从TW AIN 设备中扫描图像
一、简介
TWAIN 数据源管理程序 (DSM) 工业标准的软件库，用于从静态图像设备提取图像。绝大部分的扫描仪和数码相机都提供了 TWAIN 驱动程序，利用统一的 TWAIN 接口，应用程序可以非常方便地从这些设备中获取图像。
二、使用步骤
互联网上关于 TWAIN 编程的中文资料很少，代码更是难找到，因为我不得不仔细阅读了https://www.doczj.com/doc/016634319.html,提供的 TWAIN Specification。下面说说使用TWAIN 接口获取图像的简要步骤。
Windows 系统中存在一个 TWAIN_32.dll，所有的 TWAIN 操作都是通过这个 DLL 导出的 DSM_Entry 函数来实现的 (说实在话，我个人觉得 TWAIN 接口设计得太差了，看看 MS 的WIA，逻辑上非常清晰)。这个函数的声明如下:
TW_UINT16 FAR PASCAL DSM_Entry(
pTW_IDENTITY pOrigin, // Source of message
pTW_IDENTITY pDest, // Destination of message
TW_UINT32 DG, // Data group ID: DG_xxxx
TW_UINT16 DAT, // Data argument type: DAT_xxxx
TW_UINT16 MSG, // Message ID: MSG_xxxx
TW_MEMREF pData // Pointer to data
);
1. 打开 DSM (Data Source Manager: 数据源管理器)
TWAIN 是一个数据源管理程序，应用程序首先要使用 MSG_OPENDSM 消息，打开数据源管理器。这里需要指定一个窗口句柄，应用程序应该在此窗口的消息循环中处理 TWAIN 消息 (MSG_PROCESSEVENT)。
2. 选择 DS (Data Source: 数据源)
因为一个系统中可能存在多个 TWAIN 设备，因此必须选择一个数据源。选择数据源通常有两种方式: 选择默认数据源 (MSG_GETDEFAULT) 和显示选择数据源对话框，由用户来选择数据源 (MSG_USERSELECT)。
3. 打开 DS
使用 MSG_OPENDS 消息打开数据源。
4. 设置参数
消息为 MSG_SET，设置各种参数，如获取方式、图像数量等。有些参数由设备驱动支持才有效。
5. 显示扫描界面
使用 MSG_ENABLEDS 消息，显示设备驱动提供的用户界面 (UI)。
6. 获取图像
如果用户选择扫描什么的，可以在窗口的消息循环中获取到这个事件(MSG_XFERREADY)。此时，应用程序可以通过 DAT_SETUPFILEXFER 设置文件名，然后用 DAT_IMAGEFILEXFER 获取图像到文件中。
7. 关闭扫描界面
在窗口的消息循环中获取到 MSG_CLOSEDSREQ 或 MSG_CLOSEDSOK 消息，可以关闭扫描界面 (MSG_DISABLEDS)。
8. 关闭 DS
消息为 MSG_CLOSEDS。
9. 关闭数据源
消息为 MSG_CLOSEDSM。
三、CTwainHelper 助手类
为了使用方便，我写了一个静态 TWAIN 助手类 CTwainHelper。使用CTwainHelper 的五个函数，就可以简单地从 TWAIN 设备获取图像到文件中。使用方法如下:
1.调用CTwainHelper::Initialize() 确定是否有可用的设备。
2.在窗口消息循环中，调用CTwainHelper::ProcessMessage() 处理TW AIN 消息。
3.要获取图像时，调用CTwainHelper::GetImage()。
4.如果图像已准备好(如用户确定扫描图像)，窗口会收到WM_COMMAND 消息，
wParam 为IDC_TwainHelper。此时应用程序可以调用
CTwainHelper::TransferImage() 获取图像到文件中。
具体使用方法请参看示例代码。
CTwainHelper 可以在 Visual C++ 6.x/7.x 工程中使用，支持 UNICODE 编译。因为是静态类，要改写成 C 代码只需要做一点点少量的工作。
四、后话
当然，上面只是一种常用的步骤。其实应用程序完全可以自定义所有的步骤，比如不使用 TWAIN 驱动提供扫描对话框而直接扫描，或者扫描图像到内存中等等。详细情况请参考 TWAIN Specification，步骤大同小异，消息和参数千差万别，仔细看看应该很容易的。
如果没有 TWAIN 设备又要进行 TWAIN 程序开发，可以到 TWAIN 官方网站下载 TWAIN Developers Toolkit，安装后会有一个虚拟的 TWAIN 设备。不过应用程序在这个虚拟 TWAIN 设备中正常工作，不代表一定能在实际的 TWAIN 设备正常使用，这点需要注意。以前 CTwainHelper 就碰到过这样的情况在虚拟 TWAIN 设备中明明是好的，在我的扫描仪上却不能扫描图像。检查后发现，原来设置了不支持的参数。
最后，TWAIN 是 Technology Without A Interesting Name 缩写，直译为没有“没有让人感兴趣名字的技术”，真是一个让人摸不着头脑的名字。
TWAIN 助手类: CTwainHelper (包含示例代码 35K)
TWAIN 官方网站: https://www.doczj.com/doc/016634319.html,
TWAIN 头文件: https://www.doczj.com/doc/016634319.html,/devfiles/twain.h
TWAIN Specification: https://www.doczj.com/doc/016634319.html,/docs/Spec1_9_197.pdf
TWAIN Developers Toolkit:
https://www.doczj.com/doc/016634319.html,/devfiles/twainkit.exe
基于维纳滤波的图像复原 摘要: 本文简单介绍了用维纳滤波图像复原算法，该方法计算量小鉴别精度高抗噪声能力较强，提高了图像的复原质量。关键词: 图像复原; 维纳滤波 Image restoration based on wiener filtering Abstact:This thesis makes a introduction on the image restoration by Wiener filtering.The method has less calculation,the advantages of high precision,and strong anti-noise capability.And the image restoration results are improved significantly campared with the results obtainly by using traditional Wiener filters. Keywoerd:image restoration;wiener filtering 1 引言 图像复原是图像处理的重要组成部分，由于图像在获取 和传输过程当中通常不可避免的要受到一些噪声干扰，因此 在进行其他图像处理以及图像分析之前，应该尽量将图像复 原到其原始真实状态，以减少噪声对图像理解的干扰，故而 图像复原技术不仅仅是一种重要的图像处理方法，也是图像 工程中其他各种应用的前提，或者说是它们的预处理。 图像复原技术是数字图像处理的一个基本和重要的课 题。与图像增强技术不同，图像复原的目的是将观测到的退 化图像以最大的保真度复原到退化前的状态。研究内容主要 是对退化图像中的模糊和噪声进行建模，通过逆向过程来估 计原始图像。这种估计往往是近似的，通过某种最佳准则作 为约束。 图像复原的关键问题是在于建立退化模型。如图1所示： ? 图1 基本图像退化/复原模型 图像退化过程可以被模型化为一个退化函数和 一个加性噪声项，共同作用于原始图像f(x,y)，产生一 幅退化的图像g(x,y)。给定f(x,y)，退化因子H和噪声n(x,y)。 的一些先验知识，便可以获得原始图像的一个近似估计∧f。 根据该模型，退化图像的数学描述为： g(x,y)=H[f(x,y)]+n(x,y) 2 维纳滤波图像复原 2.1维纳滤波介绍 维纳滤波是诺波特维纳在二十世纪四十年代提出的一种滤波器，即假定线性滤波器的输入为有用信号和噪声之和，两者均为广义平稳过程且知它们的二阶统计特性，根据最小均方误差准则( 滤波器的输出信号与需要信号之差的均方值最小) ，求得最佳线性滤波器的参数。 维纳滤波器是一种自适应最小均方误差滤波器。维纳滤波的方法是一种统计方法，它用的最优准则是基于图像和噪声各自的相关矩阵，它能根据图像的局部方差调整滤波器的输出，局部方差越大，滤波器的平滑作用就越强。它的最终 目的是使复原图像 ∧ f(x,y) 与原始图像f(x,y) 的均方误差最小，即 m in } )] , ( ) , ( {[2= - ∧ y x f y x f E 其中E［●］为数学期望算子。因此，维纳滤波器通常又称为最小均方误差滤波器。 2.2 维纳滤波原理 维纳滤波综合了退化函数和噪声统计特性两个方面进行复原处理维纳滤波建立在最小化统计准则的基础上，它所得的结果只是平均意义上的最优。 从退化图像g(x,y)复原出原图像f(x,y)的估计值，噪声为n(x,y)。用向量f、g、n来表示f(x,y)、g(x,y)、n(x,y)，Q为对f的线性算子。最小二乘方问题可看成是使形式为 2 ∧ f Q 的函数服从约束条件2 2n f H g= - ∧ 的最小化问题，也就是说，在约束条件2 2n f H g= - ∧ 下求 ∧ f Q得最小化而得到f 的最佳估计。这种有条件的极值问题可以用拉格朗日乘数法来处理。 用拉格朗日法建立目标函数：
数字图像处理 实验指导书 学院：通信与电子工程学院 专业：电子信息工程 班级： 学号： 姓名： XX理工大学
实验一 MATLAB数字图像处理初步 一、实验目的与要求 1．熟悉及掌握在MATLAB中能够处理哪些格式图像。 2．熟练掌握在MATLAB中如何读取图像。 3．掌握如何利用MATLAB来获取图像的大小、颜色、高度、宽度等等相关信息。 4．掌握如何在MATLAB中按照指定要求存储一幅图像的方法。 5．图像间如何转化。 二、实验原理及知识点 1、数字图像的表示和类别 一幅图像可以被定义为一个二维函数f(x,y),其中x和y是空间(平面)坐标，f 在任何坐标处(x,y)处的振幅称为图像在该点的亮度。灰度是用来表示黑白图像亮度的一个术语，而彩色图像是由单个二维图像组合形成的。例如，在RGB彩色系统中，一幅彩色图像是由三幅独立的分量图像(红、绿、蓝)组成的。因此，许多为黑白图像处理开发的技术适用于彩色图像处理，方法是分别处理三副独立的分量图像即可。 图像关于x和y坐标以及振幅连续。要将这样的一幅图像转化为数字形式，就要求数字化坐标和振幅。将坐标值数字化成为取样；将振幅数字化成为量化。采样和量化的过程如图1所示。因此，当f的x、y分量和振幅都是有限且离散的量时，称该图像为数字图像。 作为MATLAB基本数据类型的数值数组本身十分适于表达图像，矩阵的元素和图像的像素之间有着十分自然的对应关系。 图1 图像的采样和量化 根据图像数据矩阵解释方法的不同，MA TLAB把其处理为4类： 亮度图像(Intensity images) 二值图像(Binary images) 索引图像(Indexed images) RGB图像(RGB images)
1. 引入cxf的jar包 pom文件里面直接增加依赖 < dependency>
维纳滤波实现模糊图像恢复 摘要 维纳滤波器是最小均方差准则下的最佳线性滤波器，它在图像处理中有着重要的应用。本文主要通过介绍维纳滤波的结构原理，以及应用此方法通过MA TLAB 函数来完成图像的复原。 关键词：维纳函数、图像复原 一、引言 在人们的日常生活中，常常会接触很多的图像画面，而在景物成像的过程中有可能出现模糊，失真，混入噪声等现象，最终导致图像的质量下降，我们现在把它还原成本来的面目，这就叫做图像还原。引起图像的模糊的原因有很多，举例来说有运动引起的，高斯噪声引起的，斑点噪声引起的，椒盐噪声引起的等等，而图像的复原也有很多，常见的例如逆滤波复原法，维纳滤波复原法，约束最小二乘滤波复原法等等。它们算法的基本原理是，在一定的准则下，采用数学最优化的方法从退化的图像去推测图像的估计问题。因此在不同的准则下及不同的数学最优方法下便形成了各种各样的算法。而我接下来要介绍的算法是一种很典型的算法，维纳滤波复原法。它假定输入信号为有用信号与噪声信号的合成，并且它们都是广义平稳过程和它们的二阶统计特性都已知。维纳根据最小均方准则，求得了最佳线性滤波器的的参数，这种滤波器被称为维纳滤波。 二、维纳滤波器的结构 维纳滤波自身为一个FIR 或IIR 滤波器，对于一个线性系统，如果其冲击响应为()n h ，则当输入某个随机信号)(n x 时， Y(n)=∑-n )()(m n x m h 式（1） 这里的输入 )()()(n v n s n x += 式（2） 式中s(n)代表信号，v(n)代表噪声。我们希望这种线性系统的输出是尽可能地逼近s(n)的某种估计，并用s^(n)表示，即 )(?)(y n s n = 式（3） 因而该系统实际上也就是s(n)的一种估计器。这种估计器的主要功能是利用当前的观测值x(n)以及一系列过去的观测值x(n-1),x(n-2),……来完成对当前信号值的某种估计。维纳滤波属于一种最佳线性滤波或线性最优估计，是一最小均方误差作为计算准则的一种滤波。设信 号的真值与其估计值分别为s(n)和)(?n s ，而它们之间的误差 )(?)()(e n s n s n -= 式（4） 则称为估计误差。估计误差e(n)为可正可负的随机变量，用它的均方值描述误差的大小显然
《数字图像处理》实验指导书 编写: 罗建军 海南大学三亚学院 10月
目录 一、概述 ....................................................................... 错误!未定义书签。 二、建立程序框架 ....................................................... 错误!未定义书签。 三、建立图像类 ........................................................... 错误!未定义书签。 四、定义图像文档实现图像读/写.............................. 错误!未定义书签。 五、实现图像显示 ....................................................... 错误!未定义书签。 六、建立图像处理类................................................... 错误!未定义书签。 七、实现颜色处理功能............................................... 错误!未定义书签。 (一) 亮度处理................................................................. 错误!未定义书签。 (二) 对比度处理............................................................. 错误!未定义书签。 (三) 色阶处理................................................................. 错误!未定义书签。 (四) 伽马变换................................................................. 错误!未定义书签。 (五) 饱和度处理............................................................. 错误!未定义书签。 (六) 色调处理................................................................. 错误!未定义书签。 八、实现几何变换功能............................................... 错误!未定义书签。 (一) 图像缩放................................................................. 错误!未定义书签。 (二) 旋转......................................................................... 错误!未定义书签。 (三) 水平镜像................................................................. 错误!未定义书签。 (四) 垂直镜像................................................................. 错误!未定义书签。 (五) 右转90度................................................................. 错误!未定义书签。 (六) 左转90度................................................................. 错误!未定义书签。 (七) 旋转180度............................................................... 错误!未定义书签。 九、实现平滑锐化功能............................................... 错误!未定义书签。 十、图像处理扩展编程............................................... 错误!未定义书签。
竭诚为您提供优质文档/双击可除http协议和webservice 篇一：通过httpwebRequest对webservice进行动态调用 本文章设计到使用的代码示例的webservice为 服务路径： http://localhost/webservicetest/service1.asmx 服务接口: [webmethod] publicstringhelloworld(stringstudentname,stringpass word) { return"helloworld"; } 1后台调用webservice的业务需求 在实际开发环境中，我们常常调用webservice时，通过项目中引用现实部署的webservice的asmx文件，生成客户端代理类的方式。这种方式将和webservice进行了二次
封装，并以代理类的方式进行调用，有利用简单，快捷的开发。 这种开发方式包含了两个重要的问题 1）在开发环境中必须可以访问需要调用的webservice，在开发一些大公司的内网系统时，我们往往在开发环境中访问不到，只仅仅在部署环境中访问。 2）webservice的接口发生版本变更，我们的应用系统需要重新编译并部署。 在发现以上的困惑后，直觉告诉我们，我们需要一种直接通过交互协议的方式进行访问webservice。就像网页爬虫一样，去交互业务操作。 2webservice支持的交互协议 webservice支持三种方式 1）httppost方式（注意这种方式只对于本机调试使用，在web服务部署在其他机器上，应用程序不能通过httppost 方式调用） 具体交互格式如下： post/webservicetest/service1.asmx/helloworldhttp/1. 1 host:localhost content-type:application/x-www-form-urlencoded
信息工程学院实验报告 课程名称：数字图像处理Array 实验项目名称：实验五图像复原实验时间： 班级：姓名：学号： 一、实验目的 1.了解图像退化/复原处理的模型； 2. 掌握图像复原的原理及实现方法； 3. 通过本实验掌握利用MATLAB编程实现图像的恢复。 4. 掌握matlab代码的调试方法，熟悉常见代码错误及改正方法。 二、实验步骤及结果分析 MATLAB图像处理工具箱包含四个图像复原函数，请参照教材第126页例6.8编程实现图像复原。 1．用点扩散(PSF)函数创建运动模糊图像,修改参数改变模糊程度。 a) 无噪声运动模糊图像 b) 有噪声运动模糊图像 程序代码： I=imread('cameraman.tif'); %读取图像 subplot(1,3,1); imshow(I,[]);%显示图像 title('原始图像'); PSF=fspecial('motion',25,11); %运动模糊函数，运动位移是25像素，角度是11 Blurred=imfilter(I,PSF,'conv','circular'); %对图像运动模糊处理 subplot(1,3,2); imshow(Blurred,[]);title('无噪声运动模糊图像'); %显示无噪声运动模糊图像 Noise=0.05*randn(size(I)); %正态分布的随机噪声 BlurredNoisy=imadd(Blurred,im2uint8(Noise));%对退化后的图像附加噪声 subplot(1,3,3); imshow(BlurredNoisy,[]);title('有噪声运动模糊图像'); %显示运动模糊且加噪声后图像 执行结果：
数字图像处理程序
数字图像处理实验 图像处理实验（一）直方图 灰度变换是图像增强的一种重要手段，使图像对比度扩展，图像更加清晰，特 征更加明显。 灰度级的直方图给出了一幅图像概貌的描述，通过修改灰度直方图来得到图像 增强。 1、灰度直方图 （1）计算出一幅灰度图像的直方图 clear close all I=imread('004.bmp'); imhist(I) title('实验一（1）直方图'); （2）对灰度图像进行简单的灰度线形变换， figure subplot(2,2,1) imshow(I); title('试验2-灰度线性变换'); subplot(2,2,2) histeq(I); （3）看其直方图的对应变化和图像对比度的变化。 原图像 f(m,n) 的灰度范围 [a,b] 线形变换为图像 g(m,n),灰度范围[a’,b’]公式：g(m,n)=a’+(b’-a’)* f(m,n) /(b-a) figure subplot(2,2,1) imshow(I) J=imadjust(I,[0.3,0.7],[0,1],1); title(' 实验一（3）用g(m,n)=a’+(b’-a’)* f(m,n) /(b-a)进行变换 '); subplot(2,2,2) imshow(J) subplot(2,2,3) imshow(I) J=imadjust(I,[0.5 0.8],[0,1],1); subplot(2,2,4) imshow(J) (4) 图像二值化（选取一个域值，(5) 将图像变为黑白图像） figure subplot(2,2,1)
附录A （资料性附录） WebService接口示例 A.1WebService服务认证和授权 请求连接格式：
数字图像处理实验报告
实验一数字图像处理编程基础 一、实验目的 1. 了解MA TLAB图像处理工具箱； 2. 掌握MA TLAB的基本应用方法； 3. 掌握MA TLAB图像存储/图像数据类型/图像类型； 4. 掌握图像文件的读/写/信息查询； 5. 掌握图像显示--显示多幅图像、4种图像类型的显示方法； 6. 编程实现图像类型间的转换。 二、实验内容 1. 实现对图像文件的读/写/信息查询，图像显示--显示多幅图像、4种图像类型的显示方法、图像类型间的转换。 2. 运行图像处理程序，并保存处理结果图像。 三、源代码 I=imread('cameraman.tif') imshow(I); subplot(221), title('图像1'); imwrite('cameraman.tif') M=imread('pout.tif') imview(M) subplot(222), imshow(M); title('图像2'); imread('pout.bmp') N=imread('eight.tif') imview(N) subplot(223), imshow(N); title('图像3'); V=imread('circuit.tif') imview(V) subplot(224), imshow(V); title('图像4');
N=imread('C:\Users\Administrator\Desktop\1.jpg') imshow(N); I=rgb2gary(GRB) [X.map]=gary2ind(N,2) RGB=ind2 rgb(X,map) [X.map]=gary2ind(I,2) I=ind2 gary(X,map) I=imread('C:\Users\dell\Desktop\111.jpg'); subplot(231),imshow(I); title('原图'); M=rgb2gray(I); subplot(232),imshow(M); [X,map]=gray2ind(M,100); subplot(233),imshow(X); RGB=ind2rgb(X,map); subplot(234),imshow(X); [X,map]=rbg2ind(I); subplot(235),imshow(X); 四、实验效果
竭诚为您提供优质文档/双击可除webservice接口协议有哪些 篇一：webservice基础原理 第一部分webservice基本原理 第1章webservice基础 1.1引言 （1）服务是自包含的模块，它们部署在标准的中间件平台上，能够在网络上使用基于xml的技术进行描述、定位、编配和编程。 （2）面向服务的计算并不是一个新的技术，而是分布式系统、软件工程、信息系统、计算机语言、基于web的计算和xml技术的融合。 （3）在面向服务的模型中，可以清晰地区分服务提供者、服务客户端以及服务聚合者。服务提供者提供服务的实现、描述以及相关的技术与业务支持。服务客户端是具体使用服务的终端用户组织。服务聚合者是将多个服务整合成一个新的服务，这个新的服务通常称为业务流程。 （4）服务的主要优点之一是，它们既可以在一台机器上实现，也可以在多个各不相同的设备上实现。服务的实现
可以分步在一个局域网中，甚至也可以跨几个广域网。 1.1.1webservice是什么 （1）webservice是一个可通过网络使用的自描述、自包含软件模块，这些软件模块可完成任务、解决问题或代表用户、应用程序处理事务。（2）webservice可以是：自包含的业务任务，如提款或取款服务；成熟的业务流程，如办公用品的自动采购； 应用程序，如人寿保险应用程序、需求预测与库存补充应用程序；已启动服务的资源，如访问特定的保存病人病历的后台数据库。1.1.2webservice的典型场景 供应商 图1.1涉及多个相互交互的webservice的订购单应用程序 1.2“软件即为服务”的理念 （1）web页面直接面向的是人，而webservice的开发目标是访问者，既可以是人也可以是自动化的应用程序。 （2）“软件即为服务”首先产生于应用服务提供商软件模型中。应用服务提供商 （applicationserviceprovider,asp）是将软件、基础设施要素、业务以及专业的服务进行打包的公司，它们创建完整的解决方案，并将其作为基于订阅的服务向用户推介。asp
基于维纳滤波实现的图像复原(案例) （1） 图像复原技术 图像复原也称图象恢复，是图象处理中的一大类技术。所谓图像复原，是指去除或减轻在获取数字图像过程中发生的图像质量下降（退化）这些退化包括由光学系统、运动等等造成图像的模糊，以及源自电路和光度学因素的噪声。图像复原的目标是对退化的图像进行处理，使它趋向于复原成没有退化的理想图像。 从数学上来说，图像复原的主要目的是在假设具备退化图像g 及退化模型函数H 和n 的某些知识的前提下，估计出原始图像f 的估计值f ?，f ?估计值应使准则 最优（常用最小）。如果仅仅要求某种优化准则为最小，不考虑其他任何条件约束，这种复原方法称为非约束复原。 （2）维娜滤波复原算法 采用维纳滤波是假设图像信号可近似看成为平稳随机过程的前提下，按照使原始图像和估计图像之间的均方误差达到最小的准则函数来实现图像复原的。 它一种最小均方误差滤波器。 [][]g H R sR H H g H Q sQ H H f T n f T T T T 1 11-- -+=+= (1) 设 Rf 是 f 的相关矩阵： }{T f ff E R = (2) Rf 的第 ij 元素是E{fi fj}，代表 f 的第 i 和第 j 元素的相关。 }{T f nn E R = (3) 设 Rn 是n 的相关矩阵： 根据两个象素间的相关只是它们相互距离而不是位置的函数的假设，可将Rf 和Rn 都用块循环矩阵表达，并借助矩阵W 来对角化： 1-=W AW R f (4) 1-=W BW R n (5) fe(x, y)的功率谱，记为Sf (u, v) ；ne(x, y)的功率谱，记为Sn(u, v)。D 是1个对角矩阵，D(k, k) = λ(k)，则有： 1-=WDW H (6)
学院计算机与通信工程学院专业生物医学工程专业 班级51111 学号5111133 姓名杨静 指导教师贾朔 2014年04月21日
实验一图像的基本运算 一、实验目的： 1、掌握图像处理中的点运算、代数运算、逻辑运算和几何运算及应用。 2、掌握各种运算对于图像处理中的效果。 二、实验内容： 1、（1）选择一幅图像lena8.jpg，设置输入/输出变换的灰度级范围，a=0.2，b=0.6，c=0.1，d=0.9. （2）设置非线性扩展函数的参数c=2. （3）采用灰度级倒置变换函数s=255-r进行图像变换 （4）设置二值化图像的阈值，分别为level=0.4,level=0.7 解：参考程序如下： I=imread('C:\lena8.jpg'); figure; subplot(2,3,1); imshow(I); title('原图'); J=imadjust(I,[0.3;0.6],[0.1;0.9]); %设置灰度变换的范围 subplot(2,3,2); imshow(J); title('线性扩展'); I1=double(I); %将图像转换为double类型 I2=I1/255; %归一化此图像 C=2; K=C*log(1+I2); %求图像的对数变换 subplot(2,3,3); imshow(K); title('非线性扩展'); M=im2bw(I,0.5); M=~M; %M=255-I; %将此图像取反 %Figure subplot(2,3,4); imshow(M); title('灰度倒置'); N1=im2bw(I,0.4); %将此图像二值化，阈值为0.4 N2=im2bw(I,0.7); %将此图像二值化，阈值为0.7 subplot(2,3,5); imshow(N1); title('二值化阈值0.4'); subplot(2,3,6); imshow(N2); title('二值化阈值0.7');
图像复原方法综述 1、摘要 图像是人类视觉的基础,给人具体而直观的作用。图像的数字化包括取样和量化两个步骤。数字图像处理就是将图像信号转换成数字格式,并利用计算机进行加工和处理的过程。 图像复原是图像处理中的一个重要问题，对于改善图像质量具有重要的意义。解决该问题的关键是对图像的退化过程建立相应的数学模型,然后通过求解该逆问题获得图像的复原模型并对原始图像进行合理估计。 本文主要介绍了图像退化的原因、图像复原技术的分类和目前常用的几种图像复原方法，详细的介绍了维纳滤波、正则滤波、LR算法和盲区卷积,并通过实验证明了该方法的可行性和有效性。 关键词:图像退化、图像复原、维纳滤波、正则滤波、LR算法、盲区卷积、 2、图像复原概述 在图像的获取、传输以及保存过程中，由于各种因素,如大气的湍流效应、摄像设备中光学系统的衍射、传感器特性的非线性、光学系统的像差、成像设备与物体之间的相对运动、感光胶卷的非线性及胶片颗粒噪声以及电视摄像扫描的非线性等所引起的几何失真,都难免会造成图像的畸变和失真。通常,称由于这些因素引起的质量下降为图像退化。 图像退化的典型表现是图像出现模糊、失真,出现附加噪声等。由于图像的退化,在图像接受端显示的图像已不再是传输的原始图像,图像效果明显变差。为此,必须对退化的图像进行处理,才能恢复出真实的原始图像,这一过程就称为图像复原[1]。 图像复原技术是图像处理领域中一类非常重要的处理技术,与图像增强等其他基本图像处理技术类似,也是以获取视觉质量某种程度的改善为目的，所不同的是图像复原过程实际上是一个估计过程，需要根据某些特定的图像退化模型,对退化图像进行复原。简言之，图像复原的处理过程就是对退化图像品质的提升,并通过图像品质的提升来达到图像在视觉上的改善。 由于引起图像退化的因素众多,且性质各不相同,目前没有统一的复原方法,众多研究人员根据不同的应用物理环境,采用了不同的退化模型、处理技巧和估计准则,从而得到了不同的复原方法。 图像复原算法是整个技术的核心部分。目前，国内在这方面的研究才刚刚起步，而国外却已经取得了较好的成果。早期的图像复原是利用光学的方法对失真的观测图像进行校正,
数字图像处理实验 报告 学生姓名：学号： 专业年级： 09级电子信息工程二班
实验一常用MATLAB图像处理命令 一、实验内容 1、读入一幅RGB图像，变换为灰度图像和二值图像，并在同一个窗口内分成三个子窗口来分别显示RGB图像和灰度图像，注上文字标题。 实验结果如右图： 代码如下： Subplot (1,3,1) i=imread('E:\数字图像处理\2.jpg') imshow(i) title('RGB') Subplot (1,3,2) j=rgb2gray(i) imshow(j) title('灰度') Subplot (1,3,3) k=im2bw(j,0.5) imshow(k) title('二值') 2、对两幅不同图像执行加、减、乘、除操作，在同一个窗口内分成五个子窗口来分别显示，注上文字标题。 实验结果如右图： 代码如下： Subplot (3,2,1) i=imread('E:\数字图像处理 \16.jpg') x=imresize(i,[250,320]) imshow(x) title('原图x') Subplot (3,2,2) j=imread(''E:\数字图像处理 \17.jpg') y=imresize(j,[250,320]) imshow(y) title('原图y') Subplot (3,2,3) z=imadd(x,y) imshow(z)
title('相加结果')；Subplot (3,2,4)；z=imsubtract(x,y)；imshow(z)；title('相减结果') Subplot (3,2,5)；z=immultiply(x,y)；imshow(z)；title('相乘结果') Subplot (3,2,6)；z=imdivide(x,y)；imshow(z)；title('相除结果') 3、对一幅图像进行灰度变化，实现图像变亮、变暗和负片效果，在同一个窗口内分成四个子窗口来分别显示，注上文字标题。 实验结果如右图： 代码如下： Subplot (2,2,1) i=imread('E:\数字图像处理 \23.jpg') imshow(i) title('原图') Subplot (2,2,2) J = imadjust(i,[],[],3); imshow(J) title('变暗') Subplot (2,2,3) J = imadjust(i,[],[],0.4) imshow(J) title('变亮') Subplot (2,2,4) J=255-i Imshow(J) title('变负') 二、实验总结 分析图像的代数运算结果，分别陈述图像的加、减、乘、除运算可能的应用领域。 解答：图像减运算与图像加运算的原理和用法类似，同样要求两幅图像X、Y的大小类型相同，但是图像减运算imsubtract()有可能导致结果中出现负数，此时系统将负数统一置为零，即为黑色。 乘运算实际上是对两幅原始图像X、Y对应的像素点进行点乘(X.*Y)，将结果输出到矩阵Z中，若乘以一个常数，将改变图像的亮度：若常数值大于1，则乘运算后的图像将会变亮；叵常数值小于是，则图像将会会暗。可用来改变图像的灰度级，实现灰度级变换，也可以用来遮住图像的某些部分，其典型应用是用于获得掩膜图像。 除运算操作与乘运算操作互为逆运算，就是对两幅图像的对应像素点进行点（X./Y)， imdivide()同样可以通过除以一个常数来改变原始图像的亮度，可用来改变图像的灰度级，其典型运用是比值图像处理。 加法运算的一个重要应用是对同一场景的多幅图像求平均值 减法运算常用于检测变化及运动的物体，图像相减运算又称为图像差分运算，差分运算还可以用于消除图像背景，用于混合图像的分离。
数字图像处理—实验一 一．实验内容： 图像灰度变换 二．实验目的： 学会用Matlab 软件对图像灰度进行变换；感受各种不同的灰度变换方法对最终图像效果的影响。 三．实验步骤： 1．获取实验用图像：rice.jpg. 使用imread 函数将图像读入Matlab 。 2．产生灰度变换函数T1，使得： 0.3r r < 0.35 s = 0.105 + 2.6333(r – 0.35) 0.35 ≤ r ≤ 0.65 1 + 0.3(r – 1) r > 0.65 用T1对原图像rice.jpg 进行处理，使用imwrite 函数保存处理后的新图像。 3．产生灰度变换函数T2，使得： s = 用T2对原图像rice.jpg 进行处理，使用imwrite 保存处理后的新图像。 4．分别用 s = r 0.6; s = r 0.4; s = r 0.3 对kids.tiff 图像进行处理。为简便起见，请 使用Matlab 中的imadjust 函数。使用imwrite 保存处理后的新图像。 5．对circuit.jpg 图像实施反变换（Negative Transformation ）。s =1－r; 使用 imwrite 保存处理后的新图像。 6．对rice.jpg 图像实施灰度切片（Gray-level slicing ）。具体要求如下： 当0.2 ≤ r ≤ 0.4时，将r 置为0.6, 当r 位于其他区间时, 保持其灰度与原图像一样。使用imwrite 保存处理后的新图像。 7．利用灰度变换对Picture.jpg 做增强处理，突出图中的人物，改善整个图像过 于灰暗的背景。通过调节参数，观察变换后的图像与原始图像的变化，寻找出最佳的灰度变换结果。写出所采用的拉伸表达式。(提示：用imhist 观察图像直方图，利用分段线性灰度变换。 )
实验一 内容（一） （1）彩色图像变灰度图像 A=imread('1.jpg'); B=rgb2gray(A); figure subplot(1,2,1), imshow(A) title('原图') subplot(1,2,2), imshow(B) title('原图灰度图像') （2）彩色图像变索引图像 A=imread('1.jpg'); figure subplot(1,2,1), imshow(A) title('原图') [X,map]=rgb2ind(A,128); subplot(1,2,2), imshow(X,map) title('原图索引图像') （3）彩色图像变二值图像 A=imread('1.jpg'); figure subplot(1,2,1), imshow(A) title('原图') C=im2bw(A,0.2); subplot(1,2,2), imshow(C) title('原图二值图像') （4）灰度图像变索引图像（一） A=imread('1.jpg'); figure B=rgb2gray(A); subplot(1,2,1), imshow(B) title('灰度图像') C=grayslice(B,39); subplot(1,2,2), imshow(C) title('灰度变索引图像')
（5）灰度图像变索引图像（二） A=imread('1.jpg'); figure B=rgb2gray(A); subplot(1,2,1), imshow(B) title('灰度图像') [X,map]=gray2ind(B,63); subplot(1,2,2), imshow(X,map) title('灰度变索引图像') （6）灰度图像变彩色图像 A=imread('1.jpg'); figure B=rgb2gray(A); subplot(1,2,1), imshow(B) title('灰度图像') C=gray2rgb(B,map); subplot(1,2,2), imshow(C) title('灰度变彩色图像') 内容（二） （1）灰度平均值 A=imread('1.jpg'); figure B=rgb2gray(A); subplot(1,2,1), imshow(B) title('灰度图像') B=double(B); [m,n]=size(B); sumg=0.0; for i=1:m; for j=1:n; sumg=sumg+B(i,j); end end avg=sumg/(m*n) % 均值 maxg=max(max(B)) % 区域最大灰度ming=min(min(B)) % 区域最小灰度 （2）彩色平均值
实验一图像变换 一．实验目的 1.了解图像变换的意义和手段 2.熟悉离散傅里叶变换、离散余弦变换、离散小波变换的基本性质； 3.熟练掌握图像变换的方法及应用； 4.通过实验了解二维频谱的分布特点； 5.通过本实验掌握利用MATLAB编程实现数字图像的变换。 二．实验原理 1.应用各种离散变换进行图像处理 2.离散余弦变换（DCT）的定义 3. 离散小波变换定义 三．实验步骤 1.启动MATLAB程序；程序组中“work”文件夹中应有待处理的图像文件； 2.利用MatLab工具箱中的函数编制FFT频谱显示的函数; 3 .调入、显示“实验一”获得的图像； 4.对图像做FFT并利用自编的函数显示其频谱; 5.讨论不同的图像内容与FFT频谱之间的对应关系。 6.记录和整理实验报告。 四．实验程序与内容 clc; figure(1); load imdemos saturn2; title('原图像'); imshow(saturn2); figure(2); s=fftshift(fft2(saturn2)); imshow(log(abs(s)),[]); title('原图像傅立叶频谱'); figure(1); A=imread('liubh.jpg');
B=rgb2gray(A); imshow(B); title('原图像'); s=fftshift(fft2(B)); figure(2); imshow(log(abs(s)),[]); title('彩色图像的傅立叶频谱'); RGB=imread('liubh.jpg'); figure(1);