专题一 在数字信号处理中的应用 信号处理涉及大量的运算，可以说离开计算机及相应的软件，就不可能解决任何稍微复杂的实际应用问题。借助程序可以很好理解抽象的傅里叶变换的作用及其意义。 示例 1 通过傅里叶变换找出被随机信号淹没的信号频率 设采样频率 f=1000Hz，信号频率分布在50~100Hz，然后叠加随机噪声 源程序： fs = 1000; % 采样速率 Ts = 1/fs; t = 0:Ts:0.6; signal = sin(2*pi*50*t)+sin(2*pi*100*t); % 信号频率分布在50~100Hz noise = 2*rand(size(t)); sn = signal+noise; % 染噪信号 NFFT = 512; Ys = fft(signal,NFFT); Yn = fft(sn,NFFT); Ps = abs(Ys); Pn = abs(Yn); f = 1000*(0:256)/NFFT; subplot(2,2,1); plot(t,signal); xlabel('时间（秒）'); title('不含噪声信号'); subplot(2,2,2); plot(t,sn); xlabel('时间（秒）'); title('含噪声信号'); subplot(2,2,3); plot(f,Ps(1:257)); xlabel('频率（Hz）'); title('不含噪声信号的幅值谱'); axis([0,300,0,300]); subplot(2,2,4); plot(f,Pn(1:257)); xlabel('频率（Hz）'); title('含噪声信号的幅值谱'); axis([0,300,0,300]); 专题二 在图像处理中的应用 MATLAB 软件为数字图像处理提供了功能丰富的图像处理工具箱。它是由一系列支持图像处理操作的函数组成，涵盖了图像处理的几乎所有的技术方法。数字图像处理所涉及的算法很多，下面以图像灰度级调整变换为例，来演示MATLAB 在数字图像处理教学中的应用。 视觉是人类从大自然中获取信息的最主要的手段。拒统计，在人类获取的信息中，视觉信息约占60%，听觉信息约占20%，其他方式加起来才约占20%。由此可见，视觉信息对人类非常重要。同时，图像又是人类获取视觉信息的主要途径，是人类能体验的最重要、最丰富、信息量最大的信息源。通常，客观事物在空间上都是三维的(3D)的，但是从客观景物获得的图像却是属于二维(2D)平面的。 一幅数字图像都是由若干个数据点组成的，每个数据点称为像素(pixel)。比如一幅 256×400，就是指该图像是由水平方向上 256 列像素和垂直方向上 400 行像素组成的矩形图。每一个像素具有自己的属性，如颜色(color)、灰度(gray scale)等，颜色和灰度是决定一幅图像表现里的关键因素。其中颜色量化等级包括单色、四色、16 色、256色、24 位真彩色等，量化等级越高，则量化误差越小，图像的颜色表现力越强...
