频率域滤波的matlab设计与实现课程设计

《频率域滤波的matlab设计与实现课程设计》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、综合课程设计设计题目频率域滤波的MATLAB设计与实现专业名称班级学号学生姓名指导教师设计时间目录摘要-3-1.数字图像处理-1-1.1发展概况：-1-1.2关键技术：-1-2．频率域滤波的产生背景及意义-3-2.1傅立叶级数和变换简史：-3-2.2频率域滤波的意义：-3-3.频率域滤波的常用方法-4-3.1低通滤波-4-3.1.1理想低通滤波器的截面图-5-3.2高通滤波-7-3.3带阻滤波-9-3.4带通滤波-10-4．原理及实现-10-4.1频率域增强基本理论-10-4.2傅立叶变换-11-4.3频率域理想低通（ILPF）滤波器-12-4.3.1理想低

2、通滤波器的截面图-12-4.3频率域巴特沃兹(Butterworth)低通滤波器-13-4.4频率域高斯(Gaussian)低通滤波器-14-5．程序设计-14-5.1算法设计(程序设计流程图)-14-5.2对灰度图像进行Fourier变换的程序-15-5.3频率域理想低通滤波器-15-5.4二阶巴特沃斯(Butterworth)低通滤波程序-16-5.5高斯(Gaussian)低通滤波程序-17-6．结果与分析-19-6.1对灰度图像进行Fourier变换后的频谱图-20-6.2二阶巴特沃斯（Butterworth）低通滤波结果与分析-20-6.4高斯(G

3、aussian)低通滤波结果与分析-23-6.5两种滤波器的滤波结果的比较-25-（1）巴特沃斯低通滤波器-25-7．心得体会-26-参考文献-27-摘要图像处理主要应用于对图像视觉效果的改善，如去噪处理、图像增强、几何校正等。而本次主要是进行频率域增强技术，它是增强技术的重要组成部分。本次设计重点用MATLAB对一幅图像作Fourier变换，然后对变换后得到的频谱图像进行分别进行理想低通滤波、二阶Butterworth低通滤波和高斯低通滤波，将原图和变换图放在一起进行比较，观察其图像，对其结果进行分关键词：Matlab，Fourier变换，Butterwo

4、rth，高斯(Gaussian)，低通滤波1.数字图像处理1.1发展概况：数字图像处理最早出现于20世纪50年代，当时的电子计算机已经发展到一定水平，人们开始利用计算机来处理图形和图像信息。数字图像处理作为一门学科大约形成于20世纪60年代初期。早期的图像处理的目的是改善图像的质量，它以人为对象，以改善人的视觉效果为目的。图像处理中，输入的是质量低的图像，输出的是改善质量后的图像，常用的图像处理方法有图像增强、复原、编码、压缩等。首次获得实际成功应用的是美国喷气推进实验室（JPL）。他们对航天探测器徘徊者7号在1964年发回的几千张月球照片使用了图像处理技术

5、，如几何校正、灰度变换、去除噪声等方法进行处理，并考虑了太阳位置和月球环境的影响，由计算机成功地绘制出月球表面地图，获得了巨大的成功。随后又对探测飞船发回的近十万张照片进行更为复杂的图像处理，以致获得了月球的地形图、彩色图及全景镶嵌图，获得了非凡的成果，为人类登月创举奠定了坚实的基础，也推动了数字图像处理这门学科的诞生。1.2关键技术：1）图像变换：由于图像阵列很大，直接在空间域中进行处理，涉及计算量很大。因此，往往采用各种图像变换的方法，如傅立叶变换、沃尔什变换、离散余弦变换等间接处理技术，将空间域的处理转换为变换域处理，不仅可减少计算量，而且可获得更有效

6、的处理（如傅立叶变换可在频域中进行数字滤波处理）。目前新兴研究的小波变换在时域和频域中都具有良好的局部化特性，它在图像处理中也有着广泛而有效的应用。2）图像编码压缩：图像编码压缩技术可减少描述图像的数据量（即比特数），以便节省图像传输、处理时间和减少所占用的存储器容量。压缩可以在不失真的前提下获得，也可以在允许的失真条件下进行。编码是压缩技术中最重要的方法，它在图像处理技术中是发展最早且比较成熟的技术。3）图像增强和复原：按照特定的需要突出一幅图像中的某些信息或强化某些感兴趣的特征，将原来不清晰的图片变得清晰，使之改善图像质量和丰富信息量，提高图像的视觉效果

7、和图像成分的清晰度，加强图像判读和识别效果的图像处理的方法。图像增强不考虑图像降质的原因，突出图像中所感兴趣的部分：如强化图像高频分量，可使图像中物体轮廓清晰，细节明显；如强化低频分量可减少图像中噪声影响[1]。4）图像分割：是将图像分为若干个特定的、具有独特性质的区域，其中每一个区域都是像素的一个连续集合。它是图像处理到图像分析的关键步骤。常用的分割方法主要分一下几类：基于阀值的分割方法、基于区域的分割方法、基于边缘的分割方法。虽然近年来提出了很多新的分割方法，但并没有一种适用于所有图像的分割方法。在实际应用中，通常将多种分割算法有效的结合在一起使用以获得

8、更好的图像分割效果[2]。5）图像描述：将图像分割为