數(shù)字圖像的頻域增強論文

-.z數(shù)字圖像處理結課作業(yè)--數(shù)字圖像頻域增強方法及在matlab中的實現(xiàn)數(shù)字圖像的頻域增強摘要：圖像增強處理技術是圖像處理領域中一項根本的，也是很重要的技術，一直是圖像處理領域中不可回避的研究課題。因為一幅圖像總是可能受到各種因素的干擾影響，造成圖像質量的下降。圖像增強包含兩個方面內容：一是消除噪聲，二是增強(或保護)圖像特征。對圖像恰當增強，能使圖像去噪的同時特征得到較好保護，使圖像更加清晰明顯，從而提供應我們準確的信息。常用的圖像增強技術各有其特點和效果。論文在介紹圖像頻域增強原理的根底上，在頻域內通過對Butterworth低通濾波器增強方法進了研究，介紹了相關的理論和數(shù)學模型，并給利用MATLAB工具進展實現(xiàn)。通過各種濾波后圖像比擬，實驗證明在質量較差的圖像中，選擇不同的濾波算法對圖像的增強在準確性上均有不同。關鍵詞：圖像增強；Butterworth低通濾波器；MATLAB1．頻域圖像增強的目的、意義及主要內容1.1頻域圖像增強技術的目的：分析幾種頻域圖像增強方法,并能夠用頻域法進展圖像增強,通過形態(tài)學方法進展圖像特征抽取和分析。熟練的運用MATLAB,掌握修改圖像的傅里葉變換來實現(xiàn)圖像的增強技術。1.2頻域圖形增強技術的意義：圖像增強是圖像處理中用來消除原始圖像邊緣模糊、比照度差等缺點的常用技術,它需要解決的問題包括邊緣增強、噪聲的濾除、高斯噪聲的平滑和細節(jié)的保護等等。本論文主要是針對整體偏暗圖像而提出的圖像增強的方法。對于整體偏暗的圖像,我們可以用直方圖均衡化來調節(jié)圖像的灰度分布,使圖像變亮。此外,為了進一步提高圖像的視覺效果,即解決包括邊緣增強、噪聲濾除等問題,我們還可以用頻域圖像增強方法〔高通濾波器和低通濾波器〕來處理,因為高通濾波器可以突出圖像邊緣,增強有用信息,使圖像更加清晰,而低通濾波器可以平滑去噪,抑制無用信息,從而提高圖像成分的可分辨性。1.3主要內容圖像是一種重要的信息源,圖像處理的最終目的就是要幫助人類理解信息的內涵。數(shù)字圖像處理技術的研究內容涉及光學系統(tǒng)、微電子技術、計算機科學、數(shù)學分析等領域,是一門綜合性很強的邊緣學科。隨著計算機的迅猛開展,圖像處理技術已經(jīng)廣泛應用于各個領域。現(xiàn)在應用于圖像處理的計算機軟件的平臺很多,如VC++、MATLAB等。我做的畢業(yè)設計是選用MATLAB做實驗平臺,因為MATLAB是一種基于向量〔數(shù)組〕而不是標量的高級程序語言,而數(shù)字圖像實際上就是一組有序的離散數(shù)據(jù),然而MATLAB從本質上就可以提供對圖像處理的技術支持。第一,首先簡要介紹什么是圖像增強技術,圖像增強的方法分為兩大類：空間域方法和頻域方法。圖像增強的通用理論是不存在的。當圖像為視覺解釋而進展處理時,由觀察者最后判斷特定方法的效果。第二,重點研究什么是空域圖像增強技術,“空間域增強〞是指增強構成圖像的的像素。包括：1、*些根本灰度變換〔圖像反轉、對數(shù)變換、冪次變換、分段線性變換函數(shù)〕2、直方圖處理〔直方圖均衡化、直方圖匹配、局部增強、在圖像增強中使用直方圖統(tǒng)計法〕3、用算術|邏輯操作增強〔圖像減法處理、圖像平均處理〕4、空間濾波根底5、平滑空間濾波器〔平滑線性濾波器、統(tǒng)計排序濾波器〕6、銳化空間濾波器〔基于二階微分的圖像增強——拉普拉斯算子、基于一階微分的圖像增強——梯度法〕。第三,掌握頻域增強技術,要會用傅里葉變換和頻域的根本知識來深入理解圖像增強這一領域。主要內容如下：1、傅里葉變換和頻域〔一維傅里葉變換及其反變換、二維DFT及其反變換、頻域濾波〕2、平滑的頻域濾波器〔理想低通濾波器、巴特沃斯低通濾波器、高斯低通濾波器〕3、頻域銳化濾波器〔理想高通濾波器、巴特沃斯高通濾波器、高斯型高通濾波器、頻域的拉普拉斯算子、鈍化模板、高頻提升濾波和高頻加強濾波〕第四,掌握MATLAB的常用工具,以便用來處理圖像。第五,掌握線性代數(shù)的矩陣變換,以便對圖像的數(shù)據(jù)進展很好的處理。2．實驗根本原理1.頻域增強頻域增強是利用圖像變換方法將原來的圖像空間中的圖像以*種形式轉換到其他空間中，然后利用該空間的特有性質方便地進展圖像處理，最后再轉換回原來的圖像空間中，從而得到處理后的圖像。頻域增強的主要步驟是：選擇變換方法，將輸入圖像變換到頻域空間。在頻域空間中，根據(jù)處理目的設計一個轉移函數(shù)，并進展處理。將所得結果用反變換得到增強的圖像。常用的頻域增強方法有低通濾波和高通濾波。2.低通濾波圖像的能量大局部集中在幅度譜的低頻和中頻局部，而圖像的邊緣和噪聲對應于高頻部分。因此能降低高頻成分幅度的濾波器就能減弱噪聲的影響。由卷積定理，在頻域實現(xiàn)低通濾波的數(shù)學表達式：G(u,v)=H(u,v)F(u,v)理想低通濾波器〔ILPF〕巴特沃斯低通濾波器〔BLPF〕指數(shù)型低通濾波器〔ELPF〕3．實驗內容與要求傅立葉變換讀出一幅圖像，對其進展傅立葉變換，分別顯示其幅度圖像和相位圖像。僅對幅度局部進展傅立葉反變換后查看結果圖像。將圖像的傅立葉變換F置為其共軛后進展反變換，比擬新生成圖像與原始圖像的差異。>>[*,map]=imread('forest.tif');subimage(*,map);imfinfo('forest.tif');;i=imread('forest.tif');figure(1);imshow(i),title('原圖像');colorbar;j=fft2(i);RR=real(j);II=imag(j);[M,N]=size(j);A=abs(j);A=(A-min(min(A)))/(ma*(ma*(A))-min(min(A)))*225;figure(2);imshow(A),title('圖像幅度譜');colorbar;B=atan(RR/II);figure(3);imshow(B),title('圖像相位譜');colorbar;k=fftshift(j);figure(4);l=log(abs(k));imshow(l,[]),title('圖像頻譜');colorbar;n=ifft2(j)/255;figure(5);imshow(n),title('FFT逆變換');colorbar平滑頻域濾波設計理想低通濾波器、巴特沃斯低通濾波器和高斯低通濾波器，截至頻率自選。讀出一幅圖像，分別采用理想低通濾波器、巴特沃斯低通濾波器和高斯低通濾波器對其進展濾波〔截至頻率自選〕，再做反變換，觀察不同的截止頻率下采用不同低通濾波器得到的圖像與原圖像的區(qū)別?！咎崾?1)在頻率域濾波同樣要注意到填充問題；2〕注意到(-1)*+y;】巴特沃斯低通濾波器I=imread('forest.tif');subplot(2,2,1),imshow(I);title('原始圖像')J1=imnoise(I,'gaussian',0.02);subplot(2,2,2),imshow(J1);title('添加高斯白噪聲的圖像')f=double(J1);g=fft2(f);g=fftshift(g);[M,N]=size(g);nn=2;d0=35;m=fi*(M/2);n=fi*(N/2);fori=1:Mforj=1:Nd=sqrt((i-m)^2+(j-n)^2);h=1/(1+0.414*(d/d0)^(2*nn));result(i,j)=h*g(i,j);endendresult=ifftshift(result);J2=ifft2(result);J3=uint8(real(J2));subplot(2,2,3),imshow(J3);title('低通濾波后的圖像')2．實驗根本原理頻域增強頻域增強是利用圖像變換方法將原來的圖像空間中的圖像以*種形式轉換到其他空間中，然后利用該空間的特有性質方便地進展圖像處理，最后再轉換回原來的圖像空間中，從而得到處理后的圖像。頻域增強的主要步驟是：選擇變換方法，將輸入圖像變換到頻域空間。在頻域空間中，根據(jù)處理目的設計一個轉移函數(shù)，并進展處理。將所得結果用反變換得到增強的圖像。常用的頻域增強方法有低通濾波和高通濾波。高通濾波由于圖像中的細節(jié)局部與其高頻分量相對應，所以高通濾波可以對圖像進展銳化處理。高通濾波與低通濾波相反，它是高頻分量順利通過，使低頻分量受到削弱。高通濾波器和低通濾波器相似，其轉移函數(shù)分別為:理想高通濾波器〔IHPF〕巴特沃斯高通濾波器〔BLPF〕指數(shù)型高通濾波器〔ELPF〕圖像經(jīng)過高通濾波處理后，會喪失許多低頻信息，所以圖像的平滑區(qū)根本上會消失。所以，可以采用高頻加強濾波來彌補。高頻加強濾波就是在設計濾波傳遞函數(shù)時，加上一個大于0小于1的常數(shù)c，即：H′(u,v)=H(u,v)+c3．實驗內容與要求頻域高通濾波設計理想高通濾波器或巴特沃斯高通濾波器或高斯高通濾波器，截至頻率自選。讀出一幅圖像，采用設計的濾波器對其進展濾波，濾波后再做反變換，觀察不同的截止頻率下采用高通濾波器得到的圖像與原圖像的區(qū)別。巴特沃斯高通濾波器＇>>I=imread('tire.tif');figure(1),imshow(I);f=double(I);g=fft2(f);g=fftshift(g);[M,N]=size(g);nn=2;d0=15;%截止頻率m=fi*(M/2);n=fi*(N/2);fori=1:Mforj=1:Nd=sqrt((i-m)^2+(j-n)^2);if(d==0)h=0;elseh=1/(1+0.414*(d0/d)^(2*nn));endresult(i,j)=h*g(i,j);endendresult=ifftshift(result);J2=ifft2(result);J3=uint8(real(J2));figure(2),imshow(J3);截止頻率=15：截止頻率d0=5：截止頻率=10：截止頻率=30：結論：數(shù)字圖像處理數(shù)據(jù)量大,處理速