数字图像处理实验 实验一 数字图像的傅里叶变换
数字图像处理实验一图像FFT 和DCT变换
课程名称数字图像处理与分析实验项目实验一图像FFT 和DCT变换实验地点实验学时实验类型指导教师实验员专业班级学号姓名年月日教师评语一、实验目的及要求1、了解图像变换的意义和手段；2、熟悉傅里叶变换的孩本性质；3、热练掌握FFT方法反变换；4、通过实验了解二维频谱的分布特点；5、通过本实验掌握利用MATLAB编程实现数字图像的傅立叶变换。
二、实验原理与内容1、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。
2、傅立叶（Fourier）变换的定义对于二维信号，二维Fourier变换定义为：二维离散傅立叶变换为：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。
3利用MA TLAB软件实现数字图像傅立叶变换的程序。
三、实验软硬件环境装有MATLAB软件的电脑四、实验过程（实验步骤、记录、数据、分析）1、FFT实验代码：I=imread('11.jpg'); f=I(:,:,1);imshow(f,'InitialMagnification','fit'); %确定像素值的显示范围title('yuantu');F=fft2(f); %二维傅立叶变换F1=fft2(f,256,256);%补零操作的二维傅立叶变换F2=log(abs(F1));%对F1的幅值取对数figure,subplot(1,2,1),imshow(F1,[-1 5],'InitialMagnification','fit'); colormap(jet); title('ftttu256*256'); subplot(1,2,2),imshow(F2,[-1 5],'InitialMagnification','fit'); colormap(jet); title('logabsffttu');figure,imshow(ifft2(F),[ ],'InitialMagnification','fit'); title('iffttu');figure,imshow(ifft2(F1),[ ],'InitialMagnification','fit'); title('iffttu256*256');运行结果：分析：fit的设置把原图以灰度图像输出，由原图和FFT 变换图对比可知，变换之后，灰度变低。
用matlab实现数字图像处理几个简单例子
实验报告实验一图像的傅里叶变换（旋转性质）实验二图像的代数运算实验三filter2实现均值滤波实验四图像的缩放朱锦璐04085122实验一图像的傅里叶变换（旋转性质）一、实验内容对图（1.1）的图像做旋转，观察原图的傅里叶频谱和旋转后的傅里叶频谱的对应关系。
图（1.1）二、实验原理首先借助极坐标变换x=rcosθ,y=rsinθ,u=wcosϕ,v=wsinϕ,,将f(x,y)和F(u,v)转换为f(r,θ)和F（w，ϕ）.f(x,y) <=> F(u，v)f(rcosθ,rsinθ)<=> F(wcosϕ，wsinϕ)经过变换得f( r,θ+θ。
)<=>F(w,ϕ+θ。
)上式表明，对f(x,y)旋转一个角度θ。
对应于将其傅里叶变换F(u，v)也旋转相同的角度θ。
F(u,v)到f(x,y)也是一样。
三、实验方法及程序选取一幅图像，进行离散傅里叶变换，在对其进行一定角度的旋转，进行离散傅里叶变换。
>> I=zeros(256,256); %构造原始图像I(88:168,120:136)=1; %图像范围256*256，前一值是纵向比，后一值是横向比figure(1);imshow(I); %求原始图像的傅里叶频谱J=fft2(I);F=abs(J);J1=fftshift(F);figure(2)imshow(J1,[5 50])J=imrotate(I,45,'bilinear','crop'); %将图像逆时针旋转45°figure(3);imshow(J) %求旋转后的图像的傅里叶频谱J1=fft2(J);F=abs(J1);J2=fftshift(F);figure(4)imshow(J2,[5 50])四、实验结果与分析实验结果如下图所示（1.2）原图像（1.3）傅里叶频谱（1.4）旋转45°后的图像（1.5）旋转后的傅里叶频谱以下为放大的图（1.6）原图像（1.7）傅里叶频谱（1.8）旋转45°后的图像（1.9）旋转后的傅里叶频谱由实验结果可知1、从旋转性质来考虑，图（1.8）是图（1.6）逆时针旋转45°后的图像，对比图（1.7）和图（1.9）可知，频域图像也逆时针旋转了45°2、从尺寸变换性质来考虑，如图（1.6）和图（1.7）、图（1.8）和图（1.9）可知，原图像和其傅里叶变换后的图像角度相差90°，由此可知，时域中的信号被压缩，到频域中的信号就被拉伸。
6.图像的傅立叶变换 - 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了解图像变换的意义和手段；2熟悉傅立叶变换的基本性质； 3熟练掌握FFT 变换方法及应用； 4通过实验了解二维频谱的分布特点；5通过本实验掌握利用MATLAB 编程实现数字图像的傅立叶变换。
6评价人眼对图像幅频特性和相频特性的敏感度。
二、实验原理1 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。
2 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 mn N Ni k F m n f i k eNπ---+===∑∑逆变换：112()001(,)(,)i k N N j mn N Nm n f i k F m n eNπ--+===∑∑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。
3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、实验步骤1．将图像内容读入内存；2．用Fourier变换算法，对图像作二维Fourier变换；3．将其幅度谱进行搬移，在图像中心显示；4．用Fourier系数的幅度进行Fourier反变换；5．用Fourier系数的相位进行Fourier反变换；6．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。
数字图像处理中的快速傅里叶变换算法
数字图像处理中的快速傅里叶变换算法数字图像处理是一门非常重要的学科，它主要关注如何对数字图像进行处理和分析。
在数字图像处理中，傅里叶变换是一种非常重要的工具，在很多领域都有广泛的应用。
特别是在数字信号处理和图像处理领域，傅里叶变换是一种重要的工具，它可以将时域信号转化成频域信号，进行频域分析和处理，帮助我们从中获取更多的信息。
在数字图像处理中，快速傅里叶变换算法是一种非常重要的算法，它拥有很高的计算效率和精度，被广泛应用于数字图像处理中。
一、傅里叶变换傅里叶变换是数学中的一种重要的工具，它可以将任意一个函数分解为一系列正弦波的加权和。
在数字图像处理中，傅里叶变换可以将图像表示为一个二维函数，其中每个分量代表着不同的频率。
通过傅里叶变换，我们可以了解图像中不同颜色和亮度的分布状况，从而帮助我们更好地进行图像处理和分析。
二、快速傅里叶变换算法快速傅里叶变换算法是对传统傅里叶变换进行优化得到的一种算法。
传统的傅里叶变换算法计算复杂度很高，需要进行许多乘法和加法运算，运算时间很长，难以满足实时处理的要求。
为了解决这个问题，人们开发出了快速傅里叶变换算法，它可以有效地缩短傅里叶变换的运算时间，提高计算效率。
快速傅里叶变换算法的基本思想是将傅里叶变换的计算分解为多个较小的傅里叶变换，从而实现快速计算。
这样就可以通过迭代的方式，逐步将傅里叶变换的计算分解为多个较小的傅里叶变换，从而获得更高的计算效率。
快速傅里叶变换算法一般采用分治的思想，将二维傅里叶变换分解为两个一维傅里叶变换，从而实现二维傅里叶变换的计算。
三、应用领域快速傅里叶变换算法被广泛应用于数字图像处理领域。
在图像去噪、图像压缩、图像增强、图像分割等领域，傅里叶变换都有着很广泛的应用。
特别是在数字信号处理和通信领域，傅里叶变换被广泛应用于信号的频域分析和处理，帮助我们了解信号的频域特性和频谱分布状况，从而更好地进行信号处理和分析。
四、总结快速傅里叶变换算法是数字图像处理中非常重要的一种算法，它可以快速、高效地实现傅里叶变换的计算，提升计算效率，满足实时处理的要求。
数字图像处理--图像的傅里叶变换
figure,imshow(abs(iJP)*100);title('相应的傅里叶反变换');B)利用MATLAB软件实现数字图像傅立叶变换的程序B=imread('M.JPG');I=rgb2gray(B);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);C)绘制一个二值图像矩阵,并将其傅立叶函数可视化f=zeros(30,30);f(5:24:13:17)=1;imshow(f,'notruesize')F=fft2(f);F2=log(abs(F));figure,imshow(F2,[-1 5],'notruesize');colormap(jet);F=fft2(f,256,256);figure,imshow(log(abs(F)),[-1 5],'notruesize');colormap(jet);F2=fftshift(F);figure,imshow(log(abs(F2)),[-1 5],'notruesize');colormap(jet);1.离散余弦变换A)使用dct2对图像‘N.jpg’进行DCT变换。
RGB=imread('N.jpg');imshow(RGB)I=rgb2gray(RGB);figure,imshow(I)J=dct2(I);figure,imshow(log(abs(J)),[]),colormap(jet(64));colorbar;B)将上述DCT变换结果中绝对值小于10的系数舍弃，使用idct2重构图像并与原图像比较。
数字图像处理图像的傅里叶变换实验报告南昌大学
实验报告五姓名：胡文松学号：6103413007 班级：生医131实验日期：2016.5.16 实验成绩：实验题目：图像的傅里叶变换一．实验目的（1）熟练掌握图像的快速傅里叶变换及其逆变换。
（2）熟练掌握图像的radon变换及其逆变换。
二．实验原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。
傅里叶变换是将时间域的函数f（t）表示为频率域的函数F(ω)的积分。
一般可称函数f （t）为原函数，而称函数F(ω)为傅里叶变换的像函数，原函数和像函数构成一个傅里叶变换对（transform pair）。
图像傅里叶变换，谱对图像的平移是不敏感的，但它随旋转图像以相同的角度旋转。
图像平移后，他们的频谱不变，但旋转后，其频谱也以以相同的角度旋转。
三．实验内容及结果（1）任意选择一副图像，对图像进行旋转，显示原始图像和旋转后的图像，分别对其进行傅里叶变换，分析原图的傅里叶频谱与旋转后的傅里叶频谱的对应关系。
（2）选择一副图像boy.jpg，使用radon函数和iradon函数构建一个简单图像的投影并重建图像。
源程序和结果：I=phantom(256);figure;subplot(2,2,1);imshow(I);title('原始图像')J=fft2(I);F=abs(J);J1=fftshift(F);subplot(2,2,2);imshow(J1,[5 50]);title('原始图像的傅里叶频谱')K=imrotate(I,315,'bilinear','crop');subplot(2,2,3);imshow(K);title('原始图像进行旋转')K1=fft2(K);M=abs(K1);J2=fftshift(M);subplot(2,2,4);imshow(J2,[5 50]);title('旋转后图像的傅里叶频谱')theta=0:1:179;[R1,xp]=radon(I,theta);figure;subplot(2,2,1);imagesc(theta,xp,R1);xlabel('\theta');ylabel('x\prime' );title('18度');I1=iradon(R1,1);subplot(2,2,2);imshow(I1);title('18度');2.用MATLAB中的iradon函数对获得的投影数据进行滤波反投影重建，获得Shepp-Logan 模型的重建图像I1=iradon(R1,10);I2=iradon(R2,5);I3=iradon(R3,2);I4=iradon(R4,1);figure;subplot(2,2,1);imshow(I1);title('18 angles');subplot(2,2,2);imshow(I2);title('36 angles');subplot(2,2,3);imshow(I3);title('90 angles');subplot(2,2,4);imshow(I4);title('180 angles');四．结果分析从实验结果可知（1）图像旋转后，相应的傅里叶频谱也跟着做相应的旋转，且旋转角度是一样的，时域中信号被压缩，到频域中被拉伸。
实验一图像的二维离散傅立叶变换
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6464的黑色图像矩阵的中心建立1616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（4040，44），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、 实验原理在二维情况下，定义 f(x,y)的傅立叶变换Ｆ(u,v) ：2()2()(,)(,)(,)(,)j ux vy j ux vy F u v f x y e dxdy f x y F u v e dudv ππ∞∞-+-∞-∞∞∞+-∞-∞==⎰⎰⎰⎰ 它表明了空间频率成分与二维图像信号之间的相互关系对于我们要处理的实际二维图像，其傅氏变换一般是在频率域上有界的，亦即有用成分总是落在一定的频率域范围之内上述的频率域性质的依据在于：一是图像中景物的复杂性具有一定的限度，其中大部分内容是变化不大的区域完全像“雪花”点似的图像没有任何实际意义。
二是人眼对空间复杂性（频率）的分辨率以及显示器的分辨能力都是具有一定限度。
若实变量函数f(x)是绝对可积的，即：且F(u)是可积的，则傅立叶变换对一定存在。
(){}()()[](){}()()[]du ux j u F x f u F dx ux j x f u F ππ2exp 2exp ⎰⎰∞∞-∞∞-==-==1-F xf F如果f(x)考虑为实函数，它的傅立叶变换通常是复数形式，即：()()()u jI u R u F +=也可表为：()()()u j e u F u F φ=若二变量函数f(x,y) 是绝对可积的，即：且F(u,v)是可积的，则傅立叶变换对一定存在。
数字图像处理及MATLAB实现实验四——图像变换
数字图像处理及MATLAB实现实验四——图像变换1.图像的傅⾥叶变换⼀（平移性质）傅⾥叶变换的平移性质表明了函数与⼀个指数项相乘等于将变换后的空域中⼼移到新的位置，并且平移不改变频谱的幅值。
I=imread('1.bmp');figure(1)imshow(real(I));I=I(:,:,3);fftI=fft2(I);sfftI=fftshift(fftI); %求离散傅⾥叶频谱%对原始图像进⾏⼆维离散傅⾥叶变换，并将其坐标原点移到频谱图中央位置RRfdp1=real(sfftI);IIfdp1=imag(sfftI);a=sqrt(RRfdp1.^2+IIfdp1.^2);a=(a-min(min(a)))/(max(max(a))-min(min(a)))*225;figure(2)imshow(real(a));I=imread('2.bmp');figure(1)imshow(real(I));I=I(:,:,3);fftI=fft2(I);sfftI=fftshift(fftI); %求离散傅⾥叶频谱%对原始图像进⾏⼆维离散傅⾥叶变换，并将其坐标原点移到频谱图中央位置RRfdp1=real(sfftI);IIfdp1=imag(sfftI);a=sqrt(RRfdp1.^2+IIfdp1.^2);a=(a-min(min(a)))/(max(max(a))-min(min(a)))*225;figure(2)imshow(real(a));I=imread('3.bmp');figure(1)imshow(real(I));I=I(:,:,3);fftI=fft2(I);sfftI=fftshift(fftI); %求离散傅⾥叶频谱%对原始图像进⾏⼆维离散傅⾥叶变换，并将其坐标原点移到频谱图中央位置RRfdp1=real(sfftI);IIfdp1=imag(sfftI);a=sqrt(RRfdp1.^2+IIfdp1.^2);a=(a-min(min(a)))/(max(max(a))-min(min(a)))*225;figure(2)imshow(real(a));实验结果符合傅⾥叶变换平移性质2.图像的傅⾥叶变换⼆（旋转性质）%构造原始图像I=zeros(256,256);I(88:168,124:132)=1; %图像范围是256*256，前⼀值是纵向⽐，后⼀值是横向⽐imshow(I)%求原始图像的傅⾥叶频谱J=fft2(I);F=abs(J);J1=fftshift(F);figureimshow(J1,[550])%对原始图像进⾏旋转J=imrotate(I,90,'bilinear','crop');figureimshow(J)%求旋转后图像的傅⾥叶频谱J=fft2(I);F=abs(J);J2=fftshift(F);figureimshow(J2,[550])3.图像的离散余弦变换⼀%对cameraman.tif⽂件计算⼆维DCT变换RGB=imread('cameraman.tif');figure(1)imshow(RGB)I=rgb2gray(RGB);%真彩⾊图像转换成灰度图像J=dct2(I);%计算⼆维DCT变换figure(2)imshow(log(abs(J)),[])%图像⼤部分能量集中在左上⾓处figure(3);J(abs(J)<10)=0;%把变换矩阵中⼩于10的值置换为0，然后⽤idct2重构图像K=idct2(J)/255;imshow(K)4.图像的离散余弦变换⼆% I=imread('1.bmp');% figure(1)% imshow(real(I));% I=I(:,:,3);% fftI=fft2(I);% sfftI=fftshift(fftI); %求离散傅⾥叶频谱% %对原始图像进⾏⼆维离散傅⾥叶变换，并将其坐标原点移到频谱图中央位置% RRfdp1=real(sfftI);% IIfdp1=imag(sfftI);% a=sqrt(RRfdp1.^2+IIfdp1.^2);% a=(a-min(min(a)))/(max(max(a))-min(min(a)))*225;% figure(2)% imshow(real(a));% I=imread('2.bmp');% figure(1)% imshow(real(I));% I=I(:,:,3);% fftI=fft2(I);% sfftI=fftshift(fftI); %求离散傅⾥叶频谱% %对原始图像进⾏⼆维离散傅⾥叶变换，并将其坐标原点移到频谱图中央位置% RRfdp1=real(sfftI);% IIfdp1=imag(sfftI);% a=sqrt(RRfdp1.^2+IIfdp1.^2);% a=(a-min(min(a)))/(max(max(a))-min(min(a)))*225;% figure(2)% imshow(real(a));% I=imread('3.bmp');% figure(1)% imshow(real(I));% I=I(:,:,3);% fftI=fft2(I);% sfftI=fftshift(fftI); %求离散傅⾥叶频谱% %对原始图像进⾏⼆维离散傅⾥叶变换，并将其坐标原点移到频谱图中央位置% RRfdp1=real(sfftI);% IIfdp1=imag(sfftI);% a=sqrt(RRfdp1.^2+IIfdp1.^2);% a=(a-min(min(a)))/(max(max(a))-min(min(a)))*225;% figure(2)% imshow(real(a));% %构造原始图像% I=zeros(256,256);% I(88:168,124:132)=1; %图像范围是256*256，前⼀值是纵向⽐，后⼀值是横向⽐% imshow(I)% %求原始图像的傅⾥叶频谱% J=fft2(I);% F=abs(J);% J1=fftshift(F);figure% imshow(J1,[550])% %对原始图像进⾏旋转% J=imrotate(I,90,'bilinear','crop');% figure% imshow(J)% %求旋转后图像的傅⾥叶频谱% J=fft2(I);% F=abs(J);% J2=fftshift(F);figure% imshow(J2,[550])% %对cameraman.tif⽂件计算⼆维DCT变换% RGB=imread('cameraman.tif');% figure(1)% imshow(RGB)% I=rgb2gray(RGB);% %真彩⾊图像转换成灰度图像% J=dct2(I);% %计算⼆维DCT变换% figure(2)% imshow(log(abs(J)),[])% %图像⼤部分能量集中在左上⾓处% figure(3);% J(abs(J)<10)=0;% %把变换矩阵中⼩于10的值置换为0，然后⽤idct2重构图像% K=idct2(J)/255;% imshow(K)RGB=imread('cameraman.tif');I=rgb2gray(RGB);I=im2double(I); %转换图像矩阵为双精度型T=dctmtx(8); %产⽣⼆维DCT变换矩阵%矩阵T及其转置T'是DCT函数P1*X*P2的参数B=blkproc(I,[88],'P1*x*P2',T,T');maxk1=[ 1111000011100000110000001000000000000000000000000000000000000000 ]; %⼆值掩模，⽤来压缩DCT系数B2=blkproc(B,[88],'P1.*x',mask1); %只保留DCT变换的10个系数I2=blkproc(B2,[88],'P1*x*P2',T',T); %重构图像figure,imshow(T);figure,imshow(B2);figure,imshow(I2);RGB=imread('cameraman.tif');I=rgb2gray(RGB);I=im2double(I); %转换图像矩阵为双精度型T=dctmtx(8); %产⽣⼆维DCT变换矩阵%矩阵T及其转置T'是DCT函数P1*X*P2的参数B=blkproc(I,[88],'P1*x*P2',T,T');maxk1=[ 1111000011100000100000000000000000000000000000000000000000000000 ]; %⼆值掩模，⽤来压缩DCT系数B2=blkproc(B,[88],'P1.*x',mask1); %只保留DCT变换的10个系数I2=blkproc(B2,[88],'P1*x*P2',T',T); %重构图像figure,imshow(T);figure,imshow(B2);figure,imshow(I2);5.图像的哈达玛变换cr=0.5;I=imread('cameraman.tif');I=im2double(I)/255; %将读⼊的unit8类型的RGB图像I转换为double类型的数据figure(1),imshow(I);%显⽰%求图像⼤⼩[m_I,n_I]=size(I); %提取矩阵I的⾏列数，m_I为I的⾏数，n_I为I的列数sizi=8;snum=64;%分块处理t=hadamard(sizi) %⽣成8*8的哈达码矩阵hdcoe=blkproc(I,[sizi sizi],'P1*x*P2',t,t');%将图⽚分成8*8像素块进⾏哈达码变换%重新排列系数CE=im2col(hdcoe,[sizi,sizi],'distinct');%将矩阵hdcode分为8*8互不重叠的⼦矩阵，再将每个⼦矩阵作为CE的⼀列[Y Ind]=sort(CE); %对CE进⾏升序排序%舍去⽅差较⼩的系数，保留原系数的⼆分之⼀，即32个系数[m,n]=size(CE);%提取矩阵CE的⾏列数，m为CE的⾏数，n为CE的列数snum=snum-snum*cr;for i=1:nCE(Ind(1:snum),i)=0;end%重建图像re_hdcoe=col2im(CE,[sizi,sizi],[m_I,n_I],'distinct');%将矩阵的列重新组织到块中re_I=blkproc(re_hdcoe,[sizi sizi],'P1*x*P2',t',t);%进⾏反哈达码变换，得到压缩后的图像re_I=double(re_I)/64; %转换为double类型的数据figure(2);imshow(re_I);%计算原始图像和压缩后图像的误差error=I.^2-re_I.^2;MSE=sum(error(:))/prod(size(re_I));。
- 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)。
数字图像处理基础实验
姓名：毛幸林
学号：201013803
华北水利水电学院
信息工程学院
实验一数字图像的傅里叶变换
一．实验设备
1.PC机一台；
2.软件MATLAB；
二．实验目的
1、了解图像变换的意义和手段；
2、熟悉傅里叶变换的原理及性质；
3、熟悉二维频谱的分布特点；
三．实验原理
傅里叶变换是线性系统分析的一个有力工具，它建立了空间域与频域间的联系，具有明确的物理意义，能够能直观、方便地解决许多图像处理问题。
四．实验步骤
1）启动MATLAB程序，编制相应的程序
2）对不同图像做离散傅里叶变换，显示其频谱
3）讨论不同的图像内容与FFT频谱之间的对应关系
4）记录和整理实验报告
五．实验报告内容
1、实验过程
打开计算机，安装和启动MATLAB程序；将待处理的图像文件放置在MTALAB 的安装目录中“work”文件夹中；
编写如下程序显示不同图像的频谱：
I = imread('panda.gif');%读取图像文件
imshow(I);%显示原图像
F=fft2(I);%二维离散傅里叶变换
SF=fftshift(F);%频谱搬移，直流分量移到频谱中心
RR=real(SF);%傅里叶变换的实部
II=imag(SF);%傅里叶变换的虚部
A=sqrt(RR.^2+II.^2);%计算幅度谱
B=(A-min(min(A)))/(max(max(A))-min(min(A)))*225;%归一化figure;%创建显示窗口
imshow(B);%显示图像的频谱
2、实验的原始图像和结果图像
１。