%% 学习目标：一个图像处理的经典综合案例
clear;clc;close all
%% 读取图像
I=imread('1.jpg');
try
I=rgb2gray(I); %如果是RGB图像，则转化为灰度图
end
%% 添加噪声
I=imnoise(I,'salt & pepper',0.04); % 叠加密度为0.04的椒盐噪声
figure
imshow(I)
title('原图')
%% 图像去噪
I=medfilt2(I,[2 4]); %采用二维中值滤波函数对图像滤波
figure
imshow(I)
title('去噪之后的图像')
%% 图像锐化
[M,N]=size(I); % 计算图像尺寸
f=double(I); % 数据类型转换，MATLAB不支持图像的无符号整型的计算
g=fft2(f); % 二维傅立叶变换，得到频域信息
g=fftshift(g); % 0频率移到(M/2,N/2)处
n=2; % 二阶巴特沃斯滤波器
D0=3; % 巴特沃斯滤波器的D0，D0越大，保留的高频信号就越少（对于不同的图片，可以自行调节，以便得到好的效果）
for i=1:M
for j=1:N
D=sqrt((i-M/2)^2+(j-N/2)^2); %计算离0频率(M/2,N/2)的距离
h=1/(1+(D0/D)^(2*n)); %计算传递函数的值
output(i,j)=h*g(i,j); %高通滤波之后(i,j)处的值
end
end
result=ifftshift(output); %与g=fftshift(g)对应，还原回去
I=ifft2(result); %傅里叶反变换
I=uint8(real(I)); %得到滤波之后的图像（锐化之后的图像）
figure
imshow(I) %滤波后图像显示
title('锐化之后的图像')
%% 直方图均衡化处理
I=histeq(I); %得到直方图均衡化之后的图像
figure
imshow(I)
title('直方图均衡之后的图像')
%% 边缘检测
I1=edge(I,'prewitt');
I2=edge(I,'roberts');
I3=edge(I,'sobel');
figure
imshow(I1)
title('prewitt边缘检测之后的图像')
figure
imshow(I2)
title('roberts边缘检测之后的图像')
figure
imshow(I3)
title('sobel边缘检测之后的图像')
%%
%% 大仙QQ：1960009019
%% 在线教育微信公众号：大仙一品堂
%% 大鱼号：在线教育大仙一品堂
%% 一点资讯号：大仙一品堂
