基于matlab的数字图像处理fft_ifft_DCT_IDCT..docVIP

课程设计的目的与意义 通过本课程设计使学生了解数字图像的基本概念，掌握数字图像处理的基本内容，如图像点运算、几何变换、增强处理、图像复原、边缘检测以及图像压缩等的基本原理和Matlab实现方法。 通过本次课程设计，让学生掌握如何学习一门语言，如何进行资料查阅搜集，如何自己解决问题等方法，养成良好的学习习惯。扩展理论知识，培养学生的综合设计能力。 课程设计内容 2.1 图像处理基本功能 1）数字图像的变换：普通傅里叶变换(ft)与逆变换（ift）、快速傅里叶变换（fft）与逆变换(ifft)、离散余弦变换（DCT），小波变换。 2) 数字图像直方图的统计及绘制等；基于Matlab的图像平滑算法实现及应用 图像复原程序设计 创建一个仿真运动/均值模糊PSF来模糊一幅图像（图像自选）。 针对退化设计出复原滤波器，对退化图像进行复原(复原的方法自定)。 对退化图像进行复原，显示复原前后图像，对复原结果进行分析，并评价复原算法。 u=0,1,...,N-1 x=0,1,...,N-1 其中a(u)为归一化加权系数，由下式定义： 2-Dd DCT对由下面两式定义： u,v=0,1,...,N-1 x,y=0,1,...,N-1 3.2.3小波变换 小波变换的基础：序列展开、缩放函数和小波函数。 小波变换和Gabor变换相同的事在时间上和频率上都具有局部化的能力，时间窗口长度与频率窗口长度的乘积是常数。它与Gabor变换不同的是时间窗口尺寸与频率窗口尺寸互成反变化，对不同的图像都有较好的效果。 2-D小波变换的实现 因为缩放函数和小波函数都是可分离的，所以可对f(x,y)的行先进行1-D变换再对结果进行变换。下图是小波变换的方框图： 小波变换的结果是将图像进行了分解，这种分解是从高尺度向低尺度进行的。小波分解的结果是将图像划分成了子图像的集合。在第一级小波分解时，原始图像被划分成了一个低频子图像LL和三个高频子图像HH，LH,和HL的集合。在第二级小波分解时，低频子图像LL继续被划分成了LL的一个低频子图像和三个高频子图像的集合，而原来第一级分解得到的三个高频子图像不变。上述分解过程可以这样继续下去，得到越来越多的子图像。 3.2.4哈夫曼编码 哈夫曼编码是消除编码冗余最常用的技术。当对信源符号逐个编码时，哈夫曼编码能给出最短的码子。根据无失真编码定理哈夫曼编码方式对固定阶数的信源是最优的。 4、源代码及处理结果 4.1图像处理基本功能 普通傅里叶变换(ft)与逆变换（ift）、快速傅里叶变换（fft）与逆变换(ifft)、离散余弦变换（DCT），小波变换；数字图像直方图的统计及绘制等；图像平滑算法实现及应用。 4.1.1正逆傅里叶变换 img=imread(D:/sxy.jpg); subplot(2,2,1),imshow(img); title(原图); f=rgb2gray(img); subplot(2,2,2),imshow(f); title(傅里叶变换); %二维傅里叶变换 F=fft2(f); %======傅里叶变换 FS=fftshift(F);%======将变换的频率图 %频谱 S=log(1+abs(FS)); subplot(2,2,3);imshow(S,[]) title(直接变换频谱图);; %% 二维傅里叶逆变换 fr=real(ifft2(ifftshift(FS)));%===频域的图反变 ret=im2uint8(mat2gray(fr)); %===取其灰度图 subplot(2,2,4),imshow(ret); title(逆傅里叶变换); 处理结果： 4.1.2小波变换 i= imread(D:/sxy.jpg); x=rgb2gray(i); %真彩色图像转化为灰度图像 [cA,cH,cV,cD]=dwt2(x,db1); %对图像进行单层分解，小波为bd1 A=upcoef2(a,cA,db1,1); H=upcoef2(h,cH,db1,1); V=upcoef2(v,cV,db1,1); D=upcoef2(d,cD,db1,1); %图像编码 figure subplot(221);image(wcodemat(A,192)); title(近似细节系数); subplot(222);image(wcodemat(H,192));