图象处理实验书终.docVIP

实验一 图像变换（验证性） 实验目的 熟悉图像的二维离散余弦变换和反变换； 熟悉图像的二维离散傅立叶变换和反变换； 实验内容 图像的二维离散余弦变换和反变换及二维离散傅立叶变换和反变换 熟悉下列模块函数: rgb2gray - Convert RGB image or colormap to grayscale. uint8 -Convert to unsigned 8-bit integer. dct2 - Compute 2-D discrete cosine transform. idct2 - Compute 2-D inverse discrete cosine transform. fft2 -Two-dimensional discrete Fourier Transform fftshift - Shift zero-frequency component to center of spectrum ifftshift - Inverse fftshift ifft2 - Two-dimensional inverse discrete Fourier transform 原理 傅立叶变换是对线性系统进行分析的一个有力工具，它将图像从空域变换到频域，是我们能够定量地分析诸如数字化系统、采样点、电子放大器、卷积滤波器、噪声、显示点等的作用（效应）。把傅立叶变换的理论同其物理解释相结合，将有助于解决大多数图像处理问题。 在数字图像处理中，输入图像和输出图像通常都是二维的，一般表示成二维数字矩阵，因此，这里直接讨论二维傅立叶变换、二维DFT、二维FFT。 二维M×N的DFT变换和逆DFT变换分别定义如下 其中，m=0，1，…，M-1；n=0，1，…，N-1。 其中，m=0，1，…，M-1；n=0，1，…，N-1。 通常计算一维DFT所需的乘法和加法操作的次数是N2次，因为它把所有的复指数值都存在一张表中，这样的计算量实在太大；而快速傅立叶算法将DFT计算式分解，可以将操作降到（N1b（N））数量级；尤其当N是2的幂（即N＝2p，其中p是整数）时，计算效率最高，实现起来也最简单。 其算法思想是：先将原图像进行转置，按行对转置后的图像矩阵作一维FFT，将此变换所得到的中间矩阵再转置，再按行对转置后的中间矩阵作一维FFT，最后得到的就是二维FFT。 离散余弦变换，简称DCT，是一种实数域变换，其变换核为实数的余弦函数，计算速度较快，而且对于具有一阶马尔柯夫过程的随机信号，DCT十分接近Karhunen-Loeve变换，也就是说它是一种近似最佳变换，很适于做图像压缩和随机信号处理。 对于数字图像X（m，n），0≤m≤M，0≤n≤N，其二维DCT变换为 其中，k=0，1，…，M-1；l=0，1，…，N-1 ， 二维DCT变换具有可分离性，可以分解为双重的一维DCT，实现起来非常方便。 二维DCT反变换（IDCT）定义为 ， 由上式可知，原始图像X（m，n）可表示为以Y（k，l）为权值的一系列函数 0≤m≤M-1，0≤n≤N-1 的加权组合，这组函数就是DCT基函数。 离散余弦变换在图像压缩中有很多应用，它是JPEG、MPEG等数据压缩标准的中央数学基础。在JPEG压缩算法中，首先将RGB分量转化成亮度分量和色差分量，同时失去一半色彩信息（空间分辨率减半）；然后将输入图像划分为8×8或16×16的图像块，对每个图像块做DCT变换；然后舍弃高频的系数，并对余下的系数进行量化以进一步减少数据量；最后使用RLE和Huffman编码来完成压缩任务。解压缩时首先对每个图像块做DCT反变换，然后将图像块拼成一幅完整的图像。 图a. trees.tif图像 实验要求： a. 从硬盘中读取图像文件trees.tif b. 在figure(1)窗口显示该图像 c. 将该图像转化成灰度图像，并在figure(2)中显示该灰度图像。 d. 求c中灰度图像的二维离散余弦变换并在figure(3)中显示该变换结果。 e. 对二维离散余弦变换参数设定阈值并求二维离散余弦反变换，在figure(4)中显示该反变换图像 f. 求c中灰度图像的二维离散傅立叶变换并在figure(5)中显示该变换结果。 对二维离散傅立叶变换参数设定阈值并求出图像的二维离散傅立叶反变换，在figure(6)中显示反变换后的图像。 实验二 图像增强─频域增强（验证性） 1. 实验目的 熟悉图像增强的低通滤波和高通滤波的频域增强方法。 2. 实验内容 对给定数字图像进行低通滤波和高通滤波的频域增强。 熟悉下列模块函数 fft2