《数字图像处理实验》word版
《数字图像处理》实验指导书1
《数字图像处理》实验指导书前言本实验指导书可作为电子信息工程、通信工程、生物医学工程等专业《数字图像处理》课程的实验指导书。
实验指导书共提供了6个实验，要求在VB环境下实现。
实验名称与学时安排详见下表。
实验名称与学时安排表实验教学基本要求：1、在实验前，认真准备，熟悉和掌握相关实验内容的基本算法和程序设计技术。
2、根据实验目的和要求，按时认真完成各实验的上机操作。
3、实验结束后，要及时提交经调试正确的程序源代码、生成的可执行文件、实验报告书等文档。
实验一图象的读取保存及图像的二值化处理一、实验目的1、熟悉《数字图像处理》的实验平台。
2、了解VB对图像进行处理的基本方法。
3、熟悉彩色图像变成灰度图象以及灰度图像转换成二值图像的基本原理及处理过程。
二、实验准备1、复习彩色图像变成灰度图象以及灰度图像的二值化处理的基本原理。
2、阅读下列内容，了解VB对图像进行处理的基本方法。
（1）读取图像通过扫描仪、摄像机等输入计算机以.bmp、.ico或.wmf存储的图像文件，可用LoadPicture函数把图像文件装入窗体、图片框或图像框中，例如：picture1.picture=loadpicture(“c:\image\flower.bmp”)可以把路径为c:\image\flower.bmp的图像文件装入图片框picture1中。
为了使图片框的大小与图像相匹配，应将图片框的autosize属性设置为True。
（2）用Point方法获取彩色图像的颜色值Point方法的功能是获取图像上指定像素的颜色值。
格式为：Object.Point（x，y）其中，Object表示获取颜色的对象名，（x，y）为取得颜色的坐标位置。
Point 方法将指定位置的像素的颜色值返回一个长整形数。
例如，求图片框picture 1中图像在位置（x，y）的像素颜色值（col）时，可写为：dim col as longcol=picture1.Point（x，y）（3）用Pset方法画点Pset方法的功能是在指定的位置画一个指定颜色的点。
(完整word版)数字图像处理 实验报告(完整版)
数字图像处理实验一 MATLAB数字图像处理初步一、显示图像1．利用imread( )函数读取一幅图像，假设其名为lily.tif，存入一个数组中；2．利用whos 命令提取该读入图像flower.tif的基本信息；3．利用imshow()函数来显示这幅图像；实验结果如下图：源代码：>>I=imread('lily.tif')>> whos I>> imshow(I)二、压缩图像4．利用imfinfo函数来获取图像文件的压缩，颜色等等其他的详细信息；5．利用imwrite()函数来压缩这幅图象，将其保存为一幅压缩了像素的jpg文件,设为lily.jpg；语法：imwrite(原图像，新图像，‘quality’,q), q取0-100。
6．同样利用imwrite()函数将最初读入的tif图象另存为一幅bmp图像，设为flily.bmp。
7．用imread()读入图像Sunset.jpg和Winter.jpg；8．用imfinfo()获取图像Sunset.jpg和Winter.jpg的大小；9．用figure,imshow()分别将Sunset.jpg和Winter.jpg显示出来，观察两幅图像的质量。
其中9的实验结果如下图：源代码：4~6(接上面两个) >>I=imread('lily.tif')>> imfinfo 'lily.tif'；>> imwrite(I,'lily.jpg','quality',20);>> imwrite(I,'lily.bmp');7~9 >>I=imread('Sunset.jpg');>>J=imread('Winter.jpg')>>imfinfo 'Sunset.jpg'>> imfinfo 'Winter.jpg'>>figure(1),imshow('Sunset.jpg')>>figure(2),imshow('Winter.jpg')三、二值化图像10．用im2bw将一幅灰度图像转化为二值图像，并且用imshow显示出来观察图像的特征。
数字图像处理实验报告Word版
《数字图像处理上机》实验报告班级:电信1101姓名:XXXXXX学号:0703110107数字图像处理上机实验1、实验目的了解matlab软件/语言，学会使用matlab的图像处理工具箱（Image Processing Toolbox）,使学生初步具备使用该软件处理图像信息的能力，并能够利用该软件完成本课程规定的其他实验和作业。
熟悉常用的图像文件格式与格式转换；熟悉图像矩阵的显示方法（灰度、索引、黑白、彩色）；熟悉图像矩阵的格式转换。
，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.2、实验要求学生应当基本掌握matlab的操作，掌握matlab图像处理工具箱中最常用的函数用法。
练习图像读写命令imread和imwrite并进行图像文件格式之间的转换。
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。
3、实验内容及步骤1、图像的显示与格式转换（1）学习matlab的基本操作；（2）使用imread函数读入图像；（3）使用figure函数创建窗口；（4）使用image或imshow函数显示图像；（5）使用colorbar函数在图像的右侧显示图像的亮度条。
2、图像的滤波(1) 考察平均滤波器对高斯噪声污染的图象去噪效果；(2) 考察中值滤波器对高斯噪声污染的图象去噪效果；(3) 考察平均滤波器对椒盐噪声污染的图象去噪效果；(4) 考察中值滤波器对椒盐噪声污染的图象去噪效果。
(5) 考察滤波器模板大小对平均滤波器滤波效果的影响；(6) 考察滤波器模板大小对中值滤波器滤波效果的影响；3、图像的频域变换在Matlab workspace中生成一幅大小为256×256像素的8位灰度图, 背景为黑色，中心有一个宽80像素高40像素的白色矩形。
(完整word版)数字图像处理_胡学龙_许开宇_课后答案
胡学龙、许开宇编著《数字图像处理》思考题与习题参考答案第1 章概述1。
1 连续图像和数字图像如何相互转换？答：数字图像将图像看成是许多大小相同、形状一致的像素组成。
这样，数字图像可以用二维矩阵表示.将自然界的图像通过光学系统成像并由电子器件或系统转化为模拟图像（连续图像）信号,再由模拟/数字转化器(ADC）得到原始的数字图像信号。
图像的数字化包括离散和量化两个主要步骤。
在空间将连续坐标过程称为离散化，而进一步将图像的幅度值(可能是灰度或色彩）整数化的过程称为量化。
1。
2 采用数字图像处理有何优点？答：数字图像处理与光学等模拟方式相比具有以下鲜明的特点：1．具有数字信号处理技术共有的特点。
（1)处理精度高。
（2）重现性能好.（3）灵活性高。
2．数字图像处理后的图像是供人观察和评价的，也可能作为机器视觉的预处理结果.3．数字图像处理技术适用面宽。
4．数字图像处理技术综合性强。
1。
3 数字图像处理主要包括哪些研究内容？答：图像处理的任务是将客观世界的景象进行获取并转化为数字图像、进行增强、变换、编码、恢复、重建、编码和压缩、分割等处理，它将一幅图像转化为另一幅具有新的意义的图像。
1.4 讨论数字图像处理系统的组成.列举你熟悉的图像处理系统并分析它们的组成和功能。
答:如图1.8，数字图像处理系统是应用计算机或专用数字设备对图像信息进行处理的信息系统.图像处理系统包括图像处理硬件和图像处理软件。
图像处理硬件主要由图像输入设备、图像运算处理设备（微计算机）、图像存储器、图像输出设备等组成。
软件系统包括操作系统、控制软件及应用软件等。
图1。
8 数字图像处理系统结构图11。
5 常见的数字图像处理开发工具有哪些？各有什么特点?答．目前图像处理系统开发的主流工具为 Visual C++（面向对象可视化集成工具）和 MATLAB 的图像处理工具箱（Image Processing Tool box)。
两种开发工具各有所长且有相互间的软件接口。
《数字图像处理》实验报告
《数字图像处理》实验报告数字图像处理是一门将图像进行数字化处理的学科，它通过计算机算法和技术手段对图像进行分析、增强、压缩和重建等操作。
在本次实验中，我们学习了数字图像处理的基本概念和常用算法，并通过实验来探索其应用和效果。
首先，我们进行了图像的读取和显示实验。
通过使用Python中的OpenCV库，我们能够轻松地读取图像文件，并将其显示在屏幕上。
这为我们后续的实验奠定了基础。
同时，我们还学习了图像的像素表示方法，了解了图像由像素点组成的原理。
这使我们能够更好地理解后续实验中的算法和操作。
接下来，我们进行了图像的灰度化实验。
灰度化是将彩色图像转换为灰度图像的过程。
在实验中，我们使用了不同的算法来实现灰度化操作，包括平均值法、最大值法和加权平均法等。
通过比较不同算法得到的灰度图像，我们发现不同算法对图像的处理效果有所差异，这使我们深入理解了灰度化的原理和应用。
随后，我们进行了图像的直方图均衡化实验。
直方图均衡化是一种用于增强图像对比度的方法。
在实验中，我们使用了直方图均衡化算法来对图像进行处理，并观察了处理前后的效果变化。
通过实验，我们发现直方图均衡化能够显著提高图像的对比度，使图像更加清晰和鲜明。
在进一步探索图像处理技术的过程中，我们进行了图像的滤波实验。
滤波是一种常用的图像处理操作，它通过对图像进行卷积操作来实现。
在实验中，我们学习了不同类型的滤波器，包括均值滤波器、高斯滤波器和中值滤波器等。
通过比较不同滤波器对图像的处理效果，我们发现每种滤波器都有其适用的场景和效果。
此外，我们还进行了图像的边缘检测实验。
边缘检测是一种用于提取图像边缘信息的方法。
在实验中，我们学习了不同的边缘检测算法，包括Sobel算子、Canny算子和Laplacian算子等。
通过比较不同算法对图像的处理效果，我们发现每种算法都有其独特的特点和应用。
最后，我们进行了图像的压缩实验。
图像压缩是一种将图像数据进行压缩以减小文件大小的方法。
（完整word版）数字图像处理实验报告6
（完整word版）数字图像处理实验报告6数字图像处理与分析实验报告学院：班级：姓名：学号：实验六细胞图像的分割与测量一、实验目的1. 通过分析细胞图像特点，完成细胞图像的分割和测量，并分析测量结果。
2. 将图像预处理、分割、分析等关键技术结合起来，理论与实践相结合，提高图像处理关键技术的综合应用能力。
二、实验要求1. 对比中值、均值和形态学开闭运算对细胞图像的滤波效果，选择适用于细胞图像的滤波方法2. 运用大津阈值对细胞图像分割，观察分割后噪声情况，观察目标边缘处的分割效果；（使用函数：im2bw）3. 实现连通区域的编号；（使用函数：bwlabel）4. 计算各连通区域的相关信息，如面积、重心等。
（使用函数：regionprops ）三、实验步骤1、预处理去噪x=imread('C:\Documents and Settings\Administrator\桌面\CHEN2-7.BMP');y=medfilt2(rgb2gray(h));subplot(2,2,1)imshow(x)title('原图像');subplot(2,2,2)imshow(y)title('中值滤波处理');I=fspecial('average')z=imfilter(rgb2gray(x),I);subplot(2,3,4)imshow(z)title('均值滤波处理');se = strel('ball',5,5);m = imopen(rgb2gray(x),se);subplot(2,3,5)imshow(m)title('形态学开运算处理');se = strel('ball',5,5);n = imclose(rgb2gray(x),se);subplot(2,3,6)imshow(n)title('形态学闭运算处理');2、大津阈值分割先做出灰度图像的直方图，根据直方图选取合适的分割灰度值x=imread('C:\Documents and Settings\Administrator\桌面\CHEN2-7.BMP');b=rgb2gray(x);imhist(b)；title('灰度直方图');由上图可知，选择阈值在185/255附近可以达到最好的分割效果，则有：x=imread('C:\Documents and Settings\Administrator\桌面\CHEN2-7.BMP'); b=rgb2gray(x);y1=medfilt2(b);w1=im2bw(y1,185/255);h=fspecial('average') ;y2=imfilter(b,h);w2=im2bw(y2, 185/255);se=strel('line',11,90);y3=imopen(b,se);w3=im2bw(y3, 185/255);y4=imclose(b,se);w4=im2bw(y4, 185/255);figuresubplot(2,2,1)imshow(w1)title('中值大津阈值分割');subplot(2,2,2)imshow(w2)title('均值大津阈值分割');subplot(2,2,3)imshow(w3);title('开运算大津阈值分割');subplot(2,2,4)imshow(w4);title('闭运算大津阈值分割');3、目标编号标记x=imread('C:\Documents and Settings\Administrator\桌面\CHEN2-7.BMP'); b=rgb2gray(x);se=strel('ball',5,5);y4=imclose(b,se);w4=im2bw(y4, 185/255);z=imcomplement(w4);subplot(2,2,1)imshow(z);title('取反后图像')z=bwareaopen(z,200);subplot(2,2,2);imshow(z);title('去除像素点小于200的部分')BW = logical(z);L = bwlabel(BW,4);subplot(2,2,3);imshow(L);title('四连通')M=bwlabel(BW,8);Subplot(2,2,4)imshow(M);title('八连通')4、测量各个细胞的面积等参数x=imread('C:\Documents and Settings\Administrator\桌面\CHEN2-7.BMP'); b=rgb2gray(x);se = strel('ball',5,5);I0=imclose(b,se);I11=im2bw(I0,185/256);I12=imcomplement(I11);I13= bwlabel(I12);s = regionprops(I13, 'centroid');centroids = cat(1, s.Centroid);figure(1);imshow(I13)title('重心标记图');hold onplot(centroids(:,1), centroids(:,2), 'r*')hold offm=regionprops(I13,'Area');areas=cat(1, m.Area);figure(3);plot(areas)如图为重心标记和各区域面积分布图：1．为何需要预处理？直接分割的效果如何？答：如果不进行预处理,在后续处理时如进行阈值分割会产生边缘毛刺，使效果不明显；2．选择何种预处理方法？a) 中值适合于去除脉冲噪声和图像扫描噪声，同时不会使图像变模糊，但对消除细节较多的图像不适合用中值滤波；b) 均值可以有效的是噪声得到消除，但同时图像变得模糊，丢失了一些图像的细节部分；c) 形态学开运算对于消除背景噪声有很好的效果，尤其是一些胡椒噪声；d) 形态学闭运算对消除前景噪声效果较好，如：沙眼噪声；通过以上分析及结合图像处理效果可以得出，利用形态学开闭运算对滤除图像中的沙眼噪声和胡椒噪声效果较好；3.分析预处理的目的，有针对性的选择合适的方法答：预处理的目的是为了事先消除图像的噪声，好为后处理做准备；四、思考题1．若将预处理去噪的步骤省掉，则如何在目标编号的过程中加入滤波处理；答：若预处理中没有去噪步骤，从图像处理结果可以看出，经过阈值分割后，图像中还有很多椒盐噪声，要在编号中滤除这些噪声，可通过形态学开运算后，再进行取反操作等后续操作；2．将去噪过程与阈值分割前后调换，选择哪种滤波方法可以滤除二值图像上的噪声；答：通过阈值分割之后，图像中有很多胡椒噪声，可通过形态学开操作将其去除；3．总结大津阈值在细胞图像分割中存在的问题，想一想你所学的算法中哪种算法更适合于细胞图像的分割。
数字图像处理实验
数字图像处理实验实验报告要求：实验报告应包含实验名称、实验内容、思想及原理、算法设计、代码设计及实现、实验结果及分析、结论等内容。
实验结果必须包括原图像、结果图像和必要的数据图像。
实验1 直方图均衡化编码实现直方图均衡化算法（不能使用第三方直方图均衡化函数）。
代码如下：a=imread('e:\b.jpg');%读取图像b=rgb2gray(a); %转化为灰度图像imshow(b); %显示原图c=histeq(b); %直方图均衡化subplot(121),imshow(a);subplot(122),imshow(c); %显示处理后的图像图像如下：实验2 频率域滤波图像中含有周期性干扰，设计使用频率域分析方法检测和去除图像周期性干扰的算法（可以使用第三方傅里叶变换和反变换函数）。
代码如下：%频率域滤波clc;close all;f=imread('salt.bmp');f=im2double(f);F=fft2(double(f));%傅里叶变换F=fftshift(F);%将变换的原点移到频率矩形的中心[M,N]=size(f);%理想低通滤波D0=input('输入截止频率');h1=zeros(M,N);for i=1:Mfor j=i:Nif(sqrt(((i-M/2)^2+(j-N/2)^2))<D0)h1(i,j)=1;endendendG1=F.*hl;61=ifftshift(G1);g1=real(ifft2(G1));subplot(2,3,1);imshow(f);title('原图');subplot(2,3,2);imshow(g1);title('理想低通滤波’);%巴特沃斯低通滤波n=input('巴特沃斯滤波器的阶数 n=');n1=fix(M/2);n2=fix(N/2);h2=zeros(M,N);for i=1:Mfor j=1:Nd=sqrt((i-n1)^2+(j-n2)^2);h2=1./(1+(d./D0).^(2*n));endendG2=F.*h2;G2=ifftshift(G2);g2=real(ifft(G2));subplot(2,3,1);imshow(f);title('原图'); subplot(2,3,4);imshow(g3);title('低通滤波'); 图像如下：原图巴特沃斯低通理想低通实验3彩色图像去噪对RGB彩色空间和HIS彩色空间去噪效果进行比较分析。
数字图像处理实验教学报告.doc
数字图像处理实验报告实验内容：主要实现以下几个内容：⑴直方图均衡化（histogram equalization ） ⑵直方图匹配（histogram matching ） ⑶邻域平均（neighborhood averaging ） ⑷局域增强（local enhancement ） ⑸中值滤波（median filtering ）。
二．实验目的：下载安装MATLAB 图像处理工具箱，对图像进行处理；学会用Matlab 中的下列函数对输入图像进行上述5类运算；感受各种不同的图像处理方法对最终图像效果的影响。
Imhist ：对灰度图像画直方图 Histeq ：是图像直方图均衡化处理 Nlfilter ：实现双边滤波器mean2：图像处理工具箱中的函数，用来计算矩阵元素的平均数 std2：计算矩阵元素的标准差 fspecial ：建立预定义的滤波算子 filter2：使用指定的滤波器进行滤波 medfilt2：中值滤波三．实验步骤1．仔细阅读Matlab 帮助文件中有关以上函数的使用说明，能充分理解其使用方法并能运用它们完成实验内容。
2．将桌面上文件1(a).jpg 图像文件用函数imread 读入Matlab 中，对其作直方图均衡化和直方图匹配运算，显示运算前后该图像的直方图，处理后的图像和灰度变换函数。
直方图反映灰度等级的分布情况，本实验指定的直方图如下：1400×rr ≤5 7000-310×r 5＜r ≤20 900－5×r 20＜r ≤180 －1440+8×r 180＜r ≤225 3060－12×r225＜r ≤2553．将文件2.jpg 图像文件读入Matlab ，用nlfilter 对其进行3×3邻域平均和计算邻域标准差，再对其黑暗部分的特征进行局域增强而保持明亮部分图像不变，显示增强后的效果图。
在进行局域增强时，应按下列算法进行：E ·f （x ，y ） if m Sxy ≤k 0M G and k 1D G ≤σSxy ≤k 2D G f （x ，y ）otherwisen =g （x ，y ）=适当调整k 0，k 1和k 2的值，使局域增强达到最佳效果。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
华南理工大学《数字图像处理》课程实验报告实验题目：实验1、数字图像读取及色彩、亮度对比度变化姓名：学号：班级：组别：合作者：指导教师：V=-0.30R-0.59G+0.89B5．通过访问Y（亮度）通道，改变数字图像的亮度；二、实验图像：三、实验主要过程：1、读入图像，分离RGB三个通道，结果如下：代码如下：% 读入图像并分离RGB，显示；src = imread('sample1-1.bmp');[r c d] = size(src);R = src;G = src;B = src;R(:,:,2) = zeros(r,c);R(:,:,3) = zeros(r,c);G(:,:,1) = zeros(r,c);G(:,:,3) = zeros(r,c);B(:,:,1) = zeros(r,c);B(:,:,2) = zeros(r,c);subplot(1,3,1);imshow(R); title('R分量');subplot(1,3,2);imshow(G); title('G分量');subplot(1,3,3);imshow(B); title('B分量');2、修改RGB值（反色），改变图像的色彩，结果如下：代码如下：% 修改RGB的值（这时采用了反色），改变图像的色彩；R(:,:,1) = 255 - R(:,:,1); % 为了进行后面的实验，请注释此行G(:,:,2) = 255 - G(:,:,2); % 为了进行后面的实验，请注释此行B(:,:,3) = 255 - B(:,:,3); % 为了进行后面的实验，请注释此行subplot(2,3,1);imshow(R); title('R分量反色');subplot(2,3,2);imshow(G); title('G分量反色');subplot(2,3,3);imshow(B); title('B分量反色');subplot(2,3,4);imshow(src); title('原图');subplot(2,3,6);imshow(R+G+B); title('反色');3、将RGB转为YUV，结果如下：代码如下：R = double(R(:,:,1));G = double(G(:,:,2));B = double(B(:,:,3));Y = 0.299*R + 0.587*G + 0.114*B;U = -0.147*R - 0.289*G + 0.436*B;V = 0.615*R - 0.515*G - 0.100*B;subplot(2,3,1);imshow(uint8(Y)); title('Y分量');subplot(2,3,2);imshow(uint8(U)); title('U分量');subplot(2,3,3);imshow(uint8(V)); title('V分量');4、修改Y分量（这里除以1.5），重新由YUV转为RGB，结果如下：代码如下：Y = Y/1.5;R = Y + 1.140*V;G = Y - 0.395*U - 0.581*V;B = Y + 2.032*U;rgb(:,:,1) = uint8(R(:,:));rgb(:,:,2) = uint8(G(:,:));rgb(:,:,3) = uint8(B(:,:));subplot(2,3,4);imshow(rgb); title('修改亮度');华南理工大学《数字图像处理》课程实验报告实验题目：实验2、数字图像空间域增强姓名：学号：班级：组别：合作者：指导教师：三、实验主要过程：1、对源图像进行标准化，使像素的RGB值的范围为0到1代码如下：src = imread('sample2-1.bmp');src = double(src);src = src / 256.0;2、对源图像的各像素，采用不同的珈玛值进行校正，并显示比较，结果如下：代码如下：gamma0p4 = uint8(src.^(1/0.4).*256.0);华南理工大学《数字图像处理》课程实验报告实验题目：实验3、数字图像的噪声去除姓名：学号：班级：组别：合作者：指导教师：源图像加噪声后的图像三、实验主要过程：1、对源图像进行3*3的均值滤波，结果如下：代码如下：src = imread('sample3-2.bmp');[r,c] = size(src);output = src;n = 3; k = (n-1)/2;for row = 1+k:r-kfor column = 1+k:c-km = src(row-k:row+k,column-k:column+k);temp = sum(sum(m,1),2)*(1/n/n);output(row, column) = uint8(temp);endendimshow(output);在本代码中，边缘并没有被处理，而是直接采用源图像的对应值。
2、对源图像进行3*3的中值滤波，结果如下：华南理工大学《数字图像处理》课程实验报告实验题目：实验4、频率域低通和高通滤波姓名：学号：班级：组别：合作者：指导教师：源图像加噪声后的图像三、实验主要过程：1、对源图像进行进行空间域到频域的变换，结果如下：代码如下：src = imread('sample4-2.bmp');[r,c] = size(src);f = fftshift(fft2(double(src)));mx = max(max(f,[],1),[],2);imf = abs(f)/mx*25600;imshow(uint8(imf));代码如下：D0 = [20,50,80,120];D = f;H = D;for row = 1:rfor column = 1:cD(row,column) = sqrt((row-r/2)^2+(column-c/2)^2);endendfor type = 1:length(D0)H = exp(D.^2/(2*D0(type)^2)*(-1));f2 = f.*H;f2 = ifft2(ifftshift(f2));subplot(2,2,type);imshow(uint8(real(f2)));title(D0(type));end从结果可知，D0越小，结果越模糊，去噪效果越好；D0越大，则相反。
代码如下：D0 = [10,20,40,80];n = 2;D = f;H = D;for row = 1:rfor column = 1:cD(row,column) = sqrt((row-r/2)^2+(column-c/2)^2); endendfor type = 1:length(D0)H = 1 - exp(D.^2/(2*D0(type)^2)*(-1));f2 = f.*H;f2 = ifft2(ifftshift(f2));subplot(2,2,type);imshow(uint8(real(f2)));title(D0(type));end代码如下：D0 = [10,20,40,80];n = 2;D = f;H = D;for row = 1:rfor column = 1:cD(row,column) = sqrt((row-r/2)^2+(column-c/2)^2); endendfor type = 1:length(D0)H = 1./(1+(D/D0(type)).^(2*n));f2 = f.*H;f2 = ifft2(ifftshift(f2));subplot(2,2,type);imshow(uint8(real(f2)));title(D0(type));end代码如下：D0 = [10,20,40,80];n = 2;D = f;H = D;for row = 1:rfor column = 1:cD(row,column) = sqrt((row-r/2)^2+(column-c/2)^2); endendfor type = 1:length(D0)H = 1 - 1./(1+(D/D0(type)).^(2*n));f2 = f.*H;f2 = ifft2(ifftshift(f2));subplot(2,2,type);imshow(uint8(real(f2)));title(D0(type));end华南理工大学《数字图像处理》课程实验报告实验题目：实验5、数字图像复原姓名：学号：班级：组别：合作者：指导教师：二、实验图像：需要复原的图像原图像三、实验主要过程：1、进行逆滤波的操作，这里的H(u, v)是自定义的，结果如下：代码如下：src = imread('sample5-1.jpg');src = rgb2gray(src);[r, c] = size(src);H = zeros(r, c);k = 0.00001;for row = 1:rfor column = 1:cH(row, column) = exp(-k*(( row-r/2)^2+( column -c/2)^2)^(5/6));endendf = fftshift(fft2(double(src)));f = f./H;f = ifft2(ifftshift(f));f = uint8(real(f));imshow(f);由于给出了源图片，所以这里H(u, v)也可以由后面的图像的频域值除以源图片的频域值得出。
2、进行维纳滤波的操作，这里的H(u, v)是自定义的，结果如下：代码如下：src = imread('sample5-1.jpg');src = rgb2gray(src);[r, c] = size(src);H = zeros(r, c);k = 0.0001;for row = 1:rfor column = 1:cH(row,column) = exp(-k*((row-r/2)^2+(column-c/2)^2)^(5/6));endendspectrum = H.^2;f = fftshift(fft2(double(src)));HW = H./(spectrum + 0.0001);f = f.*(HW);（本资料素材和资料部分来自网络，仅供参考。