数字图像处理实验记录六(图像的傅里叶变换和频域处理)

前言:

一、基础知识

1,傅里叶变换是什么

傅里叶变换是一种线性积分变换,通俗来说,通过傅里叶变换就是把一段信号分解成若干个简谐波。
在这里插入图片描述
在这里插入图片描述

二、实验要求

在这里插入图片描述

1.产生一幅如图所示亮块图像f(x,y)(256×256 大小、暗处=0,亮处=255),对其进行FFT:
(1)同屏显示原图f 和FFT(f)的幅度谱图(提示:用二维傅里叶变换函数fft2,为避免傅里叶变换数据变化过大,显示其对数变换后结果log(1.001+abs(FFT(f))) ,用imshow或surf函数显示频谱);
(2)若令f1(x,y)=(-1)x+y f(x,y),重复以上过程,比较二者幅度谱的异同,简述理由;
(3)若将f (x,y)顺时针旋转45 度得到f2(x,y),试显示FFT(f2)的幅度谱,并与FFT(f)的幅度谱进行比较。(提示: 用imrotate函数对图像进行旋转);
2. 对一幅256×256 大小、256 级灰度的数字图像进行频域的理想低通、高通滤波滤波,同屏显示原图、幅度谱图和低通、高通滤波的结果图。(提示:用二维傅里叶变换函数fft2,二维傅里叶逆变换函数ifft2,中心化函数fftshift,去中心化函数ifftshift。采用不同截断频率D0重复实验,观察结果)

三、实验记录

任务0:

产生一幅如图所示亮块图像f(x,y)(256×256 大小、暗处=0,亮处=255),对其进行FFT:

I = zeros(128,128);
for i = 1:128
    for j = 1:128
        if(i>=34&&i<=94&&j>60&&j<=68)
            I(i,j) = 255;
        else
            I(i,j) = 0;
        end
    end
end

任务1:

对其进行FFT,同屏显示原图f 和FFT(f)的幅度谱图:

figure('NumberTitle','off','Name','任务一');
subplot(2,1,1);imshow(I);title('原图');
FFT = log(1.001+abs(fft2(I)));

subplot(2,1,2);imshow(fft2(I));title('傅里叶变换后');

任务2:

若令f1(x,y)=(-1)x+y f(x,y),重复以上过程,比较二者幅度谱的异同:

figure('NumberTitle','off','Name','任务二');
I2 = I;
for i=1:128
    for j=1:128
        I2(i,j) = (-1)^(i+j)*I(i,j);
    end
end
subplot(2,2,1);imshow(I);title('原图');
subplot(2,2,2);imshow(fft2(I));title('傅里叶变换后');
subplot(2,2,3);imshow(I2);title('图2');
subplot(2,2,4);imshow(fft2(I2));title('傅里叶变换后');

任务3:

若将f (x,y)顺时针旋转45 度得到f2(x,y),试显示FFT(f2)的幅度谱:

figure('NumberTitle','off','Name','任务三');

I3 = imrotate(I,-45,'bilinear');
subplot(2,2,1);imshow(I);title('原图');
subplot(2,2,2);imshow(fft2(I));title('傅里叶变换后');
subplot(2,2,3);imshow(I3);title('图3');
subplot(2,2,4);imshow(fft2(I3));title('傅里叶变换后');

任务4:

对一幅256×256 大小、256 级灰度的数字图像进行频域的理想低通、高通滤波滤波,同屏显示原图、幅度谱图和低通、高通滤波的结果图:

figure('NumberTitle','off','Name','任务四');
I = imread('stone.jpg');
I = rgb2gray(I);
I1 = filter_hz(I,30,0);
I2 = filter_hz(I,10,1);
subplot(2,2,1.5);imshow(I);title('原图');
subplot(2,2,3);imshow(I1);title('低通滤波结果');
subplot(2,2,4);imshow(I2);title('高通滤波结果');

四、结果展示

任务0:

在这里插入图片描述

任务1:

在这里插入图片描述

任务2:

在这里插入图片描述

任务3:

在这里插入图片描述

任务4:

在这里插入图片描述

五、反思总结与收获

已经学完了这门课了,考过了,不反思了。注意结果可能会错

  • 4
    点赞
  • 8
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论
傅里叶变换和余弦变换是数字图像处理中常用的频域处理方法,可以用于图像去噪、增强、压缩等方面。在MATLAB中,可以使用fft2、ifft2、dct2、idct2等函数进行变换和反变换。本文将对基于MATLAB的数字图像处理傅里叶变换和余弦变换实验结果进行分析和比较。 1. 实验结果分析 傅里叶变换和余弦变换都可以将图像从时域转换到频域,分析图像中的频率成分,可以用于图像去噪、增强等方面。实验结果表明,傅里叶变换和余弦变换都可以实现对图像频域分析和处理,但存在一些差异: (1)傅里叶变换傅里叶变换后的幅值谱中,高频部分对应着图像的细节信息,低频部分对应着图像的整体信息。通过中心化幅值谱,可以将频谱的零频分量移到中心位置,方便进行分析和处理。通过逆变换,可以将幅值谱转换为时域图像,并进行图像去噪、增强等应用。 (2)余弦变换:余弦变换后的幅值谱中,高频部分对应着图像的细节信息,低频部分对应着图像的整体信息。通过中心化幅值谱,可以将频谱的零频分量移到中心位置,方便进行分析和处理。通过逆变换,可以将幅值谱转换为时域图像,并进行图像压缩、去噪、增强等应用。 2. 实验比较分析 傅里叶变换和余弦变换都可以用于图像频域分析和处理,但两者在应用方面有所差异: (1)应用场景:傅里叶变换适用于对图像整体频率成分的分析和处理,如图像去噪、增强等;余弦变换适用于对图像局部频率成分的分析和处理,如图像压缩、去噪、增强等。 (2)算法复杂度:傅里叶变换和余弦变换的复杂度都为O(N^2logN),但余弦变换的系数具有局部相关性,因此在实际应用中计算量较小。 (3)变换结果:傅里叶变换的变换结果是一组复数,包含了图像的幅值和相位信息;余弦变换的变换结果是一组实数,只包含了图像的幅度信息。 综上所述,傅里叶变换和余弦变换都是数字图像处理中常用的频域处理方法,具有各自的优缺点和适用场景。在具体应用中,需要根据实际需求选择合适的方法进行处理

“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
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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

打赏作者

泉绮

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
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