qq_44627776的博客

直接看代码%% 导入原图像，并添加高斯噪声image=imread('aft.jpg');imagen=rgb2gray(image);[width,height]=size(imagen);r1=rand(width,height);%用于产生高斯噪声r2=rand(width,height);x=0.1*sqrt(-2*log(r1)).*cos(2*pi*r2); %产生了噪声imagen=x+double(imagen)/255;%为了加上高斯噪声，需要将图像变为double型im

题目：用式子H（u,v）=e−k∗(u2+v2)5/6 H（u,v）= e^{-k*(u^2+v^2)^ {5/6}} H（u,v）=e−k∗(u2+v2)5/6对图像进行模糊处理，然后加白高斯噪声，得到降质图像。用逆滤波和维纳滤波恢复图像，对结果进行分析。逆滤波的原理非常之简单，只需要在频域除去滤波器即可，就不用管噪声了。首先套它猴子的，matlab太搞人心态了。因为matlab中数值是有上限和下限的，经过本人的探测，上限大概在e308 下限大概在e-324…每次实验用的小女孩的大小

文章目录理想低通滤波理想高通滤波总结：在matlab中，处理频域图像的过程大概为：1.对图像进行傅里叶变换。2.为了方便构建滤波器，将频域图像中心化（即将0频显示在图像中心）3.设计所需要的频域滤波器4.在频域图像和滤波器进行乘法运算5.去中心化6.转回到空间域理想低通滤波空间域的低通滤波，可以通过构造n*n的低通滤波器，然后调用imfilter函数实现。学过《信号与系统》或者《数字信号处理》的同学都知道，时域卷积等效于频域相乘。所以在本文中，我们通过在频域内的操作，实现理想低通滤波。

实现图像的傅里叶变换，显示其幅度谱的图像（要求其 0 频在显示图像的中间位置）众所周知，二维图像的傅里叶变换公式为：当原图像f(x,y)乘以（-1）^(x+y)之后，其傅氏变换将会将频谱中的直流成分移至中心。因为：在matlab中，可以直接调用函数fft2实现傅氏变化，然后求其幅度值进行显示。代码如下：a=imread('aft.jpg');a=rgb2gray(a);subplot(1,3,1)imshow(a)title('原图');b=fft2(double(a));c=log

1、实现多幅图像平均去高斯白噪声由于并没有带噪声的图片，所以在该实验环节，我们先给完好的图片加上高斯白噪声，在进行平均去噪的处理。多幅图像平均去噪的原理如下：由于噪声为高斯白噪声，所以噪声的均值为0；分布服从正态分布。首先我们构建掩膜mask。对于获取的多张有高斯噪声的图像，对每个位置的对应像素求平均值，然后用原图的像素值减去平均像素值，即可得到模板。表达式如下：f0(x,y)=(f1(x,y)+...+fn(x,y))/nf0(x,y)=(f1(x,y)+...+fn(x,y))/nf0(x,y

这里写目录标题1.用程序实现同时对比度实验2.用程序实验空间分辨率变化效果。3.用程序实验幅度分辨率变化效果总结由于小编是第一次作博主，经验较少，所以可能二话不说直接上代码，还请大家见谅。~~~~1.用程序实现同时对比度实验同时对比度指的是在一张图像中，不同的像素值的对比情况。所以我们只是改变其中的一些像素点的值来观察变换前后的不同。代码如下：a=ones(128,128)*100;figure;imshow(uint8(a))a(32:96,32:96)=200;%类似于圈定ROI，改变其中