Matlab频域滤波练习.docVIP

%% fftshift 对数变换,所应用的图片本身很简单，就只有黑白2种颜色clcclearf = imread(.\images\dipum_images_ch04\Fig0403(a)(image).tif);imshow(f)title(原始图像) imfinfo(.\images\dipum_images_ch04\Fig0403(a)(image).tif);%此处如果用Imfinfo(f)就会报错fft%没有居中的傅里叶频谱F=fft2(f);%进行二维快速傅里叶变换，其结果和DFT的一样，只是计算机的计算速度变快了而已，因而叫fftS=abs(F);%求傅里叶变换后的幅值figure,subplot(121),imshow(S,[])title(傅里叶频谱图像1);%title函数一定要放在坐标显示的下一句才有效。 subplot(122),imshow(S),title(傅里叶频谱图像2)%居中的傅里叶频谱Fc=fftshift(F);%将频谱图像原点移至图像矩形中间S1=abs(Fc);figure,subplot(121),imshow(S1,[]);%加了第二个参数后显示的图像正常subplot(122),imshow(S1);%当没有第二个参数时，显示的图像为竖线加一些孤立的黑点，why？%使用对数后视觉增强后的傅里叶频谱S2=log(1+S1);imshow(S2,[]); %%用fftshift对数变换显示稍复杂的图片clcclearf=imread(.\images\dipum_images_ch04\Fig0409(a)(bld).tif);imshow(f); f=double(f);%其实这句不要试过对后面的变换结果也没有影响F=fft2(f);Fc=fftshift(F);S=abs(Fc);S2=log(1+S);%如果没有这句的话，那么根本看不到细节的图，所以一定要用对数压缩增加对比度figure,imshow(S2,[]) %%试一下ifft功能clcclearf=imread(.\images\dipum_images_ch04\Fig0409(a)(bld).tif);imshow(f); f=double(f);f(1:8,1:8)F=fft2(f);f=ifft2(F);%取傅里叶变换后的反傅里叶变换,直接是整数， 并不需要像某些代码一样取real部分f(1:8,1:8) %%先0扩充再滤波clcclearf=imread(.\images\dipum_images_ch04\Fig0405(a)(square_original).tif);imshow(f); [M N]=size(f);F=fft2(f);%没有经过0扩充直接计算fftsig=10;%高斯滤波参数H=lpfilter(gaussian,M,N,sig);G=H.*F;%加了.号的乘法表示对应每个元素都相乘，没加.号的乘法说明是真正的矩阵乘法g=real(ifft2(G));figure,imshow(g,[]);PQ=paddedsize(size(f));%PQ为0扩展的面积，这里设置为与图像的大小相同？这里size(f)的大小为256*256Fp=fft2(f,PQ(1),PQ(2));%如果fft2有3个参数的话，则是进行了0扩展了Hp=lpfilter(gaussian,PQ(1),PQ(2),2*sig);%构造高斯滤波器Gp=Hp.*Fp;%对0扩展后的图像进行高斯滤波gp=real(ifft2(Gp));figure,imshow(gp,[])gpc=gp(1:size(f,1),1:size(f,2));%取gp图像的1到f的第一维的行，1到f第二维的列部分，即取与图像大小相同的部分figure,imshow(gpc,[]);%此时显示的结果应该与g图像一样。%直接使用空间域滤波h=fspecial(gaussian,15,7);gs=imfilter(f,h);figure,imshow(gs,[]) %%clcclearf=imread(.\images\dipum_images_ch04\Fig0405(a)(square_original).tif);f=double(f);imshow(f); PQ=paddedsize(size(f));%size(f)的大小为256*256sig=10;H = lpfilter(gaussian,PQ(1),PQ(2),2*sig); % PQ=[512 512]fi