图像滤波处理..docx

图像平滑滤波学号： 姓名：陈文鹏1.实验目的：分别使用空域法、频域法实现图像平滑滤波，分析空域滤波器和频域滤波器之间的转化过程2.实验方法和步骤：1.空域法图像平滑滤波：方法：邻域平均法步骤：1.imread()读取图像。2.rgb2gray()函数将原图转换为灰度图。3.imnoise()函数为原图加高斯白噪声。4.double()将加了噪声的图转换为双精度型。5.创建3*3模板，用模板对噪声图邻域平均，Image()显示处理后的图像。6.创建5*5模板，用模板对噪声图邻域平均，Image()显示处理后的图像。7.创建7*7模板，用模板对噪声图邻域平均，Image()显示处理后的图像。其源程序代码如下：clear; clc; close all; I=imread(E:\cwp.jpg); %读取图像f=rgb2gray(I);%将原图转换为灰度图subplot(2,3,1);%分割2*3个窗口。取第一个窗口，下面在第一个窗口处显示图像imshow (f);%显示灰度图colormap(gray); title(原始图)%给显示的图像命名为“原始图”J=imnoise(f,gaussian,0,0.09);%给原始图加入参数为0.09的高斯白噪声subplot(2,3,2);%分割2*3个窗口。取第二个窗口imshow(J);%显示加了高斯白噪声的图像title(噪声图)%命名为“噪声图”[m n]=size(f); %获取灰度图的大小f=double(f);%转换f为双精度型c=1/9*[1 1 1;1 1 1;1 1 1]; %3*3模板fori=1:m for j=1:n L=f(i:i,j:j).*c; %求点积 G(i,j)=sum(sum(L));%求和endendsubplot(2,3,3);image(G);%取第三个窗口title(3*3模板)%命名为“3*3模板”c=1/25*[1 1 1 1 1;1 1 1 1 1;1 1 1 1 1]; %5*5模板fori=1:m for j=1:n L=f(i:i,j:j).*c; %求点积 G(i,j)=sum(sum(L));%求和endendsubplot(2,3,4);image(G);%在第四个窗口中显示图像title(5*5模板)%命名为“5*5模板”c=1/49*[1 1 1 1 1 1 1;1 1 1 1 1 1 1;1 1 1 1 1 1 1]; %7*7模板fori=1:m for j=1:n L=f(i:i,j:j).*c; %求点积 G(i,j)=sum(sum(L));%求和endendsubplot(2,3,5);image(G);%在第五个窗口中显示图像title(7*7模板)%命名为“7*7模板”end2.频域法图像平滑滤波：方法：二阶布特沃斯低通滤波法步骤：1.imread()读取图像。2.Size()函数获取图像矩阵大小。3.将矩阵转换为双精度型，再将原图转换为灰度图。4.wgn()函数产生高斯白噪声并加入原来图像中。5.fft2()对图像进行傅立叶变换。6.巴特沃斯低通滤波器传递函数与图像傅立叶变换相乘。7.ifft2()函数进行逆傅立叶变换。8.image()函数显示图像。其源程序代码如下：clear; clc; close all; I=imread(E:\cwp.jpg); %读取图像[m n p]=size(I);%获取图像矩阵大小I=double(I);%将原来的图像矩阵转换为双精度型的I=I(1:m,1:n,1).*0.3+I(1:m,1:n,2).*0.51+I(1:m,1:n,1).*0.11;%将原图转换为灰度图subplot(2,2,1);image(I);colormap(gray); %分割2*2个窗口。取第一个窗口，显示灰度图title(原始图);%命名为“原始图”Noise=wgn(m,n,25);%产生25dBm的高斯白噪声New = Noise + I;%将高斯白噪声与原始信号叠加subplot(2,2,2);image(New);%在第二个窗口中显示加了噪声的图像title(噪声图)%命名为“噪声图”g=fft2(New); % 傅立叶变换g=fftshift(g); % 转换数据矩阵[M,N]=size(g); %获取矩阵大小nn=2; % 定义二阶巴特沃斯(Butterworth)低通滤波器d0=20; %截止频率为20 m=fix(M/2); n=fix(N/2);%圆整函数fori=1:M for j=1:N d=sqrt((i-m)^2+(j-n)^