电视机模型建模及仿真(I).doc

如有你有帮助，请购买下载，谢谢！

齐齐哈尔大学

通信与电子工程学院
实验教师预作报告

实验课名称：
项目名称： 教学班级： 教师姓名： 实验地点： 实验日期：


通信系统仿真设计实验
电视机模型建模与仿真（2）
通信 10 级
房汉雄
6J510

实验十二 图像处理的仿真
一、实验目的及要求
1.了解图像增强的目的及意义，加深对图像增强的感性认识，巩固所学的图像增强的
理论知识和相关算法。
2.熟练掌握直方图均衡化和直方图规定化的计算过程。
3.熟练掌握空域滤波中常用的平滑和锐化滤波器。
4.熟练掌握低通和高通滤波器的使用方法，明确不同性质的滤波器对图像的影响和作
用。
二、实验环境
计算机，带 Windows 操作系统
三、实验原理

1.直方图均衡化

直方图均衡化处理是以累积分布函数为基础的直方图修改方法。 直方图均衡化的目的是
将原始图像的直方图变为均衡分布的形式，即将一幅已知灰度概率密度分布的图像，经过某 种变换，变成一幅具有均匀灰度概率密度分布的新图像。相关的直方图均衡化的计算过程请
查看教材。

2. 值滤波器和中值滤波器 均

邻域平均法将一个像元及其邻域中的所有像元的平均值赋给输出图像中相应的像元， 从

而达到平滑的目的，又称为均值滤波。以 3*3 模板为例，将图 1（b）中的所有 ki 赋予相同
的值，求得 r 后将其值除以 9，再赋给相应的像元。

r

(a) (b) (c)

1页

如有你有帮助，请购买下载，谢谢！

图 1 空域模板滤波示意图

邻域滤波法虽然可以平滑图像， 但在消除噪声的同时， 会使图像中的一些细节变得模糊。 中值滤波则在消除噪声的同时还能保持图像中的细节部分，防止边缘模糊，与邻域平均法不 同，中值滤波是一种非线性滤波，它将邻域内所有像元值从小到大排序，取中间值作为中心

像元的输出值，以 3*3 模板为例，将图 4.1（a）中的 p0 ~ p8 进行排序，将中间值赋给 r。中
值滤波与均值滤波不同，它不是通过对邻域内的所有像元求平均值来消除噪声的，而是让与
周围像元灰度值的差比较大的像元改取近似于周围像元灰度值的值， 从而达到消除噪声的目
的。

3.锐化滤波器

图像的平滑处理会使图像的边缘纹理信息受到损失，图像变得比较模糊。锐化滤波则可
以增强图像中物体的边缘轮廓并减弱图像的低频分量， 使得除边缘以外的像元的灰度值趋向
于零。常用的锐化滤波方法有梯度法和拉普拉斯算子法。
（1）梯度法
对于一幅图像 f (x, y) ，它的梯度可以表示为：
¶f ¶f

¶x ¶y 分别表示在某个位置， 和
f (x, y) 沿 x 方向和 y 方向的灰度变化率（一阶偏导数） ，

G[ f (x, y)] 是一个矢量，它指向 f (x, y) 的最大变化率方向。对于数字图像用微分运算不方
便，故一般采用差分形式，常用的梯度差分法为罗伯特梯度算子，可以表示为：
图 4.6 给出了罗伯特算子的模板。
（2）拉普拉斯算子
拉普拉斯算子法采用二阶偏导数，其定义为：
对于离散数字图像，在某个像元（i,j）处的拉普拉斯算子可采用如下差分形式：
其相应的模板如图 2 所示。

1 0 0 1

0 -1 -1 0

罗伯特算子

0 -1 0 -1 -1 -1

-1 4 -1 -1 8 -1

0 -1 0 -1 -1 -1

拉普拉斯算子

图 2 算子模板

4.频域滤波增强

频域增强技术是在图像的频率域空间对图像进行滤波，其主要步骤如下：

（a） 对原始图像 f (x, y) 进行傅里叶变换得到 F (u, v) ； 、

2页

如有你有帮助，请购买下载，谢谢！

（b）
、将 F (u, v) 与传递函数 H (u, v) 进行乘法运算得到 G(u, v) ；

（c） 、将 G(u, v) 进行傅里叶反变换得到增强图像 g(x, y) 。

图像从空间域变换到频率域后，其低频分量对应图像中灰度值变化比较缓慢的区域。低

通滤波是指保留低频分量，而通过滤波器函数 H (u, v) 减弱或抑制高频分量的过程。因此低

通滤波与空域中的平滑滤波器一样可以消除图像中的随机噪声，减弱边缘效应，起到平滑图 像的作用。高通滤波是指保留高频分量，而减弱或抑制低频分量的过程。图像频率域的高频 分量表征了图像的边缘及其它灰度变化较快的区域，因此高通滤波可以增强图像的边缘，起
到锐化图像的作用。
四、实验内容及步骤：
1.编制一个对图像进行直方图均衡化处理的程序， 增强的结果要能实时在屏幕上显示。
x=imread('w.bmp'); x=rgb2gray(x);
y=histeq(x);
figure('name','直方图均衡化','NumberTitle','off','MenuBar','none');
subplot(1,2,1);imshow(x);title('原图像');
subplot(1,2,2);imshow(y);title('直方图均衡化后图像');
2.编制程序实现 m×n的均值滤波器和中值滤波器，注意边界像元的处理，设计一种
简便的对图像边界像元进行处理的方法。
%%邻域平均法
%读取原始图像并显示
f0=imread('w.bmp');
% 高斯噪声并显示 加入
x=imnoise (f0, 'gaussian', 0, 0.05); x=rgb2gray
%给定三种不同的滤波窗口
h1=[1/9 1/9 1/9; 1/9 1/9 1/9; 1/9 1/9 1/9 ];
h2=ones(5)/25; h3=ones(7)/49;
% 用h1
采 对图像进行卷积滤波
x1=conv2(x, h1,'same');
% 用h2
采 对图像进行卷积滤波
x2=conv2(x, h2,'same');
% 用h3
采 对图像f2 卷积滤波 进行
x3=conv2(x, h3,'same');
figure('name',' 邻域平均法','NumberTitle','off','MenuBar','non
subplot(2,2,1);imshow(x);title(' 噪声图像');
subplot(2,2,2);imshow(uint8(x1));title('3*3 滤波');
subplot(2,2,3);imshow(uint8(x2));title('5*5 滤波');
subplot(2,2,4);imshow(uint8(x3));title('7*7 滤波');
%%中值滤波法
%读取原始图像并显示
f0=imread('w.bmp'); f0=rgb2gray(f0);
% 高斯噪声并显示 加入

3页