【正文】 =7)。 % gradient1imshow(J1,map)。 % gradient calculationG=sqrt(Gx.*Gx+Gy.*Gy)。I=double(I)。39。 初始圖像與不同拉普拉斯算子銳化圖像圖像銳化的實質(zhì)是將原圖像與梯度信息疊加，相當(dāng)于對目標(biāo)物的邊緣進(jìn)行了增強(qiáng)。)。K=conv2(T,w1,39。)。I=imread(39。3) 分別采用55，99，1515和25，并利用式完成圖像的銳化增強(qiáng)，觀察其有何不同，要求在同一窗口中顯示。x = ceil(n/2)。)。K=conv2(T,w,39。1,8,1。)。title(39。T=double(I)。39。 1 – 8 1。 0 0 8 0 0。0 0 8 0 0。1 1 1 1 1。1 1 1 1 1。K1= ordfilt2(J,5,domain)。 0 0 8 0 0。 0 0 8 0 0。6) 設(shè)計平滑空間濾波器，并將其對噪聲圖像進(jìn)行處理，顯示處理后的圖像。 %Median Filtering 椒鹽噪聲污染圖像及均值、中值濾波圖像 ，對于椒鹽噪聲污染的圖像處理，中值濾波效果要明顯好于均值濾波。 %Averaging FilteringJ1=imfilter(J,h)。average39。5) 對加入椒鹽噪聲的圖像分別采用均值濾波法，和中值濾波法對有噪聲的圖像做處理，要求在同一窗口中顯示結(jié)果。endfor i=1:20J2=imfilter(J,h)。 %Averaging FilteringJ1=imfilter(J,h)。average39。,)。salt amp。 原圖像及運動模糊圖像 函數(shù)imfilter各填充方式處理圖像4) 運用for循環(huán)，將加有椒鹽噪聲的圖像進(jìn)行10次，20次均值濾波，查看其特點,顯示均值處理后的圖像。circular39。)。boundarysymmetricRGB = imfilter(originalRGB, h, 39。)。boundary0RGB = imfilter(originalRGB, h, 39。replicate39。 %motion blurredfilteredRGB = imfilter(originalRGB, h)。motion39。)。originalRGB = imread(39。)。gaussian = imfilter(I,H,39。gaussian39。)。lap = imfilter(I,H,39。laplacian39。)。Sobel = imfilter(I,H,39。sobel39。 初始圖像及椒鹽噪聲圖像、高斯噪聲污染圖2) 對加入噪聲圖像選用不同的平滑（低通）模板做運算，對比不同模板所形成的效果，要求在同一窗口中顯示。gaussian39。,)。salt amp。imshow(I)。39。4. 實驗具體實現(xiàn)1. 平滑空間濾波：1) ，給這幅圖像分別加入椒鹽噪聲和高斯噪聲后并與前一張圖顯示在同一圖像窗口中。)5. 銳化頻域濾波1) 設(shè)計理想高通濾波器、巴特沃斯高通濾波器和高斯高通濾波器，截至頻率自選，分別給出各種濾波器的透視圖。2) ，分別采用理想低通濾波器、巴特沃斯低通濾波器和高斯低通濾波器對其進(jìn)行濾波（截至頻率自選），再做反變換，觀察不同的截止頻率下采用不同低通濾波器得到的圖像與原圖像的區(qū)別，特別注意振鈴效應(yīng)。3) 將圖像的傅立葉變換F置為其共軛后進(jìn)行反變換，比較新生成圖像與原始圖像的差異。僅對相位部分進(jìn)行傅立葉反變換后查看結(jié)果圖像。4) ，并比較其效果。 1, 1, 1]對其進(jìn)行濾波。2. 銳化空間濾波1) ，采用33的拉普拉斯算子w = [ 1, 1, 1。5) 對加入椒鹽噪聲的圖像分別采用均值濾波法，和中值濾波法對有噪聲的圖像做處理，要求在同一窗口中顯示結(jié)果。3) 使用函數(shù)imfilter時，分別采用不同的填充方法（或邊界選項，如零填充、’replicate’、’symmetric’、’circular’）進(jìn)行低通濾波，顯示處理后的圖像。高頻加強(qiáng)濾波就是在設(shè)計濾波傳遞函數(shù)時，加上一個大于0小于1的常數(shù)c，即：H′(u,v) =H(u,v)+c3．實驗內(nèi)容與要求1. 平滑空間濾波：1) ，給這幅圖像分別加入椒鹽噪聲和高斯噪聲后并與前一張圖顯示在同一圖像窗口中。高通濾波器和低通濾波器相似，其轉(zhuǎn)移函數(shù)分別為:1) 理想高通濾波器（IHPF）2) 巴特沃斯高通濾波器（BLPF）3) 指數(shù)型高通濾波器（ELPF）圖像經(jīng)過高通濾波處理后，會丟失許多低頻信息，所以圖像的平滑區(qū)基本上會消失。由卷積定理，在頻域?qū)崿F(xiàn)低通濾波的數(shù)學(xué)表達(dá)式：G(u,v) =H(u,v)F(u,v)1) 理想低通濾波器（ILPF）2) 巴特沃斯低通濾波器（BLPF）3) 指數(shù)型低通濾波器（ELPF）6. 高通濾波由于圖像中的細(xì)節(jié)部分與其高頻分量相對應(yīng)，所以高通濾波可以對圖像進(jìn)行銳化處理。5. 低通濾波圖像的能量大部分集中在幅度譜的低頻和中頻部分，而圖像的邊緣和噪聲對應(yīng)于高頻部分。將所得結(jié)果用反變換得到增強(qiáng)的圖像。頻域增強(qiáng)的主要步驟是：選擇變換方法，將輸入圖像變換到頻域空間。常用的空域非線性銳化濾波微分算子有sobel 算子、prewitt 算子、log 算子等。語句h=fspecial(‘laplacian’,)得到的拉普拉斯算子為：h = 2) 非線性銳化濾波鄰域平均可以模糊圖像，因為平均對應(yīng)積分，所以利用微分可以銳化圖像。1 8 1。這種濾波器的中心系數(shù)都是正的，而周圍的系數(shù)都是負(fù)的，所有的系數(shù)之和為0。3. 銳化濾波器圖像平滑往往使圖像中的邊界、輪廓變得模糊，為了減少這類不利效果的影響，需要利用圖像銳化技術(shù)，使圖像的邊緣變得清晰。其中，A 是原圖象，B 是中值濾波后輸出的圖像。MATLAB 提供了medfilt2 函數(shù)來實現(xiàn)中值濾波，其語法格式為：B=medfilt2(A,[m n])。參數(shù)的種類見。J=imnoise(I,type,parameters)。其中參數(shù)type 指定濾波器的種類，parameters 是與濾波器種類有關(guān)的具體參數(shù)。函數(shù)fspecial 的語法格式為：h=fspecial(type)。2. 平滑濾波器1) 線性平滑濾波器線性低通平滑濾波器也稱為均值濾波器，這種濾波器的所有系數(shù)都是正數(shù)，對33的模板來說，最簡單的是取所有系數(shù)為1，為了保持輸出圖像任然在原來圖像的灰度值范圍內(nèi)，模板與象素鄰域的乘積都要除以9。銳化可用高通濾波來實現(xiàn)，銳化的目的是為了增強(qiáng)被模糊的細(xì)節(jié)。各種空域濾波器根據(jù)功能主要分為平滑濾波器和銳化濾波器。空域濾波一般分為線性濾波和非線性濾波兩類。2．實驗基本原理1. 空間域增強(qiáng)空間域濾波是在圖像空間中借助模板對圖像進(jìn)行領(lǐng)域操作，處理圖像每一個像素的取值都是根據(jù)模板對輸入像素相應(yīng)領(lǐng)域內(nèi)的像素值進(jìn)行計算得到的。5. 理解頻域濾波的基本原理及方法。3. 掌握進(jìn)行圖像的空域濾波的方法。實驗二：數(shù)字圖像的空間域濾波和頻域濾波1．實驗?zāi)康?. 掌握圖像濾波的基本定義及目的。通過在所關(guān)心范圍內(nèi)為所有灰度值指定一個較高值，而為其他灰度指定一個較低值，或?qū)⑺璺秶兞粒侄尉€性變換可提高圖像中特定灰度范圍的亮度，常用于圖像特征值的提取。subplot(2,2,4)。x=[x1,x2,x3]。y2=+*()。x3=::1。x1=0::。因此，均衡化后，其直方圖并非完全均勻分布。經(jīng)過直方圖均衡后，目標(biāo)物的所占的灰度等級得到擴(kuò)展，對比度加強(qiáng)，使整個圖像得到增強(qiáng)。 figure,plot((0:255)/255,T)。)。I = imread(39。類似的，將灰度值調(diào)整到[0,]時，整個圖像變暗，直方圖橫向壓縮1倍。sub