基于MATLAB的数字图像课程设计图像频域增强高通滤波器算法设计
基于matlab数字图像处理之高通滤波器
实践二:理想高通滤波器、Butterworth高通滤波器、高斯高通滤波器2.1.1理想高通滤波器实践代码：I=imread('');subplot(221),imshow(I);title('原图像');s=fftshift(fft2(I));subplot(223),imshow(abs(s),[]);title('图像傅里叶变换所得频谱');subplot(224),imshow(log(abs(s)),[]);title('图像傅里叶变换取对数所得频谱');[a,b]=size(s);a0=round(a/2);b0=round(b/2);d=10;p=;q=;fori=1:aforj=1:bdistance=sqrt((i-a0)^2+(j-b0)^2);ifdistance<=dh=0;elseh=1;end;s(i,j)=(p+q*h)*s(i,j);end;end;s=uint8(real(ifft2(ifftshift(s))));subplot(222),imshow(s);title('高通滤波所得图像');I=imread('');[f1,f2]=freqspace(size(I),'meshgrid');Hd=ones(size(I));r=sqrt(f1.^2+f2.^2);Hd(r<=0;figuresurf(Hd,'Facecolor','interp','Edgecolor','none','Facelighting','phong');%画三维曲面（色）图2.1.2理想高通滤波器实践结果截图：2.2.1Butterworth高通滤波器实践代码：I1=imread('');subplot(121),imshow(I1);title('原始图像');f=double(I1);g=fft2(f);g=fftshift(g);[N1,N2]=size(g);n=2;d0=5;n1=fix(N1/2);n2=fix(N2/2);fori=1:N1forj=1:N2d=sqrt((i-n1)^2+(j-n2)^2);ifd==0h=0;elseh=1/(1+(d0/d)^(2*n));endresult(i,j)=h*g(i,j);endendresult=ifftshift(result);X2=ifft2(result);X3=uint8(real(X2));subplot(122),imshow(X3);title('Butterworth高通滤波');I1=imread('');[f1,f2]=freqspace(size(I1),'meshgrid');D=;r=f1.^2+f2.^2;n=4;fori=1:size(I1,1)forj=1:size(I1,2)t=(D*D)/r(i,j);Hd(i,j)=1/(t^n+1);endendfiguresurf(Hd,'Facecolor','interp','Edgecolor','none','Facelighting','phong');%画三维曲面（色）图2.2.2Butterworth高通滤波器实践结果截图：2.3.1高斯高通滤波器实践代码：clearallIA=imread('');[f1,f2]=freqspace(size(IA),'meshgrid');%D=100/size(IA,1);D=;r=f1.^2+f2.^2;fori=1:size(IA,1)forj=1:size(IA,2)t=r(i,j)/(D*D);Hd(i,j)=1-exp(-t);endendY=fft2(double(IA));Y=fftshift(Y);Ya=Y.*Hd;Ya=ifftshift(Ya);Ia=real(ifft2(Ya));figuresubplot(2,2,1),imshow(uint8(IA));title('原始图像');subplot(2,2,2),imshow(uint8(Ia));title('高斯高通滤波');figuresurf(Hd,'Facecolor','interp','Edgecolor','none','Facelighting','phong');2.3.2高斯高通滤波器实践结果截图：。
基于matlab的数字图像的频域滤波器设计
实验一：数字图像的频域滤波器设计一、实验目的掌握matlab 程序设计语言，掌握matlab 基本数据类型、核心函数及辅助函数的使用。
掌握理想和高斯低通滤波器的设计方法。
二、实验内容利用理想和高斯低通滤波器实现图像的频域滤波；利用理想和高斯高通滤波器实现图像的频域滤波；三、实验原理二维理想低通滤波器的传递函数为：001.(,)(,)0.(,)D u v D H u v D u v D ≤⎧=⎨>⎩D0是指定非负数值，D （u ，v ）是（u ，v ）点距频率中心的距离。
如果要研究的图像尺寸为M X N ，则它的变换也有相同的尺寸。
在半径为D0的圆内，所有频率无衰减地通过滤波器，而在此半径之外的所有频率完全被衰减掉。
高斯高通滤波器传递函数为：220(,)/2(,)D u v D H u v e -=D （u ，v ）是距傅立叶变换中心原点的距离。
D0是截止频率。
高斯低通滤波器的傅立叶变换也是高斯的。
二维理想高通滤波器的传递函数为：000.(,)(,) 1.(,)D u v D H u v D u v D ≤⎧=⎨>⎩D0是从频率矩形中点测得的截止频率长度，它将以D0为半径的圆周内的所有频率置零，而毫不衰减地通过圆周外的任何频率。
但其物理上是不可实现的。
高斯高通滤波器传递函数为：220(,)/2(,)1D u v D H u v e -=-高通滤波器能够用高斯型低通滤波器的差构成。
这些不同的滤波器有更多的参数，因此能够对滤波器的形状进行更多的控制。
四．实验设备和仪器1．计算机2. matlab开发平台五．关键代码及注释1.理想低通滤波器RGB = imread('saturn.png');I0 = rgb2gray(RGB);subplot(2,3,1),imshow(I0);title('原图');I1 = imnoise(I0,'gaussian'); %对原图像加噪声subplot(2,3,2),imshow(I1);title('加入噪声后')%将灰度图像的二维不连续Fourier 变换的零频率成分移到频谱的中心s=fftshift(fft2(I1));subplot(2,3,3),imshow(log(1+abs(s)),[]);title('fftshift');[M,N]=size(s); %分别返回s的行数到M中，列数到N中n1=floor(M/2); %对M/2进行取整n2=floor(N/2); %对N/2进行取整%ILPF滤波（程序中以d0=15为例）d0=50; %初始化d0for i=1:Mfor j=1:Nd=sqrt((i-n1)^2+(j-n2)^2); %点（i,j）到傅立叶变换中心的距离if d<=d0 %点（i,j）在通带内的情况h(i,j)=1; %通带变换函数else %点（i,j）在阻带内的情况h(i,j)=0; %阻带变换函数ends(i,j)=h(i,j)*s(i,j); %ILPF滤波后的频域表示endends=ifftshift(s); %对s进行反FFT移动%对s进行二维反离散的Fourier变换后，取复数的实部转化为无符号8位整数s=uint8(real(ifft2(s)));subplot(2,3,4),imshow(h);title('传递函数'); %显示GHPF滤波器的传递函数subplot(2,3,5),imshow(s); title('ILPF滤波（d0=50)'); %显示ILPF滤波后的图像2.高斯低通滤波器RGB = imread('saturn.png');I0 = rgb2gray(RGB);subplot(2,3,1),imshow(I0);title('原图');I1 = imnoise(I0,'gaussian'); %对原图像加噪声subplot(2,3,2),imshow(I1);title('加入噪声后')%将灰度图像的二维不连续Fourier 变换的零频率成分移到频谱的中心s=fftshift(fft2(I1));subplot(2,3,3),imshow(log(1+abs(s)),[]);title('fftshift');[M,N]=size(s); %分别返回s的行数到M中，列数到N中%GLPF滤波d0=50; %初始化d0n1=floor(M/2); %对M/2进行取整n2=floor(N/2); %对N/2进行取整for i=1:Mfor j=1:Nd=sqrt((i-n1)^2+(j-n2)^2); %点（i,j）到傅立叶变换中心的距离h(i,j)=1*exp(-1/2*(d^2/d0^2)); %GLPF滤波函数s(i,j)=h(i,j)*s(i,j); %GLPF滤波后的频域表示endends=ifftshift(s); %对s进行反FFT移动%对s进行二维反离散的Fourier变换后，取复数的实部转化为无符号8位整数s=uint8(real(ifft2(s)));subplot(2,3,4),imshow(h);title('传递函数'); %显示GHPF滤波器的传递函数subplot(2,3,5),imshow(s);title('GLPF滤波(d0=50)'); %显示GLPF滤波处理后的图像3.理想高通滤波器RGB = imread('saturn.png');I0 = rgb2gray(RGB);subplot(2,3,1),imshow(I0);title('原图');I1 = imnoise(I0,'gaussian'); %对原图像加噪声subplot(2,3,2),imshow(I1);title('加入噪声后')%将灰度图像的二维不连续Fourier 变换的零频率成分移到频谱的中心s=fftshift(fft2(I1));subplot(2,3,3),imshow(log(1+abs(s)),[]);title('fftshift');[M,N]=size(s); %分别返回s的行数到M中，列数到N中n1=floor(M/2); %对M/2进行取整n2=floor(N/2); %对N/2进行取整%IHPF滤波d0=15; %初始化d0for i=1:Mfor j=1:Nd=sqrt((i-n1)^2+(j-n2)^2); %点（i,j）到傅立叶变换中心的距离if d<=d0 %点（i,j）在通带内的情况h(i,j)=0; %通带变换函数else %点（i,j）在阻带内的情况h(i,j)=1; %阻带变换函数ends(i,j)=h(i,j)*s(i,j); %ILPF滤波后的频域表示endends=ifftshift(s); %对s进行反FFT移动%对s进行二维反离散的Fourier变换后，取复数的实部转化为无符号8位整数s=uint8(real(ifft2(s)));subplot(2,3,4),imshow(h);title('传递函数'); %显示GHPF滤波器的传递函数subplot(2,3,5),imshow(s); title('IHPF滤波（d0=15)'); %显示IHPF滤波后的图像4.高斯高通滤波器RGB = imread('saturn.png');I0 = rgb2gray(RGB);subplot(2,3,1),imshow(I0);title('原图');I1 = imnoise(I0,'gaussian'); %对原图像加噪声subplot(2,3,2),imshow(I1);title('加入噪声后')%将灰度图像的二维不连续Fourier 变换的零频率成分移到频谱的中心s=fftshift(fft2(I1));subplot(2,3,3),imshow(log(1+abs(s)),[]);title('fftshift');[M,N]=size(s); %分别返回s的行数到M中，列数到N中%GHPF滤波d0=15; %初始化d0n1=floor(M/2); %对M/2进行取整n2=floor(N/2); %对N/2进行取整for i=1:Mfor j=1:Nd=sqrt((i-n1)^2+(j-n2)^2); %点（i,j）到傅立叶变换中心的距离 h(i,j)=1-1*exp(-1/2*(d^2/d0^2)); %GHPF滤波函数s(i,j)=h(i,j)*s(i,j); %GHPF滤波后的频域表示endends=ifftshift(s); %对s进行反FFT移动%对s进行二维反离散的Fourier变换后，取复数的实部转化为无符号8位整数s=uint8(real(ifft2(s)));subplot(2,3,4),imshow(h);title('传递函数'); %显示GHPF滤波器的传递函数subplot(2,3,5),imshow(s);title('GHPF滤波(d0=15)'); %显示GHPF滤波处理后的图像六．实验结果图一理想低通滤波器图二高斯低通滤波器图三理想高通滤波器图四高斯高通滤波器。
数字图像处理matlab课程设计
数字图像处理matlab课程设计一、课程目标知识目标：1. 理解数字图像处理的基本概念，掌握图像的表示和存储方式；2. 学会使用MATLAB软件进行数字图像处理，掌握相关函数和工具箱的使用方法；3. 掌握图像增强、滤波、边缘检测等基本图像处理技术；4. 了解图像分割、特征提取等高级图像处理技术。
技能目标：1. 能够运用MATLAB进行图像读取、显示和保存操作；2. 能够独立完成图像的增强、滤波等基本处理操作；3. 能够运用边缘检测算法对图像进行处理，提取关键特征；4. 能够根据实际需求选择合适的图像处理技术，解决实际问题。
情感态度价值观目标：1. 培养学生对数字图像处理技术的兴趣，激发其学习热情；2. 培养学生的团队合作意识，使其学会在团队中分享和交流；3. 培养学生严谨的科学态度，使其注重实验数据的真实性；4. 培养学生的创新思维，鼓励其探索新方法，提高解决问题的能力。
本课程旨在通过数字图像处理MATLAB课程设计，使学生在掌握基本理论知识的基础上，运用MATLAB软件进行图像处理实践。
课程注重理论与实践相结合，培养学生具备实际操作能力，并能运用所学知识解决实际问题。
针对学生的年级特点，课程目标既注重知识技能的传授，又关注情感态度价值观的培养，为学生今后的学习和工作奠定基础。
二、教学内容1. 数字图像处理基础- 图像表示与存储（RGB、灰度、二值图像）- 图像类型转换- MATLAB图像处理工具箱介绍2. 图像增强- 直方图均衡化- 伽玛校正- 图像锐化3. 图像滤波- 均值滤波- 中值滤波- 高斯滤波- 双边滤波4. 边缘检测- 索贝尔算子- 拉普拉斯算子- Canny边缘检测5. 图像分割- 阈值分割- 区域生长- 分水岭算法6. 特征提取与描述- 霍夫变换- SIFT算法- ORB算法教学内容根据课程目标进行选择和组织，注重科学性和系统性。
教学大纲明确分为六个部分，分别对应数字图像处理的基础知识、图像增强、滤波、边缘检测、图像分割和特征提取与描述。
基于matlab的图像处理课程设计
基于matlab的图像处理课程设计一、课程目标知识目标：1. 学生能理解图像处理的基本概念，掌握图像的数字化表示方法。
2. 学生能掌握Matlab软件的基本操作，运用其图像处理工具箱进行图像的读取、显示和保存。
3. 学生能掌握图像处理的基本算法，如灰度变换、图像滤波、边缘检测等，并理解其原理。
技能目标：1. 学生能运用Matlab进行图像处理操作，解决实际问题。
2. 学生能通过编程实现图像处理算法，具备一定的程序调试和优化能力。
3. 学生能运用所学知识，结合实际问题，设计简单的图像处理程序。
情感态度价值观目标：1. 学生通过学习图像处理，培养对计算机视觉和人工智能领域的兴趣，激发创新意识。
2. 学生在课程实践中，培养团队协作精神，提高沟通与表达能力。
3. 学生能认识到图像处理技术在生活中的广泛应用，增强学以致用的意识。
分析课程性质、学生特点和教学要求，本课程目标旨在使学生在掌握基本图像处理知识的基础上，通过Matlab软件的实践操作，培养其编程能力和解决实际问题的能力。
同时，注重培养学生的团队协作和情感态度，使其在学习过程中获得成就感，激发学习兴趣。
课程目标将具体分解为学习成果，以便后续教学设计和评估。
二、教学内容1. 图像处理基础理论：- 数字图像概念及表示方法- 图像处理的基本操作：读取、显示、保存- 像素运算与邻域处理2. Matlab基础操作：- Matlab软件安装与界面介绍- 数据类型与基本运算- 矩阵运算与函数编写3. 图像处理算法：- 灰度变换与直方图处理- 图像滤波：低通滤波、高通滤波- 边缘检测：Sobel算子、Canny算子4. 实践项目：- 图像增强与去噪- 图像分割与特征提取- 目标检测与跟踪5. 教学大纲：- 第一周：图像处理基础理论，Matlab基础操作- 第二周：灰度变换与直方图处理，图像滤波- 第三周：边缘检测，实践项目一- 第四周：图像分割与特征提取，实践项目二- 第五周：目标检测与跟踪，课程总结与展示教学内容根据课程目标，结合教材章节进行选择和组织，确保科学性和系统性。
基于MATLAB的数字图像处理的设计与实现
基于MATLAB的数字图像处理的设计与实现摘要数字图像处理是一门新兴技术,随着计算机硬件的发展，数字图像的实时处理已经成可能，由于数字图像处理的各种算法的出现,使得其处理速度越来越快，能更好的为人们服务。
数字图像处理是一种通过计算机采用一定的算法对图形图像进行处理的技术。
目的:改善医学图像质量，使图像得到增强。
方法：利用Matlab工具箱函数，采用灰度直方图均衡化和高通滤波的方法对一幅X线图像进行增强处理。
结果:用直方图均衡化的算法,将原始图像密集的灰度分布变得比较稀疏，处理后的图像视觉效果得以改善。
高通滤波对于局部细节增强显著,高通滤波后使不易观察到的细节变得清晰。
结论：使用Matlab工具箱大大简化了编程工作，为医学图像处理提供了一种技术平台。
经过直方图均衡化和高通滤波处理后的医学图像，视觉效果得到改善。
关键词:MATLAB；直方图均衡化；高通滤波；图像增强AbstractDigital image processing is an emerging technology, with the development of computer hardware, real—time digital image processing has become possible due to digital image processing algorithms to appear，making it faster and faster processing speed，better for people services .Digital image processing is used by some algorithms computer graphics image pro cessing technology. Objective：To improve the quality of medical image by enhancing the details。
基于MATLAB的图像频域增强处理
图像在传递过程中，由丁噪卢主要集中在高频部分，为 去除噪声改善图像质量，滤波器采用低通滤波器Ｈ（ｕ，ｖ）来 抑制高频成分，通过低频成分，然后再进行逆傅立叶变换获 得滤波图像，就町达到平滑图像的目的。
由卷积定理，低通滤波数学表达式： Ｇ（ｕ，ｖ）＝Ｆ（ｕ，ｖ）Ｈ（ｕ，ｖ）
式中Ｆ（ｕ，ｖ）为含有噪声的原图像的傅立叶变换域；Ｈ（ｕ，ｖ）为
传递函数，Ｇ（ｕ，ｖ）为经低通滤波后输出图像的傅里叶变换。
常用的频率域低滤波器Ｈ（ｕ，ｖ）有四种：
（１）理想低通滤波器 设傅立叶平面上理想低通滤波器离开原点的截止频率
为ＤＯ，则理想低通滤波器的传递函数为：
…
ｆ１
Ｈ（ｕ，ｖ、 ）＝｛
、
’ＬＯ
Ｄ（ｕ，ｖ）＜Ｄｏ 。
Ｄ（ｕ，ｖ）＞Ｄｏ
（２）Ｂｕｔｔｅｒｗｏｒｔｈ低通滤波器 ｎ阶Ｂｕｔｔｅｒｗｏｒｔｈ滤波器的传递函数为：
【４】涂望明，魏友国，施少敏等．ＭＡＴＬＡＢ在数字图像处理中的应 用【Ｊ】．微计算机信息，２００７，２３（２－３）：２９９．
［５】Ｇｏｎｚａｌｅｚ Ｒ Ｃ．Ｄｉｇｉｍｌ Ｉｍａｇｅ Ｐｒｏｃｅｓｓｉｎｇ【Ｍ】．２ｎｄ ｅｄ．北京：电 子工业出版社：６４．６６．
１６］Ｋｉｍ Ｊ．Ｅｆｆｅｃｔ ｏｆＸ·ｒａｙ ａｎｄ ＣＴ ｉｍａｇｅ ｅｎｈａｎｃｅｍｅｎｔ ｏｎ ｔｈｅ ｒｏｂｕｓｔ—
一
【剧ｈ嘲】Ｄｉｓｔｒｉｂｕｔｅｄ ｄａｔａｂａｓｅ ｓｙｓｔｅｍｓ ｕｓｕａｌｌｙ ｕｓｅ ２ＰＬ（Ｔｗｏ Ｐｈａｓｅ Ｌｏｃｋｉｎｇ Ｐｒｏｔｏｃ０１）ｔｏ ａｓｓＢｒｅ ｔｈｅ ｃｏｎｓｉｓｔｅｎｃｙ．Ｔｈｉｓ ｐａｐｅｒ ＵＳｅＳ
Ｓｈａｄｏｗ—Ｏｐｔ，ａｎｄ ｃｏｍｂｉｎｅｓ ｔｈｅ ｏｌｄ ａｎｄ ｎｅｗ ａｌｇｏｒｉｓｍｓ ｔｏ ａｓｓｕｒｅ ｔｈｅ ｃｏｎｓｉｓｔｅｎｃｙ ａｎｄ ｉｍｐｒｏｖｅ ｔｈｅ ｆｕｎｃｔｉｏｎ ｂｙ ｄｉｆｆｅｒｅｎｔｉａｔｉｎｇ ｔｈｅ ｗｒｉｔｅ
基于的matlab对图像的进行高通、低通、带通滤波
数字图像处理三级项目—咼通、低通、带通滤波命摘要在图像处理的过程中，消除图像的噪声干扰是一个非常重要的问题。
利用matlab软件,采用频域滤波的方式,对图像进行低通和高通滤波处理。
低通滤波是要保留图像中的低频分量而除去高频分量，由于图像中的边缘和噪声都对应图像傅里叶频谱中的高频部分，所以低通滤波可以除去或消弱噪声的影响并模糊边缘轮廓；高通滤波是要保留图像中的高频分量而除去低频分量，所以高通滤波可以保留较多的边缘轮廓信息。
低通滤波器有巴特沃斯滤波器和高斯滤波器等等，本次设计使用的低通滤波器为****。
高通滤波器有巴特沃斯滤波器、高斯滤波器、Laplacian高通滤波器以及Unmask高通滤波器等等，本次设计使用巴特沃斯高通滤波器。
1、频域低通滤波器：设计低通滤波器包括butterworth and Gaussian ( 选择合适的半径，计算功率谱比)，平滑测试图像test1和2。
实验原理分析根据卷积定理，两个空间函数的卷积可以通过计算两个傅立叶变换函数的乘积的逆变换得到，如果f(x, y)和h(x, y)分别代表图像与空间滤波器，F(u, v)和H(u, v)分别为响应的傅立叶变换(H(u, v)又称为传递函数)，那么我们可以利用卷积定理来进行频域滤波。
在频域空间，图像的信息表现为不同频率分量的组合。
如果能让某个范围内的分量或某些频率的分量受到抑制，而让其他分量不受影响，就可以改变输出图的频率分布，达到不同的增强目的。
频域空间的增强方法的步骤:(1) 将图像从图像空间转换到频域空间；(2) 在频域空间对图像进行增强；(3) 将增强后的图像再从频域空间转换到图像空间低通滤波是要保留图像中的低频分量而除去高频分量。
图像中的边缘和噪声都对应图像傅里叶频谱中的高频部分，所以低通滤波可以除去或消弱噪声的影响并模糊边缘轮廓。
理想低通滤波器具有传递函数:其中DO为制定的非负数，D(u,v)为点(u,v)到滤波器中心的距离P g (u,v) P f (u,v)其中，P f （u,v ）为滤波前图像的功率谱，P g （u, V ）为滤波后图像的功率谱。
基于matlab数字图像处理之高通滤波器
基于matlab数字图像处理之高通滤波器实践二: 理想高通滤波器、Butterworth高通滤波器、高斯高通滤波器2.1.1 理想高通滤波器实践代码：I=imread('girl.bmp');subplot(221),imshow(I);title('原图像');s=fftshift(fft2(I));subplot(223),imshow(abs(s),[]);title('图像傅里叶变换所得频谱');subplot(224),imshow(log(abs(s)),[]);title('图像傅里叶变换取对数所得频谱'); [a,b]=size(s);a0=round(a/2);b0=round(b/2);d=10;p=0.2;q=0.5;for i=1:afor j=1:bdistance=sqrt((i-a0)^2+(j-b0)^2); if distance<=d h=0;else h=1;end;s(i,j)=(p+q*h)*s(i,j);end;end;s=uint8(real(ifft2(ifftshift(s)))); subplot(222),imshow(s);title('高通滤波所得图像');I=imread('girl.bmp');[f1,f2]=freqspace(size(I),'meshgrid'); Hd=ones(size(I));r=sqrt(f1.^2+f2.^2);Hd(r<0.2)=0;figuresurf(Hd,'Facecolor','interp','Edgecolor', 'none','Facelighting','phong'); % 画三维曲面（色）图2.1.2 理想高通滤波器实践结果截图：2.2.1 Butterworth高通滤波器实践代码：I1=imread('flower.bmp'); subplot(121),imshow(I1); title('原始图像');f=double(I1);g=fft2(f);g=fftshift(g);[N1,N2]=size(g);n=2;d0=5;n1=fix(N1/2);n2=fix(N2/2);for i=1:N1for j=1:N2d=sqrt((i-n1)^2+(j-n2)^2); if d==0h=0;elseh=1/(1+(d0/d)^(2*n)); endresult(i,j)=h*g(i,j);endendresult=ifftshift(result);X2=ifft2(result);X3=uint8(real(X2));subplot(122),imshow(X3) ;title('Butterworth高通滤波');I1=imread('flower.bmp');[f1,f2]=freqspace(size(I1),'meshgrid'); D=0.3;r=f1.^2+f2.^2;n=4;for i=1:size(I1,1)for j=1:size(I1,2)t=(D*D)/r(i,j);Hd(i,j)=1/(t^n+1);endendfiguresurf(Hd,'Facecolor','interp','Edgecolor', 'none','Facelighting','phong'); % 画三维曲面（色）图2.2.2 Butterworth高通滤波器实践结果截图：2.3.1 高斯高通滤波器实践代码：clear allIA=imread('girl.bmp');[f1,f2]=freqspace(size(IA),'meshgrid'); %D=100/size(IA,1);D=0.3;r=f1.^2+f2.^2;for i=1:size(IA,1)for j=1:size(IA,2)t=r(i,j)/(D*D);Hd(i,j)=1-exp(-t);endendY=fft2(double(IA));Y=fftshift(Y);Ya=Y.*Hd;Ya=ifftshift(Ya);Ia=real(ifft2(Ya));figuresubplot(2,2,1),imshow(uint8(IA));title('原始图像');subplot(2,2,2),imshow(uint8(Ia));title('高斯高通滤波');figuresurf(Hd,'Facecolor','interp','Edgecolor', 'none','Facelighting','phong');2.3.2 高斯高通滤波器实践结果截图：。
- 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)。
基于MATLAB的数字图像课程设计图像频域增强高通滤波器算法设计
摘要
图像增强是对数字图像的预处理，使图像整体或局部特征能有效地改进。
经过对频域域图像增强理论的理解，分析了频率域的高通滤波。
在此基础上，利用MATLAB对理想高通滤波器、巴特沃斯高通滤波器、指数高通滤波器、梯形高通滤波器、以及高斯高通滤波器进行编程与仿真，并对其结果进行了分析与比较，表明这五种高通滤波器都能较好地对图像进行锐化处理。
关键词：图像增强；频率域；高通滤波；MATLAB
目录
1 设计任务及目的 (2)
1.1 设计任务 (2)
1.2 设计目的 (3)
2 课程设计相关知识 (3)
2.1 数字图像处理简介 (3)
2.1.1 数字图像发展概述 (4)
2.1.2 数字图像处理内容 (4)
2.1.3 数字图像处理技术 (5)
2.2 MATLAB简介 (7)
2.2.1 MATLAB基本功能 (7)
2.2.2 MATLAB产品应用 (8)
2.2.3 MATLAB特点 (8)
2.2.4 MATLAB系列工具优势 (8)
3 图像频域高通滤波原理 (10)
3.1 频域滤波增强步骤及流程框图 (10)
3.2 傅立叶变换原理 (11)
3.3 高通滤波器原理 (12)
3.3.1 理想高通滤波 (13)
3.3.2 巴特沃斯高通滤波 (13)
3.3.3 指数高通滤波 (13)
3.3.4 梯形高通滤波 (14)
3.3.5 高斯高通滤波 (14)
4 MATLAB程序代码 (14)
5 仿真结果与分析 (21)
5.1 仿真结果 (21)
5.2 结果分析 (25)
结论 (26)
参考文献 (27)
图像频域增强算法设计——高通滤波
1设计任务及目的
1.1设计任务
利用所学的数字图像处理技术，建立实现某一个主题处理的系统，利用MATLAB软件系统来实现图像的频域滤波技术，要求：
（1）学习和熟悉MATLAB软件的使用方法；
（2）熟悉和掌握MATLAB 程序设计过程；
（3）利用所学数字图像处理技术知识和MATLAB软件对图像进行高通滤波处理；
（4）能对图.jpg、.bmp、.png格式进行打开、保存、另存、退出等一系列功能操作；
（5）在程序开发时，必须清楚主要实现函数目的和作用，需要在程序书写时做适当注释说明，理解每一句函数的具体意义和
使用范围；
（6）比较几种高通滤波器对图像数字化处理效果的异同。
1.2 设计目的
本次课程设计的目的在于提高发现问题、分析问题、解决问题的能力，进一步巩固数字图像处理系统中的基本原理与方法。
熟悉掌握一门计算机语言，能够进行数字图像的应用处理的开发设计。
综合运用MATLAB软件实现图像高通滤波程序设计。
（1）熟悉MATLAB软件环境，学习如何利用MATLAB软件来实现对图像的各种数字化处理；
（2）掌握常见频域高通滤波器的设计，进一步加深理解和掌握图像频谱的特点和频域高通滤波的原理。
（3）理解图像高通滤波的处理过程和特点，以及经过设计不同的滤波器来实现对图像的不同滤波效果；
（4）经过高通滤波技术来消除图像的模糊，突出图像的边缘，使低频分量得到抑制，增强高频分量，使图像的边沿或线条变得清晰，实现图像的锐化。
2 课程设计相关知识
2.1 数字图像处理简介
数字图像处理，通俗地讲是指应用计算机以及数字设备对图像进行加工处理的技术。