数字图像处理在案件中的应用报告(编辑修改稿)

数字图像处理在案件中的应用报告(编辑修改稿)内容摘要：

,fS uv 和  ,nS uv 分别称为  ,f xy 和  ,nxy 的功率谱密度，则滤波器  ,mxy 的频域表达式为          22,1, ,nfH u vM u vS u vH u v H u vS u v (1232) 于是，维纳滤波复原的原理可表示为           22,1ˆ , ,nfH u vF u v G u vS u vH u v H u vS u v (1233) 对于维纳滤波，由上式可知，当  ,0H u v  时，由于存在   ,nfS uvS uv项，所以 ,Huv 不会出现被 0 除的情形，同时分子中含有  ,Huv 项，在  ,0H u v  处， ,0H u v 。 当    ,nfS u v S u v时，    1, ,H u v H u v ，此时维纳滤波就变成了逆滤波；当     , ,nfS u v H u vS u v 时，  ,0H u v  ，表明维纳滤波避免了逆滤波中出现的对噪声过多的放大作用；当  ,nS uv 和  ,fS uv 未知时，经常用 K 来代替  ,nfS uvS uv ，于是 7         22,1ˆ , ,H u vF u v G u vH u v H u v K  (1234) 其中， K 称为噪声对信号的功 率谱度比，近似为一个适当的常数。 这是实际中应用的公式。 图像复原在刑事案件中用得比较多，基于其复原原理，它的复原效果很好，可以看到损失的信息，有利于找到额外的线索 四 .图像增强的实现以及代码 a=imread(39。 39。 )。 figure。 imshow(a)。 title(39。 原始图像 39。 )。 图 41 原始图像 if length(size(a))==3 a=rgb2gray(a)。 end 8 a=uint8(a)。 figure,imshow(a)。 title(39。 灰度图像 39。 )。 图 42 灰度图像 figure,subplot(121)。 imshow(a)。 title(39。 原图像 39。 )。 subplot(122)。 imhist(a)。 title(39。 原图直方图 39。 )。 图 43 原图像与原图像直方图 9 J1=imadjust(a,[,],[])。 figure。 subplot(121)。 imshow(J1)。 title(39。 输出图像的效果图 39。 )。 subplot(122)。 imhist(J1)。 title(39。 输出图像的直方图 39。 )。 图 44 输出图像及其直方图 I=histeq(a)。 figure。 subplot(221)。 imshow(a)。 title(39。 直方图均衡化前图像 39。 )。 subplot(222)。 imshow(I)。 title(39。 直方图均衡化图像 39。 )。 subplot(223)。 imhist(J1)。 title(39。 均衡前直方图 39。 )。 subplot(224)。 imhist(I)。 title(39。 均衡后直方图 39。 )。 10 图 45 均衡前后的直方图 A=imread(39。 39。 )。 figure。 imshow(A)。 title(39。 原始图像 39。 )。 图 46 原图像 11 if length(size(A))==3 A=rgb2gray(A)。 end A=uint8(A)。 figure。 imshow(A)。 title(39。 灰度图像 39。 )。 图 47 灰度图像 j=imnoise(A,39。 salt amp。 pepper39。 ,)。 figure。 subplot(221)。 imshow(j)。 title(39。 盐噪音图像 39。 )。 g=imnoise(A,39。 gaussian39。 ,)。 subplot(223)。 imshow(g)。 title(39。 高斯噪音图像 39。 )。 p=imnoise(A,39。 poisson39。 )。 subplot(222)。 12 imshow(p)。 title(39。 泊松噪音图像 39。 )。 s=imnoise(A,39。 speck。