傅立叶变换在图像处理中的作用

Matlab是一种科学计算软件，专门以矩阵的形式处理数据。MATLAB 将高性能的数值计算和可视化集成在一起，构成了一个方便的、界面友好的用户环境，并提供了大量的内置函数。从而被广泛地应用于科学计算、控制系统、信息处理、神经网络、图像处理、小波分析等领域的分析、仿真和设计工作，而且利用 MATLAB 产品的开放式结构，可以非常容易地对 MATLAB 的功能进行扩充，从而在不断深化对问题认识的同时，不断完善 MATLAB 产品以提高产品自身的竞争能力。MATLAB中的数字图像是以矩阵形式表示的，这意味着MATLAB强大的矩阵运算能力用于图像处理非常有利，矩阵运算的语法对MATLAB中的数字图像同样适用。MATLAB图像处理工具箱支持四种图像类型，分别为真彩色图像、索引色图像、灰度图像、二值图像，由于有的函数对图像类型有限制，这四种类型可以用工具箱的类型转换函数相互转换。MATLAB可操作的图像文件包括BMP、HDF、JPEG、PCX、TIFF、XWD等格式。

3.4 基于Matlab的图像傅里叶变换实例分析

实例1：图像压缩

对一副灰度图像而言，先对行进行DCT变换，然后对列进行DCT变换，其变换结果的能量将主要集中在左上角的位置，即低频部分。

%DCT

%图像压缩

X=imread('rice.tif');%读取8bit的灰度图像

figure(1);

imshow(X);

%DCT变换

X2=imresize(X,0.0625);%缩小

Y=dct(X2);

%结果输出

figure(2);

mesh(Y);

colormap(jet);

colorbar;

如下图所示，图像的能量主要集中在（0，0）附近，随着频率增加，幅值的绝对值急剧减小。

 

 

实例2：图像去噪

%图像抑噪

X=imread('rice.tif');

[m,n]=size(X);%读取图像尺寸

Xnoised=imnoise(X,'speckle',0.01);

figure(1);%输出加噪图像

imshow(Xnoised);

Y=dct2(Xnoised);

I=zeros(m,n);

I(1:m/3,1:n/3)=1;%高频屏蔽

Ydct=Y.*I;

Y=uint8(idct2(Ydct));

figure(2);

imshow(Y);

 

 

 

 

 

四、总结