实验四 图像频域增强和图像恢复（数字图像处理）

实验四 图像频域增强和图像恢复

一、实验意义及目的

（1）进一步掌握图像处理工具Matlab，熟悉基于Matlab的图像处理函数。

（2）掌握各种基于正交变换的图像频域增强方法。

（3）掌握图像恢复的基本方法。

二、实验内容

在前面的基础上如下功能：

       1.对一副噪声图像， 进行理想低通滤波、巴特沃斯低通滤波、理想高通滤波、巴特沃斯高通滤波、高通增强

实验对比：叠加不同的噪声（高斯、椒盐）、采用不同的截断频率， 对处理结果进行对比

–   2. 利用fspcial函数，对一副图像模拟不同的退化效果：运动模糊、高斯模糊、均值模糊

–   3. 对模糊图像进行维纳滤波复原

实验对比：对叠加噪声、不叠加噪声的模糊图像分别进行滤波结果对比；

三、算法原理

1. 图像滤波：对输入的图像进行处理，去除噪声、平滑细节等。其中理想低通滤波、巴特沃斯低通滤波、理想高通滤波、巴特沃斯高通滤波、高通增强是不同的滤波器类型。低通滤波器可以提取图像中的低频信息，例如图像的整体亮度变化；而高通滤波器则可以突出图像中的边缘和纹理等高频细节信息。
2. 图像模拟退化：用fspcial函数来模拟退化效果，其中运动模糊、高斯模糊、均值模糊是不同的模糊核类型。运动模糊是由于相机或者物体运动造成的图像模糊，常见于拍摄运动物体或手持拍摄时相机晃动；高斯模糊则是由于图像受到高斯噪声污染引起的模糊；均值模糊是一种简单的线性模糊方法，将每个像素的值替换为周围像素的平均值。
3. 维纳滤波复原：维纳滤波是一种基于最小均方误差(MSE)准则的复原方法，可以用来恢复受到退化和噪声干扰的图像。它通过在频域中对图像进行加权平均，降低噪声和退化引起的影响，同时保留图像中的细节信息。

四、程序流程

对一副噪声图像进行不同滤波器处理的程序流程：

1. 读入一副噪声图像。
2. 对图像进行理想低通滤波，巴特沃斯低通滤波，理想高通滤波，巴特沃斯高通滤波和高通增强，并记录每种方法处理后的图像。
3. 对每种处理后的图像，叠加高斯噪声和椒盐噪声，分别记录处理后的结果。
4. 改变截断频率，重新进行上述处理，记录每种方法不同截断频率下的结果。
5. 对比每种滤波器在不同参数下的处理效果。

利用fspcial函数模拟不同退化效果和维纳滤波复原的程序流程：

1. 读入一副图像并显示原始图像。
2. 利用fspcial函数，对图像进行运动模糊、高斯模糊、均值模糊处理，并记录每种方法处理后的图像。
3. 对每种处理后的图像，叠加高斯噪声和椒盐噪声，分别记录处理后的结果。
4. 对每种模糊处理方法对应的带噪声图像，采用维纳滤波复原方法进行处理，并记录处理后的结果。
5. 对比每种模糊方法和带噪声情况下的滤波复原效果。

五、算法各部分主要代码以及注释（运行结果）

1. 1

f=imread('rice.png');

f=double(f);

I1=imnoise(f,'gaussian',0.1,0.1); %对图像添加高斯噪声污染

I4=imnoise(f,'salt & pepper'); %对图像添加椒盐噪声污染

F=fftshift(fft2(f));%对图像进行傅立叶变换并将频域中心偏移到中点

d0=20; %截止频率

[m,n]=size(f); %理想低通滤波

h=0;

for u=1:m

    for v=1:n

        if sqrt((u-m/2)*(u-m/2)+(v-n/2)*(v-n/2))<=d0

            h=1;

        else