实验四 空域滤波增强

实验报告

课程名称数字图像处理实验名称空域滤波增强

姓名__吴征宇学号____ 3101110002

专业班级_ J计算机1001

实验日期__2013_ 年_5 _月_29 日成绩_____ __ 指导教师___ _

实验四空域滤波增强

一、实验目的

1.了解空域滤波增强的Matlab实现方法；

2.掌握噪声模拟和图像滤波函数的使用方法；

3.能够将给定图像+噪声，使用均值滤波器、中值滤波器对不同强度的高斯噪声和椒盐

噪声，进行滤波处理；

4.能够正确地评价处理的结果；并从理论上作出合理的解释。

二、实验内容

1. 噪声模拟

利用函数imnoise给图像‘autumn.tif’分别添加高斯(gaussian)噪声和椒盐(salt & pepper)噪声。

I=imread('cameraman.tif');

imshow(I)

I1=imnoise(I,'gaussian',0,0.01);

figure,imshow(I1)

I2=imnoise(I,'salt & pepper');

figure,imshow(I2)

2. 均值滤波和中值滤波

A)均值滤波

在matlab环境中，程序首先读取图像，然后调用图像增强（）函数，设置相关参数，再输出处理后的图像。

I = imread('cameraman.tif');

figure,imshow(I);

J=filter2(fspecial('average',3),I)/255;

figure,imshow(J);

B)中值滤波

在matlab环境中，程序首先读取图像，然后调用图像增强（中值滤波）函数，设置相关参数，再输出处理后的图像。

I = imread('cameraman.tif');

figure,imshow(I);

J=medfilt2(I,[5,5]);

figure,imshow(J);

3. 空域滤波

C)对上述噪声图像进行均值滤波和中值滤波，比较滤波效果。

i=imread('1.jpg');

I=rgb2gray(i);

J = imnoise(I,'gauss',0.02); %添加高斯噪声

%J = imnoise(I,'salt & pepper',0.02); %添加椒盐噪声

K = filter2(fspecial('average',3),J)/255; %均值滤波3 ×3 L = filter2(fspecial('average',5),J)/255; %均值滤波5 ×5 M = medfilt2(J,[3 3]); %中值滤波3 ×3 模板N = medfilt2(J,[4 4]); % 中值滤波4 ×4 模板imshow(I);

figure,imshow(J);

figure,imshow(K);

figure,imshow(L);

figure,imshow(M);

figure,imshow(N);

4. 采用三种不同算子对图像进行锐化处理。

i=imread('d:\1.jpg')

I=rgb2gray(i)

H=fspecial('sobel')%应用Sobel算子锐化图像

I1=filter2(H,I)%Sobel算子滤波锐化

H=fspecial('prewitt')%应用prewitt算子锐化图像

I2=filter2(H,I)%prewitt算子滤波锐化

H=fspecial('log')%应用log算子锐化图像

I3=filter2(H,I)%log算子滤波锐化

subplot(2,2,1);imshow(i);title('原图像')

subplot(2,2,2);imshow(I1);title('Sobel算子锐化图像') subplot(2,2,3);imshow(I2);title('prewitt算子锐化图像') subplot(2,2,4);imshow(I3);title('log算子锐化图像')

5. 边缘检测

MATLAB的图像处理工具箱中提供的edge函数可以实现检测边缘的功能，其语法格式如下：

BW = edge(I,'sobel')

BW = edge(I,'sobel',direction)

BW = edge(I,'roberts')

BW = edge(I,'log')

这里BW = edge(I,'sobel')采用Sobel算子进行边缘检测。BW = edge(I,'sobel',direction)可以指定算子方向，即：

direction=’horizontal’，为水平方向；

direction=’vertical’，为垂直方向；

direction=’both’，为水平和垂直两个方向。

BW = edge(I,'roberts')和BW = edge(I,'log')分别为用Roberts算子和拉普拉斯高斯算子进行边缘检测。

例：用三种算子进行边缘检测。

I=imread('cameraman.tif');

imshow(I)

BW1=edge(I,'roberts');

figure ,imshow(BW1),title('用Roberts算子')

BW2=edge(I,'sobel');

figure,imshow(BW2),title('用Sobel算子')

BW3=edge(I,'log');

figure,imshow(BW3),title('用拉普拉斯高斯算子')

三、实验分析

1、简述高斯噪声和椒盐噪声的特点。

高斯噪声是指噪声服从高斯分布，即某个强度的噪声点个数最多，离这个强度越远噪声点个数越少，且这个规律服从高斯分布。高斯噪声是一种加性噪声，即噪声直接加到原图像上，因此可以用线性滤波器滤除。

椒盐噪声类似把椒盐撒在图像上，因此得名，是一种在图像上出现很多白点或黑点的噪声，如电视里的雪花噪声等。椒盐噪声可以认为是一种逻辑噪声，用线性滤波器滤除的结果不好，一般采用中值滤波器滤波可以得到较好的结果。

2、结合实验内容，定性评价平均滤波器/中值滤波器对高斯噪声和椒盐噪声的去噪效

果？

3、结合实验内容，定性评价滤波窗口对去噪效果的影响？

4、分别用Roberts,Sobel和拉普拉斯高斯算子对图像进行边缘检测。比较三种算子处理的

不同之处

实验五 图像增强 空域滤波

计算机与信息工程学院综合性、设计性实验报告 一、 实验目的 1、进一步了解MatLab 软件 /语言，学会使用MatLab 对图像作滤波处理，掌握滤波算法，体会滤波效果。 2、了解几种不同滤波方式的使用和使用的场合，培养处理实际图像的能力。 二、实验设备与软件 1、 IBM-PC 计算机系统； 2、 MatLab 软件/语言包括图像处理工具箱(Image Processing Toolbox)； 3、 实验所需要的图片。 三、实验要求 1、完成对于给定图像+噪声，使用平均滤波器、中值滤波器对不同强度的高斯噪声和椒盐噪声进行滤波处理； 2、能够正确地评价处理的结果； 3、能够从理论上作出合理的解释。 四、实验内容与步骤 1、调入并显示原始图像Sample2-1.jpg 。 2、 利用imnoise 命令在图像Sample2-1.jpg 上加入高斯(gaussian) 噪声 3、利用预定义函数fspecial 命令产生平均(average)滤波器 111191111---????--????---? ?

4、分别采用3x3和5x5的模板，分别用平均滤波器以及中值滤波器，对加入噪声的图像进行处理并观察不同噪声水平下，上述滤波器处理的结果； 5、选择不同大小的模板，对加入某一固定噪声水平噪声的图像进行处理，观察上述滤波器处理的结果。 6、利用imnoise 命令在图像Sample2-1.jpg 上加入椒盐噪声(salt & pepper) 7、重复3)~ 5）的步骤 8、输出全部结果并进行讨论。 M文件如下： I=imread('electric.tif'); %J = imnoise(I,'gauss',0.02); %添加高斯噪声 J = imnoise(I,'salt & pepper',0.02); %(注意空格) %添加椒盐噪声ave1=fspecial('average',3); %产生3×3的均值模版 ave2=fspecial('average',5); %产生5×5的均值模版 K = filter2(ave1,J)/255; %均值滤波3×3 L = filter2(ave2,J)/255; %均值滤波5×5 M = medfilt2(J,[3 3]); %中值滤波3×3模板 N = medfilt2(J,[4 4]); %中值滤波4×4模板 imshow(I);title('原图像'); figure,imshow(J);title('添加"高斯"噪声后的图像'); %figure,imshow(J);title('添加"椒盐"噪声后的图像'); figure,imshow(K);title('均值滤波3×3'); figure,imshow(L);title('均值滤波5×5'); figure,imshow(M);title('中值滤波3×3模板'); figure,imshow(N);title('中值滤波4×4模板'); 说明：运行时分两次进行，第一次观察高斯噪声把相应的椒盐噪声注释掉，如上面所示，第二次观察椒盐噪声时把相应的高斯噪声注释掉。 运行结果： 1、高斯噪声：

空域图像增强报告

实验报告 实验课程:光电图像处理姓名： 学号： 实验地点： 指导老师： 实验时间：

一． 实验名称：空间图象增强（一） 二． 实验目的 1． 熟悉和掌握利用matlab 工具进行数字图像的读、写、显示、像素处理等数字图像处理的基本步骤和流程。 2． 熟练掌握各种空间域图像增强的基本原理及方法。 3． 熟悉通过灰度变换方式进行图像增强的基本原理、方法和实现。 4． 熟悉直方图均衡化的基本原理、方法和实现。 三． 实验原理 （一）数字图像的灰度变换 1、线性灰度变换 令原图像灰度范围由[a,b]线性变换后图像灰度范围[c,d]，以便于提升原图像的对比度。线性灰度变换公式如下： ()(,),[(,)](,)(,)d f x y b d c g x y f x y a c a f x y b b a c f x y a >??-?=-+≤≤?-?

对图像2种定义下的直方图统计统计，并分别画出两种定义下的直方图。直方图均衡化主要用于增强动态范围偏小的图像的反差。该方法的基本思想是把原始的直方图变换为均匀分布的形状，这样就增加了像素灰度值的动态范围，从而达到增强图像整体对比度的效果。 四． 实验步骤 （一）数字图像的灰度变换 1、线性灰度变换 1）读取一幅对比度低的灰度图像并显示。 2）以m 文件形式编写matlab 代码，实现数字图像的灰度范围由[a,b]到[c,d]的线性拉伸，以便于提升原图像的对比度。线性灰度变换公式如下： ()(,),[(,)](,)(,)d f x y b d c g x y f x y a c a f x y b b a c f x y a >??-?=-+≤≤?-?

低通滤波器实验报告

（科信学院） 信息与电气工程学院 电子电路仿真及设计CDIO三级项目 设计说明书 （2012/2013学年第二学期） 题目： ____低通滤波器设计____ _____ _____ _ 专业班级：通信工程 学生姓名： 学号： 指导教师： 设计周数：2周 2013年7月5日 题目： ____低通滤波器设计____ _____ _____ _ (1)

第一章、电源的设计 (2) 1.1实验原理： (2) 1.1.1设计原理连接图： (2) 1. 2电路图 (5) 第二章、振荡器的设计 (7) 2.1 实验原理 (7) 2.1.1 (7) 2.1.2定性分析 (7) 2.1.3定量分析 (8) 2.2电路参数确定 (10) 2.2.1确定R、C值 (10) 2.2.2 电路图 (10) 第三章、低通滤波器的设计 (12) 3.1芯片介绍 (12) 3.2巴特沃斯滤波器简介 (13) 3.2.1滤波器简介 (13) 3.2.2巴特沃斯滤波器的产生 (13) 3.2.3常用滤波器的性能指标 (14) 3.2.4实际滤波器的频率特性 (15) 3.3设计方案 (17) 3.3.1系统方案框图 (17) 3.3.2元件参数选择 (18) 3.4结果分析 (20) 3.5误差分析 (23) 第四章、课设总结 (24) 第一章、电源的设计 1.1实验原理： 1.1.1设计原理连接图：

整体电路由以下四部分构成： 电源变压器：将交流电网电压U1变为合适的交流电压U2。 整流电路：将交流电压U2变为脉动的直流电压U3。 滤波电路：将脉动直流电压U3转变为平滑的直流电压U4。 稳压电路：当电网电压波动及负载变化时,保持输出电压Uo的稳定。 1）变压器变压 220V交流电端子连一个降压变压器，把220V家用电压值降到9V左右。 2）整流电路 桥式整流电路巧妙的利用了二极管的单向导电性，将四个二极管分为两组，根据变压器次级电压的极性分别导通。见变压器次级电压的正极性端与负载电阻的上端相连，负极性端与负载的电阻的下端相连，使负载上始终可以得到一个单方向的脉动电压。单项桥式整流电路，具有输出电压高，变压器利用率高，脉动系数小。

实验图像的滤波增强处理

实验图像的滤波增强处理 实验目的 1了解空域增强的基本原理 2掌握平滑滤波器和锐化滤波器的使用 3掌握图像中值滤波增强的使用 4了解频域增强的基本原理 5掌握低通滤波器和高通滤波器的使用实验原理 1．空域增强 空域滤波是在图像空间中借助模板对图像进行领域操作，处理图像每一个像素的取值都是根据模板对输入像素相应领域内的像素值进行计算得到的。空域滤波基本上是让图像在频域空间内某个范围的分量受到抑制，同时保证其他分量不变，从而改变输出图像的频率分布，达到增强图像的目的。 空域滤波一般分为线性滤波和非线性滤波两类。线性滤波器的设计常基于对傅立叶变换的分析，非线性空域滤波器则一般直接对领域进行操作。各种空域滤波器根据功能主要分为平滑滤波器和锐化滤波器。平滑可用低通来实现，平滑的目的可分为两类：一类是模糊，目的是在提取较大的目标前去除太小的细节或将目标内的小肩端连接起来；另一类是消除噪声。锐化可用高通滤波来实现，锐化的目的是为了增强被模糊的细节。结合这两种分类方法，可将空间滤波增强分为四类： 1）线性平滑滤波器（低通）2）非线性平滑滤波器（低通）3）线性锐化滤波器（高通） 4）非线性锐化滤波器（高通）空间滤波器都是基于模板卷积，其主要工作步骤是： 1（1）将模板在图中移动，并将模板中心与图中某个像素位置重合； 2（2）将模板上的系数与模板下对应的像素相乘； 3（3）将所有乘积相加； （4）将和（模板的输出响应）赋给图中对应模板中心位置的像素。 1.1平滑滤波器 线性低通平滑滤波器也称为均值滤波器，这种滤波器的所有系数都是正数，对3×3 的模板来说，最简单的是取所有系数为1，为了保持输出图像任然在原来图像的灰度值范围内，模板与象素邻域的乘积都要除以9。 MATLAB 提供了fspecial 函数生成滤波时所用的模板，并提供filter2 函数用指定的滤波器模板对图像进行运算。函数fspecial 的语法格式为： h=fspecial(type)

实验二空域图像增强

实验三空域图像增强 一、实验目的与要求 1、掌握灰度直方图的概念及其计算方法； 2、熟练掌握直力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、掌握色彩直方图的概念和计算方法 5、利用MATLAB程序进行图像增强。 二、实验内容与步骤 1、图像的直方图与直方图均衡方法 a. 从硬盘加载cameraman.tif图象(using function imread). b. 显示图象. c. 显示图象的直方图(using function imhist). d. 用直方图均衡方法进行图象增强. e. 对处理后的图象显示其直方图. f. 比较图象的质量并且进行讨论. 代码如下： I=imread(‘原图像名.gif); % 读入原图像 J=histeq(I); %对原图像进行直方图均衡化处理 Imshow(I); %显示原图像 Title(‘原图像’); %给原图像加标题名 Figure；imshow(J); %对原图像进行屏幕控制；显示直方图均衡化后的图像 Title(‘直方图均衡化后的图像’) ; %给直方图均衡化后的图像加标题名 Figure; subplot(1,2,1) ;%对直方图均衡化后的图像进行屏幕控制；作一幅子图作为并排两幅图的第1幅图 Imhist(I,64); %将原图像直方图显示为64级灰度 Title(‘原图像直方图’) ; %给原图像直方图加标题名 Subplot(1,2,2); %作第2幅子图 Imhist(J,64) ; %将均衡化后图像的直方图显示为64级灰度 Title(‘均衡变换后的直方图’) ; %给均衡化后图像直方图加标题名 从处理前后的图像可以看出，许多在原始图像中看不清楚的细节在直方图均衡化处理后所得到的图像中都变得十分清晰。 2、对图象加入躁声，改变噪声参数（均值、方差或比例），比较其影响。使用3x3或7x7的均值滤波器、中值滤波器对不同强度的高斯噪声和椒盐噪声，进行滤波处理；能够正确地评价处理的结果；能够从理论上作出合理的解释。相关程序： I=imread('electric.tif'); J = imnoise(I,'gauss',0.05,0.02); %添加均值为0.05，方差为0.02的高斯噪声%J = imnoise(I,'salt& pepper',0.02); %添加2%像素被污染的椒盐噪声 ave1=fspecial('average',3); %产生3×3的均值模版ave2=fspecial('average',7); %产生7×7的均值模版

低通滤波器设计实验报告

低通滤波器设计实验报 告 Document serial number【NL89WT-NY98YT-NC8CB-NNUUT-NUT108】

低通滤波器设计 一、设计目的 1、学习对二阶有源RC 滤波器电路的设计与分析； 2、练习使用软件ORCAD （PISPICE ）绘制滤波电路； 3、掌握在ORCAD （PISPICE ）中仿真观察滤波电路的幅频特性与相频特性曲线 。 二、设计指标 1、设计低通滤波器截止频率为W=2*10^5rad/s; 2、品质因数Q=1/2; 三、设计步骤 1、考虑到原件分散性对整个电路灵敏度的影响，我们选择 R1=R2=R,C1=C2=C ，来减少原件分散性带来的问题； 2、考虑到电容种类比较少，我们先选择电容的值，选择电容 C=1nF; 3、由给定的Wp 值,求出R 12121C C R R Wp ==RC 1=2*10^5 解得：R=5K? 4、根据给定的Q ，求解K Q=2121C C R R /K)RC -(1+r2)C1+(R1= K -31 解得：K=3-Q 1= 5、根据求出K 值，确定Ra 与Rb 的值

Ra=2 K=1+ Rb Ra=Rb 这里取 Ra=Rb=10K?; 四、电路仿真 1、电路仿真图： 2、低通滤波器幅频特性曲线 3、低通滤波器相频特性曲线 注：改变电容的值：当C1=C2=C=10nF时 低通滤波器幅频特性曲线 低通滤波器相频特性曲线 五、参数分析 1、从幅频特性图看出：该低通滤波器的截止频率大约33KHz, 而我们指标要求设计截止频率 f= Wp/2?= 存在明显误差； 2、从幅频特性曲线看出，在截至频率附近出现凸起情况,这是二阶滤波器所特有的特性； 3、从相频特性曲线看出，该低通滤波器的相频特性相比比较好。 4、改变电容电阻的值，发现幅频特性曲线稍有不同，因此，我们在设计高精度低误差的滤波器时一定要注意原件参数的选择。 六、设计心得:

图像增强—空域滤波实验报告

图像增强—空域滤波实验报告 篇一：5.图像增强—空域滤波 - 数字图像处理实验报告计算机与信息工程学院验证性实验报告 一、实验目的 进一步了解MatLab软件/语言，学会使用MatLab对图像作滤波处理，使学生有机会掌握滤波算法，体会滤波效果。 了解几种不同滤波方式的使用和使用的场合，培养处理实际图像的能力，并为课堂教学提供配套的实践机会。 二、实验要求 (1)学生应当完成对于给定图像+噪声，使用平均滤波器、中值滤波器对不同强度的高斯噪声和椒盐噪声，进行滤波处理；能够正确地评价处理的结果；能够从理论上作出合理的解释。 (2)利用MATLAB软件实现空域滤波的程序：I=imread('electric.tif'); J = imnoise(I,'gauss',0.02); %添加高斯噪声 J = imnoise(I,'salt & pepper',0.02); %添加椒盐噪声ave1=fspecial('average',3); %产生3×3的均值模版ave2=fspecial('average',5); %产生5×5的均值模版 K = filter2(ave1,J)/255; %均值滤波3×3 L = filter2(ave2,J)/255; %均值滤波5×5 M = medfilt2(J,[3 3]);%中值滤波3×3模板 N = medfilt2(J,[4 4]); %中值

滤波4×4模板 imshow(I); figure,imshow(J); figure,imshow(K); figure,imshow(L); figure,imshow(M); figure,imshow(N); 三、实验设备与软件 (1) IBM-PC计算机系统 (2) MatLab软件/语言包括图像处理工具箱(Image Processing Toolbox) (3) 实验所需要的图片 四、实验内容与步骤 a) 调入并显示原始图像Sample2-1.jpg 。 b) 利用imnoise 命令在图像Sample2-1.jpg 上加入高斯(gaussian) 噪声 c)利用预定义函数fspecial 命令产生平均(average)滤波器 ??1?1?1???19?1?????1?1?1?? ? d）分别采用3x3和5x5的模板，分别用平均滤波器以及中值滤波器，对加 入噪声的图像进行处理并观察不同噪声水平下，上述滤波器处理的结果； e）选择不同大小的模板，对加入某一固定噪声水平噪声的图像进行处理，观察上述滤波器处理的结果。 f）利用imnoise 命令在图像Sample2-1.jpg 上加入椒盐噪声(salt & pepper) g）重复c)~ e）的步骤 h）输出全部结果并进行讨论。

空域图像增强实验报告

一、实验名称：空域图像增强 二、实验目的：掌握Matlab语言图像工具箱中空域图像增强的实现 三、实验要求： 在掌握图像灰度调整、直方图修正和图像锐化的指令基础上，编写程序实现图像的灰度变换，直方图均衡和图像锐化的处理 四、实验仪器和设备：计算机，Matlab软件 五、实验原理： 1、亮度变换S=T(r)点对点的变换（灰度级对灰度级的变换）matlab函数：imadjust() 亮度变换的基本函数g=imadjust(f,[low in high in],[low out high out],gamma); low in and high in 参数分别指定输入图像需要映射的灰度空间范围，low out 和high out 参数分别指定输出图像所在的灰度范围。GAMMA表示曲线的形状，描述输入输出图像之间的关系。如果GAMMA小于1，则映射的权重趋势向更亮输出，如果GAMMA大于1，则趋向更暗的输出。默认值为1。 2、直方图均衡化 直方图是多种空间域处理技术的基础，能有效用于图像增强，是实时图像处理的流行工具，直方图均衡化的目的是使图像在整个灰度值动态变化范围内分布均匀化，改善图像的亮度分布状态，增强视觉效果。直方图均衡化是通过灰度变换将一幅图像转换程另一幅具有均衡性的直方图。即在每个灰度级上都具有相同的像素点数的过程。 3、空域滤波 手工滤波与函数提供滤波器的比较 六、实验步骤： 1、将待处理图片拷到matlab软件’work’文件夹 2、实行亮度变换 3、对图像进行直方图均衡处理 4、空域滤波 5、记录实验结果并分析 七、实验程序及结果记录： 1、亮度变换 I=imread(‘E:\fig308.tif’); Imshow(I); Figure,imhist(I); J=imadjust(I,[0.5 0.9],[0,1]); Figure; imshow(J); Figure; imhist(J) 2、直方图均衡化 I=imread(‘E:\fig308.tig’); J=histea(I); Imshow(I); Title(‘原图像’); Figure; Imshow(J); Title(‘直方图均衡化后的图像’);

滤波器实验

实验三滤波器实验 一，实验目的 1，通过实验了解滤波器的工作原理。 2，通过实验学习有源滤波器的特点。 3，学习滤波器在工程技术中的应用。 二，实验仪器及器材 1，通用线路接插板 2，电容、电阻、电位器、运算放大器等电子元器件 3，晶体管毫伏表 4，低频信号发生器 5，直流稳压电源 三，实验步骤及实验结果 1，计算上截止频率为440Hz的RC低通滤波器的R、C数值。 实验电路如上图，其中电容，根据上截止频率点处 解得：。 2，将选好的元件在线路插板上按上图接插成低通滤波器，测出其幅频特性。 采用两种方法测量，一种是通过示波器测量不同频率的响应幅值，从而得到幅频特性曲线。另一种是直接测量幅频特性伯德图。 实验中直接测得幅频特性曲线：

手动调整输入信号频率，测得输出放大倍率如下 通过示波器测量频率为0~2k时的幅值响应数据如下: 得到的幅频特性曲线如下： 可以看出通过测量各频率放大倍率绘制的幅频曲线图和实验中仪器绘制的波特图基本一致，截止频率440Hz左右。 3，在此低通滤波器的输出端并联一个1kΩ的负载电阻，再测其幅频特性，并与无负

载情况下的幅频特性相比较。 分析可得上截止频率满足： 实验中36kΩ，，代入上式求得： 实验测出幅频特性曲线如下： 分析数据： Freq (Hz) Gain (dB) Phase (deg) 100.000 -30.235 -0.438 14677.993 -33.457 -51.451 17782.794 -34.382 -57.910 从初始下降-3dB即为截止频率，可看出与理论计算基本相符。 比较两种情况可看出： 原本的截止频率为440Hz处于低频段，并联负载后截止频率变为16.4kHz处于高频段，无法起到低通滤波器的作用。 另外原本的静态放大倍率为1(0dB)，在接负载后静态放大倍率降为，即实际输出电压很小，影响滤波器性能。 4，接成如下图所示的有源滤波低通滤波器，测出其幅频特性。

卡尔曼滤波的基本原理及应用

卡尔曼滤波的基本原理及应用卡尔曼滤波在信号处理与系统控制领域应用广泛，目前，正越来越广泛地应用于计算机应用的各个领域。为了更好地理解卡尔曼滤波的原理与进行滤波算法的设计工作，主要从两方面对卡尔曼滤波进行阐述：基本卡尔曼滤波系统模型、滤波模型的建立以及非线性卡尔曼滤波的线性化。最后，对卡尔曼滤波的应用做了简单介绍。 卡尔曼滤波属于一种软件滤波方法，其基本思想是：以最小均方误差为最佳估计准则，采用信号与噪声的状态空间模型，利用前一时刻的估计值和当前时刻的观测值来更新对状态变量的估计，求出当前时刻的估计值，算法根据建立的系统方程和观测方程对需要处理的信号做出满足最小均方误差的估计。 最初的卡尔曼滤波算法被称为基本卡尔曼滤波算法，适用于解决随机线性离散系统的状态或参数估计问题。卡尔曼滤波器包括两个主要过程：预估与校正。预估过程主要是利用时间更新方程建立对当前状态的先验估计，及时向前推算当前状态变量和误差协方差估计的值，以便为下一个时间状态构造先验估计值；校正过程负责反馈，利用测量更新方程在预估过程的先验估计值及当前测量变量的基础上建立起对当前状态的改进的后验估计。这样的一个过程，我们称之为预估－校正过程，对应的这种估计算法称为预估－校正算法。以下给出离散卡尔曼滤波的时间更新方程和状态更新方程。 时间更新方程： 状态更新方程： 在上面式中，各量说明如下： A：作用在X k-1上的n×n 状态变换矩阵 B：作用在控制向量U k-1上的n×1 输入控制矩阵 H：m×n 观测模型矩阵，它把真实状态空间映射成观测空间 P k－：为n×n 先验估计误差协方差矩阵 P k：为n×n 后验估计误差协方差矩阵 Q：n×n 过程噪声协方差矩阵 R：m×m 过程噪声协方差矩阵 I：n×n 阶单位矩阵K k：n×m 阶矩阵，称为卡尔曼增益或混合因数 随着卡尔曼滤波理论的发展，一些实用卡尔曼滤波技术被提出来，如自适应滤波，次优滤波以及滤波发散抑制技术等逐渐得到广泛应用。其它的滤波理论也迅速发展，如线性离散系统的分解滤波（信息平方根滤波，序列平方根滤波，UD 分解滤波），鲁棒滤波（H∞波）。 非线性样条自适应滤波：这是一类新的非线性自适应滤波器，它由一个线性组合器后跟挠性无记忆功能的。涉及的自适应处理的非线性函数是基于可在学习

数字信号处理-低通滤波器设计实验

实验报告 课程名称：数字信号处理 实验名称：低通滤波器设计实验 院（系）： 专业班级： 姓名： 学号： 指导教师： 一、实验目的： 掌握IIR数字低通滤波器的设计方法。 二、实验原理： 2.1设计巴特沃斯IIR滤波器 在MATLAB下，设计巴特沃斯IIR滤波器可使用butter 函数。 Butter函数可设计低通、高通、带通和带阻的数字和模拟IIR滤波器，其特性为使通带内的幅度响应最大限度地平坦，但同时损失截止频率处的下降斜度。在期望通带平滑的情况下，可使用butter函数。butter函数的用法为：

[b,a]=butter(n,Wn)其中n代表滤波器阶数，W n代表滤波器的截止频率，这两个参数可使用buttord函数来确定。buttord函数可在给定滤波器性能的情况下，求出巴特沃斯滤波器的最小阶数n，同时给出对应的截止频率Wn。buttord函数的用法为：[n,Wn]= buttord(Wp,Ws,Rp,Rs)其中Wp和Ws分别是通带和阻带的拐角频率（截止频率），其取值范围为0至1之间。当其值为1时代表采样频率的一半。Rp和Rs分别是通带和阻带区的波纹系数。 2.2契比雪夫I型IIR滤波器。 在MATLAB下可使用cheby1函数设计出契比雪夫I 型IIR滤波器。 cheby1函数可设计低通、高通、带通和带阻契比雪夫I 型滤IIR波器，其通带内为等波纹，阻带内为单调。契比雪夫I型的下降斜度比II型大，但其代价是通带内波纹较大。cheby1函数的用法为：[b,a]=cheby1(n,Rp,Wn,/ftype/)在使用cheby1函数设计IIR滤波器之前，可使用cheblord 函数求出滤波器阶数n和截止频率Wn。cheblord函数可在给定滤波器性能的情况下，选择契比雪夫I型滤波器的最小阶和截止频率Wn。cheblord函数的用法为： [n,Wn]=cheblord(Wp,Ws,Rp,Rs)其中Wp和Ws分别是通带和阻带的拐角频率（截止频率），其取值范围为0至1之间。当其值为1时代表采样频率的一半。Rp和Rs分别是通带和阻带区的波纹系数。 三、实验要求： 利用Matlab设计一个数字低通滤波器，指标要求如下：

基于Matlab_GUI空域滤波增强的设计

经贸大学毕业论文 基于Matlab GUI空域滤波增强的设计

目录 1绪论 (1) 1.1 课题研究背景 (1) 1.2 图像去噪的研究现状 (1) 1.3 本文主要工作 (2) 第2章 Matlab简介 (3) 2.1 Matlab概况 (3) 2.1.1 Matlab发展过程 (4) 2.1.2 Matlab的语言特点 (5) 2.2 Matlab图像处理常用函数 (6) 第3章图像去噪算法 (8) 3.1 图像噪声概述 (8) 3.1.1 图像噪声的概念 (8) 3.1.2 图像噪声的分类 (8) 3.2 邻域平均法图像去噪 (9) 3.2.1 模板操作和卷积运算 (9) 3.2.2 邻域平均法原理 (11) 3.3 中值滤波法图像去噪 (12) 3.3.1 中值滤波原理 (13) 3.3.2 中值滤波主要特性 (15) 3.3.3 复合型中值滤波 (16) 3.4 维纳滤波法图像去噪 (17) 3.4.1 维纳滤波原理 (17) 3.4.2 维纳滤波器特性 (19) 第4章基于Matlab GUI的空域增强设计 (20) 4.1 Matlab GUI设计的介绍 (20) 4.2 Matlab GUI界面的操作 (20)

4.2.1 启动GUIDE (20) 4.2.2 GUI文件的介绍 (22) 4.2.3 GUIDE环境的设置 (22) 4.3 基于Matlab GUI空域增强软件平台的设计 (23) 4.3.1 启动GUIDE (23) 4.3.2 加入菜单项编辑 (24) 4.3.3 增加子菜单和布局 (24) 4.4 各种方法的仿真 (26) 4.4.1 邻域平均法的仿真 (26) 4.4.2 中值滤波的仿真 (28) 4.4.3 维纳滤波的仿真 (30) 4.4.4 几种去噪方法的比较分析 (32) 4.5 Matlab GUI软件界面处理的结果 (33) 致谢 (35) 参考文献 (35) 摘要 在许多情况下图像信息会受到各种各样噪声的影响，严重时会影响

北航卡尔曼滤波实验报告-GPS静动态滤波实验

卡尔曼滤波实验报告

2014 年 4 月 GPS 静/动态滤波实验 一、实验要求 1、分别建立GPS 静态及动态卡尔曼滤波模型，编写程序对静态和动态GPS 数据进行Kalman 滤波。 2、对比滤波前后导航轨迹图。 3、画出滤波过程中估计均方差(P 阵对角线元素开根号)的变化趋势。 4、思考：① 简述动态模型与静态模型的区别与联系；② R 阵、Q 阵，P0阵的选取对滤波精度及收敛速度有何影响，取值时应注意什么；③ 本滤波问题是否可以用最小二乘方法解决，如果可以，请阐述最小二乘方法与Kalman 滤波方法的优劣对比。 二、实验原理 2.1 GPS 静态滤波 选取系统的状态变量为[ ]T L h λ=X ,其中L 为纬度(deg),λ为经度(deg)，h 为高度 (m)。设()w t 为零均值高斯白噪声，则系统的状态方程为： 310()w t ?=+X (1) 所以离散化的状态模型为： ,111k k k k k W ---=+X X Φ (2) 式中，,1k k -Φ为33?单位阵，k W 为系统噪声序列。 测量数据包括：纬度静态量测值、经度静态量测值和高度构成31?矩阵Z ，量测方程

可以表示为： k k k Z HX V =+ (3) 式中，H 为33?单位阵，k V 为量测噪声序列。 系统的状态模型是十分准确的，所以系统模型噪声方差阵可以取得十分小，取Q 阵零矩阵。 系统测量噪声方差阵R 由测量确定，由于位置量测精度为5m ，采用克拉索夫斯基地球椭球模型，长半径e R 为6378245m ，短半径p R 为6356863m 。所以R 阵为： 2 2 25180()0 05180 ( )0cos()00 5p e R R L ππ ??? ?? ? ??= ??? ? ? ?? ? R (4) 2.2 GPS 动态滤波 动态滤波基于当前统计模型，在地球坐标系下解算。选取系统的状态变量为 T x x x y y y z z z X x v a y v a z v a εεε??=??,其中,,,x x x x v a ε依次为地球坐标系下x 轴上的位置、速度、加速度和位置误差分量，,y z 轴同理。系统的状态模型可以表示为： ()()()()t t t t =++X AX U W (5) 式中，位置误差视为有色噪声，为一阶马尔科夫过程，可表示为： x x x x y y y y z z z z w w w εετεετεετ?=-+????=-+????=-+?? 1 11 (6) 其中，i τ(,,i x y z =)为对应马尔科夫过程的相关时间常数，(,,)i w i x y z =为零均值高斯白噪声。

绝对经典的低通滤波器设计报告

经典 无源低通滤波器的设计

团队：梦知队 团结奋进，求知创新，追求卓越，放飞梦想 队员： 日期：2010.12.10 目录 第一章一阶无源RC低通滤波电路的构建 (3) 1.1理论分析 (3) 1.2电路组成 (4) 1.3一阶无源RC低通滤波电路性能测试 (5) 1.3.1正弦信号源仿真与实测 (5) 1.3.2三角信号源仿真与实测 (10) 1.3.3方波信号源仿真与实测 (15) 第二章二阶无源LC低通滤波电路的构建 (21) 2.1理论分析 (21) 2.2电路组成 (22) 2.3二阶无源LC带通滤波电路性能测试 (23) 2.3.1正弦信号源仿真与实测 (23) 2.3.2三角信号源仿真与实测 (28)

2.3.3方波信号源仿真与实测 (33) 第三章结论与误差分析 (39) 3.1结论 (39) 3.2误差分析 (40) 第一章一阶无源RC低通滤波电路的构建1.1理论分析 滤波器是频率选择电路，只允许输入信号中的某些频率成分通过，而阻止其他频率成分到达输出端。也就是所有的频率成分中，只是选中的部分经过滤波器到达输出端。 低通滤波器是允许输入信号中较低频率的分量通过而阻止较高频率的分量。 图1RC低通滤波器基本原理图 当输入是直流时，输出电压等于输入电压，因为Xc无限大。当输入

频率增加时，Xc减小，也导致Vout逐渐减小，直到Xc=R。此时的频率为滤波器的特征频率fc。 解出，得： 在任何频率下，应用分压公式可得输出电压大小为： 因为在＝时，Xc=R，特征频率下的输出电压用分压公式可以表述为： 这些计算说明当Xc=R时，输出为输入的70.7%。按照定义，此时的频率称为特征频率。 1.2电路组成

实验四 空域滤波增强

实验报告 课程名称数字图像处理实验名称空域滤波增强 姓名__吴征宇学号____ 3101110002 专业班级_ J计算机1001 实验日期__2013_ 年_5 _月_29 日成绩_____ __ 指导教师___ _ 实验四空域滤波增强 一、实验目的 1.了解空域滤波增强的Matlab实现方法； 2.掌握噪声模拟和图像滤波函数的使用方法； 3.能够将给定图像+噪声，使用均值滤波器、中值滤波器对不同强度的高斯噪声和椒盐 噪声，进行滤波处理； 4.能够正确地评价处理的结果；并从理论上作出合理的解释。 二、实验内容 1. 噪声模拟 利用函数imnoise给图像‘autumn.tif’分别添加高斯(gaussian)噪声和椒盐(salt & pepper)噪声。 I=imread('cameraman.tif'); imshow(I) I1=imnoise(I,'gaussian',0,0.01); figure,imshow(I1) I2=imnoise(I,'salt & pepper'); figure,imshow(I2)

2. 均值滤波和中值滤波 A)均值滤波 在matlab环境中，程序首先读取图像，然后调用图像增强（）函数，设置相关参数，再输出处理后的图像。 I = imread('cameraman.tif'); figure,imshow(I); J=filter2(fspecial('average',3),I)/255; figure,imshow(J); B)中值滤波 在matlab环境中，程序首先读取图像，然后调用图像增强（中值滤波）函数，设置相关参数，再输出处理后的图像。

北航卡尔曼滤波实验报告_GPS静动态滤波实验

卡尔曼滤波实验报告 2014 年 4 月 GPS静/动态滤波实验 一、实验要求 1、分别建立GPS静态及动态卡尔曼滤波模型，编写程序对静态和动态GPS数据进行Kalman滤波。 2、对比滤波前后导航轨迹图。

3、画出滤波过程中估计均方差(P 阵对角线元素开根号)的变化趋势。 4、思考：① 简述动态模型与静态模型的区别与联系；② R 阵、Q 阵，P0阵的选取对滤波精度及收敛速度有何影响，取值时应注意什么；③ 本滤波问题是否可以用最小二乘方法解决，如果可以，请阐述最小二乘方法与Kalman 滤波方法的优劣对比。 二、实验原理 2.1 GPS 静态滤波 (deg) 度(m) (1) 所以离散化的状态模型为： (2) 可以表示为： (3) 矩阵。 5m ，采用克拉索夫斯基地球 6378245m 6356863m (4) 2.2 GPS 动态滤波 动态滤波基于当前 统计模型，在地球坐标系下解算。选取系统的状态变量为 (5)

式中，位置误差视为有色噪声，为一阶马尔科夫过程，可表示为： ε τεετεετ-=- =-1 1 (6) 白噪声。 (7) (8) 系统噪声为： (9) 量测量为纬度动态量测值、经度动态量测值、高度和三向速度量测值。由于滤波在地球 坐标系下进行，为了简便首先将纬度、经度和高度转化为三轴位置坐标值，转化方式如下： (10) 量测方程为： (11)

综上，离散化的Kalman滤波方程为： (12) 离散化的系统噪声协方差阵为： 2 [ π ?] ? k x = +<0 “当前”加速度 (13) 离散化量测噪声协方差阵为：diag = R 三、实验结果 3.1 GPS静态滤波

数字图像处理实验报告 空域图像增强技术

课程名称： 实验项目： 实验地点： 专业班级：学号：学生姓名： 指导教师： 2012年月日

实验一 空域图像增强技术 一、 实验目的 1结合实例学习如何在视频显示程序中增加图像处理算法； 2理解和掌握图像的线性变换和直方图均衡化的原理和应用； 3了解平滑处理的算法和用途，学习使用均值滤波、中值滤波和拉普拉斯锐化进行图像增强处理的程序设计方法； 4 了解噪声模型及对图像添加噪声的基本方法。 二、 实验原理 1 灰度线性变换就是将图像中所有点的灰度按照线性灰度变换函数进行变换。 )],([),(y x f T y x g = ?? ? ??<≤+-<≤+-≤≤=255),(]),([),( ]),([),(0 ) ,(),(y x f b g b y x f b y x f a g a y x f a y x f y x f y x g b a γβα n y m x ΛΛ,2,1 ,,,2,1== 2 直方图均衡化通过点运算将输入图像转换为在每一级上都有相等像素点数的输出图 像。按照图像概率密度函数PDF 的定义： 1,...,2,1,0 )(-== L k n n r p k k r 通过转换公式获得： 1,...,2,1,0 )()(0 -====∑∑ ==L k n n r p r T s k j k j j j r k k 3 均值（中值）滤波是指在图像上，对待处理的像素给定一个模板，该模板包括了其 周围的临近像素。将模板中的全体像素的均值（中值）来代替原来像素值的方法。 4 拉普拉斯算子如下： ???? ??????--------111181111 拉普拉斯算子首先将自身与周围的8个像素相减，表示自身与周围像素的差异，再将 这个差异加上自身作为新像素的灰度。 三、 实验步骤 1 启动MA TLAB 程序，对图像文件分别进行灰度线性变换（参考教材57页，例4.1）、直方图均衡化、均值滤波、中值滤波和梯度锐化操作。添加噪声，重复上述过程观察处理结果。 2记录和整理实验报告

实验五图像增强—空域滤波

昆明理工大学信息工程与自动化学院学生实验报告 （ 2012 —2013 学年第二学期） 课程名称：图形图像处理开课实验室：信自444 2013年 5月 22日 一、实验目的 进一步了解MatLab软件/语言，学会使用MatLab对图像作滤波处理，使学生有机会掌握滤波算法，体会滤波效果。 了解几种不同滤波方式的使用和使用的场合，培养处理实际图像的能力，并为课堂教学提供配套的实践机会。 二、实验要求 (1)学生应当完成对于给定图像+噪声，使用平均滤波器、中值滤波器对不同强度的高斯噪声和椒盐噪声，进行滤波处理；能够正确地评价处理的结果；能够从理论上作出合理的解释。 (2)利用MATLAB软件实现空域滤波的程序： I=imread('electric.tif'); J = imnoise(I,'gauss',0.02); %添加高斯噪声 J = imnoise(I,'salt & pepper',0.02); (注意空格) %添加椒盐噪声 ave1=fspecial('average',3); %产生3×3的均值模版 ave2=fspecial('average',5); %产生5×5的均值模版 K = filter2(ave1,J)/255; %均值滤波3×3 L = filter2(ave2,J)/255; %均值滤波5×5 M = medfilt2(J,[3 3]); %中值滤波3×3模板 N = medfilt2(J,[4 4]); %中值滤波4×4模板 imshow(I); figure,imshow(J); figure,imshow(K);

figure,imshow(L); figure,imshow(M); figure,imshow(N); 三、实验设备与软件 (1) IBM-PC 计算机系统 (2) MatLab 软件/语言包括图像处理工具箱(Image Processing Toolbox) (3) 实验所需要的图片 四、实验内容与步骤 a) 调入并显示原始图像Sample2-1.jpg 。 b) 利用imnoise 命令在图像Sample2-1.jpg 上加入高斯(gaussian) 噪声 c)利用预定义函数fspecial 命令产生平均(average)滤波器 111191111---????--????---? ? d ）分别采用3x3和5x5的模板，分别用平均滤波器以及中值滤波器，对加入噪声的图像进行处理并观察不同噪声水平下，上述滤波器处理的结果； e ）选择不同大小的模板，对加入某一固定噪声水平噪声的图像进行处理，观察上述滤波器处理的结果。 f ）利用imnoise 命令在图像Sample2-1.jp g 上加入椒盐噪声(salt & pepper) g ）重复c)~ e ）的步骤 h ）输出全部结果并进行讨论。 实验过程及截图 I=imread('3.jpg'); imshow(I);

卡尔曼滤波算法及MATLAB实现

基于matlab的卡尔曼信号滤波设计 卡尔曼滤波的基本思想是：以最小均方误差为最佳估计准则，采用信号与噪声的状态空间模型，利用前一时刻的估计值和当前时刻的观测值来更新对状态变量的估计，求出当前时刻的估计值，算法根据建立的系统方程和观测方程对需要处理的信号做出满足最小均方误差的估计。 语音信号在较长时间内是非平稳的，但在较短的时间内的一阶统计量和二阶统计量近似为常量，因此语音信号在相对较短的时间内可以看成白噪声激励以线性时不变系统得到的稳态输出。假定语音信号可看成由一AR模型产生： 时间更新方程： 测量更新方程： K(t)为卡尔曼增益，其计算公式为： 其中 、分别为过程模型噪声协方差和测量模型噪声协方差，测量协方差可以通过观测得到， 则较难确定，在本实验中则通过与两者比较得到。 由于语音信号短时平稳，因此在进行卡尔曼滤波之前对信号进行分帧加窗操作，在滤波之后对处理得到的信号进行合帧，这里选取帧长为256，而帧重叠个数为128； 下图为原声音信号与加噪声后的信号以及声音信号与经卡尔曼滤波处理后的信号：

原声音信号与加噪声后的信号 原声音信号与经卡尔曼滤波处理后的信号 MATLAB程序实现如下： %%%%%%%%%%%%%%%%%基于LPC全极点模型的最大后验概率估计法,采用卡尔曼滤波%%%%%%%%%%%%%% clear; clc; %%%%%%%%%%%%%%%%%%%%%%%%%%%加载声音数据%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%% loadvoice.mat y=m1(2,:); x=y+0.08*randn(1,length(y)); %%%%%%%%%%%%%%%原声音信号和加噪声后的信号%%%%%%%%%%%%%%% figure(1); subplot(211);plot(m1(1,:),m1(2,:));xlabel('时间');ylabel('幅度');title('原声音信号'); subplot(212);plot(m1(1,:),x);xlabel('时间');ylabel('幅度');title('加噪声后的信号');