数字图像处理实验四

最新推荐文章于 2023-12-21 23:56:15 发布
最新推荐文章于 2023-12-21 23:56:15 发布
阅读量2.1k 收藏 23
点赞数 4
分类专栏： 数字图像处理实验 文章标签： matlab 图像处理 算法
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/qq_50848391/article/details/128320689
版权

5.4 实验四 图像的频率域滤波（综合性）

一、实验目的

1.掌握数字图像傅里叶变换；
2.掌握基于频率域的图像滤波算法；
3.能够基于MATLAB实现基于频率域的图像滤波；
4.能够根据实验结果分析各种算法的特点以及应用场合，培养处理实际图像的能力。

二、实验要求

1.实验课前需要写预习实验报告，内容为本次实验要求中的所有程序清单。
2.实验课对预习报告中的编程代码进行上机调试，完成实验指导书中全部实验要求内容。
3.实验课后写出实验报告。报告要求有实验目的，实验内容与步骤，调试完成的准确编程代码，实验小结，回答问题。

三、实验内容（每一个内容编写一个*.m文件）

1.用MATLAB函数对图像(house.tif)完成傅立叶变换；
（1）读入，在图形窗口显示输入图像；
代码：

clc;
clf;
I = imread("C:\Users\25023\Desktop\图像识别文件\实验四用到的图像\house.tif");
figure(1);
subplot(1,1,1)
imshow(I);
title("原图")

结果：
在这里插入图片描述

（2）完成傅立叶变换，显示变换后的频谱图；
代码：

clc;
clf;
I = imread("C:\Users\25023\Desktop\图像识别文件\实验四用到的图像\house.tif");
figure(1);
 
subplot(1,2,1)
imshow(I);
I = im2double(I);
title("原图")
%f=rgb2gray(img);    %对于RGB图像必须做的一步，也可以用im2double函数
 
 
subplot(1,2,2);
F=fft2(I);          %傅里叶变换
imshow(uint8(abs(F)));   %用abs取复数矩阵的模
title('傅里叶变换后的频谱图');

结果：
在这里插入图片描述

（3）对频谱图采用对数变换，将变换后的图像在图形窗口显示；
代码：

clc;
clf;
I = imread("C:\Users\25023\Desktop\图像识别文件\实验四用到的图像\house.tif");
figure(1);
 
subplot(2,2,1)
imshow(I);
I = im2double(I);
title("原图")
%f=rgb2gray(img);    %对于RGB图像必须做的一步，也可以用im2double函数
 
 
subplot(2,2,2);
F=fft2(I);          %傅里叶变换
imshow(uint8(abs(F)));   %用abs取复数矩阵的模
title('傅里叶变换后的频谱图');
 
subplot(2,2,3);
F1=log(abs(F)+1);   %取模并进行缩放
imshow(F1,[]);
title('傅里叶对数变换频谱图');

结果：
在这里插入图片描述

（4）对变换后的频谱进行频移，将零频率部分移到图形的中心位置，并在图形窗口显示；
代码：

clc;
clf;
I = imread("C:\Users\25023\Desktop\图像识别文件\实验四用到的图像\house.tif");
figure(1);
 
subplot(2,3,1)
imshow(I);
I = im2double(I);
title("原图")
%f=rgb2gray(img);    %对于RGB图像必须做的一步，也可以用im2double函数
 
 
subplot(2,3,2);
F=fft2(I);          %傅里叶变换
imshow(abs(F));   %用abs取复数矩阵的模
title('傅里叶变换后的频谱图');
 
subplot(2,3,3);
F1=log(abs(F)+1);   %取模并进行缩放
imshow(F1,[]);
title('傅里叶对数变换频谱图');  
 
 
subplot(2,3,4);
Fs=fftshift(F1);      %将频谱图中零频率成分移动至频谱图中心
imshow(abs(Fs),[]);
title('频移后的频谱图');

结果：
在这里插入图片描述

（5）对频谱图采用对数变换，将变换后的图像在图形窗口显示；
代码：

clc;
clf;
I = imread("C:\Users\25023\Desktop\图像识别文件\实验四用到的图像\house.tif");
figure(1);
 
subplot(2,3,1)
imshow(I);
I = im2double(I);
title("原图")
%f=rgb2gray(img);    %对于RGB图像必须做的一步，也可以用im2double函数
 
 
subplot(2,3,2);
F=fft2(I);          %傅里叶变换
imshow(abs(F));   %用abs取复数矩阵的模
title('傅里叶变换后的频谱图');
 
subplot(2,3,3);
F1=log(abs(F)+1);   %取模并进行缩放
imshow(F1,[]);
title('傅里叶对数变换频谱图');  
 
 
subplot(2,3,4);
Fs=fftshift(F1);      %将频谱图中零频率成分移动至频谱图中心
imshow(abs(Fs),[]);
title('频移后的频谱图');
 
subplot(2,3,5);
Fs=fftshift(F);      %将频谱图中零频率成分移动至频谱图中心
S=log(abs(Fs)+1);    %取模并进行缩放
imshow(S,[]);
title('频移后的对数变换频谱图');

结果：
在这里插入图片描述

（6）获取傅里叶变换后的相位谱图，并在图形窗口显示；
代码：

clc;
clf;
I = imread("C:\Users\25023\Desktop\图像识别文件\实验四用到的图像\house.tif");
figure(1);
 
subplot(2,3,1)
imshow(I);
I = im2double(I);
title("原图")
%f=rgb2gray(img);    %对于RGB图像必须做的一步，也可以用im2double函数
 
 
subplot(2,3,2);
F=fft2(I);          %傅里叶变换
phase=angle(F)*180/pi;     %图像相位谱
imshow(phase,[]);
title('傅里叶变换后的相位图');

结果：
在这里插入图片描述

（7）对相位谱图采用对数变换，将变换后的图像在图形窗口显示；
代码：

clc;
clf;
I = imread("C:\Users\25023\Desktop\图像识别文件\实验四用到的图像\house.tif");
figure(1);
 
subplot(1,3,1)
imshow(I);
I = im2double(I);
title("原图")
%f=rgb2gray(img);    %对于RGB图像必须做的一步，也可以用im2double函数
 
 
subplot(1,3,2);
F=fft2(I);          %傅里叶变换
phase=angle(F)*180/pi;     %图像相位谱
imshow(phase,[]);
title('傅里叶变换后的相位图');
 
subplot(1,3,3);
phase_2=log(angle(F)*180/pi);     %图像相位谱
imshow(phase_2,[]);
title('傅里叶变换后的相位图的对数相位图');

结果：
在这里插入图片描述
（8）通过傅里叶反变换得到输入的图像，显示反变换得到的图像。
代码：

clc;
clf;
I = imread("C:\Users\25023\Desktop\图像识别文件\实验四用到的图像\house.tif");
figure(1);
 
subplot(2,3,1)
imshow(I);
I = im2double(I);
title("原图")
%f=rgb2gray(img);    %对于RGB图像必须做的一步，也可以用im2double函数
 
 
subplot(2,3,2);
F=fft2(I);          %傅里叶变换
imshow(abs(F));   %用abs取复数矩阵的模
title('傅里叶变换后的频谱图');
 
subplot(2,3,3);
F1=log(abs(F)+1);   %取模并进行缩放
imshow(F1,[]);
title('傅里叶对数变换频谱图');  
 
 
subplot(2,3,4);
Fs=fftshift(F);      %将频谱图中零频率成分移动至频谱图中心
imshow(abs(Fs),[]);
title('频移后的频谱图');
 
 
subplot(2,3,5);
fr=real(ifft2(ifftshift(Fs)));  %频率域反变换到空间域，并取实部
ret=im2uint8(mat2gray(fr));    %更改图像类型
imshow(ret);
title('逆傅里叶变换');

结果：
在这里插入图片描述

2.用MATLAB生成如下的两幅图像（图a：黑白线竖线8条，图b: 黑白线横线32条），图像的大小为，对这两幅图像进行傅里叶变换，并分别进行频移和对数变换，在一个图形窗口显示：原图像、傅里叶变换后的频谱图和相位图、频移后的频谱图及相位图。
在这里插入图片描述

图a：黑白线竖线8条 图b: 黑白线横线32条
代码：

clc,
clear
lines = 8; %黑白线对数
m = 16;       %黑或白线宽度(像素),黑白宽度一致
n = 256;     %图像高度
S = zeros(1,2*m);
S(1,1:m) = ones(1,m);
A = repmat(S,n,lines);
subplot(3,4,1),imshow(A),title('图一');
 
 
figure(1)
F=fft2(A);
subplot(2,4,2),imshow(abs(F)),title('傅里叶变换后的频谱');
T=log(F+1);
subplot(2,4,3),imshow(abs(T)),title('对数变换后');
S = fftshift(F);
subplot(2,4,4),imshow(abs(S)),title('频谱中心');
subplot(2,4,5),imshow(abs(log(S+1))),title('对数变换频谱中心');
subplot(2,4,6),imshow((angle(F)*180/pi),[]),title('相位谱图1');
subplot(2,4,7),imshow((log(angle(F)*180/pi)+1),[]),title('相位谱图2');
 
figure(2)
lines = 32; %黑白线对数
m = 4;       %黑或白线宽度(像素),黑白宽度一致
n = 256;     %图像高度
S = zeros(2*m,1);
S(1:m,1) = ones(1,m);
B = repmat(S,lines,n);
subplot(2,4,1),imshow(B),title('图二');
 
F=fft2(B);
subplot(2,4,2),imshow(abs(F)),title('傅里叶变换后的频谱');
T=log(F+1);
subplot(2,4,3),imshow(abs(T)),title('对数变换后');
S = fftshift(F);
subplot(2,4,4),imshow(abs(S)),title('频谱中心');
subplot(2,4,5),imshow(abs(log(S+1))),title('对数变换频谱中心');
subplot(2,4,6),imshow((angle(F)*180/pi),[]),title('相位谱图1');
subplot(2,4,7),imshow((log(angle(F)*180/pi)+1),[]),title('相位谱图2');

结果：
在这里插入图片描述

3.比较傅里叶变换后图像的频谱图和相位图所起的作用。
（1）读入并显示两幅不同的彩色人体图像（man.png和woman.png），大小相同；

（2）分别对上述两幅图像进行傅里叶变换并频移，得到他们的频谱图和相位图；

（3）根据第一个人员图像的频谱图和第二个人员图像的相位图恢复图像；

（4）根据第一个人员图像的相位图和第二个人员图像的频谱图恢复图像；

（5）比较分析图像与原图的差别。

clc;
clf;
I=imread('C:\Users\25023\Desktop\图像识别文件\实验四用到的图像\man.png');
J=imread('C:\Users\25023\Desktop\图像识别文件\实验四用到的图像\woman.png');
I = rgb2gray(I);
J = rgb2gray(J);%转灰度图像
[M,N]=size(I);
J=imresize(J,[M,N]);%限制图像大小，相位交换需要两个图像大小一致
 
IF1 = fft2(I);%图像进行傅里叶变换
JF1 = fft2(J);%图像进行傅里叶变换
 
IF2 = fftshift(abs(IF1));%图像频谱中心化
JF2 = fftshift(abs(JF1));%图像频谱中心化
 
IABS = abs(IF1);
IAG = angle(IF1);%幅度谱，相位谱
JABS = abs(JF1);
JAG = angle(JF1);
 
I2=fftshift(abs(IABS)); %log(abs(I2)+1)等于log(abs(IF2)+1)
J2=fftshift(abs(JABS));
figure(1)
 
subplot(2,4,1);
imshow(I);
title('原始图像1');
 
subplot(2,4,2);
imshow(log(IABS+1),[]);
title('图像1的幅度谱');
 
subplot(2,4,3);
imshow(IAG,[]);
title('图像1的相位谱');
 
subplot(2,4,5);
imshow(J);title('原始图像2');
 
subplot(2,4,6);
imshow(log(JABS),[]);
title('图像2的幅度谱');
 
subplot(2,4,7);
imshow(JAG,[]);
title('图像2的相位谱');
 
subplot(2,4,4);
imshow(log(abs(I2)+1),[]);
title('图像1的频谱中心化');
 
subplot(2,4,8);
imshow(log(abs(J2)+1),[]);
title('图像2的频谱中心化');
 
II=ifft2(IF1);
JJ=ifft2(JF1);
figure(2)
 
subplot(1,2,1);
imshow(abs(II),[]);
title('图像1逆变换');
 
subplot(1,2,2);
imshow(abs(JJ),[]);
title('图像2逆变换');
 
%相位交换，注意i，两图像一定要大小一样
ii=IABS.*cos(JAG)+IABS.*sin(JAG).*1i;
jj=JABS.*cos(IAG)+JABS.*sin(IAG).*1i;
iI=abs(ifft2(ii));
jJ=abs(ifft2(jj));
figure(3)
 
subplot(1,2,1);
imshow(iI,[]);
title('图像1 幅度谱 与 图像2相位谱');
 
subplot(1,2,2);
imshow(jJ,[]);
title('图像2 幅度谱 与 图像1相位谱')

结果：
在这里插入图片描述

4.低通滤波和高通滤波的效果比较
（1）读入并显示图像Fig0313(a).tif；
（2）分别对图像进行理想低通滤波和高斯低通滤波，D0=20，60，将以上结果在一个图形窗口显示；
（3）分别对图像进行理想高通滤波和高斯高通滤波，D0=20，60，将以上结果在一个图形窗口显示；
（4）比较分析滤波结果的区别。
代码：

clc;
clf;
I  = imread("C:\Users\25023\Desktop\图像识别文件\实验四用到的图像\Fig0313(a).tif");
figure(1);
subplot(1,5,1),imshow(I);
title('原图像');
s = lixiang_low(I);
subplot(1,5,2),imshow(s);
title('理想低通滤波所得图像 D0=20'); 
 
d = lixiang_high(I);
subplot(1,5,3),imshow(d);
title('理想高通滤波所得图像 D0=20'); 
 
Ia = gaosi_low(I);
subplot(1,5,4),imshow(uint8(Ia));
title('高斯低通滤波处理 D0=60');
 
img_lpf = gaosi_high(I);
subplot(1,5,5);
imshow(img_lpf);title('高斯高通滤波D0=60');
 
function result = lixiang_low(I)
s=fftshift(fft2(I));
[a,b]=size(s);
a0=round(a/2);
b0=round(b/2);
d=20;
for i=1:a 
    for j=1:b 
        distance=sqrt((i-a0)^2+(j-b0)^2);
        if distance<=d
            h=1;
        else
            h=0;
        end
        s(i,j)=h*s(i,j);
    end
end
s=uint8(real(ifft2(ifftshift(s))));
result = s;
end
 
function result = lixiang_high(I)
s=fftshift(fft2(I));
[a,b]=size(s);
a0=round(a/2);
b0=round(b/2);
d=20;
for i=1:a 
    for j=1:b 
        distance=sqrt((i-a0)^2+(j-b0)^2);
        if distance>=d
            h=1;
        else
            h=0;
        end
        s(i,j)=h*s(i,j);
    end
end
s=uint8(real(ifft2(ifftshift(s))));
result = s;
end
 
function result = gaosi_low(IA)
[f1,f2]=freqspace(size(IA),'meshgrid');
D=60/size(IA,1);
r=f1.^2+f2.^2;
Hd=ones(size(IA));
for i=1:size(IA,1)
    for j=1:size(IA,2)
        t=r(i,j)/(D*D);
        Hd(i,j)=exp(-t);
    end
end
Y=fft2(double(IA));
Y=fftshift(Y);
Ya=Y.*Hd;
Ya=ifftshift(Ya);
Ia=real(ifft2(Ya));
result = Ia;
end
 
 
function result = gaosi_high(image)
d0=60;  %阈值
[M ,N]=size(image);
 
img_f = fft2(double(image));%傅里叶变换得到频谱
img_f=fftshift(img_f);  %移到中间
 
m_mid=floor(M/2);%中心点坐标
n_mid=floor(N/2);  
 
h = zeros(M,N);%高斯低通滤波器构造
for i = 1:M
    for j = 1:N
        d = ((i-m_mid)^2+(j-n_mid)^2);
        h(i,j) = 1-exp(-(d)/(2*(d0^2)));      
    end
end
img_lpf = h.*img_f;
img_lpf=ifftshift(img_lpf);    %中心平移回原来状态
img_lpf=uint8(real(ifft2(img_lpf)));  %反傅里叶变换,取实数部分
result = img_lpf;
end

结果：

在这里插入图片描述

5.（选做）空间域滤波和频率域滤波的比较
（1）读入图像house.tif，对其进行傅里叶变换，显示原图像和傅里叶变换后的频谱图像；
（2）用MATLAB函数fspecial()生成空间滤波器（sobel，laplacian），对图像进行滤波，显示滤波后的图像；
（3）用MATLAB函数将空间滤波器转化为频率域滤波器，对图像进行频率域的滤波；
（4）比较空间滤波和频率域滤波速度和滤波后图像的区别。

别动我de二哈
关注
  • 4
    点赞
  • 踩
  • 23
    收藏
    觉得还不错? 一键收藏
  • 1
    评论
专栏目录
本科课程【数字图像处理】实验4 - 图像的蒙纱效果
1+1=王的博客
05-21 3376
大家好，我是【1+1=王】， 热爱java的计算机（人工智能）渣硕研究生在读。 如果你也对java、人工智能等技术感兴趣，欢迎关注，抱团交流进大厂！！！ Good better best, never let it rest, until good is better, and better best. 近期会把自己本科阶段的一些课程设计、实验报告等分享出来，供大家参考，希望对大家有帮助。 博客更新至专栏【课程设计实验报告】：https://blog.csdn.net/weixin_43598687/ca.
数字图像处理标准测试图片（335张）
03-23
基本包括了所有出现于各种数字图像处理教材、论文的标准测试图片，共335张，classic，oldclassic，aerials，misc，sequences，textures，Kodak，special，additional，Public-Domain Test Images for Homeworks and Projects，Photos with lines & edges，Bright colours photos……
图像处理1--傅里叶变换（Fourier Transform ）
weixin_30568715的博客
01-15 1071
楼下一个男人病得要死，那间壁的一家唱着留声机；对面是弄孩子。楼上有两人狂笑；还有打牌声。河中的船上有女人哭着她死去的母亲。人类的悲欢并不相通，我只觉得他们吵闹。 OpenCV是一个基于BSD许可（开源）发行的跨平台计算机视觉库，可以运行在Linux、Windows、Android和Mac OS操作系统上。它轻量级而且高效——由一系列 C 函数和少量 C++ 类构成，同时提供了Python、...
图像处理之图像傅里叶变换
qq_44111805的博客
08-21 3万+
傅里叶变换是在以时间为自变量的“信号”与频率为自变量的“频谱”函数之间的某域研究中较复杂的问题在频域中变得简单起来，从而简化其分析过程；当自变量“时间”或“频率”为连续形式和离散形式的不同组合时，就可以形成各种不同的傅里叶变换对，即“信号”与“频谱”的对应关系。即傅里叶变换的物理意义是将图像的灰度分布函数变换为图像的频率分布函数，傅里叶逆变换是将图像的频率分布函数变换为灰度分布函数。函数fft()和fft2()的关系为fft2(X)=fft(fft(X).‘).’。，坐标原点是低频，向外是高频。
用MATLAB的函数fft2()作二维傅里叶变换所需要注意的地方(二维傅里叶变换的物理意义、im2double、fftshift、abs、imshow)
热门推荐
昊虹AI笔记
04-01 4万+
用MATLAB的函数fft2()作二维傅里叶变换所需要注意的地方(二维傅里叶变换的物理意义、im2double、fftshift、abs、imshow)
医学图像处理（傅里叶变换，频谱图，相位谱图）
cool__girls的博客
05-04 1万+
打开任意图像，进行傅里叶变换，画出频谱图、相位谱图以及实现位移后的频谱图和相位谱图。 I=imread(‘D:\picture.jpg’); I=rgb2gray(I); subplot(3,2,1); imshow(I); title(‘原始图像’); F=fft2(I); S=abs(F); subplot(3,2,2); imshow(S,[]); title(‘频谱图’); Fc=ffts...
【数字图像处理】实验四 图像分割
最新发布
记录我的学习历程
12-21 669
1． 熟悉和掌握利用Matlab工具进行数字图像的读、写、显示等数字图像处理基本步骤。 2． 熟练掌握各种图像分割的基本原理及方法。 3． 能够从深刻理解图像分割，并能够思考拓展到一定的应用领域。
数字图像的傅里叶变换(Fourier Transform)及其展示: 频率中心化
forfuture3513的博客
03-18 2237
数字图像傅里叶变换结果理解
数字图像处理——图像变换（二维离散傅里叶正逆变换fft2/fft2、离散余弦正逆变换dct2/idct2、频谱正逆平移fftshift/ifftshift、幅度谱与相位谱）| 例题与分析
一个电子信息嵌入式的学习笔记
10-06 3396
数字图像处理——图像变换（二维离散傅里叶正逆变换fft2/fft2、离散余弦正逆变换dct2/idct2、频谱正逆平移fftshift/ifftshift、幅度谱与相位谱）| 例题与分析
数字图像处理：实验四
TianHW103的博客
11-20 1308
邻域平均法对椒盐噪声和高斯噪声图像降噪
数字图像处理实验4代码
01-26
掌握在计算机上进行进行图象平滑、图象锐化的方法 1) 对指定图象A2或B2采用3×3如下四个模板分别进行四点平滑、八点平滑、五点平滑、九点平滑，将原始图象及增强后的图象都显示于屏幕上，比较增强的效果。 2) 对指定图象A2或B2用下面两个3×3加权模板进行平滑，将原始图象及增强后的图象都显示于屏幕上，比较增强的效果。 3) 对指定图象A2或B2用5×5模板进行平滑，将原始图象及增强后的图象都显示于屏幕上，比较增强的效果。 4) 对指定图象A2或B2用3×3模板进行中值滤波增强，将原始图象及增强后的图象都显示于屏幕上，比较增强的效果。与采用均值滤波法的处理结果进行比较。 5) 对指定图象A2或B2进行简单锐化（简单梯度算法、ROBERT算子），将原始图象及增强后的图象都显示于屏幕上，比较增强的效果。 6) 对指定图象A2或B2分别使用如下算子进行拉普拉斯算子增强，将原始图象及增强后的图象都显示于屏幕上，比较增强的效果。与简单锐化的处理结果进行比较。
matlab数字图像处理实验报告.doc
06-25
matlab数字图像处理实验报告
数字图像处理实验四1
08-04
1. 掌握图像滤波的基本定义及目的 2. 理解频域滤波的基本原理及方法 3. 掌握进行图像的高通滤波的方法
西北工业大学_数字图像处理实验.zip
06-22
西工大数字图像处理实验，内含五个实验报告，报告内容为实验名称、内容、原理、算法及代码设计、实验结果及分析等内容，上传仅供有需要的同学学习参考使用，切勿抄袭照搬。由NWPU_Happy_Coder于2020/6/22上传。
西北工业大学西工大数字图像处理实验报告.docx
07-21
数字图像处理实验 实验报告要求： 实验报告应包含实验名称、实验内容、思想及原理、算法设计、代码设计及实现、实验结果及分析、结论等内容。实验结果必须包括原图像、结果图像和必要的数据图像。 实验1 直方图...
山东大学数字图像处理实验四：图像滤波
01-17
包含两个小实验：高斯滤波、快速均值滤波，用c++、opencv写的。运行时注意图像的格式和大小
数字图像处理
weixin_46048519的博客
01-04 1708
Lecture 2 1、定义文件路径 #在当前文件夹进行设置； 2、图像读取与输出 （1）imread函数 功能：实现多种类型图像文件的读取，如：BMP、GIF、JPEG、PNG、RAS等。 调用格式：A = imread(filename, fmt)。filename为图像文件名，可以是灰度图像，也可以是彩色图像，如果文件不在当前目录或不在Matlab目录下，则需要列全文件路径。fmt为文件的扩展名，指定文件类型。A为图像数据矩阵。 （2）imshow函数 功能：显示图像。 调用格式： imshow(I,
最详细的图像傅里叶变换
牵LV小猪精的博客
05-04 4万+
图像傅里叶变换的理解1. 傅里叶变换理论层面理解2. 常见频谱图3. 傅里叶变换在图像中的应用 1. 傅里叶变换理论层面理解 数学意义:傅里叶变换将一个任意的周期函数分解成为无穷个正弦函数的和的形式 物理效果:傅里叶变换实现了将信号从空间域到频率域的转换 信号分析: 一维傅里叶变换（将杂乱的信号由时域转化到频域中）一维傅里叶变化是将信号分解为正弦波的和的形式 时域 横轴是时间,纵轴是振幅 频域 横轴是频率,纵轴是振幅 对一个信号做时域到频域的变换，能够清除看到该信号主要由两个正弦波以及一些噪声混合，如下
数字图像处理报告：实验4 图像复原
追星，但也不要忘了土地
05-29 6337
数字图像报告：实验4 图像复原
中南大学数字图像处理实验 csdn
12-01
中南大学数字图像处理实验 csdn 是由中南大学计算机学院开设的实验课程。在这门课程中，学生将学习数字图像处理的基本理论知识，掌握常见的图像处理方法和技术，了解数字图像处理在实际应用中的重要性和作用。 在...

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 1
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值