1 .题目：实现并给出第三章中的unsharp masking的滤波结果，其中平滑版本可以使用包括均值，加权均值等滤波器。
2.源程序。
close all; clear; clc;
i=imread('d:\'读入原图像。
m=rgb2gray(i); 将原图像灰度化。
利用均值滤波器对图像进行平滑处理，噪声得到了有效的去除。
并且选择模版的尺寸越大，噪声的去除效果越好，同时图像边缘细节越模糊。
创建均值滤波器模版。
h1=ones(3)/9; %3*3的模。
h2=ones(7)/49; %7*7的模。
j=imnoise(m,'gaussian',0,0.02); 添加高斯噪声，均值为0，方差为0.02
转化j为double数据类型。
j=double(j);
均值滤波。s1=conv2(j,h1,'same');
s2=conv2(j,h2,'same');
图像显示。subplot(2,2,1);imshow(m);title('原始图像的灰度图');
subplot(2,2,2);imshow(j,title('添加高斯噪声图像');
subplot(2,2,3);imshow(s1,title('3*3均值滤波图像');
subplot(2,2,4);imshow(s2,title('7*7均值滤波图像');
反锐化掩膜滤波。
w=[1 1 1;1 1 1;1 1 1];
w=1/9*w;
c=3;对3*3均值滤波图像后的图像进行反锐化掩膜滤波。
m,n]=size(s1);
m1=zeros(size(s1));
g1=zeros(size(s1));
for x=1:m
for y=1:n
if (x==1|y==1|x==m|y==n)
blur_s1(x,y)=s1(x,y);
elseblur_s1(x,y)=w(1,1)*s1(x-1,y-1)+w(1,2)*s1(x-1,y)+w(1,3)*s1(x-1,y+1)+.
w(2,1)*s1(x,y-1)+w(2,2)*s1(x,y)+w(2,3)*s1(x,y+1)+.
w(3,1)*s1(x+1,y-1)+w(3,2)*s1(x+1,y)+w(3,3)*s1(x+1,y+1);
endm1(x,y)=c*(s1(x,y)-blur_s1(x,y));
g1(x,y)=s1(x,y)+m1(x,y);
endend
对7*7均值滤波后的图像进行反锐化掩膜滤波。
a,b]=size(s2);
m2=zeros(size(s2));
g2=zeros(size(s2));
for x=1:a
for y=1:b
if (x==1|y==1|x==a|y==b)
blur_s2(x,y)=s2(x,y);
elseblur_s2(x,y)=w(1,1)*s2(x-1,y-1)+w(1,2)*s2(x-1,y)+w(1,3)*s2(x-1,y+1)+.
w(2,1)*s2(x,y-1)+w(2,2)*s2(x,y)+w(2,3)*s2(x,y+1)+.
w(3,1)*s2(x+1,y-1)+w(3,2)*s2(x+1,y)+w(3,3)*s2(x+1,y+1);
endm2(x,y)=c*(s2(x,y)-blur_s2(x,y));
g2(x,y)=s2(x,y)+m2(x,y);
endend
figure;
subplot(2,1,1);imshow(uint8(g1));title('3*3均值滤波后的图像进行反锐化掩膜增强后的图像');
subplot(2,1,2);imshow(uint8(g2));title('7*7均值滤波后的图像进行反锐化掩膜增强后的图像');
3.**结果。
数字图像处理作业
2017暑假小学期。专业。班级。姓名。学号。摘要 数字图像处理的目的是改善 质量，利用matlab设计几个简单的图像处理程序。该程序具备图像处理的日常功能 图像代数与几何运算 直方图与图像明暗关系分析 直方图均衡化 滤波器的使用与图像分割技术。通过运行 解释结合图像效果，分别介绍了处理原理与过程。关...
数字图像处理作业
图1是一张因拍摄时晃动而产生模糊的图像，试估计其psf并恢复图像。题中已明确此图是由于运动导致的模糊，所以采取课件上标准的恢复方法。首先，对 进行laplace滤波，是为了凸显图像中的高频部分，而后对图像进行radon变换以求出运动模糊的角度，由于角度标准和方向问题，需要将求出的角度减去90 也即。...
数字图像处理作业
数字图像处理上机实验题。一 基础部分。1.产生右图所示图像 f1 m,n 其中图像大小为256 256，中间亮条为128 32，暗处 0，亮处 100。对其进行fft 1 同屏显示原图f1 m,n 和fft f1 的幅度谱图 2 若令f2 m,n 1 m n f1 m,n 重复以上过程，比较二者幅度...