基于matlab编程的数字图像处理论文

基于matlab编程的数字图像处理论文内容摘要：

对应图像中的区域边缘等灰度值具有较大较快变化的部分，滤波器将这些分量滤去可使图像平滑。 锐化滤波器：它能减弱或消除傅立叶空间的高频分量 空域滤波器都是利用模板卷积，主要步骤如下： （ 1）将模板在图中漫游，并将模板中心与图中某个像素位置重合； （ 2）将模板上的系数与模板下对 应的像素相乘； （ 3）将所有的乘积相加； （ 4）将和（模板的输出响应）赋给图中对应的模板中心位置像素。 下面分别介绍在 MATLAB 中如何应用平滑和锐化滤波器。 线性平滑滤波器 线性低通滤波器是最常用的线性平滑滤波器。 这种滤波器的所有系数都是正的。 对3*3 的模板来说，最简单的操作是取所有系数都为 1。 为保证输出图像仍在原来的灰度范围内，在计算 R后要将其除以 9再进行赋值。 这种方法称为邻域平均法。 MATLAB 实现均值过滤器的代码所示： I=imread(39。 39。 )。 J=imnoise(I,39。 salt amp。 pepper39。 ,)。 imshow（ I） figure， imshow（ J） K1=filter2(fspecial(39。 average39。 ,3),J)/255。 figure,imshow(K1) title(39。 3*3 的均值滤波器 39。 ) 原图像，加入椒盐噪声的图像和均值滤波的图像分别如图 1图 16和图 17所示。 图 25 原图 图 26 加入椒盐噪声图像 图 27 3*3 的均值滤波器处理结果 非线性 平滑滤波器 中值滤波器是最常用的非线性平滑滤波器。 它是一种临域运算，类似于卷积，但计 算的不是加权求和，而是把邻域中的像素按灰度级进行排序，然后选择改组的中间值作为输出的像素值。 具体步骤： （ 1）将模板在图像中漫游，并将模板中心和图像某个像素的位置重合； （ 2） 读取模板下对应像素的灰度值； （ 3）将这些灰度值从小到大排成一列； （ 4）找出这些值排在中间的一个； （ 5）将这个中间值赋给对应模板中心位置的像素。 MATLAB 实现中值滤波器代码所示： I=imread(39。 39。 )。 J=imnoise(I,39。 salt amp。 pepper39。 ,)。 K1=medfilt2(J,[3,3])。 figure,imshow(K1) 中值滤波的结果如图 28所示。 图 28 中值滤波结果 线性锐化滤波器 线性高通滤波器是最常用的线性锐化滤波器。 这种滤波器的中心系数都是正的，而周围的系数都是负的。 对 3*3的模板来说，典型的系数取值是： [1 – 1 – 1； 1 8 – 1； 1 – 1 1] 事实上这是拉普拉斯算子，所有的系数之和为 0。 当这样的模板放在图像中灰度值是常数或变化很小的区域时，其输 出为 0 或很小。 这个滤波器将原来的图像中的零频域分量去除了，也就是将输出的图像的平均值变为 0，这样就会有一部分像素的灰度值小 于 0。 在图像处理中我们一般只考虑正的灰度值。