[数图] 实验三 傅里叶变换及其应用

一、 实验目的

1 、

掌握二维 DFT 变换及其物理意义

2 、

掌握二维 DFT 变换的 MATLAB 程序

3 、

空间滤波及频域滤波

二、 实验内容

学习使用函数 fft2, ifft2, abs, angle, fftshift, imfilter, fspecial, freqz2 ；

对数形式显示方法；实现正反傅里叶变换、 Gaussian 低通滤波和 laplacian

高通滤波。

三、 实验步骤

1、利用 MATLAB 实现数字图像的傅里叶变换

读入并显示图 Fig0316(3)(third_from_top).tif ，作该图的二维 FFT 变换 F ，将其直流分量移到频谱中心 F1 ，计算其实部 RR 、虚部 II、相角Angle, 用两种方法计算及幅值 A1=abs(F1) 和 A2=sqrt(RR.^2+II.^2)，分别显示 A1 和 A2 ，并加以比较。

 2、近似冲击函数二维傅里叶变换

A=zeros(99,99);

A(49:51,49:51)=1;

作 A 的二维傅里叶变换 B，将 B 直流分量移到频谱中心 B1，分别用函数 imshow 和 mesh 显示 A 和 B1 模的对数（ log(1+abs(B1)) ）

 3、空间滤波与频域滤波

将图 Fig0504(a)(gaussian-noise).tif（f ）分别进行空间与频域滤波。

空间滤波：

用 fspecial 产生 9*9 ，标准差为 2 的高斯滤波器 w ，用函数imfilter对 f 进行空间滤波，得到滤波后的图像 fi1 。

频域滤波：

将上述高斯滤波器 w 用函数 freqz2 获得其 256*256 频域形式 W， 用 W 在频域滤波图像 f （注意 W 的直流分量在频谱中心），得到 Ff ，求其傅里叶逆变换（ifft2），得到滤波后的图像 fi2。

用函数 imshow 显示 w ，用函数 mesh 显示 W ，用 imshow 显示 f ， fi1， Ff 的模的对数， fi2 。比较 fi1 与 fi2 。

四、实验结果&代码

%（1）利用 MATLAB 实现数字图像的傅里叶变换

%（1）利用 MATLAB 实现数字图像的傅里叶变换
clear all; 
f=imread('C:\PICTURE_YUWEI\Fig0316(3)(third_from_top).tif'); 
figure(1);imshow(f);title('原图'); 
F=fft2(f); %做快速傅里叶变换
F1=fftshift(F); %居中操作
A0=abs(F1);%居中的傅里叶谱
figure(2);imshow(A0, [])%显示图像
title('居中的频谱幅值A0'); 
%计算其实部RR、虚部II、相角Angle。
RR=real(F1); %取实数
II=imag(F1); %取虚数
A1=abs(F1); %取相角
figure(3);imshow(log(1+A1),[]);
title('频谱幅值A1'); 
A2=sqrt(RR.^2+II.^2); 
figure(4); imshow(log(1+A2),[]);
title('频谱幅值A2');

 %（2）近似冲击函数二维傅里叶变换

%（2）近似冲击函数二维傅里叶变换
clear all; 
A=zeros(99,99); %生成一个99*99像素的黑色图像
A(49:51,49:51)=1; %居中的像素的值为1
B=fft2(A); %二维傅里叶变换
B1=fftshift(B);%居中操作
figure(1);
subplot(2,2,1);
imshow(A);
title('空域图像（用imshow显示）'); 
subplot(2,2,2); 
imshow(log(1+abs(B1)));
title('频域图像（用imshow显示）'); 
subplot(2,2,3);
mesh(A);title('原图的空域图形（用mesh显示）');
subplot(2,2,4);
mesh(log(1+abs(B1)));
title('B1频域图形（用mesh显示）');

%（3）空间滤波与频域滤波

 

%（3）空间滤波与频域滤波
clear all; 
w=fspecial('gaussian',[9 9],2);%生成滤波器w 
figure; 
subplot(3,2,1);
imshow(w);title('图3.1 9*9，标准差为2的高斯滤波器w');
W=freqz2(w,256,256); 
W1=ifftshift(W); %居中显示
subplot(3,2,2);mesh(W);
title(' 图3.2 滤波器的频域图形W（用mesh显示）'); 
f=imread('C:\PICTURE_YUWEI\Fig0504(a)(gaussian-noise).tif');
F=fft2(f); %傅里叶变换
subplot(3,2,3);
imshow(f);
title(' 图3.3 频域滤波图像f（用imshow显示）'); 
fi1=imfilter(f,w);%空间滤波
subplot(3,2,4);
imshow(fi1);title(' 图3.4 空间滤波后的图形fi1（用imshow显示）'); 
Ff=W1.*F; %进行滤波
subplot(3,2,5);
imshow(log(abs(Ff)),[]);%取模的对数
title(' 图3.5 频域滤波Ff模的对数（用imshow显示）'); 
fi20=ifft2(Ff);%傅里叶逆变换
fi2=real(fi20); 
fi2=fi2(1:256,1:256); 
subplot(3,2,6);imshow(fi2,[]);
title(' 图3.6 频域滤波后的图形fi2（用imshow显示）');

五、Conclusions:：tell me what you learned.

（1）在“利用 MATLAB 实现数字图像的傅里叶变换”实验中，通过比较用两种计算方法得到的幅值A1和A2，观察到以下信息：

① 二者布局基本相同，说明不同方法计算出来的各个频谱分量的比例基本相同。

② 通过平方再开方获得的A2，从直观上来说，颜色稍微深一些。说明计算出来的频谱中各个频率的强度稍低。

（2）在“近似冲击函数二维傅里叶变换”的实验中，通过纵向比较，可得出以下结论：

① 在xy维度上的形状来看（俯视图），生成的原始空域图像和它的空域图形、原始空域图像生成的频域图像，都是一一对应的。

② 直观来看，图像越黑，对应的强度就越低，在图形z轴上的值就越小。图像中，强度变化越快，在图形中对应的z轴变化就越快。

（3）空间滤波与频域滤波，比较fi1和fi2：

fi1是空间滤波的结果，fi2是频率域滤波的结果。从图中可看出，在频率域滤波的结果中，低频分量的强度和高频分量的强度都要高；在空间滤波的结果中，频率处于中间值的强度更高。