基于MATLAB的数字图像频域增强技术.ppt

毕业设计中期答辩 基于MATLAB的数字图像频域增强技术 学生姓名: 学 号: 系 部: 电子信息工程系 专业年级: 电子信息科学与技术1班 指导教师: 课题介绍 图像作为自然界景物的客观反映，是人类感知世界的视觉基础，也是人类获取信息、表达信息和传递信息的重要手段。 课题介绍 在图像的生成、传输、或变换的过程中，由于多种因素的影响，会导致图像质量的下降。 对图像进行处理----图像增强 图像增强达到以下两个目的： 一是改善图像的视觉效果，提高图像的清晰度； 二是将图像转换成一种更适合于人或机器分析处理的形式。 设计目标： 选择灰度图像，人为进行降质处理，并做傅里叶变换，然后选择合适的频域增强方法，设计频域滤波器，实现对图像的增强处理。 设计内容： 分析讨论图像增强的频域实现方法和原理，选择灰度图像，人为进行降质处理，根据降质的原因，选择不同的频域增强方法进行处理，对比不同方法的实现效果，并对实验结果进行分析。 设计原理 模拟图像要经过数字化才能变成数字图像。图像的数字化包括采样和量化两个过程 图像的采样 图像在位置上的离散化称为采样。其方法是对原图像按照正方形或正六边形网络点阵进行均匀采样。 图像的量化 采样后获得的采样图像，虽然在空间分布上是离散的，但是各像素点的取值还是连续变化的，还需要将这些连续变化的量转化成有限个离散值，并给各值赋予不同的码字，从而使样本像素的取值也呈离散化分布，这个过程就称为量化。 数字图像的表示形式 一幅个像素的数字图像，其像素灰度值的排列实际形成了一个行列的矩阵，数字图像中的像素与矩阵元素是一一对应的 一个像素的矩阵，在算法语言中，可以用一个的二维数组来表示 数字图像的傅里叶变换 将数字图像经过傅里叶变换，再通过傅里叶变换性质（移位特性和频谱中心化）进行变换 频域低通滤波法 设F(u,v)和G(u,v)分别代表含噪图像f(m,n)和滤波结果图像g(m,n)的频域表示，H(u,v)为低通滤波器。采用离散傅里叶变换的低通滤波器的处理过程如图所示 频域低通滤波器 的设计方法 不同截止频率的三种低通滤波结果比较 三种低通滤波器比较结果 1. 巴特沃斯低通滤波器比理想低通滤波器振铃效应不明显 2.高斯低通滤波器不能达到有相同截止频率的二阶巴特沃斯低通滤波器的平滑效果 3.高斯滤波器可以从根本上消除振铃效应,但巴特沃斯不能彻底消除振铃效应.高斯函数在截止频率处的变化不如巴特沃斯函数的变化快。 频域低通滤波法 设F(u,v)和ΔF(u,v)分别代表原图像f(m,n)和高通滤波结果Δf(m,n)的频域表示，H(u,v)为高通滤波器，g(m,n)为锐化结果。图 给出了采用离散傅里叶变换和高通滤波器的图像的频域锐化处理过程。 频域高通滤波器 的设计方法 不同截止频率的三种高通滤波结果比较 三种高通滤波器比较结果 1.理想高通滤波出现明显振铃效应 2.巴特沃斯高通滤波结果比理想高通滤波结果平滑得多 3.高斯高通滤波结果比巴特沃斯高通滤波和理想高通滤波结果更平滑，且没有振铃效应 * * 椒盐噪声 高斯噪声 物理图像的数字化 图像的量化过程 a 图像表示坐标系 b经过傅里叶变换后的图像表示坐标系 c 经过傅里叶频谱中心化的图像表示坐标系 理想低通滤波器 (Idea) 巴特沃斯低通滤波器 (Butterworth) 高斯低通滤波器 (Gaussian) 低通滤波器 理想低通滤波结果 巴特沃斯低通滤波结果 高斯低通滤波结果 理想高通滤波器 (Idea) 巴特沃斯高通滤波器 (Butterworth) 高斯高通滤波器 (Gaussian) 高通滤波器 理想高通滤波结果 巴特沃斯高通滤波结果 高斯高通滤波结果