《數(shù)字圖像處理》課程設(shè)計報告.doc

1課程設(shè)計目的1、 提高分析問題、解決問題的能力，進一步鞏固數(shù)字圖像處理系統(tǒng)中的基本原理與方法。2、 熟悉掌握一門計算機語言，可以進行數(shù)字圖像的應(yīng)用處理的開發(fā)設(shè)計。2課程設(shè)計內(nèi)容及實現(xiàn) 2.1、二維快速傅立葉變換:本項目的重點是:這個項目的目的是開發(fā)一個2-D FFT程序“包”，將用于在其他幾個項目。您的實現(xiàn)必須有能力：(a) 乘以（-1），x + y的中心變換輸入圖像進行濾波。(b) 一個真正的函數(shù)相乘所得到的（復(fù)雜的）的陣列（在這個意義上的實系數(shù)乘以變換的實部和虛部）?；叵胍幌?，對相應(yīng)的元件上完成兩幅圖像的乘法。(c) 計算傅立葉逆變換。(d) 結(jié)果乘以（-1）x + y的實部。(e) 計算頻譜?；旧?，這個項目實現(xiàn)了圖。4.5。如果您正在使用MATLAB，那么您的傅立葉變換程序?qū)⒉粫艿较拗?，其大小?的整數(shù)次冪的圖像。如果要實現(xiàn)自己的計劃，那么您所使用的FFT例程可能被限制到2的整數(shù)次冪。在這種情況下，你可能需要放大或縮小圖像到適當?shù)拇笮?，使用你的程序開發(fā)項目02-04 逼近：為了簡化這個和以下的工程（除項目04-05），您可以忽略圖像填充（4.6.3節(jié)）。雖然你的結(jié)果不會完全正確，將獲得顯著的簡化，不僅在圖像的大小，而且在需要裁剪的最終結(jié)果。由這種近似的原則將不會受到影響結(jié)果如下：主要代碼f=imread(Fig4.04(a).jpg);H=imread(Fig4.04(a).jpg);subplot(3,2,1);imshow(f);title(a)原圖像);M1,N1=size(f);f=im2double(f); M2,N2=size(H);H=im2double(H); %把灰度圖像I1的數(shù)據(jù)類型轉(zhuǎn)換成轉(zhuǎn)換成雙精度浮點類型for x=1:M1 for y=1:N1 f(x,y)=(-1)(x+y)*f(x,y); %用（-1）(x+y)乘以輸入圖像,來實現(xiàn)中心化變換 endendF=fft2(f); %使用函數(shù)fft2可計算傅立葉變換 subplot(3,2,3);imshow(F);title(b)傅立葉變換的圖像);if(M2=1)&&(N2=1) G=F(x,y)*H(x,y); elseif(M1=M2)&&(N1=N2) for x=1:M1 for y=1:N1 G(x,y)=F(x,y)*H(x,y); end endelse error(輸入圖像有誤,ERROR); end %通過兩個圖像的乘法程序，實現(xiàn)對相應(yīng)元素的相乘g=ifft2(G);subplot(3,2,4);imshow(g); title(c)傅立葉逆變換的圖像);for x=1:M1 for y=1:N1 g(x,y)=(-1)(x+y)*g(x,y); endendg=real(g); S=log(1+abs(F); %計算傅立葉幅度譜并做對數(shù)變換 subplot(3,2,5); plot(S); %二維圖像顯示幅度譜 title(d)二維圖像顯示幅度譜);Q=angle(F); %計算傅立葉變換相位譜subplot(3,2,6); plot(Q);title(e)二維圖像顯示相位譜); %二維圖像顯示相位譜結(jié)果截圖圖1 傅里葉變換及頻譜圖結(jié)果分析：圖1中（a）是原始灰度圖像，對原圖進行傅里葉變換，用（-1）(x+y)乘以輸入圖像,來實現(xiàn)中心化變換得到（b），（c）為傅里葉變換的逆變換得到的圖像。對應(yīng)（d）、（e）分別為計算的幅度譜和相位譜。2.2、傅立葉頻譜和平均值本項目的重點是:(a) 下載圖。 4.18（a）和計算（居中）傅立葉頻譜。(b) 顯示頻譜。(c) 使用（a）中計算圖像的平均值的結(jié)果結(jié)果如下：主要代碼%abs-取絕對值和復(fù)數(shù)幅度%fft2-求二維離散傅立葉變換I = imread(Fig4.11(a).jpg);I1 = fft2(I);X = fftshift(abs(I1); %直流分量移到頻譜中心m,n = size(X);Average_value = X(m/2+1,n/2+1)/(m*n) %平均值計算I1 = abs(I1)*256/max(max(abs(I1); %傅立葉譜圖像X = X*256/max(max(X); %中心化的傅立葉譜圖像subplot(1,3,1);imshow(I);title(a)原圖像);subplot(1,3,2);imshow(I1);title(b)傅立葉譜圖像);subplot(1,3,3);imshow(X);title(c)中心化的傅立葉譜圖像);結(jié)果截圖圖 1 計算圖像的頻譜圖并中心化圖3 平均值結(jié)果分析：圖2中（a）為原始圖像，先對圖像進行傅里葉變換得到（b），然后移至頻譜中心得到（c），圖3為圖像的平均值的結(jié)果，此結(jié)果是在matlab窗口中實現(xiàn)的。2.3、低通濾波本項目的重點是:(a) 實現(xiàn)高斯低通濾波器式。 （4.3-7）。你必須能夠指定大小，MN的，由此產(chǎn)生的2D功能。此外，你必須能夠指定二維高斯函數(shù)的中心位置(b) 下載圖。4.11（一）這個形象是同圖。 4.18（a）和低通濾波器中取得圖。 4.18（三） 結(jié)果如下：主要代碼I=imread(Fig4.11(a).jpg)subplot(1,2,1);imshow(I); title(a)原始圖像);s=fftshift(fft2(I);M,N=size(s); %分別返回s的行數(shù)到M中，列數(shù)到N中n=2; %對n賦初值%高斯低通濾波，這里以標準差d0=30來分析圖像d0=30; %初始化d0n1=floor(M/2); %對M/2進行取整n2=floor(N/2); %對N/2進行取整for i=1:M for j=1:N d=sqrt(i-n1)2+(j-n2)2); %點（i,j）到傅立葉變換中心的距離 h=1*exp(-1/2*(d2/d02); %GLPF濾波函數(shù) s(i,j)=h*s(i,j); %GLPF濾波后的頻域表示 endends=ifftshift(s); %對s進行反FFT移動%對s進行二維反離散的Fourier變換后，取復(fù)數(shù)的實部轉(zhuǎn)化為無符號8位整數(shù)s=uint8(real(ifft2(s); %創(chuàng)建圖形圖像對象subplot(1,2,2);imshow(s); %顯示高斯低通濾波處理后的圖像title(b)高斯低通濾波(d0=30);結(jié)果截圖圖 2 高斯低通實現(xiàn)的圖像結(jié)果分析：圖4中（a）為原始圖像，將原始圖像經(jīng)過高斯低通濾波，得到（b），這里以標準差d0=15來分析圖像。2.4、使用一個低通圖像高通濾波本項目的重點是:(a) 從原來的04-03項目減去你的形象得到銳化后的圖像，如式。 （4.4-14）。你會注意到，生成的圖像并不像高斯高通圖。 4.26。解釋為什么會是這樣(b) 調(diào)整的方差高斯低通濾波器，直到圖像相減得到的結(jié)果看起來類似于 圖。 4.26（三）。解釋你的結(jié)果結(jié)果如下：主要代碼I=imread(Fig4.11(a).jpg)s=fftshift(fft2(I);M,N=size(s); %分別返回s的行數(shù)到M中，列數(shù)到N中n=2; %對n賦初值%高斯低通濾波，這里以標準差d0=30來分析圖像d0=30; %初始化d0n1=floor(M/2); %對M/2進行取整n2=floor(N/2); %對N/2進行取整for i=1:M for j=1:N d=sqrt(i-n1)2+(j-n2)2); %點（i,j）到傅立葉變換中心的距離 h=1*exp(-1/2*(d2/d02); %GLPF濾波函數(shù) s(i,j)=h*s(i,j); %GLPF濾波后的頻域表示 endends=ifftshift(s); %對s進行反FFT移動%對s進行二維反離散的Fourier變換后，取復(fù)數(shù)的實部轉(zhuǎn)化為無符號8位整數(shù)s=uint8(real(ifft2(s); %創(chuàng)建圖形圖像對象subplot(1,2,1);imshow(s); %顯示高斯低通濾波處理后的圖像title(a)高斯低通濾波實現(xiàn)的圖片);s=fftshift(fft2(I);M,N=size(s); %分別返回s的行數(shù)到M中，列數(shù)到N中n=2; %對n賦初值%高斯高通濾波，這里以標準差d0=30來分析圖像d0=30; %初始化d0n1=floor(M/2); %對M/2進行取整n2=floor(N/2); %對N/2進行取整for i=1:M for j=1:N d=sqrt(i-n1)2+(j-n2)2); %點（i,j）到傅立葉變換中心的距離 h=1-1*exp(-1/2*(d2/d02); %GLPF濾波函數(shù) s(i,j)=h*s(i,j); %GLPF濾波后的頻域表示 endends=ifftshift(s); %對s進行反FFT移動%對s進行二維反離散的Fourier變換后，取復(fù)數(shù)的實部轉(zhuǎn)化為無符號8位整數(shù)s=uint8(real(ifft2(s); %創(chuàng)建圖形圖像對象subplot(1,2,2);imshow(s); %顯示高斯高通濾波處理后的圖像title(b)高斯高通濾波實現(xiàn)的圖片);結(jié)果截圖圖 3 高通實現(xiàn)的圖像結(jié)果分析：圖5中（a）為經(jīng)過高斯低通處理的圖像，將此圖像經(jīng)過高斯高通處理得到（b）。2.5、在頻域的相關(guān)性本項目的重點是:下載圖。 4.41（a）及（b）和重復(fù)例4.11獲得圖。 4.41（E）。給（的x，y）的二維相關(guān)函數(shù)中的最大值的位置的坐標。有沒有必要在圖中繪制的檔案中。 4.41（F）結(jié)果如下：主要代碼clear;clc;fa=imread(fig4.41(a).jpg);fb=imread(fig4.41(b).jpg);subplot(2,2,1);imshow(fa);title(a)原始圖像);subplot(2,2,2);imshow(fb);title(b)模板);A B=size(fa);C D=size(fb);expfa=zeros(A+C-1,B+D-1);expfb=zeros(A+C-1,B+D-1);expfa(1:A,1:B)=fa;expfb(1:C,1:D)=fb;subplot(2,2,3);imshow(expfa);title(c)圖像延拓);subplot(2,2,4);imshow(expfb);title(d)圖像延拓);H=real(ifft2(fft2(expfa).*fft2(rot90(expfb,2),293,297);%求相關(guān)性 figure;imshow(H,)title(e)兩圖像延拓之后的相關(guān)函數(shù));max(H(:) %求取最大的相關(guān)值因為是利用模板做的相關(guān)運算，值最大的地方最相關(guān)thresh=21417100;%設(shè)置一個略低于最大相關(guān)值的閾值figure;imshow(H > thresh)%顯示定位.title(f)圖像定位);結(jié)果截圖圖 4 兩原始圖像的延拓圖7 延拓之后圖像圖8 圖像定位圖 9 結(jié)果結(jié)果分析：圖6中（a）是圖像，（b）是模板。延拓后的圖像如圖6中的（c）、（d）所示。兩延拓圖像的空間域相關(guān)以圖像形式顯示與圖7中的（e）,圖8中的（f）顯示的是圖像的定位圖。3課程設(shè)計總結(jié)與體會 本次實驗，通過使用MATLAB中的圖像處理工具箱中的函數(shù)，對每個圖像處理函數(shù)的功能都有了深入了認識。了解了日常看到的圖片為什么會有各種模糊問題，也知道了該如何解決一些基本的圖像問題。希望下次能知道更多使用MATLAB來解決新的問題。