数字图像处理实验二报告(图像滤波器)

实 验 报 告

课程名称 数字图像处理 实验名称 图像滤波器

姓 名 学 号 20120712 专业班级 数媒1202 实验日期 2014 年 10 月 16日 成 绩 指导教师

一、实验目的

1.继续熟悉仿真工具MATLAB 2.巩固图像读取与显示的方法 3.掌握给图像添加噪声的方法 4.掌握图像空间域的滤波方法 5.掌握图像频率域的滤波方法

二、实验原理

图像的平滑有模糊图像和消除噪声的功能。图像锐化则是使模糊的图像变清晰，增强图像的边缘细节。对图的处理像既可以在频率域内进行，又可在空间域进行（一般为模版卷积方式）。从信号频谱角度来讲，信号缓慢变化的部分（大面积背景区和灰度变化缓慢的区域）在频域表现为低频，迅速变化的部分（图像边缘、跳跃以及噪声等灰度变化剧烈的区域）则表现为高频。因此，通过低通滤波来实现图像的平滑，而高通滤波可以实现图像的锐化。

三、实验环境

Windows XP/ Windows 7

Matlab 7.0.1/ Matlab R2008

四、实验内容与步骤

1.空间平滑域操作

读取并显示一幅灰度图像，对原图像分别添加高斯噪声和椒盐噪声，并显示添加噪声之后的图像:调整高斯噪声和椒盐噪声的参数，比较不同参数之间噪声的区别；

针对两幅含有噪声的图像，分别采用3*3、5*5、7*7平均模版和高斯模版进行平滑操作，观察、记录并比较实验结果；

针对两幅含有噪声的图像，采用中值滤波方法进行平滑处理，观察并记录

实验结果，并将之与上一步实验结果相比较，得出结论。

2.空间锐化操作

读取并显示一幅灰度图像，分别采用Prewitt水平/垂直边缘检测算子，Sobel水平/垂直边缘检测算子对原图像进行锐化操作，比较实验结果； 采用拉普拉斯模板进行锐化处理，与上一步骤实验结果相比较。

3.图形的频域处理

1）利用循环语句，自己构建理想低通滤波器；对一幅弧度图像进行傅里叶变换，显示其频谱图；对一幅灰度图像作频率域理想低通滤波，调整滤波器半径，观察并记录不同结果，分析原因；

2）利用循环语句，自己构建理想高通滤波器；对同一幅灰度图像作频率域理想高通滤波，调整滤波器半径，观察并记录不同结果，分析原因；

五、实验结果与分析(可提供屏幕抓图)

1.添加高斯噪声与椒盐噪声：

结论：高斯噪声的参数越大，图像变得越模糊，亮度也越亮。

结论：椒盐噪声的参数越大，图像的噪点越多，图像越模糊。

2.针对两幅含有噪声的图像，分别采用3*3、5*5、7*7平均模板和高斯模板进行平滑操作：

结论：对高斯噪声（0.01）和椒盐噪声（0.02）分别进行上述平滑操作，结果发现不论是哪种噪声，平均模版平滑的结果都比较模糊，高斯模版噪点虽多，但轮廓还是看见的，还有就是两种模版都是模版越小，效果越好。 3.针对两幅含有噪声的图像，采用中值滤波方法进行平滑处理

结论：高斯噪声参数越小，中值滤波处理的效果越好，中值滤波处理椒盐噪声的效果比处理高斯噪声的效果好。 2.空间域锐化操作

读取并显示一幅灰度图像，分别采用Prewitt水平/垂直边缘检测算子，Sobel水平/垂直边缘检测算子对原图像进行锐化操作：

结论：Sobel算子并没有将图像的主题与背景严格的区分出来，换言之sobel算子没有基于图像灰度进行处理，提取图像轮廓有时不能达到要求的效果，Prewitt算子对噪声有抑制作用，抑制噪声的原理是通过平均像素，所以Prewitt算子对图像的边缘定位不太理想。 采用拉普拉斯模板进行锐化处理：

结论：通过拉普拉斯拉斯变换后增强了图像中灰度突变处的对比度，使图像中小的细节部分得到增强并保留了图像的背景色调，使图像的细节比原始图像更加清晰。拉普拉斯算子获得的边界是比较细致的边界。 3.图像的频域处理

对一幅灰度图像进行傅里叶变换，显示其频谱图，调整滤波器的半径，观察实验结果：

结论：理想低通滤波器对于不同的滤波半径，滤波效果不同，滤波半径越小，图像越模糊；滤波半径较大时，滤波效果不是很好。理想高通滤波器，通过不同的滤波半径让高频分量通过，是图形边缘或线条的细节变得清晰，能实现图像的锐化。

六、实验心得与体会

在实验上的过程中，遇到很多麻烦，检查时怎么也看不出问题在哪，需要一遍遍的实验，慢慢摸索出一些原则性问题所在，提示自己不论做什么事，都应该先弄清楚原理和道理，只有弄明白了这些，作实验时候，才能得心应手，应对自如。