实验三 图像的滤波及增强

实验三图像的滤波及增强

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，使学生有机会掌握滤波算法，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，并为课堂教学提供配套的实践机会。

3 熟悉傅立叶变换的基本性质；

4 熟练掌握FFT变换方法及应用；

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);

（3）应用傅立叶变换进行图像处理

傅里叶变换是线性系统分析的一个有力工具，它能够定量地分析诸如数字化系统、采样点、电子放大器、卷积滤波器、噪音和显示点等的作用。通过实验培养这项技能，将有助于解决大多数图像处理问题。对任何想在工作中有效应用数字图像处理技术的人来说，把时间用在学习和掌握博里叶变换上是很有必要的。

（4）傅立叶（Fourier ）变换的定义

对于二维信号，二维Fourier 变换定义为：

2()(,)(,)j ux uy F u v f x y e dxdy π∞∞

-+-∞-∞=

??

逆变换： 2()(,)(,)j ux uy f x y F u v e dudv π∞∞+-∞-∞=

?? 二维离散傅立叶变换为：

112()001(,)(,)i k N N j m n N N i k F m n f i k e N π---+===∑∑

逆变换： 112()001(,)(,)i k N N j m n N N

m n f i k F m n e N π--+===∑∑ 图像的傅立叶变换与一维信号的傅立叶变换变换一样，有快速算法，具体参见参考书目，有关傅立叶变换的快速算法的程序不难找到。实际上，现在有实现傅立叶变换的芯片，可以实时实现傅立叶变换。

（5）利用MATLAB 软件实现数字图像傅立叶变换的程序：

I=imread(‘原图像名.gif’); %读入原图像文件

imshow(I); %显示原图像

fftI=fft2(I); %二维离散傅立叶变换

sfftI=fftshift(fftI); %直流分量移到频谱中心

RR=real(sfftI); %取傅立叶变换的实部

II=imag(sfftI); %取傅立叶变换的虚部

A=sqrt(RR.^2+II.^2); %计算频谱幅值

A=（A-min(min(A))）/(max(max(A))-min(min(A)))*225 %归一化

figure; %设定窗口

imshow(A); %显示原图像的频谱

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

1）模板滤波

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。

实验代码：

I=imread('eight.tif');

J = imnoise(I,'gauss',0.02);

J = imnoise(I,'salt& pepper',0.02);

ave1=fspecial('average',3);

ave2=fspecial('average',5);

K = filter2(ave1,J)/255;

L = filter2(ave2,J)/255;

M = medfilt2(J,[3 3]);

N = medfilt2(J,[4 4]);

imshow(I);

figure,imshow(J);

figure,imshow(K);

figure,imshow(L);

figure,imshow(M);

figure,imshow(N);

实验结果：

图表1：原图 图表2：加入噪声

图表3：3*3模板平均值滤波图表4：5*5模板平均值滤波

图表5：3*3中值滤波图表6：4*4中值滤波

2）频域滤波

a.将图像内容读入内存；

b.用Fourier变换算法，对图像作二维Fourier变换；

c.将其幅度谱进行搬移，在图像中心显示；

d.用Fourier系数的幅度进行Fourier反变换；

e.用Fourier系数的相位进行Fourier反变换；

f.比较4、5的结果，评价人眼对图像幅频特性和相频特性的敏感度。

g.记录和整理实验报告。

实验代码：

clearall;closeall;clc;

I=imread('eight.tif');

imshow(I);

fftI=fft2(I);

sfftI=fftshift(fftI);

RR=real(sfftI);

II=imag(sfftI);

A=sqrt(RR.^2+II.^2);

A=(A-min(min(A)))/(max(max(A))-min(min(A)))*225;

figure;

imshow(A);

f1=ifft2(A)*255;

f2=ifft2(angle(fftI))*255;

figure;

imshow(f1);

figure;

imshow(f2);

实验结果：

图表7：原图图表8：FFT变换

图表9：振幅IFFT 图表10：相位IFFT

五、思考题/问答题

(1) 简述高斯噪声和椒盐噪声的特点。

高斯噪声是指噪声服从高斯分布，即某个强度的噪声点个数最多，离这个强度越远噪声点个数越少，且这个规律服从高斯分布。高斯噪声是一种加性噪声，即噪声直接加到原图像上，因此可以用线性滤波器滤除。

椒盐噪声类似把椒盐撒在图像上，是一种在图像上出现很多白点或黑点的噪声。椒盐噪声可以认为是一种逻辑噪声，用线性滤波器滤除的结果不好，一般采用中值滤波器滤波可以得到较好的结果。

(2) 结合实验内容，定性评价平均滤波器/中值滤波器对高斯噪声和椒盐噪声的去噪效果？

平均滤波器对高斯噪声滤除效果加好，中值滤波对椒盐噪声滤除效果叫好。

(3) 结合实验内容，定性评价滤波窗口对去噪效果的影响？

窗口设定的越大，会使滤波后的图像边缘越模糊，窗口越小，滤除效果越差，同时边缘也不会那么模糊。

六、实验心得

通过这次实验让我了解了不同的滤波方法的滤波原理，同时也学会了不同的滤波方式对不同的噪声滤除效果不同，在应用中要根据不同的噪声选择不同的滤波方式，同时在做FFT的振幅个相位的逆变换时也遇到了不少问题，最终感觉的到的逆变换结果也不是那么理想，相位的逆变换结果是一片黑色，也许是逆变换过程中那个地方出现了错误，在后面的实验中，我还要把这次实验中出现的问题逐渐解决。