第四频域处理,第五章图像复原.pptVIP

傅里叶变换 f=imread(Fig0403(a)(image).tif); subplot(2,2,1),imshow(f) F=fft2(f);%计算傅立叶变换 S=abs(F);%获得频谱 subplot(2,2,2),imshow(S,[ ]) Fc=fftshift(F);%将变换的原点移动到频率矩形的中心 subplot(2,2,3),imshow(abs(Fc),[ ]) Sc=log(1+abs(Fc));%压缩动态范围以增强灰度级细节 subplot(2,2,4),imshow(Sc,[ ]) 傅里叶变换 频域滤波 f=imread(Fig0405(a)(square_original).tif); [M,N]=size(f); sig=10; %指定高斯低通滤波器的标准偏差 H=lpfilter(‘gaussian’,M,N,sig); %高斯低通滤波器的生成 F=fft2(f); %计算傅里叶变换 G=H.*F; g=real(ifft2(G)); %提取逆变换后结果的实部， subplot(1,3,1),imshow(f) subplot(1,3,2),imshow(g,[ ]) PQ=paddedsize(size(f)); %对输入图像进行填充 Fp=fft2(f,PQ(1),PQ(2)); %计算经填充之后的傅里叶变换 Hp=lpfilter(gaussian,PQ(1),PQ(2),2*sig); Gp=Hp.*Fp; gp=real(ifft2(Gp)); gpc=gp(1:size(f,1),1:size(f,2)); %将图像剪裁为原始图像大小 subplot(1,3,3),imshow(gpc,[ ]) 频域处理 频域滤波 滤波过程总结： 从空间滤波器获得频域滤波器 在频域中直接生成滤波器 D0=0.05*PQ(2); %题目要求D0为填充后的图像的宽度的5% F=fft2(f,PQ(1),PQ(2)); %计算经0填充后的傅里叶变换 H= exp (-(U.^2+V.^2)/(2*(D0^2))); %GLPF的传递函数 g=dftfilt(f,H); %对图像进行低通滤波 subplot(2,2,1),imshow(f) subplot(2,2,2),imshow(fftshift(H),[ ]) %以图像形式查看滤波器 subplot(2,2,3),imshow(log(1+abs(fftshift(F))),[ ]) %将频谱显示为一幅图像，同时压缩了频谱的动态范围 subplot(2,2,4),imshow(g,[ ]) %显示经滤波之后的图像 在频域中直接生成滤波器 在频域中直接生成滤波器 锐化频域滤波器 锐化频域滤波器 实验结果： 实验总结：图像的边缘得到了增强，但丢失了不部分原图像所呈现的背景色调。 锐化频域滤波器 5.2 噪声模型 5.2 噪声模型 例;利用函数imnoise2产生数据的直方图。 5.2 噪声模型 5.2 噪声模型 f=imread(Fig0504(a)(noisy_image).tif); [B,c,r]=roipoly(f); %得到感兴趣区域的二值图像和多边形顶点的列表 subplot(2,2,1),imshow(f) subplot(2,2,2),imshow(B) [p,npix]=histroi(f,c,r); %计算图像在多边形区域内的直方图， subplot(2,2,3),bar(p,1) %绘制垂直条形图，此处width=1，组内条形图紧挨在一块。默认width=0.8 [u,unv]=statmoments(p,2) %计算被B覆盖的区域的均值和方差 u = 0.5797 0.0062 unv = 147.8268 401.1826 %均值为147，方差为400 X=imnoise2(‘gaussian’,npix,1,147,20); subplot(2,2,4),hist(X,130) %高斯随机变量的直方图 5.2 噪声模型 5.3 仅有噪声的复原：空间滤波 f=imread(Fig0405(a)(square_original).tif); [M,N]=size(f); R=imnoise2(salt pepper,M,N,0.1,0);%被概率为0.1的胡椒噪声污染 c=find(R==0); gp=f; gp(c)=0; subplot(2,3,1),imshow(gp) xlabel((a)被概率为0.1的