數(shù)字信號(hào)處理試驗(yàn)課-圖像的頻譜分析

數(shù)字信號(hào)處理實(shí)驗(yàn)實(shí)驗(yàn)四：圖像的頻譜分析圖像的頻譜分析圖像的頻譜分析高通濾波圖像的頻譜分析5低通濾波圖像的頻譜分析細(xì)微部分：邊緣，噪聲類似聲音：粗略部分：總體的概況高頻低頻圖像的頻譜分析數(shù)字水印水印

在造紙過(guò)程中形成，“夾”在紙中而不是在紙的表面，迎光透視時(shí)可以清晰看到有明暗紋理的圖形、人像或文字。通常人民幣、購(gòu)物卷、糧票、證劵等等，都采用此方式，以防止造假。人民幣中的水印數(shù)字水印數(shù)字水印

將一些標(biāo)識(shí)信息（即數(shù)字水?。┲苯忧度霐?shù)字載體當(dāng)中（包括多媒體、文檔、軟件等）或是間接表示，不影響原載體的使用價(jià)值，并且不容易被探知和修改，但可以被生產(chǎn)方識(shí)別和辨認(rèn)。通過(guò)這些隱藏在載體中的信息，可以判斷載體是否被篡改等目的。數(shù)字水印是保護(hù)信息安全、實(shí)現(xiàn)防偽溯源、版權(quán)保護(hù)的有效辦法。直接嵌入間接嵌入數(shù)字水印水印添加過(guò)程水印提取過(guò)程數(shù)字水印選做題一：數(shù)字水印嘗試為圖片添加水印、破解水印。/question/50735753具體實(shí)現(xiàn)請(qǐng)參考

從信息論角度，將圖像的信息分為有用部分（顯著——目標(biāo)）和冗余部分（非顯著——背景）。作者通過(guò)大量實(shí)驗(yàn)，計(jì)算圖片的log頻譜，發(fā)現(xiàn)對(duì)于自然圖片，其曲線應(yīng)該與1/f成正比。

在圖像傅立葉變換的對(duì)數(shù)幅度域中，將局部平滑后的對(duì)數(shù)幅度譜作為冗余部分，并在原對(duì)數(shù)幅度譜中減去，將剩余的部分看作是顯著部分在頻域的信息。顯著性檢測(cè)@SaliencyDetection:ASpectralResidualApproach顯著性檢測(cè)：CVPR2007，侯曉迪，SpectralResidual顯著性檢測(cè)@SaliencyDetection:ASpectralResidualApproach顯著性檢測(cè)inImg=im2double(rgb2gray(imread(‘G:\圖片1.png’)));%%SpectralResidual

myFFT=fft2(inImg);%對(duì)原圖像進(jìn)行傅里葉變換

myLogAmplitude=log(abs(myFFT));%幅頻取對(duì)數(shù)

myPhase=angle(myFFT);%取FFT變換后的相頻%%對(duì)幅頻進(jìn)行3*3中值濾波，取均值mySmooth=imfilter(myLogAmplitude,fspecial(‘a(chǎn)verage’,3),‘replicate’)

mySpectralResidual=myLogAmplitude-mySmooth;%原始幅頻-均值幅頻

saliencyMap=abs(ifft2(exp(mySpectralResidual+i*myPhase))).^2saliencyMap=mat2gray(imfilter(saliencyMap,fspecial('gaussian',[5,5],2.5)));imshow(saliencyMap,[]);示例程序顯著性檢測(cè)選做題二：顯著性檢測(cè)對(duì)于一幅紅外行人圖像，檢測(cè)出其中的行人目標(biāo)圖像壓縮圖像壓縮：去除圖像數(shù)據(jù)中存在的冗余，減少表示數(shù)據(jù)所需的比特?cái)?shù)。由于圖像數(shù)據(jù)量非常龐大,在存儲(chǔ)、傳輸、處理時(shí)較為困難，因此圖像數(shù)據(jù)的壓縮就顯得非常重要。分為有損壓縮和無(wú)損壓縮。

00

圖像壓縮