摘要：
基于频域的低通滤波（二维信号——图像） 算法分析 傅里叶变换，将灰度图由f(x,y)->F(u,v)(空域转频域),得到图像在频域中的频谱（在频谱中低频信号分布在频谱的四个角落，其余部分为高频信号，这样的分布难以滤出高频或低频信号） 中心化，将频谱F(u,v)中心化，将低频点移到频谱中心（这样就可以 阅读全文
摘要：
基于频域的低通滤波（一维信号——灰度图的灰度级频数分布曲线） 算法分析 求灰度图的的灰度级频数。绘制出频数分布曲线（一维信号） 将一维信号从空域转到频域。对步骤1中的灰度级频数分布曲线进行傅里叶变换 过滤高频信号。在频域中将高频信号置0，只保留低频信号（通过fft函数傅里叶变换之后，高频点分布在频谱 阅读全文
摘要：
直方图规定化 算法分析 求出原图的累积概率分布 求出规定图的累积概率分布 求出原图中每一个灰度级累积概率与规定图的累积概率最接近的灰度级 根据第3步的方法将原图的灰度映射到标准图中距离最近的灰度值 伪代码 function outputimg = my_histspec(A,B) % 灰度图的直方图 阅读全文
摘要：
直方图均衡化 算法分析 对原图像每个通道统计0-255的灰度级概率 求原图像每个通道累积概率分布 根据累积概率直方图分别对每个通道（K）求每个像素点的映射 p(k, i) = p(k, i） * 255 function outputimg = myhisteq( A ) % 直方图均衡化 % 参数 阅读全文
摘要：
图像放缩 算法分析 根据放缩倍数，开辟一个新矩阵存放放缩后的图像 利用双线性插值公式， 计算新图像中的每个点映射回原图像中的灰度值（注意边界处理） 双线性插值代码 function outputimg = my_imresize(A,n) % A 是图像矩阵,n是放缩的倍数 % 返回值outputi 阅读全文
摘要：
算法分析 开辟新矩阵存放旋转后的图像。计算公式如下，H为原图像行，W原图像列，a为旋转角度，a是钝角时，三角函数需要加上绝对值 DH = H * abs(cos(a)) + W * abs(sin(a)); DW = H * abs(sin(a)) + W * abs(cos(a)); 计算旋转后的 阅读全文