【正文】 37參考文獻(xiàn)[1] 汪志云, MATLAB 實現(xiàn)[J].計算機(jī)工程與科學(xué),2022,28（2）:5456.[2]劉榴娣,劉明奇,[M].北京理工大學(xué)出版社,1998.[3]岡薩雷斯 RC :科學(xué)出版社,1983[4]:機(jī)械工業(yè)出版社,1985[5]周考寬,曹曉光 ,。由于本人知識有限、經(jīng)驗不足，文中難免有一些不足之處，希望老師和同學(xué)提出寶貴意見。我也終于明白了大學(xué)兩年學(xué)習(xí)的意義和作用。這是一個漫長的學(xué)習(xí)過程。在論文的寫作過程中，也得到許多同學(xué)的寶貴建議，同時還得到許多朋友額家人的支持和幫助。從開始的選題到中期的修改，再到最終定稿，吳老師給予我許多寶貴的意見。由于自己在準(zhǔn)備考研復(fù)試而對于畢業(yè)論有過于疏忽，但是在老師的孜孜教誨下順利的完成論文。 這次畢業(yè)論文能夠得以順利完成，是所有曾經(jīng)指導(dǎo)過我的老師，幫助過我的同學(xué)，一直支持著我的家人對我的教誨、幫助和鼓勵的結(jié)果。致謝畢業(yè)設(shè)計即將完成，我的學(xué)生生涯也要告一段落。通過各位老師的指導(dǎo)和教育，使我不僅僅在知識水平和解決實際問題的能力上有了很大的提高。本次畢業(yè)設(shè)計，就要畫上一個句號了。常用算法有梯度法、算子、高通濾波、掩模匹配法、統(tǒng)計差值法等。常用算法有均值濾波、中值濾波。鄰域增強(qiáng)算法分為圖像平滑和銳化兩種?；诳沼虻乃惴ǚ譃辄c運(yùn)算算法和鄰域去噪算法。圖像增強(qiáng)技術(shù)根據(jù)增強(qiáng)處理過程所存在的空間不同，可分為基于空域的算法和基于頻域的算法兩大類。圖像增強(qiáng)的方法是通過一定變換方法對原圖像附加一些信息或變換數(shù)據(jù)，有選擇地突出圖像中感興趣的特征或者抑制(掩蓋)圖像中某些不需要的特征，使圖像與視覺響應(yīng)特性相匹配。采用低通濾波（即只讓低頻信號通過）法，削弱圖中的干擾噪聲；采用高通濾波法，則可增強(qiáng)邊緣等高頻信號，使模糊的圖片變得清晰。圖像增強(qiáng)按所采用方法從技術(shù)上可以分成頻率域法和空間域法。圖像增強(qiáng)即增強(qiáng)圖象中的有用信息，這個變換過程可以說是一個失真的過程，它的主要目的是加強(qiáng)圖像的視覺效果。實現(xiàn)了對圖像的頻域濾波，掌握了頻域圖像增強(qiáng),了解了低通濾波對圖像的影響。驗證了二維傅里葉變換的平移性和旋轉(zhuǎn)不變性。其中，取理想高通濾波的半徑 R 分別為 8 和 24：原圖像及其幅度譜圖：32圖 316R=2 時的理想高通濾波結(jié)果圖和濾波幅度譜圖：圖 317R=8 時的理想高通濾波結(jié)果圖和濾波幅度譜圖：第三章 Matlab 圖像增強(qiáng)33圖 318R=24 時的理想高通濾波結(jié)果圖和濾波幅度譜圖：圖像 31934圖 320R=8時的頻譜圖,根據(jù) R 的大小來決定中心陰影部分的圓的大小,其余部分均是高通濾波的效果.當(dāng) R=2時，濾波后的圖像無直流分量，但灰度的變化部分基本上都保留了；當(dāng) R=8時，濾波后的圖像在文字和圖像邊緣部分的信息仍然保留；當(dāng) R=24時，濾波后的圖像只剩下文字和白條邊緣等信號突變的部分小結(jié)：R=88 時的理想低通濾波結(jié)果圖和濾波頻譜圖：圖 313R=24 時的理想低通濾波結(jié)果圖和濾波幅度譜圖：第三章 Matlab 圖像增強(qiáng)31圖 314R=5 時的理想低通濾波結(jié)果圖和濾波幅度譜圖：圖 315對于所有的低通濾波都會根據(jù)不同的半徑產(chǎn)生如圖 一樣的頻譜圖.當(dāng) R=5 時，濾波后的圖像很模糊，無法分辨；當(dāng) R=24 時，濾波后的圖像有些模糊，能分辨出臉上的器官輪廓，但由于理想低通濾波器在頻域的銳截止特性，濾波后的圖像有較明顯的振鈴現(xiàn)象；當(dāng) R=88 時，濾波后的圖像比較清晰，但高頻分量損失后，圖像邊沿與文字變的有些模糊，在圖像的邊框附近仍有振鈴現(xiàn)象。n=15*log(+abs(n))。n=fft2(z)。figure(3)。t=ifftshift(t)。 end endend結(jié)果如下：原圖像及其頻譜圖30圖 312h2=abs(t)。for x=1:256 for y=1:256 if (x128).^2+(y128).^2r.^2。subplot(1,2,2)m0=15*log(m+)surf(m)q=b。figure(1)subplot(1,2,1)imshow(b,[0,255])。)。b=fread(a,[256,256],39。r39。D:\圖像實驗 \img\39。程序代碼如下（取 r=8 時）Clc。第三章 Matlab 圖像增強(qiáng)29 對數(shù)字圖像 進(jìn)行頻域的理想低通，同屏顯示原圖、幅度譜圖和低通濾波的結(jié)果圖。 若將 f1(x,y)順時針旋轉(zhuǎn) 45176。 for x=1:128 for y=1:128 b(x,y)=(1).^(x+y).*a(x,y)。a2=abs(a1)。imshow(a)。第三章 Matlab 圖像增強(qiáng)27 end endfigure(1)a1=fft2(a)。 end endend通過對 r 數(shù)值的改變,和 if 條件的變化來實現(xiàn)不同的低通和高通情況下的濾波. 產(chǎn)生的圖像 與 fft2(f1)幅度譜的程序如下： Clc。for x=1:256for y=1:256if (x128).^2+(y128).^2r.^2。surf(m0)。關(guān)于此部分主要的函數(shù)語句是:（1） m=abs(b)。所得到的結(jié)果恰好與低通濾波相反, 當(dāng)大于 X 的頻率可以完全不受影響的通過濾波器,而小于 X 的則完全不能通過濾波器。H(u,v)=1。一個 2D 理想高通濾波器的轉(zhuǎn)移函數(shù)滿足下列條件H(u,v) H(u,v)=0。 imshow(b),便可得到 lena 的人頭圖片.其次與上面任務(wù)一樣,對圖片數(shù)組進(jìn)行快速傅立葉變換,然后用 mesh()語句畫出他的幅度譜圖,2）進(jìn)行頻域增強(qiáng)的低通濾波部分。uchar39。)。,39。1）讀出圖片,并生成圖片的數(shù)組.首先要將 與 MATLAB 程序文檔放在一個目錄下面,然后再用語句a=fopen(39。然后比較旋轉(zhuǎn)前后兩幅圖的差別以及其頻率譜和幅度譜的異同。crop39。nearest39。即可,然后再用類似上面的方法畫出圖象和幅度譜.3）驗證其旋轉(zhuǎn)不變性。為了得到幅度譜圖,可以地數(shù)組 a 進(jìn)行快速傅立葉變換,然后再用Mesh 語句便可得到其幅度譜.2）觀察其平移特性。1．驗證二維傅里葉變換的平移性和旋轉(zhuǎn)不變性第三章 Matlab 圖像增強(qiáng)251）建立一個二維數(shù)組并要求該數(shù)組能夠顯示成圖 1.a=zeros(128,128)for y=54:74for x=34:94a(x,y)=1。2）將其與一個(根據(jù)需要設(shè)計的)轉(zhuǎn)移的函數(shù)相乘。)(FT2圖 37 實驗圖象(a) 圖 38 實驗圖象(b)，加深對頻域圖像增強(qiáng)的理解。fFTf3）若令 ，重復(fù)以上過程，比 較二者幅度譜的異同。b．驗證旋轉(zhuǎn)不變性可以通過將原始數(shù)組的通過移動 45 度,然后再比較旋轉(zhuǎn)后與旋轉(zhuǎn)前的頻譜,得出頻譜旋轉(zhuǎn)不變性的結(jié)論。)。title(39。subplot(1,2,2)。加入高斯噪聲的圖像39。imshow(J)。gd=imfilter(J,h)。average39。)。title(39。subplot(1,2,2)。title(39。%給圖像加高斯噪聲 subplot(1,2,1)。gaussian39。)。I=imread(39。平滑噪聲可以在空間域中進(jìn)行，基本方法是求像素灰度的平均值或中值。（2）熟悉在 MATLAB 環(huán)境下對圖像文件的 I/O 操作。（3）編寫頻域理想低通、巴特沃斯低通及高斯低通濾波函數(shù)。實驗內(nèi)容：（1）利用 MATLAB 為用戶提供的專門函數(shù)實現(xiàn)均值濾 波。本實驗要求用 線性平滑濾波、中值平滑濾波、頻 域低通濾波的方法 進(jìn)行程序設(shè)計。)。title(39。subplot(2,2,4)。均衡化結(jié)果39。imshow(J)。)。title(39。subplot(2,2,2)。原圖像39。imshow(f)。第三章 Matlab 圖像增強(qiáng)21J=histeq(f)。39。預(yù)備知識：（1）熟悉 MATLAB 圖像輸入輸出操作；（2）熟悉圖像的模板操作；（3）熟悉圖像的頻域變換處理；實驗原理：圖像增強(qiáng)是對圖像進(jìn)行加工，以得到視覺效果更好或更有用的新圖像。例如輸入的彩色圖像為：圖 31 彩色圖像輸入(a) 圖 32 灰化之后的圖像(b)實驗三：圖像增強(qiáng)實驗題目：圖像增強(qiáng)實驗?zāi)康模海?）了解圖像增強(qiáng)的內(nèi)容和意義；（2）掌握基于空域的圖像增強(qiáng)方法；（3）掌握基于頻域的圖像增強(qiáng)方法。Imshow(f1)。3)%取彩色圖像的灰度分量。title(‘原圖像’)f1=f(:。f=imread(‘文件名 .格式名 ’)；Figure。根據(jù)數(shù)字圖像的特性，f 即為關(guān)于輸入圖象各像素值的矩陣。使用 MATLAB 進(jìn)行圖像輸入，可以利用以下簡單一步：f=imread(‘文件名 .格式名 ’)；Figure。其中圖像文件讀入函數(shù)為 imread,寫出函數(shù)為 imwrite，無符號 8 位整型數(shù)轉(zhuǎn)換為雙精度類型函數(shù)為 double，其逆運(yùn)算函數(shù)為 uint8。3）在 Figure NO 1 中開設(shè) 1*3 個子窗口顯示原始圖像 X、低通濾波后圖像X1 和高通濾波后圖像 X2。1）在 MATLAB 中讀入名為 的圖像給矩陣 X，將 X 強(qiáng)制類型轉(zhuǎn)換為 double。)。title(39。)。title(39。)。title(39。)。title(39。)。Y2=conv2(Y,d2,39。1,5,1。)。Y1=conv2(J,d1,39。1,2,1。,0,)。J=imnoise(x,39。Y=double(X)。39。5）在一個圖形窗口中建立 22 子窗口，分別顯示原始圖像 X,加噪圖像 J,降噪后圖像 Y1 和邊緣增強(qiáng)圖像 Y2。3）使用以上給出的平滑濾波模板和 conv2 函數(shù)對加噪圖像進(jìn)行平滑濾波即降噪，輸出圖像 Y1 并顯示。2）使用 imnoise 函數(shù)對圖像矩陣 X 加噪，加噪后圖像矩陣名為 J。在 mand window 中運(yùn)行。)。title(39。)。title(39。)。subplot(4,2,8),imhist(D3)title(39。降低對比度圖像39。subplot(4,2,7),imshow(D4)。增強(qiáng)對比度圖像直方圖39。subplot(4,2,6),imhist(D4)。增強(qiáng)對比度圖像39。subplot(4,2,5),imshow(D3)。求反圖像直方圖39。subplot(4,2,4),imhist(D2)。求反圖像39。subplot(4,2,3),imshow(D1)。原圖像直方圖39。subplot(4,2,2),imhist(D)。原圖像39。D=(exp(D*255/10))/255。Ddouble(D/255。39。在 figure 顯示降低對比度后圖像與直方圖均衡化后圖像,并添加標(biāo)注說明。5）在 figure（1）中顯示求反圖像、增強(qiáng)對比度圖像和降低對比度圖像的圖像與直方圖,并添加標(biāo)注說明。要求原圖像灰度范圍0~255,降低對比度后灰度變化范圍 0~127。要求原圖像灰度范圍 0~255,求反后灰度變化范圍 255~0。1）在 MATLAB 中讀入名為 的圖像給矩陣 D，將 D 強(qiáng)制類型轉(zhuǎn)換為 double。7）熟悉常用空域平滑濾波和銳化濾波模板。5）熟悉使用 histeq 函數(shù)進(jìn)行直方圖均衡化,通過實驗結(jié)果理解直方圖均衡化的作用。3）掌握使用函數(shù)映射增強(qiáng)圖像的方法。2）掌握數(shù)據(jù)類型強(qiáng)制轉(zhuǎn)換函數(shù) y=double(x)。%Sobel 算子j=filter2(h,i)。0,0,0。)。利用 Sobel 算子銳化圖像, 如:i=imread(39。j=medfilt2(i)。e:\39。j=conv2(i,h)。1,1,1]。h=[1,1,1。e:\39。j=filter2(h,i)。0,0,0。)。（5）基于卷積的圖像濾波函數(shù)16filter2 函數(shù)用于圖像濾波，如：i=imread(39。j=double(a)。e:\39。j