研究生课程考核试卷
（适用于课程论文、提交报告）
科目：数字图像处理教师：黄鸿
姓名：潘世强学号：20110802096 专业：仪器科学与技术类别：（学术）上课时间：2011年10月至2012年01月
考生成绩：
阅卷评语：
阅卷教师(签名)
重庆大学研究生院制
CHONGQING UNIVERSITY
数字图像处理
——基于内容的图像检索系统
学院：光电工程学院
姓名：潘世强
学号：20110802096
指导教师：黄鸿
时间： 2012年01月08日
基于内容的图像检索系统
摘要：随着多媒体技术的迅速发展，图像数据库也急剧膨胀起来，如何高效、快速地从像资源中获取有用的图像成了信息检索技术研究的热点。
本文主要针对基于内容的图像检索技术（CBIR）做了相关的介绍，对基于图像检索技术中的特征提取技术进行了较为详细的阐述，研究了图像颜色的提取方法，以及图像间相似性度量方法。本文运用的特征值提取方法为颜色直方图的方法，对图像提取颜色特征，并根据这些特征对目标图片与图片库中的图片进行了相似度排序，最后运用Matlab软件对上述方法进行验证，得到图像检索结果，从而实现基于内容的图像检索。
关键词：直方图HIS彩色空间基于内容图像检索
1．引言
图像是对客观对象的一种相似性的、生动性的描述或写真。或者说图像是客观对象的一种表示，它包含了被描述对象的有关信息。它是人们最主要的信息源。据统计，一个人获取的信息大约有75%来自视觉。俗话说“百闻不如一见”，“一目了然”，都反映了图像在信息传递中的独特效果。所谓基于图像内容检索，即从图像库中查找含有特定目标的图像，也包括从连续的视频图像中检索含有特定目标的视频片段。它区别于传统的图像检索手段，融合了图像理解技术，从而可以提供更有效的检索手段。
本文主要针对基于内容的图像检索技术中的特征提取方法展开论述，简要地介绍了近年来基于内容的图像检索中颜色、纹理、形状及语义特征的描述方法，并对颜色特征的描述方法以及特征相似性做了详细的论述。
2．算法流程
本算法主要经过以下几个流程得以实现：
图2.1 主要算法流程图 2.1图片预处理
2.1.1色彩空间转换
在计算两幅图像的相似度时，通常要提取它们的颜色特征在特定的颜色空间进行比较。颜色空间的目的是按照某种标准利用基色表示颜色，常用的有RGB 、HSI 、HSV 等。RGB 颜色空间的相似不能代表颜色的相似。例如，查询图像上RGB 颜色是（200，150，0），图像库图像的RGB 颜色是（200，200，0），这两幅图像在RGB 颜色空间上很相似，但在颜色上差别很大(黄色和绿色)。HSI 和HSV 颜色空间则没有这个方面的问题，它们很适合人们肉眼的分辨，较好地反映人对颜色的感知和鉴别能力。故在此采用HSI 颜色空间。通过（2.1）~（2.3）公式，可以将图像从RGB 颜色空间转换到HSI 颜色空间。 ()()()()()()()()()()()()???
????>???? ??--+---+--≠≠???? ??--+---+-=G B B G B R G R G R B R G R B R G R B G B R G R G R B R G R H ,2arccos 2,2arccos π或 (2.1) ),,(),,(B G R MIN B G R MAX S -= (2.2)
3B
G
R
I +
+
= (2.3) 2.1.2统计直方图特征的提取
灰度级为[0,L-1]范围的数字图像的直方图是离散函数h（r）=n，其中n是图像中灰度级为r的像素个数[3]。由于给定的图像数据库图像数量有651幅，且图像的大小不一，本次作业采用图像的统计直方图分布之间的欧氏距离的阈值约束，此阈值约束只是为了缩小图像的比对范围，并作为一个比对指标，待检索的图像与搜索图像间的欧式距离小于这个阈值时，就认为与待检索的图像是相似的。
在提取图像的统计直方图之前，先要对图像进行直方图均衡，把图像的灰度级扩展到整个灰度空间（unit8对应灰度级为：0-255），因为各幅图像的灰度分布可能相差比较大，如图1(a)和图2(b)所示，直接利用直方图进行图像检索的话，就只能对一些与被检索图像直方图一致的图像进行检索，这样就限制了基于直方图进行图像检索的图像范围。直方图均衡化后，再进行归一化，在整个灰度空间来比对统计直方图分布可以减小阈值的设置，便于数据的处理，也为通过直方图进行图像检索提供了更为广泛的图像检索范围。
(a)图像初始直方图(b)直方图均衡的直方图(c)归一化后的直方图(d)统计直方图
图2.2 某图像的直方图
（a）图像初始直方图(b)直方图均衡的直方图(c)归一化后的直方图(d)统计直方图
图2.2 图像berlin (67).jpg的直方图
2.2图像检索算法
2.2.1图像匹配算法
如何用数值来有效地表示图像在颜色上的相似程度，是直接影响检索效果的重要环节，好的相似性度量方法不仅要求结果精确而且速度要快。由于提取的图像特征绝大多数都可以表示成向量形式，因此常用的相似性度量方法是基于向量模型的，也就是将图像特征看成是向量空间中的点，通过计算点与点之间的距离来描述图像特征之间的相似度。基于内容的图像的检索因为图像的颜色、纹理和形状等特征提取受众多因素的影响，达不到精确匹配，只能进行这些特征之间的相似度计算进行模糊匹配。如果满足一定条件时，我们就可以说这两图像相似，放入检索结果中。
本作业基于城区（city-block ）距离计算两图像的差异。公式如下：
21(,)n
i i
i L A B a b ==-∑ （2.4）
2.2.2差异度排序
由于图像大小有异，为使图像能得到有意义的排序，将此距离计算为差异度。差异度越小，图像与源像越相似。
具体算法为：
①设定两阈值：t1=0.01，t2=0.9；
②得到两图像差值的百分比：?=L/A ； ③得到差异度：212
L diff N ?Ω=； 2.3显示
最终，利用GUI ，将所得到的图像按差异度升序排列，并显示前十幅。
3．实验及结果分析
为了验证算法的有效性， 在PC 机上进行实验仿真验证，其中运行环境为
Windows 7操作系统，系统配置为Core2 Duo 2.30GHz CPU，1.99GB内存，仿真平台为Matlab 7.6。
实验中，在一个包含100幅各类图像的综合图像数据库中进行检索，图像大小均为250×195左右。库中包含了各类常见的图像，人物、花草、建筑、动物等，每类几乎等幅相关图片。
（1）开始界面
图3.1 开始界面
（2）检索过程
①载入匹配图像
图3.2 载入源图像（1）
图3.3 载入源图像（2）②载入检索图像库
图3.4 载入图像库（1）③图像检索结果
图3.5 载入图像库（2）
4．结论
单从图像的统计直方图特征对图像进行检索，虽然解决了图像大小不一带来的困难，但是难以符合人们的视觉习惯。因此，可以结合其他的图像特征进行图像检索，此时的统计直方图的阈值应该选的大些，以保障有一定量的图像被选择。但是不同的图像特征之间往往差异较大，比如直方图和颜色空间的信息，这将给图像各个特征的联合检索图像带来困难。因此，可以考虑差异较小的图像特征联合检索图像，比如直方图和图像的纹理特征或者几何特征相结合来检索图像。
参考文献
[1] 陈世文，高燕.基于内容的图像检索[M].中小企业管理与科技.2008.
[2] 基于HSI颜色空间统计直方图的图像检索.百度文库.08-07-2010.
[3] 唐晓静,张明. 几种基于内容图像检索匹配算法的比较研究.Computer
Knowledge and Technology.,pp.1969-1971.V ol.6,No.8,March 2010.
[4] 程秀峰,祝颂,夏立新.基于分布式的直方图检索方法研究及实现.现代图书情
报技术.第205期.2011.
[5] 君顶,原芳.基于内容的图像检索技术. 计算机系统应用.2011.第20卷，第8期。
[6] 金莲芳,覃团发,王海霞,等.基于结构量化直方图的图像检索方法.中国图像图
形学报,2006,11(2):180?185.
[7] Basu S, Banerjee A, Mooney RJ.2004.Active semi-supervision for pairwise
constrained clustering. In SDM '04: Proceedings of the 2004 SIAM International Conference on Data Mining, Florida, 333-344.
[8] 高如如.基于内容的图像检索技术研究[D],中国科学技术大学，2011：1-2.
[9] Rafael C.Gonzalez,Digital Image Processing.电子工业出版社，2007:72-81.
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)
毕业设计说明书基于ARM的嵌入式数字图像处理系统 设计 学生姓名：张占龙学号： 0905034314 学院：信息与通信工程学院 专业：测控技术与仪器 指导教师：张志杰 2013年 6月
摘要 简述了数字图像处理的应用以及一些基本原理。使用S3C2440处理器芯片，linux内核来构建一个简易的嵌入式图像处理系统。该系统使用u-boot作为启动引导程序来引导linux内核以及加载跟文件系统，其中linux内核与跟文件系统均采用菜单配置方式来进行相应配置。应用界面使用QT制作，系统主要实现了一些简单的图像处理功能，比如灰度话、增强、边缘检测等。整个程序是基于C++编写的，因此有些图像变换的算法可能并不是最优化的，但基本可以满足要求。在此基础上还会对系统进行不断地完善。 关键词：linnux 嵌入式图像处理边缘检测 Abstract This paper expounds the application of digital image processing and some basic principles. The use of S3C2440 processor chip, the Linux kernel to construct a simple embedded image processing system. The system uses u-boot as the bootloader to boot the Linux kernel and loaded with file system, Linux kernel and file system are used to menu configuration to make corresponding configuration. The application interface is made using QT, system is mainly to achieve some simple image processing functions, such as gray, enhancement, edge detection. The whole procedure is prepared based on the C++, so some image transform algorithm may not be optimal, but it can meet the basic requirements. On this basis, but also on the system constantly improve. Keywords:linux embedded system image processing edge detection
《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。
1. 对下列信源符号进行Huffman 编码，并计算其冗余度和压缩率。 符号 a1 a2 a3 a4 a5 a6 概率 0.1 0.4 0.06 0.1 0.04 0.3 原始信源 信源简化 符号 概率 1 2 3 4 a2 0.4 0.4 0.4 0.4 0.6 a6 0.3 0.3 0.3 0.3 0.4 a1 0.1 0.1 0.2 0.3 a4 0.1 0.1 0.1 a3 0.06 0.1 a5 0.04 从最小的信源开始一直到原始的信源 编码的平均长度： 压缩率：13 1.3642.2 R avg n C L ==≈ 冗余度：11110.26691.364D R R C =- =-≈ (0.4)(1)(0.3)(2)(0.1)3(0.1)(4)(0.06)(5)(0.04)(5) 2.2/avg L bit =+++++=（）符号
1. 简述灰度分辨率、空间分辨率与图像质量的关系。: 空间分辨率是看原图像转化为数字图像的像素点数，越多图像质量越高；灰度分辨率，即每一个像素点的灰度级数，灰度级越大，图像越清晰. 2. 简述采样和量化的一般原则: 空间坐标的离散化叫做空间采样，而灰度的离散化叫做灰度量化。图像的空间分辨率主要由采样所决定，而图像的幅度分辨率主要由量化所决定。 3. 图像锐化与图像平滑有何区别与联系？: 图象锐化是用于增强边缘，导致高频分量增强，会使图象清晰；图象平滑用于去噪，对图象高频分量即图象边缘会有影响。都属于图象增强，改善图象效果。 4. 伪彩色增强与假彩色增强有何异同点？: 伪彩色增强是对一幅灰度图象经过三种变换得到三幅图象，进行彩色合成得到一幅彩色图像；假彩色增强则是对一幅彩色图像进行处理得到与原图象不同的彩色图像；主要差异在于处理对象不同。 1. 对于椒盐噪声，为什么中值滤波效果比均值滤波效果好？：均值滤波器是一种最常用的线性低通平滑滤波器，可抑制图像中的加性噪声，但同时也使图像变得模糊；中值滤波器是一种最常用的非线性平滑滤波器，可消除图像中孤立的噪声点，又可产生较少的模糊。一般情况下中值滤波的效果要比邻域平均处理的低通滤波效果好，主要特点是滤波后图像中的轮廓比较清晰。因此，滤除图像中的椒盐噪声采用中值滤波。 2.什么是区域？什么是图像分割？:图像分割就是把图像分成若干个特定 的、具有独特性质的区域并提出感兴趣目标的技术和过程。它是由图像处理到图像分析的关键步骤。 3.写出颜色RGB模型转换到HIS模型的变换公式；并说明HSI模型各分 量的含义及取值围对应的颜色信息。书上 4.灰度图像：当点足够小，观察距离足够远时，人眼就不容易分开各个小 点，从而得到比较连续，平滑的灰度图像。 5.GIF格式：GIF格式是一种公用的图像文件格式，它是8位文件格式， 所以最多只能存储256色图像，不支持24位的真彩色图像。GIF文件中的图像数据均经过压缩，采用的压缩算法是改进的LZW算法，所提供的压缩率通常在1：1到1：3之间，当图像中有随机噪声时效果不好
数字图像处理技术在识别领域的应用 1、定义 数字图像处理是利用计算机对图像进行处理，常用的方法技术有去除噪声、复原、增强、分割、提取特征等。数字图像发展初期，主要应用于提高图片质量，第一次应用该技术是对伦敦和纽约之间海底电缆发送的图片进行改善。图像处理的应用领域涉及到人类生活的方方面面。 2、数字图像处理的优点 数字图像处理应用于人类依靠图像获取外界的信息经过处理，具有如下优点：①重现性能好，数字图像处理在进行传输、存储、复制等处理从而用来服务于生活。 ②数字化处理精度高。 ③数字信号处理技术适用面宽。 ④数字图像处理的灵活性高。 3、主要研究内容 数字图像处理技术是利用计算机图像处理系统对图像进行输入、加工和输出，主要研究的内容包括以下几项：图像变换；图像增强和复原；图像编码压缩；图像分割。 因为数字图像处理技术应用太过广泛，我在这里仅探究它在识别领域的应用，从这里认识数字图像处理技术的方方面面。 4、数字图像处理在识别领域的应用： （一）数字图像处理在指纹识别中的应用 传统的利用密码、证件作为身份识别的方式具有易遗忘、易破解、易丢失、易伪造等特点，已不再符合现代数字社会的需求。指纹，作为人体独一无二的生理特征，虽然只是人体皮肤的一小部分，但是它的纹理复杂度可以提供用于识别的足够特征，具有极高的安全性，并且指纹还具有易获取、无侵犯性、唯一性和不变性等优点，使其成为生物识别技术中的焦点。 为了弥补指纹图像的质量缺陷，保证指纹后处理算法对指纹图像具有足够的鲁棒性，图像增强是十分必要的，采用数字图像处理则可以实现图像的增强。指纹图像增强目的是为了消除噪声，增强脊线和谷线的对比度，将断裂的脊线和谷线连接起来，消除由于噪声、变形等带来的粘连及由于油污等产生的毛刺等，改善图像质量，保证特征信息提取的准确性和可靠性。指纹图像的增强由图像规格化、图像再处理、滤波几个部分组成。
数字图像课程设计简单数字图像处理系统 function varargout = untitled(varargin) % Begin initialization code - DO NOT EDIT gui_Singleton = 1; gui_State = struct('gui_Name', mfilename, ... 'gui_Singleton', gui_Singleton, ... 'gui_OpeningFcn', @untitled_OpeningFcn, ... 'gui_OutputFcn', @untitled_OutputFcn, ... 'gui_LayoutFcn', [] , ... 'gui_Callback', []); if nargin && ischar(varargin{1}) = str2func(varargin{1}); end if nargout [varargout{1:nargout}] = gui_mainfcn(gui_State, varargin{:}); else gui_mainfcn(gui_State, varargin{:}); end % End initialization code - DO NOT EDIT % --- Executes just before untitled is made visible. function untitled_OpeningFcn(hObject, eventdata, handles, varargin) %界面初始化函数 setappdata,'I',0); % This function has no output args, see OutputFcn. % hObject handle to figure % eventdata reserved - to be defined in a future version of MATLAB % handles structure with handles and user data (see GUIDATA) % varargin command line arguments to untitled (see VARARGIN) % Choose default command line output for untitled = hObject;
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)
数字图像处理系统论文
毕业设计说明书基于ARM的嵌入式数字图像处理系统 设计 学生姓名：张占龙学号： 0905034314 学院：信息与通信工程学院 专业：测控技术与仪器 指导教师：张志杰 2013年 6月
摘要 简述了数字图像处理的应用以及一些基本原理。使用S3C2440处理器芯片，linux内核来构建一个简易的嵌入式图像处理系统。该系统使用u-boot作为启动引导程序来引导linux内核以及加载跟文件系统，其中linux内核与跟文件系统均采用菜单配置方式来进行相应配置。应用界面使用QT制作，系统主要实现了一些简单的图像处理功能，比如灰度话、增强、边缘检测等。整个程序是基于C++编写的，因此有些图像变换的算法可能并不是最优化的，但基本可以满足要求。在此基础上还会对系统进行不断地完善。 关键词：linnux 嵌入式图像处理边缘检测 Abstract This paper expounds the application of digital image processing and some basic principles. The use of S3C2440 processor chip, the Linux kernel to construct a simple embedded image processing system. The system uses u-boot as the bootloader to boot the Linux kernel and loaded with file system, Linux kernel and file system are used to menu configuration to make corresponding configuration. The application interface is made using QT, system is mainly to achieve some simple image processing functions, such as gray, enhancement, edge detection. The whole procedure is prepared based on the C++, so some image transform algorithm may not be optimal, but it can meet the basic requirements. On this basis, but also on the system constantly improve. Keywords:linux embedded system image processing edge detection
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
研究生课程考核试卷 （适用于课程论文、提交报告） 科目：数字图像处理教师：黄鸿 姓名：潘世强学号：20110802096 专业：仪器科学与技术类别：（学术）上课时间：2011年10月至2012年01月 考生成绩： 阅卷评语： 阅卷教师(签名) 重庆大学研究生院制
CHONGQING UNIVERSITY 数字图像处理 ——基于内容的图像检索系统 学院：光电工程学院 姓名：潘世强 学号：20110802096 指导教师：黄鸿 时间： 2012年01月08日
基于内容的图像检索系统 摘要：随着多媒体技术的迅速发展，图像数据库也急剧膨胀起来，如何高效、快速地从像资源中获取有用的图像成了信息检索技术研究的热点。 本文主要针对基于内容的图像检索技术（CBIR）做了相关的介绍，对基于图像检索技术中的特征提取技术进行了较为详细的阐述，研究了图像颜色的提取方法，以及图像间相似性度量方法。本文运用的特征值提取方法为颜色直方图的方法，对图像提取颜色特征，并根据这些特征对目标图片与图片库中的图片进行了相似度排序，最后运用Matlab软件对上述方法进行验证，得到图像检索结果，从而实现基于内容的图像检索。 关键词：直方图HIS彩色空间基于内容图像检索 1．引言 图像是对客观对象的一种相似性的、生动性的描述或写真。或者说图像是客观对象的一种表示，它包含了被描述对象的有关信息。它是人们最主要的信息源。据统计，一个人获取的信息大约有75%来自视觉。俗话说“百闻不如一见”，“一目了然”，都反映了图像在信息传递中的独特效果。所谓基于图像内容检索，即从图像库中查找含有特定目标的图像，也包括从连续的视频图像中检索含有特定目标的视频片段。它区别于传统的图像检索手段，融合了图像理解技术，从而可以提供更有效的检索手段。 本文主要针对基于内容的图像检索技术中的特征提取方法展开论述，简要地介绍了近年来基于内容的图像检索中颜色、纹理、形状及语义特征的描述方法，并对颜色特征的描述方法以及特征相似性做了详细的论述。
基于matlab的车牌识别系统 一、目的与要求 目的：利用matlab实现车牌识别系统，熟悉matlab应用软件的基础知识，了解了基本程序设计方法，利用其解决数字信号处理的实际应用问题，从而加深对理论知识的掌握，并把所学的知识系统、高效的贯穿到实践中来，避免理论与实践的脱离，巩固理论课上知识的同时，加强实践能力的提高，理论联系实践，提高自身的动手能力。同时不断的调试程序也提高了自己独立编程水平，并在实践中不断完善理论基础，有助于自身综合能力的提高。 要求： 1.理解各种图像处理方法确切意义。 2.独立进行方案的制定，系统结构设计要合理。 3．在程序开发时，则必须清楚主要实现函数的目的和作用，需要在程序书写时说明做适当的注释。如果使用matlab来进行开发，要理解每个函数的具体意义和适用范围，在写课设报告时，必须要将主要函数的功能和参数做详细的说明。 4、通过多幅不同形式的图像来检测该系统的稳定性和正确性。 二、设计的内容 学习MATLAB程序设计，利用MATLAB函数功能，设计和实现通过设计一个车牌识别系统。车牌识别系统的基本工作原理为：将手机拍摄到的包含车辆牌照的图像输入到计算机中进行预处理，再对牌照进行搜索、检测、定位，并分割出包含牌照字符的矩形区域，然后对牌照字符进行二值化并将其分割为单个字符，然后将其逐个与创建的字符模板中的字符进行匹配，匹配成功则输出，最终匹配结束则输出则为车牌号码的数字。车牌识别系统的基本工作原理图如图1所下所示：
三、总体方案设计 车辆牌照识别整个系统主要是由车牌定位和字符分割识别两部分组成，其中车牌定位又可以分为图像预处理及边缘提取模块和牌照的定位及分割模块；字符识别可以分为字符分割和单个字符识别两个模块。 为了用于牌照的分割和牌照字符的识别，原始图象应具有适当的亮度，较大的对比度和清晰可辩的牌照图象。但由于是采用智能手机在开放的户外环境拍照，加之车辆牌照的整洁度、自然光照条件、拍摄时摄像机与牌照的矩离等因素的影响，牌照图象可能出现模糊、歪斜和缺损等严重缺陷，因此需要对原始图象进行识别前的预处理。 牌照的定位和分割是牌照识别系统的关键技术之一，其主要目的是在经图象预处理后的原始灰度图象中确定牌照的具体位置，并将包含牌照字符的一块子图象从整个图象中分割出来，供字符识别子系统识别之用，分割的准确与否直接关系到整个牌照字符识别系统的识别率。 由于拍摄时的光照条件、牌照的整洁程度的影响，和摄像机的焦距调整、镜头的光学畸变所产生的噪声都会不同程度地造成牌照字符的边界模糊、细节不清、笔划断开或粗细不均，加上牌照上的污斑等缺陷，致使字符提取困难，进而影响字符识别的准确性。因此，需要将拍出的车牌进行处理，在这个过程中，我采用画图工具，将汽车图像的车牌部分进行裁剪，并将车牌的蓝色部分过亮的地方颜色加深，还将车牌中的一个白色的原点抹去，另外还将车牌上的铆钉使用车牌的蓝色背景覆盖，这样分割出的字符更加准确。 车牌识别的最终目的就是对车牌上的文字进行识别。主要应用的为模板匹配方法。 因为系统运行的过程中，主要进行的都是图像处理，在这个过程中要进行大量的数据处理，所以处理器和内存要求比较高，CPU要求主频在600HZ及以上，内存在128MB 及以上。系统可以运行于Windows7、Windows2000或者Windows XP操作系统下，程序调试时使用matlabR2011a。 四、各个功能模块的主要实现程序 （一）首先介绍代码中主要的函数功能及用法：
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');
论文（设计）题目： 基于MATLAB的数字图像处理系统设计 姓名宋立涛 学号２０１２１１８６７ 学院信息学院 专业电子与通信工程 年级２０１２级 ２０１３年６月１６日
基于MATLAB的数字图像处理系统设计 摘要 MATLAB 作为国内外流行的数字计算软件，具有强大的图像处理功能，界面简洁，操作直观，容易上手，而且是图像处理系统的理想开发工具。 笔者阐述了一种基于MATLAB的数字图像处理系统设计，其中包括图像处理领域的大部分算法，运用MATLAB 的图像处理工具箱对算法进行了实现，论述了利用系统进行图像显示、图形表换及图像处理过程，系统支持索引图像、灰度图像、二值图像、RGB 图像等图像类型；支持BMP、GIF、JPEG、TIFF、PNG 等图像文件格式的读，写和显示。 上述功能均是在MA TLAB 语言的基础上，编写代码实现的。这些功能在日常生活中有很强的应用价值，对于运算量大、过程复杂、速度慢的功能，利用MATLAB 可以既能快速得到数据结果，又能得到比较直观的图示。 关键词：MATLAB 数字图像处理图像处理工具箱图像变换
第一章绪论 1.1 研究目的及意义 图像信息是人类获得外界信息的主要来源，近代科学研究、军事技术、工农业生产、医学、气象及天文学等领域中，人们越来越多地利用图像信息来认识和判断事物，解决实际问题，由此可见图像信息的重要性，数字图像处理技术将会伴随着未来信息领域技术的发展，更加深入到生产和科研活动中，成为人类生产和生活中必不可少的内容。 MATLAB 软件不断吸收各学科领域权威人士所编写的实用程序，经过多年的逐步发展与不断完善，是近几年来在国内外广泛流行的一种可视化科学计算软件。MATLAB 语言是一种面向科学与工程计算的高级语言，允许用数学形式的语言来编写程序，比Basic、Fortan、C 等高级语言更加接近我们书写计算公式的思维方式，用MATLAB 编写程序犹如在演算纸上排列出公式与求解问题一样。它编写简单、编程效率高并且通俗易懂。 1.2 国内外研究现状 1.2.1 国内研究现状 国内在此领域的研究中具有代表性的是清华大学研制的数字图像处理实验开发系统TDB-IDK 和南京东大互联技术有限公司研制的数字图像采集传输与处理实验软件。 TDB-IDK 系列产品是一款基于TMS320C6000 DSP 数字信号处理器的高级视频和图像系统，也是一套DSP 的完整的视频、图像解决方案，该系统适合院校、研究所和企业进行视频、图像方面的实验与开发。该软件能够完成图像采集输入程序、图像输出程序、图像基本算法程序。可实现对图像信号的实时分析，图像数据相对DSP独立方便开发人员对图像进行处理，该产品融合DSP 和FPGA/CPLD 两个高端技术，可以根据用户的具体需求合理改动，可以分析黑白和彩色信号，可以完成图形显示功能。 南京东大互联技术有限公司研制的数字图像采集传输与处理实验软件可实现数字图像的采集、传输与处理。可利用软件及图像采集与传输设备，采集图像并实现点对点的数字图像传输，可以观察理解多种图像处理技术的效果和差别，
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。
1.图像反转 MATLAB程序实现如下： I=imread('xian.bmp'); J=double(I); J=-J+(256-1); %图像反转线性变换 H=uint8(J); subplot(1,2,1),imshow(I); subplot(1,2,2),imshow(H); 2.灰度线性变换 MATLAB程序实现如下： I=imread('xian.bmp'); subplot(2,2,1),imshow(I); title('原始图像'); axis([50,250,50,200]); axis on; %显示坐标系 I1=rgb2gray(I); subplot(2,2,2),imshow(I1); title('灰度图像'); axis([50,250,50,200]); axis on; %显示坐标系 J=imadjust(I1,[0.1 0.5],[]); %局部拉伸，把[0.1 0.5]的灰度拉伸为[0 1]
subplot(2,2,3),imshow(J); title('线性变换图像[0.1 0.5]'); axis([50,250,50,200]); grid on; %显示网格线 axis on; %显示坐标系 K=imadjust(I1,[0.3 0.7],[]); %局部拉伸，把[0.3 0.7]的灰度拉伸为[0 1] subplot(2,2,4),imshow(K); title('线性变换图像[0.3 0.7]'); axis([50,250,50,200]); grid on; %显示网格线 axis on; %显示坐标系 3.非线性变换 MATLAB程序实现如下： I=imread('xian.bmp'); I1=rgb2gray(I); subplot(1,2,1),imshow(I1); title('灰度图像'); axis([50,250,50,200]); grid on; %显示网格线 axis on; %显示坐标系 J=double(I1);
树叶分类数字图像处理 在树叶识别中的应用 TTA standardization office【TTA 5AB- TTAK 08- TTA 2C】
数字图像处理研究报告 数字图像处理在树叶识别中的应用 侯杰：土木系 侯晓鹏：林科院 苏东川：航院 张伟：精仪 指导教师：马慧敏教授 日期：数字图像处理在树叶识别中的应用 一、课题意义及背景 1 课题背景 植物的识别与分类对于区分植物种类，探索植物间的亲缘关系，阐明植物 系统的进化规律具有重要意义。因此植物分类学是植物科学乃至整个生命科学 的基础学科。然而，由于学科发展和社会等原因，全世界范围内目前从事经典 分类（即传统的形态分类）的人数急剧下降，且呈现出明显的老龄化趋势，后 继乏人，分类学已经成为一个“濒危学科”(Buyck,1999)。这不仅对于植物分类学 本身，而且对整个植物科学和国民经济的发展带来重大的不利影响。目前植物 识别和分类主要由人工完成。然而地球上仅为人所知的有花植物就有大约25万 种，面对如此庞大的植物世界，任何一个植物学家都不可能知道所有的物种和 名称，这就给进一步的研究带来了困难。在信息化的今天，我们提出的一种解
决方案是：建立计算机化的植物识别系统，即利用计算机及相关技术对植物进行识别和管理[1]。 2 课题意义[2-3] （1）人工进行植物叶形的分类难度很大。这种传统的判别方法要求操作者具有丰富的分类学知识和长期的实践经验,才能开展工作。要做到准确和快速地识别手中的植物是非常困难。并且相应人才极为短缺。 （2）仅为人所知的有花植物就有大约25万种，面对如此庞大的植物世界，任何一个植物学家都不可能知道所有的物种和名称。建立植物识别系统和数据库十分必要。 （3）植物学研究人员在野外考察时, 时常需要获取植物叶片面积等参数。（4）叶子面积大小对植物的生长发育、作物产量以及栽培管理都具有十分重要的意义。 因此，基于计算机图像处理识别技术的树叶图像识别技术对于植物学，农业科学等都具有重大意义。 二、相关理论综述 1 图像预处理 （1）边缘检测[4] 图像的边缘是指图像局部亮度变化最显着的部分，即在灰度级上发生急剧变化的区域。从空域角度看，二维图像上的边缘相邻像素灰度从某一个值跳变
： 数字图像处理 课 程 设 计 ] $
: 人脸检测与识别课程设计 一、简介 人脸检测与识别是当前模式识别领域的一个前沿课题，人脸识别技术就是利用计算机技术，根据数据库的人脸图像，分析提取出有效的识别信息，用来“辨认”身份的技术。人脸识别是模式识别研究的一个热点, 它在身份鉴别、信用卡识别, 护照的核对及监控系统等方面有着广泛的应用。人脸图像由于受光照、表情以及姿态等因素的影响, 使得同一个人的脸像矩阵差异也比较大。因此, 进行人脸识别时, 所选取的特征必须对上述因素具备一定的稳定性和不变 性. 主元分析(PCA)方法是一种有效的特征提取方法,将人脸图像表示成一个列向量, 经过PCA 变换后, 不仅可以有效地降低其维数, 同时又能保留所需要的识别信息, 这些信息对光照、表情以及姿态具有一定的不敏感性. 在获得有效的特征向量后, 关键问题是设计具有良好分类能力和鲁棒性的分类器. 支持向量机 (SVM ) 模式识别方法,兼顾训练误差和泛化能力, 在解决小样本、非线性及高维模式识别问题中表现出许多特有的优势。 本此课程设计基于MATLAB，将检测与识别分开进行。其中检测部分使用实验指导书上的肤色模型算法进行，不进行赘述。识别部分采用PCA算法对检测出的人脸图像进行特征提取, 再利用最邻近距离分类法对特征向量进行分类识别，将在后文具体表述。仿真结果验
证了本算法是有效的。 二、人脸检测 1.》 2.源码 img=imread('D:\std_test_images\'); figure; imshow(img); R=img(:,:,1); G=img(:,:,2); B=img(:,:,3); faceRgn1=(R>95)&(G>40)&(B>20)&max(img,[],3)-min(img,[],3)>15&abs(R-G)>15&R>B; ~ figure; imshow(faceRgn1); r=double(R)./double(sum(img,3)); g=double(G)./double(sum(img,3)); Y=*R+*G+*B; faceRgn2=(r>&(r<&(g>&(g<&(r>g)&g>='Boundingbox'); BB1=struct2cell(BB); BB2=cell2mat(BB1); ) figure; imshow(img); [s1 s2]=size(BB2); mx=0; for k=3:4:s2-1 p=BB2(1,k)*BB2(1,k+1); if p>mx&(BB2(1,k)/BB2(1,k+1))< mx=p; ！ j=k; hold on; rectangle('position',[BB2(1,j-2),BB2(1,j-1),BB2(1,j),BB2(1,j+1)],'linewidth',3,'edg ecolor','r'); hold off; end end