作业帮 > 综合 > 作业

用MATLAB实现频域平滑滤波以及图像去噪代码

来源:学生作业帮 编辑:大师作文网作业帮 分类:综合作业 时间:2024/09/30 13:27:18
用MATLAB实现频域平滑滤波以及图像去噪代码
是数字图象处理的实验,麻烦高人给个写好的代码,希望能在重要语句后面附上一定的说明,只要能在MATLAB上运行成功,具体的实验指导书上的要求如下:
频域平滑滤波实验步骤
1.打开Matlab 编程环境;\x0c
2.利用’imread’ 函数读入图像数据;
3.利用’imshow’ 显示所读入的图像数据;
4.将图像数据由’uint8’ 格式转换为’double’ 格式,并将各点数据乘以
(-1)x+y 以便FFT 变换后的结果中低频数据处于图像中央;
5.用’fft2’ 函数对图像数据进行二维FFT 变换,得到频率域图像数据;
6.计算频率域图像的幅值并进行对数变换,利用’imshow’ 显示频率域图
像;
7.在频率图像上去除滤波半径以外的数据(置0);
8.计算频率域图像的幅值并进行对数变换,利用’imshow’ 显示处理过的
频域图像数据;
9.用’ifft2’ 函数对图像数据进行二维FFT 逆变换,并用’real’函数取其实
部,得到处理过的空间域图像数据;
10.将图像数据各点数据乘以(-1)x+y;
11.利用’imshow’ 显示处理结果图像数据;
12.利用’imwrite’函数保存图像处理结果数据.
图像去噪实验步骤:
1.打开Matlab 编程环境;
2.利用’imread’ 函数读入包含噪声的原始图像数据;
3.利用’imshow’ 显示所读入的图像数据;
4.以3X3 大小为处理掩模,编写代码实现中值滤波算法,并对原始噪声
图像进行滤波处理;
5.利用’imshow’ 显示处理结果图像数据;
6.利用’imwrite’ 函数保存图像处理结果数据.
即使不是按这些步骤来的也没关系,只要是那个功能,能实现就OK,
用MATLAB实现频域平滑滤波以及图像去噪代码
%%%%%%%%spatial frequency (SF) filtering by low pass filter%%%%%%%%
% the SF filter is unselective to orientation (doughnut-shaped in the SF
% domain).
[FileName,PathName,FilterIndex] = uigetfile ;
filename = fullfile(PathName,FileName) ;
[X map] = imread(filename,fmt); % read image
L = double(X); % transform to double
%%%%%%%%%%%%% need to add (-1)x+y to L
% calculate the number of points for FFT (power of 2)
fftsize = 2 .^ ceil(log2(size(L)));
% 2d fft
Y = fft2(X,fftsize(1),fftsize (2));
Y = fftshift(Y);
% obtain frequency (cycles/pixel)
f0 = floor([m n] / 2) + 1;
fy = ((m:-1:1) - f0(1) + 1) / m;
fx = ((1:n) - f0(2)) / n;
[mfx mfy] = meshgrid(fx,fy);
% calculate radius
SF = sqrt(mfx .^ 2 + mfy .^ 2);
% SF-bandpass and orientation-unselective filter
filt = SF > k0;
A_filtered = filt .* A; % SF filtering
L_filtered = real(ifft2(ifftshift(A_filtered))); % IFFT
L_filtered = L_filtered(1:size(L,1),1:size(L,2));
%%%%%%%%%%need to add (-1)x + y to L_filtered
% show
figure(1);
clf reset;
colormap gray;
% plot image
subplot(2,2,1);
imagesc(L);
colorbar;
axis square;
set(gca,'TickDir','out');
title('original image');
xlabel('x');
ylabel('y');
imwrite(L,fullfile(FilePath,'original image.bmp'),'bmp') ;
% plot amplitude
A = abs(A);
A = log10(A);
% spectral amplitude
subplot(2,2,2);
imagesc(fx,fy,A);
axis xy;
axis square;
set(gca,'TickDir','out');
title('amplitude spectrum');
xlabel('fx (cyc/pix)');
ylabel('fy (cyc/pix)');
imwrite(A,fullfile(FilePath,'amplitude spectrum.bmp'),'bmp') ;
% filter in the SF domain
subplot(2,2,3);
imagesc(fx,fy,filt);
axis xy;
axis square;
set(gca,'TickDir','out');
title('filter in the SF domain');
xlabel('fx (cyc/pix)');
ylabel('fy (cyc/pix)');
imwrite(filt,fullfile(FilePath,'filter in SF.bmp'),'bmp') ;
% filtered image
subplot(2,2,4);
imagesc(L_filtered);
colorbar;
axis square;
set(gca,'TickDir','out');
title('filtered image');
xlabel('x');
ylabel('y');
imwrite(filtered,fullfile(FilePath,'filtered image.bmp'),'bmp');
%%%%%%%%%%%%%%%%%median filter%%%%%%%%%%%%%%%%
[FileName,PathName,FilterIndex] = uigetfile ;
filename = fullfile(PathName,FileName) ;
[LNoise map] = imread(filename,fmt); % read image
L = medfilt2(LNoise,[3 3]); % remove the noise with 3*3 block
figure ;
imshow(LNoise) ;
title('image before fitlering') ;
figure
imshow(L)
title('filtered image') ;
imwrite(FilePath,'filtered image.bmp',bmp)