資源描述：
《數(shù)字圖像處理實驗4空間域和頻率域圖像處理》由會員上傳分享，免費在線閱讀，更多相關(guān)內(nèi)容在行業(yè)資料-天天文庫。
1、電子信息學(xué)院實驗報告書課程名：《數(shù)字圖像處理》課程實驗題目：實驗四空間域和頻率域圖像處理實驗類別：【驗證實驗】班級：電子1313學(xué)號：131003430326姓名：吳限評語：（1）實驗程序代碼：□正確□基本正確□不正確（2）實驗結(jié)果分析：□準(zhǔn)確□基本準(zhǔn)確□不準(zhǔn)確（3）實驗報告撰寫：□規(guī)范□基本規(guī)范□不規(guī)范成績：□A□B□C□D，指導(dǎo)教師：批閱時間：年月日《數(shù)字圖像處理》61、實驗內(nèi)容或題目題目空間域和頻率域圖像處理內(nèi)容圖像灰度變換與空間域濾波屬于空域圖像處理方法，直接對圖像像素進(jìn)行處理。圖像灰度變換采用MATLAB工具箱中的灰度變換函數(shù)、直方
2、圖處理函數(shù)等函數(shù)及其相應(yīng)的語法格式對實驗一生成的圖像進(jìn)行處理?？臻g域濾波采用MATLAB工具箱中提供的空間域濾波器對圖像進(jìn)行空間域濾波處理。傅立葉變換（FourierTransform）是線性系統(tǒng)分析的一個有力工具，它能夠定量分析諸如數(shù)字化系統(tǒng)、采樣點、電子放大器、卷積濾波器、噪聲等的作用。通過實驗培養(yǎng)這項技能，將有助于解決大多數(shù)圖像處理問題。對任何想在工作中有效應(yīng)用數(shù)字圖像處理技術(shù)的人來說，學(xué)習(xí)好傅立葉變換很有必要。對于二維信號，二維傅立葉變換定義為：其逆變換：二維離散傅立葉變換為：《數(shù)字圖像處理》6其逆變換：2、實驗?zāi)康呐c要求目的1、了解
3、圖像空間域濾波的意義和手段；2、熟悉圖像空間域濾波的MATLAB函數(shù)；3、熟練掌握應(yīng)用MATLAB軟件編程進(jìn)行空間域濾波的方法。4、了解頻域圖像處理的意義和手段；5、熟悉離散傅里葉變換的基本性質(zhì)；6、熟練掌握圖像傅里葉變換的方法及應(yīng)用；7、了解二維頻譜的分布特點；8、掌握利用MATLAB工具箱實現(xiàn)頻域圖像處理要求1、將直方圖增強和空間域濾波結(jié)果打印出來提交；2、提交程序源代碼M文件；3、比較直方圖增強前后圖像的視覺效果有何不同。《數(shù)字圖像處理》63、實驗儀器1、計算機一臺；2、MATLAB軟件一套；3、移動存儲器（U盤等）；4、實驗圖像若干。
4、4、實驗圖像《數(shù)字圖像處理》6《數(shù)字圖像處理》65、實驗步驟1、打開計算機并啟動MATLAB程序，在“work”文件夾下找到待處理的圖像文件；2、統(tǒng)計原圖像的灰度直方圖，并利用直方圖均衡方法進(jìn)行增強；分別對原圖像添加高斯和運動平滑濾波；3、記錄和整理實驗報告。4、打開計算機并啟動MATLAB程序；5、讀入test.bmp圖像，并計算其傅立葉變換的模值；6、分別構(gòu)造gaussian濾波器（,）和motion濾波器（，）；7、利用上一步驟構(gòu)造的兩個濾波器分別對test.bmp的頻域模值進(jìn)行濾波處理；8、將原圖像和頻域濾波的結(jié)果顯示出來；9、重新構(gòu)
5、造一幅黑白二值圖像，在的黑色背景中心生成一個的白色方塊；10、了解傅立葉變換為可分離核變換的性質(zhì)，并利用1DFFT子程序?qū)崿F(xiàn)2D傅立葉變換；11、把低頻分量移到圖像中心，而把高頻分量移到四個角上（利用函數(shù)）；12、利用圖像增強中動態(tài)范圍壓縮的方法增強2DFFT（）；13、研究傅立葉變換幅度的平移不變性；14、研究傅立葉變換幅度的旋轉(zhuǎn)性質(zhì)；《數(shù)字圖像處理》61、研究傅立葉變換的尺度變換性質(zhì)；2、記錄和整理實驗報告。6、程序代碼clearclca=imread('girl2.jpg');%讀取圖像b=rgb2gray(a);%轉(zhuǎn)換成灰度圖像c=h
6、isteq(b,256);figuresubplot(221),imshow(a);title('原圖');subplot(222),imshow(c);title('均衡化圖');subplot(223),imhist(b);title('原圖灰度直方圖');subplot(224),imhist(c);title('均衡化直方圖');d=fspecial('gaussian',3,1);%構(gòu)造gaussian濾波器（hsize=3,sigma=1）e=fspecial('motion',9,45);%構(gòu)造motion濾波器（len=9，t
7、heta=45）f=imfilter(a,d);%gaussian濾波處理g=imfilter(a,e);%motion濾波處理figuresubplot(221),imshow(a);title('原圖');subplot(222),imshow(f);title('高斯濾波');subplot(223),imshow(g);title('運動平衡濾波');%頻率域圖像處理A=zeros(128);A(62:64,62:66)=1;%構(gòu)造一幅黑白二值圖像figureF1=fft2(A,128,128);%2D傅里葉變換F2=fftshift
8、(F1);%將原點移至中心F3=log(1+abs(F2));A1=zeros(128);A1(22:26,22:26)=1;F4=fft2(A1,128,128)
