陕西师范大学 《数字图像处理》 实验报告

数字图像处理知

数字图像处理知识点总结

数字图像处理知识点总结 第一章导论 1.图像：对客观对象的一种相似性的生动性的描述或写真。 2.图像分类：按可见性（可见图像、不可见图像），按波段数（单波段、多波段、超波段）， 按空间坐标和亮度的连续性（模拟和数字）。3.图像处理：对图像进行一系列操作，以到达预期目的的技术。 4.图像处理三个层次：狭义图像处理、图像分析和图像理解。 5.图像处理五个模块：采集、显示、存储、通信、处理和分析。 第二章数字图像处理的基本概念 6.模拟图像的表示：f(x，y)＝i(x，y)×r(x，y)，照度分量0

称为采样。采样间隔和采样孔径的大小是两个 很重要的参数。采样方式:有缝、无缝和重叠。 9.将像素灰度转换成离散的整数值的过程叫量化。 10.表示像素明暗程度的整数称为像素的灰度级（或灰度值或灰度）。 11.数字图像根据灰度级数的差异可分为：黑白图像、灰度图像和彩色图像。 12.采样间隔对图像质量的影响：一般来说，采样间隔越大，所得图像像素数越少，空间分 辨率低，质量差，严重时出现像素呈块状的国际棋盘效应；采样间隔越小，所得图像像素数越多，空间分辨率高，图像质量好，但数据量大。13.量化等级对图像质量的影响：量化等级越多，所得图像层次越丰富，灰度分辨率高，图 像质量好，但数据量大；量化等级越少，图像层次欠丰富，灰度分辨率低，会出现假轮廓现象，图像质量变差，但数据量小。但在极少数情况下对固定图像大小时，减少灰度级能改善质量，产生这种情况的最可能原因是减少灰度级一般会增加图像的对比度。例如对细节比较丰富的图像数字化。

数字图像处理

院系：计算机科学学院 专业：计算机科学与技术 年级： 09级 课程名称：数字图像处理 组号： 25组 指导教师：孙阳光 学号： 姓名： 2012 年 6 月 13 日

年 级 班号学号 专 业 姓名实 验名称MATLAB图像处理编程基础 实验 类型 设计型综合型创新型 √ 实验目的或要求加深对数字图像处理理论课程的理解，进一步熟悉数字图像处理课程的相关算法和原理选择一副图像，叠加椒盐噪声，分别用邻域平均法和中值滤波法对该图像进行滤波，显示滤波后的图像，比较和分析各滤波器的效果。 选择一副图像，叠加零均值高斯噪声，设计一种处理方法，既能去噪声，又能保持边缘清晰。

实验原理（算法流程图或者含注释的源代码）二、算法原理 平滑滤波器用滤波模板确定的领域内象素的平均灰度值去代替图像中的每一个像素点的值，这种处理减少了图像灰度的“尖锐”变化,常称为邻域平均法。邻域平均法有力地抑制了噪声，同时也引起了模糊，模糊程度与邻域半径成正比。 中值滤波法是一种非线性平滑技术，它将每一象素点的灰度值设置为该点某邻域窗口内的所有象素点灰度值的中值.中值滤波法对消除椒盐噪音非常有效。 图像平滑往往使图像中的边界、轮廓变得模糊，为了减少这类不利效果的影响，这就需要利用图像锐化技术，使图像的边缘变的清晰。图像锐化处理的目的是为了使图像的边缘、轮廓线以及图像的细节变的清晰。 三、Matlab代码 1: I = imread('eight.tif'); J = imnoise(I,'salt & pepper',0.02); subplot(231); imshow(I);title('原图象'); subplot(232); imshow(J);title('添加椒盐噪声图象'); k1 = filter2(fspecial('average', 3), J); k2 = filter2(fspecial('average', 5), J); k3 = filter2(fspecial('average', 7), J); k4 = filter2(fspecial('average', 9), J); subplot(233); imshow(uint8(k1));title('3×3模板平滑滤波'); subplot(234); imshow(uint8(k2));title('5×5模板平滑滤波'); subplot(235); imshow(uint8(k3));title('7×7模板平滑滤波'); subplot(236); imshow(uint8(k4));title('9×9模板平滑滤波'); I = imread('eight.tif'); J = imnoise(I,'salt & pepper',0.02); subplot(231); imshow(I);title('原图象'); subplot(232); imshow(J);title('添加椒盐噪声图象'); k1 = medfilt2(J); k2 = medfilt2(J,[5,5]); k3 = medfilt2(J,[7,7]); k4 = medfilt2(J,[9,9]); subplot(233); imshow(k1);title('3×3模板中值滤波'); subplot(234); imshow(k2);title('5×5模板中值滤波'); subplot(235); imshow(k3);title('7×7模板中值滤波'); subplot(236); imshow(k4);title('9×9模板中值滤波');

数字图像处理

信息工程学院实验报告 课程名称：数字图像处理 实验项目名称：数字图像处理的基础实验时间：班级：姓名：学号： 实验目的: 1.通过本次实验熟悉matlab语言 2.学会对图像的放大缩小处理 实验环境: Matlab软件 实验内容及过程: 1.数字图像采样过程 （1）实现图像4倍、16倍的减采样（缩小） 最简单的是减小一半，这样只需取原图的偶（奇）数行和偶（奇）数列构成新的图像。 （2）实现图像4倍、16倍的增采样（放大） 如果需要将原图像放大k*k倍，则将一个像素值添在新图像的k*k的子块中。 注意：减采样或者增采样过程可以使用灰度图像或者彩色图像。编程时候要特别注意灰度图像的数据是2维的，彩色图像的数据是3维的。 2. 数字图像灰度级变换过程 （1）将一幅彩色图像转换为256级灰度图像； （2）将一幅256级灰度图像分别转换为64级、16级、8级、2级灰度图像。 实验结果及分析：

1.数字图像采样过程 （1）实现图像4倍、16倍的减采样（缩小）设计程序 function Iw = resample(I,m) [a,b] = size(I); aa = floor(a/m); bb = floor(b/m); Iw=zeros(aa,bb); for i=1:aa for j=1:bb Iw(i,j)=I(m*(i-1)+1,m*(j-1)+1); end end Iw=uint8(Iw); clc;clear; close all; I=imread('cameraman.tif'); m=4; Iw=resample(I,m); imshow(I); imshow(Iw); n=16; Iw2=resample(I,n); figure:imshow(Iw2); figure:imshow(I); 实验结果 （2）实现图像4倍、16倍的增采样（放大） function Iw = resample2(I,m) [a,b] = size(I); for i=1:a for j=1:b Iw(m*i,m*j)=I(i,j); end end Iw=uint8(Iw);clc; clear; close all; I=imread('cameraman.tif'); m=4; Iw=resample2(I,m); imshow(I); imshow(Iw); figure:imshow(I);

陕西师范大学硕士论文开题报告

陕西师范大学 硕士学位论文开题报告

一、立论依据： 1 论文选题的研究意义 1.1 选题背景 一媒介竞争进入范围经济时 以喻国明代表的一批学者认为，当今的传媒市场竞争正在由规模经济时代进入范围经济时代。他们认为当传媒市场处在高速成长阶段时，由于规模开发的成本较为低廉，以“大”制胜并无不可。但到了市场发展相时成熟，竞争参与者越来越多，市场空间越来越狭窄的今天，继续按照这样一种操作逻辑去参与市场竞争，就越来越难以为继了。 首先是数量规模扩增的成本大大提高了，市场的空白地带越来越少，“零和博弈”效应便逐渐显现，任何一方数量规模的增加都是建立在对其他相关方市场份额的攻城略地式的剥夺的墓础上的。这样一来，竞争自然惨烈，成本也势必大幅度提升。其次，随着市场大盘的迅速做大，单个媒体在数量规模方面做大的相对市场效能呈现大幅度削减的趋势。也就是说，即使你通过高额的成本达到了某种数量扩张，但这种数量扩张对于你的市场占有率提升的实际效能却常常是微乎其微的。原因很简单，在你个体做大的同时，市场基数也在不断做大，甚至这种大盘做大的速率往往要高于个体做大的速率。在这种情况下，任何单一媒介的数量(分子)增加的效能都会被不断扩容的市场大盘(分母)的增长而稀释掉。譬如，如果你由1做到4，对于你而言，绝对值增长了4倍，但是，如果市场基数从100扩大到1000时，你做大后的市场占有率不是增加了，反而是减少了—你的市场占有率由1%降低到了4%。 在不同的发展阶段上，为传媒产业带来最大利润的价值支点是不同的:最初是内容产品的品质、接下来是市场拓展的规模，到现在则是全方位客户价值的挖掘这便进入了范围经济的范畴。 二跨媒介经营已成为媒介做大做强战略选择的必然 上面提到媒介产业在不同的发展阶段上其最大利益的价值指点是不同的，而现在传媒最大的利益的支点已由传媒产品的品质、市场规模的拓展，转向了客户价值的全方位挖掘，而这种最大利益的价值支点的实现，需要传媒构建范围经济上的优势，即通过多元化的经营实现客户价值的全方位挖掘，而这种多元化得经营如果限于媒介这一个行业来说就是跨媒介经营。 跨媒介经营，确实是当今环境下传媒市场化成长的必然战略选择，因为技术的发展和传媒市场现状，将会逐步传媒必须以技术或资本为纽带走向融合，以多元化的经营和产业链的完善来适应新的市场环境。 三技术上的突破使跨媒介经营成为一种成本可控的盈利选择 传媒产业是一种典型的技术密集行产业，技术既是传媒产品生产的关键也是传

数字图像处理

数字图像处理 数字图像处理方法的研究源于两个主要应用领域:其一是为了便于人们分析而对图像信息进行改进:其二是为使机器自动理解而对图像数据进行存储、传输及显示。 从图像处理到计算机视觉这个连续的统一体内并没有明确的界线。然而,在这个连续的统一体中可以考虑三种典型的计算处理(即低级、中级和高级处理)来区分其中的各个学科。 低级处理涉及初级操作,如降低噪声的图像预处理,对比度增强和图像尖锐化。低级处理是以输入、输出都是图像为特点的处理。中级处理涉及分割(把图像分为不同区域或目标物)以及缩减对目标物的描述,以使其更适合计算机处理及对不同目标的分类(识别)。中级图像处理是以输入为图像,但输出是从这些图像中提取的特征(如边缘、轮廓及不同物体的标识等)为特点的。最后,高级处理涉及在图像分析中被识别物体的总体理解,以及执行与视觉相关的识别函数(处在连续统一体边缘)等。 图像获取是第一步处理。注意到获取与给出一幅数字形式的图像一样简单。通常,图像获取包括如设置比例尺等预处理。 图像增强是数字图像处理最简单和最有吸引力的领域。基本上,增强技术后面的思路是显现那些被模糊了的细节,或简单地突出一幅图像中感兴趣的特征。一个图像增强的例子是增强图像的对比度,使其看起来好一些。应记住,增强是图像处理中非常主观的领域。 图像复原也是改进图像外貌的一个处理领域。然而,不像增强,图像增强是主观的,而图像复原是客观的。在某种意义上说,复原技术倾向于以图像退化的数学或概率模型为基础。另一方面,增强以怎样构成好的增强效果这种人的主观偏爱为基础。 彩色图像处理已经成为一个重要领域,因为基于互联网的图像处理应用在不断增长。就使得在彩色模型、数字域的彩色处理方面涵盖了大量基本概念。在后续发展,彩色还是图像中感兴趣特征被提取的基础。 小波是在各种分辨率下描述图像的基础。特别是在应用中,这些理论被用于

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

实验名称：图像分割 所属课程：《数字图像处理》 实验类型：验证性实验 实验类别：专业 实验学时：3 一、实验目的 1.使用MatLab 软件进行图像的分割。 2.通过实验体会一些主要的分割算子对图像处理的效果。 3.探索各种因素对分割效果的影响。 二、实验原理及过程 1.实验背景 在对图像的研究和应用中，人们往往只对图像中的某些部分感兴趣，这些部分通常称为目标或者前景(其他不感兴趣的部分称为背景)。为了分析和辨识目标，需要将它们从背景中提取出来。从图像中提取目标的技术和过程就称为图像分割。图像分割是图像处理中一类重要的研究内容，其目的是把图像分成一些有意义、互不重叠的区域，分割结果的优劣将直接影响图像的后续处理。 作为图像分析、理解的基础，图像分割在诸多领域具有广泛的应用，例如基于内容的 图像检索、机器视觉、文字识别、指纹识别，以及生物医学图像处理方面的病变检测和识别，军事图像处理方面的地形匹配与目标制导，工业图像处理方面的无损探伤和非接触式检测等。另外，图像分割技术也已用于图像压缩编码，近年来发展起来的基于内容的视频编码(如MPEG-4)同样离不开图像分割的结果。 2.实验设计指标 ?能够自行评价各主要算子在无噪声条件下和噪声条件下的分割性能。 ?能够掌握分割条件(阈值等)的选择。 ?完成规定图像的处理并要求正确评价处理结果 ?能够从理论上作出合理的解释。 3.实验要求（设计要求）

(1)使用Roberts 算子的图像分割实验 调入并显示图像；使用Roberts 算子对图像进行边缘检测处理； Roberts 算子为一对模板： 相应的矩阵为：rh = [0 1；-1 0]； rv = [1 0；0 -1]；这里的rh 为水平Roberts 算子，rv为垂直Roberts 算子。分别显示处理后的水平边界和垂直边界检测结果；用“欧几里德距离”和“街区距离”方式计算梯度的模，并显示检测结果；对于检测结果进行二值化处理，并显示处理结果； 注意： ?先做检测结果的直方图，参考直方图中灰度的分布尝试确定阈值。 ?应反复调节阈值的大小，直至二值化的效果最为满意为止。 ?分别显示处理后的水平边界和垂直边界检测结果。 ?将处理结果转化为“白底黑线条”的方式。 ?给图像加上零均值的高斯噪声；对于噪声图像重复步骤b~f。 (2)使用Prewitt 算子的图像分割实验 使用Prewitt 算子进行内容(1)中的全部步骤。 (3)使用Sobel 算子的图像分割实验 使用Sobel 算子进行内容(1)中的全部步骤。 (4)使用LoG (拉普拉斯-高斯)算子的图像分割实验 使用LoG (拉普拉斯-高斯)算子进行内容(1)中的全部步骤。提示： ?处理后可以直接显示处理结果，无须另外计算梯度的模。 ?注意调节噪声的强度以及LoG (拉普拉斯-高斯)算子的参数，观察处理结果。 (5) 打印全部结果并进行小组讨论。 4.实验（设计）仪器设备和材料清单 ?PC计算机 ?MatLab软件/语言包括图像处理工具箱(Image Processing Toolbox) ?实验所需要的图片 5.实验源代码： ?Roberts 算子、Prewitt 算子、Sobel 算子的图像分割实验 I=imread('F:\matlab作业\1.jpg'); %读取图像 I1=im2double(I); %将彩图序列变成双精度 I2=rgb2gray(I1); %将彩色图变成灰色图

数字图像处理试题及答案

一、填空题（每题1分，共15分） 1、列举数字图像处理的三个应用领域 医学 、天文学 、 军事 2、存储一幅大小为10241024?，256个灰度级的图像，需要 8M bit 。 3、亮度鉴别实验表明，韦伯比越大，则亮度鉴别能力越 差 。 4、直方图均衡化适用于增强直方图呈 尖峰 分布的图像。 5、依据图像的保真度，图像压缩可分为 无损压缩 和 有损压缩 6、图像压缩是建立在图像存在 编码冗余 、 像素间冗余 、 心理视觉冗余 三种冗余基础上。 7、对于彩色图像，通常用以区别颜色的特性是 色调 、 饱和度 亮度 。 8、对于拉普拉斯算子运算过程中图像出现负值的情况，写出一种标定方法： m i n m a x m i ((,))*255/()g x y g g g -- 二、选择题（每题2分，共20分） 1、采用幂次变换进行灰度变换时，当幂次取大于1时，该变换是针对如下哪一类图像进行增强。 （ B ） A 图像整体偏暗 B 图像整体偏亮 C 图像细节淹没在暗背景中 D 图像同时存在过亮和过暗背景 2、图像灰度方差说明了图像哪一个属性。（ B ） A 平均灰度 B 图像对比度 C 图像整体亮度 D 图像细节 3、计算机显示器主要采用哪一种彩色模型（ A ） A 、RG B B 、CMY 或CMYK C 、HSI D 、HSV 4、采用模板［-1 1］T 主要检测（ A ）方向的边缘。 A.水平 B.45? C.垂直 D.135? 5、下列算法中属于图象锐化处理的是：( C ) A.低通滤波 B.加权平均法 C.高通滤波 D. 中值滤波 6、维纳滤波器通常用于（ C ） A 、去噪 B 、减小图像动态范围 C 、复原图像 D 、平滑图像 7、彩色图像增强时， C 处理可以采用RGB 彩色模型。 A. 直方图均衡化 B. 同态滤波 C. 加权均值滤波 D. 中值滤波 8、__B__滤波器在对图像复原过程中需要计算噪声功率谱和图像功率谱。 A. 逆滤波 B. 维纳滤波 C. 约束最小二乘滤波 D. 同态滤波 9、高通滤波后的图像通常较暗，为改善这种情况，将高通滤波器的转移函数加上一常数量以便引入 一些低频分量。这样的滤波器叫 B 。 A. 巴特沃斯高通滤波器 B. 高频提升滤波器 C. 高频加强滤波器 D. 理想高通滤波器 10、图象与灰度直方图间的对应关系是 B __ A.一一对应 B.多对一 C.一对多 D.都不 三、判断题（每题1分，共10分）

数字图像处理之彩色图像的处理

实验六彩色图像的处理 一、实验目的 1、掌握matlab中RGB图像与索引图像、灰度级图像之间转换函数。 2、了解RGB图像与不同颜色空间之间的转换。 3、掌握彩色图像的直方图处理方法。 二、实验内容及步骤 1、RGB图像与索引图像、灰度级图像的转换。 close all RGB=imread('flowers.tif'); [R_i,map]=rgb2ind(RGB,8);%RGB图像转换为8色的索引图像 figure imshow(R_i,map) [R_g]=rgb2gray(RGB);%RGB图像转换为灰度级图像 figure imshow(R_g)

思考： 将RGB 图像’flowers.tif ’分别转换为32色、256色、1024色索引图像，是否调色板所表示的颜色值越多图像越好？ close all

RGB=imread('flowers.tif'); [R_i1,map]=rgb2ind(RGB,8);%RGB图像转换为8色的索引图像 [R_i2,map]=rgb2ind(RGB,32);%RGB图像转换为32色的索引图像 [R_i3,map]=rgb2ind(RGB,256);%RGB图像转换为256色的索引图像 [R_i4,map]=rgb2ind(RGB,1024);%RGB图像转换为1024色的索引图像 Subplot(221);imshow(R_i1,map);title('8色的索引图像'); Subplot(222);imshow(R_i2,map);title('32色的索引图像'); Subplot(223);imshow(R_i3,map);title('256色的索引图像'); Subplot(224);imshow(R_i4,map);title('1024色的索引图像'); 结论：随着索引值的增加图像的质量也有增加，更加清晰，色彩也更加鲜明。但不是不是颜色值越多越好。当索引值过高时，会出现无法识别而致模糊的情况出现。 2、RGB图像与不同颜色空间的转换。 (1) RGB与HSI颜色空间的转换 HSI应用于彩色图像处理。实验六文件夹中rgb2hsi( )函数将RGB颜色空间转换为HSI 空间并显示各分量，hsi2rgb( )函数是将HSI颜色空间转换为RGB颜色空间。 close all

毕业论文写作日志--陕西师范大学

序列号G451.6 本科生毕业论文（设计）写作日志题目: 初中物理教材与科学相关内容的比较研究 作者单位陕西师范大学 指导老师王较过 作者姓名 * * 专业班级物理学（创新实验班）一班 完成时间 201*年*月

写作日志 2013.12.11～2013.12.20 我与指导老师王较过教授初次见面，我的论文还完全没有思路，只能确定论文是关于教育类的，导师针对我仅有的这点想法为我讲解了很多，从教育类现有的研究方向，到怎么搜集确定论文题目的资料，并且给我介绍了搜集论文资料的方法、推荐了一些书籍以及网站，同时导师要求我尽可能多的想一些论文题目并写在本子上。经过与导师的讨论，我大致选定了毕业设计的研究方向——物理教材比较。 2013.12.21～2013.12.25 一周的时间过去了，由于之前最终确定的方向是物理教材比较类，我个人又对综合科学课程很有兴趣，在第二次与导师见面后向他倾诉我的想法，最终确定了我的毕业论文题目：初中物理教材与科学相关内容的比较研究。 2013.12.26～2014.2.25 按照导师提出的建议对开题报告进行修改完成。开题报告经过指导老师的两次细心指导，最终定稿。 适逢寒假，在假期中，我收集参考资料、下载相关论文，认真阅读，完成了论文开题报告初稿。搜集参考资料是写论文的一个重要环节，我用两个月的时间阅读了大量相关资料，如浙江教育出版社2012年出版的《科学》教材（7-9年级）、李春密的《国际初中物理教科书中对不同知识主题的侧重——以中、俄、德、法四套教科书为例》、史楠的《中美两套高中物理教材的比较研究》、王金虎的《人教版新旧物理教材比较——以曲线运动为例》等等。 参考材料的大量阅读为我的正式定题、开题报告的起到了我很大的启示与帮助，同时也丰富了我的知识面，拓宽了我的写作思路。 2014.2.26～2014.3.10 开学回到学校之后，我又去见了导师，向他汇报了我的论文新的进度。他不仅从现今的研究概况、题目的可操作性等等方面对我进行了细心的指导，令我受益非浅，而且还给我安排了相同方向的研究生学姐，为我以后的论文写作工作答疑解惑。 2014.3.11～2014.4.15 论文写作正式开始。这段时间是非常长的，指导老师要求我放寒假期间把论文初稿写完，由于我有很多时间忙于找工作，论文的写作被迫放在次要地位，但是关于论文的搜集资料并没有停止。

数字图像处理知识点总结

数字图像处理知识点总结 第一章导论 1.图像：对客观对象的一种相似性的生动性的描述或写真。 2.图像分类：按可见性（可见图像、不可见图像），按波段数（单波段、多波段、超波段）， 按空间坐标和亮度的连续性（模拟和数字）。 3.图像处理：对图像进行一系列操作，以到达预期目的的技术。 4.图像处理三个层次：狭义图像处理、图像分析和图像理解。 5.图像处理五个模块：采集、显示、存储、通信、处理和分析。 第二章数字图像处理的基本概念 6.模拟图像的表示：f(x，y)＝i(x，y)×r(x，y)，照度分量0

陕西师范大学硕士论文开题报告

精心整理陕西师范大学 硕士学位论文开题报告

一、立论依据： 1论文选题的研究意义 1.1选题背景 一媒介竞争进入范围经济时 以喻国明代表的一批学者认为，当今的传媒市场竞争正在由规模经济时代进入范围经济时代。他们认为当传媒市场处在高速成长阶段时，由于规模开发的成本较为低廉，以“大”制胜并无不可。但到了市场发展相时成熟，竞争参与者越来越多，市场空间越来越狭窄的今天，继续按照这样一种操作逻辑去参与市场竞争，就越来越难以为继了。 首先是数量规模扩增的成本大大提高了，市场的空白地带越来越少，“零和博弈”效应便逐渐显现，任何一方数量规模的增加都是建立在对其他相关方市场份额 的攻城略地式的剥夺的墓础上的。这样一来，竞争自然惨烈，成本也势必大幅度提升。其次，随着市场大盘的迅速做大，单个媒体在数量规模方面做大的相对市场效能呈现大幅度削减的趋势。也就是说，即使你通过高额的成本达到了某种数量扩张，但这种数量扩张对于你的市场占有率提升的实际效能却常常是微乎其微的。原因很简单，在你个体做大的同时，市场基数也在不断做大，甚至这种大盘做大的速率往往要高于个体做大的速率。在这种情况下，任何单一媒介的数量(分子)增加的效能都会被不断扩容的市场大盘(分母)的增长而稀释掉。譬如，如果你由1做到4，对于你而言，绝对值增长了4倍，但是，如果市场基数从100扩大到1000时，你做大后的市场占有率不是增加了，反而是减少了—你的市场占有率由1%降低到了4%。在不同的发展阶段上，为传媒产业带来最大利润的价值支点是不同的:最初是内容产品的品质、接下来是市场拓展的规模，到现在则是全方位客户价值的挖掘这便进入了范围经济的范畴。 二跨媒介经营已成为媒介做大做强战略选择的必然 上面提到媒介产业在不同的发展阶段上其最大利益的价值指点是不同的，而现在传媒最大的利益的支点已由传媒产品的品质、市场规模的拓展，转向了客户价值的全方位挖掘，而这种最大利益的价值支点的实现，需要传媒构建范围经济上的优势，即通过多元化的经营实现客户价值的全方位挖掘，而这种多元化得经营如果限于媒介这一个行业来说就是跨媒介经营。 跨媒介经营，确实是当今环境下传媒市场化成长的必然战略选择，因为技术的发展和传媒市场现状，将会逐步传媒必须以技术或资本为纽带走向融合，以多元化的经营和产业链的完善来适应新的市场环境。 三技术上的突破使跨媒介经营成为一种成本可控的盈利选择 传媒产业是一种典型的技术密集行产业，技术既是传媒产品生产的关键也是传媒产品流通的关键，技术即是传媒，这是传媒技术决定论鼻祖麦克卢汉的最着名观点。每一次传媒时代的交替都是以信息传播技术的革命性突破为支撑。

数字图像处理一

数字图像处理 问题：人为什么能分辨出见过一次的东西？ 眼睛是生物体上十分神奇的器官，人类的眼睛可分辨约一千万颜色。他可以感知光线，是人们获得外界信息最主要的途径；同时，眼睛包括含心理意识在内的丰富信息。 一、人眼构造 人眼是人身体中最重要的感觉器官，人获取的信息90%以上通过眼睛来获取。人眼的构造决定了人眼成像的原理，同时决定了人眼的特性。人眼相当于一架摄像机或照相机，但在构造方面有别于摄像机和照相机。人眼的成像系统是由角膜、晶状体、前房、后房和玻璃体组成。 角膜——直径为11mm的透明膜，镶嵌于巩膜前面圆孔内，其中央部的曲率半径为8mm，周边部比较平坦。 晶状体——形似双凸镜的透明组织，由小带纤维悬挂于瞳孔后面，睫状肌收缩时小带松弛，晶状体依靠其本身的弹性而变厚，前后表面的曲度增加，整体屈光度增加，利用看清近处物体，称为调节。在角膜和水晶体之间为虹膜，中间开有一个可以自动控制大小的孔，让适当的光线进来，称为瞳孔。 前方、后房——前房为角膜后面、虹膜和晶状体前面的孔隙，充满着房水。后房为位于虹膜后面、睫状体、晶状体周边部之间的孔隙，也充满着房水。房水的主要功能是维持眼内压，并维持晶状体的代谢。

玻璃体——一透明胶样组织，充填于视网膜内的空间。占眼球4/5的容积。具有保护视网膜、缓冲震动功能。 视网膜——是接近黑的深红色，反光很弱，其上面布满感光细胞。正对眼球中心有一个直径约为2mm的黄色区域，称为黄斑，黄斑中心有一小凹，称为中央凹，面积为1平方毫米。 视网膜上面有两种感光细胞，一种叫做视锥细胞，另一种叫做视杆细胞。视锥细胞是像一个玉米的锥形，尖向外，只对较强的光敏感，至少有分别感觉红、蓝、绿三种颜色的视锥细胞存在，因此能够感知颜色。视杆细胞只有一种，因此没有颜色感觉，但灵敏度非常高，可以看到非常暗的物体。 视锥细胞在黄斑里面非常集中，尤其是在中央凹里面最为集中，是产生最清晰视觉的地方。视杆细胞恰好在黄斑里面最少，除此之外分布的比较均匀，距离中心10~20度的范围内相对集中些。 在比较暗的情况下，视锥细胞就不再起作用了，只能是分布广而相对稀疏的视杆细胞起作用，一次人眼的分辨能力大大下降。中心黄斑部分视力下降到0.05，反而不如黄斑以外，非黄斑区域视力基本不变，最好视力在黄斑附近，大约偏离中心15度左右，为0.1，这时的视力，称为暗视觉。但由于视杆细胞只有一种，因此是分辨不出物体颜色的，因此我们观察星云时，看不出颜色。 二、人眼的视觉特征 人眼的视觉系统是世界上最好的图像处理系统，但它远远不是完美的。人眼的视觉系统对图像的认知是非均匀的和非线性的，并不是对图像中的任何变化都能感知。例如图像系数的量化误差引起的图像变化在一定范围内是不能为人眼所觉察的。因此，如果编码方案能利用人眼视觉系统的一些特点，是可以得到高压缩比的。对人眼视觉特性的深入研究及由此而建立的各种数学模型，一直是各种图像数字压缩算法的基础。 人眼对380～780纳米内不同波长的光具有不同的敏感程度，称为人眼的视敏特性。衡量描述人眼视敏特性的物理量为视敏函数和相对视敏函数。 1.1视敏函数 在相同亮度感觉的条件下，不同波长上光辐射功率的倒数可以用来衡量人眼对各波长光明亮感觉的敏感程度。称为视敏函数 K(λ)=1/pr(λ) 。

数字图像处理课后题答案

1. 图像处理的主要方法分几大类 答：图字图像处理方法分为大两类：空间域处理（空域法）和变换域处理（频域法）。 空域法：直接对获取的数字图像进行处理。 频域法：对先对获取的数字图像进行正交变换，得到变换系数阵列，然后再进行处理，最后再逆变换到空 间域，得到图像的处理结果 2. 图像处理的主要内容是什么 答：图形数字化（图像获取）：把连续图像用一组数字表示，便于用计算机分析处理。图像变换：对图像进 行正交变换，以便进行处理。图像增强：对图像的某些特征进行强调或锐化而不增加图像的相关数据。图 像复原：去除图像中的噪声干扰和模糊，恢复图像的客观面目。图像编码：在满足一定的图形质量要求下 对图像进行编码，可以压缩表示图像的数据。图像分析：对图像中感兴趣的目标进行检测和测量，从而获 得所需的客观信息。图像识别：找到图像的特征，以便进一步处理。图像理解：在图像分析的基础上得出 对图像内容含义的理解及解释，从而指导和规划行为。 3. 名词解释：灰度、像素、图像分辨率、图像深度、图像数据量。 答：像素：在卫星图像上，由卫星传感器记录下的最小的分立要素(有空间分量和谱分量两种)。通常，表 示图像的二维数组是连续的，将连续参数 x,y ，和 f 取离散值后，图像被分割成很多小的网格，每个网格 即为像素 图像分辨率：指对原始图像的采样分辨率，即图像水平或垂直方向单位长度上所包含的采样点 数。单位是“像素点/单位长度” 图像深度是指存储每个像素所用的位数,也用于量度图像的色彩分辨率.图像深度确定彩色图像的每个像素 可能有的颜色数,或者确定灰度图像的每个像素可能有的灰度级数.它决定了彩色图像中可出现的最多颜色 数,或灰度图像中的最大灰度等级（图像深度：位图图像中，各像素点的亮度或色彩信息用二进制数位来表 示，这一数据位的位数即为像素深度，也叫图像深度。图像深度越深，能够表现的颜色数量越多，图像的 色彩也越丰富。） 图像数据量：图像数据量是一幅图像的总像素点数目与每个像素点所需字节数的乘积。 4. , 5. 什么是采样与量化 答：扫描：按照一定的先后顺序对图像进行遍历的过程。采样：将空间上连续的图像变成离散点的操作。 采样过程即可看作将图像平面划分成网格的过程。量化：将采样得到的灰度值转换为离散的整数值。灰度 级：一幅图像中不同灰度值的个数。一般取0~255，即256个灰度级 5.说明图像函数 的各个参数的具体含义。 答：其中，x 、y 、z 是空间坐标，λ是波长，t 是时间，I 是像素点的强度。它表示活动的、彩色的、三维 的视频图像。对于静止图像，则与时间t 无关；对于单色图像，则波长λ为常数；对于平面图像，则与坐 标z 无关。 1.请解释马赫带效应，马赫带效应和同时对比度反映了什么共同的问题 答：马赫带效应：基于视觉系统有趋向于过高或过低估计不同亮度区域边界值的现象。同时对比度现象： 此现象表明人眼对某个区域感觉到的亮度不仅仅依赖它的强度，而与环境亮度有关 共同点： 它们都反映了人类视觉感知的主观亮度并不是物体表面照度的简单函数。 2. 色彩具有那几个基本属性描述这些基本属性的含义。 答：色彩是光的物理属性和人眼的视觉属性的综合反映。色彩具有三个基本属性：色调、饱和度和亮度 色调是与混合光谱中主要光波长相联系的（红绿蓝）饱和度表示颜色的深浅程度，与一定色调的纯度有关， 纯光谱色是完全饱和的，随着白光的加入饱和度逐渐减少。（如深红、浅红等）亮度与物体的反射率成正比。 颜色中掺入白色越多就越明亮，掺入黑色越多亮度越小。 { 3.什么是视觉的空间频率特性什么是视觉的时间特性 答：视觉的空间频率特性：空间频率是指视像空间变化的快慢。明亮的图像（清晰明快的画面）意味着有 ),,,,(t z y x f I λ=

数字图像处理整理经典

名词解释 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。 1.数字图像:一幅图像ｆ（x,y),当ｘ,ｙ和幅值ｆ为有限的离散数值时,称该图像为数字图像。 图像:是自然生物或人造物理的观测系统对世界的记录，是以物理能量为载体,以物质为记录介质的信息的一种形式。 数字图像处理：采用特定的算法对数字图像进行处理,以获取视觉、接口输入的软硬件所需要数字图像的过程。 图像增强:通过某种技术有选择地突出对某一具体应用有用的信息，削弱或抑制一些无用的信息。 无损压缩:可精确无误的从压缩数据中恢复出原始数据。 灰度直方图:灰度直方图是灰度级的函数，描述的是图像中具有该灰度级的像素的个数。或：灰度直方图是指反映一幅图像各灰度级像元出现的频率。 细化:提取线宽为一个像元大小的中心线的操作。 8、8-连通的定义:对于具有值V的像素p和q ，如果ｑ在集合N8（p)中,则称这两个像素是8-连通的。 9、中值滤波:中值滤波是指将当前像元的窗口(或领域)中所有像元灰度由小到大进行排序,中间值作为当前像元的输出值。 10、像素的邻域: 邻域是指一个像元（x,y)的邻近(周围）形成的像元集合。即{（ｘ=p,ｙ＝q）}ｐ、q为任意整数。像素的四邻域:像素p(x，ｙ）的4－邻域是:(x+１,y)，（x-1，ｙ） ,(x，ｙ+1), (ｘ，ｙ-1) １１、灰度直方图:以灰度值为自变量，灰度值概率函数得到的曲线就是灰度直方图。 1２.无失真编码:无失真编码是指压缩图象经解压可以恢复原图象，没有任何信息损失的编码技术。 1３.直方图均衡化:直方图均衡化就是通过变换函数将原图像的直方图修正为平坦的直方图,以此来修正原图像之灰度值。 14.采样：对图像f（x，y）的空间位置坐标(x,ｙ)的离散化以获取离散点的函数值的过程称为图像的采样。 １５.量化：把采样点上对应的亮度连续变化区间转换为单个特定数码的过程，称之为量化，即采样点亮度的离散化。 16．灰度图像:指每个像素的信息由一个量化的灰度级来描述的图像，它只有亮度信息,没有颜色信息。 １7.色度:通常把色调和饱和度通称为色度，它表示颜色的类别与深浅程度。 18.图像锐化：是增强图象的边缘或轮廓。 19.直方图规定化(匹配）：用于产生处理后有特殊直方图的图像的方法 20. 数据压缩：指减少表示给定信息量所需的数据量。 像素的邻域:邻域是指一个像元(x,y)的邻近(周围）形成的像元集合。即{（ｘ=p,y=q)｝p、q为任意整数。 像素的四邻域:像素p(x，y)的4-邻域是:（ｘ+１，y),(x-1,y) ，(x,ｙ+1)，(x，ｙ-1) 灰度直方图:灰度直方图是指反映一幅图像各灰度级像元出现的频率。?、中值滤波:中值滤波是指将当前像元的窗口(或领域)中所有像元灰度由小到大进行排序,中间值作为当前像元的输出值。 像素数字图像是由有限的元素组成的,每个元素都有一个特定的位置和幅值，这些元素称为图像元素、画面元素或像素。 4.空间分辨率:是图像中可辨别的最小细节。

数字图像处理报告

中南民族大学 数字图像处理实验报告 学院：电子信息工程学院 专业：光信息 学生学号

实验一图像变换 实验目的 1：了解二维fourier变换的原理 2：掌握二维fourier变换的性质 3：掌握离散余弦变换的原理 实验内容 1.绘制一个二值，并将其傅里叶函数可视化。close all; clear; f=zeros(40,40); f(10:30,10:30)=1; subplot(1,3,1); imshow(f); F=fft2(f); subplot(1,3,2); imshow(F); D=log(1+abs(F)); subplot(1,3,3); imshow(D); 运行结果： 2.对给定的一副图像saturn2.tif进行傅里叶变换 load imdemos saturn2; subplot(1,2,1); imshow(saturn2); I=fftshift(fft2(saturn2));

subplot(1,2,2); imshow(log(abs(I)),[]),colormap(jet(64)),colorbar 运行结果： 3.在图像text,tif 中定位字母a w=imread('text.png'); a=w(33:45,88:98); figure; imshow(w); figure; imshow(a); C=real(ifft2(fft2(w).*fft2(rot90(a,2),256,256))); figure; imshow(C,[]); max(C(:)); thresh=60; figure; imshow(C>thresh); 运行结果： 5 10

数字图像处理

《数字图像处理》期中大作业 拉普拉斯算子ROBERT算子SOBLE算子三种锐化滤波算子性能研究 学号：12010245389 姓名：周玉琴

拉普拉斯算子、ROBERT算与SOBLE算子三种锐化滤波算子性能研究摘要：在图像增强过程中，通常利用各类图像平滑算法消除噪声，图像的常见噪声主要有加性噪声、乘性噪声和量化噪声等。一般来说，图像的能量主要集中在其低频部分，噪声所在的频段主要在高频段，同时图像边缘信息也主要集中在其高频部分。这将导致原始图像在平滑处理之后，图像边缘和图像轮廓模糊的情况出现。为了减少这类不利效果的影响，就需要利用图像锐化技术，使图像的边缘变得清晰。本文主要探究几种边缘检测算子，拉普拉斯算子，ROBERT算子与SOBLE算子在数字图像处理中的应用。 关键字：图像锐化边缘检测拉普拉斯算子 ROBERT SOBLE 一、算法介绍 1.1 图像锐化的概念 在图像增强过程中，通常利用各类图像平滑算法消除噪声，图像的常见噪声主要有加性噪声、乘性噪声和量化噪声等。一般来说，图像的能量主要集中在其低频部分，噪声所在的频段主要在高频段，同时图像边缘信息也主要集中在其高频部分。这将导致原始图像在平滑处理之后，图像边缘和图像轮廓模糊的情况出现。 为了减少这类不利效果的影响，就需要利用图像锐化技术，使图像的边缘变得清晰。图像锐化处理的目的是为了使图像的边缘、轮廓线以及图像的细节变得清晰，经过平滑的图像变得模糊的根本原因是因为图像受到了平均或积分运算，因此可以对其进行逆运算(如微分运算)就可以使图像变得清晰。从频率域来考虑，图像模糊的实质是因为其高频分量被衰减，因此可以用高通滤波器来使图像清晰。但要注意能够进行锐化处理的图像必须有较高的性噪比，否则锐化后图像性噪比反而更低，从而使得噪声增加的比信号还要多，因此一般是先去除或减轻噪声后再进行锐化处理。 本文主要探究几种边缘检测算子，拉普拉斯算子，ROBERT算子与Soble算子以下具体介绍。 图像边缘检测：边缘检测是检测图像局部显著变化的最基本运算，梯度是函数变化的一种度量。图像灰度值的显著变化可用梯度的离散逼近函数来检测，大幅度地减少了数据量，并且剔除了可以认为不相关的信息，保留了图像重要的结构属性。边缘检测可分为两大类基于查找一类和基于零穿越的一类。基于查找的方法通过寻找图像一阶导数中的最大和最小值来检测边界，通常是将边界定位在梯度最大的方向。基于零穿越的方法通过寻找图像二阶导数零穿越来寻找边界，通常是Laplacian过零点或者非线性差分表示的过零点。 1.2 拉普拉斯算子 拉式算子是一个刻画图像灰度的二阶商算子，它是点、线、边界提取算子，亦称为边界提取算子。通常图像和对他实施拉式算子后的结果组合后产生一个锐化图像。拉式算子用来改善因扩散效应的模糊特别有效，因为它符合降制模型。扩散效应是成像过程中经常发生的现象。