当前位置：文档之家› 数字图像处理课设

数字图像处理课设

标准

文案专业综合实验报告----数字图像处理

专业: 电子信息工程

班级:

学生姓名:

学号:

指导教师:

年月日

设计题目：图像去雾处理

一、设计目的

由于大气的散射作用，照相机接收到景物反射过来的光线经过了衰减。雾天的大气退化图像具有对比度低、景物不清晰的特点，给交

通系统及户外视觉系统的应用带来严重的影响。。鉴于图像处理和计

算机视觉中有关图像理解、目标识别、目标跟踪、智能导航等领域的

很多算法都是假设输入的图像或视频是在理想天气条件下拍摄的，因

此有雾图像清晰化就显得格外重要，是目前人们研究的热点问题之

一，但由于成像系统聚焦模糊、拍摄场景存在相对运动以及雾天等不

利环境，使得最终获取的图像往往无法使用。有雾天气条件下获取的

图像对比度低、图像内容模糊不清而且颜色整体偏向灰白色，图像去

雾的目的就是恢复有雾图像的对比度和真实色彩，重现在理想天气条

件下拍摄的清晰图像。

二、设计内容和要求

1、采用直方图均衡化方法增强雾天模糊图像，并比较增强前后的图像

和直方图；

2、查阅文献，分析雾天图像退化因素，设计一种图像复原方法，对比

该复原图像与原始图像以及直方图均衡化后的图像；

三、设计思路

由于图像中存在噪声等干扰，使得图像模糊不清。可以采用图像增强的方法对原图像处理，使图像变得清晰。而直方图均衡化是一种

常用的图像增强的方法。图像模糊，其图像的像素分布不均匀，采用

直方图均衡化的方法使其图像像素分布均匀，从而达到均衡像素分布

增强图像的目的。

设计方案

在晴朗的天气条件下，洁净的空气一般是由氦气、氧气等气体分子、水蒸汽、微量的固体悬浮颗粒物等成分构成。在这种大气条件

下，从物体表面反射的光线在到达成像设备的过程中，基本不会受大

气中各种成分的影响发生散射、吸收、发射等现象，而是直接到达成

像设备。相对在有雾天气条件下获得的图像，在这种理想天气条件获

得的图像，我们称之为清晰无雾图像。而在有雾天气条件下获得的图

像模糊不清，图像对比度下降，图像的颜色发生漂移，偏向灰白色。

无雾图像和有雾图像相比对比度较高，因此可以考虑增强局部对比度方法进行去雾：

1、对彩色图像RGB模型转换为HSI，对I分量分析图像直方图；

2、设置适合尺寸模版，对I分量进行局部直方图均衡化增强，分

析增强前后的图像和直方图。

3、查阅“基于暗原色先验的单一图像去雾方法”，设计图像无雾

算法。

流程框图

直方图均衡化

对于连续图像，设r 和s 分别表示被增强图像和变换后图像的灰

度。为了简单，在下面的讨论中，假定所有像素的灰度已被归一化了，就是说，当时，表示黑色；当时，表示白色；变换函数与原图像概率密度函数之间的关系为：

()()()r

r s T r p r d r ==?01r ≤≤ （1）

式中：r 为积分变量。式（1）的右边可以看作是r 的累积分布函数

（CDF ），因为CDF 是r 的函数，并单调地从0增加到1，所以这一变换函数满足了前面所述的关于在内单值单调增加，对于，有的两个条件。

由于累积分布函数是r 的函数，并且单调的从0增加到1，所以这

个变换函数满足对式（1）中的r 求导，则：

()r ds P r dr

= （2）

再把结果带入式：

111()()()()[()][()]()s r r r r T s dr d dr P s P r p r T s p r T s ds ds ds

---==?

=?=?=

则得 11()()11()[()

]()[][()]1/()

s r r r r T s r T s r dr d p s p r p r p r ds ds ds dr p r --======（3）由以上推到可见，变换后的变量s 的定义域内的概率密度是均匀分

布的。由此可见，用r 累积分布函数作为变换函数可产生一幅灰度级分布具有均匀概率密度的图像。其结果扩展了像素取值的动态范围。

上面的修正方法是以连续随机变量为基础进行讨论的。为了对图

像进行数字处理，必须引入离散形式的公式。当灰度级是离散值的时候，可用频数近似代替概率值，即：

()k r k n p r N

= (01k r ≤≤ 0,1,2,k =…,L-1)（4）式中，L 是灰度级数；是取第k 级灰度值的概率；是在图像中出

现第k 级灰度的次数；N 是图像中像素数。

通常把为得到均匀直方图的图像增强技术叫做直方图均衡化处理

或直方图线性化处理。式（1）的直方图均衡化累积分布函数的离散形式可由式（5）表示： 00()()

k k j k k r j i i n s T r p r N =====∑∑ (01j r ≤≤，

0,1,2,k =…,L-1)（5）

其反变换为

1()k k r T s -= （6）

直方图均衡化效果：

原图直方均衡后

直方图均衡化是一种全局操作，而有雾图像的退化程度是不均匀

的，场景深度大的物体比场景深度小的物体退化的更严重，在某种程度上局部直方图均衡化更能描述这种性质。

在图像一个窗口内使用直方图均衡化算法，然后通过窗口在图像上不同位置的移动就计算出来了整幅图像的局部化直方图。这种算法的计算量比较大，使用一些优化技巧可以提高图像处理的速度。显示了同一幅有雾图像在不同窗口大小下的局部直方图均衡化结果，从中可以大略看出小窗口处理结果的对比度较大，图像上的噪声也比较严重；大窗口处理结果的比较平滑，噪声比较小。

HIS彩色模型下的图像增强

在图像处理及显示的过程中，为了能正确的使用颜色模型，需要建立颜色模型。颜色模型是三维颜色空间中的一个可见光集，它包含某个颜色域的所有模型。常见的颜色模型有RGB,HSV,NTSC,HISr等，各颜色模型之间可通过公式进行相互转换。

HSI〔Hue-Saturation-Intensity(Lightness),HSI或HSL〕颜色模型用H、S、I三参数描述颜色特性，其中H定义颜色的波长，称为色调；S表示颜色的深浅程度，称为饱和度；I表示强度或亮度当人观察一个彩色物体时，用色调、饱和度、亮度来描述物体的颜色。色调是描述纯色的属性(纯黄色、橘黄或者红色)；饱和度给出一种纯色被白光稀释的程度的度量；亮度是一个主观的描述，实际上，它是不可以测量的，体现了无色的强度概念，并且是描述彩色感觉的关键参数。而强度(灰度)是单色图像最有用的描述子，这个量是可以测量且很容易解释。则将提出的这个模型称作为HSI(色调、饱和度、强度)彩色模型，该模型可在彩色图像中从携带的彩色信息(色调和饱和度)里消去强度分量的影响，使得HSI模型成为开发基于彩色描述的图像处理方法的良好工具，而这种彩色描述对人来说是自然而直

观的。

HSI模型基于两个重要的事实：其一，I分量与图象的彩色信息无关；其二，H和S分量与人感受颜色的方式是紧密相连的。

HSI模型中的各分量可定义在如图1(a)中所示的双棱锥中，其中每个横截面如图1(b)所示。对其中的任1个色点P，其H的值对应指向该点的矢量与R轴的夹角。这个点的S与指向该点的矢量长成正比，越长越饱和。

利用由RGB转换成HIS的公式进行模型转换：

基于Matlab的RGB色彩模型和HSI色彩模型的互化变换公式：

H= θ B≤G 360-θ B>G

其中，θ= arccos 0.5?[ R?G +(R?B)]

[ R?G +(R?B)(G?B)1/2]; S=1-3

(R+G+B)[min(R,G,B)]

I=1/3*(R+G+B);

clear;clc;close; x=imread('1.jpg'); rgb=im2double(x); r=rgb(:,:,1); g=rgb(:,:,2);

b=rgb(:,:,3);%提取彩色图像R、G、B三个色彩通道的分量。 %构建rgb到his模型的转换公式 num=0.5*((r-g)+(r-b));

den=sqrt((r-g).^2+(r-b).*(g-b));

theta=acos(num./(den+eps)); H=theta;

H(b>g)=2*pi-H(b>g);

H=H/(2*pi);

num=min(min(r,g),b); den=r+g+b;

den(den==0)=eps; S=1-3.*num./den; H(S==0)=0; I=(r+g+b)/3;

hsi=cat(3,H,S,I);%将色调H(Hue)、饱和度S(Saturation)、强度I(Intensity)分量合并成hsi色彩空间矩阵

subplot(121),imshow(hsi),title('rgb转hsi');%显示结果图像H=hsi(:,:,1)*2*pi; S=hsi(:,:,2); I=hsi(:,:,3);

%得到R、G、B三个分量的初始矩阵，并赋为全0 R=zeros(size(hsi,1),size(hsi,2));

G=zeros(size(hsi,1),size(hsi,2));

B=zeros(size(hsi,1),size(hsi,2));

%当H分量在0到2/3pi之间时 idx=find((0<=H)&(H<2*pi/3)); B(idx)=I(idx).*(1-S(idx));

R(idx)=I(idx).*(1+S(idx).*cos(H(idx))./cos(pi/3-H(idx))); G(idx)=3*I(idx)-(R(idx)+B(idx));

%当H分量在2/3pi到4/3pi之间时idx=find((2*pi/3<=H)&(H<4*pi/3)); R(idx)=I(idx).*(1-S(idx));

G(idx)=I(idx).*(1+S(idx).*cos(H(idx)-2*pi/3)./cos(pi-

H(idx))); B(idx)=3*I(idx)-(R(idx)+G(idx));

%当H分量在4/3pi到2pi之间时idx=find((4*pi/3<=H)&(H<=2*pi)); G(idx)=I(idx).*(1-S(idx));

B(idx)=I(idx).*(1+S(idx).*cos(H(idx)-4*pi/3)./cos(5*pi/3-

H(idx))); R(idx)=3*I(idx)-(G(idx)+B(idx));

rgb1=cat(3,R,G,B);%合并矩阵得到结果

subplot(122),imshow(rgb1),title('hsi转rgb');

四、源程序

matlab源程序

1、选择图像并观察其直方图

[fname pname]=uigetfile({'*.png';'*.jpg'},'select a image');

Im = imread(fname);

axes(handles.axes1);

imshow(Im);imwrite(Im,'image1.tif');

axes(handles.axes2);

Im_1=rgb2gray(Im);

imhist(Im_1,64);

2、在RGB模型中对其进行直方图均衡化

RGB=imread('image1.tif');

R=RGB(:,:,1);

G=RGB(:,:,2);

B=RGB(:,:,3);r=histeq(R);

g=histeq(G);

b=histeq(B);

Im2=cat(3,r,g,b);

axes(handles.axes3);

imshow(Im2);

axes(handles.axes4);

Im_2=rgb2gray(Im2);

imhist(Im_2,64)；

3、在HIS模型中对亮度进行均衡化

F=imread('image1.tif');

F=im2double(F);

r=F(:,:,1);

g=F(:,:,2);

b=F(:,:,3);

th=acos((0.5*((r-g)+(r-b)))./((sqrt((r-g).^2+(r-b).*(g-b)))+eps));

H=th;

H(b>g)=2*pi-H(b>g);

H=H/(2*pi);

S=1-3.*(min(min(r,g),b))./(r+g+b+eps);

I=(r+g+b)/3;

hsi=cat(3,H,S,I);

IE=histeq(I);

RV=cat(3,H,S,IE);

HV=RV(:,:,1)*2*pi;

SV=RV(:,:,2);

IV=RV(:,:,3);

R=zeros(size(HV));

G=zeros(size(HV));

B=zeros(size(HV));

%RG Sector；判断H所在范围

id=find((0<=HV)& (HV<2*pi/3));

B(id)=IV(id).*(1-SV(id));

R(id)=IV(id).*(1+SV(id).*cos(HV(id))./cos(pi/3-HV(id)));

G(id)=3*IV(id)-(R(id)+B(id));

%BG Sector

id=find((2*pi/3<=HV)& (HV<4*pi/3));

R(id)=IV(id).*(1-SV(id));

G(id)=IV(id).*(1+SV(id).*cos(HV(id)-2*pi/3)./cos(pi-HV(id)));

B(id)=3*IV(id)-(R(id)+G(id));

%BR Sector

id=find((4*pi/3<=HV)& (HV<2*pi));

G(id)=IV(id).*(1-SV(id));

B(id)=IV(id).*(1+SV(id).*cos(HV(id)-4*pi/3)./cos(5*pi/3-HV(id))); R(id)=3*IV(id)-(G(id)+B(id));

Im3=cat(3,R,G,B);

Im3=max(min(Im3,1),0);

axes(handles.axes5);

imshow(Im3);

axes(handles.axes6);Im_3=rgb2gray(Im3);

imhist(Im_3,64);

五、运行结果及分析总结

处理前后效果图：

利用直方图均衡化的方法对图像进行增强，只是对像素分布进行的均衡处理。在均衡各色彩像素的同时，亦把图像中的各噪声分量也均衡化了，虽然实现了图像增强了作用，但不能很好的把图像中噪声分量完全消去。

在直方图均衡化之后再在HIS彩色模型中对图像的色调、色饱和度和亮度各个分量进行处理，能够很好的实现图像增强的目的。运用RGB模型与HIS模型之间的各个分量的相互转换的公式，可以很方便的对RGB彩色图像进行图像增强的操作，但是对单幅图像的增强操作，存在边缘和细节模糊的现象。

设计总结

大范围的雾、霾导致受污染城市的交通濒临瘫痪、户外工程项目、图像采集系统、遥感图像成像以及户外计算机视觉系统的正常运转等都受到了极大的影响。雾、霾的出现降低了场景的可见度，改变了捕获图像的色彩，降低了照片的对比度与清晰度，这也为后续的图像处理带来困难。因此，如何对图像进行有效去雾，恢复场景色彩在计算机视觉以及计算机图形图像学领域中就显得尤为重要。

在有雾天气条件下拍摄时，由于场景表面反射的光线受到空气中悬浮颗粒的散射而发生衰减，这导致了图像对比度的下降，同时场景

周围环境中的光线也会被空气中的悬浮颗粒散射，散射后的光线进入

成像设备又会导致图像颜色发生漂移，整体看上去图像很模糊，图像

中的细节内容辨认不清并且颜色偏向灰白色。为了恢复出清晰的图

像，需要从如下方面入手：

1．调整图像的颜色，使得图像的颜色看起来更自然；

2．增强图像的对比度，使图像中的细节变得更清楚。

六、设计体会

经过一周的时间的课设，在这次数字图像处理的课程设计过程中，首先加深了我对于数字图像处理这门课程的认识，通过对相关知

识的进一步了解和掌握，清楚的认识到这门课程在实际应用的广泛

性。其次我认识到了我在知识的掌握上得不足和基础知识和别的同学

之间的差距，这让我明确了我在以后的学习和生活中的道路。最后，

通过这次数字图像处理的课程设计让我深刻的感受到了知识的重要

性，我相信这次数字图像处理课程设计对我而言不仅仅是一次课程设

计。

通过Matlab编程的过程之中，进一步掌握了Matlab的使用，明白了这个软件作为许多应用方向工具的强大之处，通过对一些小错误

的改造还认识到了以往自己没有注意到的一些小的细节问题。

为期两个星期的课程设计结束了，但是我们的学习生涯还没有结束，在以后的学习生活过程中，我一定会认真的反思自己在这次课程

设计中的不足，吸取这次课程设计给我的教训，从而让我在以后的学

习生活中少走一点弯路。

七、参考文献

1 Rafael C. Gonzalez，Richard E. Woods.数字图像处理.电子

工业出版社,2008.11

2 何凯明，孙剑，汤晓鸥.基于暗原色先验的单一图像去雾方法.香

港中文大学.

3 王林方.MATLAB可视化界面设计.2010.4

4MATLAB实现RGB与HIS的相互转换.

5 何家峰，王华香，崔苗，朱铮涛.图像处理与分析实验指导.广东工

业大学.2006.6

6 《图像工程》上册章毓晋清华大学出版社

7 《MATLAB R2008 数字图像处理与分析实例教程》赵书兰化学

工业出版社

8 《数字图像处理与分析（第二版）》杨帆北京航空航天大学

出版社

数字图像处理课程设计报告

数字图像处理课程设计报告姓名：学号：班级：设计题目：图像处理教师：赵哲老师提交日期： 12月29日

一、设计内容：主题：《图像处理》详细说明：对图像进行处理（简单滤镜，模糊，锐化，高斯模糊等），对图像进行处理（上下对称，左右对称，单双色显示，亮暗程度调整等），对图像进行特效处理（反色，实色混合，色彩平衡，浮雕效果，素描效果，雾化效果等），二、涉及知识内容： 1、二值化 2、各种滤波 3、算法等三、设计流程图四、实例分析及截图效果：运行效果截图：第一步：读取原图,并显示 close all;clear;clc; % 清楚工作窗口clc 清空变量clear 关闭打开的窗口close all I=imread(''); % 插入图片赋给I imshow(I);% 输出图I I1=rgb2gray(I);%图片变灰度图 figure%新建窗口 subplot(321);% 3行2列第一幅图 imhist(I1);%输出图片

title('原图直方图');%图片名称一，图像处理模糊 H=fspecial('motion',40); %% 滤波算子模糊程度40 motion运动 q=imfilter(I,H,'replicate');%imfilter实现线性空间滤波函数，I图经过H滤波处理，replicate反复复制q1=rgb2gray(q); imhist(q1); title('模糊图直方图'); 二，图像处理锐化 H=fspecial('unsharp');%锐化滤波算子，unsharp不清晰的 qq=imfilter(I,H,'replicate'); qq1=rgb2gray(qq); imhist(qq1); title('锐化图直方图'); 三，图像处理浮雕(来源网络) %浮雕图 l=imread(''); f0=rgb2gray(l);%变灰度图 f1=imnoise(f0,'speckle',; %高斯噪声加入密度为的高斯乘性噪声 imnoise噪声污染图像函数 speckle斑点 f1=im2double(f1);%把图像数据类型转换为双精度浮点类型 h3=1/9.*[1 1 1;1 1 1;1 1 1]; %采用h3对图像f2进行卷积滤波 f4=conv2(f1,h3,'same'); %进行sobel滤波 h2=fspecial('sobel'); g3=filter2(h2,f1,'same');%卷积和多项式相乘 same相同的 k=mat2gray(g3);% 实现图像矩阵的归一化操作四，图像处理素描(来源网络) f=imread(''); [VG,A,PPG] = colorgrad(f); ppg = im2uint8(PPG); ppgf = 255 - ppg; [M,N] = size(ppgf);T=200; ppgf1 = zeros(M,N); for ii = 1:M for jj = 1:N if ppgf(ii,jj)

大学数字图像处理模拟试卷及答案 (1)

（注：以下两套模拟题仅供题型参考，请重点关注选择填空以及判断题、名词解释，蓝色下划线内容肯定不考）《数字图像处理》模拟试卷（A 卷）一、单项选择题（从下列各题四个备选答案中选出一个正确答案，并将其代号填在题前的括号内。答案选错或未作选择者，该题不得分。每小题1分，共10分） ( d )1.一幅灰度级均匀分布的图象，其灰度范围在[0，255]，则该图象的信息量为： a. 0 b.255 c.6 d.8 ( b )2.图象与灰度直方图间的对应关系是： a.一一对应 b.多对一 c.一对多 d.都不对 ( d )3.下列算法中属于局部处理的是： a.灰度线性变换 b.二值化 c.傅立叶变换 d.中值滤波 ( b )4.下列算法中属于点处理的是： a.梯度锐化 b.二值化 c.傅立叶变换 d.中值滤波 ( ) 5.一曲线的方向链码为12345，则曲线的长度为 a.5 b.4 c.5.83 d.6.24 ( c )6. 下列算法中属于图象平滑处理的是： a.梯度锐化 b.直方图均衡 c. 中值滤波 https://www.doczj.com/doc/396755202.html,placian增强 ( )7.下列图象边缘检测算子中抗噪性能最好的是： a.梯度算子 b.Prewitt算子 c.Roberts算子 d. Laplacian算子 ( c)8.采用模板［-1 1］主要检测____方向的边缘。 a.水平 b.45° c.垂直 d.135° ( d )9.二值图象中分支点的连接数为： a.0 b.1 c.2 d.3 ( a )10.对一幅100′100像元的图象，若每像元用８bit表示其灰度值，经霍夫曼编码后压缩图象的数据量为40000bit，则图象的压缩比为： a.2:1 b.3:1 c.4:1 d.1:2 二、填空题（每空1分，共15分） 1.图像锐化除了在空间域进行外，也可在频率域进行。 2.图像处理中常用的两种邻域是4-邻域和8-邻域。 3.直方图修正法包括直方图均衡和直方图规定化两种方法。 4.常用的灰度差值法有最近邻元法、双线性内插法和三次内插法。 5.多年来建立了许多纹理分析法，这些方法大体可分为和结构分析法两大类。 6.低通滤波法是使高频成分受到抑制而让低频成分顺利通过，从而实现图像平滑。 7.检测边缘的Sobel算子对应的模板形式为和。 8.一般来说，采样间距越大，图象数据量少，质量差；反之亦然。三、名词解释（每小题3分，共15分） 1.数字图像是将一幅画面在空间上分割成离散的点（或像元），各点（或像元）的灰度值经量化用离散的整数来表示，形成计算机能处理的形式。 2.图像锐化是增强图象的边缘或轮廓。 3.从图象灰度为i的像元出发，沿某一方向θ、距离为d的像元灰度为j同时出现的概率

电子科技大学-数字图像处理-课程设计报告

电子科技大学数字图像处理课程设计课题名称数字图像处理院（系）通信与信息工程学院专业通信工程姓名学号起讫日期指导教师

2015年12月15日目录摘要： (03) 课题一：图像的灰度级分辨率调整 (04) 课题二：噪声的叠加与频域低通滤波器应用 (06) 课题三：顶帽变换在图像阴影校正方面的应用 (13) 课题四：利用Hough变换检测图像中的直线 (15) 课题五：图像的阈值分割操作及区域属性 (20) 课题六：基于MATLAB?的GUI程序设计 (23)

结束语： (36) 参考文献： (37)

基于MATLAB?的数字图像处理课题设计摘要本文首先对数字图像处理的相关定义、概念、算法与常用变换进行了介绍；并通过七个课题实例，借助MATLAB?的图像处理工具箱（Computer Vision System Toolbox）对这些案例逐一实现，包括图像的灰度值调整、图像噪声的叠加、频域低通滤波器、阈值分割、Hough变换等，常用的图像变化与处理；然后通过MATLAB?的GUI程序设计，对部分功能进行模块化整合，设计出了数字图像处理的简易软件；最后给出了软件的帮助文件以及该简易程序的系统结构和m代码。关键词：灰度值调整噪声图像变换 MATLAB? GUI设计

课题一：图像的灰度级分辨率调整设计要求： 128,64,32,16,8,4,2，并在同一个figure窗将图像的灰度级分辨率调整至{} 口上将它们显示出来。设计思路：灰度级分辨率又称色阶，是指图像中可分辨的灰度级的数目，它与存储灰度级别所使用的数据类型有关。由于灰度级度量的是投射到传感器上的光辐射值的强度，所以灰度级分辨率又称为辐射计量分辨率。随着图像灰度级分辨率的的逐渐降低，图像中所包含的颜色数目将变得越来越少，从而在颜色维度造成图像信息量的退化。 MATLAB?提供了histeq函数用于图像灰度值的改变，调用格式如下： J = histeq(I,n) 其中J为变换后的图像，I为输入图像，n为变换的灰度值。依次改变n的值为 128、64、32、16、8、4、2 就可以得到灰度值分辨率为128、64、32、16、8、4、2 的输出图像。利用MATLAB?的subplot命令可以将不同灰度的图像放在同一个figure中方便对比。课题实现：该思路的MATLAB?源代码如下： in_photo=imread('lena.bmp'); %读入图片“lena.bmp”，位置在matlab当前工作区路径下D:\TempProject\Matlab\Works for i = [128,64,32,16,8,4,2] syms(['out_photo',num2str(i)]); %利用for循环定义7个变量，作为不同灰度值分辨率的输出变量 eval(['out_photo',num2str(i), '=histeq(in_photo,i)',';']); %histeq函数用于改变图像灰度值，用eval函数给变量循环赋值

武汉科技大学数字图像处理实验报告

二○一四～二○一五学年第一学期电子信息工程系实验报告书班级：电子信息工程（DB）1102班姓名学号：课程名称：数字图像处理二○一四年十一月一日

实验一图像直方图处理及灰度变换（2学时）实验目的： 1. 掌握读、写、显示图像的基本方法。 2. 掌握图像直方图的概念、计算方法以及直方图归一化、均衡化方法。 3. 掌握图像灰度变换的基本方法，理解灰度变换对图像外观的改善效果。实验内容： 1. 读入一幅图像，判断其是否为灰度图像，如果不是灰度图像，将其转化为灰度图像。 2. 完成灰度图像的直方图计算、直方图归一化、直方图均衡化等操作。 3. 完成灰度图像的灰度变换操作，如线性变换、伽马变换、阈值变换（二值化）等，分别使用不同参数观察灰度变换效果（对灰度直方图的影响）。实验步骤： 1. 将图片转换为灰度图片,进行直方图均衡，并统计图像的直方图： I1=imread('pic.jpg'); %读取图像 I2=rgb2gray(I1); %将彩色图变成灰度图 subplot(3,2,1); imshow(I1); title('原图'); subplot(3,2,3); imshow(I2); title('灰度图'); subplot(3,2,4); imhist(I2); %统计直方图 title('统计直方图'); subplot(3,2,5); J=histeq(I2); %直方图均衡 imshow(J); title('直方图均衡'); subplot(3,2,6); imhist(J); title('统计直方图');

原图灰度图 01000 2000 3000统计直方图 100200直方图均衡 0统计直方图 100200 仿真分析：将灰度图直方图均衡后，从图形上反映出细节更加丰富，图像动态范围增大，深色的地方颜色更深，浅色的地方颜色更前，对比更鲜明。从直方图上反应，暗部到亮部像素分布更加均匀。 2. 将图片进行阈值变换和灰度调整，并统计图像的直方图： I1=imread('rice.png'); I2=im2bw(I1,0.5); %选取阈值为0.5 I3=imadjust(I1,[0.3 0.9],[]); %设置灰度为0.3-0.9 subplot(3,2,1); imshow(I1); title('原图'); subplot(3,2,3); imshow(I2); title('阈值变换'); subplot(3,2,5); imshow(I3); title('灰度调整'); subplot(3,2,2); imhist(I1); title('统计直方图'); subplot(3,2,4);

数字图像处理课程设计报告

课程设计报告书课程名称：数字图像处理题目：数字图像处理的傅里叶变换学生姓名：专业：计算机科学与技术班别：计科本101班学号：指导老师：日期： 2013 年 06 月 20 日

数字图像处理的傅里叶变换 1.课程设计目的和意义 (1)了解图像变换的意义和手段 (2)熟悉傅里叶变换的基本性质 (3)热练掌握FFT的方法反应用 (4)通过本实验掌握利用MATLAB编程实现数字图像的傅里叶变换通过本次课程设计，掌握如何学习一门语言，如何进行资料查阅搜集，如何自己解决问题等方法，养成良好的学习习惯。扩展理论知识，培养综合设计能力。 2.课程设计内容 (1)熟悉并掌握傅立叶变换 (2)了解傅立叶变换在图像处理中的应用 (3)通过实验了解二维频谱的分布特点 (4)用MATLAB实现傅立叶变换仿真 3.课程设计背景与基本原理傅里叶变换是可分离和正交变换中的一个特例，对图像的傅里叶变换将图像从图像空间变换到频率空间，从而可利用傅里叶频谱特性进行图像处理。从20世纪60年代傅里叶变换的快速算法提出来以后，傅里叶变换在信号处理和图像处理中都得到了广泛的使用。 3.1课程设计背景数字图像处理（Digital Image Processing）又称为计算机图像处理，它是指将图像信号转换成数字信号并利用计算机对其进行处理的过程。是通过计算机对图像进行去除噪声、增强、复原、分割、提取特征等处理的方法和技术。 3.2 傅里叶变换 (1)应用傅里叶变换进行数字图像处理数字图像处理（digital image processing）是用计算机对图像信息进行处理的一门技术，使利用计算机对图像进行各种处理的技术和方法。 20世纪20年代，图像处理首次得到应用。20世纪60年代中期，随电子计算机的发展得到普遍应用。60年代末，图像处理技术不断完善，逐渐成为一个新兴的学科。利用数字图像处理主要是为了修改图形，改善图像质量，或是从图像中提起有效信息，还有利用数字图像处理可以对图像进行体积压缩，便于传输和保存。数字图像处理主要研究以下内容：傅立叶变换、小波变换等各种图像变换；对图像进行编码和压缩；采用各种方法对图像进行复原和增强；对图像进行分割、描述和识别等。随着技术的发展，数字图像处理主要应用于通讯技术、宇宙探索遥感技术和生物工程等领域。

数字图像处理试卷及答案2015年

中南大学考试试卷 2015-- 2016 学年1学期时间100分钟 2015 年11月4日数字图像处理课程32学时2学分考试形式：也卷专业年级：电子信息2013级总分100分，占总评成绩 70% 注：此页不作答题纸，请将答案写在答题纸上一、填空题（本题20分，每小题1分） 1. 图像中像素具有两个属性： _空间位置 ______ 和—灰度 ______ 。 2. _红（R ）_、_绿（G ）_、 _____________ 蓝（B ）_这三种颜色被称为图像的三基色。 3. 对于一个6位的灰度图像，其灰度值范围是 __0-63 _________ 。 4. RGB 模型中黑色表示为 _____ （0，0，0） _____ 。 5. 直方图修正法包括 —直方图均衡 ___________ 和 _直方图规定化_ 两种方法。 6. 常用的灰度内插法有最近邻内插法、 _双线性内插法_和三次内插法。 7. 依据图像的保真度，图像压缩可分为一无损压缩_和一有损压缩。 8. 图像压缩是建立在图像存在 _编码冗余，空间和时间冗余（像素间冗余），视觉心理冗余三种冗余基础上。 9. 根据分割时所依据的图像特性的不同，图像分割方法大致可以分为阈值分割法、边缘检 ________ 测法和一区域分割法一三大类。 10. 傅立叶频谱中，与图像的平均灰度值对应的系数是 F （0 ， 0） _________ 。二、选择题（本题20分，每小题2分） 1. 图像与灰度直方图间的对应关系是：（b ） a. ------- 对应 b. 多对一 c. 一对多 d. 都不对 2. 下列算法中属于图像平滑处理的是：（c ） a.梯度锐化 b. 直方图均衡 c. 中值滤波 https://www.doczj.com/doc/396755202.html,placian 增强 3. 下列图像边缘检测算子中抗噪性能最好的是：（b ） a.梯度算子 b.Prewitt 算子 c.Roberts 算子 d. Laplacian 算子 6. 维纳滤波器通常用于：（c ） a.去噪 b. 减小图像动态范围 7. 采用幕次变换进行灰度变换时，当幕次 4. 5. 采用模板］-1 1 ］主要检测__ a.水平 b.45 0 c. 一幅256*256的图像，若灰度级为 a. 256Kb b.512Kb c.1Mb 方向的边缘。（c ）垂直 d.135 16,则存储它所需的总比特数是 d. 2M c.复原图像 d.平滑图像

数字图像处理基础程序及运行结果图像matlab程序 (1)

数字图像处理实验和matlab程序代码目录实验一MATLAB数字图像处理初步 (2) 实验二图像的代数运算 (6) 实验三图像增强—灰度变换 (9) 实验四图像增强—直方图变换 (11) 实验五图像增强—空域滤波 (13) 实验六图像的傅立叶变换 (17) 实验七图像增强—频域滤波 (19) 实验八彩色图像处理 (21) 实验九图像分割 (24) 实验十形态学运算 (27)

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、实验内容及步骤 1．利用imread( )函数读取一幅图像，假设其名为flower.tif，存入一个数组中； 2．利用whos 命令提取该读入图像flower.tif的基本信息； 3．利用imshow()函数来显示这幅图像； 4．利用imfinfo函数来获取图像文件的压缩，颜色等等其他的详细信息； 5．利用imwrite()函数来压缩这幅图象，将其保存为一幅压缩了像素的jpg 文件,设为flower.jpg；语法：imwrite(原图像，新图像，‘quality’,q), q取0-100。 6．同样利用imwrite()函数将最初读入的tif图象另存为一幅bmp图像，设为flower.bmp。 7．用imread()读入图像：Lenna.jpg 和camema.jpg； 8．用imfinfo()获取图像Lenna.jpg和camema.jpg 的大小； 9．用figure,imshow()分别将Lenna.jpg和camema.jpg显示出来，观察两幅图像的质量。 10．用im2bw将一幅灰度图像转化为二值图像，并且用imshow显示出来观察图像的特征。 11．将每一步的函数执行语句拷贝下来，写入实验报告，并且将得到第3、 9、10步得到的图像效果拷贝下来三、考核要点 1、熟悉在MATLAB中如何读入图像、如何获取图像文件的相关信息、如何显示图像及保存图像等，熟悉相关的处理函数。 2、明确不同的图像文件格式，由于其具体的图像存储方式不同，所以文件的大小不同，因此当对同一幅图像来说，有相同的文件大小时，质量不同。五、实验仪器与软件

2013数字图像处理课程设计报告

数字图像处理课程设计报告课设题目：彩色图像增强软件学院：信息科学与工程学院专业：电子与信息工程班级： 1002501 姓名：曾小路学号： 100250131 指导教师：赵占峰哈尔滨工业大学（威海） 2013 年12月27日

目录目录 .......................................................................................................................... I 一. 课程设计任务 (1) 二. 课程设计原理及设计方案 (2) 2.1 彩色图像基础 (2) 2.2 彩色模型 (2) 三. 课程设计的步骤和结果 (6) 3.1 采集图像 (6) 3.2 图像增强 (7) 3.3 界面设计 (9) 四. 课程设计总结 (12) 五. 设计体会 (13) 六. 参考文献 (14)

哈尔滨工业大学（威海）课程设计报告一. 课程设计任务 1.1设计内容及要求：（1）、独立设计方案，根据所学知识，对由于曝光过度、光圈过小或图像亮度不均匀等情况下的彩色图像进行增强，提高图像的清晰度（通俗地讲，就是图像看起来干净、对比度高、颜色鲜艳）。（2）、参考photoshop 软件，设计软件界面，对处理前后的图像以及直方图等进行对比显示；（3）、将实验结果与处理前的图像进行比较、分析。总结设计过程所遇到的问题。 1.2参考方案 1、实现图像处理的基本操作学习使用matlab 图像处理工具箱，利用imread（）语句读入图像，例如image=imread（flower.jpg），利用彩色图像模型转换公式，将RGB 类型图像转换为HSI 类型图像，显示各分量图像(如imshow（image）)，以及计算和显示各分量图像直方图。 2、彩色图像增强实现对HSI彩色模型图像的I分量进行对比度拉伸或直方图均衡化等处理，提高亮度图像的对比度。对S分量图像进行适当调整，使图像色彩鲜艳或柔和。 H 分量保持不变。将处理后的图像转换成RGB 类型图像，并进行显示。分析处理图像过程和结果存在的问题。 3、参照“photoshop”软件，设计图像处理软件界面可设计菜单式界面，在功能较少的情况下，也可以设计按键式界面，视功能多少而定；参考matlab 软件中GUI 设计，学习软件界面的设计 - 1 -

数字图像处理课程设计(实验报告)

上海理工大学计算机工程学院实验报告实验名称红细胞数目统计课程名称数字图像处理姓名王磊学号0916020226 日期2012-11-27 地点图文信息中心成绩教师韩彦芳

一、设计内容：主题：《红细胞数目检测》详细说明：读入红细胞图片，通过中值滤波，开运算，闭运算，以及贴标签等方法获得细胞个数。二、现实意义：细胞数目检测在现实生活中的意义主要体现在医学上的作用，可通过细胞数目的检测来查看并估计病人或动物的血液中细胞数，如估测血液中红细胞、白细胞、血小板、淋巴细胞等细胞的数目，同时也可检测癌细胞的数目来查看医疗效果，根据这一系列的指标来对病人或动物进行治疗，是具有极其重要的现实作用的。三、涉及知识内容： 1、中值滤波 2、开运算 3、闭运算 4、二值化 5、贴标签四、实例分析及截图效果：（1）代码如下： 1、程序中定义图像变量说明（1）Image--------------------------------------------------------------原图变量;

（2）Image_BW-------------------------------------------------------值化图象; （3）Image_BW_medfilt-------------------------中值滤波后的二值化图像; （4）Optimized_Image_BW---通过“初次二值化图像”与“中值滤波后的二值化图像”进行“或”运算优化图像效果；（5）Reverse_Image_BW--------------------------优化后二值化图象取反；（6）Filled_Image_BW----------------------已填充背景色的二进制图像；（7）Open_Image_BW--------------------------------------开运算后的图像； 2、实现代码： %-------图片前期处理------------------- %第一步：读取原图,并显示 A = imread('E:\红细胞3.png'); Image=rgb2gray(A); %RGB转化成灰度图 figure,imshow(Image); title('【原图】'); %第二步：进行二值化 Theshold = graythresh(Image); %取得图象的全局域值 Image_BW = im2bw(Image,Theshold); %二值化图象 figure,imshow(Image_BW); title('【初次二值化图像】'); %第三步二值化图像进行中值滤波 Image_BW_medfilt= medfilt2(Image_BW,[13 13]); figure,imshow(Image_BW_medfilt); title('【中值滤波后的二值化图像】'); %第四步：通过“初次二值化图像”与“中值滤波后的二值化图像”进行“或”运算优化图像效果 Optimized_Image_BW = Image_BW_medfilt|Image_BW; figure,imshow(Optimized_Image_BW); title('【进行“或”运算优化图像效果】'); %第五步：优化后二值化图象取反，保证：‘1’-〉‘白色’，‘0’-〉‘黑色’ %方便下面的操作 Reverse_Image_BW = ~Optimized_Image_BW; figure,imshow(Reverse_Image_BW); title('【优化后二值化图象取反】');

数字图像处理基础知识总结

第一章数字图像处理概论 *图像是对客观存在对象的一种相似性的、生动性的描述或写真。 *模拟图像空间坐标和明暗程度都是连续变化的、计算机无法直接处理的图像 *数字图像空间坐标和灰度均不连续的、用离散的数字（一般整数）表示的图像（计算机能处理）。是图像的数字表示，像素是其最小的单位。 *数字图像处理（Digital Image Processing）利用计算机对数字图像进行（去除噪声、增强、复原、分割、特征提取、识别等）系列操作，从而获得某种预期的结果的技术。（计算机图像处理） *数字图像处理的特点（优势）（1）处理精度高，再现性好。（2）易于控制处理效果。（3）处理的多样性。（4）图像数据量庞大。（5）图像处理技术综合性强。 *数字图像处理的目的（1）提高图像的视感质量，以达到赏心悦目的目的 a.去除图像中的噪声； b.改变图像的亮度、颜色； c.增强图像中的某些成份、抑制某些成份； d.对图像进行几何变换等，达到艺术效果；（2）提取图像中所包含的某些特征或特殊信息。 a.模式识别、计算机视觉的预处理（3）对图像数据进行变换、编码和压缩，以便于图像的存储和传输。 **数字图像处理的主要研究内容（1）图像的数字化 a.如何将一幅光学图像表示成一组数字，既不失真又便于计算机分析处理 b.主要包括的是图像的采样与量化（2*）图像的增强 a.加强图像的有用信息，消弱干扰和噪声（3）图像的恢复 a.把退化、模糊了的图像复原。模糊的原因有许多种，最常见的有运动模糊，散焦模糊等（4*）图像的编码 a.简化图像的表示，压缩表示图像的数据，以便于存储和传输。（5）图像的重建 a.由二维图像重建三维图像（如CT）（6）图像的分析 a.对图像中的不同对象进行分割、分类、识别和描述、解释。（7）图像分割与特征提取 a.图像分割是指将一幅图像的区域根据分析对象进行分割。 b.图像的特征提取包括了形状特征、纹理特征、颜色特征等。（8）图像隐藏 a.是指媒体信息的相互隐藏。 b.数字水印。 c.图像的信息伪装。（9）图像通信

数字图像处理课程设计报告

本科综合课程设计报告题目 ____________________________ 指导教师__________________________ 辅导教师__________________________ 学生姓名__________________________ 学生学号__________________________ _______________________________ 院（部）____________________________专业________________班 ___2008___年 _12__月 _30__日数字图像处理演示系统信息科学与技术学院通信工程 052

1 主要内容 1.1数字图像处理背景及应用数字图像处理的目的是改善图像的质量，它以人为对象，以改善人的视觉效果为目的。目前，图像处理演示系统应用领域广泛医学、军事、科研、商业等领域。因为数字图像处理技术易于实现非线性处理，处理程序和处理参数可变，故是一项通用性强，精度高，处理方法灵活，信息保存、传送可靠的图像处理技术。本图像处理演示系统以数字图像处理理论为基础，对某些常用功能进行界面化设计，便于初级用户的操作。 1.2 图像处理演示系统设计要求能加载和显示原始图像，显示和输出处理后的图像；系统要便于维护和具备可扩展性；界面友好便于操作； 1.3 图像处理演示系统设计任务数字图像处理演示系统应该具备图像的几何变换（平移、缩放、旋转、翻转）、图像增强（空间域的平滑滤波与锐化滤波）的简单处理功能。 1.3.1几何变换几何变换又称为几何运算，它是图像处理和图像分析的重要内容之一。通过几何运算，可以根据应用的需要使原图像产生大小、形状、和位置等各方面的变化。简单的说，几何变换可以改变像素点所在的几何位置，以及图像中各物体之间的空间位置关系，这种运算可以被看成是将各物体在图像内移动，特别是图像具有一定的规律性时，一个图像可以由另外一个图像通过几何变换来产生。实际上，一个不受约束的几何变换，可将输入图像的一个点变换到输出图像中的任意位置。几何变换不仅提供了产生某些特殊图像的可能，甚至还可以使图像处理程序设计简单化。从变换性质来分可以分为图像的位置变换、形状变换等 1.3.2图像增强图像增强是数字图像处理的基本内容之一，其目的是根据应用需要突出图像中的某些“有用”的信息，削弱或去除不需要的信息，以达到扩大图像中不同物体特征之间的差别，使处理后的图像对于特定应用而言，比原始图像更合适，或者为图像的信息提取以及其他图像分析技术奠定了基础。一般情况下，经过增强处理后，图像的视觉效果会发生改变，这种变化意味着图像的视觉效果得到了改善，某些特定信息得到了增强。

数字图像处理试卷A答案

电子科技大学网络教育考卷（A 卷）答案一、名词解释（每题2分，共10分） 1. 一幅图像可定义为一个二维函数f(x,y)，这里x 和y 是空间坐标，而在任何一对空间坐标(x,y)上的幅值f 称为该点图像的强度或灰度。当x,y 和幅值f 为有限的、离散的数值时，称该图像为数字图像。 2. 对数变换是一种灰度变换方法，其一般表达式是s=clog(1+r)。其中c 是一个常数，并假设r≥0。此种变换使一窄带低灰度输入图像值映射为一宽带输出值。相对的是输入灰度的高调整值。可以利用这种变换来扩展被压缩的高值图像中的暗像素。 3. CMY 是一种颜色模型，常用于打印机。CMY 表示青、品红、黄，等量的颜料原色(青、品红和黄色)可以产生黑色。实际上，为打印组合这些颜色产生的黑色是不纯的。因此，为了产生真正的黑色(在打印中起主要作用的颜色)加入了第四种颜色——黑色，提出了 CMYK 彩色模型。 4. 空间分辨率是图像中可辨别的最小细节.涉及物理意义时可以用每单位距离可分辨的最小线对数目，当不涉及物理意义时也可用图像的像素数目表示。 5. 令H 是一种算子，其输入和输出都是图像。如果对于任何两幅图像f 和g 及任何两个标量a 和b 有如下关系，称H 为线性算子：。二、判断正误 × × × × √ 三、单项选择题 1、D 2、D 3、C 4、C 5、A 6、B 7、D 8、B 9、D 10、D 四、简答题 (每题5分，共10分) 1. 什么是直接逆滤波？这种方法有何缺点？如何改进？直接逆滤波方法是用退化函数除退化图像的傅里叶变换(G(u,v))来计算原始图像的傅里叶变换估计：? (,)(,)/(,)F u v G u v H u v =。但考虑到噪声的影响，我们即使知道退化函数，也不能准确地复原未退化的图像。 (,)(,)(,)?(,)(,)F u v H u v N u v F u v H u v += 因为N(u,v)是一个随机函数，而它的傅里叶变换未知。还有更糟的情况。如果退化是零或非常小的值，N(u,v)/H(u,v)之比很容易决定^ F (u,v)的估计值。—种解决退化是零或者很小值问题的途径是限制滤波的频率使其接近原点值。 2. 伪彩色图像处理(也称假彩色)是根据特定的准则对灰度值赋以彩色的处理。伪彩色的主要应用是为了人眼观察和解释一幅图像或序列图像中的灰度目标。人类可以辨别上千种颜色和强度，而相形之下只能辨别几十种灰度。 3、彩色模型(也称彩色空间或彩色系统)的用途是在某些标准下用通常可接受的方式简化彩色规范。本质上，彩色模型是坐标系统和子空间的规范。位于系统中的每种颜色都由单个点

数字图像处理课设报告

数字图像处理课程设计报告细胞识别目录第一部分 1、实验课题名称----------------------------------------------------------------------------------3 2、实验目的----------------------------------------------------------------------------------------3

3、实验内容概要----------------------------------------------------------------------------------3 第二部分 1、建立工程文件----------------------------------------------------------------------------------3 2、图像信息获取----------------------------------------------------------------------------------4 3、如何建立下拉菜单----------------------------------------------------------------------------6 4、标记Mark点------------------------------------------------------------------------------------6 5、二值化---------------------------------------------------------------------------------------------9 6、填洞------------------------------------------------------------------------------------------------9 7、收缩------------------------------------------------------------------------------------------------10 8、获取中心点--------------------------------------------------------------------------------------11 9、细胞计数-----------------------------------------------------------------------------------------13 10、All-steps-----------------------------------------------------------------------------------------13 11、扩展功能---------------------------------------------------------------------------------------14 第三部分 12、各步骤结果和错误举例--------------------------------------------------------------------16 第四部分 13、心得体会----------------------------------------------------------------------------------------22 第一部分 1、实验课题：细胞识别 2、实验目的：对血液细胞切片图片进行各种处理，最终得出细胞的数目、面积等信息。 3、实验内容概要：基于VC++软件下的细胞识别，通过细胞的标记、二值化、

数字图像处理课程设计

目录 1.课设目的 (1) 2.背景与基本原理 (1) 2.1背景 (1) 2.2基本原理 (1) 2.2.1基本概念 (1) 2.2.2基本策略： (2) 2.2.3边缘检测 (3) 2.2.4导数和噪声 (4) 2.2.5高斯拉普拉斯（LOG） (4) 2.2.6边缘连接和边缘检测 (4) 3.源代码 (5) 3.1对于只有车牌无车身的图像： (5) 3.2对于有车身和车牌连接的图像 (5) 4.处理结果 (6) 4.1对于只有车牌无车身的图像： (6) 4.2对于有车身和车牌连接的图像 (8) 5.心得体会 (9) 6.参考文献 (9)

1.课设目的 1)加强对数字图像处理的理解 2)了解图像分割的基本原理和应用 2.背景与基本原理 2.1背景数字图像处理（Digital Image Processing）又称为计算机图像处理，它是指将图像信号转换成数字信号并利用计算机对其进行处理的过程。是通过计算机对图像进行去除噪声、增强、复原、分割、提取特征等处理的方法和技术。图像分割是一种重要的图像技术，在理论研究和实际应用中都得到了人们的广泛重视。图像分割的方法和种类有很多，有些分割运算可直接应用于任何图像，而另一些只能适用于特殊类别的图像。有些算法需要先对图像进行粗分割，因为他们需要从图像中提取出来的信息。许多不同种类的图像或景物都可作为待分割的图像数据，不同类型的图像，已经有相对应的分割方法对其分割，同时，某些分割方法也只是适合于某些特殊类型的图像分割。分割结果的好坏需要根据具体的场合及要求衡量。在本报告中是对车辆牌照中的文字和数字部分进行处理。 2.2基本原理 2.2.1基本概念图像分割（Image Segmentation）是指将图像中具有特殊涵义的不同区域区分开来，这些区域是互相不交叉的，每一个区域都满足特定区域的一致性。图像分割是图像识别和图像理解的基本前提步骤

数字图像处理考试

符号ａ1 a2 a3 a4 a5 ａ6 概率 0、１ 0、4 0、０6 0、１ 0、04 0、3 解：霍夫曼编码: 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 a ６ 0、３０、3 0、３０、３０、4 a １０、1 0、1 ０、2 0、3 a4 0、1 0、1 0、1 a ３ 0、06 ０、１ a5 0、04 霍夫曼化简后得信源编码：从最小得信源开始一直到原始得信源编码得平均长度：压缩率：冗余度: 1、简述灰度分辨率、空间分辨率与图像质量得关系。：空间分辨率就是瞧原图像转化为数字图像得像素点数，越多图像质量越高；灰度分辨率，即每一个像素点得灰度级数，灰度级越大，图像越清晰、 (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

2、简述采样与量化得一般原则：空间坐标得离散化叫做空间采样, 而灰度得离散化叫做灰度量化。图像得空间分辨率主要由采样所决定，而图像得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?：图象锐化就是用于增强边缘，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？: 伪彩色增强就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；假彩色增强则就是对一幅彩色图像进行处理得到与原图象不同得彩色图像;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?：均值滤波器就是一种最常用得线性低通平滑滤波器,可抑制图像中得加性噪声，但同时也使图像变得模糊;中值滤波器就是一种最常用得非线性平滑滤波器,可消除图像中孤立得噪声点,又可产生较少得模糊。一般情况下中值滤波得效果要比邻域平均处理得低通滤波效果好,主要特点就是滤波后图像中得轮廓比较清晰.因此,滤除图像中得椒盐噪声采用中值滤波。 2.什么就是区域？什么就是图像分割?:图像分割就就是把图像分成若干个特定得、具有独特性质得区域并提出感兴趣目标得技术与过程。它就是由图像处理到图像分析得关键步骤. 3.写出颜色RGB模型转换到ＨIS模型得变换公式;并说明HSI模型各分量得含义及取值范围对应得颜色信息。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，平滑得灰度图像. 5.GIF格式：GIＦ格式就是一种公用得图像文件格式，它就是8位文件格式,所以最多只能存储25６色图像，不支持24位得真彩色图像.GＩF文件中得图像数据均经过压缩,采用得压缩算法就是改进得LZW算法，所提供得压缩率通常在1：1到1：3之间,当图像中有随机噪声时效果不好 6.图像直方图:一幅图得灰度统计直方图就是一个1-D得离散函数,即Ｐｆ (fk)=nk/ｎ，ｋ＝０、1、、、，L—１。可以设置一个有L个元素得数组，通过对不同灰度值像素个数得统计来获得图像得直方图。 7.中值滤波：它实现一种非线性得平滑滤波、１、将模板在图像中漫游，并将模板中心与图像中某个像素位置重合.2、读取模板下各对应像素得

文档之家

数字图像处理课设

数字图像处理 课程设计报告

大学数字图像处理模拟试卷及答案 (1)

最新(含答案)数字图像处理重修试题(1)

电子科技大学-数字图像处理-课程设计报告

武汉科技大学 数字图像处理实验报告

数字图像处理课程设计报告

数字图像处理试卷及答案2015年

数字图像处理基础程序及运行结果图像matlab程序 (1)

2013数字图像处理课程设计报告

数字图像处理课程设计(实验报告)

数字图像处理基础知识总结

数字图像处理课程设计报告

数字图像处理试卷A答案

数字图像处理课设报告

数字图像处理课程设计

数字图像处理考试

数字图像处理课程设计报告

武汉科技大学数字图像处理实验报告