实验报告
实验课程: 光电图像处理
姓名：
学号：
实验地点: 211楼909机房
指导老师：
实验时间： 2016 年 3月 23日
一． 实验名称：空域图像滤波 二． 实验目的
1、了解数字图像的空域平滑滤波和锐化滤波器的概念和基本原理；
2、熟悉和掌握几种基本的空间域低通滤波原理和实现方法；
3、熟悉和掌握几种基本的空间域统计排序滤波原理和实现方法；
4、熟悉和掌握几种基本的空间域高通滤波原理和实现方法；
5、能熟练利用 matlab 工具编程实现数字图像的各种空间域滤波处理。
三.实验原理 (一).均值滤波原理
描述：用当前像素邻域内像素平均灰度值代替当前像素的原灰度值。含噪图像为：
(,)(,)(,)g x y f x y x y η=+
其中，f (x,y )为原始图像，η(x,y )为加性噪声。 平滑图象为：
其中S 表示点(x,y )邻域内的点集，M 为S 内总点数。
（二）中值滤波原理
用局部邻域像素灰度值排序后的中值代替当前像素的灰度值。
()(){}
(,),,,A
g x y median f x m y n m n S =--∈
其中： median —— 中值滤波算子，取中值； f (x,y ) —— 原始图像阵列；
g (x,y ) —— 中值滤波后当前像素灰度值；
(,)1(,)(,)i j S
g x y g i j M
∈=
∑
(,)(,)1
1(,)(,)
i j S
i j S
f i j n i j M
M
∈∈=
+
∑
∑
S —— 滤波窗口/邻域，大小为m ×n
（三）一阶梯度(Gradient )
设连续图像函数为f (x,y )，它的梯度是一个向量，定义为：
(),,T
x y g f f f x y g x y ????
???==??????
?????
???
任意方向：
sin cos x y f g g g αα
αα'?==+
(1) 在(x,y )点处的梯度，方向指向f (x,y )最大变化率的方向。 2) 幅度等于f (x,y )的最大变化率，即
()(
),,M x y mag f x y =?????==x y
g g ≈+。
（四）反锐化掩模（Unsharp masking ）
利用原图像减去原图平滑滤波后的结果构成反锐化模板：
),(),(),(y x f y x f y x g mask -=
锐化结果：
(,)(,)(,)mask g x y f x y g x y =+
（五）高提升滤波（Highboost Filtering ）
将锐化的结果叠加于原图像：
四．实验步骤
1、邻域均值滤波
2、实验操作及处理步骤如下：
(1)读入一幅原始灰度图像。
(2)在读入的原始图像中加入高斯白噪声。
(3)设计如下空间域的3×3 均值滤波器H1和5×5 高斯滤波器H2，
如下式(1)~(2) 所示。
(4) 分别利用 H1 和 H2 对第(2)步中加噪声的图像进行滤波处理，对处
理结果进行必要的分析。
（5）显示原图、加噪声图及处理结果，
2、统计排序滤波
实验操作及处理步骤如下：
(1)读入一幅原始灰度图像，显示原始图像，如图 2-2 所示。
图2-2
(2) 在读入的原始图像中加入椒盐噪声。
(3) 试分别利用最小值、中值和最大值滤波 3 种滤波方式，对第(2)步中加噪声的图像进行滤波处理，并对处理结果进行必要的分析。
(4) 显示加噪声图及处理结果，
（二）数字图像的空域高通滤波
1、一阶梯度算子
实验操作及处理步骤如下：
1) 读入一幅原始图像。
(2) 设计如下所示的 3×3 一阶梯度算子（Prewitt 滤波器）。
(3) 利用以上式（3）滤波器，对第(1)步中读入图像分别进行滤波处理。
(4) 分别显示原图、x/y 方向梯度图及合成梯度图。
2、Laplace 算子
实验操作及处理步骤如下：
(1) 读入一幅原始灰度图像。
(2) 设计如下所示的 3×3 Laplace 滤波器模板。
(3) 利用上述滤波器，对第(1)步中读入图像进行滤波，对处理结
果进行必要的分析。
(4) 显示原图及滤波结果。
3、反锐化掩模处理（Unsharp masking）
实验操作及处理步骤如下：
(1) 读入一幅原始灰度图像。
(2) 利用如式(1)或(2)所示的平滑滤波器，进行平滑滤波。
(3) 用原始图减去第(2)步处理结果，得到 Unsharp 掩模图像。
(4) 再用原始图加上 Unsharp 掩模图像（即上一步的结果），即得到反锐化处理图像。
(5) 显示各个处理步骤的结果。
4、高提升滤波
实验操作及处理步骤如下：
(1) 读入一幅原始灰度图像。
(2) 设计如下式所示的 3×3 Laplace 高提升滤波器。
(3) 利用以上滤波器，对第(1)步中读入图像进行滤波，对处理结果进行必要的分析。
(4) 显示原图及滤波结果。
五．实验结果及分析
1、领域均值滤波
由图可知，均值滤波和高斯滤波能有效地抑制高斯噪声，但图像的清晰度下降。
2.统计排序滤波
加入椒盐噪声后，中值滤波能完全滤去噪声，保留原图像。而最小、最大值则分别滤去灰度的低值、高值部分。
3、一阶梯度算子
原图做一阶梯度变换后，横纵偏导的结果体现了两个方向的高变换部分，而g处理后得到的则是总的变化信息
4、Laplace 算子
结果：Laplace处理保留了图像的高变换部分5、反锐化掩模处理（Unsharp masking）
反锐化掩模处理将锐化结果附加到原图，提升了原始图像的边缘细节。
6、高提升滤波
结果分析：高通滤波在增强了边缘/轮廓的同时，噪声也随之放大。因此，这种滤波会丢失图像的层次，变的粗糙。
六.实验心得体会和建议
（1）、程序的核心函数可以在另一文件内编写好，再进行调用。这样，我们既能提高自己的编程水平，又简化了代码。
（2）、学习了图像的不同滤波方法及锐化。
七.程序源代码
1.邻域均值滤波
I=imread('Einstein.jpg');
subplot(221)
imshow(I);
I1=imnoise(I,'gaussian',0.1);
subplot(222);
imshow(I1);title('Noisy Image');
H1=[1 1 1;
1 2 1;
1 1 1]/10;
I2=imfilter(I,H1,'same','replicate');
subplot(223)
imshow(I2,[]);title('Filtering Image with averae'); H2=[1 4 7 4 1;
4 16 26 16 4;
7 26 47 26 7;
4 16 26 16 4;
1 4 7 4 1]/273;
I3=imfilter(I,H2,'same','replicate');
subplot(224);
imshow(I3,[]);title('Filtering Image with gussian');
2、统计排序滤波
I=imread('lowlight.jpg');
I1=imnoise(I,'salt & pepper',0.05);
subplot(231)
imshow(I),title('original lmage');
subplot(232)
imshow(I1),title('noisy lmage');
[h w]=size(I1);
for i=2:h-1
for j=2:w-1
y1=I1(i-1:i+1,j-1:j+1);
y1=reshape(y1,1,9);
for m=1:9
for n=m+1:9
if y1(n)>y1(m)
t=y1(n);y1(n)=y1(m);y1(m)=t;
end
end
end
I1(i,j)=y1(5);
I2(i,j)=y1(1);
I3(i,j)=y1(9);
end
end
subplot(234)
imshow(I1),title('lmage with median filter');
subplot(233)
imshow(I2),title('lmage with minimun filter'); subplot(235)
imshow(I3),title('lmage with maximum filter');
3、一阶梯度算子
I=imread('cameraman.tif');
subplot(221)
imshow(I);title('原图');
gx=[-1 0 1;
-1 0 1;
-1 0 1];
I=double(I);
subplot(222)
I1=imfilter(I,gx);
imshow(I1,[]),title('X方向梯度');
gy=[-1 -1 -1;
0 0 0;
1 1 1];
subplot(223)
I2=imfilter(I,gy);
imshow(I2,[]),title('Y方向梯度');
I3=sqrt(I1.^2+I2.^2);
subplot(224)
imshow(I3,[]),title('合成梯度');
4、Laplace 算子
I=imread('Einstein.jpg');
I=rgb2gray(I);
subplot(121)
imshow(I);title('原图');
H=[0 1 0;
1 -4 0;
0 1 1];
I=double(I);
subplot(122)
I1=imfilter(I,H);
imshow(I1,[]),title('滤波结果');
5.反锐化掩模处理（Unsharp masking）
I=imread('girl_rgb.jpg');
I=rgb2gray(I);
subplot(221)
imshow(I);title('original Image');
H1=[1 4 7 4 1;
4 16 26 16 4;
7 26 47 26 7;
4 16 26 16 4;
1 4 7 4 1]/273;
I2=imfilter(I,H1,'same','replicate');
subplot(222)
imshow(I2,[]);title('Filtering Image with averae');
I3=I-I2;
subplot(223)
imshow(I3,[]);
I4=I+I3;
subplot(224)
imshow(I4,[]);
6.高提升滤波
I0=imread('e1.jpg');
I=rgb2gray(I0);
J=double(I);
H1=[-1,-1,-1;-1,9,-1;-1,-1,-1];
[mJ,nJ]=size(J);
[mH1,nH1]=size(H1);
c=zeros(mJ+mH1-1,nJ+nH1-1);
for i=1:mH1;
for j=1:nH1;
r1=i;
r2=r1+mJ-1;
c1=j;
c2=c1+nJ-1;
c(r1:r2,c1:c2)=c(r1:r2,c1:c2)+H1(i,j)*J;
end
end
r1=floor(mH1/2)+1;
r2=r1+mJ-1;
c1=floor(nH1/2)+1;
c2=c1+nJ-1;
csame=c(r1:r2,c1:c2);
subplot(1,2,1),imshow(I),title('原图');
subplot(1,2,2),imshow(mat2gray(csame)),title('滤波结果');
四、思考题
1、简要叙述数字图像空域平滑与锐化滤波的异同和作用。
答：相同点：都能减弱或消除傅立叶空间的某些分量，而不影响或较少影响其它分量，从而达到增强某些频率分量的效果。
不同点：平滑滤波器减弱或消除了傅立叶空间的高频分量，所以达到了增强低频分量、平滑图像中细节的效果。锐化滤波器减弱或消除傅立叶空间的低频分量，
所以达到了增强高频分量、锐化图像中细节的效果。
作用：两者效果相反，互为补充，从原始图像中减去平滑滤波器的结果具有锐化的效果，而从原始图像中减去锐化滤波器的结果则具有平滑的效果。
2、一幅数字图像经高通滤波后，滤波结果是图像的高频还是低频成分。图像的低频成分和高频成分分别反映了图像区域的什么特征？
答：高频成分。
二维的图像可以分解成不同的频率成分。其中，低频成分描述大范围的信息，而高频成分描述具体的细节。
在灰度图像中，亮度变化小的区域主要是低频成分，而亮度变化剧烈的区域 (比如物体的边缘)主要是高频成分。
3、设计空间域平滑和锐化滤波器的一般性原则分别是什么，即空域平滑模板和锐化模板各自的特点有哪些？
计算机与信息工程学院综合性、设计性实验报告 一、 实验目的 1、进一步了解MatLab 软件 /语言，学会使用MatLab 对图像作滤波处理，掌握滤波算法，体会滤波效果。 2、了解几种不同滤波方式的使用和使用的场合，培养处理实际图像的能力。 二、实验设备与软件 1、 IBM-PC 计算机系统； 2、 MatLab 软件/语言包括图像处理工具箱(Image Processing Toolbox)； 3、 实验所需要的图片。 三、实验要求 1、完成对于给定图像+噪声，使用平均滤波器、中值滤波器对不同强度的高斯噪声和椒盐噪声进行滤波处理； 2、能够正确地评价处理的结果； 3、能够从理论上作出合理的解释。 四、实验内容与步骤 1、调入并显示原始图像Sample2-1.jpg 。 2、 利用imnoise 命令在图像Sample2-1.jpg 上加入高斯(gaussian) 噪声 3、利用预定义函数fspecial 命令产生平均(average)滤波器 111191111---????--????---? ?
4、分别采用3x3和5x5的模板，分别用平均滤波器以及中值滤波器，对加入噪声的图像进行处理并观察不同噪声水平下，上述滤波器处理的结果； 5、选择不同大小的模板，对加入某一固定噪声水平噪声的图像进行处理，观察上述滤波器处理的结果。 6、利用imnoise 命令在图像Sample2-1.jpg 上加入椒盐噪声(salt & pepper) 7、重复3)~ 5）的步骤 8、输出全部结果并进行讨论。 M文件如下： I=imread('electric.tif'); %J = imnoise(I,'gauss',0.02); %添加高斯噪声 J = imnoise(I,'salt & pepper',0.02); %(注意空格) %添加椒盐噪声ave1=fspecial('average',3); %产生3×3的均值模版 ave2=fspecial('average',5); %产生5×5的均值模版 K = filter2(ave1,J)/255; %均值滤波3×3 L = filter2(ave2,J)/255; %均值滤波5×5 M = medfilt2(J,[3 3]); %中值滤波3×3模板 N = medfilt2(J,[4 4]); %中值滤波4×4模板 imshow(I);title('原图像'); figure,imshow(J);title('添加"高斯"噪声后的图像'); %figure,imshow(J);title('添加"椒盐"噪声后的图像'); figure,imshow(K);title('均值滤波3×3'); figure,imshow(L);title('均值滤波5×5'); figure,imshow(M);title('中值滤波3×3模板'); figure,imshow(N);title('中值滤波4×4模板'); 说明：运行时分两次进行，第一次观察高斯噪声把相应的椒盐噪声注释掉，如上面所示，第二次观察椒盐噪声时把相应的高斯噪声注释掉。 运行结果： 1、高斯噪声：
实验报告 实验课程:光电图像处理姓名： 学号： 实验地点： 指导老师： 实验时间：
一． 实验名称：空间图象增强（一） 二． 实验目的 1． 熟悉和掌握利用matlab 工具进行数字图像的读、写、显示、像素处理等数字图像处理的基本步骤和流程。 2． 熟练掌握各种空间域图像增强的基本原理及方法。 3． 熟悉通过灰度变换方式进行图像增强的基本原理、方法和实现。 4． 熟悉直方图均衡化的基本原理、方法和实现。 三． 实验原理 （一）数字图像的灰度变换 1、线性灰度变换 令原图像灰度范围由[a,b]线性变换后图像灰度范围[c,d]，以便于提升原图像的对比度。线性灰度变换公式如下： ()(,),[(,)](,)(,)d f x y b d c g x y f x y a c a f x y b b a c f x y a >??-?=-+≤≤?-?
对图像2种定义下的直方图统计统计，并分别画出两种定义下的直方图。直方图均衡化主要用于增强动态范围偏小的图像的反差。该方法的基本思想是把原始的直方图变换为均匀分布的形状，这样就增加了像素灰度值的动态范围，从而达到增强图像整体对比度的效果。 四． 实验步骤 （一）数字图像的灰度变换 1、线性灰度变换 1）读取一幅对比度低的灰度图像并显示。 2）以m 文件形式编写matlab 代码，实现数字图像的灰度范围由[a,b]到[c,d]的线性拉伸，以便于提升原图像的对比度。线性灰度变换公式如下： ()(,),[(,)](,)(,)d f x y b d c g x y f x y a c a f x y b b a c f x y a >??-?=-+≤≤?-?
实验图像的滤波增强处理 实验目的 1了解空域增强的基本原理 2掌握平滑滤波器和锐化滤波器的使用 3掌握图像中值滤波增强的使用 4了解频域增强的基本原理 5掌握低通滤波器和高通滤波器的使用实验原理 1．空域增强 空域滤波是在图像空间中借助模板对图像进行领域操作，处理图像每一个像素的取值都是根据模板对输入像素相应领域内的像素值进行计算得到的。空域滤波基本上是让图像在频域空间内某个范围的分量受到抑制，同时保证其他分量不变，从而改变输出图像的频率分布，达到增强图像的目的。 空域滤波一般分为线性滤波和非线性滤波两类。线性滤波器的设计常基于对傅立叶变换的分析，非线性空域滤波器则一般直接对领域进行操作。各种空域滤波器根据功能主要分为平滑滤波器和锐化滤波器。平滑可用低通来实现，平滑的目的可分为两类：一类是模糊，目的是在提取较大的目标前去除太小的细节或将目标内的小肩端连接起来；另一类是消除噪声。锐化可用高通滤波来实现，锐化的目的是为了增强被模糊的细节。结合这两种分类方法，可将空间滤波增强分为四类： 1）线性平滑滤波器（低通）2）非线性平滑滤波器（低通）3）线性锐化滤波器（高通） 4）非线性锐化滤波器（高通）空间滤波器都是基于模板卷积，其主要工作步骤是： 1（1）将模板在图中移动，并将模板中心与图中某个像素位置重合； 2（2）将模板上的系数与模板下对应的像素相乘； 3（3）将所有乘积相加； （4）将和（模板的输出响应）赋给图中对应模板中心位置的像素。 1.1平滑滤波器 线性低通平滑滤波器也称为均值滤波器，这种滤波器的所有系数都是正数，对3×3 的模板来说，最简单的是取所有系数为1，为了保持输出图像任然在原来图像的灰度值范围内，模板与象素邻域的乘积都要除以9。 MATLAB 提供了fspecial 函数生成滤波时所用的模板，并提供filter2 函数用指定的滤波器模板对图像进行运算。函数fspecial 的语法格式为： h=fspecial(type)
实验三空域图像增强 一、实验目的与要求 1、掌握灰度直方图的概念及其计算方法； 2、熟练掌握直力图均衡化和直方图规定化的计算过程； 3、熟练掌握空域滤波中常用的平滑和锐化滤波器； 4、掌握色彩直方图的概念和计算方法 5、利用MATLAB程序进行图像增强。 二、实验内容与步骤 1、图像的直方图与直方图均衡方法 a. 从硬盘加载cameraman.tif图象(using function imread). b. 显示图象. c. 显示图象的直方图(using function imhist). d. 用直方图均衡方法进行图象增强. e. 对处理后的图象显示其直方图. f. 比较图象的质量并且进行讨论. 代码如下： I=imread(‘原图像名.gif); % 读入原图像 J=histeq(I); %对原图像进行直方图均衡化处理 Imshow(I); %显示原图像 Title(‘原图像’); %给原图像加标题名 Figure；imshow(J); %对原图像进行屏幕控制；显示直方图均衡化后的图像 Title(‘直方图均衡化后的图像’) ; %给直方图均衡化后的图像加标题名 Figure; subplot(1,2,1) ;%对直方图均衡化后的图像进行屏幕控制；作一幅子图作为并排两幅图的第1幅图 Imhist(I,64); %将原图像直方图显示为64级灰度 Title(‘原图像直方图’) ; %给原图像直方图加标题名 Subplot(1,2,2); %作第2幅子图 Imhist(J,64) ; %将均衡化后图像的直方图显示为64级灰度 Title(‘均衡变换后的直方图’) ; %给均衡化后图像直方图加标题名 从处理前后的图像可以看出，许多在原始图像中看不清楚的细节在直方图均衡化处理后所得到的图像中都变得十分清晰。 2、对图象加入躁声，改变噪声参数（均值、方差或比例），比较其影响。使用3x3或7x7的均值滤波器、中值滤波器对不同强度的高斯噪声和椒盐噪声，进行滤波处理；能够正确地评价处理的结果；能够从理论上作出合理的解释。相关程序： I=imread('electric.tif'); J = imnoise(I,'gauss',0.05,0.02); %添加均值为0.05，方差为0.02的高斯噪声%J = imnoise(I,'salt& pepper',0.02); %添加2%像素被污染的椒盐噪声 ave1=fspecial('average',3); %产生3×3的均值模版ave2=fspecial('average',7); %产生7×7的均值模版
实验四图像的空域滤波 一、实验目的 1、理解图像滤波的基本定义及目的； 2、掌握空域滤波的基本原理及方法； 3、掌握用MA TLAB语言进行图像的空域滤波的方法。 1、读出“girl.bmp”这幅图像。给读出的图像加入高斯噪声。 2、分别采用不同大小的模板对加有噪声的图像进行均值滤波，用一个图像处理对话框 显示原图像、加有噪声的图像及均值滤波的图像。比较结果。 二、实验原理 1、均值滤波 2、中值滤波 MATLAB图像处理工具箱提供了基于卷积的图像滤波函数filter2。filter2的语法格式为：Y = filter2(h, X) 其中Y = filter2(h,X)返回图像X经算子h滤波后的结果，默认返回图像Y与输入图像X大小相同。 其实filter2和conv2是等价的。MA TLAB在计算filter2时先将卷积核旋转180度，再调用conv2函数进行计算。 fspecial函数用于创建预定义的滤波算子，其语法格式为： h = fspecial(type) h = fspecial(type, parameters) 参数type指定算子类型，parameters指定相应的参数，具体格式为： type='average'，为均值滤波，参数parameters为n，代表模版尺寸，用向量表示，默认值为[3,3]。 type= 'gaussian'，为高斯低通滤波器，参数parameters有两个，n表示模版尺寸，默认值为[3,3]，sigma表示滤波器的标准差，单位为像素，默认值为0.5。 type= 'laplacian'，为拉普拉斯算子，参数parameters为alpha，用于控制拉普拉斯算子的形状，取值范围为[0,1]，默认值为0.2。 type= 'log'，为拉普拉斯高斯算子，参数parameters有两个，n表示模版尺寸，默认值为[3,3]，sigma为滤波器的标准差，单位为像素，默认值为0.5 type= 'prewitt'，为prewitt算子，用于边缘增强，无参数。 type= 'sobel'，为著名的sobel算子，用于边缘提取，无参数。 type= 'unsharp'，为对比度增强滤波器，参数alpha用于控制滤波器的形状，范围为[0,1]，默认值为0.2。 三、实验要求
维纳滤波实现模糊图像恢复 摘要 维纳滤波器是最小均方差准则下的最佳线性滤波器，它在图像处理中有着重要的应用。本文主要通过介绍维纳滤波的结构原理，以及应用此方法通过MA TLAB 函数来完成图像的复原。 关键词：维纳函数、图像复原 一、引言 在人们的日常生活中，常常会接触很多的图像画面，而在景物成像的过程中有可能出现模糊，失真，混入噪声等现象，最终导致图像的质量下降，我们现在把它还原成本来的面目，这就叫做图像还原。引起图像的模糊的原因有很多，举例来说有运动引起的，高斯噪声引起的，斑点噪声引起的，椒盐噪声引起的等等，而图像的复原也有很多，常见的例如逆滤波复原法，维纳滤波复原法，约束最小二乘滤波复原法等等。它们算法的基本原理是，在一定的准则下，采用数学最优化的方法从退化的图像去推测图像的估计问题。因此在不同的准则下及不同的数学最优方法下便形成了各种各样的算法。而我接下来要介绍的算法是一种很典型的算法，维纳滤波复原法。它假定输入信号为有用信号与噪声信号的合成，并且它们都是广义平稳过程和它们的二阶统计特性都已知。维纳根据最小均方准则，求得了最佳线性滤波器的的参数，这种滤波器被称为维纳滤波。 二、维纳滤波器的结构 维纳滤波自身为一个FIR 或IIR 滤波器，对于一个线性系统，如果其冲击响应为()n h ，则当输入某个随机信号)(n x 时， Y(n)=∑-n )()(m n x m h 式（1） 这里的输入 )()()(n v n s n x += 式（2） 式中s(n)代表信号，v(n)代表噪声。我们希望这种线性系统的输出是尽可能地逼近s(n)的某种估计，并用s^(n)表示，即 )(?)(y n s n = 式（3） 因而该系统实际上也就是s(n)的一种估计器。这种估计器的主要功能是利用当前的观测值x(n)以及一系列过去的观测值x(n-1),x(n-2),……来完成对当前信号值的某种估计。维纳滤波属于一种最佳线性滤波或线性最优估计，是一最小均方误差作为计算准则的一种滤波。设信 号的真值与其估计值分别为s(n)和)(?n s ，而它们之间的误差 )(?)()(e n s n s n -= 式（4） 则称为估计误差。估计误差e(n)为可正可负的随机变量，用它的均方值描述误差的大小显然
图像增强—空域滤波实验报告 篇一：5.图像增强—空域滤波 - 数字图像处理实验报告计算机与信息工程学院验证性实验报告 一、实验目的 进一步了解MatLab软件/语言，学会使用MatLab对图像作滤波处理，使学生有机会掌握滤波算法，体会滤波效果。 了解几种不同滤波方式的使用和使用的场合，培养处理实际图像的能力，并为课堂教学提供配套的实践机会。 二、实验要求 (1)学生应当完成对于给定图像+噪声，使用平均滤波器、中值滤波器对不同强度的高斯噪声和椒盐噪声，进行滤波处理；能够正确地评价处理的结果；能够从理论上作出合理的解释。 (2)利用MATLAB软件实现空域滤波的程序：I=imread('electric.tif'); J = imnoise(I,'gauss',0.02); %添加高斯噪声 J = imnoise(I,'salt & pepper',0.02); %添加椒盐噪声ave1=fspecial('average',3); %产生3×3的均值模版ave2=fspecial('average',5); %产生5×5的均值模版 K = filter2(ave1,J)/255; %均值滤波3×3 L = filter2(ave2,J)/255; %均值滤波5×5 M = medfilt2(J,[3 3]);%中值滤波3×3模板 N = medfilt2(J,[4 4]); %中值
滤波4×4模板 imshow(I); figure,imshow(J); figure,imshow(K); figure,imshow(L); figure,imshow(M); figure,imshow(N); 三、实验设备与软件 (1) IBM-PC计算机系统 (2) MatLab软件/语言包括图像处理工具箱(Image Processing Toolbox) (3) 实验所需要的图片 四、实验内容与步骤 a) 调入并显示原始图像Sample2-1.jpg 。 b) 利用imnoise 命令在图像Sample2-1.jpg 上加入高斯(gaussian) 噪声 c)利用预定义函数fspecial 命令产生平均(average)滤波器 ??1?1?1???19?1?????1?1?1?? ? d）分别采用3x3和5x5的模板，分别用平均滤波器以及中值滤波器，对加 入噪声的图像进行处理并观察不同噪声水平下，上述滤波器处理的结果； e）选择不同大小的模板，对加入某一固定噪声水平噪声的图像进行处理，观察上述滤波器处理的结果。 f）利用imnoise 命令在图像Sample2-1.jpg 上加入椒盐噪声(salt & pepper) g）重复c)~ e）的步骤 h）输出全部结果并进行讨论。
一、实验名称：空域图像增强 二、实验目的：掌握Matlab语言图像工具箱中空域图像增强的实现 三、实验要求： 在掌握图像灰度调整、直方图修正和图像锐化的指令基础上，编写程序实现图像的灰度变换，直方图均衡和图像锐化的处理 四、实验仪器和设备：计算机，Matlab软件 五、实验原理： 1、亮度变换S=T(r)点对点的变换（灰度级对灰度级的变换）matlab函数：imadjust() 亮度变换的基本函数g=imadjust(f,[low in high in],[low out high out],gamma); low in and high in 参数分别指定输入图像需要映射的灰度空间范围，low out 和high out 参数分别指定输出图像所在的灰度范围。GAMMA表示曲线的形状，描述输入输出图像之间的关系。如果GAMMA小于1，则映射的权重趋势向更亮输出，如果GAMMA大于1，则趋向更暗的输出。默认值为1。 2、直方图均衡化 直方图是多种空间域处理技术的基础，能有效用于图像增强，是实时图像处理的流行工具，直方图均衡化的目的是使图像在整个灰度值动态变化范围内分布均匀化，改善图像的亮度分布状态，增强视觉效果。直方图均衡化是通过灰度变换将一幅图像转换程另一幅具有均衡性的直方图。即在每个灰度级上都具有相同的像素点数的过程。 3、空域滤波 手工滤波与函数提供滤波器的比较 六、实验步骤： 1、将待处理图片拷到matlab软件’work’文件夹 2、实行亮度变换 3、对图像进行直方图均衡处理 4、空域滤波 5、记录实验结果并分析 七、实验程序及结果记录： 1、亮度变换 I=imread(‘E:\fig308.tif’); Imshow(I); Figure,imhist(I); J=imadjust(I,[0.5 0.9],[0,1]); Figure; imshow(J); Figure; imhist(J) 2、直方图均衡化 I=imread(‘E:\fig308.tig’); J=histea(I); Imshow(I); Title(‘原图像’); Figure; Imshow(J); Title(‘直方图均衡化后的图像’);
经贸大学毕业论文 基于Matlab GUI空域滤波增强的设计
目录 1绪论 (1) 1.1 课题研究背景 (1) 1.2 图像去噪的研究现状 (1) 1.3 本文主要工作 (2) 第2章 Matlab简介 (3) 2.1 Matlab概况 (3) 2.1.1 Matlab发展过程 (4) 2.1.2 Matlab的语言特点 (5) 2.2 Matlab图像处理常用函数 (6) 第3章图像去噪算法 (8) 3.1 图像噪声概述 (8) 3.1.1 图像噪声的概念 (8) 3.1.2 图像噪声的分类 (8) 3.2 邻域平均法图像去噪 (9) 3.2.1 模板操作和卷积运算 (9) 3.2.2 邻域平均法原理 (11) 3.3 中值滤波法图像去噪 (12) 3.3.1 中值滤波原理 (13) 3.3.2 中值滤波主要特性 (15) 3.3.3 复合型中值滤波 (16) 3.4 维纳滤波法图像去噪 (17) 3.4.1 维纳滤波原理 (17) 3.4.2 维纳滤波器特性 (19) 第4章基于Matlab GUI的空域增强设计 (20) 4.1 Matlab GUI设计的介绍 (20) 4.2 Matlab GUI界面的操作 (20)
4.2.1 启动GUIDE (20) 4.2.2 GUI文件的介绍 (22) 4.2.3 GUIDE环境的设置 (22) 4.3 基于Matlab GUI空域增强软件平台的设计 (23) 4.3.1 启动GUIDE (23) 4.3.2 加入菜单项编辑 (24) 4.3.3 增加子菜单和布局 (24) 4.4 各种方法的仿真 (26) 4.4.1 邻域平均法的仿真 (26) 4.4.2 中值滤波的仿真 (28) 4.4.3 维纳滤波的仿真 (30) 4.4.4 几种去噪方法的比较分析 (32) 4.5 Matlab GUI软件界面处理的结果 (33) 致谢 (35) 参考文献 (35) 摘要 在许多情况下图像信息会受到各种各样噪声的影响，严重时会影响
实验四 空域滤波处理 1、 对图像woman 进行以下两种线性滤波处理,与原图像进行对比，观察其变化： （1） 均值滤波器即用平均掩模???? ??????=111111111911H ； （2） 加权滤波器???? ??????=1212421211613H 。 2、 对图像woman 加入椒盐噪声（J = imnoise(I,'salt & pepper', 0.02)），并中值滤波方法进行处理，对处理后的图像与原图像进行对比，观察其变化。（注：不得用matlab 中的中值滤波函数） 1、解： clc clear all load woman Y=X; Z=X; [m,n]=size(X); for i=2:m-1 for j=2:n-1 Y(i,j)=round((X(i-1,j-1)+X(i,j-1)+X(i+1,j-1)+X(i-1,j)+X(i,j)+X(i+1,j)+X(i-1,j+1)+X(i,j+1)+X(i+1,j+1))/9); Z(i,j)=round((X(i-1,j-1)+2*X(i,j-1)+X(i+1,j-1)+2*X(i-1,j)+4*X(i,j)+2*X(i+1,j)+X(i-1,j+1)+2*X(i,j+1)+X(i+1,j+1))/16); end end subplot(131) imshow(X,map) subplot(132) imshow(Y,map) subplot(133) imshow(Z,map) 2、解： clc clear all load woman
X=uint8(X); J = imnoise(X,'salt & pepper', 0.02); [m,n]=size(X); for i=2:m-1 for j=2:n-1 Y(i,j)=median([J(i-1,j-1),J(i,j-1),J(i+1,j-1),J(i-1,j),J(i,j),J(i+1,j ),J(i-1,j+1),J(i,j+1),J(i+1,j+1)]); end end subplot(131) imshow(X,map) subplot(132) imshow(J,map) subplot(133) imshow(Y,map)
实验报告 课程名称数字图像处理实验名称空域滤波增强 姓名__吴征宇学号____ 3101110002 专业班级_ J计算机1001 实验日期__2013_ 年_5 _月_29 日成绩_____ __ 指导教师___ _ 实验四空域滤波增强 一、实验目的 1.了解空域滤波增强的Matlab实现方法； 2.掌握噪声模拟和图像滤波函数的使用方法； 3.能够将给定图像+噪声，使用均值滤波器、中值滤波器对不同强度的高斯噪声和椒盐 噪声，进行滤波处理； 4.能够正确地评价处理的结果；并从理论上作出合理的解释。 二、实验内容 1. 噪声模拟 利用函数imnoise给图像‘autumn.tif’分别添加高斯(gaussian)噪声和椒盐(salt & pepper)噪声。 I=imread('cameraman.tif'); imshow(I) I1=imnoise(I,'gaussian',0,0.01); figure,imshow(I1) I2=imnoise(I,'salt & pepper'); figure,imshow(I2)
2. 均值滤波和中值滤波 A)均值滤波 在matlab环境中，程序首先读取图像，然后调用图像增强（）函数，设置相关参数，再输出处理后的图像。 I = imread('cameraman.tif'); figure,imshow(I); J=filter2(fspecial('average',3),I)/255; figure,imshow(J); B)中值滤波 在matlab环境中，程序首先读取图像，然后调用图像增强（中值滤波）函数，设置相关参数，再输出处理后的图像。
课程名称： 实验项目： 实验地点： 专业班级：学号：学生姓名： 指导教师： 2012年月日
实验一 空域图像增强技术 一、 实验目的 1结合实例学习如何在视频显示程序中增加图像处理算法； 2理解和掌握图像的线性变换和直方图均衡化的原理和应用； 3了解平滑处理的算法和用途，学习使用均值滤波、中值滤波和拉普拉斯锐化进行图像增强处理的程序设计方法； 4 了解噪声模型及对图像添加噪声的基本方法。 二、 实验原理 1 灰度线性变换就是将图像中所有点的灰度按照线性灰度变换函数进行变换。 )],([),(y x f T y x g = ?? ? ??<≤+-<≤+-≤≤=255),(]),([),( ]),([),(0 ) ,(),(y x f b g b y x f b y x f a g a y x f a y x f y x f y x g b a γβα n y m x ΛΛ,2,1 ,,,2,1== 2 直方图均衡化通过点运算将输入图像转换为在每一级上都有相等像素点数的输出图 像。按照图像概率密度函数PDF 的定义： 1,...,2,1,0 )(-== L k n n r p k k r 通过转换公式获得： 1,...,2,1,0 )()(0 -====∑∑ ==L k n n r p r T s k j k j j j r k k 3 均值（中值）滤波是指在图像上，对待处理的像素给定一个模板，该模板包括了其 周围的临近像素。将模板中的全体像素的均值（中值）来代替原来像素值的方法。 4 拉普拉斯算子如下： ???? ??????--------111181111 拉普拉斯算子首先将自身与周围的8个像素相减，表示自身与周围像素的差异，再将 这个差异加上自身作为新像素的灰度。 三、 实验步骤 1 启动MA TLAB 程序，对图像文件分别进行灰度线性变换（参考教材57页，例4.1）、直方图均衡化、均值滤波、中值滤波和梯度锐化操作。添加噪声，重复上述过程观察处理结果。 2记录和整理实验报告
数字信号处理 II
第六章 波束形成与空域滤波
Beamforming and Spatial Filtering
讲
义
穆鹏程
西安交通大学
2010-05-23 数字信号处理II 1
6.0 波束形成与空域滤波
z z
阵列信号处理的两个重要研究内容：（1）波达方向(DOA)估计；（2）波束形成。 波束形成一般包括发射波束形成和接收波束形成两种形式，本章主要讨论接收波束形成，发射波束 波束形成的目的： 区分来自不同方向的信号，提取（或增强）某些方向的有用信号，消除（或抑制）其它方向的干扰
形成的处理方式与之类似。
z
信号和噪声。
z
波束形成实质上是一种空域滤波，波束形成器也叫空域滤波器。 本章主要内容： 6.1 波束形成的基本知识； 6.2 时域FIR滤波器设计方法； 6.3 窄带波束形成； 6.4 宽带波束形成； 6.5 均匀圆阵宽带波束形成。
2010-05-23
数字信号处理II
2
6.1 波束形成的基本知识
一、阵列信号模型
在传统的阵列信号处理中，阵列主要处理窄带信号，信号中心频率为 f ，并且假设信 号源位于阵列的远场，因此可以使用平面波传播理论，认为信号平行入射，各阵元接收到 的信号之间没有幅度差，只存在传播延迟造成的相位差。 最常用的均匀线阵远场模型如右图所示： 其中 θ 为信号入射方向角， d 为阵元间距。 为避免混叠，阵元间距不超过入射信号的半 波长。记信号波长为 λ ，阵元个数为 N ，阵 列等效孔径为：
y
d′
θ
L=
( N ? 1) d
λ
r
d
如果信号源到阵列的距离为 r ，则远场 条件可以简单表示为：
2010-05-23
x
λ
L
数字信号处理II 3
昆明理工大学信息工程与自动化学院学生实验报告 （ 2012 —2013 学年第二学期） 课程名称：图形图像处理开课实验室：信自444 2013年 5月 22日 一、实验目的 进一步了解MatLab软件/语言，学会使用MatLab对图像作滤波处理，使学生有机会掌握滤波算法，体会滤波效果。 了解几种不同滤波方式的使用和使用的场合，培养处理实际图像的能力，并为课堂教学提供配套的实践机会。 二、实验要求 (1)学生应当完成对于给定图像+噪声，使用平均滤波器、中值滤波器对不同强度的高斯噪声和椒盐噪声，进行滤波处理；能够正确地评价处理的结果；能够从理论上作出合理的解释。 (2)利用MATLAB软件实现空域滤波的程序： I=imread('electric.tif'); J = imnoise(I,'gauss',0.02); %添加高斯噪声 J = imnoise(I,'salt & pepper',0.02); (注意空格) %添加椒盐噪声 ave1=fspecial('average',3); %产生3×3的均值模版 ave2=fspecial('average',5); %产生5×5的均值模版 K = filter2(ave1,J)/255; %均值滤波3×3 L = filter2(ave2,J)/255; %均值滤波5×5 M = medfilt2(J,[3 3]); %中值滤波3×3模板 N = medfilt2(J,[4 4]); %中值滤波4×4模板 imshow(I); figure,imshow(J); figure,imshow(K);
figure,imshow(L); figure,imshow(M); figure,imshow(N); 三、实验设备与软件 (1) IBM-PC 计算机系统 (2) MatLab 软件/语言包括图像处理工具箱(Image Processing Toolbox) (3) 实验所需要的图片 四、实验内容与步骤 a) 调入并显示原始图像Sample2-1.jpg 。 b) 利用imnoise 命令在图像Sample2-1.jpg 上加入高斯(gaussian) 噪声 c)利用预定义函数fspecial 命令产生平均(average)滤波器 111191111---????--????---? ? d ）分别采用3x3和5x5的模板，分别用平均滤波器以及中值滤波器，对加入噪声的图像进行处理并观察不同噪声水平下，上述滤波器处理的结果； e ）选择不同大小的模板，对加入某一固定噪声水平噪声的图像进行处理，观察上述滤波器处理的结果。 f ）利用imnoise 命令在图像Sample2-1.jp g 上加入椒盐噪声(salt & pepper) g ）重复c)~ e ）的步骤 h ）输出全部结果并进行讨论。 实验过程及截图 I=imread('3.jpg'); imshow(I);
图像平滑处理的空域算法和 频域分析 1 技术要求 对已知图像添加高斯白噪声,并分别用低通滤波器(频域法)和邻域平均法(空域法)对图像进行平滑处理(去噪处理),并分析比较两种方法处理的效果。 2 基本原理 2.1 图像噪声 噪声在理论上可以定义为“不可预测，只能用概率统计方法来认识的随机误差”。实际获得的图像一般都因受到某种干扰而含有噪声。引起噪声的原因有敏感元器件的内部噪声、相片底片上感光材料的颗粒、传输通道的干扰及量化噪声等。噪声产生的原因决定了噪声的分布特性及它和图像信号的关系。 根据噪声和信号的关系可以将其分为两种形式： （1）加性噪声。有的噪声与图像信号g(x,y)无关，在这种情况下，含噪图像f(x,y)可表示为 f(x,y)=g(x,y)+n(x,y) （2）乘性噪声。有的噪声与图像信号有关。这又可以分为两种情况：一种是某像素处的噪声只与该像素的图像信号有关，另一种是某像点处的噪声与该像点及其邻域的图像信号有关，如果噪声与信号成正比，则含噪图像f(x,y)可表示为 f(x,y)=g(x,y)+n(x,y)g(x,y) 另外，还可以根据噪声服从的分布对其进行分类，这时可以分为高斯噪声、泊松噪声和颗粒噪声等。如果一个噪声，它的幅度分布服从高斯分布，而它的功率谱密度又是均匀分布的，则称它为高斯白噪声，一般为加性噪声。
2.2 图像平滑处理技术 平滑技术主要用于平滑图像中的噪声。平滑噪声在空间域中进行，其基本方法是求像素灰度的平均值或中值。为了既平滑噪声又保护图像信号，也有一些改进的技术，比如在频域中运用低通滤波技术。 （1）空域法 在空域中对图像进行平滑处理主要是邻域平均法。这种方法的基本思想是用几个像素灰度的平均值来代替每个像素的灰度。假定有一幅N*N 个像素的图像f(x,y)，平滑处理后得到一幅图像g(x,y)。g(x,y)由下式决定 式中，x,y=0,1,2,…，N-1；S 是(x,y)点邻域中点的坐标的集合，但其中不包括(x,y)点；M 是集合内坐标点的总数。上式说明，平滑化的图像g(x,y)中每个像素的灰度值均由包含在(x,y)的预定邻域中的f(x,y)的几个像素的灰度值的平均值来决定。 （2）频域法 低通滤波法是一种频域处理方法。在分析图像信号的频率特性时，一幅图像的边缘、跳跃部分以及颗粒噪声代表图像信号的高频分量，而大面积的背景区则代表图像信号的低频分量。用滤波的方法滤除其高频部分就能去掉噪声，使图像得到平滑。 由卷积定理可知 其中F(u,v)是含有噪声的图像的傅立叶变换，G(u,v)是平滑处理后的图像的傅立叶变换，H(u,v)是传递函数。选择传递函数H(u,v)，利用H(u,v)使F(u,v)的高频分量得到衰减，得到G(u,v)后再经傅立叶反变换后就可以得到所希望的平滑图像g(x,y)了。根据前面的分析，显然H(u,v)应该具有低通滤波特性，所以这种方法叫低通滤波法平滑化处理。 常用的低通滤波器有如下几种： a.理想低通滤波器 一个理想的二维低通滤波器有一个参数 。它是一个规定的非负的量，叫做理想低通滤波器的截止频率。所谓理想低通滤波器是指以截频 为半径的圆内的所有频率都能无损地通过，而在截频之外的频率分量完全被衰减。理想低通滤波器可以用计算机模拟实 M n m f y x g S n m ∑∈= ),(),(),() ,(),(),(G v u F v u H v u ?=0D 0
实验一空域图像增强技术
实验一、空域图像增强技术 班级: 学号： 姓名： 实验时间： 实验学时：2学时 一、实验目的 1、结合实例学习如何在视频显示程序中增加图像处理算法； 2、理解和掌握图像的线性变换和直方图均衡化的原理和应用； 3、了解平滑处理的算法和用途，学习使用均值滤波、中值滤波和拉普拉斯锐化进行图像增强处理的程序设计方法； 4、了解噪声模型及对图像添加噪声的基本方法。 二、实验原理 1、灰度线性变换就是将图像中所有点的灰度按照线性灰度变换函数进行变换。 )],([),(y x f T y x g = ?? ???<≤+-<≤+-≤≤=255),(]),([),( ]),([),(0 ),(),(y x f b g b y x f b y x f a g a y x f a y x f y x f y x g b a γβα n y m x ΛΛ,2,1 ,,,2,1== 2、直方图均衡化通过点运算将输入图像转换为在每一级上都有相等像素点数的输出图像。按照图像概率密度函数PDF 的定义： 1,...,2,1,0 )(-==L k n n r p k k r 通过转换公式获得： 1,...,2,1,0 )()(00-====∑∑==L k n n r p r T s k j k j j j r k k 3、均值（中值）滤波是指在图像上，对待处理的像素给定一个模板，该模板包括了其周围的临近像素。将模板中的全体像素的均值（中值）来代替原来像素值的方法。
4、拉普拉斯算子如下： ??????????--------111181111 拉普拉斯算子首先将自身与周围的8个像素相减，表示自身与周围像素的差异，再将这个差异加上自身作为新像素的灰度。 三、 实验步骤 1、启动MATLAB 程序，对图像文件分别进行灰度线性变换（参考教材50页，例4.1）、直方图均衡化（参考教材56页，例4.6）、均值滤波（参考教材60页，例4.9）、中值滤波（参考教材64页，例4.11）和梯度锐化操作（参考教材66页，例4.12）。观察处理结果。 2、记录和整理实验报告 四、实验仪器 1、计算机； 2、MATLAB 程序； 3、记录用的笔、纸。 五、实验报告内容 1、灰度线性变换 I=imread('pout.tif'); imshow(I); >> I=double(I); [M,N]=size(I); for i=1:M for j=1:N if I(i,j)<=30 I(i,j)=I(i,j);
实验四空域滤波增强 一、实验目的 1.了解空域滤波增强的Matlab实现方法； 2.掌握噪声模拟和图像滤波函数的使用方法； 3.能够将给定图像+噪声，使用均值滤波器、中值滤波器对不同强度的高斯噪声和椒盐 噪声，进行滤波处理； 4.能够正确地评价处理的结果；并从理论上作出合理的解释。 二、实验内容 1. 噪声模拟 利用函数imnoise给图像‘eight.tif’分别添加高斯(gaussian)噪声和椒盐(salt & pepper)噪声。 I=imread('eight.tif'); imshow(I) I1=imnoise(I,'gaussian',0,0.01); figure,imshow(I1) I2=imnoise(I,'salt & pepper'); figure,imshow(I2) 2. 均值滤波和中值滤波 A)均值滤波 在matlab环境中，程序首先读取图像，然后调用图像增强（）函数，设置相关参数，再输出处理后的图像。 I = imread('cameraman.tif'); figure,imshow(I); J=filter2(fspecial(‘average’,3),I)/255; figure,imshow(J); B)中值滤波 在matlab环境中，程序首先读取图像，然后调用图像增强（中值滤波）函数，设置相关参数，再输出处理后的图像。 I = imread('cameraman.tif'); figure,imshow(I); J=medfilt2(I,[5,5]); figure,imshow(J);
3. 空域滤波 C)对上述噪声图像进行均值滤波和中值滤波，比较滤波效果。 I=imread('Sample2-1.jpg'); J = imnoise(I,'gauss',0.02); %添加高斯噪声 %J = imnoise(I,'salt & pepper',0.02); %添加椒盐噪声 K = filter2(fspecial('average',3),J)/255; %均值滤波3 ×3 L = filter2(fspecial('average',5),J)/255; %均值滤波5 ×5 M = medfilt2(J,[3 3]); %中值滤波3 ×3 模板 N = medfilt2(J,[4 4]); % 中值滤波4 ×4 模板 imshow(I); figure,imshow(J); figure,imshow(K); figure,imshow(L); figure,imshow(M); figure,imshow(N); 4. 采用三种不同算子对图像进行锐化处理。 i=imread('f:\1.jpg') I=rgb2gray(s) H=fspecial('sobel')%应用Sobel算子锐化图像 I1=filter2(H,I)%Sobel算子滤波锐化 H=fspecial('prewitt')%应用prewitt算子锐化图像 I2=filter2(H,I)%prewitt算子滤波锐化 H=fspecial('log')%应用log算子锐化图像 I3=filter2(H,I)%log算子滤波锐化 subplot(2,2,1);imshow(i);title('原图像') subplot(2,2,2);imshow(I1);title('Sobel算子锐化图像') subplot(2,2,3);imshow(I2);title('prewitt算子锐化图像') subplot(2,2,4);imshow(I3);title('log算子锐化图像') 5. 边缘检测 MATLAB的图像处理工具箱中提供的edge函数可以实现检测边缘的功能，其语法格式如下： BW = edge(I,'sobel') BW = edge(I,'sobel',direction) BW = edge(I,'roberts') BW = edge(I,'log') 这里BW = edge(I,'sobel')采用Sobel算子进行边缘检测。BW =