实验3 图像增强—滤波器的设计
滤波器的设计实验报告
滤波器的设计实验报告滤波器的设计实验报告引言：滤波器是一种电子设备，用于改变信号的频率特性。
在电子通信、音频处理、图像处理等领域中，滤波器扮演着至关重要的角色。
本实验旨在设计并验证滤波器的性能，以增进对滤波器原理和应用的理解。
实验目的：1. 掌握滤波器的基本原理和分类；2. 学习滤波器的设计方法和参数选择；3. 实现一个滤波器电路，并验证其性能。
实验装置和材料：1. 函数发生器：用于产生输入信号；2. 示波器：用于观察输入和输出信号；3. 电阻、电容、电感：用于构建滤波器电路；4. 电源：为电路提供稳定的电压。
实验步骤：1. 确定滤波器类型：根据实验要求和信号特性，选择合适的滤波器类型。
常见的滤波器类型有低通、高通、带通和带阻滤波器。
2. 计算滤波器参数：根据滤波器类型和信号频率要求，计算所需的电阻、电容和电感数值。
这些参数将决定滤波器的截止频率和增益特性。
3. 搭建电路：根据设计的滤波器电路图，使用电阻、电容和电感等元件搭建电路。
确保电路连接正确，无误。
4. 连接信号源和示波器：将函数发生器连接到滤波器输入端，将示波器连接到滤波器输出端。
调整函数发生器的频率和幅度，观察示波器上的波形变化。
5. 测试滤波器性能：通过改变输入信号的频率，观察输出信号的变化。
记录截止频率、增益、相位差等性能参数，并与理论计算结果进行对比。
6. 优化滤波器性能：根据实验结果，对滤波器进行调整和优化。
可以尝试改变电阻、电容和电感数值，或者采用其他滤波器类型，以改善滤波器的性能。
实验结果与讨论：根据实验数据和观察结果，我们可以得出以下结论：1. 滤波器的截止频率与电阻、电容和电感的数值有关。
通过调整这些参数，可以改变滤波器的频率响应。
2. 不同类型的滤波器对信号的处理方式不同。
低通滤波器通过滤除高频成分，使得低频信号通过；高通滤波器则相反。
3. 滤波器的增益特性和相位差对信号处理有重要影响。
在设计滤波器时，需要权衡增益和相位差之间的关系。
7.图像增强—频域滤波 - 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1．掌握怎样利用傅立叶变换进行频域滤波 2．掌握频域滤波的概念及方法 3．熟练掌握频域空间的各类滤波器 4．利用MATLAB 程序进行频域滤波二、实验原理及知识点频域滤波分为低通滤波和高通滤波两类，对应的滤波器分别为低通滤波器和高通滤波器。
频域低通过滤的基本思想：G (u,v )=F (u,v )H (u,v )F (u,v )是需要钝化图像的傅立叶变换形式，H (u,v )是选取的一个低通过滤器变换函数，G (u,v )是通过H (u,v )减少F (u,v )的高频部分来得到的结果，运用傅立叶逆变换得到钝化后的图像。
理想地通滤波器(ILPF)具有传递函数：01(,)(,)0(,)ifD u v D H u v ifD u v D ≤⎧=⎨>⎩其中，0D 为指定的非负数，(,)D u v 为(u,v )到滤波器的中心的距离。
0(,)D u v D =的点的轨迹为一个圆。
n 阶巴特沃兹低通滤波器(BLPF)(在距离原点0D 处出现截至频率)的传递函数为201(,)1[(,)]nH u v D u v D =+与理想地通滤波器不同的是，巴特沃兹率通滤波器的传递函数并不是在0D 处突然不连续。
高斯低通滤波器(GLPF)的传递函数为222),(),(σv u D ev u H =其中，σ为标准差。
相应的高通滤波器也包括：理想高通滤波器、n 阶巴特沃兹高通滤波器、高斯高通滤波器。
给定一个低通滤波器的传递函数(,)lp H u v ，通过使用如下的简单关系，可以获得相应高通滤波器的传递函数：1(,)hp lp H H u v =-利用MATLAB 实现频域滤波的程序f=imread('room.tif');F=fft2(f); %对图像进行傅立叶变换%对变换后图像进行队数变化，并对其坐标平移，使其中心化 S=fftshift(log(1+abs(F)));S=gscale(S); %将频谱图像标度在0-256的范围内 imshow(S) %显示频谱图像h=fspecial('sobel'); %产生空间‘sobel’模版 freqz2(h) %查看相应频域滤波器的图像 PQ=paddedsize(size(f)); %产生滤波时所需大小的矩阵 H=freqz2(h,PQ(1),PQ(2)); %产生频域中的‘sobel’滤波器H1=ifftshift(H); %重排数据序列，使得原点位于频率矩阵的左上角 imshow(abs(H),[]) %以图形形式显示滤波器 figure,imshow(abs(H1),[])gs=imfilter(double(f),h); %用模版h 进行空域滤波gf=dftfilt(f,H1); %用滤波器对图像进行频域滤波 figure,imshow(gs,[]) figure,imshow(gf,[])figure,imshow(abs(gs),[]) figure,imshow(abs(gf),[])f=imread('number.tif'); %读取图片PQ=paddedsize(size(f)); %产生滤波时所需大小的矩阵 D0=0.05*PQ(1); %设定高斯高通滤波器的阈值H=hpfilter('gaussian',PQ(1),PQ(2),D0); %产生高斯高通滤波器 g=dftfilt(f,H); %对图像进行滤波 figure,imshow(f) %显示原图像figure,imshow(g,[]) %显示滤波后图像三、实验步骤：1．调入并显示所需的图片；2．利用MATLAB 提供的低通滤波器实现图像信号的滤波运算，并与空间滤波进行比较。
实验3 图像增强数字图像处理实验
实验三、图像增强一、实验目的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、实验原理图像增强是指按特定的需要突出一幅图像中的某些信息，同时，消弱或去除某些不需要的信息的处理方法。
其主要目的是处理后的图像对某些特定的应用比原来的图像更加有效。
图像增强技术主要有直方图修改处理、图像平滑化处理、图像尖锐化处理和彩色处理技术等。
本实验以直方图均衡化增强图像对比度的方法为主要内容，其他方法同学们可以在课后自行联系。
直方图是多种空间城处理技术的基础。
直方图操作能有效地用于图像增强。
除了提供有用的图像统计资料外，直方图固有的信息在其他图像处理应用中也是非常有用的，如图像压缩与分割。
直方图在软件中易于计算，也适用于商用硬件设备，因此，它们成为了实时图像处理的一个流行工具。
直方图是图像的最基本的统计特征，它反映的是图像的灰度值的分布情况。
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的分布均匀化，改善图像的亮度分布状态，增强图像的视觉效果。
灰度直方图是图像预处理中涉及最广泛的基本概念之一。
图像的直方图事实上就是图像的亮度分布的概率密度函数，是一幅图像的所有象素集合的最基本的统计规律。
直方图反映了图像的明暗分布规律，可以通过图像变换进行直方图调整，获得较好的视觉效果。
直方图均衡化是通过灰度变换将一幅图像转换为另一幅具有均衡直方图，即在每个灰度级上都具有相同的象素点数的过程。
下面给出直方图均衡化增强图像对比度的MA TLAB程序：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处理后的图像直方图分布更均匀了，图像在每个灰度级上都有像素点。
图像频域增强滤波
1 低通滤波器法
结论：图像的边缘和其他尖锐跳跃（如噪声）对傅 立叶变换的高频分量有很大贡献；
方法：通过一个线性系统，频域上对一定范围高频 分量进行衰减能够达到平滑化；
这种线性系统称为低通滤波器法。
Gu,vFu,vHu,v Fu,v是输入，Gu,v是输出 Hu,v是线性系统的传递函数
第七页，共80页
带通滤波器：以围绕图像能量83％的圆作为截止点， 带宽以围绕图像能量93％的圆，半径为4到20，傅 立叶反变换后作为兰色分量；
高通滤波器：以围绕图像能量95％的圆作为截止点， 半径为50，傅立叶反变换后作为绿色分量；
第五十页，共80页
3 带通和带阻滤波器法
第五十一页，共80页
4 同态滤波
目的：正常图象是在均匀光强度情况下获得的 图象，实际上光照射是不均匀，或光强范围动 态太大。
u0
1 2
f1
f2 ,u
f2
f1
理想带阻滤波器的传递函数可写为
H
u
1
u u
*
u
u0
u
u0
理想带阻函数的冲激响应为
h
t
t
2
u
sin ut
ut
cos
2
u 0t
第四十三页，共80页
3 带通和带阻滤波器法
G(u)
-f2 -f1
2
1
-4
-2
0
-1
-2
f2 f1
2t
4
第四十四页，共80页
3 带通和带阻滤波器法
附加处 理
输出 图象
第三页，共80页
1 低通滤波器法
1）原理 2）理想低通滤波器 3）巴特沃思低通滤波器 4）指数低通滤波器
图像增强和滤波实验
实验四图像增强和滤波实验一．实验目的：掌握基本的图像增强方法，观察图像增强的效果，加深对灰度直方图的理解。
掌握基本的图像滤波方法，观察图像滤波的效果。
二．实验内容：对比度增强，灰度变换，直方图均衡化，图像滤波对给定的灰度的数字图像（图像文件名分别为cameraman.tif，rice.tif和pout.tif）进行如下处理：（1）统计原图像的灰度直方图，并利用直方图均衡化处理进行图像增强，同屏显示处理前后图像及其灰度直方图，比较异同，并回答数字图像均衡化后其直方图分布情况。
（2）利用图像调整函数（直接灰度调整方法）进行图像增强，同屏显示处理前后图像及其灰度直方图，比较异同，并回答数字图像均衡化后其直方图分布情况。
（3）利用函数IMNOISE，在图像（LENA256.BMP）上分别叠加高斯噪声(gaussian)和椒盐噪声(salt&peppers)，对比高斯低通滤波器和均值滤波器的性能。
三、实验原理1、图像增强技术；图像滤波技术介绍图像增强是将原来不清晰的图像变得清晰或强调某些关注的特征，抑制非关注的特征，使之改善图像质量、丰富信息量，加强图像判读和识别效果的图像处理方法。
按所处理的对象不同可分为灰度图像增强和彩色图像增强。
图像非常直观，易于理解，但在实际应用中得到的图像品质并不是那么好，或在图像采集过程中不可避免的加入了噪声，因此研究快速且有效地图像增强算法成为推动图像分析和图像理解领域发展的关键内容之一。
突出图像中目标物体的某些特点、从数字图像中提取目标物的特征参数等等，这些都有利于对图像中目标的识别、跟踪和理解。
图像增强并不要求忠实地反映原始图像相反，含有某种失真（例如突出轮廓线）的图像可能比无失真的原始图像更为清晰。
在力学应用中，液体流动双折射图像的处理，物体变形图像的处理等。
按照增强处理的空间不同可分为两类：空域增强，频率增强。
前者直接在图像所在的二维空间进行增强处理，即增强构成图像的像素，包括灰度变换增强，直方图增强，图像平滑和图像锐化等。
实验图像的滤波增强处理
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)h=fspecial(type,parameters)其中参数type 指定滤波器的种类，parameters 是与滤波器种类有关的具体参数。
实验三 图像增强
实验三：图像增强（4学时）实验目的：1.熟练掌握图像的灰度变换增强，二维滤波增强，锐化处理的原理。
2.自如的应用MATLAB环境对图像进行灰度变换、直方图处理，平滑处理，锐化处理。
实验内容：1.对已知图像作灰度变换增强，分析不同变换函数对同一图像处理的结果。
2.作出已知图像的直方图，对图像进行直方图修正，分析修正结果3.分别对图像进行均匀滤波和中值滤波。
4.分别用几种不同方式对已知图像进行锐化处理。
实验原理：1、灰度变换灰度变换是直接对像素进行处理，常用三种基本函数，线性函数、对数函数、幂函数。
可以完成图像的反转、拉伸、γ校正等，改变图像对比度、增加灰度宽度。
2、直方图校正直方图是图像的灰度概率统计图，修改直方图可以改变图像灰度分布状态，从而改变图像对比度。
3、图像滤波器图像滤波器实质上是一种离散卷积处理，也叫掩膜操作。
通过使用不同模板获得不同结果。
平滑模板使图像模糊但可消除噪声，锐化模板可以提高线、点的立体效果从而实现图像分割的功能。
实验方法：使用matlab处理实验基本要求：1.设计程序求出已知图像的直方图，将原图像亮度提高20后再作直方图，在同一画面输出。
2.设计程序将已知图像添加椒盐噪声，分别用均匀滤波，和中值滤波处理，与原图像在同一画面输出。
3.设计程序将求出已知图像中目标物的轮廓与原图像在同一画面输出。
实验设备：MATLAB实验环境，图像输入输出设备，图像处理设备。
A=imread('D:\11.jpg');B=rgb2gray(A);Subplot(2,2,1);imshow(B);title('原图灰度图');Subplot(2,2,2);imhist(B);title('原图灰度图直方图');C=imadjust(B,[0.3 0.7],[]);Subplot(2,2,3);imshow(C);title('增强图像');Subplot(2,2,4);imhist(C);title('增强图像直方图');A=imread('D:\11.jpg');B=rgb2gray(A);J=histeq(B);Subplot(2,2,1);imshow(B);title('原图');Subplot(2,2,2);imhist(B);title('原图直方图');Subplot(2,2,3);imshow(J);title('均衡化图像');Subplot(2,2,4);imhist(J);title('均衡化图像直方图');A=imread('D:\11.jpg');B=rgb2gray(A);Subplot(2,2,1);imshow(B);title('原图');J=imnoise(B,'salt & pepper',0.04); Subplot(2,2,2);imshow(J);title('加噪声后图像');K=medfilt2(J);Subplot(2,2,3);imshow(K);title('中值滤波后图像');h=ones(3,3)/9;D=conv2(J,h)/255; Subplot(2,2,4);imshow(D); title('均值滤波后图像');A=imread('D:\11.jpg');B=rgb2gray(A);Subplot(1,2,1);imshow(B); title('原图');J= edge(B,'roberts',0.1); Subplot(1,2,2);imshow(J); title('罗伯茨梯度锐化图');A=imread('D:\11.jpg');B=rgb2gray(A);Subplot(1,2,1);imshow(B); title('原图');J= edge(B,'prewitt',0.1); Subplot(1,2,2);imshow(J);title('梯度锐化图');A=imread('D:\11.jpg');B=rgb2gray(A);Subplot(1,2,1);imshow(B);title('原图');J= edge(B,'sobel',0.05);Subplot(1,2,2);imshow(J);title('梯度锐化图');实验总结：在本次试验中我在灰度线性变换增强上使用了J=imadjust(I,[low high],[bottom top],gamma); [low high]原图像要变换的灰度范围，[bottom top]指定的变换后的灰度范围，gamma为校正量，gamma＝1线性校正，gamma>1抛物线校正，gamma<1三次曲线校正。
实验图像的滤波增强处理
实验图像的滤波增强处理一、简介图像滤波是图像处理的基础操作，它可以在频域或空域中对图像进行处理，例如去噪、平滑、增强等。
常见的滤波算法包括均值滤波、中值滤波、高斯滤波等。
在实验图像处理中，我们需要通过滤波算法对图像进行增强处理，使得目标区域更加清晰、明显。
本文将介绍三种常见的滤波算法，并使用python代码实现对实验图像的增强处理。
二、滤波算法介绍1. 均值滤波均值滤波是一种线性平滑滤波算法，它将目标像素的邻域像素的值取平均作为目标像素的值，可以有效地去除图像中的噪声。
均值滤波的卷积核大小可以自定义，一般情况下，卷积核大小越大，去噪效果越好，但是图像的细节也会随之模糊。
2. 中值滤波中值滤波是一种非线性平滑滤波算法，它将目标像素的邻域像素的值进行排序，将中间值作为目标像素的值。
中值滤波的优点是能够保留图像的边缘和细节信息，但是对于非常密集的噪声，中值滤波效果不如均值滤波。
3. 高斯滤波高斯滤波是一种近似线性的平滑滤波算法，它将目标像素的邻域像素的加权平均值作为目标像素的值。
高斯滤波的权重系数是由高斯函数计算而来，所以它能够更好地保留图像的边缘和细节信息。
相对于均值滤波和中值滤波，高斯滤波处理较为耗时，但是滤波效果更加自然、柔和。
三、实验代码下面是在python中实现三种滤波算法的代码：1. 均值滤波import cv2def mean_filter(image, kernel_size):h, w = image.shapekernel = np.ones((kernel_size, kernel_size), np.float32) / (kernel_ size * kernel_size)image_filtered = cv2.filter2D(image, -1, kernel)return image_filtered2. 中值滤波import cv2def median_filter(image, kernel_size):image_filtered = cv2.medianBlur(image, kernel_size)return image_filtered3. 高斯滤波import cv2def gaussian_filter(image, kernel_size, sigma):h, w = image.shapekernel = cv2.getGaussianKernel(kernel_size, sigma)image_filtered = cv2.filter2D(image, -1, kernel * kernel.T) return image_filtered四、实验结果分析分别对实验图像进行均值滤波、中值滤波和高斯滤波处理，并将处理后的图像与原图像进行对比，得到如下结果：1. 均值滤波处理结果mean_filter.pngmean_filter.png2. 中值滤波处理结果median_filter.pngmedian_filter.png3. 高斯滤波处理结果gaussian_filter.pnggaussian_filter.png从实验结果来看，三种滤波算法都能够对实验图像进行增强处理，而且处理后的图像均比原图像清晰明显。
- 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)。
实验3 图像增强—滤波器的设计
一、实验目的
1.掌握图像显示的基本原理，熟悉图像的基本格式和数据结构；
2.掌握图像空间滤波器的基本原理和方法；
3.熟练掌握空域滤波中常用的平滑和锐化滤波器；
4.了解不同滤波器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.学生应当对于给定的图像，使用一阶算子（Sobel算子和Robert算子）和二阶算子
（拉普拉斯算子）对图像进行锐化处理，比较不同算子的处理结果，并能做出正确地评价。
三、实验内容与实验步骤
1.调入并显示原始图像Sample.bmp；
2.在原始图像Sample.bmp上分别加入高斯噪声、椒盐噪声和加性噪声；
3.产生均值和中值滤波器；
4.分别采用3×3和5×5的模板，分别用均值滤波器和中值滤波器，对加入噪声的图
像进行处理并观察不同噪声的水平下，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.输出全部结果并讨论。
四、实验仪器
1.计算机；
2.VC程序；
3.移动式存储器（软盘、U盘等）。
4.记录用的笔、纸。
五、实验报告内容
1..叙述操作过程
2.用数据和图片给出各个步骤中取得的实验结果，并进行必要的讨论。
六、思考题
1.简述高斯噪声和椒盐噪声的特点。
2.结合实验内容，定性评价平均滤波器和中值滤波器对高斯噪声和椒盐噪声的去噪效
果？
3.结合实验内容，定性评价滤波器窗口对去噪效果的影响？。