图像增强处理：空间域与频率域结合的图像增强算法

图像增强处理：设计一套空间域与频率域结合的图像增强算法，处理以下任一组图片中的带噪声图像，去除噪声，提高图像质量。 （1）已知：噪声为随机噪声和周期噪声混合噪声； （2）要求： a）去噪处理后，计算均方误差评估去噪处理后图像的去噪效果 b）撰写完整的科技报告（形式类似科技论文）表述自己的算法设计，算法实现与算法评估过程。

clear;clc;
figure;
yt=imread（‘H:\大学\数字图象处理\课程设计2\dogOriginal.bmp‘）;
yt_noise=imread（‘H:\大学\数字图象处理\课程设计2\dogDistorted.bmp‘）;
subplot（431）;imshow（yt）;title（‘原图‘）;
subplot（433）;imhist（yt）;title（‘原图‘）;
a=fftshift（fft2（yt））;
subplot（432）;imshow（mat2gray（log（abs（a））））;title（‘原图频谱图‘）;
subplot（434）;imshow（yt_noise）;title（‘噪声图‘）;
subplot（436）;imhist（yt_noise）;title（‘噪声图‘）;
a=fftshift（fft2（yt_noise））;
subplot（435）;imshow（mat2gray（log（abs（a））））;title（‘噪声图频谱图‘）;
A=fspecial（‘average‘）;
qsjnoise=filter2（Ayt_noise）/255; 
subplot（437）;imshow（qsjnoise）;title（‘去随机噪声‘）;
subplot（439）;imhist（qsjnoise）;title（‘去随机噪声‘）;
a=fftshift（fft2（qsjnoise））;
subplot（438）;imshow（mat2gray（log（abs（a））））;title（‘去随机噪声后频谱图‘）;
x=double（qsjnoise）;
x1=fftshift（fft2（qsjnoise））;
x2=x1;
[mn]=size（x1）;
nn=2;
d0=30;
m0=fix（m/2）;
n0=fix（n/2）;
for i=1:m
    for j=1:n
        d=sqrt（（i-m0）^2+（j-n0）^2）;
        h=1*exp（-1/2*（d^2/d0^2））; 
        x2（ij）=h*x1（ij）;
    end
end
qnoise=abs（ifft2（x2））;
qnoise=mat2gray（qnoise）;
subplot（4310）;imshow（qnoise）;title（‘去噪声‘）;
subplot（4312）;imhist（qnoise）;title（‘去噪声‘）;
a=fftshift（fft2（qnoise））;
subplot（4311）;imshow（mat2gray（log（abs（a））））;title（‘去噪声后频谱图‘）;

cha=yt-uint8（qnoise）;
he=sum（sum（cha））;
avg=he/（m*n）;
wucha=cha-avg;
result1=（sum（sum（wucha.^2）））/（m*n）;
if result1==0
disp（‘dog图均方误差‘）;result2=0
else
disp（‘dog图均方误差‘）;result2=sqrt（result1）
end




figure;
yt=imread（‘H:\大学\数字图象处理\课程设计2\swanOriginal.bmp‘）;
yt_noise=imread（‘H:\大学\数字图象处理\课程设计2\swanNoise.bmp‘）;
subplot（431）;imshow（yt）;title（‘原图‘）;
subplot（433）;imhist（yt）;title（‘原图‘）;
a=fftshift（fft2（yt））;
subplot（432）;imshow（mat2gray（log（abs（a））））;title（‘原图频谱图‘）;
subplot（434）;imshow（yt_noise）;title（‘噪声图‘）;
subplot（436）;imhist（yt_noise）;title（‘噪声图‘）;
a=fftshift（fft2（yt_noise））;
subplot（435）;imshow（mat2gray（log（abs（a））））;title（‘噪声图频谱图‘）;
qjynoise=medfilt2（yt_noise[33]）;
subplot（437）;imshow（qjynoise）;title（‘去随机噪声‘）;
subplot（439）;imhist（qjynoise）;title（‘去随机噪声‘）;
a=fftshift（fft2（qjynoise））;
subplot（438）;imshow（mat2gray（log（abs（a））））;title（‘去随机噪声后频谱图‘）;
x=double（qjynoise）;
x1=fftshift（fft2（qjynoise））;
x2=x1;
[mn]=size（x1）;
nn=2;
d0=30;
m0=fix（m/2）;
n0=fix（n/2）;
for i=1:m
    for j=1:n
        d=sqrt（（i-m0）^2+（j-n0）^2）;
        h=1/（1+0.414*（d/d0）^（2*nn））;
        x2（ij）=h*x1（ij）;
    end
end
qnoise=abs（ifft2（x2））;

subplot（4310）;imshow（qnoise[]）;title（‘去噪声‘）;
subplot（4312）;imhist（mat2gray（qnoise））;title（‘去噪声‘）;
a=fftshift（fft2（qnoise））;
subplot（4311）;imshow（mat2gray（log（abs（a））））;title（‘去噪声后频谱图‘）;

cha=yt-uint8（qnoise）;
he=sum（sum（cha））;
avg=he/（m*n）;
wucha=cha-avg;
result1=（sum（sum（wucha.^2）））/（m*n）;
if result1==0
disp（‘swan图均方误差‘）;result2=0
else
disp（‘swan图均方误差‘）;result2=sqrt（result1）
end







%%%%带阻滤波器，线性滤波器

 属性            大小     日期    时间   名称
----------- ---------  ---------- -----  ----

     文件     867328  2018-05-18 07:58  Matlab图像增强\图像处理课程设计2.doc

     文件     132442  2018-05-18 07:59  Matlab图像增强\dogDistorted.bmp

     文件     132442  2018-05-18 07:59  Matlab图像增强\dogOriginal.bmp

     文件       3041  2018-06-20 20:24  Matlab图像增强\keshe2.m

     文件     188578  2018-05-18 07:59  Matlab图像增强\swanNoise.bmp

     文件     188578  2018-05-18 07:59  Matlab图像增强\swanOriginal.bmp

     文件    1480409  2018-06-15 09:36  Matlab图像增强\图像处理课程设计.docx

     目录          0  2018-10-14 23:22  Matlab图像增强

----------- ---------  ---------- -----  ----

              2992818                    8