数字图像处理matlab代码技巧.doc

一、编写程序完成不同滤波器的图像频域降噪和边缘增强的算法并进行比较，得出结论。 1、不同滤波器的频域降噪 1.1 理想低通滤波器(ILPF)巴特沃斯低通滤波器(BLPF) clc;clear all;close all; I1me.jpg); I1=rgb2gray(I1); subplot(2,2,1),imshow(I1),title(原始图像); I2=imnoise(I1,salt pepper); subplot(2,2,2),imshow(I2),title(噪声图像); F=double(I2); g = fft2(F); g = fftshift(g); [M, N]=size(g); result1=zeros(M,N); result2=zeros(M,N); nn = 2; d0 =50; m = fix(M/2); n = fix(N/2); for i = 1:M for j = 2:N d = sqrt((i-m)^2+(j-n)^2); h = 1/(1+0.414*(d/d0)^(2*nn)); result1(i,j) = h*g(i,j); if(g(i,j) 50) result2(i,j) = 0; else result2(i,j) =g(i,j); end end end result1 = ifftshift(result1); result2 = ifftshift(result2); J2 = ifft2(result1); J3 = uint8(real(J2)); subplot(2, 2, 3),imshow(J3,[]),title(巴特沃斯低通滤波结果); J4 = ifft2(result2); J5 = uint8(real(J4)); subplot(2, 2, 4),imshow(J5,[]),title(理想低通滤波结果); 实验结果： 1.2 指数型低通滤波器(ELPFclc;clear all;close all; I1=imread(me.jpg); I1=rgb2gray(I1); I2=im2double(I1); I3=imnoise(I2,gaussian,0.01); I4=imnoise(I3,salt pepper,0.01); subplot(1,3,1),imshow(I2), title(原始图像); %显示原始图像 subplot(1,3,2),imshow(I4),title(加入混合躁声后图像 ); s=fftshift(fft2(I4));%将灰度图像的二维不连续Fourier 变换的零频率成分移到频谱的中心 [M,N]=size(s); %分别返回s的行数到M中，列数到N中 n1=floor(M/2); %对M/2进行取整 n2=floor(N/2); %对N/2进行取整 d0=40; for i=1:M for j=1:N d=sqrt((i-n1)^2+(j-n2)^2); %点（i,j）到傅立叶变换中心的距离 h=exp(log(1/sqrt(2))*(d/d0)^2); s(i,j)=h*s(i,j); %ILPF滤波后的频域表示 end end s=ifftshift(s); %对s进行反FFT移动 s=im2uint8(real(ifft2(s))); subplot(1,3,3),imshow(s),title(ELPF滤波后的图像（d=40）); 运行结果： 1.3 梯形低通滤波器(TLPF)clc;clear all;close all; I1=imread(me.jpg); I1=rgb2gray(I1); %读取图像 I2=im2double(I1); I3=imnoise(I2,gaussian,0.01); I4=imnoise(I3,salt pepper,0.01); subplot(1,3,1),imshow(I2),title(原始图像); %显示原始图像