MATLAB图像滤波实验报告

图像处理实验实验报告院(系)名称专业名称学生姓名学号任课老师年月日1实验目的利用MATLAB实现图像滤波，边界检测，从空间域与频域上加深对图像滤波的理解。2实验内容1.对lena.bmp分别添加高斯、椒盐、泊松噪声，并比较高斯滤波与中值滤波的效果。(使用matlab自带函数即可)2.对lena.bmp实现laplace算子、Sobel算子、Kirch算子、Canny算子等边界检测算子中的任何两个；（不使用matlab自带函数）3.通过观察rect.bmp和rect-45度.bmp的傅立叶频谱，了解图像傅立叶变换的旋转、平移等特性；4.对grid.bmp实现理想低通；5.对cave.jpg实现同态滤波算法，观察光照校正的效果（使用高斯型高通滤波器的离散化结果作为模板）。3实验步骤及算法流程滤波过程开始滤波过程开始转换成double类型转换成double类型空间与转换为频域空间与转换为频域用fftshift对频域进行处理用fftshift对频域进行处理利用特定的卷积核进行滤波利用特定的卷积核进行滤波频域还原为空间域频域还原为空间域用ifftshift还原频域用ifftshift还原频域显示图像显示图像结束结束4实验结果分析4.1空间域滤波图1加高斯噪声与滤波图2密度为0.1的椒盐噪声与滤波图3密度为0.5的椒盐噪声与滤波图4加泊松噪声与滤波高斯滤波是构造一个高斯卷积掩膜，对每一个点的邻域进行卷积达到滤波的效果，中值滤波是用邻域中像素的中值代替当前像素，是非线性的。分析以上三幅图，知高斯滤波的效果对每种噪声差不多；中值滤波对椒盐噪声来说效果非常好，在椒盐密度不大的情况下几乎可以完全去除噪声。以以上四幅图来说，中值滤波的效果要比高斯滤波的效果好。4.2边界检测图5Laplace算子检测边界图6Sobel算子检测边界4.3频域转换图7旋转前的频域(经fftshift处理)图8旋转45°后的频域(经fftshift处理)经上图可知，当图像旋转45°后，相应的频域也旋转45°。4.4频域低通滤波图9原始图像grid.bmp的频域(经fftshift处理)中心尖峰的两侧出现两个次尖峰，对应正弦噪声的频率，需将其滤掉。图10处理后的频域进行频域的处理后，空间域上的图像如下所示：图11对grid.bmp低通滤波4.5同态滤波图12原始图像cave.jpg选择合适的高通滤波器进行同态滤波的效果如下：图13同态滤波后的图像5思考题1.依次给出“高斯平滑滤波器、中值滤波器、laplace滤波器”是线性还是非线性的。只有中值滤波为非线性。2.简述Laplace算子产生双重响应的原因。因为有些边缘在用Laplace检测时起始处和终点两处出现非零值。（这一点不确定）3.如何实现彩色图像的边缘检测？可用多通道分别检测然后综合。4.傅里叶变换有哪些重要的性质，讨论图像的边缘与频率的关系?（1）线性性质（2）位移性质（3）微分性质（4）积分性质（5）卷积定理：空间域的卷积对应频域的乘积，空间域的乘积对应时域的卷积；（6）旋转特性：空间域旋转某一角度，频域跟着旋转相同的角度。图像的边缘处频率很大。6总结：收获及感想通过此次实验，掌握了图像滤波的一些基本算法并能利用MATLAB简单地实现；加深了对图像空间域与频域之间的对应关系的理解。7附录（程序主要代码）加椒盐噪声与滤波：（部分代码）im=imread('lena.bmp');im=im2double(im);outsalt=imnoise(im,'salt&pepper',0.5);hsize=10;sigma=5;h=fspecial('gaussian',hsize,sigma);imagesc(h);fgauss=imfilter(outsalt,h);outmed=medfilt2(outsalt,[3,3]);Laplace检测边缘：（部分代码，以下同）fori=2:x-1forj=2:y-1imlaplace(i,j)=im(i-1,j-1)+im(i-1,j)+im(i-1,j+1)+im(i,j-1)-8*im(i,j)+im(i,j+1)+im(i+1,j-1)+im(i+1,j)+im(i+1,j+1);if(imlaplace(i,j)<0)imlaplace(i,j)=0;elseif(imlaplace(i,j)>1)imlaplace(i,j)=1;endimlaplace(i,j)=1-imlaplace(i,j);endendSobel检测边缘：fori=2:x-1forj=2:y-1xx=im(i-1,j-1)+2*im(i-1,j)+im(i-1,j+1)-im(i+1,j-1)-2*im(i+1,j)-im(i+1,j+1);yy=-im(i-1,j-1)-2*im(i,j-1)-im(i+1,j-1)+im(i-1,j+1)+2*im(i,j+1)+im(i+1,j+1);imsobel(i,j)=power(xx*xx+yy*yy,0.5);if(imsobel(i,j)<0)imsobel(i,j)=0;elseif(imsobel(i,j)>1)imsobel(i,j)=1;endimsobel(i,j)=1-imsobel(i,j);endend傅里叶变换的旋转、平移特性：im=imread('rect.bmp');im=im2double(im);imft=fft2(im);imft=fftshift(imft);imb=imread('rect-45¶È.bmp');imb=im2double(imb);imbft=fft2(imb);imbft=fftshift(imbft);subplot(222);surfl(abs(imft));shadinginterp;colormapcopper;title('rectfouriertransform');grid.bmp低通滤波：im=imread('grid.bmp');im=im2double(im);imft=fft2(im);imfts=fftshift(imft);[x,y,flag]=size(imfts);fori=x/2-3:x/2+5forj=y/2-13:y/2-3imfts(i,j)=0;endendfori=x/2-3:x/2+5forj=y/2+5:y/2+15imfts(i,j)=0;endendimftv=ifftshift(imfts);imfilter=abs(ifft2(imftv));cave.jpg同态滤波：im=imread('cave.jpg');im=im2double(im)+1;%确保大于0imlog=log(im);imlogf=fft2(imlog);imlogf=fftshift(imlogf);[x,y]=size(imlogf);%。。。。。。。。。。。。。hsize=[x,y];sigma=5;h=fspecial('gaussian',hsize,sigma);b=1/max(max(h));h=b*h/4;h=1-h;%。。。。。。。。。构造高通滤波器imlogf=imlogf.*h;imfilf=ifftshift(imlogf);imfil=ifft2(imfilf);imfilter=abs