当前位置：文档库 › 平滑滤波

平滑滤波

实验六平滑滤波

一、实验题目

1: 均值滤波

2：中值滤波

二、实验设备

1：MATLAB软件

2：实验所需的图片

3：实验室电脑

三、实验原理

分别采用3*3,4*4,5*5模板来实现

四、实验步骤

1：调入并显现原始图像cameraman.tif

2：利用imnoise命令图像添加高斯噪声

3：利用预定义fespecial命令产生平均average滤波器

4：分别采用3*3,5*5的模板，分别用平均滤波器几中值滤波器，对加入的噪声的图像处理并观察不同噪声水平下滤波器的处理结果

5：选择不同的模板，对加入一固定噪声水平的图像进行处理，观察滤波器处理结果6：利用imnoise命令在图形cameraman中加入椒盐噪声

7：输出全部结果

五、实验代码

I=imread('cameraman.tif');

>> J=imnoise(I,'gauss',0.02); %添加高斯噪声

>> J=imnoise(I,'salt& pepper',0.02); %添加椒盐噪声

>> ave1=fspecial('average',3); %产生3*3的均值模板

>> ave2=fspecial('average',5); %产生5*5的均值模板

>> K=filter2(ave1,J)/255; %均值滤波3*3

>> L=filter2(ave2,J)/255; %均值滤波5*5

>> M=medfilt2(J,[3,3]); %中值滤波3*3模板

>> N=medfilt2(J,[4,4]); %中值滤波4*4模板

>>imshow(I);

>>figure,inshow(J);

>>figure,imshow(J);

>>figure,imshow(K);

>>figure,imshow(L);

>>figure,imshow(M);

>>figure,imshow(N);

六、实验截屏

Imshow（I）原图像

Imshow（J）添加高斯噪声及椒盐噪声

Imshow（K）3*3均值滤波

Imshow（L）5*5均值滤波

Inshow（M）3*3中值滤波

Imshow 4*4中值滤波

工作区值得变化

七、实验心得

经过学习平滑滤波中的均值滤波及中值滤波，使用高斯噪声及椒盐噪声来学习相关的噪音处理通过使用不同的模板进行模板处理。对于MATLAB很多函数还是不知道怎么使用，很多事去网上找的资料，需要加强练习

平滑滤波方法研究

平滑滤波方法研究平滑滤波是低频增强的空间域滤波技术。它的目的有两类：一类是模糊；另一类是消除噪音。并且具有一定的处理要求，一是不能损坏图像的轮廓及边缘等重要信息；二是使图像清晰视觉效果好。平滑滤波的方法有邻域平滑滤波，就是求邻近像元点的平均亮度值，双边滤波，中值滤波,以及非局部均值滤波等。 1、双边滤波法双边滤波是一种非线性滤波器，它可以达到保持边缘、降噪平滑的效果。双边滤波的边缘保持特性主要是通过在卷积的过程中组合空域函数和值域核函数来实现的，典型的核函数为高斯分布函数，如下所示：其中：为归一化作用。σs为空域高斯函数的标准差，σr为值域高斯函数的标准差，Ω表示卷积的定义域。编写代码测试，当添加的噪声为0.05时，结果如下

滤波后图像添加噪声为0.3时，结果如下滤波后图像

由此可知，双边滤波具有去除噪音的作用 2、邻域平均法邻域平滑滤波原理:邻域平均法就是对含噪声的原始图像f(x,y)的每一个像素点取一个邻域，计算S中所有像素灰度级的平均值，作为邻域平均处理后的图像g(x, y)的像素值。即式中：x,y=0,1,…,N-1;S是以（x,y）为中心的邻域的集合，M是S 内的点数。邻域平均法的思想是通过一点和邻域内像素点求平均来去除突变的像素点，从而滤掉一定噪声，其优点是算法简单，计算速度快，其代价会造成图像在一定程度上的模糊。 3、中值滤波法中值滤波就是用一个奇数点的移动窗口，将窗口的中心点的值用窗口内的各点中值代替。假设窗口内有五点，其值为80、90、200、110和120，那么此窗口内各点的中值及为110。

设有一个一维序列f1,f2,…,fn,取窗口长度（点数）为m（m为奇数）,对其进行中值滤波，就是从输入序列中相继抽出m个数fi-v,…,fi-1,fi,fi+1,…,fi+v(其中fi为窗口中心值,v=(m-1)/2),再将这m个点按其数值大小顺序排序，取其序号的中心点的那个数作为滤波输出。数学公式表示为： Yi=Med{fi-v,…,fi-1,fi,fi+1,…,fi+v} i∈N v=(m-1)/2 （式1-2）Yi称为序列fi-v,…,fi-1,fi,fi+1,…,fi+v的中值例如，有一序列{0，3，4，0，7}，重新排序后为{0，0，3，4，7}则Med{0，0，3，4，7}=3。此列若用平滑滤波，窗口也取5，那么平滑滤波输出为（0+3+4+0+7）/5=2.8。把一个点的特定长度或形状的邻域称作窗口。在一维情况下，中值滤波器是一个含有奇数个像素的滑动窗口。中值滤波很容易推广到二维，此时可以利用二维形式的窗口。对于平面图像采用的二维中值滤波可以由下式表示：式中：A为窗口，{Xij}为二维数据序列,即数字图像各点的灰度值。在对图像进行中值滤波时，如果窗口是关于中心点对称的，并且包含中心点在内，则中值滤波能保持任意方向的跳变边缘。图像中的跳变边缘指图像中不同灰度区域之间的灰度突变边缘。在实际使用窗口时，窗口的尺寸一般先取3，再取5，依次增大，直到滤波效果满意为止，对于有缓变的较长轮廓线物体的图像，采用方形或圆形窗口较合适，对于包含尖顶角物体的图像，采用十字形窗口较合适。使用二维中值滤波值得注意的是要保持图像中有效线状体。通过实验可得出中值滤波具有以下特性：（1）对于某些输入信号中值滤波具有不变性。（2）中值滤波可以用来减弱随机干扰的脉冲干扰，具有较好的去噪声性能。

实验四用频率取样法设计FIR数字滤波器

实验报告哈尔滨工程大学教务处制

实验四用频率取样法设计FIR 数字滤波器一、实验目的 1、掌握频率取样法设计线性相位FIR 数字滤波器的方法，并用Matlab 工具编程实现。 2、熟悉频率取样理论，熟悉内插函数及其应用。 3、观察过渡带取样点或优化数值对滤波器幅频特性的影响。二、实验原理频率采样法就是根据频域采样理论，由滤波特性指标构造希望逼近的滤波器频响函数H d (e jω)，对其在[0,2π]上采样得到。 ()() 20,1,,1j d d k N H k H e k N ωπ ω===-L 然后，就可求出单位脉冲响应h (n )，或是系统函数H (z )。这样，h (n )或是H (z )就是滤波器的设计结果。 ()()()()()1 100,1,,110,1,,1 1N N k k N h n IDFT H k n N H k z H z k N N W z ----===--= =--∑L L ()()() Frequency Sampling 2N 0,1,,1j j d d k H e H k H e k N ωωπ ω= ??????→==-L ()()() j k H k A k e θ= 三、实验内容 1.用频率取样法设计一个线性相位低通数字滤波器，N=15，[0,π]之间的幅度取样值如下，求出其单位脉冲响应h[k]及幅频和相频特性曲线。尝试增加过渡点，观察并分析过渡点对滤波器性能的影响。 1, k 0,1,2[k]0.5, 30, H k =?? ==??? O t her s /3 1,()/30,d A ωπωπωπ

数字图像处理实验报告--平滑滤波

数字图像处理实验报告实验名称：线性平滑滤波器——领域平均与加权平均姓名：班级：学号：专业：电子信息工程（2+2）指导教师：陈华华实验日期：2012年5月17日

一，图像的平滑图像的平滑方法是一种实用的图像处理技术，能减弱或消除图像中的高频率分量，但不影响低频率分量。因为高频率分量主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，平滑滤波将这些分量滤去可减少局部灰度起伏，使图像变得比较平滑。实际应用中，平滑滤波还可用于消除噪声，或者在提取较大目标前去除过小的细节或将目标内的小间断连接起来。它的主要目的是消除图像采集过程中的图像噪声，在空间域中主要利用邻域平均法、中值滤波法和选择式掩模平滑法等来减少噪声；在频率域内，由于噪声主要存在于频谱的高频段，因此可以利用各种形式的低通滤波器来减少噪声。二，领域平均 1．基础理论最简单的平滑滤波是将原图中一个像素的灰度值和它周围邻近8个像素的灰度值相加，然后将求得的平均值（除以9）作为新图中该像素的灰度值。它采用模板计算的思想，模板操作实现了一种邻域运算，即某个像素点的结果不仅与本像素灰度有关，而且与其邻域点的像素值有关。模板运算在数学中的描述就是卷积运算，邻域平均法也可以用数学公式表达：设为给定的含有噪声的图像，经过邻域平均处理后的图像为，则，M是所取邻域中各邻近像素的坐标，是邻域中包含的邻近像素的个数。邻域平均法的模板为：，中间的黑点表示以该像素为中心元素，即该像素是要进行处理的像素。在实际应用中，也可以根据不同的需要选择使用不同的模板尺寸，如3×3、5×5、7×7、9×9等。邻域平均处理方法是以图像模糊为代价来减小噪声的，且模板尺寸越大，噪声减小的效果越显著。如果是噪声点，其邻近像素灰度与之相差很大，采用邻域平均法就是用邻近像素的平均值来代替它，这样能明显消弱噪声点，使邻域中灰度接近均匀，起到平滑灰度的作用。因此，邻域平均法具有良好的噪声平滑效果，是最简单的一种平滑方法。 Matlab代码： function average_filtering() X=imread('cameraman.tif') noise_x=imnoise(X,'salt & pepper');%加噪声方差为0.02的椒盐声

三种不同平滑滤波器对比

燕山大学课程设计说明书题目：几种平滑滤波器的作用与对比试验设计学院（系）：电气工程学院年级专业：学号：学生姓名：指导教师：教师职称：

目录第一章平滑滤波器 (1) 第二章处理程序和处理结果 (3) 第三章比较差异 (7) 第四章总结 (9) 参考文献 (9)

第一章平滑滤波器滤波的本义是指信号有各种频率的成分，滤掉不想要的成分，即为滤掉常说的噪声，留下想要的成分，这即是滤波的过程。所谓目的：一是抽出对象的特征作为图像识别的特征模式；另一个是为适应图像处理的要求，消除图像数字化时所混入的噪声。各类图像处理系统在图像的采集、获取、传送和转换(如成像、复制扫描、传输以及显示等)过程中，均处在复杂的环境中，光照、电磁多变，所有的图像均不同程度地被可见或不可见的噪声干扰。噪声源包括电子噪声、光子噪声、斑点噪声和量化噪声。如果信噪比低于一定的水平，噪声逐渐变成可见的颗粒形状，导致图像质量的下降。除了视觉上质量下降，噪声同样可能掩盖重要的图像细节，在对采集到的原始图像做进一步的分割处理时，我们发现有一些分布不规律的椒盐噪声，为此采取相应的对策就是对图像进行必要的滤波降噪处理。图像的噪声滤波器有很多种，常用的有线性滤波器，非线性滤波器。采用线性滤波如邻域平滑滤波，对受到噪声污染而退化的图像复原，在很多情况下是有效的。但大多数线性滤波器具有低通特性，去除噪声的同时也使图像的边缘变模糊了。而另一种非线性滤波器如中值滤波，在一定程度上可以克服线性滤波器所带来的图像模糊问题，在滤除噪声的同时，较好地保留了图像的边缘信息。这些滤波都是通过平滑滤波器来实现的。平滑滤波是低频增强的空间域滤波技术。它的目的有两类：一类是模糊；另一类是消除噪音。所谓平滑滤波是指对一些不平滑的信号做处理，使它变平滑。那什么是不平滑呢，就是在示波器上看起伏不平的信号，最典型的就是交流整流后的脉动信号。这些随时间起伏不平变化的信号成分在频率上代表一些高频率的成分，上升下降越快，则表示频率越高。平滑滤波就是要把它们弄平，把它们弄得不再随时间变化，或者是变化很小，这种不随时间再变化，或者随时间变化很小的信号就是频率非常低的信号，使它们成为低频信号，在整流滤波上，就基本上直流信号，其中只含有非常少的成分随时间变化。所以平滑滤波与低通滤波说法差别不大，平滑滤波大多用在整流滤波上，一般可以理解成一个概念的不同描述方法。图像在传递过程中，由于噪声主要集中在高频部分，为去除噪声改善图像质量，滤波器采用低通滤波器H(u ，v)来抑制高频成分，通过低频成分，然后再进行逆傅立叶变换获得滤波图像，就可达到平滑图像的目的根据任务要求在此选择研究理想低通滤波器、Butterworth 低通滤波器、高斯低通滤波器三种滤波器来实现要求。 1.理想低通滤波器设傅立叶平面上理想低通滤波器离开原点的截止频率为D0，则理想低通滤波器的传递函数： 1 (,)(,)0 (,)D u v D H u v D u v D ≤?=?>?

平滑滤波器的设计和分析

数字信号处理实验报告一、实验目的： 1．掌握用平滑滤波器滤除高频噪声的方法 2. 理解M 值和滤波效果的关系。 3．会使用filter 命令来设计滤波器。二、实验内容使用matlab 编写程序，实现平滑滤波器，用平滑滤波器滤掉附加在原始信号上的高频噪声。改变M 的大小，观察滤波的效果。总结M 值对滤波效果影响。认真研究filter 的功能和使用方法。三、实验原理与方法和手段 1，三点平滑滤波器(FIR )的表达式： [])2()1()(31)(-+-+=n x n x n x n y ，∑-=-=10)(1)(M k k n x M n y 令：)50 47cos()();10cos()(21n n s n n s ππ== )()()(21n s n s n x += 其中：1s 是低频正弦信号，2s 是高频正弦信号四、程序设计 n = 0:100; s1 = cos(2*pi*0.05*n); %低频信号 s2 = cos(2*pi*0.47*n) % 高频信号 x = s1+s2; % 两信号叠加 M = input('滤波器长度 = '); num = ones(1,M); y = filter(num,1,x)/M; % 显示输入与输出的信号 clf; subplot(2,2,1);

plot(n, s1); axis([0, 100, -2, 2]); xlabel('n'); ylabel('A'); title('信号1图像'); subplot(2,2,2); plot(n, s2); axis([0, 100, -2, 2]); xlabel('n'); ylabel('A'); title('信号2图像'); subplot(2,2,3); plot(n, x); axis([0, 100, -2, 2]); xlabel('n'); ylabel('A'); title('输入信号'); subplot(2,2,4); plot(n, y); axis([0, 100, -2, 2]); xlabel('n'); ylabel('A'); title('输出信号'); axis; 五、结果及分析平滑滤波器（FIR）允许低于截止频率的信号通过，但高于截止频率的信号被滤波器滤除，具有低通特性。s1、s2、x信号与M值无关，这三信号不受M值的影响。观察输出信号的波形，y信号的幅值随M值的增大而减少，同时噪声也随M值的增大而减少，这是因为M 值的增大使低通滤波器的长度增长了。另外，当M值增大到一定值时（如M为100），输出信号十分微弱，这是因为此时的M值使得滤波器的截止频率降得极低，输入信号几乎完全被滤除。

数字图像处理实验二：图像增强与平滑(精)

实验二图像增强与平滑一、实验类型：验证性实验二、实验目的 1. 掌握图像增强的基本原理。 2. 掌握常用的图像增强技术。三、实验设备：安装有MATLAB 软件的计算机四、实验原理图像增强技术的目的是对图像进行加工，以得到对具体应用来说视觉效果更好、更有用的图像。常用的图像增强技术有图像间运算、直接灰度映射、直方图修改技术、线性滤波和非线性滤波等。下面介绍三种图像增强技术：直方图均衡化、邻域平均平滑滤波和中值滤波。 3. 直方图均衡化直方图均衡化是一种使输出图像直方图近似为均匀分布的变换算法，是一种直方图修改技术。在MATLAB 中，可以调用函数histeq 自动完成图像的直方图均衡化。下面的例子演示如何用histeq 函数来调整一幅灰度图像。原图像的灰度对比度较低，大部分值位于灰度范围的中间。histeq 函数生成一幅灰度值在整个范围内均匀分布的输出图像。 I=imread(‘pout.tif’; J=histeq(I; imshow(J figure,imhist(J,64 4. 邻域平均平滑滤波

邻域平均平滑滤波也称为均值滤波，是一种线性滤波方法。该方法用一个像素的平均值作为滤波结果，。下面的例子演示如何在MATLAB 中对一幅灰度图像进行邻域平均平滑滤波。 I=imread(‘eight.tif’; J=imnoise(I,’salt & pepper’,0.02; figure,imshow(J; h=ones(3,3/9; K=imfilter(J,h; figure,imshow(K; 5. 中值滤波中值滤波是最常用的非线性滤波算法，该算法的输出像素值是对应像素邻域内的中值。下面的例子演示如何在 MATLAB中对一幅灰度图像进行中值滤波。 I=imread(‘eight.tif’; J=imnoise(I,’salt & pepper’,0.02; figure,imshow(J; K=medfilt2(J,[3 3]; figure,imshow(K; 五、实验内容 1. 选择一幅直方图不均匀的图像，对该图像做直方图均衡化处理，比较处理前后的图像以及它们的灰度直方图。 2. 选择一幅图像，对它增加不同的噪声，然后分别利用邻域平均平滑滤波和中值滤波对该图像进行滤波，比较各滤波器的滤波效果。六、实验步骤在百度中找到灰度图，将图片保存在C盘中 1．直方图均衡化

实验4 基于MATLAB的FIR数字滤波器设计

实验4 基于MATLAB 的FIR 数字滤波器设计实验目的：加深对数字滤波器的常用指标和设计过程的理解。实验原理：低通滤波器的常用指标： P P P for H Ω≤Ω+≤Ω≤-,1)(1δδ πδ≤Ω≤Ω≤ΩS S for H ,)( 通带边缘频率P Ω，阻带边缘频率S Ω ，通带起伏 P δ，通带峰值起伏] )[1(log 2010dB p p δα--=，阻带起伏s δ，最小阻带衰减])[(log 2010dB s S δα-=。数字滤波器有IIR 和FIR 两种类型，它们的特点和设计方法不同。在MATLAB 中，可以用b=fir1(N,Wn,’ftype’,taper) 等函数辅助设计FIR 数字滤波器。N 代表滤波器阶数；Wn 代表滤波器的截止频率(归一化频率)，当设计带通和带阻滤波器时，Wn 为双元素相量；ftype 代表滤波器类型，如’high ’高通，’stop ’带阻等；taper 为窗函数类型，默认为海明窗，窗系数需要实现用窗函数blackman, hamming,hanning chebwin, kaiser 产生。 S P P S Passband Stopband Transition band Fig 1 Typical magnitude specification for a digital LPF

例1 用凯塞窗设计一FIR低通滤波器，通带边界频率π3.0 ，阻带边界频 Ω = p ，阻带衰减不小于率π5.0 Ω = s 50dB。

解首先由过渡带宽和阻带衰减来决定凯塞窗的N和 π2.0 = Ω - Ω = ?Ω p s ，，

数字图像处理邻域平均法滤波实验报告matlab实现

数字图像处理实验报告实验三邻域平均法滤波学号姓名

实验三邻域平均法滤波一、实验内容选取噪声较明显的图像，分别采用3*3、5*5、7*7的模板进行邻域平均法滤波，并比较滤波效果。二、实验步骤 1、设计思想或者流程图。邻域平均法的思想是用像素及其指定邻域内像素的平均值或加权平均值作为该像素的新值，以便去除突变的像素点，从而滤除一定的噪声。邻域平均法的数学含义可用下式表示： ∑∑== ? ?? ??=mn i i mn i i i w z w y x g 11),( （1）上式中：i z 是以),(y x 为中心的邻域像素值；i w 是对每个邻域像素的加权系数或模板系数； m n 是加权系数的个数或称为模板大小。邻域平均法中常用的模板是： ??????????*=11111111191Box T （2）为了解决邻域平均法造成的图像模糊问题，采用阈值法（又叫做超限邻域平均法，如果某个像素的灰度值大于其邻域像素的平均值，且达到一定水平，则判断该像素为噪声，继而用邻域像素的均值取代这一像素值；否则，认为该像素不是噪声点，不予取代），给定阈值0T ： ???≥-<-=00),(),(),(),(),(),(),(T y x g y x f y x g T y x g y x f y x f y x h （3）（3）式中，),(y x f 是原始含噪声图像，),(y x g 是由（1）式计算的平均值，),(y x h 滤波后的像素值。 2、源程序并附上注释。 3、 A=imread('1.jpg'); B=rgb2gray(A); figure; imshow(B); title('原始图象');

2.1图像滤波方法的比较实验报告

课程大作业实验报告2.1 图像滤波方法的比较课程名称：数字图像处理组长：张佳林学号：200830460232 年级专业班级： 08 自动化 2 班（ppt 制作，数据整理）成员一：卢洪炬学号：200830460222 年级专业班级：08 自动化 2 班（实验报告，编程）成员二：余嘉俊学号： 200830460231 年级专业班级： 08 自动化 2 班（编程，程序整理）指导教师邓继忠报告提交日期2010 年 12 月 4 日项目答辩日期2010 年 12 月 5 日

目录 1项目要求 (3) 2项目开发环境 (3) 3系统分析·························································3 3.1 系统的主要功能分析 (3) 3.2 系统的基本原理 (4) 3.1 系统的关键问题及解决方法 (9) 4系统设计····························· ···························10 4.1 程序流程图及说明····························· (10) 4.2 程序主要模块功能介绍 (11) 5实验结果与分析··················································11 5.1 实验结果····························· (11) 5.2 项目的创新之处 (15) 5.3 存在问题及改进设想 (15)

6心得体会························································15 6.1 系统开发的体会····························· (15) 6.2 对本门课程的改进意见或建议 (15)

平滑滤波

实验六平滑滤波一、实验题目 1: 均值滤波 2：中值滤波二、实验设备 1：MATLAB软件 2：实验所需的图片 3：实验室电脑三、实验原理分别采用3*3,4*4,5*5模板来实现四、实验步骤 1：调入并显现原始图像cameraman.tif 2：利用imnoise命令图像添加高斯噪声 3：利用预定义fespecial命令产生平均average滤波器 4：分别采用3*3,5*5的模板，分别用平均滤波器几中值滤波器，对加入的噪声的图像处理并观察不同噪声水平下滤波器的处理结果 5：选择不同的模板，对加入一固定噪声水平的图像进行处理，观察滤波器处理结果6：利用imnoise命令在图形cameraman中加入椒盐噪声 7：输出全部结果五、实验代码 I=imread('cameraman.tif'); >> J=imnoise(I,'gauss',0.02); %添加高斯噪声 >> J=imnoise(I,'salt& pepper',0.02); %添加椒盐噪声 >> ave1=fspecial('average',3); %产生3*3的均值模板 >> ave2=fspecial('average',5); %产生5*5的均值模板 >> K=filter2(ave1,J)/255; %均值滤波3*3 >> L=filter2(ave2,J)/255; %均值滤波5*5 >> M=medfilt2(J,[3,3]); %中值滤波3*3模板 >> N=medfilt2(J,[4,4]); %中值滤波4*4模板 >>imshow(I); >>figure,inshow(J); >>figure,imshow(J); >>figure,imshow(K); >>figure,imshow(L); >>figure,imshow(M); >>figure,imshow(N); 六、实验截屏

MATLAB实现频域平滑滤波以及图像去噪代码

MATLAB实现频域平滑滤波以及图像去噪代码用MATLA实现频域平滑滤波以及图像去噪代码悬赏分:50 - 解决时间 :2008-11-8 14:21 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 MATLAE t运行成功，必然给分。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 ; 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0K谢谢大家%%%%%%%%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 .A 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 .A 2 + mfy .A 2);

平滑与平均滤波

平均滤波器和平滑滤波器的简单区别及应用 1 概述平均滤波器是在Z频域上等值采样,采样点均匀分布于单位圆上，即在2pi 的区间内均匀等分，得到的FIR，由于等分点，也称梳状滤波器。平滑滤波器中最简单的一种表示：h(n)=1/N (n=0 1 2 …,N-1.) ，既而h(n)的Z变换得到H(z)=(1/N)((1-Z^(-N))/(1-Z^(-1))) 此也即最简单的梳状滤波器。本文研究的对象即是最简单的梳状滤波器，即上式。研究其具有的频率特性，以及杂乱的多频率信号通过此滤波器的频率响应。滤波器的阶数越高，值越均匀，滤波效果越好。本文取的输入信号为三种频率成分的混合x=sin(2*pi*f1*t)+0.5*cos(2*pi*f2*t)+0.5*sin(2*pi*f3*t) 研究滤波器的阶数为5阶。通过研究最简单的梳状滤波器，可以很轻松的理解复杂一些的梳状滤波器，如精确去除工频和谐波干扰的陷波滤波器。为了得到精确地某一信号及谐波分量的滤波器。平滑滤波器是一种低通滤波器，是在空间域实现的一种滤波器。通过缩小高频，扩大低频可以去除某些噪声。同样滤波器的阶数越高，值越均匀，滤波效果越好。平滑滤波器是一种建立在多项式最小平方拟合基础上的滤波器，对信号滤波时，实际上是拟合低频成分，而将高频成分“平滑出去”。一个典型的应用是去除基线漂移现象。由于基线漂移由于低频信号影响，现在用平滑滤波器拟合该低频信号，然后再用原信号减去该拟合出的低频信号，即得到去除基线漂移的信号。平滑滤波器主要是为了克服平均滤波器在同样的阶数的情况下，平均滤波器的截止频率过低的问题，即低通通带在频率轴上较短的问题。本文同样采取5阶滤波器，采用输入信号为三种频率成分的混合x=sin(2 *pi*f1*t)+0.5*cos(2*pi*f2*t)+0.5*sin(2*pi*f3*t)，然后相减得到想要的信号。采取同样的阶数和同样的输入信号是为了形成鲜明的对比，便于比较。 2 MATLAB程序和比较结果 2.1 平均滤波器（所有程序完全个人创作） clear all; % H(z)=(1/N)((1-Z^(-N))/(1-Z^(-1))) 最简单的梳状滤波器的频率响应和极零图； M=512; b=[1 0 0 0 0 -1]; %N=5 a=[1 -1];

数字信号处理低通滤波器设计实验

实验报告课程名称：数字信号处理实验名称：低通滤波器设计实验院（系）：专业班级：姓名：学号：指导教师：一、实验目的：掌握IIR数字低通滤波器的设计方法。二、实验原理： 2.1设计巴特沃斯IIR滤波器在MATLAB下，设计巴特沃斯IIR滤波器可使用butter 函数。 Butter函数可设计低通、高通、带通和带阻的数字和模拟IIR滤波器，其特性为使通带内的幅度响应最大限度地平坦，但同时损失截止频率处的下降斜度。在期望通带平滑的情况下，可使用butter函数。butter函数的用法为：[b,a]=butter(n,Wn)其中n代表滤波器阶数，W n代表滤波器

的截止频率，这两个参数可使用buttord 函数来确定。buttord 函数可在给定滤波器性能的情况下，求出巴特沃斯滤波器的最小阶数n ，同时给出对应的截止频率Wn 。buttord 函数的用法为：[n,Wn]= buttord(Wp,Ws,Rp,Rs)其中Wp 和Ws 分别是通带和阻带的拐角频率（截止频率），其取值范围为0至1之间。当其值为1时代表采样频率的一半。Rp 和Rs 分别是通带和阻带区的波纹系数。 2.2契比雪夫I 型IIR 滤波器。在MATLAB 下可使用cheby1函数设计出契比雪夫I 型IIR 滤波器。 cheby1函数可设计低通、高通、带通和带阻契比雪夫I 型滤IIR 波器，其通带内为等波纹，阻带内为单调。契比雪夫I 型的下降斜度比II 型大，但其代价是通带内波纹较大。 cheby1函数的用法为：[b,a]=cheby1(n,Rp,Wn,/ftype /)在使用cheby1函数设计IIR 滤波器之前，可使用cheblord 函数求出滤波器阶数n 和截止频率Wn 。cheblord 函数可在给定滤波器性能的情况下，选择契比雪夫I 型滤波器的最小阶和截止频率Wn 。cheblord 函数的用法为： [n,Wn]=cheblord(Wp,Ws,Rp,Rs)其中Wp 和Ws 分别是通带和阻带的拐角频率（截止频率），其取值范围为0至1之间。当其值为1时代表采样频率的一半。Rp 和Rs 分别是通带和阻带区的波纹系数。三、实验要求：利用Matlab 设计一个数字低通滤波器，指标要求如下： 1.要求频率低于0.2rad π时，容许幅度误差在1db 以内；在频率0.3ππ 之间的阻带衰减大于15db.增益()()()20l g m a x jw db jw H e mag H e =

数字图像处理实验图像空间滤波

数字图像处理实验报告实验三图像空间滤波 1、实验目的图像的空间滤波能够实现对图像锐化、亮度增强等操作，通过此功能能够得到所需图像，进行观察各种滤波器的区别与使用范围。 2、实验步骤（1）．通过如下污染一幅图像的方式创建一组带噪声的图像： ?a加入高斯噪声 b加入椒盐噪声 ?使用如下技术: ?创建2个平滑线形滤波器并分别对上述加噪图像实现线性滤波,比较其优劣, 并写入实验报告: ?[ 1 1 1 [ 1 2 1 ? 1 1 1 2 4 2 ? 1 1 1 ] 1 2 1 ] （2）．实现中值滤波对上述加噪图像的处理结果,总结中值滤波和均值滤波各适合用于处理的噪声类型,并写入实验报告。（3）.对一幅模糊的图像使用两种锐化空间滤波器进行增强，并比较效果。 3、实验源码 (1)加入高斯噪声 makeI=imnoise(W,'gaussian',0,0.005); figure,imshow(makeI); imwrite(makeI,'3-1-gaussian.jpg') (2)加入椒盐噪声 makeI=imnoise(W,'salt & pepper',0.01); figure,imshow(makeI); imwrite(makeI,'3-1-salt.jpg') （3）创建两个平滑线性滤波器 h=[1 1 1;1 1 1; 1 1 1] a.高斯噪声的图像 I=imread('3-1-gaussian.jpg') K=rgb2gray(I) imshow(i) h=[1 1 1;1 1 1;1 1 1] I2 = filter2(h,K); imshow(I2,[]), colorbar b.椒盐噪声的图像 W=imread('3-1-salt.jpg') T=rgb2gray(W) I2 = filter2(h,T); imshow(I2,[]), colorbar

计控实验报告平滑与数字滤波

实验平滑与数字滤波（一）观察有噪音时的微分 1、按图3.1—2接线，S11置方波档，S12置下档，调W11使周期约2S ，调W12使幅值约1V ,TD 先取为0.02s ，采样周期也先取为0.02s 。 2、将2F00H 、2F03H 存入系数P1、P2，2F60H 存入Tk 。 3、启动微分程序(G=F000:123D ↘)，用示波器观察系统输出C 波形，观察U15单元的OUT 端微分输出波形。如图3.1—4及图3.1—5所示。图3.1—4 图3.1－5 原系统的输出波形可在去除微分正反馈，即去掉U15 DAC 单元的OUT 端，通过示波器观察C 端的输出，得到这时系统的过渡过程时间约为0.3s 。不过，由于微分正反馈的作用，虽然使系统响应加快，但由于微分时间过大，会使系统的稳定性受到影响。P=T T D ，通

过三者的关系，可适当调整P 、T 、TD 值，使系统输出达到要求。 4、选择不同的Tk 与P1、P2，重复(2)、(3)，观察微分噪音幅度，并以TD=T=0.01s 时系统噪音大至幅度为参考，记录参数与结果，填入表3.1—2中。表3.1—2 1、按图3.1—2接线，S11置阶跃档，S12置下档，调W11使周期约2S ，调W12使幅值约1V ，TD 先取为0.02S ，采样周期也先取0.02S 。图3.1—2 2、将2F06H 、2F09H 、2E0CH 、2F0FH 存入A1、A2、A 3、A4，2F60H 存入Tk ，启动微分平滑程序(G=F000:12EB ↘)。 3、观察U15单元的OUT 端，观察系统输出波形，看有无平滑作用。 4、若无平滑作用，停机，改变系数和Tk ，再重复(2)、(3)。将结果填入表3.1—2中。 5、由表3.1—2可看出，U15 单元的OUT 端输入的微分噪音幅值由原先的0.2V 减小至0.1V ，这说明有平滑作用，用示波器观察系统输出波形。再用示波器观察系统的输出波形比未平滑时平滑些。适当调整Tk 及A1～A4的值，使平滑作用更好一些。 (三)观察微分加速作用 1、按图3.1—2连线，S11置方波档，S12置中档，调W11使周期约0.5S ，调W12使

语音滤波实验报告

DSP技术及应用课程设计语音滤波处理院系：机电工程学院专业（班级）：电子信息工程2班姓名：洪育钦学号: 20134082033 指导教师：韩杨杨职称：助教完成日期： 2016年 6月 16日成绩：

目录 1.引言 (1) 1.2 设计的目的 (1) 1.3设计指标要求 (2) 2滤波器的基础知识 (2) 2.1 滤波器的定义 (2) 2.2 滤波器的功能 (3) 2.3滤波器的特点 (3) 2.4 FIR数字滤波器的窗函数设计 (4) 3.FIR滤波器设计与实现过程 (5) 3.1 FIR滤波器设计指标 (5) 3.2 FIR滤波器设计过程 (6) 3.2.2 FIR滤波器的matlab实现 (6) 3.2.3 FIR滤波器的CCS实现 (8) 3.3 FIR滤波器设计结果 (9) 4.设计过程中遇到的问题及解决的办法 (11) 参考文献 (12) 附录 (12)

语音信号的FIR滤波器处理 1.引言随着信息时代和数字世界的到来，数字信号处理已成为如今一门极其重要的学科和技术领域。数字信号处理在通信、语音、图像、自动控制、雷达、军事、航空航天、医疗和家用电器等众多领域得到了广泛的应用。数字信号处理器，也称DSP芯片，是针对数字信号处理需要而设计的一种具有特殊结构的微处理器，它是现代电子技术、相结合的产物。一门主流技术，随着信息处理技术的飞速发展，计算机技术和数字信号处理技术逐渐发展成为使它在电子信息、通信、软件无线电、自动控制、仪表技术、信息家电等高科技领域得到了越来越广泛的应用。数字滤波是语音处理、图像处理、频谱分析等应用中的基本处理算法。DSP 是一种处理数字信号的专用微处理器, 主要应用于实时快速地实现各种信号的数字处理算法。用 DSP 芯片实现数字滤波具有稳定性好、精确度高、不受环境影响等优点。数字滤波器分为有限冲激响应滤波器（FIR滤波器）和无限冲激响应滤波器（IIR滤波器）。FIR 滤波器属于经典滤波器，优点就是由于不存在系统极点，FIR 滤波器是绝对稳定的系统，FIR 滤波器还确保了线性相位，在信号处理中占有极其重要的地位。数字滤波器一直以来就是数字信号处理器（DSP）最广为人知的应用，FIR 滤波器的单位冲激响应 b(n)为有限长序列,若 b(n)为实数, 且满足偶对称:b(n)= b(N- 1- n)的条件, 称为系数对称FIR 滤波器。系数对称 FIR 滤波器在数字信号处理中应用十分广泛。 1.2 设计的目的

实验七图像增强—平滑与滤波

实验七图像增强—平滑与滤波 ****************共5小题**************** 20124178 付蕊一、实验目的及要求在熟悉图像平滑的基本原理和方法的基础上，在理论指导下，能在MATLAB 环境下对图像进行平滑处理。本实验要求用线性平滑滤波、中值平滑滤波、小波降噪和频域低通滤波的方法进行程序设计。通过平滑处理，对结果图像加以比较，得出自己的实验结论。学生应当完成对于给定图像+噪声，使用平均滤波器、中值滤波器对不同强度的高斯噪声和椒盐噪声，进行滤波处理；能够正确地评价处理的结果；能够从理论上作出合理的解释。二、实验设备与软件 1．PC计算机 2．MATLAB软件/语言包括图像处理工具箱(Image Processing Toolbox) 3．实验所需要的图片三．实验内容 1．对给定的图像添加均值为0，方差分别为200、400的高斯噪声，以及概率分别为0.1、0.2的椒盐噪声，显示添加噪声后的图像。加高斯 >> I=imread('rice.jpg'); >> J=imnoise(I,'gaussian',0,200); >> K=imnoise(I,'gaussian',0,400); >> subplot(2,2,1);imshow(I);title('原图'); >> subplot(2,2,2);imshow(J);title('200高斯噪声');

>> subplot(2,2,3);imshow(I);title('原图'); >> subplot(2,2,4);imshow(K);title('400高斯噪声'); 加椒盐 >> I=imread('rice.jpg'); >> J=imnoise(I,'salt & pepper',0.2); >> K=imnoise(I,'salt & pepper',0.1); >> subplot(2,2,1);imshow(I);title('原图'); >> subplot(2,2,2);imshow(J);title('0.2椒盐噪声'); >> subplot(2,2,3);imshow(I);title('原图'); >> subplot(2,2,4);imshow(K);title('0.1椒盐噪声');

平滑滤波

最新图像的平滑滤波---数字图像处理实验报告南昌大学

平滑滤波方法研究

实验四 用频率取样法设计FIR数字滤波器

数字图像处理实验报告--平滑滤波

三种不同平滑滤波器对比

平滑滤波器的设计和分析

数字图像处理实验二：图像增强与平滑(精)

实验4 基于MATLAB的FIR数字滤波器设计

数字图像处理邻域平均法滤波实验报告matlab实现

2.1图像滤波方法的比较实验报告

平滑滤波

MATLAB实现频域平滑滤波以及图像去噪代码

平滑与平均滤波

数字信号处理 低通滤波器设计实验

数字图像处理实验 图像空间滤波

计控实验报告平滑与数字滤波

语音滤波实验报告

实验七 图像增强—平滑与滤波

实验四用频率取样法设计FIR数字滤波器

数字信号处理低通滤波器设计实验

数字图像处理实验图像空间滤波

实验七图像增强—平滑与滤波