• 从“Wavelet”列表中选择合适的小波母函数； • 从“Level”列表中选择小波分解的级别； • 点击“Analyze”按钮； • 调节各参数； • 对分解结果可以保存和输出。
11 April 2020
26
11 April 2020
27
实验步骤
3.读入一幅图像，对其作DWT分解。
方法二：
% 提取特征分量和细节分量 a1=wrcoef2('a',c,s,'haar'); h1=wrcoef2('h',c,s,'haar'); v1=wrcoef2('v',c,s,'haar'); d1=wrcoef2('d',c,s,'haar');
11 April 2020
%显示一次小波分解各分量图像 subplot(232) a1=uint8(a1); imshow(a1) title('一次小波分解特征分量图像') subplot(235) h1=uint8(h1); imshow(h1) title('一次小波分解水平细节分量图像') subplot(233) v1=uint8(v1); imshow(v1) title('一次小波分解垂直细节分量图像') subplot(236) d1=uint8(d1); imshow(d1) title('一次小波分解对角细节分量图像')
11 April 2020
5
11 April 2020
6
实验方法、步骤
2.读入一幅RGB图像，查看图像信息
在“Command”窗口的命令提示符“>>”后输入 “I=imread(‘ss.jpg’)命令，读入RGB图像“ss.jpg”，数据存 在“I”矩阵中；
在“Command”窗口的命令提示符“>>”后输入 “imfinfo(‘ss.jpg’)命令，显示图像“ss.jpg”文件信息。
• 用dct2()函数对其进行DCT变换，并将变换得到 的傅立叶频谱存于dct_I矩阵中；
• 显示DCT频谱图
• 由于dct_I为复数矩阵，须用abs()函数求其模，并根 据矩阵元素的特点将其归一化到0~255之间；
• 用subplot()函数及imshow函数在同一窗口下显 示原始图像、灰度图像、DCT频谱图
• 点击“Two-Dimensional” 框架中的“Wavelet 2-d” 按钮，弹出“Wavelet 2-d”窗体；
11 April 2020
23
11 April 2020、步骤
• 点击“File”菜单，选“Load”→“Image”，选择 要做小波分解的图像”；
11 April 2020
14
实验内容
1. 在Matlab下读入一幅图像，对其灰度图作 快速傅立叶变换；
2. 在Matlab下读入一幅图像，对其灰度图作 DCT变换；
3. 在Matlab下读入一幅图像，对其作DWT分 解。
11 April 2020
15
实验要求
1. 独立完成各项实验内容； 2. 记录每一项实验内容实现的步骤； 3. 编写FFT、DCT、DWT变换Matlab程序； 4. 打印输出原始图像、FFT的频谱图、将频率平面坐
11 April 2020
11
11 April 2020
12
思考题
1.Matlab的当前工作目录； 2.Matlab处理图像时把图像当作什么进行的？ 3.如何查看RGB图像的各分量图像？ 4.如何将RGB图像转换成灰度图像？
11 April 2020
13
实验二 图像的频域变换
实验目的
了解数字图像频域变换的目的，熟悉 DFT、DCT变换的频谱特征及小波变换 的特点，掌握数字图像FFT、DCT及 DWT变换的方法。
数字图像处理实验指导书
谢洪波 河南理工大学
实验一 熟悉图像处理的Matlab平台
实验目的
熟悉Matlab的工作环境，掌握Matlab下矩 阵的基本操作，熟练掌握Matlab下图像 处理的基本操作(读、分解、转换、显 示、查看、写文件)。
11 April 2020
2
实验内容
1. 设置当前工作目录； 2. 读入一幅RGB图像，查看图像信息； 3. 将读入的图像分解为R、G、B三幅图像分别保存为
subplot(223)
imshow(A); title('傅立叶频谱图像') sfft_I=fftshift(fft_I); % 傅立叶频谱平面中心移至窗口中心
A=abs(sfft_I); %将频谱矩阵元素归一化到0~255
A=(A-min(min(A)))/(max(max(A))-min(min(A)))*255;
imshow(I); title('原始图像')
I=rgb2gray(I);
subplot(222)
imshow(I); title('灰度图像') fft_I=fft2(I); % 2-D快速傅立叶变换
A=abs(fft_I); %将频谱矩阵元素归一化到0~255
A=(A-min(min(A)))/(max(max(A))-min(min(A)))*255;
29
11 April 2020
30
实验结果分析
对FFT频谱图、DCT频谱图及小波分解图做 必要分析说明；
11 April 2020
31
思考题
1. 离散傅立叶变换有那些性质？这些性质说 明了什么：
2. 从FFT变换得到频谱图说明FFT变换在数字 图像处理方面有何可能的作用？
3. 小波变换的优点有哪些？在数字图像处理 方面有何优势？
• 用fft2()函数对其进行FFT变换，并将变换得到的傅立叶 频谱存于fft_I矩阵中；
• 用fftshift()函数将傅立叶频谱坐标原点移至窗口中央并 存于sfft_I矩阵中；
• 显示FFT频谱图、移动后的频谱图。
• 由于fft_I和sfft_I均为复数矩阵，须用abs()函数求其模，并根据 矩阵元素的特点将其归一化到0~255之间；
• 读入进行小波分解的图像，并把它转成灰度图 像，存于一个矩阵中，如：X；
• 用wavedct2函数对X进行分解，该函数的格式 如下：
[C,S] = wavedt2(X,N,'wname') • 用相关命令输出各图像 • 附：Xbfj.m文件
11 April 2020
28
Xbfj.m文件内容
%小波图像分解 clear clc X=imread('风光壁纸（蓝色主题）8.jpg'); subplot(231) imshow(X) title('原始图像') X=rgb2gray(X); subplot(234) imshow(X) title('原始灰度图像') % 对图象用2D小波进行一次分解 [c,s]=wavedec2(X,1,'haar');
imshow(I); title('原始灰度图像')
dct_I=dct2(I);
A=abs(dct_I);
A=(A-min(min(A)))/(max(max(A))-min(min(A)))*255;
subplot(224)
imshow(A); title('离散余弦频谱图像')
11 April 2020
标原点移至窗口中心的FFT频谱图、DCT频谱图以 及1级小波分解图像； 5. 独立撰写实验报告
11 April 2020
16
实验方法、步骤
1.读入一幅图像，对其灰度图作快速傅立叶变换。
• 用imread()函数读如工作目录下的“风光壁纸33.jpg”图 像存于I矩阵中，用rgb2gray()函数将其转换成灰度图像；
4
实验方法、步骤
1.设置当前工作目录
打开Matlab，从“文件”菜单选择“Set Path”，弹出“Set Path”窗体，单击“Add Folder…”按钮或“Add with Subfolders…”按钮，弹出“浏览文件夹”窗口，选择自己 的文件夹添加到当前工作目录中，点击“确定”，返回到 “Set Path”窗体，依次点击“Save”按钮、“Close”按钮， 完成当前工作目录的设置。
• 用subplot()函数及imshow函数在同一窗口下显示原始图 像、灰度图像、FFT频谱图及移动后的频谱图。
• 附：FLY.m文件
11 April 2020
17
Fly.m文件内容
% 快速傅立叶变换，显示原始RGB图像、灰度图像、FFT频谱图
function fly(I)
subplot(221)
21
11 April 2020
22
实验方法、步骤
3.读入一幅图像，对其作DWT分解。
Matlab下对一幅图象进行小波分解有两种方 法，一是利用Mtlab提供的“小波工具 箱”，二是编写Matlab程序。
方法一：
• 点击“Start”按钮，选 “Toolbox”→“More…”→“Wavelet”→“Wavelet Main Menu (wavemenu)”，弹出“Wavelet Main Menu ”窗体；
“imwrite(I_R,’ss_G.jpg’)”和“imwrite(I_R,’ss_B.jpg’)”将它
们分别写入“ss_R.jpg”、“ss_G.jpg”和“ss_B.jpg”磁盘文
11 April 2件02中0 。
9
实验方法、步骤
4.将读入的图像转换成灰度图像并保存为图象文件；
在“Command”窗口的命令提示符“>>”后分别输入 “I_Gray=rgb2gray(I)” 将图像转变为灰度图像并存于矩阵 “I_Gray”中，用“imwrite(I_Gray,’ss_Gray.jpg’)”将其写入 ss_Gray.jpg”磁盘文件中。