图像处理实验报告
数字图像处理实验报告——图像分割实验
实验报告课程名称数字图像处理导论专业班级_＿____＿＿_＿___＿_姓名 __＿___＿_____＿__学号___＿＿_____＿____电气与信息学院与谐勤奋求就是创新一．实验目得1.理解图像分割得基本概念;2.理解图像边缘提取得基本概念；3.掌握进行边缘提取得基本方法；4.掌握用阈值法进行图像分割得基本方法.二。
实验内容1.分别用Roｂerｔs，Ｓobel与拉普拉斯高斯算子对图像进行边缘检测。
比较三种算子处理得不同之处；2.设计一个检测图1中边缘得程序，要求结果类似图2，并附原理说明。
3.任选一种阈值法进行图像分割、图1 图２三．实验具体实现1.分别用Robｅrts,Ｓobel与拉普拉斯高斯算子对图像进行边缘检测。
比较三种算子处理得不同之处；I=ｉｍreａｄ(’ｍｒi、ｔｉｆ');imshｏw（Ｉ)BW1=edgｅ（I，’ｒoｂerｔs’）;ｆigure ，ｉｍshow（BＷ1）,titlｅ(’用Robeｒｔs算子’)ＢW2=edgｅ(Ｉ，’sｏbel’);ｆigure,imshoｗ（BW2），ｔitle（’用Sｏbｅl算子 ')BW３＝ｅdge(I，’log’);figure，iｍshｏw（BW３)，titlｅ(’用拉普拉斯高斯算子’）比较提取边缘得效果可以瞧出,sｏbｅr算子就是一种微分算子,对边缘得定位较精确,但就是会漏去一些边缘细节.而Ｌaplaｃｉan—Gaussiaｎ算子就是一种二阶边缘检测方法，它通过寻找图象灰度值中二阶过零点来检测边缘并将边缘提取出来，边缘得细节比较丰富。
通过比较可以瞧出Ｌａplaciaｎ-Gauｓsｉan算子比sobeｒ算子边缘更完整，效果更好。
2.设计一个检测图1中边缘得程序，要求结果类似图2，并附原理说明.i=ｉmread（＇m８3、ｔif’）;subplｏｔ（１，2,1）；ｉmｈｉst（i）;ｔitle（'原始图像直方图'）;thread＝1３０/２5５；subplot（1，２，2);ｉ3=ｉｍ2bｗ(i，thrｅaｄ）；imsｈow（i3)；titlｅ('分割结果’);3.任选一种阈值法进行图像分割、i=iｍread（'tｒｅes、tif’）;subploｔ（１,2,1）；imｈist（i)；ｔitle（＇原始图像直方图’)；threａd=10０/２5５；sｕｂploｔ（１，2,2）;i3=iｍ2bｗ(i,thread）;imｓhow（i３）;titlｅ('分割结果’)1、分别用Robｅrts，Sobel与拉普拉斯高斯算子对图像进行边缘检测。
图像处理实验报告
图像处理实验报告图像处理实验报告一、引言图像处理是计算机科学与工程领域的一个重要研究方向，它涉及到对数字图像进行获取、处理、分析和显示等一系列操作。
本实验旨在通过使用图像处理技术，对一幅给定的数字图像进行处理和分析，以探索图像处理的原理和应用。
二、实验目的本实验有以下几个目的：1. 理解图像处理的基本概念和原理；2. 掌握图像处理的常用技术和方法；3. 熟悉图像处理软件的使用。
三、实验步骤1. 图像获取在本实验中，我们选择了一张风景图作为实验对象。
该图像是通过数码相机拍摄得到的，保存在计算机中的文件格式为JPEG。
我们使用图像处理软件将该图像导入到程序中，以便进行后续的处理和分析。
2. 图像预处理在进行图像处理之前，我们需要对图像进行预处理。
预处理的目的是去除图像中的噪声、平滑图像的边缘等。
我们使用了均值滤波和中值滤波两种常用的图像平滑方法。
通过对比两种方法的效果，我们可以选择合适的方法来进行图像预处理。
3. 图像增强图像增强是指通过一系列的操作，使得图像在视觉上更加鲜明、清晰、易于观察。
在本实验中，我们使用了直方图均衡化和灰度拉伸两种图像增强方法。
直方图均衡化通过对图像的像素值进行变换，使得图像的直方图更加均匀，从而增强图像的对比度。
灰度拉伸则是通过对图像的像素值进行线性变换，将图像的灰度范围拉伸到更广的范围内，从而增强图像的细节。
4. 图像分割图像分割是将图像分成若干个互不重叠的区域，每个区域具有一定的意义和特征。
在本实验中，我们使用了阈值分割和边缘检测两种图像分割方法。
阈值分割是指通过设置一个合适的阈值，将图像中的像素分为两个类别。
边缘检测则是通过检测图像中的边缘信息，将图像分割为不同的区域。
5. 图像特征提取图像特征提取是指从图像中提取出具有一定意义和特征的信息。
在本实验中，我们选择了纹理特征和颜色特征两种常用的图像特征提取方法。
纹理特征提取通过对图像的纹理进行分析，提取出图像的纹理特征。
数字图像处理实验报告 (图像编码)
实验三图像编码一、实验内容:用Matlab语言、C语言或C++语言编制图像处理软件，对某幅图像进行时域和频域的编码压缩。
二、实验目的和意义:1. 掌握哈夫曼编码、香农-范诺编码、行程编码2．了解图像压缩国际标准三、实验原理与主要框架:3.1实验所用编程环境:Visual C++6.0（简称VC）3.2实验处理的对象:256色的BMP(BIT MAP )格式图像BMP(BIT MAP )位图的文件结构:(如图3.1)图3.1 位图的文件结构具体组成图:单色DIB 有2个表项16色DIB 有16个表项或更少 256色DIB 有256个表项或更少 真彩色DIB 没有调色板每个表项长度为4字节（32位） 像素按照每行每列的顺序排列每一行的字节数必须是4的整数倍biSize biWidth biHeight biPlanes biBitCount biCompression biSizeImagebiXPelsPerMeter biYPelsPerMeter biClrUsedbiClrImportantbfType=”BM ” bfSizebfReserved1 bfReserved2 bfOffBits BITMAPFILEHEADER位图文件头 （只用于BMP 文件）BITMAPINFOHEADER位图信息头Palette 调色板DIB Pixels DIB 图像数据3.3 数字图像基本概念数字图像是连续图像(,)f x y 的一种近似表示，通常用由采样点的值所组成的矩阵来表示：(0,0)(0,1)...(0,1)(1,0)(1,1)...(1,1).........(1,0)(1,1)...(1,1)f f f M f f f M f N f N f N M -⎡⎤⎢⎥-⎢⎥⎢⎥⎢⎥----⎣⎦每一个采样单元叫做一个像素(pixel )，上式(2.1)中，M 、N 分别为数字图像在横(行)、纵(列)方向上的像素总数。
图像处理实验报告
图像处理实验报告实验⼀基于matlab 的⼈脸识别技术⼀、实验⽬的1．熟悉⼈脸识别的⼀般流程与常见识别⽅法；2．熟悉不同的特征提取⽅法在⼈脸识别的应⽤；3．了解在实际的⼈脸识别中，学习样本数等参数对识别率的影响；4．了解⾮⼈脸学习样本库的构建在⼈脸识别的重要作⽤。
使⽤MATLAB 平台编程，采⽤K-L 变换、特征提取及图像处理技术，实现⼈脸识别⼆、实验内容与实验仪器、设备1．构建⾮⼈脸学习样本库；2．观测不同的特征提取⽅法对⼈脸识别率的影响；3．观测不同的学习样本数对⼈脸识别率的影响；1． PC 机－系统最低配置 512M 内存、P4 CPU ；2． Matlab 仿真软件－ 7.0 / 7.1 / 2006a 等版本的Matlab 软件。
3． CBCL ⼈脸样本库三、实验原理1.⼈脸特征提取的算法通过判别图像中所有可能区域是否属于“⼈脸模式”的⽅法来实现⼈脸检测。
这类⽅法有：特征脸法、⼈⼯神经⽹络法、⽀持向量机法；积分图像法。
本次使⽤的是PCA(主成分分析法)其原理是：利⽤K-L 变换抽取⼈脸的主要成分，构成特征脸空间，识别时将测试图像投影到此空间，得到⼀组投影系数，通过与各个⼈脸图像⽐较进⾏识别。
对于⼀幅M*N 的⼈脸图像，将其每列相连构成⼀个⼤⼩为D=M*N 维的列向量。
D 就是⼈脸图像的维数，即是图像空间的维数。
设n 是训练样本的数⽬；X j 表⽰第j 幅⼈脸图像形成的⼈脸向量，则所需样本的协⽅差矩阵为：1()()m Ti i i S x u x u ==--∑ （1）其中U 为训练样本的平均图像向量：11mi i u x n ==∑ （2）令A=[x 1-u,x 2-u,...x n -u]，则有S r =AA T ，其维数为D ×D 。
根据K-L 变换原理，需要求得的新坐标系由矩阵AA T 的⾮零特征值所对应的特征向量组成。
直接计算的计算量⽐较⼤，所以采⽤奇异值分解(SVD)定理，通过求解A T A 的特征值和特征向量来获得AA T 的特征值和特征向量。
图像处理美工实验报告
图像处理美工实验报告1. 实验目的本次实验旨在通过图像处理技术，提升图片的美观度。
通过对图像进行调整、修复、美化等处理，使得图片在色彩、对比度、清晰度等方面表现出更好的效果。
2. 实验环境- 操作系统：Windows 10- 编程语言：Python- 开发环境：Anaconda Navigator- 相关软件：Adobe Photoshop3. 实验过程3.1 图片调整首先，我们使用Adobe Photoshop对原始图片进行调整。
通过调整图片的亮度、对比度、色调等参数，使得图片的整体效果更加明亮、鲜艳。
3.2 图像修复接着，我们使用图像处理库中的算法对图片进行修复。
通过去除噪点、消除瑕疵、修复缺失等操作，使得图片中的细节更加清晰、完整。
3.3 图像滤镜在调整和修复完成后，我们尝试使用不同的滤镜效果来美化图片。
通过施加不同的滤镜效果，例如模糊、锐化、马赛克等，我们可以给图片加入一些艺术效果，使得图片更加具有视觉冲击力。
3.4 图像细节增强为了使得图片更加饱满、立体，我们可以对图片中的细节部分进行增强处理。
通过增强细节的锐度、增加线条的清晰程度，我们可以使得图片中的物体更加鲜活、立体。
3.5 色彩调整最后，我们对图片的色彩进行调整。
通过调整图片的色相、饱和度、明度等参数，我们可以让图片的色彩更加丰富、鲜艳。
同时，我们可以对不同色彩通道进行调整，使得图片的整体色调更加协调、统一。
4. 实验结果经过一系列的图像处理操作，我们成功提升了图片的美观度。
原始图片与经过处理后的图片相比，色彩更加明亮饱满，细节更加清晰，整体效果更加出色。
同时，通过施加不同的滤镜效果和调整色彩，我们还加入了一些艺术效果，提升了图片的视觉冲击力。
5. 总结通过本次实验，我们了解了图像处理技术在美工方面的应用。
图像处理可以对图片进行调整、修复、美化等操作，提升其美观度和质量。
合理使用图像处理技术，可以使得图片更加生动、吸引人，为设计和美工工作提供了有力的支持。
数字图像处理实验一图像的基本操作和基本统计指标计算实验报告.doc
实验一图像的基本操作和基本统计指标计算一、实验目的熟悉MATLAB图像处理工具箱，在掌握MATLAB基本操作的基础上，本课程主要依靠图像处理工具箱验证和设计图像处理算法。
对于初学者来说，勤学多练、熟悉MATLAB图像处理工具箱也是学号本课程的必经之路。
了解计算图像的统计指标的方法及其在图像处理中的意义。
了解图像的几何操作，如改变图像大小、剪切、旋转等。
二、实验主要仪器设备（1）台式计算机或笔记本电脑（2）MATLAB（安装了图像处理工具箱，即Image Processing Toolbox(IPT）)（3）典型的灰度、彩色图像文件三、实验原理（1）将一幅图像视为一个二维矩阵。
（2）利用MATLAB图像处理工具箱读、写和显示图像文件。
①调用imread函数将图像文件读入图像数组（矩阵）。
例如“I=imread(‘tire.tif’);”。
其基本格式为：“A=imread(‘filename.fmt’)”，其中，A为二维矩阵，filename.为文件名，fmt 为图像文件格式的扩展名。
②调用imwrite函数将图像矩阵写入图像文件。
例如“imwrite(A,’test_image.jpg’);”。
其基本格式为“imwrite(a,filename.fmt)”。
③调用imshow函数显示图像。
例如“imshow(‘tire.tif’);”。
其基本格式为：I为图像矩阵，N为显示的灰度级数，默认时为256。
（3）计算图像有关的统计参数。
四、实验内容（1）利用MATLAB图像处理工具箱和Photoshop读、写和显示图像文件。
（2）利用MATLAB计算图像有关的统计参数。
五、实验步骤（1）利用“读图像文件I/O”函数读入图像Italy.jpg。
（2）利用“读图像文件I/O”的iminfo函数了解图像文件的基本信息：主要包括Filename(文件名)、FileModDate(文件修改时间)、Filesize(文件尺寸)、Format(文件格式)、FormatVersion （格式版本）、Width（图像宽度）、Height（图像高度）、BitDepth（每个像素的位深度）、ColorType （彩色类型）、CodingMethod（编码方法）等。
数字图像处理图像变换实验报告
实验报告实验名称:图像处理姓名:刘强班级:电信1102学号:1404110128实验一图像变换实验——图像点运算、几何变换及正交变换一、实验条件PC机数字图像处理实验教学软件大量样图二、实验目的1、学习使用“数字图像处理实验教学软件系统”,能够进行图像处理方面的简单操作;2、熟悉图像点运算、几何变换及正交变换的基本原理,了解编程实现的具体步骤;3、观察图像的灰度直方图,明确直方图的作用与意义;4、观察图像点运算与几何变换的结果,比较不同参数条件下的变换效果;5、观察图像正交变换的结果,明确图像的空间频率分布情况。
三、实验原理1、图像灰度直方图、点运算与几何变换的基本原理及编程实现步骤图像灰度直方图就是数字图像处理中一个最简单、最有用的工具,它描述了一幅图像的灰度分布情况,为图像的相关处理操作提供了基本信息。
图像点运算就是一种简单而重要的处理技术,它能让用户改变图像数据占据的灰度范围。
点运算可以瞧作就是“从象素到象素”的复制操作,而这种复制操作就是通过灰度变换函数实现的。
如果输入图像为A(x,y),输出图像为B(x,y),则点运算可以表示为:B(x,y)＝f[A(x,y)]其中f(x)被称为灰度变换(Gray Scale Transformation,GST)函数,它描述了输入灰度值与输出灰度值之间的转换关系。
一旦灰度变换函数确定,该点运算就完全确定下来了。
另外,点运算处理将改变图像的灰度直方图分布。
点运算又被称为对比度增强、对比度拉伸或灰度变换。
点运算一般包括灰度的线性变换、阈值变换、窗口变换、灰度拉伸与均衡等。
图像几何变换就是图像的一种基本变换,通常包括图像镜像变换、图像转置、图像平移、图像缩放与图像旋转等,其理论基础主要就是一些矩阵运算,详细原理可以参考有关书籍。
实验系统提供了图像灰度直方图、点运算与几何变换相关内容的文字说明,用户在操作过程中可以参考。
下面以图像点运算中的阈值变换为例给出编程实现的程序流程图,如下:2、图像正交变换的基本原理及编程实现步骤数字图像的处理方法主要有空域法与频域法,点运算与几何变换属于空域法。
图像处理实验报告
大学新闻与传播学院实验教学中心实验报告实验名称图像处理指导教师洪杰文华滢年级08 学号23 成绩一、预习部分1、实验目的2、实验基本原理3、主要仪器设备（含必要的元器件、工具）1、实验目的：（1）熟悉和掌握数字图像的基本概念和技术指标，掌握色彩模式、图像分辨率、图像深度、图像文件格式与图像的显示效果、文件容量的关系。
（2）了解和掌握数字图像压缩的概念，观察不同的压缩比对图像的影响。
（3）了解和掌握图像中色彩的确定及选取方法，掌握前景色和背景色的概念及调整方法，掌握色彩填充的基本概念及应用。
（4）了解和掌握图像处理软件Photoshop的基本功能和基本使用方法，熟练掌握图层与选择区的基本使用方法。
（5）通过创造性的构图和对布局及色彩等的巧妙处理，一幅好的图画可以将一个主题以含蓄而又深刻的方式予以提示，并往往具有比单纯的语言文字更强的表现力。
在掌握图像处理基本概念和Photoshop基本使用方法的基础上，对已有的数字图像做一些基本的创意设计和编辑处理。
2、实验基本原理：基于photoshop软件的图像处理。
3、主要仪器设备（含必要的元器件、工具）：Adobe Photoshop二、实验操作部分1、实验操作过程2、实验数据、观察到的实验现象1、实验操作过程：1.图像的基本变换（1）自选一幅不小于400×400pixel的彩色数字图像。
在Photoshop中打开该图像，记录其技术参数：文件格式、文件容量，图像尺寸（pixel和cm）、分辨率、色彩模式等。
文件格式：JPEG 图像；文件容量：59.7kb；图像尺寸（pixel和cm）：600×600pixel；分辨率：72像素/英寸；色彩模式：RGB模式。
（2）对该图像重采样，要求采样后的图像分辨率为150dpi，图像尺寸为300×300pixel。
色彩模式分别变换成灰度、Indexed和RGB模式，按BMP格式分别保存成不同名称的图像文件；重新打开并观察变换后的显示效果，并记录各个文件的容量。
- 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)。
实验报告实验课程名称：数字图像处理班级：学号：姓名：注：1、每个实验中各项成绩按照10分制评定，每个实验成绩为两项总和20分。
2、平均成绩取三个实验平均成绩。
2016年 4 月18日实验一 图像的二维离散傅立叶变换一、实验目的掌握图像的二维离散傅立叶变换以及性质二、实验要求1) 建立输入图像，在64⨯64的黑色图像矩阵的中心建立16⨯16的白色矩形图像点阵，形成图像文件。
对输入图像进行二维傅立叶变换，将原始图像及变换图像（三维、中心化）都显示于屏幕上。
2) 调整输入图像中白色矩形的位置，再进行变换，将原始图像及变换图像（三维、中心化）都显示于屏幕上，比较变换结果。
3) 调整输入图像中白色矩形的尺寸（40⨯40，4⨯4），再进行变换，将原始图像及变换图像（三维、中心化）都显示于屏幕上，比较变换结果。
三、实验仪器设备及软件HP D538、MATLAB四、实验原理傅里叶变换作为分析数字图像的有利工具，因其可分离性、平移性、周期性和共轭对称性可以定量地方分析数字化系统，并且变换后的图像使得时间域和频域间的联系能够方便直观地解决许多问题。
实验通过MATLAB 实验该项技能。
设),(y x f 是在空间域上等间隔采样得到的M ×N 的二维离散信号，x 和y 是离散实变量，u 和v 为离散频率变量，则二维离散傅里叶变换对一般地定义为∑∑-=-=+-=1010)],(2ex p[),(1),(M x N y Nyu M xu j y x f MN v u F π,1,0=u …，M-1；y=0，1，…N-1 ∑∑-=-=+=1010)],(2ex p[),(),(M x N y Nuy M ux j v u F y x f π ,1,0=x …，M-1；y=0，1，…N-1在图像处理中，有事为了讨论上的方便，取M=N ，这样二维离散傅里叶变换对就定义为,])(2ex p[),(1),(1010∑∑-=-=+-=N x N y Nyu xu j y x f N v u F π 1,0,=v u …，N-1 ,])(2ex p[),(1),(1010∑∑-=-=+=N u N v Nvy ux j v u F N y x f π 1,0,=y x ，…，N-1 其中，]/)(2exp[N yv xu j +-π是正变换核，]/)(2exp[N vy ux j +π是反变换核。
将二维离散傅里叶变换的频谱的平方定义为),(y x f 的功率谱，记为),(),(|),(|),(222v u I v u R v u F v u P +==功率谱反映了二维离散信号的能量在空间频率域上的分布情况。
五、实验步骤、程序及结果：1、实验步骤：（1）、编写程序建立输入图像；（2）、对上述图像进行二维傅立叶变换，观察其频谱（3）、改变输入图像中白框的位置，在进行二维傅里叶变换，观察频谱；（4）、改变输入图像中白框的大小，进行二维傅里叶变换，观察频谱。
2、实验程序：（1）、原始图像及变换程序：%clear%原始图象f=zeros(64,64);%输入64*64的黑色图像矩阵f(25:40,25:40)=1;%建立16*16的白色矩行图像点阵figure(1);subplot(231);imshow(f);title('原始图像')%显示原图像F=fft2(f);%傅立叶变换subplot(232);imshow(abs(F));title('傅里叶变换图像');%显示傅里叶变换图像F2=fftshift(abs(F));%频谱中心化subplot(233);imshow(abs(F2));title('中心化傅里叶频谱图');%显示中心化傅里叶频谱图x=1:64;y=1:64;subplot(234);mesh(abs(real(F)));title('三维频谱图');%显示三维频谱图subplot(235);mesh(x,y,F2(x,y)); title('FFT')（2）、调整输入图像中白色矩形的位置，再进行变换后的程序%原始图象f=zeros(64,64);%输入64*64的黑色图像矩阵f(47:63,47:63)=1;%建立16*16的白色矩行图像点阵figure(1);subplot(231),imshow(f); title('原始图像')%显示原图像F=fft2(f);%傅立叶变换subplot(232);imshow(abs(F));title('傅里叶变换图像');%显示傅里叶变换图像F2=fftshift(abs(F));%频谱中心化subplot(233);imshow(abs(F2));title('中心化傅里叶频谱图');%显示中心化傅里叶频谱图x=1:64;y=1:64;subplot(234);mesh(abs(real(F)));title('三维频谱图');%显示三维频谱图subplot(235);mesh(x,y,F2(x,y)); title('FFT')（3）、整输入图像中白色矩形的尺寸（40*40），再进行变换的程序：clear %原始图象f=zeros(64,64);%输入64*64的黑色图像矩阵f(13:52,13:52)=1;%建立40*40的白色矩行图像点阵figure(1);subplot(231),imshow(f); title('原始图像')%显示原图像subplot(232);imshow(abs(F));title('傅里叶变换图像');%显示傅里叶变换图像F2=fftshift(abs(F));%频谱中心化subplot(233);imshow(abs(F2));title('中心化傅里叶频谱图');%显示中心化傅里叶频谱图x=1:64;y=1:64;subplot(234);mesh(abs(real(F)));title('三维频谱图');%显示三维频谱图subplot(235);mesh(x,y,F2(x,y)); title('FFT')（4）、整输入图像中白色矩形的尺寸（4*4），再进行变换的程序：clear%原始图象f=zeros(64,64);%输入64*64的黑色图像矩阵f(31:34,31:34)=1;%建立4*4的白色矩行图像点阵figure(1);subplot(231),imshow(f); title('原始图像')%显示原图像subplot(232);imshow(abs(F));title('傅里叶变换图像');%显示傅里叶变换图像F2=fftshift(abs(F));%频谱中心化subplot(233);imshow(abs(F2));title('中心化傅里叶频谱图');%显示中心化傅里叶频谱图x=1:64; y=1:64;subplot(234);mesh(abs(real(F)));title('三维频谱图');%显示三维频谱图subplot(235);mesh(x,y,F2(x,y)); title('FFT')六、实验分析：1、原图像的频谱图不能明显地反映图像的完整频谱。
经过中心化后可以看出频谱中的较大值集中在中心。
可以很好地反映出图像的完整频谱。
2、从实验运行结果可以看出，图像的原尺寸平移，只改变了图像的傅里叶变换，对其三维频谱图没有影响，任然在中心处有最大频率，频谱中的较大值集中于四个角的低频部分。
3、通过对比40*40和4*4的图像运行结果可知，图像越小其三维频谱的低频分布更强，中心化频谱更集中，从图中可以看出能量主要集中在中心，也就是低频部分，说明高频分量所占比重少。
傅里叶频谱的低频主要决定图像的平坦区域中灰度的总体分布，而高频主要决定于图像的边缘和噪声等细节。
按照图像空间域和频率域的对应关系，空域中的强相关性，即由于图像中存在大量的平坦区域，使得图像中的相邻或相近像素一般趋向于取相同的灰度值，反映在频率域中，就是图像的能量主要集中于低频部分。
因此在三维频谱图中可以清楚地看出原图像的频谱中的较大值集中于四个角的低频部分。
实验二图像的增强一、实验目的1)掌握在计算机上进行直方图统计，以及直方图均衡化、线性变换的图像增强的方法2)掌握在计算机上进行图象平滑、图象锐化特别是中值滤波平滑及拉普拉斯算子锐化的方法二、实验要求1)显示图像（）及灰度直方图。
2)对指定图像（）进行直方图均衡化和线性变换，将原始图像及增强后的图像都显示于屏幕上，比较增强的效果。
3)对指定图像（）加入椒盐噪声，然后进行邻域平滑、中值滤波，将原始图像及平滑后的图像都显示于屏幕上，比较效果。
4)对指定图像（）进行锐化（简单梯度算法、ROBERT算子，Prewitt边缘算子和拉普拉斯算子），将原始图像及锐化后的图像都显示于屏幕上，比较锐化的效果。
三、实验仪器设备及软件HP D538、MATLAB四、实验原理1、对比度调整如果原图像f(x, y)的灰度范围是[m, M]，我们希望对图像的灰度范围进行线性调整，调整后的图像g(x, y)的灰度范围是[n, N]，MATLAB图像处理工具箱中提供的imadjust函数，可以实现上述的线性变换对比度调整。
imadjust函数的语法格式为：J =imadjust(I,[low_in high_in], [low_out high_out])；J = imadjust(I, [low_in high_in],[low_out high_out])返回原图像I经过直方图调整后的新图像J，[low_in high_in]为原图像中要变换的灰度范围，[low_out high_out]指定了变换后的灰度范围，灰度范围可以用[ ] 空矩阵表示默认范围，默认值为[0, 1]。
不使用imadjust函数，利用matlab语言直接编程也很容易实现灰度图像的对比度调整。
但运算的过程中应当注意以下问题，由于我们读出的图像数据一般是uint8型，而在MATLAB的矩阵运算中要求所有的运算变量为double型（双精度型）。
因此读出的图像数据不能直接进行运算，必须将图像数据转换成双精度型数据。
MATLAB中提供了这样的数据类型转换函数：im2double函数，其语法格式为：I2 = im2double(I1)，运算之后的图像数据再显示时可以再转化成uint8型，格式为：I3 = uint8 (I2)2、直方图均衡化直方图均衡化的目的是将原始图像的直方图变为均衡分布的形式，即将一已知灰度概率密度分布的图像，经过某种变换变成一幅具有均匀灰度概率密度分布的新图像，从而改善图像的灰度层次。