第一部分 图像的傅立叶变换
一、 实验目的
1.了解图像变换的意义和手段；
2. 熟悉傅里叶变换的基本性质；
3. 熟练掌握FFT的方法及应用；
4. 通过实验了解二维频谱的分布特点；
5. 通过本实验掌握利用MATLAB编程实现数字图像的傅立叶变换。
二、 实验原理
1．应用傅立叶变换进行图像处理
傅里叶变换是线性系统分析的一个有力工具，它能够定量地分析诸如数字化系统、采样点、电子放大器、卷积滤波器、噪音和显示点等的作用。通过实验培养这项技能，将有助于解决大多数图像处理问题。对任何想在工作中有效应用数字图像处理技术的人来说，把时间用在学习和掌握博里叶变换上是很有必要的。
2．傅立叶（Fourier）变换的定义
对于二维信号，二维Fourier变换定义为：
二维离散傅立叶变换为：
三、 实验步骤
1.打开计算机，安装和启动MATLAB程序；程序组中“work”文件夹中应有待处理的图像文件；
2.利用MatLab工具箱中的函数编制FFT频谱显示的函数;
3. a)调入、显示三张不同的图像；
b)对这三幅图像做FFT并利用自编的函数显示其频谱;
c)讨论不同的图像内容与FFT频谱之间的对应关系。
4．记录和整理实验报告。
四、 实验仪器
1计算机， MATLAB软件；
3移动式存储器（软盘、U盘等）。
4记录用的笔、纸。
五、 实验结果及程序
1.程序
I1=imread('castle_color1.tif'); %读入原图像文件
I2=imread('castle_color2.tif'); %读入原图像文件
I3=imread('castle_color3.tif'); %读入原图像文件
subplot(3,2,1);imshow(I1); %显示原图像
I1 = rgb2gray(I1); %将图像的变为灰度图像
fftI1=fft2(I1); %二维离散傅立叶变换
sfftI1=fftshift(fftI1); %直流分量移到频谱中心
RR1=real(sfftI1); %取傅立叶变换的实部
II1=imag(sfftI1); %取傅立叶变换的虚部
A1=sqrt(RR1.^2+II1.^2); %计算频谱幅值
A1=(A1-min(min(A1)))/(max(max(A1))-min(min(A1)))*225;%归一化
% min(A2)选取128*128 A2矩阵每一列的最小值
% min(min(A2))选取所有值中的最小值
subplot(3,2,2);imshow(A1); %显示原图像的频谱
subplot(3,2,3);imshow(I2); %显示原图像
I2 = rgb2gray(I2);
fftI2=fft2(I2); %二维离散傅立叶变换
sfftI2=fftshift(fftI2); %直流分量移到频谱中心
RR2=real(sfftI2); %取傅立叶变换的实部
II2=imag(sfftI2); %取傅立叶变换的虚部
A2=sqrt(RR2.^2+II2.^2); %计算频谱幅值
A2=(A2-min(min(A2)))/(max(max(A2))-min(min(A2)))*225;%归一化
subplot(3,2,4);imshow(A2); %显示原图像的频谱
subplot(3,2,5);imshow(I3); %显示原图像
I3 = rgb2gray(I3);
fftI3=fft2(I3); %二维离散傅立叶变换
sfftI3=fftshift(fftI3); %直流分量移到频谱中心
RR3=real(sfftI3); %取傅立叶变换的实部
II3=imag(sfftI3); %取傅立叶变换的虚部
A3=sqrt(RR3.^2+II3.^2); %计算频谱幅值
A3=(A3-min(min(A3)))/(max(max(A3))-min(min(A3)))*225;%归一化
subplot(3,2,6);imshow(A3); %显示原图像的频谱
2.结果
六、 思考题
1．傅里叶变换有哪些重要的性质?
线性、时频对偶性、展缩性、时移性、时域和频域的微分性等。
第二部分 图像边缘提取
一． 实验目的：
掌握图像边缘提取的常用算子的特点和程序实现。
二．实验原理：
边缘就是图像中包含的对象的边界所对应的位置。物体的边缘以图像局部特性的不连续性的形式出现的，例如，灰度值的突变，颜色的突变，纹理结构的突变等。从本质上说，边缘就意味着一个区域的终结和另外一个区域的开始。图像边缘信息在图像分析和人的视觉中十分重要，是图像识别中提取图像特征的一个重要属性。
边缘检测（edge detection）在图像处理和对象识别领域中都是一个重要的基本问题。由于边缘的灰度不连续性，可以使用求导数的方法检测到。最早的边缘检测方法都是基于像素的数值导数的运算。现在使用的边缘检测算法大致可以归纳为两类：梯度（gradient）算子和拉普拉斯(Laplacian)算子。
三．实验内容：
编制一个通用的边缘提取函数。通过输入不同的参数，能够实现Sobel算子、Prewitt算子、Roberts算子、Laplace算子和Canny边缘检测,并比较不同算子处理后的边缘图像的特点。(实验图像任选)
MATLAB图像处理工具箱提供的edge函数可以实现检测边缘的功能,详细的使用语法可以在MATLAB命令窗口键入”help edge.m”获得帮助。该函数只能应用于灰度图像，其基本原理就是识别图像中灰度值变化较大的像素点。
四． 实验步骤：
a、 读入图像
b、对图像依次进行Sobel算子，Prewitt算子,Roberts算子，Laplace算子和Canny算子运算，比较处理结果。
五． 实验仪器
1计算机；
2 MATLAB软件；
3移动式存储器（软盘、U盘等）。
4记录用的笔、纸。
六、 实验结果及程序
1.程序
I=imread('cameraman.tif');
subplot(2,3,1);
imshow(I);title('（a）原始图像');
subplot(2,3,2);
I1=edge(I,'sobel'); %Sobel算子边缘检测
imshow(I1);title('（b）Sobel算子');
subplot(2,3,3);
I2=edge(I,'prewitt'); %Prewitt算子边缘检测
imshow(I2);title('（c）Prewitt算子');
subplot(2,3,4);
I3=edge(I,'robert'); %Robert算子边缘检测
imshow(I3);title('（d）Robert算子');
subplot(2,3,5);
I4=edge(I,'log'); %Laplace算子边缘检测
imshow(I4);title('（e）Laplace算子');
subplot(2,3,6);
I5=edge(I,'canny'); %Canny算子边缘检测
imshow(I5);title('（f）Canny算子');
2.实验结果
3.实验结果分析
由于Robert s 算子是利用图像的两个对角线的相邻像素之差进行梯度幅值的检测,所以求得的是在差分点处梯度幅值的近似值,并且检测水平和垂直方向边缘的性能好于斜线方向的边缘, 检测精度比较高, 但容易丢失一部分边缘, 同时由于没经过图像平滑计算,因此不能抑制噪声,该算子对具有陡峭的低噪声图像响应最好。
Prewit t 算子和Sobel 算子都是对图像进行差分和滤波运算,仅在平滑部分的权值选择上有些差异, 因此两者均对噪声具有一定的抑制能力, 但这种抗噪能力是通过像素平均来实现的, 所以图像产生了一定的模糊, 而且还会检测出一些伪边缘, 所以检测精度比较低, 该类算子比较适用于图像边缘灰度值比较尖锐,且图像噪声比较小的情况。
Laplace算子首先通过高斯函数对图像进行平滑处理, 因此对噪声的抑制作用比较明显, 但同时也可能将原有的边缘也平滑了, 造成某些边缘无法检测到,。此外高斯分布因子σ的选择对图像边缘检测效果有较大的影响。σ越大, 检测到的图像细节越丰富, 但抗噪能力下降, 从而出现伪边缘, 反之则抗噪能力提高, 但边缘检测精度下降, 易丢失许多真边缘, 因此, 对于不同图像应选择不同参数。
Canny 算子也采用高斯函数对图像进行平滑处理, 因此具有较强的去噪能力, 但同样存在容易平滑掉一些边缘信息, 其后所采用的一阶微分算子的方向性较Laplace算子要好,因此边缘定位精度较高。该算子与其它边缘检测算子的不同之处在于, 它使用2 种不同的阈值分别检测强边缘和弱边缘, 并且仅当弱边缘与强边缘相连时才将弱边缘包含在输出图像中, 因此这种方法较其它方法而言不容易被噪声“填充”,更容易检查出真正的弱边缘。通过实验结果可以看出,该算子在上述几种边缘检测算子当中效果最好。
（参考文档：基于MATLAB的遥感图像边缘检测算子的实验比较分析）
942
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
