数字图像处理实验报告(2)

参数类型显示在表2.2中。数字图像处理实验报告14表2.2噪声类型和参数说明非线性平滑滤波器中值滤波器是一种常用的非线性平滑滤波器，其滤波原理与均值滤波方法相似，但计算方法并非如此。加权求和是根据灰度对场中图像的像素进行排序，然后选择重组后的中间值作为输出像素值。 MATLAB提供了medfilt2函数来实现中值滤波。其语法格式为：B = medfilt2（A，[m B = medfilt2（A）;其中A是原始图像，B是经过中值滤波后的输出图像。[mn]指定过滤器模板的大小。默认模式锐化滤镜图像平滑通常会使图像的边界和轮廓变得模糊，为了减少此类不利影响的影响，需要使用图像锐化技术以使图像的边缘变得清晰线性锐化滤镜线性高通滤镜是最常用的线性锐化滤波器，此滤波器的中心系数为正，而周围系数为负，所有系数的总和为0。对于模板，典型系数值为：[-1 -1- 1; -1 -1; -1 -1 -1]实际上，这是拉普拉斯算子。语句h = -fspecial（'laplacian'，通过[k17]5)=-0.3333获得的拉普拉斯算子-0.3333-0.3333-0.3333 2.6667-0.3333-0.3333-0.3333-0.3333非线性锐化滤镜n邻域平均值可以使图像模糊，因为该平均值对应于积分，因此可以通过微分来锐化图像。

图像处理中最常用的微分方法是使用渐变。常用的空间非线性锐化滤波器微分算子包括sobel算子，prewitt算子，log算子等。频域增强频域增强是使用图像变换方法将原始图像空间以某种形式转换为其他空间，然后使用该空间的独特属性方便地执行图像处理，最后转换回原始图像空间。 ，以获得处理后的图像。频域增强的主要步骤包括：数字图像处理实验报告15选择变换方法，以将输入图像变换到频域空间中。在频域空间中，根据处理目的设计和处理传递函数。将结果逆变换以获得增强的图像。常用的频域增强方法包括低通滤波和高通滤波。低通滤波后的图像的能量主要集中在振幅谱的低频和中频部分，而图像的边缘和噪声则对应于高频部分。因此，可以减小高频分量的幅度的滤波器可以减小噪声的影响。根据卷积定理，频域中低通滤波的数学表达式为：高通滤波由于图像中的细节对应于其高频分量，因此高通滤波可以使图像清晰。高通滤波与低通滤波相反。高频分量顺利通过，而低频分量则减弱。高通滤波器与低通滤波器相似，它们的传递函数是：指数高通滤波器（ELPF）在对图像进行高通滤波处理后，许多低频信息将会丢失，因此图像的平滑区域将基本消失。

因此，可以使用高频增强滤波进行补偿。高频增强滤波是在设计滤波器传递函数时添加一个大于0且小于1的常数c，即：16四、个实验步骤将盐和胡椒噪声与高斯噪声相加I = imread（'八。 tif'）; imshow（I）; Pepper'，0.05);％噪声密度= 0.05 fspecial（'sobel'）; Sobel fspecial（'laplacian'，0.4); lap fspecial（'gaussian'，[33] ，0.5);具有不同填充方法的高斯滤镜原始RGB fspecial（'motion'，50，45);％motion模糊滤过的RGB'replicate'）; boundary0RGB'对称'）; boundarycircularRGB Pepper'，0.05); h = fspecial（'average'）;％平均滤波J1 = imfilter（J，h）; i = 1：10J1 = imfilter（J，h）; end i = 1：20J2 = imfilter（J， h）;平均中值滤波器h = fspecial（'average'）;％平均滤波J1 = imfilter（J，h）; J2 = medfilt2（J）;％中值滤波设计您自己的平滑空间滤波器域= [0 K1 = ordfilt2（J，5，domain）;拉普拉斯过滤器I = imread（'blurry_moon.tif'）; T = double（I）;子图（1,2，1)，imshow（T，[]）; title（'原始图像'）; = [1,1,1; 1，-8,1; 1,1,1]; K = conv2（T，w，'same'）;奇数函数genlaplacian的拉普拉斯算子的随机生成函数（n）％计算不同大小的拉普拉斯算子的拉普拉斯算子滤波和图像增强w1 genlaplacian（5); I = im阅读（'blurry_moon.tif'）; T =双（I）; K = conv2（T，w1，'same'）; J = TK；不同大小的梯度运算符[I，map] = imread（'blurry_moon.tif'）的锐化过滤器；我=双（I）; [Gx，Gy] =梯度（I）；梯度计算G = sqrt（Gx。* Gx + Gy。* Gy）;矩阵J1 = G; gradient1imshow（J1，map）; J2 = I; gradient2K = find（G> =7); imshow（J2，map）; J3 = I; gradient3K = find（G> =7); J3（K）= 255; imshow（J3，map）; J4 = I ; gradient4K = find（G

本文来自电脑杂谈，转载请注明本文网址：
http://www.pc-fly.com/a/shumachanpin/article-347332-2.html