MATLAB图像滤波实验报告.docVIP

1 图像处理实验 实验报告 院(系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 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5 Laplace算子检测边界 图6 Sobel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） for i=2:x-1 for j=2:y-1 imlaplace(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; end imlaplace(i,j)=1-imlaplace(i,j); end end Sobel检测边缘： for i=2:x-1 for j=2:y-1 xx=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)-