【正文】 B = imfilter(originalRGB, h, 39。)。x39。boundary0RGB = imfilter(originalRGB, h, 0)。symmetric39。boundarycircularRGB = imfilter(originalRGB, h, 39。)。J = imnoise(I,39。 pepper39。h=fspecial(39。)。for i=1:10J1=imfilter(J,h)。 椒鹽噪聲污染圖像經(jīng)10次、20次均值濾波圖像 ，20次濾波后的效果明顯好于10次濾波，但模糊程度也更強。h=fspecial(39。)。J2=medfilt2(J)。經(jīng)均值濾波器處理后的圖像比均值濾波器中結(jié)果圖像更加模糊。domain=[0 0 8 0 0。 8 8 8 8 8。 0 0 8 0 0]。 椒鹽噪聲污染圖像及5*5平滑濾波器掩模掩模值為w=1/25*[1 1 1 1 1。1 1 1 1 1。1 1 1 1 1] 椒鹽噪聲污染圖像及5*5平滑濾波器掩模掩模值為w= [0 0 8 0 0。8 8 8 8 8。0 0 8 0 0]2. 銳化空間濾波1) 采用33的拉普拉斯算子w = [ 1, 1, 1。 1, 1, 1]濾波I=imread(39。)。subplot(1,2,1),imshow(T,[])。Original Image39。w =[1,1,1。1,1,1]。same39。 初始圖像與拉普拉斯算子銳化圖像2) 編寫函數(shù)w = genlaplacian(n)，自動產(chǎn)生任一奇數(shù)尺寸n的拉普拉斯算子，如55的拉普拉斯算子：w = [ 1 1 1 1 1 1 1 1 1 1 1 1 24 1 1 1 1 1 1 1 1 1 1 1 1]function w = genlaplacian(n)%Computes the Laplacian operatorw = ones(n)。w(x, x) = 1 * (n * n 1)。不同尺寸拉普拉斯算子濾波以及圖像增強w1 = genlaplacian(5)。39。T=double(I)。same39。J=TK。 拉普拉斯算子銳化與銳化增強圖像4) ，并比較其效果[I,map]=imread(39。)。[Gx,Gy]=gradient(I)。 % matrix J1=G。 J2=I。J2(K)=G(K)。 J3=I。J3(K)=255。 J4=I。J4(K)=255。 J5=I。J5(K)=0。J5(Q)=255。 原始圖像與不同梯度子銳化圖像 作為二階微分算子，拉普拉斯變換在圖像細節(jié)的增強處理上有明顯的優(yōu)點，但會產(chǎn)生更多的噪聲。5) 自己設(shè)計銳化空間濾波器，并將其對噪聲圖像進行處理，顯示處理后的圖像； 原始圖像與不同邊緣銳化圖像3. 傅立葉變換1) ，對其進行快速傅立葉變換，分別顯示其幅度圖像和相位圖像。 8 8 0 8 8。 8 8 0 8 8。K1= ordfilt2(J,5,domain)。39。F1=fft2(F)。 %amplitude spectrumF3=fftshift(F1)。F4=angle(F1)。F1=fft2(F)。f2=ifft2(exp(i*angle(F1)))。 原始圖像與對全部信息進行傅立葉逆變換結(jié)果 僅對相位信息進行傅立葉逆變換結(jié)果相位譜決定了圖像信號中各頻率分量的位置。f1=ifft2(abs(F1))。 僅對幅度信息進行傅立葉逆變換結(jié)果4) 將圖像的傅立葉變換F置為其共軛后進行反變換，比較新生成圖像與原始圖像的差異。F2=log(1+abs(F1))。F4=angle(F1)。 %the plex conjugate of the fourier transform F7=ifft2(F6)。 共軛傅立葉逆變換結(jié)果傅立葉變換的相位譜為對稱的，原變換與其共軛變換間僅頻率譜互為相反。39。f=double(I)。 % fourier transformg=fftshift(g)。d0=100。 n=fix(N/2)。 if(d=d0) h=1。 end result(i,j)=h*g(i,j)。J1=ifft2(result)。imshow(J2) 巴特沃斯低通濾波器（二階）I=imread(39。)。 g=fft2(f)。 [M,N]=size(g)。 % 2grade Butterworth lowpss filterd0=100。 n=fix(N/2)。 h=1/(1+*(d/d0)^(2*nn))。 result(i,j)=h*g(i,j)。J1=ifft2(result)。imshow(J2)。39。f=double(I)。 g=fftshift(g)。d0=100。 n=fix(N/2)。h=exp((d.^2)./(2*(d0^2)))。 endendresult=ifftshift(result)。J2=uint8(real(J1))。 理想低通濾波器濾波效果(d0=15,30,100) 當截止頻率do = 15時，濾波后的圖像模糊，難以分辨，振鈴現(xiàn)象明顯。當do = 100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（如條帶和矩形輪廓）附近仍有輕微振鈴現(xiàn)象。二階的巴特沃斯低通濾波器顯示了輕微的振鈴和較小的負值，但遠不如理想濾波器明顯。階數(shù)越高振鈴現(xiàn)象越明顯，一個20階的巴特沃斯低通濾波器已經(jīng)呈現(xiàn)出理想低通濾波器的特性。高斯低通濾波器無法達到有相同截止頻率的二階巴特沃斯低通濾波器的平滑效果，但此時結(jié)果圖像中無振鈴現(xiàn)象產(chǎn)生。當d0 = 25時，濾波后的圖像在字母和圖像輪廓的大部分信息仍然保留。巴特沃斯高通濾波器 巴特沃斯高通濾波器濾波效果(d0=15,25,80)類似于低通濾波器，巴特沃斯高通濾波器比理想高通濾波器更加平滑，邊緣失真情況比后者小得多。實驗四：數(shù)學形態(tài)學及其應(yīng)用1．實驗?zāi)康?．實驗基本原理腐蝕和膨脹是數(shù)學形態(tài)學最基本的變換，數(shù)學形態(tài)學的應(yīng)用幾乎覆蓋了圖像處理的所有領(lǐng)域，給出利用數(shù)學形態(tài)學對二值圖像處理的一些運算。而收縮則是把連接成分的邊界點去掉從而縮小一層的處理。：物體，：背景。 圖54 細化示意圖系統(tǒng)細化， 是旋轉(zhuǎn)的結(jié)果（90176。270176。，實現(xiàn)將圖56轉(zhuǎn)化為二值圖像，并計算圖中雞塊中骨頭的比重。 圖55 圖56 圖575. 實驗具體實現(xiàn)，實現(xiàn)去除圖像中的噪聲。39。J=im2bw(I)。diamond39。K=imerode(J,se)。程序如下：I=imread(39。)。total1=bwarea(J)。s1=a(1),s2=a(2)。，實現(xiàn)去除圖57中的矩形區(qū)域外的噪聲，并填充矩形區(qū)域內(nèi)部了。39。se = strel(39。,5)。se = strel(39。,10)。subplot(131),imshow(I)subplot(132),imshow(J)subplot(133), imshow