè)通道。 處理策略 1）將一幅彩色圖像看作三幅分量圖像的組合體，在處理過(guò)程中先對(duì)每幅圖像（按照對(duì)灰度圖像處理的方法）單獨(dú)處理，再將處理結(jié)果合成為彩色圖像 2）將一幅彩色圖像中的每個(gè)像素看作具有三個(gè)屬性值，即像素屬性現(xiàn)在為一個(gè)矢量，需利用對(duì)矢量的表達(dá)方法進(jìn)行處理 ，可進(jìn)行模板處理。也有稱(chēng)自然物體的彩色叫真彩色。 2)灰度變換法 對(duì)每個(gè)原始圖中像素的灰度值用三個(gè)獨(dú)立變換來(lái)處理，從而將不同的灰度映射為不同的彩色變換后原始圖中灰度值偏小的像素將主要呈現(xiàn)綠色，而灰度值偏大的像素主要呈現(xiàn)紅色。把此圖像的灰度分成若干等級(jí)，即相當(dāng)于用一些和坐標(biāo)平面平行的平面切割此密度函數(shù)。 1) 密度分割法 密度分割法又稱(chēng)為灰度分割法，是偽彩色處理技術(shù)中最基本，最簡(jiǎn)單的方法。用這種方式產(chǎn)生的色彩本身是真的，它不一定反映原圖的色彩。 二、實(shí)驗(yàn)原理 偽彩色圖像增強(qiáng) ： 偽彩色 (pseudocolor)圖像的每個(gè)像素值實(shí)際上是一個(gè)索引值或代碼，該代碼值作為色彩查找表 CLUT(Color LookUp Table)中某一項(xiàng)的入口地址，根據(jù)該地址可查找出包含實(shí)際 R、 G、 B的強(qiáng)度值。)。 disp(39。銳化后結(jié)果 39。imshow(uint8(G))。 end G(y,x) =t。 t =I(y,x)+abs(d2)。 G=I。 [H,W] =size(I)。原圖 39。imshow(I)。 f