18组实验四王栩灿肖凌峰张皓Word文件下载.docx

资源描述

18组实验四王栩灿肖凌峰张皓Word文件下载.docx

《18组实验四王栩灿肖凌峰张皓Word文件下载.docx》由会员分享，可在线阅读，更多相关《18组实验四王栩灿肖凌峰张皓Word文件下载.docx（28页珍藏版）》请在冰点文库上搜索。

18组实验四王栩灿肖凌峰张皓Word文件下载.docx

截止频率位于距原点D0的n阶布特沃斯滤波器（BLPF）的传递函数概念为

与IFPF不同，BLPF并无字通过频率和滤除频率之间给出明显截止的急剧不持续性。

且空间域的一阶布特沃斯滤波器没有振铃现象。

④高斯低通/高通滤波器

高斯滤波器的二维形式由下式给出：

⑤Fresnel衍射与Fraunhofer衍射

在光学里，菲涅耳衍射（Fresneldiffraction）指的是在近场区域的，即光源或衍射的图样的屏与衍射孔（障碍物）的距离是有限的。

菲涅耳衍射积分式能够用来计算光波在近场区域的传播，因法国物理学者奥古斯丁·

菲涅耳而命名，是基尔霍夫衍射公式的近似。

夫琅禾费衍射是指把单色点光源放在透镜的核心上，通过透镜后的单色平行光垂直照射时，在屏后面不同距离上会观看到一些现象，其中当屏远离到足够大的距离后，中心显现一个较大的亮斑，外围是一些较弱的明暗相间的同心圆环，尔后再往外移动，衍射花腔显现稳固散布，中心处老是亮的，只是半径不断扩大罢了，这种衍射称为夫琅禾费衍射，又称（而当距离较近时为，较近时没有夫琅禾费衍射）。

四、实验程序与结果

①构造同时包括50Hz和120Hz的正弦信号进行傅里叶变换并分析。

主程序

f1=fun_GenSinWave（1000,1000,50）;

%plot（f1）;

f2=fun_GenSinWave（1000,1000,120）;

%figure;

plot（f2）;

f=f1+f2;

y=fft（f）;

figure;

plot（y）;

正弦波生成函数

function[output]=fun_GenSinWave（fs,N,f）

%partone,generate50Hzand100HzsinsignalanddoFourierchange

fsm=fs;

%采样频率

Ns=N;

n=0:

N-1;

t=n/fs;

f1=f;

x=sin（2*pi*f1*t）;

能够看到不同的频率在做傅里叶变换后被区分开来。

②以高斯光束为例（自己选的例子亦可），利用matlab实现二维图像的傅里叶变换，选取不同的抽样距离，观看抽样距离对结果的阻碍并分析。

采纳lena图像进行二维傅里叶变换

主程序：

%二维傅里叶变换

f=imread（'

）;

%以lena图为例

f=rgb2gray（f）;

%转为灰度图

f=double（f）;

%转为double值

F1=fft2（f）;

%利用MATLAB库傅里叶变换函数

F1=abs（F1）;

F1=fftshift（F1）;

%浮点移动到中央位置

F1=log10（F1）;

F1=uint8（F1）;

%取对数，恢复至无符号八位整形

imshow（F1,[]）%显示图像。

imwrite（F1,'

F2=downsample（f,2）;

%利用downsample函数进行降采样

F2=fft2（f）;

F2=abs（F2）;

F2=fftshift（F2）;

F2=log10（F2）;

F2=uint8（F2）;

figure,imshow（F2,[]）%显示图像。

imwrite（F2,'

原图像

二维傅里叶变换后图像二维傅里叶变换后图像（降采样）

采纳了matlab库函数中的快速傅里叶变换函数（FFT）进行变换，尽管从结果图上不易看到降采样产生的阻碍，可是在查看图像的矩阵中数值时能够观看到像元的值是不一样的。

③对某一图像（如）

clearall

clc

图3-5'

R1=30;

R2=90;

R3=160;

F=fft2（f）;

F=fftshift（F）;

%原图像的傅里叶逆变换

%------------------------理想低通滤波--------------------------------------

Lowpass_Filters1=fun_Lowpass_Filters（F,R1）;

imwrite（Lowpass_Filters1,'

R=30的理想低通滤波.bmp'

Lowpass_Filters2=fun_Lowpass_Filters（F,R2）;

imwrite（Lowpass_Filters2,'

R=90的理想低通滤波.bmp'

Lowpass_Filters3=fun_Lowpass_Filters（F,R3）;

imwrite（Lowpass_Filters3,'

R=160的理想低通滤波.bmp'

%------------------------理想高通滤波--------------------------------------

Highpass_Filters1=fun_Highpass_Filters（F,R1）;

imwrite（Highpass_Filters1,'

R=30的理想高通滤波.bmp'

Highpass_Filters2=fun_Highpass_Filters（F,R2）;

imwrite（Highpass_Filters2,'

R=90的理想高通滤波.bmp'

Highpass_Filters3=fun_Highpass_Filters（F,R3）;

imwrite（Highpass_Filters3,'

R=160的理想高通滤波.bmp'

%------------------------高斯低通滤波--------------------------------------

Gaussian_Lowpass_Filters1=fun_Gaussian_Lowpass_Filters（F,R1）;

imwrite（Gaussian_Lowpass_Filters1,'

R=30的高斯低通滤波.bmp'

Gaussian_Lowpass_Filters2=fun_Gaussian_Lowpass_Filters（F,R2）;

imwrite（Gaussian_Lowpass_Filters2,'

R=90的高斯低通滤波.bmp'

Gaussian_Lowpass_Filters3=fun_Gaussian_Lowpass_Filters（F,R3）;

imwrite（Gaussian_Lowpass_Filters3,'

R=160的高斯低通滤波.bmp'

%------------------------高斯高通滤波--------------------------------------

Gaussian_Highpass_Filters1=fun_Gaussian_Highpass_Filters（F,R1）;

imwrite（Gaussian_Highpass_Filters1,'

R=30的高斯高通滤波.bmp'

Gaussian_Highpass_Filters2=fun_Gaussian_Highpass_Filters（F,R2）;

imwrite（Gaussian_Highpass_Filters2,'

R=90的高斯高通滤波.bmp'

Gaussian_Highpass_Filters3=fun_Gaussian_Highpass_Filters（F,R3）;

imwrite（Gaussian_Highpass_Filters3,'

R=160的高斯高通滤波.bmp'

%------------------------布特沃斯低通滤波-----------------------------------

Butterworth_Lowpass_Filters1=fun_Butterworth_Lowpass_Filters（F,R1）;

imwrite（Butterworth_Lowpass_Filters1,'

R=30的布特沃斯低通滤波.bmp'

Butterworth_Lowpass_Filters2=fun_Butterworth_Lowpass_Filters（F,R2）;

R=90的布特沃斯低通滤波.bmp'

Butterworth_Lowpass_Filters3=fun_Butterworth_Lowpass_Filters（F,R3）;

R=160的布特沃斯低通滤波.bmp'

%------------------------布特沃斯高通滤波-----------------------------------

Butterworth_Highpass_Filters1=fun_Butterworth_Highpass_Filters（F,R1）;

imwrite（Butterworth_Highpass_Filters1,'

R=30的布特沃斯高通滤波.bmp'

Butterworth_Highpass_Filters2=fun_Butterworth_Highpass_Filters（F,R2）;

imwrite（Butterworth_Highpass_Filters2,'

R=90的布特沃斯高通滤波.bmp'

Butterworth_Highpass_Filters3=fun_Butterworth_Highpass_Filters（F,R3）;

imwrite（Butterworth_Highpass_Filters3,'

R=160的布特沃斯高通滤波.bmp'

利用的自概念函数

理想低通/高通

function[output]=fun_Highpass_Filters（H_Image,R）

%------------------------变量------------------------------

%Image读取的图像

%R理想低通滤波的半径

Low=H_Image;

r=R;

[M,N]=size（Low）;

h=zeros（M,N）;

m=round（M/2）;

n=round（N/2）;

fori=1:

forj=1:

S=sqrt（（i-m）^2+（j-n）^2）;

ifS<

h（i,j）=1;

else

h（i,j）=0;

end

Lowpass_Filters=h.*Low;

%理想低通滤波

Lowpass_Filters=uint8（real（ifft2（ifftshift（Lowpass_Filters））））;

figure（'

Name'

理想低通滤波'

imshow（Lowpass_Filters）;

output=Lowpass_Filters;

%R理想高通滤波的半径

High=H_Image;

[M,N]=size（High）;

Highpass_Filters=h.*High;

Highpass_Filters=uint8（real（ifft2（ifftshift（Highpass_Filters））））;

理想高通滤波'

imshow（Highpass_Filters）;

output=Highpass_Filters;

高斯低通/高通

function[output]=fun_Gaussian_Lowpass_Filters（G_Image,R）

%------------------------------变量------------------------------

%H_Image通过傅里叶变换处置的图像

%R高斯低通滤波的半径

Gaussian_Lowpass=G_Image;

[M,N]=size（Gaussian_Lowpass）;

m1=fix（M/2）;

n1=fix（N/2）;

d=sqrt（（i-m1）^2+（j-n1）^2）;

G_H（i,j）=exp（-d^2/2/r^2）;

end

Gaussian_Lowpass_Filters=Gaussian_Lowpass.*G_H;

Gaussian_Lowpass_Filters=ifftshift（Gaussian_Lowpass_Filters）;

Gaussian_Lowpass_Filters=ifft2（Gaussian_Lowpass_Filters）;

Gaussian_Lowpass_Filters=mat2gray（real（Gaussian_Lowpass_Filters））;

高斯低通滤波'

imshow（Gaussian_Lowpass_Filters）;

output=Gaussian_Lowpass_Filters;

function[output]=fun_Gaussian_Highpass_Filters（G_Image,R）

%R高斯高通滤波的半径

Gaussian_Highpass=G_Image;

[M,N]=size（Gaussian_Highpass）;

G_Hh（i,j）=1-exp（-d^2/2/r^2）;

Gaussian_Highpass_Filters=Gaussian_Highpass.*G_Hh;

Gaussian_Highpass_Filters=ifftshift（Gaussian_Highpass_Filters）;

Gaussian_Highpass_Filters=ifft2（Gaussian_Highpass_Filters）;

Gaussian_Highpass_Filters=mat2gray（real（Gaussian_Highpass_Filters））;

高斯高通滤波'

imshow（Gaussian_Highpass_Filters）;

output=Gaussian_Highpass_Filters;

布特沃斯低通/高通

function[output]=fun_Butterworth_Lowpass_Filters（B_Image,R）

%B_Image通过傅里叶变换处置的图像

%R布特沃斯低通滤波的半径

Butterworth_Lowpass=B_Image;

[M,N]=size（Butterworth_Lowpass）;

m2=fix（M/2）;

n2=fix（N/2）;

d=sqrt（（i-m2）^2+（j-n2）^2）;

B_Hl=1/（1+（d/r）^（2*2））;

resultBl（i,j）=B_Hl*Butterworth_Lowpass（i,j）;

Butterworth_Lowpass_Filters=ifftshift（resultBl）;

Butterworth_Lowpass_Filters=ifft2（Butterworth_Lowpass_Filters）;

Butterworth_Lowpass_Filters=uint8（real（Butterworth_Lowpass_Filters））;

布特沃斯低通滤波'

imshow（Butterworth_Lowpass_Filters）;

output=Butterworth_Lowpass_Filters;

function[output]=fun_Butterworth_Highpass_Filters（B_Image,R）

%R布特沃斯高通滤波的半径

Butterworth_Highpass=B_Image;

[M,N]=size（Butterworth_Highpass）;

B_HH=1/（1+（r/d）^（2*2））;

resultBH（i,j）=B_HH*Butterworth_Highpass（i,j）;

Butterworth_Highpass_Filters=ifftshift（resultBH）;

Butterworth_Highpass_Filters=ifft2（Butterworth_Highpass_Filters）;

Butterworth_Highpass_Filters=uint8（real（Butterworth_Highpass_Filters））;

布特沃斯高通滤波'

imshow（Butterworth_Highpass_Filters）;

output=Butterworth_Highpass_Filters;

结果图：

理想低通滤波

半径R

160

图片

理想高通滤波

布特沃斯低通滤波

布特沃斯高通滤波

高斯低通滤波

高斯高通滤波

空域高斯滤波（R=90）

比较能够得出，相关于频率域高斯滤波，空域高斯滤波取得的图像灰度值较高一些。

实验主程序

由于版本不同及兼容问题汉字部份会变成乱码，源程序可看。

%===========·

========

%========================================

clearall;

clc;

%¶

.jpg'

f=double（f）./255;

imshow（f）;

title（'

展开阅读全文