Методи фільтрації зображень

НАЦІОНАЛЬНИЙ АВІАЦІЙНИЙ УНІВЕРСИТЕТ

Навчально-науковий інститут інформаційно-діагностичних систем

Кафедра біокібернетики та аерокосмічної медицини

Домашнє завдання

з дисципліни
«Основи оброблення біомедичних сигналів і зображень»

Напрям підготовки: 6.050902 «Радіоелектронні апарати»

Тема: Методи фільтрації зображень

Виконав: Ковальчук В.І.

група БМ - 461

Залікова книжка №10409910

Керівник: Буриченко М.Ю.

Домашнє завдання захищено з оцінкою ________________

Голова комісії ______________________________________

Члени комісії _______________________________________

Київ 2018

НАЦІОНАЛЬНИЙ АВІАЦІЙНИЙ УНІВЕРСИТЕТ

              Навчально-науковий Інститут інформаційно-діагностичних систем

             Напрям 6.050902 «Радіоелектронні апарати»                          

       ЗАВДАННЯ на виконання домашньої роботи

Тестове зображення (2)

[pic 1]

РОЗДІЛ 1.

Програмний код та результати його виконання

Необхідні функції, що будуть викликатись впродовж роботи:

first_task:

function [] = first_task(M,N,m,n,x,y)

f = zeros(M,N);  % створює чорний прямокутник розміром MxN

f(x:(x+m), y:(y+n)) = 1; % замінює чорні пікселі білими на відповідних місцях

%% 1.2 Знайти спектр Фур’є зображення, обчислити динамічний діапазон значень спектра

F  = fft2(f);    % дискретне перетворення Фур'є

S  = abs(F);     % спектр зображення

S1 = log(1+S);  % спектр зображення з логарифмічним перетворенням яскравості

%% 1.3 Побудувати в одному графічному вікні такі зображення:

% а) синтезоване тестове зображення (1);

% б) його спектр Фур’є з логарифмічним перетворенням яскравості.

figure(m)

subplot(3,1,1), imshow(f), title(['a) Синтезоване тестове зображення розміром ',num2str(m),' x ',num2str(n),' та координатами ( ',num2str(x),' ; ',num2str(y),' )'])

subplot(3,1,2), imshow(S), title(['б) Спектр Фур"є тестового зображення розміром ',num2str(m),' x ',num2str(n),' та координатами ( ',num2str(x),' ; ',num2str(y),' )'])

subplot(3,1,3), imshow(S1), title(['в) Cпектр Фур"є тестового зображення розміром ',num2str(m),' x ',num2str(n),' та координатами ( ',num2str(x),' ; ',num2str(y),' )з логарифмічним перетворенням яскравості'])

end

blpf:

function g = blpf(f,n,D0)

% ФНЧ Баттерворта

% f  - вхідне зображення

% n  - порядок фільтра

% D0 - частота зрізу

% g  - вихідне зображення

%

[M,N] = size(f);

F = fft2(double(f));

u = 0:(M-1); v = 0:(N-1);

idx = find(u>M/2); u(idx) = u(idx)-M;

idy = find(v>N/2); v(idy) = v(idy)-N;

[V,U] = meshgrid(v,u);

D = sqrt(U.^2 + V.^2);

H = 1./(1 + (D./D0).^(2*n)); % передатна функція ФНЧ

G = H.*F;

g = real(ifft2(double(G)));

Основний код, та результати його виконання поблоково:

1. – 1.3 Синтезувати тестове зображення, вираховувати його спектр Фур’є, вивести результати у графічне вікно

M = 100;

N = 100;

m = 9;

n = 8;