数字图像处理实验4空间域和频率域图像处理
数字图像处理：空间域图像处理
数字图像处理：空间域图像处理数字图像处理：空间域图像处理注：别忘了图⽚的路径改成⾃⼰的⼀、实验⽬的理解和掌握图像的线性变换和直⽅图均衡化的原理和应⽤；了解平滑和锐化处理的算法和⽤途，学习使⽤平滑滤波器和边缘算⼦对图像进⾏平滑和锐化操作。
⼆、实验内容1．图像直⽅图（1）读⼊⼀幅图像，计算并绘制图像的直⽅图。
（2）读⼊⼀幅低对⽐度图像，对图像进⾏直⽅图均衡化处理。
2．编写程序，实现以下功能：（1）读⼊⼀幅图像，利⽤’imnoise’函数，添加⾼斯噪声；（2）通过100次相加求平均的⽅法去除噪声。
3．图像的平滑和锐化滤波（1）读⼊⼀幅图像，分别采⽤均值和⾼斯滤波器对图像进⾏平滑处理。
(提⽰: 图像滤波⾸先使⽤fspecial()函数创建平滑或锐化滤波器，然后调⽤imfilter()函数实现相应的滤波操作)（2）分别采⽤’prewitt’和’sobel’边缘算⼦对图像做边缘增强处理。
实验结果图如下：代码如下：%1.1pic=imread('lena.jpg'); %读⼊图⽚'lena.jpg'figure('name','实验结果1');subplot(2,2,1);imshow(pic);title('原图1');A=imhist(pic); %取直⽅图subplot(2,2,3);bar(0:255,A); %形成256个等级的直⽅图title('灰度图像直⽅图');%1.2pic1=imread('lena1.jpg'); %读⼊图⽚'lena1.jpg'subplot(2,2,2);imshow(pic1);title('原图2');B=imhist(histeq(pic1)); %先进⾏均衡化，再取直⽅图subplot(2,2,4);bar(0:255,B); %形成256个等级的直⽅图title('灰度图像均衡直⽅图');%2.1figure('name','实验结果2');subplot(4,2,1);imshow(pic);title('原图');C=imnoise(pic,'gaussian',0,0.01); %添加均值为0，⽅差为0.01的⾼斯噪声subplot(4,2,3);imshow(C);title('添加均值为0，⽅差为0.01的⾼斯噪声');%2.2[m n]=size(pic) %获取⼤⼩D=zeros(m,n) %创建全0数组for i=0:99 %循环100次C=imnoise(pic,'gaussian',0,0.01); %随机加噪C1=im2double(C); %转成double型进⾏相加D=D+C1;endD=D/100;subplot(4,2,4);imshow(D);title('去除噪声后图像');%3.1E=imfilter(pic,fspecial('average',8)); %⽣成⼀个8x8的均值滤波器F=imfilter(pic,fspecial('gaussian')); %⽣成⾼斯滤波器subplot(4,2,5);imshow(E);title('均值平滑处理后图像');subplot(4,2,6);imshow(F);title('⾼斯滤波器平滑处理后图像');%3.2G=pic-uint8(imfilter(pic,fspecial('prewitt')));%⽣成’prewitt’模板,并对输⼊图像做边缘增强，再加上原图像subplot(4,2,7);imshow(G);title('’prewitt’对图像做边缘增强处理后图像');H=pic-uint8(imfilter(pic,fspecial('sobel')));%⽣成’sobel’模板,并对输⼊图像做边缘增强，再加上原图像subplot(4,2,8);imshow(H);title('’sobel’对图像做边缘增强处理后图像');。
数字图像处理实验报告(空间域图像增强)
实验报告实验名称空间域图像增强课程名称数字图像处理姓名成绩班级学号日期地点1.实验目的（1）了解空间域图像增强的各种方法（点处理、掩模处理）；（2）通过编写程序掌握采用直方图均衡化进行图像增强的方法；（3）使用邻域平均法编写程序实现图像增强，进一步掌握掩模法及其改进（加门限法）消除噪声的原理；（4）总结实验过程（实验报告，左侧装订）：方案、编程、调试、结果、分析、结论。
2.实验环境（软件、硬件及条件）Windws7MATLAB 6.x or above3.实验方法对如图4.1所示的两幅128×128、256级灰度的数字图像fing_128.img和cell_128.img进行如下处理：（1）对原图像进行直方图均衡化处理，同屏显示处理前后图像及其直方图，比较异同，并回答为什么数字图像均衡化后其直方图并非完全均匀分布。
（2）对原图像加入点噪声，用4-邻域平均法平滑加噪声图像（图像四周边界不处理，下同），同屏显示原图像、加噪声图像和处理后的图像。
①不加门限；②加门限T=(1/2)*avg(f(m,n)), 其中avg（f(m,n)=(1/N^2)*f(i,j)）本次实验中的第一题，是对图像进行直方图统计和均衡化，在Matlab中有imhist()函数和histeq()函数直接调即可获得相应结果，代码如下：close all;clear all;fid=fopen('cell_128.img','r');image1=fread(fid,[128,128],'uint8');image1=uint8(image1);fclose(fid);subplot(2,2,1);%显示原图像imshow(image1,[]);title('原图像');subplot(2,2,2);%统计图像直方图imhist(image1);title('原图像直方图');%直方图均衡化ima=histeq(image1);subplot(2,2,3);%显示均衡化后的图像imshow(ima);title('直方图均衡化后图像');subplot(2,2,4);%显示直方图均衡化后的图像直方图imhist(ima);title('直方图均衡化后的直方图');本次实验的第二题，是对图像进行加噪后平滑，噪声为点噪声，分别采用不加门限的四邻域平均法和加门限的四邻域平均法进行平滑。
空间域滤波和频率域处理的特点
空间域滤波和频率域处理的特点1.引言空间域滤波和频率域处理是数字图像处理中常用的两种图像增强技术。
它们通过对图像进行数学变换和滤波操作来改善图像质量。
本文将介绍空间域滤波和频率域处理的特点，并比较它们之间的异同。
2.空间域滤波空间域滤波是一种直接在空间域内对图像像素进行处理的方法。
它基于图像的局部像素值来进行滤波操作，常见的空间域滤波器包括均值滤波器、中值滤波器和高斯滤波器等。
2.1均值滤波器均值滤波器是最简单的空间域滤波器之一。
它通过计算像素周围邻域的平均值来实现滤波操作。
均值滤波器能够有效地去除图像中的噪声，但对图像细节和边缘保留较差。
2.2中值滤波器中值滤波器是一种非线性的空间域滤波器。
它通过计算像素周围邻域的中值来实现滤波操作。
中值滤波器能够在去除噪声的同时保持图像细节和边缘，对于椒盐噪声有较好的效果。
2.3高斯滤波器高斯滤波器是一种线性的空间域滤波器。
它通过对像素周围邻域进行加权平均来实现滤波操作。
高斯滤波器能够平滑图像并保留图像细节，它的滤波核可以通过调整方差来控制滤波效果。
3.频率域处理频率域处理是一种将图像从空间域转换到频率域进行处理的方法。
它通过对图像进行傅里叶变换或小波变换等操作，将图像表示为频率分量的集合，然后对频率分量进行处理。
3.1傅里叶变换傅里叶变换是一种将信号从时域转换到频域的数学变换。
在图像处理中，可以应用二维傅里叶变换将图像从空间域转换到频率域。
在频率域中，图像的低频分量对应于图像的整体结构，高频分量对应于图像的细节和边缘。
3.2小波变换小波变换是一种基于小波函数的时频分析方法。
它能够在频率和时间上同时提供图像的信息，对于图像的边缘和纹理特征有较好的表达能力。
小波变换在图像压缩和特征提取等方面具有广泛应用。
4.空间域滤波与频率域处理的对比空间域滤波和频率域处理都可以用来改善图像质量，但它们有着不同的特点和适用场景。
4.1处理方式空间域滤波是直接对图像像素进行处理，操作简单直接，适用于小规模图像的处理。
实验三-数字图像的空间域滤波
实验三、四数字图像的空间域滤波和频域滤波1．实验目的1.掌握图像滤波的基本定义及目的。
2.理解空间域滤波的基本原理及方法。
3.掌握进行图像的空域滤波的方法。
4.掌握傅立叶变换及逆变换的基本原理方法。
5.理解频域滤波的基本原理及方法。
6.掌握进行图像的频域滤波的方法。
2．实验基本原理1.空间域增强空间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某个围的分量受到抑制，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：线性平滑滤波器（低通）非线性平滑滤波器（低通）线性锐化滤波器（高通）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)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)将模板上的系数与模板下对应的像素相乘；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。
2.平滑滤波器1)线性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围，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。
数字图像处理实验报告
数字图像处理实验报告光信13-2班2013210191韩照夏数字图像处理实验报告实验一数字图像空间域平滑一、实验目的掌握图像空间域平滑的原理和程序设计；观察对图像进行平滑增强的效果。
二、实验设备计算机，Matlab程序平台。
三、实验原理图像平滑处理的目的是改善图像质量和抽出对象特征。
任何一幅未经处理的原始图像，都存在着一定程度的噪声干扰。
噪声恶化了图像质量，使图像模糊，甚至淹没特征，给分析带来困难。
消除图像噪声的工作称为图像平滑或滤波。
针对不同噪声源（如光栅扫描、底片颗粒、机械元件、信道传输等）引起的不同种类噪声（如加性噪声、乘性噪声、量化噪声等），平滑方法也不同。
平滑可以在空间域进行，也可以在频率域进行。
1.局部平均法局部平滑法是一种直接在空间域上进行平滑处理的技术。
假设图像由许多灰度恒定的小块组成，相邻象素间存在很高的空间相关性，而噪声则是统计独立的。
因此，可用邻域内各象素的灰度平均值代替该象素原来的灰度值，实现图像的平滑。
对图像采用3×3的邻域平均法，其作用相当于用以下模板与图像进行卷积运算。
2. 超限象素平滑法 对邻域平均法稍加改进，可导出超限象素平滑法。
其原理是将f(x,y)和邻域平均g(x,y)差的绝对值与选定的阈值进行比较，根据比较结果决定点（x,y ）的最后灰度g ´(x,y)。
其表达式为3. 二维中值滤波中值滤波就是用一个奇数点的移动窗口， 将窗口中心点的值用窗口内各点的中值代替。
二维中值滤波可由下式表示常用的窗口有：四、实验步骤1.实验准备：打开计算机，进入Matlab 程序界面。
2.输入图像空间域平滑处理程序，程序如下：⎩⎨⎧>-= ),(),(),( ),,(),('其他，当y x f T y x g y x f y x g y x g )},({),(y x f Med y x g A=程序1.1 图像平滑处理clear;clc;I=imread('lena.jpg');subplot(3,2,1);imshow(I);title('原图像');I1=imnoise(I,'salt & pepper',0.02);subplot(3,2,2);imshow(I1);title('对I加椒盐噪声的图像');h2=fspecial('average',[3 3]);I2=imfilter(I1,h2,'replicate');subplot(3,2,3);imshow(I2);title('3×3邻域平滑');h3=fspecial('average',[5 5]);I3=imfilter(I1,h3,'replicate');subplot(3,2,4);imshow(I3);title('5×5邻域平滑');I4=I1;I4((abs(I1-I2))>64)=I2((abs(I1-I2))>64);subplot(3,2,5);imshow(I4);title('3×3超限象素平滑(T=64)'); I5=I1;I5((abs(I1-I3))>48)=I3((abs(I1-I3))>48);subplot(3,2,6);imshow(I5);title('5×5超限象素平滑(T=48)');程序1.2 图像平均平滑与中值滤波clear;clc;I=imread('lena.jpg');subplot(3,3,1);imshow(I);title('原图像');I1=imnoise(I,'gaussian',0.02);subplot(3,3,2);imshow(I1);title('高斯噪声');I2=imnoise(I,'salt & pepper',0.02);subplot(3,3,3);imshow(I1);title('椒盐噪声');h1=fspecial('average',[3 3]);I3=imfilter(I1,h1,'replicate');subplot(3,3,4);imshow(I3);title('对I1 3×3邻域平滑');h2=fspecial('average',[3 3]);I4=imfilter(I2,h2,'replicate');subplot(3,3,5);imshow(I4);title('对I2 3×3邻域平滑');I5=medfilt2(I1,[5 5]);subplot(3,3,6);imshow(I5);title('对I1 5×5中值滤波');I6=medfilt2(I2,[5 5]);subplot(3,3,7);imshow(I6);title('对I2 5×5中值滤波');3.运行图像处理程序，并保存处理结果图像。
简述空域处理方法和频域处理方法的区别
空域处理方法和频域处理方法是数字图像处理中常见的两种基本处理方法，它们在处理图像时有着不同的特点和适用范围。
下面将从原理、应用和效果等方面对两种处理方法进行简要介绍，并对它们的区别进行分析。
一、空域处理方法1. 原理：空域处理是直接对图像的像素进行操作，常见的空域处理包括图像增强、平滑、锐化、边缘检测等。
这些处理方法直接针对图像的原始像素进行操作，通过像素之间的关系来改变图像的外观和质量。
2. 应用：空域处理方法广泛应用于图像的预处理和后期处理中，能够有效改善图像的质量，增强图像的细节和对比度，以及减轻图像的噪声。
3. 效果：空域处理方法对图像的局部特征和细节有很好的保护和增强作用，能够有效地改善图像的视觉效果，提升图像的清晰度和质量。
二、频域处理方法1. 原理：频域处理是通过对图像的频率分量进行操作，常见的频域处理包括傅立叶变换、滤波、频域增强等。
这些处理方法将图像从空间域转换到频率域进行处理，再通过逆变换得到处理后的图像。
2. 应用：频域处理方法常用于图像的信号处理、模糊去除、图像压缩等方面，能够有效处理图像中的周期性信息和干扰信号。
3. 效果：频域处理方法能够在频率域对图像进行精细化处理，提高图像的清晰度和对比度，对于一些特定的图像处理任务有着独特的优势。
三、空域处理方法和频域处理方法的区别1. 原理不同：空域处理方法直接对图像像素进行操作，而频域处理方法是通过对图像进行频率分析和变换来实现图像的处理。
2. 应用范围不同：空域处理方法适用于对图像的局部特征和细节进行处理，而频域处理方法适用于信号处理和频率信息的分析。
3. 效果特点不同：空域处理方法能更好地保护和增强图像的细节和对比度，频域处理方法能更好地处理图像中的周期性信息和干扰信号。
空域处理方法和频域处理方法是数字图像处理中常用的两种处理方法，它们在原理、应用和效果等方面有着不同的特点和适用范围。
在实际应用中，可以根据图像的特点和处理需求选择合适的方法，以获得更好的处理效果。
数字图像处理数字图像处理第二章(第二讲)空域变换、频率域变换
➢ 从影像到地图的几何校正方法 亮度采样
确定像元亮度值。然而，输入像元值和输出像元坐标 之间没有直接的一一对应关系。校正后的输出影像像元需 要填入一定的亮度值，但该像元栅格并非刚好落在规则行 列坐标上，因此必须采用某种方法来确定校正后输出像元 的亮度值 (BV ) 这一过程称为亮度采样。
国家级精品资源共享课
➢ 从影像到地图的几何校正方法 基于坐标转换的空间插值
从影像到地图的校正采用最小二乘法对地面控制点数据 拟合多项式方程，而不需要知道确切的几何误差源。根据 不同的影像畸变，地面控制点数量以及地形投影差，可能 需要建立更高次的多项式对数据进行几何校正。 这里的次 即多项式的最高次幂。
➢ 从影像到地图的几何校正方法
Байду номын сангаас
空间插值方法
这种方法填充从非平面 化影像拟合到具有标准 地图投影影像的输出图 像的矩阵。
x ' a0 a1x a2y y ' b0 b1x b2y
x' 382 .2366 （0.034187 ）x (0.005481 ) y y' 130162 (0.005576 )x (0.0349150 ) y
国家级精品资源共享课
➢ 从影像到地图的几何校正方法
计算逆向映射函数的均方根误差
通过6个坐标转换系数模拟原始影像畸变，可以采用从输出到输 入(逆向)映射方法，将原始影像中的(x， y )像元值转换(重定位)到 输出影像栅格(x， y)中。 但是，在利用这些系数创建校正的输出影 像之前，重要的是要确定，由原始 GCP 数据采用最小二乘回归得到 的这6个系数对输入影像中的几何畸变的校正精度。 最常用的方法 是计算每个地面控制点的 均方根误差。
数字图像的空间域滤波和频域滤波
数字图像的空间域滤波和频域滤波indicator = np.random.randint(0, 2)# 灰度图像if ndim == 2:if indicator == 0:dst[x, y] = 0else:dst[x, y] = 255# 彩色图像elif ndim == 3:if indicator == 0:dst[x, y, :] = 0else:dst[x, y, :] = 255return dst高斯噪声：def addGaussianNoise(image,sigma):mean = 0.0row, col ,ch= image.shapegauss = np.random.normal(mean, sigma, (row, col,ch)) gauss = gauss.reshape(row, col,ch)noisy = image + gaussreturn noisy.astype(np.uint8)2) 对加入噪声图像选用不同的平滑（低通）模板做运算，对比不同模板所形成的效果，要求在同一窗口中显示。
加入椒盐噪声后图像的滤波：img1 =cv2.imread("D:\\mote.jpg",0)img=img1[100:300]src =salt_pepperNoise(img)cv2.imshow("origin",src)dst = cv2.blur(src,(3,3)) #均值滤波模板cv2.imshow("blur",dst)dst1 = cv2.medianBlur(src,5) #中值滤波cv2.imshow("medianBlur",dst1)dst2 = cv2.GaussianBlur(src,(3,3),0) #高斯滤波cv2.imshow("GaussianBlur",dst2)cv2.waitKey(0)cv2.destroyAllWindows()3) 进行低通滤波，显示处理后的图像。
请简述空域处理方法和频域处理方法的区别
空域处理方法和频域处理方法是数字图像处理中常用的两种方法。
它们有着各自独特的特点和应用场景。
本文将从原理、应用和区别三个方面对这两种处理方法进行详细比较。
一、原理1. 空域处理方法空域处理方法是指直接对图像的像素进行操作。
它是一种基于图像的原始信息进行处理的方法。
常见的空域处理操作包括亮度调整、对比度增强、图像锐化等。
这些操作都是基于每个像素点周围的邻域像素进行计算和处理的。
2. 频域处理方法频域处理方法是将图像从空间域转换到频率域进行处理。
其基本原理是利用傅里叶变换将图像信号从空间域转换到频率域，然后对频率域的图像进行滤波、增强等处理，最后再利用傅里叶反变换将图像信号转换回空间域。
二、应用1. 空域处理方法空域处理方法适用于对图像的局部信息进行处理，如调整图像的明暗、对比度和色调等。
它可以直接对原始图像进行处理，因此在实时性要求较高的场景下具有一定优势。
2. 频域处理方法频域处理方法适用于对图像的全局信息进行处理，如去除图像中的周期性噪声、增强图像的高频细节等。
由于频域处理方法能够通过滤波等手段对图像进行全局处理，因此在一些需要对图像进行频谱分析和滤波的场景下有着独特的优势。
三、区别1. 数据处理方式空域处理方法是直接对图像的像素进行操作，处理过程直接，但只能处理原始图像信息。
而频域处理方法是将图像信号转换到频率域进行处理，可以更全面地分析和处理图像的频率特性。
2. 处理效果空域处理方法主要用于对图像的局部信息进行处理，因此适合对图像的亮度、对比度等进行调整。
而频域处理方法主要针对图像的全局信息进行处理，能够更好地处理图像的频率特性，如滤波、增强等。
3. 处理速度空域处理方法直接对原始图像进行处理，处理速度较快；而频域处理方法需要将图像信号转换到频率域进行处理，处理速度相对较慢。
空域处理方法和频域处理方法分别适用于不同的处理场景。
空域处理方法主要用于对图像的局部信息进行处理，处理速度较快；而频域处理方法主要用于对图像的全局信息进行处理，能够更全面地分析和处理图像的频率特性。
matlab图像处理综合实验实验报告
《数字图像处理》实验报告学院：专业：班级：姓名：学号：实验一实验名称：图像增强实验目的：1.熟悉图像在Matlab下的读入，输出及显示；2.熟悉直方图均衡化；3.熟悉图像的线性指数等；4.熟悉图像的算术运算及几何变换.实验仪器：计算机，Matlab软件实验原理：图像增强是为了使受到噪声等污染图像在视觉感知或某种准则下尽量的恢复到原始图像的水平之外，还需要有目的性地加强图像中的某些信息而抑制另一些信息，以便更好地利用图像。
图像增强分频域处理和空间域处理，这里主要用空间域的方法进行增强。
空间域的增强主要有：灰度变换和图像的空间滤波。
图像的直方图实际上就是图像的各像素点强度概率密度分布图，是一幅图像所有像素集合的最基本统计规律，均衡化是指在每个灰度级上都有相同的像素点过程。
实验内容如下：I=imread('E:\cs.jpg');%读取图像subplot(2,2,1),imshow(I),title('源图像')J=rgb2gray(I)%灰度处理subplot(2,2,2),imshow(J) %输出图像title('灰度图像') %在原始图像中加标题subplot(2,2,3),imhist(J) %输出原图直方图title('原始图像直方图')0100200subplot(1,2,2),imshow(K)对数运算：I=imread('E:\dog.jpg');subplot(2,2,1),imshow(I),title('源图像')J=rgb2gray(I)%灰度处理subplot(2,2,2),imshow(J),title('灰度变换后图像') J1=log(1+double(J));subplot(2,2,3),imshow(J1,[]),title('对数变换后')指数运算:I=imread('E:\dog.jpg');f=double(I);g=(2^2*(f-1))-1f=uint8(f);g=uint8(g);subplot(1,2,1);subimage(f),title('变换一') subplot(1,2,2);subimage(g),title('变换二')100 200 300100 200 300加法运算：clc;clear all;close all;i = imread('E:\dog.jpg');j = imnoise(i,'gaussian',0,0.02); subplot(1,3,1),imshow(i),title('图一') subplot(1,3,2),imshow(j),title('图二') k=zeros(242,308);for p=1:100j = imnoise(i,'gaussian',0,0.02);j1 = im2double(j);k = k + j1;endk=k/100;subplot(1,3,3),imshow(k),title('图三')实验二实验名称：图像变换实验目的：（1）进一步对matlab的了解和使用；（2）学习如何在matlab中对数字图像的处理；实验原理：图像和其他信号一样，既能在空间域处理，也能在频率域处理。
- 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)。
对于二维信号，二维傅立叶变换定义为：
8、掌握利用MATLAB工具箱实现频域图像处理
要求
1、将直方图增强和空间域滤波结果打印出来提交；
2、提交程序源代码M文件；
3、比较直方图增强前后图像的视觉效果有何不同。
3
1、计算机一台；
2、MATLAB软件一套；
3、移动存储器（U盘等）；
4、实验图像若干。
4
4实验图像原图均衡化图50001000015000原图灰度直方图10020050001000015000均衡化直方图100200实用文档原图高斯滤波运动平衡滤波实用文档原图2d傅里叶变换图fftshift增强图平移图平移后的傅里叶变换图旋转45度图旋转45度后的傅里叶变换图尺度变换图尺度变换后的傅里叶变换图5实验步骤打开计算机并启动matlab程序在work文件夹下找到待处理的：《数字图像处理》课程实验
题目：实验四空间域和频率域图像处理
实验类别：【验证实验】
班级：电子1313
学号：131003430326
姓名：吴限
1
题目
空间域和频率域图像处理
内容
图像灰度变换与空间域滤波属于空域图像处理方法，直接对图像像素进行处理。图像灰度变换采用MATLAB工具箱中的灰度变换函数、直方图处理函数等函数及其相应的语法格式对实验一生成的图像进行处理。空间域滤波采用MATLAB工具箱中提供的空间域滤波器对图像进行空间域滤波处理。
其逆变换：
二维离散傅立叶变换为：
其逆变换：
2
目的
1、了解图像空间域滤波的意义和手段；
2、熟悉图像空间域滤波的MATLAB函数；
3、熟练掌握应用MATLAB软件编程进行空间域滤波的方法。
4、了解频域图像处理的意义和手段；
5、熟悉离散傅里叶变换的基本性质；
6、熟练掌握图像傅里叶变换的方法及应用；
7、了解二维频谱的分布特点；