实验六彩色图像得处理
一、实验目得
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得转换.
3、掌握彩色图像得直方图处理方法。
二、实验内容及步骤
1、RGＢ图像与索引图像、灰度级图像得转换。
cｌoｓe ａll
RGB＝iｍrｅａd（'ｆlｏｗｅrs、ｔif’）；
[R_i，mａp]=rgb2ind（RＧB，８）；%ＲGB图像转换为８色得索引图像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，就是否调色板所表示得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色得索引图像［R＿ｉ２，mａｐ］=rgｂ2ind(RGB,32)；%ＲGB图像转换为3２色得索引图像
［Ｒ_i3,ｍaｐ]=rｇｂ2ｉnd(ＲＧＢ，２５６)；％RGB图像转换为2５6色得索引图像
[Ｒ_i4，ｍａp］=rgb２ind(RGB,1024)；％RＧB图像转换为1０24色得索引图像
Suｂplot（221）；imsｈow（R＿i1，maｐ）；tｉｔle(’8色得索引图像'）；
Subpｌot(22２)；iｍshow(R_i2，map）；ｔｉｔle（’3２色得索引图像＇)；
Subploｔ(223);imsｈow（R_i３，ｍaｐ);tiｔle('2５6色得索引图像’）;
Sｕbｐｌｏt(２24)；imshｏw(R_ｉ４,ｍap）；tｉtlｅ（'1０2４色得索引图像
'）;
结论:随着索引值得增加图像得质量也有增加，更加清晰，色彩也更加鲜明.但不就是不就是颜色值越多越好.当索引值过高时，会出现无法识别而致模糊得情况出现。
２、RGB图像与不同颜色空间得转换。
（1) RGＢ与HSI颜色空间得转换
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（)函数就是将HSI颜色空间转换为ＲＧB颜色空间。
ｃlose all
x=imrｅad（’flowers、ｔｉf')；
figurｅ
iｍｓhｏw（x）
title（'RGＢ’)
x_ｈsｉ＝ｒgb2hｓi(x）；％ＲGB颜色空间转换成ＨSI颜色空间，
％并显示H、S、I各分量
figｕre
ｉmshｏｗ（ｘ_hｓi)
title('HSI')
x_h_r=hsi2rgb(x＿hsi）; ｆｉgure
ｉmｓｈoｗ(x＿h_r)
tｉtle('HＳI——>RGB')
(２)ＲGB与CＭY颜色空间转换
CMY颜色空间运用在大多数在纸上沉积彩色颜料得设备,如彩色打印机与复印机。CＭY(青、深红、黄)就是RGB颜色空间得补色。
close aｌｌ
x=imread（＇flowers、tｉf＇)；
X ＝im2ｄoublｅ(x）;
Ｒ=Ｘ（:,：，１）；
Ｇ=X（：,：,2）；
B=X（：,：,3)；
C=1-R；
M=1－G；
Y=1—B;
R1＝1—C;
Ｇ1=1-M；
Ｂ1=1-Ｙ；
CMY＝cat（3，C，M，Y）；
RGB1=cａt（3，Ｒ，G，B）;
subplot（1,3,1）,iｍshｏw（X)；tｉtle（＇ＲＧB＇) ；
ｓubplｏt（１，3，2）,iｍshｏw（CMY)；tiｔlｅ（’CMＹ') ；
sｕｂplot(1,３，3)，ｉｍshｏw（RGＢ1）；tｉtlｅ('CMＹ—-—>RGB') ；
思考：
如何将RGB图像分解出其Ｒ、Ｇ、B颜色分量？结果类似下图. clｏse alｌ
x＝iｍrｅad(’flowers、tｉf＇）；
X = im2dｏｕbｌe(x）；
R=X(:,：，1);
G=Ｘ（:，:，2）；
Ｂ＝X(：,：，3);
C1=Ｒ;
M1=Ｇ-Ｇ；
Y１=B－B；
C2=R-R;
M２＝Ｇ；
Y2=B-B;
C３=Ｒ—Ｒ；
M3=Ｇ-G；
Y３=B;
R＝cat（3,C１,M1,Ｙ1)；
G=cat（3，C2，M2，Y2）；
B＝cａt(3,C3，M3，Y３)；
subｐｌoｔ(1,3，１），ｉmshｏw（Ｒ)；ｔitlｅ（＇Ｒ'）；
subｐlot(1,3，2）,iｍshｏｗ(G）;tｉtle(’G’);
subpｌoｔ（1，3，3），iｍshow(B);title(’B'）；
3、彩色图像得直方图处理
(１)在HＳI颜色空间对I（强度）分量进行调整及直方图均衡化。
close all
x=imｒead（'fｌｏwers、tif’）;
figｕｒe
imshow（x）
tｉｔle（’RＧＢ’)
x_hsi=rgｂ2hｓi（x)；% RＧB颜色空间转换成HSI颜色空间，
％并显示H、Ｓ、I各分量
ｈ＝x_ｈsi（：,：，1）;
ｓ=ｘ_ｈsｉ（：,：,2）;
ｉ=x＿hsi（：，:，3)；
ｉ1＝ｉmadｊuｓt(i，［01］,[］,0、6）;％对I分量进行灰度值调整，使图像更亮
ｘ_hsｉ＝caｔ（3，ｈ,ｓ，ｉ1）;
x＿h＿ｒ＝ｈsi2rgb(x_hｓi);% HＳＩ空间转换为ＲGB空间
fｉｇuｒe
iｍshｏw(ｘ_ｈ_r）
titｌｅ（’imaｄｊｕsｔ(i,[］，［］,0、6)'）
ｉ２＝hiｓteｑ(i）; ％对I分量进行直方图均衡化,加强对比度
x_hsi=ｃaｔ(3，ｈ，s,i2）；
x_ｈ_ｒ=hsi2rgb(x_hsi）; ％HＳＩ空间转换为RGＢ空间
figure
imshow(x_h_r）
titｌe（’hiｓteｑ(i）'）
(2) RGB颜色空间对全彩色进行直方图处理
cloｓe alｌ
x＝iｍｒｅａd（'fｌowｅｒs、ｔif'）;
figure
imsｈow（x）
ｔitｌe（'ＲGB’)
r=ｘ(:,：,1）; ｇ=x(:，:，2);ｂ=x(：,：，3）；
ｒ1=ｉmadjust(r,［01］,[］,０、6)；%对R分量进行灰度值调整
g１＝imaｄjusｔ(g,[0 １］，［］,0、6）; ％对G分量进行灰度值调整b1=ｉmadjｕst（ｂ，[0 1]，[］,0、6）; %对B分量进行灰度值调整
x1＝ｃａt（3，ｒ1,ｇ1,b１);
ｆiｇuｒe; imｓhow（ｘ1）
tｉtle（’imaｄｊust（ｒ/g/b,［］，［］，0、6）'）
ｒ2＝ｈiｓteq(r)；％直方图均衡化
g2＝hisｔeq（g)；
b2＝histeq（b)；
x2=cat（3,r２，g2，b2）；%处理后得R、G、B分量合并回RGＢ图像fｉgurｅ；ｉmshｏw(x2）
titｌe（’ｈisｔeq(ｒ/g／b）')
思考：
?参考彩色图像得直方图处理方法，分别对RGＢ图像’fｌowers、tif’进行尺寸为5*5得均值平滑滤波及拉普拉斯锐化。（在HIS空间或RGB空间都可以）结果类似下图.
拉普拉斯算子：h＝[ -1 -1 -１；
—1 8 —１；
－1 -１—1；］；（１）5＊5均值平滑滤波
cloｓe alｌ；
x＝imreaｄ（'fｌowｅｒs、ｔiｆ＇）；
h＝fspecｉal(＇aｖeｒagｅ＇，5);
y=ｉmｆilter(x,ｈ);
sｕbplot(1，２,1)；
imsｈow(ｘ);tiｔle('RGB＇);
subpｌot（1,2，2)；
imshｏw(y）;tｉtle（’5＊5 均值平滑滤波');
(2)拉普拉斯锐化
close all；
ｘ=iｍreaｄ(＇flowerｓ、tiｆ')；
h=［-１—1 -1；
-1 8 —1;
—1 —１—1；]；
y=imｆilｔeｒ（x,h)；
sｕbplｏt(1,2,1）;
imｓhoｗ(ｘ)；title（'RＧB'）；
subｐlot（１,2,2）;
imsｈow(y）；tiｔle（’拉普拉斯滤波’)；
三、实验报告
1、按照实验步骤做实验；
2、记录实验结果，并作出总结；
3、按照实验报告格式写出报告。
四、实验心得及机会
通过这次实验,我学会并了解了许多有关数字图像处理方面得知识。以前只就是瞧着课本上得内容学习,对很多知识只就是生分得了解，但就是不懂得如何应用，通过做实验，自己动手,对图像做一系列得处理与变换,体会到了各种参数对数字图像得影响。通过此次实验也发现了自己得而许多问题,在对于MATLAB软件得应用上面我还有许多不足,尤其就是对如何编写M文件方面很难掌握，仍有待加强。
大作业指导书 题目：数字图像处理 院（系）：物联网工程学院 专业: 计算机 班级：计算机1401-1406 指导老师： 学号： 姓名： 设计时间： 2016-2017学年 1学期
摘要 (3) 一、简介 (3) 二、斑点数据模型 .参数估计与解释 (4) 三、水平集框架 (5) 1.能量泛函映射 (5) 2.水平集传播模型 (6) 3.随机评估方法 (7) 四、实验结果 (8) 五、总结 (11)
基于水平集方法和G0模型的SAR图像分割 Abstract（摘要） 这篇文章提出了一种分割SAR图像的方法，探索利用SAR数据中的统计特性将图像分区域。我们假设为SAR图像分割分配参数，并与水平集模型相结合。分布属于G分布中的一种，处于数据建模的目的，它们已经成功的被用于振幅SAR图像中不同区域的建模。这种统计数据模型是驱动能量泛函执行区域映射的基础，被引用到水平集传播数值方案中，将SAR 图像分为均匀、异构和极其异构区域。此外，我们引入了一个基于随机距离和模型的评估过程，用于量化我们方法的鲁棒性和准确性。实验结果表明，我们的算法对合成和真实SAR 数据都具有准确性。+ 简介 1、Induction（简介） 合成孔径雷达系统是一种成像装置，采用相干照明比如激光和超声波，并会受到斑点噪声的影响。在SAR图像处理过程中，返回的是斑点噪声和雷达切面建模在一起的结果。这个积性模型（文献[1]）因包含大量的真实SAR数据，并且在获取过程中斑点噪声被建模为固有的一部分而被广泛应用。因此，SAR图像应用区域边界和目标检测变得更加困难，可能需要斑点去除。因此，斑点去除是必需的，有效的方法可以在文献[2][3][4][5][6][7][8][9][10]中找到。 对于SAR图像分割，水平集方法构成一类基于哈密顿-雅克比公式的重要算法。水平集方法允许有效的分割标准公式，从文献[12]中讨论的传播函数项可以得到。经典方法有着昂贵的计算成本，但现在的水平集的实现配置了有趣的低成本的替换。 水平集方法的一个重要方面，比如传播模型，可以用来设计SAR图像的分割算法。这个传播函数能够依据伽马和伽马平方根法则将斑点统计进行整合，函数已经被广泛地应用于SAR图像中的均质区域分割。Ayed等基于伽马分布任意建模，设计方案将SAR图像分成多个均质区域。尽管多区分割问题已经解决，该方案人需要一定数量的区域作为输入。Shuai 和Sun在文献[16]中提出对这个方法进行了改进，他们使用了一个有效的传播前收敛判断。Marques等引入了一个类似于含有斑点噪声图像中目标检测的框架，将基于本地区域的斑点噪声统计融合进去。这些作者采用伽马平方根对均质区域进行建模并用一个自适应窗口方案检测本地的同质性。 最近，新的SAR数据模型比如K，G，显示出了优势。经典法则受限于均质区域特性的描述，而最近的法则展现出了在数据建模中更有吸引力的特性。法则允许同构、异构和高度异构幅度SAR数据的建模。这个分布族提供了一组参数，可以描述SAR图像中的不同区域。分布的参数信息，可以被广泛的应用于设计SAR图像处理和分类技术。在文献[21]中，Mejail 等人介绍了SAR监督数据分类器，它基于其参数映射并实现了有趣的结果。Gambini等人在文献[22]中使用这个分布的一个参数来量化SAR数据的粗糙度，通过活动轮廓和B样条差值来检测边缘。然而，这种技术需要一个初始分割步骤，并受拓扑限制。一般来说，活动轮廓方法不能解决不连续区域分割的问题。 本文介绍了一种新的水平集算法来实现SAR图像中均质、异构和极其异构区域分割的目标。由于分布能够描述SAR图像的同质性和规模，我们的方法采用分布对斑点数据进行建模。这些分布参数基于每一个域点进行估计，通过这些信息，我们可以在水平集分割框架内得到一个能量泛函来驱动向前传播(front propagation)。该泛函以最大化不同区域平均能量间的差异作为结束。最终水平集阶段以能量带作为依据得到SAR图像的分割结果。
6.3实验步骤 (1)对彩色图像的表达和显示 * * * * * * * * * * * *显示彩色立方体* * * * * * * * * * * * * rgbcube(0,0,10); %从正面观察彩色立方体 rgbcube(10,0,10); %从侧面观察彩色立方 rgbcube(10,10,10); %从对角线观察彩色立方体 %* * * * * * * * * *索引图像的显示和转换* * * * * * * * * * f=imread('D:\Picture\Fig0604(a)(iris).tif'); figure,imshow(f);%f是RGB真彩图像 %rgb图像转换成8色索引图像，不采用抖动方式 [X1,map1]=rgb2ind(f,8,'nodither'); figure,imshow(X1,map1); %采用抖动方式转换到8色索引图像 [X2,map2]=rgb2ind(f,8,'dither'); figure,imshow(X2,map2); %显示效果要好一些 g=rgb2gray(f); %f转换为灰度图像 g1=dither(g);%将灰色图像经过抖动处理，转换打二值图像figure,imshow(g);%显示灰度图像 figure,imshow(g1);%显示抖动处理后的二值图像 程序运行结果：
彩色立方体原图 不采用抖动方式转换到8色索引图像采用抖动方式转换到8色索引图像 灰度图像抖动处理后的二值图像
(2)彩色空间转换 f=imread('D:\Picture\Fig0604(a)(iris).tif'); figure,imshow(f);%f是RGB真彩图像 %转换到NTSC彩色空间 ntsc_image=rgb2ntsc(f); figure,imshow(ntsc_image(:,:,1));%显示亮度信息figure,imshow(ntsc_image(:,:,2));%显示色差信息figure,imshow(ntsc_image(:,:,3));%显示色差信息 %转换到HIS彩色空间 hsi_image=rgb2hsi(f); figure,imshow(hsi_image(:,:,1));%显示色度信息figure,imshow(hsi_image(:,:,2)); %显示饱和度信息figure,imshow(hsi_image(:,:,3));%显示亮度信息 程序运行结果： 原图 转换到NTSC彩色空间
长春理工大学——professor——景文博——旗下出品 1基于形态学运算的星空图像分割 主要内容： 在获取星图像的过程中，由于某些因素的影响，获得的星图像存在噪声，而且星图像的背景经常是不均匀的，为星图像的分割造成了极大的困难。膨胀和腐蚀是形态学的两个基本运算。用形态学运算对星图像进行处理，补偿不均匀的星图像背景，然后进行星图像的阈值分割。 要求： 1> 图像预处理：对原始星空图像进行滤波去噪处理； 2> 对去噪后的图像进行形态学运算处理； 3> 选取自适应阈值对形态学运算处理后的图像进行二值化； 4> 显示每步处理后的图像； 5> 对经过形态学处理后再阈值的图像和未作形态学处理后再阈值的图像进行对比分析。 待分割图像直接分割图像处理后的分割图像 2基于数字图像处理的印刷电路板智能检测方法 主要内容： 通过对由相机实时获取的印刷电路板图像进行焊盘识别，从而提高电子元件的贴片质量，有效提高电路板的印刷效率。 要求： 1> 图像预处理：将原始彩色印刷电路板图像转成灰度图像，对灰度图像进行背景平滑和滤波去噪； 2> 对去噪后的图像进行图像增强处理，增强边缘提取的效果。 3> 对增强后的图像进行边缘提取（至少两种以上的边缘提取算法）； 4> 显示每步处理后的图像（原始电路板图像可自行查找）； 5> 图像处理后要求能对每个焊盘进行边缘提取，边缘清晰。 3静止背景下的移动目标视觉监控 主要内容：
基于视觉的人的运动分析最有前景的潜在应用之一是视觉监控。视觉监控系统的需求主要来自那些对安全要求敏感的场合，如银行、商店、停车场、军事基地等。通过对静止背景下的目标识别，来提醒监测人员有目标出现。 要求： 1>对原始参考图和实时图像进行去噪处理； 2>对去噪后的两幅图像进行代数运算，找出目标所在位置，提取目标，并将背景置黑； 3> 判断目标大小，若目标超过整幅图像的一定比例时，说明目标进入摄像保护区域，系统对监测人员进行提示（提示方式自选）。 4>显示每步处理后的图像； 5>分析此种图像监控方式的优缺点。 背景目标出现目标提取 4车牌识别图像预处理技术 主要内容： 车辆自动识别涉及到多种现代学科技术，如图像处理、模式识别与人工智能、计算机视觉、光学、机械设计、自动控制等。汽车作为人类生产、生活中的重要工具被广泛的使用，实现自动采集车辆信息和智能管理的车牌自动识别系统具有十分重要的意义: 要求： 1>对原始车牌图像做增强处理； 2>对增强后的彩色图像进行灰度变换； 3>对灰度图像进行直方图均衡处理； 4>选取自适应的阈值，对图像做二值化处理； 5>显示每步处理后的图像； 6>分析此种图像预处理的优缺点及改进措施，简要叙述车牌字符识别方法 原始车牌图像处理后的车牌图像 5医学细胞图像细胞分割图像增强算法研究 主要内容： 医学图象处理利用多种方法对各种图像数据进行处理，以期得到更好的显示效果以便医生根据细胞的外貌进行病变分析。 要求： 1>通过对图像的灰度变换调整改变细胞图像的灰度，突出感兴趣的细胞和细胞核区域。 2>通过直方图修改技术得到均衡化或规定化等不同的处理效果。 3>采用有效的图像平滑方法对细胞图像进行降噪处理，消除图像数字化和传输时所混入的噪声，提高图像的视觉效果。 4>利用图像锐化处理突出细胞的边缘信息，加强细胞的轮廓特征。 5>显示每步处理图像，分析此种细胞分割图像预处理方法的优缺点。 原始细胞图像 图像处理后的细胞图像 6瓶子灌装流水线检测是否液体灌装满瓶体 当饮料瓶子在罐装设备后要进行液体的检测，即：进行判断瓶子灌装流水线是否灌装满瓶体的检测，如液面超过瓶颈的位置，则装满，否则不满，如果不满则灌装液体不合格，需重新进行灌装。 具体要求： 1）将原进行二值化 2）二值化后的图像若不好，将其滤波再进行膨胀处理,并重新进行二值化
数字图像处理的发展现状及研究内容概述人类传递信息的主要媒介是语音和图像。据统计，在人类接受的信息中，听觉信息占20%，视觉信息占60%，所以作为传递信息的重要媒体和手段——图像信息是十分重要的，俗话说“百闻不如一见”、“一目了然”，都反映了图像在传递信息中独到之处。 目前，图像处理技术发展迅速，其应用领域也愈来愈广，有些技术已相当成熟并产生了惊人的效益，当前图像处理面临的主要任务是研究心的处理方法，构造新的处理系统，开拓更广泛的应用领域。 数字图像处理（Digital Image Processing）又称为计算机数字图像处理，它是指将数字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。数字图像处理最早出现于20世纪50年代，当时的电子计算机已经发展到一定水平，人们开始利用计算机来处理图形和数字图像信息。数字图像处理作为一门学科大约形成于20世纪60年代初期。早期的数字图像处理的目的是改善数字图像的质量，它以人为对象，以改善人的视觉效果为目的。数字图像处理中，输入的是质量低的数字图像，输出的是改善质量后的数字图像，常用的数字图像处理方法有数字图像增强、复原、编码、压缩等。 1:数字图像处理的现状及发展 数字图像处理技术在许多应用领域受到广泛重视并取得了重大的开拓性成就，属于这些领域的有航空航天、生物医学工程、工业检测、机器人视觉、公安司法、军事制导、文化艺术等，使数字图像处理成为一门引人注目、前景远大的新型学科。随着数字图像处理技术
的深入发展，从70年代中期开始，随着计算机技术和人工智能、思维科学研究的迅速发展，数字图像处理向更高、更深层次发展。 人们已开始研究如何用计算机系统解释数字图像，实现类似人类视觉系统理解外部世界，这被称为数字图像理解或计算机视觉。很多国家，特别是发达国家投入更多的人力、物力到这项研究，取得了不少重要的研究成果。其中代表性的成果是70年代末MIT的Marr提出的视觉计算理论，这个理论成为计算机视觉领域其后十多年的主导思想。数字图像理解虽然在理论方法研究上已取得不小的进展，但它本身是一个比较难的研究领域，存在不少困难，人类本身对自己的视觉过程还了解甚少，因此计算机视觉是一个有待人们进一步探索的新领域。如今数字图像处理技术已给人类带来了巨大的经济和社会效益。不久的将来它不仅在理论上会有更深入的发展，在应用上意识科学研究、社会生产乃至人类生活中不可缺少的强有力的工具。 数字图像处理进一步研究的问题，不外乎如下几个方面： （1）在进一步提高精度的同时着重解决处理速度问题。如在航天遥感、气象云图处理方面，巨大的数据量和处理速度任然是主要矛盾之一。 （2）加强软件研究、开发新的处理方法，特别要注意移植和借鉴其他学科的技术和研究成果，创造新的处理方法。 （3）加强边缘学科的研究工作，促进数字图像处理技术的发展。如：人的视觉特性、心理学特性等的研究，如果有所突破，讲对团向处理技术的发展起到极大的促进作用。
基于数字图像处理 的目标识别 通过这半个学期对数字图像处理这门课程的学习，我了解了有关数字图像处理的知识，并且对数字图像处理的相关仿真软件——matlab有了更加深入的了解，可以更加熟练的使用matlab软件处理实际问题，从而促进我对数字图像处理这门课程产生更加浓烈的兴趣，也让我对这种仿真软件有了更加全面的认识，了解它更多的功能。在课程结束之际，我利用自己在课堂上学习的一些知识和在课下学习的东西写出以下总结。希望老师给予耐心指导。 一、数字图像处理技术 数字图像处理(Dital 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。数字图像处理是一种通过计算机采用一定的算法对图形图像进行处理的技术。数字图像处理技术已经在各个领域上都有了比较广泛的应用。从接近人们日常生活的照相，电视图像显示，到工业上面对某些零件的处理等，再到军事类的人像识别，雷达目标识别等，这些都离不开数字图像处理的身影。 图像处理的信息量很大，对处理速度的要求也比较高。Matlab强大的运算和图形展示功能，使图像处理变得更加的简单和直观。本文基于
MATLAB的数字图像处理环境，设计并实现了一个图像处理系统，展示如何通过利用Matlab的工具函数和多种算法实现对图形图像的各种处理。论述了利用设计的系统实现图像文件（bmp、jpg、tiff、gif等）进行打开、保存、另存、打印、退出等功能操作，图像预处理功能（包括彩色图像的灰度化变换等、一般灰度图像的二值化处理、色彩增强等），图像分割，图像特征提取等图像处理。 图像的数学表达式可表示为：f(x，y)表示幅图像。x,y,f为有限、离散值。黑白图像可用二维函数f(x，y)表示，其中x,y是平面的二维坐标，f(x，y)表示点(x，y)的亮度值(灰度值)。对模拟图像来讲，f(x,y)显然是连续函数。为了适应数字计算机的处理，必须对连续图像函数进行空间和幅值数字化。空间坐标(x,y)的数字化称为图像采样，而幅值数字化被称为灰度级量化。经过数字化后的图像称为数字图像(或离散图像)。 F(x,y,z)表示三维的图像，f 为点的分布，有限，离散值，为彩色图像的表示方式。 (1)数字图像的灰度图像的阵列表示法。 设连续图像f(x，y)按等间隔采样，排成MxN阵列(一般取方阵列NxN) 图像阵列中每个元素都是离散值，称为像素(pix—el)。在数字图像处理中，一般取阵列N和灰度级C都是2的整数幂，即取N=及G=。对一般电视图像，N取256或512，灰度级C取64级(m=6bit)至256级m=8bit)，即可满足图像处理的需要。对特殊要求的图像，如SAR图片取 10000×10000，灰度级m取8bit或者16bit。
-------------精选文档 ----------------- 1、下图是一用于干涉原理进行测试的干涉场图像，要求判读条纹的间距，请 给出图像处理的方案并说明每一步的作用及其对其它处理步骤可能产生的影响。 解：步骤与思路： ○1.进行模糊处理，消除噪声 ○2.边缘检测，进行图像增强处理 ○3．二值化图像，再进行边缘检测，能够得到很清晰的边界。 ○4.采用横向标号法，根据值为1 像素在标号中的相邻位置可以确定间距 I=imread('xz mjt.bmp'); I1=medfilt2(I);%对图像中值滤波 imshow(I1); [m,n]=size(I1); for i=1:m for j=1:n if(I1(i,j)<100)% 阈值为 100 I1(i,j)=255; else I1(i,j)=0;%进行二值化
-------------精选文档 ----------------- end end end figure; imshow(I1); Y1=zeros(1,25); y2=y1; c=y2; i=100; for j=1:1200 if (I1(i,j)==255&&I1(i,j+1)==0) Y1=j+1; end if (I1(i,j)==0&&I1(i,j+1)==255) Y2=j; end end for i=1:25 c=Y2(i)-Y1(i) end c%找出每两个条纹之间的距离
2.现有 8 个待编码的符号 m0,,m7, 它们的概率分别为 0.11,0.02,0.08,0.04,0.39,0.05,0.06,0.25,利用哈夫曼编码求出这一组符号的编码并画出哈夫曼树。 3.请以图像分割方法为主题，结合具体处理实例，采用期刊论文格式，撰写一篇小论文。
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。 2013-2014年第一学期《数字图像处理》科目考查卷 专业：通信工程班级：任课教师：王新新 姓名：学号：成绩： 一 Deblurring Images Using the Wiener Filter ——使用维纳滤波器进行图像去模糊简介 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器。 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MATLAB 函数来完成图像的复原。关键词：维纳函数、图像复原。 二维纳滤波器结构 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h（n），则当输入某个随机信号x (n)时， 式（1） 这里的输入 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 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) s^(n)，而它们之间的误差 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更为合理。而均方误差最小，也就是 式（5） 最小。利用最小均方误差作为最佳过滤准则比较方便，它不涉及概率的描述，而且以它导出的最佳线性系统对其它很广泛的一类准则而言是属最佳。 图1 维纳滤波器一般结构 数字图像处理技术现状及发展趋势 摘要现今是计算机技术、网络技术以及多媒体技术高速发展的时代，更多高科技技术正在全面发展，数字图像处理技术作为一种新式技术，如今已经广泛地应用于人们的生产生活中。数字图像处理技术的应用和发展为人们的生活发展带来了很多的便利，在遥感技术、工业检测方面发展迅速，在医学领域，气象通信领域也有很大的成就。由此，本文主要探讨数字图像处理技术的现状及发展趋势。 关键词数字图像处理技术；现状；发展趋势 现今是计算机和网络技术高速发展的时代，计算机的应用给人们的生产生活带来了很大的便利，人们应用计算机处理各种复杂的数据，将传统方式不能处理的问题以全新的技术和方式有效解决[1]。数字图像处理技术是应用较为广泛的一种技术，在具体应用过程中，能够经过增强、复原、分割等过程对数据进行处理，且具有多样性、精度高、处理量大的显著优势，本文对数字图像处理技术的现状及发展趋势进行研究和探讨。 1 数字图像处理技术发展现状 数字图像处理技术是近年来发展较为迅速的一种技术，具体是指应用计算机对图像进行一系列的处理，最终达到人们要求的水平，在具体的处理过程中，以改善图像的视觉效果为核心，最终呈现出人们想要表达的意思。笔者查阅国内外诸多文献库，发现对数字图像处理技术的研究多数集中于图像数字化、图像增强、图像还原、图像分割等领域[2]。最初数字图像处理技术产生于20世纪20年代，当时普遍将其应用于报纸业，发展至20世纪50年代，图像处理技术跟随着计算机的发展而迅速发展，也有更多的人开始关注和应用该技术，当时在各国的太空计划中发挥了巨大作用，尤其是对月球照片的处理，获得了很大的成功。发展到20世纪70年代时，数字图像处理技术的应用已经很普遍了，尤其是在计算机断层扫面（CT）等方面，该技术的应用得到了一致好评，而现今，数字图像处理技术随处可见，已广泛应用在各行各业中。 2 数字图像处理技术的特点 数字图像处理技术有以下几个特点：①图像处理的多样性特点。数字图像处理技术可以编写多样的算法，以不同的程序模式施加于数字图像技术上，根据实际需求对图像进行处理，因此最终获取的图像效果也截然不同。②图像处理精度高。应用数字图像处理技术处理的图像，其精度和再现性都提高了一个层次，尤其是在各种算法和程序的支撑下，进一步确保了计算的精度和正确性。③交叉融合了多门学科和新技术。数字图像处理的应用基础包含了众多学科和技术，其中数学和物理是关键，而通信、计算机、电子等技术则是确保其处理质量的关键技术。④数据处理量大[3]。图像本身就包含了大量的信息，数字图像处理技术可以更好地区分有用信息和冗余信息，从而获取处理的关键性信息。 1、下图是一用于干涉原理进行测试的干涉场图像，要求判读条纹的间距，请给 出图像处理的方案并说明每一步的作用及其对其它处理步骤可能产生的影响。 解：步骤与思路： ○1.进行模糊处理，消除噪声 ○2.边缘检测，进行图像增强处理 ○3．二值化图像，再进行边缘检测，能够得到很清晰的边界。 ○4.采用横向标号法，根据值为1像素在标号中的相邻位置可以确定间距 I=imread('xz mjt.bmp'); I1=medfilt2(I); %对图像中值滤波 imshow(I1); [m,n]=size(I1); for i=1:m for j=1:n if(I1(i,j)<100) %阈值为100 I1(i,j)=255; else I1(i,j)=0; %进行二值化 end end end figure; imshow(I1); Y1=zeros(1,25); y2=y1; c=y2; i=100; for j=1:1200 if (I1(i,j)==255&&I1(i,j+1)==0) Y1=j+1; end if (I1(i,j)==0&&I1(i,j+1)==255) Y2=j; end end for i=1:25 c=Y2(i)-Y1(i) end c %找出每两个条纹之间的距离 2. 现有8个待编码的符号m0,……,m7,它们的概率分别为0.11,0.02,0.08,0.04,0.39,0.05,0.06,0.25,利用哈夫曼编码求出这一组符号的编码并画出哈夫曼树。 3. 请以图像分割方法为主题，结合具体处理实例，采用期刊论文格式，撰写一篇小论文。 毕业论文声明 本人郑重声明： 1．此毕业论文是本人在指导教师指导下独立进行研究取得的成果。除了特别加以标注地方外，本文不包含他人或其它机构已经发表或撰写过的研究成果。对本文研究做出重要贡献的个人与集体均已在文中作了明确标明。本人完全意识到本声明的法律结果由本人承担。 2．本人完全了解学校、学院有关保留、使用学位论文的规定，同意学校与学院保留并向国家有关部门或机构送交此论文的复印件和电子版，允许此文被查阅和借阅。本人授权大学学院可以将此文的全部或部分内容编入有关数据库进行检索，可以采用影印、缩印或扫描等复制手段保存和汇编本文。 3．若在大学学院毕业论文审查小组复审中，发现本文有抄袭，一切后果均由本人承担，与毕业论文指导老师无关。 4.本人所呈交的毕业论文，是在指导老师的指导下独立进行研究所取得的成果。论文中凡引用他人已经发布或未发表的成果、数据、观点等，均已明确注明出处。论文中已经注明引用的内容外，不包含任何其他个人或集体已经发表或撰写过的研究成果。对本文的研究成果做出重要贡献的个人和集体，均已在论文中已明确的方式标明。 学位论文作者（签名）： 年月 关于毕业论文使用授权的声明 本人在指导老师的指导下所完成的论文及相关的资料（包括图纸、实验记录、原始数据、实物照片、图片、录音带、设计手稿等），知识产权归属华北电力大学。本人完全了解大学有关保存，使用毕业论文的规定。同意学校保存或向国家有关部门或机构送交论文的纸质版或电子版，允许论文被查阅或借阅。本人授权大学可以将本毕业论文的全部或部分内容编入有关数据库进行检索，可以采用任何复制手段保存或编汇本毕业论文。如果发表相关成果，一定征得指导教师同意，且第一署名单位为大学。本人毕业后使用毕业论文或与该论文直接相关的学术论文或成果时，第一署名单位仍然为大学。本人完全了解大学关于收集、保存、使用学位论文的规定，同意如下各项内容：按照学校要求提交学位论文的印刷本和电子版本；学校有权保存学位论文的印刷本和电子版，并采用影印、缩印、扫描、数字化或其它手段保存或汇编本学位论文；学校有权提供目录检索以及提供本学位论文全文或者部分的阅览服务；学校有权按有关规定向国家有关部门或者机构送交论文的复印件和电子版，允许论文被查阅和借阅。本人授权大学可以将本学位论文的全部或部分内容编入学校有关数据库和收录到《中国学位论文全文数据库》进行信息服务。在不以赢利为目的的前提下，学校可以适当复制论文的部分或全部内容用于学术活动。 论文作者签名：日期： 指导教师签名：日期： 数字图像处理的发展概况 数字图像处理就是用计算机对图像进行分析和处理，它是一门跨学科的技术。数字图像处理始于20世纪50年代。特别是在1964年，美国喷射推进实验室使用计算机对太空船送回地面的大批月球照片进行处理后，得到了清晰逼真的图像，使这门技术受到了广泛的关注，它成为这门技术发展的重要里程碑，此后数字图像处理技术在空间研究方面得到了广泛的应用。20世纪70年代初，由于大量的研究和应用，数字图像处理已具备了自己的技术特色，并形成了较完善的学科体系，从而成为一门独立的新学科，目前，数字图像处理在生物医学、通信、流通领域，产业界、文件处理领域，军事、公女、遥感，宇宙探险及日常生活中被广泛应用，已经成为当代不可缺少的一门技术。 (1)生物医学。生物医学数字图像处理技术大约是20世纪80年代初在生物医学上得到广泛应用的，随着现代医学特别是数字化医疗技术的不断发展，数字图像处理技术显得更为重要。如X光对人体组织有损害，在临床上为了减少这种生物副效应，同时又能得到比较理想的病人的X光片，可以用强度较低的X光对病人进行照相，然后通过图像处理技术得到清晰的图像，这就是X光图像的处理。此外，数字图像处理技术还应用到对超声图像的处理、激光显微图像的处理、CT 图像的处理、磁共振图像的处理、PET图像的处理等。目前，数字图像处理技术在现代医学中不仅用于图像的加工和处理，同时还用于信息的存储和传输。 (2)通信。在多媒体网络通讯中，对电视和电话等传输的图像进行数据压缩和处理等。 (3)流通领域、产业界、文件处理领域。数字图像处理技术在文件处理、机器人视觉、地质、海洋、气象、农业、灾害治理、货物检测、邮政编码、金融、银行、工矿企业、冶金、渔业、机械、交通、电子商务等领域被广泛应用。 (4)军事和公安。对现场照片、指纹和手迹等图像进行分析和处理。 数字图像处理主要应用于下面的几个领域。 (5)遥感，遥感是用不同光源和技术获得大量的遥感图像，这些图像需要用数字图像处理技术加工处理并提取有用的信息。 数字图像处理 1.图像工程的三个层次是指哪三个层次？各个层次对应的输入、输出对象分别是什么？ ①图像处理 特点：输入是图像，输出也是图像，即图像之间进行的变换。 ②图像分割 特点：输入是图像，输出是数据。 ③图像识别 特点：以客观世界为中心，借助知识、经验等来把握整个客观世界。“输入是数据，输出是理解。 2.常用的颜色模型有哪些（列举三种以上）？并分别说明颜色模型各分量代表的意义。 ①RGB（红、绿、蓝）模型 ②CMY（青、品红、黄）模型 ③HSI（色调、饱和度、亮度）模型 3.什么是图像的采样？什么是图像的量化？ 1．采样 采样的实质就是要用多少点来描述一幅图像，采样结果质量的高低就是用前面所说的图像分辨率来衡量。简单来讲，对二维空间上连续的图像在水平和垂直方向上等间距地分割成矩形网状结构，所形成的微小方格称为像素点。一副图像就被采样成有限个像素点构成的集合。例如：一副640*480分辨率的图像，表示这幅图像是由640*480＝307200个像素点组成。 2．量化 量化是指要使用多大范围的数值来表示图像采样之后的每一个点。量化的结果是图像能够容纳的颜色总数，它反映了采样的质量。 针对数字图像而言： 采样决定了图像的空间分辨率，换句话说，空间分辨率是图像中可分辨的最小细节。 量化决定了图像的灰度级，即指在灰度级别中可分辨的最小变化。 数字图像处理（第三次课） 调用图像格式转换函数实现彩色图像、灰度图像、二值图像、索引图像之间的转换。 图像的类型转换： 对于索引图像进行滤波时，必须把它转换为RGB图像，否则对图像的下标进行滤波，得到的结果是毫无意义的; 2.用MATLAB完成灰度图像直方图统计代码设计。 数字图像处理应用论文数字图像处理技术论文 关于数字图像处理及其应用的研究 摘要：首先对数字图像处理的关键技术以及相应的处理设备进行详细的探讨，然后对数字图像处理的应用领域以及发展趋势进行详尽论述。 关键词：数字图像处理：关键技术；应用领域 0 引言 人类通过眼、耳、鼻、舌、身接受信息，感知世界。约有75％的信息是通过视觉系统获取的。数字图象处理是用数字计算机处理所获取视觉信息的技术，上世纪20年代Bartlane电缆图片传输系统(纽约和伦敦之间海底电缆)传输一幅图片所需的时间由一周多减少到小于3个小时；上世纪50年代，计算机的发展，数字图像处理才真正地引起人们的巨大兴趣；1964年，数字图像处理有效地应用于美国喷气推进实验室(J.P.L)对“徘徊者七号”太空船发回的大批月球照片的处理；但是直到上世纪六十年代末至七十年代扔，由于离散数学理论的创立和完善，使之形成了比较完整的理论体系，成为一门新兴的学科。数字图像处理的两个主要任务：如何利用计算机来改进图像的品质以便于人类视觉分析；对图像数据进行存储、传输和表示，便于计算机自动化处理。图像处理的范畴是一个受争论的话题，因此也产生了其他的领域比如图像分析和计算机视觉等等。 1 数字图像处理主要技术概述 不论图像处理是基于什么样的目的，一般都需要通过利用计算机图像处理对输入的图像数据进行相关的处理，如加工以及输出，所以关于数字图像处理的研究，其主要内容可以分为以下几个过程。图像获取：这个过程基本上就是把模拟图像通过转换转变为计算机真正可以接受的数字图像，同时，将数字图像显示并且体现出来(例如彩色打印)。数据压缩和转换技术：通过数据压缩和数据转换技术的研究，减少数据载体空间，节省运算时间，实现不同星系遥感数据应用的一体化。图像分割：虽然国内外学者已提出很多种图像分割算法，但由于背景的多变性和复杂性，至今为止还没有一种能适用于各种背景的图像分割算法。当前提出的小波分析、模糊集、分形等新的智能信息处理方法有可能找到新的图像分割方法。图像校正：在理想情况下，卫星图像上的像素值只依赖于进入传感器的辐射强度；而辐射强度又只与太阳照射到地面的辐射强度和地物的辐射特性(反射率和发射率)有关，使图像上灰度值的差异直接反映了地物目标光谱辐射特性的差异，从而区分地物目标。图像复原，以图像退化的数学模型为基础，来改善图像质量表达与描述，图像分割后，输出分割标记或目标特征参数；特征提取：计算描述目标的特征，如目标的几何形状特征、统计特征、矩特征、纹理特征等。图像增强：显示图像中被模糊的细节。或是突出图像中感兴趣的特征。图像识别：统计模式识别、模糊模式识别、人工神经网络等。 数字图像处理技术的现状及其发展方向 一、数字图像处理历史发展 数字图像处理(Digital Image Processing)将图像信号转换成数字信号并利用计算机对其进行处理。 1.起源于20世纪20年代。 2.数字图像处理作为一门学科形成于20世纪60年代初期，美国喷气推进实验室(JPL)推动了数字图像处理这门学科的诞生。 3.1972年英国EMI公司工程师Housfield发明了用于头颅诊断的X射线计算机断层摄影装置即CT(Computer Tomograph)，1975年EMI公司又成功研制出全身用的CT装置,获得了人体各个部位鲜明清晰的断层图像。 4.从70年代中期开始,随着计算机技术和人工智能、思维科学研究的迅速发展,数字图像处理向更高、更深层次发展，人们已开始研究如何用计算机系统解释图像,实现类似人类视觉系统理解外部世界，其中代表性的成果是70年代末MIT的Marr提出的视觉计算理论。 二、数字图像处理的主要特点 1．目前数字图像处理的信息大多是二维信息,处理信息量很大,对计算机的计算速度、存储容量等要求较高。 2.数字图像处理占用的频带较宽,在成像、传输、存储、处理、显示等各个环节的实现上,技术难度较大,成本也高,这就对频带压缩技术提出了更高的要求。 3.数字图像中各个像素是不独立的,其相关性大。因此,图像处理中信息压缩的潜力很大。 4.由于图像是三维景物的二维投影,一幅图像本身不具备复现三维景物的全部几何信息的能力,要分析和理解三维景物必须作合适的假定或附加新的测量。在理解三维景物时需要知识导引,这也是人工智能中正在致力解决的知识工程问题。 5．一方面，数字图像处理后的图像一般是给人观察和评价的,因此受人的因素影响较大，作为图像质量的评价还有待进一步深入的研究；另一方面，计算机视觉是模仿人的视觉,人的感知机理必然影响着计算机视觉的研究,这些都是心理学和神经心理学正在着力研究的课题。 三、数字图像处理的优点 1.再现性好；图像的存储、传输或复制等一系列变换操作不会导致图像质量的退化。 2.处理精度高；可将一幅模拟图像数字化为任意大小的二维数组,现代扫描仪可以把每个像素的灰度等级量化为16位甚至更高。 3.适用面宽；图像可以来自多种信息源，图像只要被变换为数字编码形式后,均是用二维数组表示的灰度图像组合而成,因而均可用计算机来处理。 4.灵活性高；数字图像处理不仅能完成线性运算,而且能实现非线性处理,即凡是可以用数学公式或逻辑关系来表达的一切运算均可用数字图像处理实现。 四、数字图像处理过程及其主要进展 常见的数字图像处理有:图像的采集、数字化、编码、增强、恢复、变换、 数字图像处理实验报告 学院：信息学院 专业：电科1004班 姓名： 学号： 辅导老师： 完成日期： 2013年6月29日 空域图像增强 实验要求: (1)选择若干图像（两幅以上），完成直方图均衡化。 (2)选择若干图像（两幅以上），对图像文件分别进行均值滤波、中值滤波和拉 普拉斯锐化滤波操作。 (3)添加噪声，重复上述过程观察处理结果。 实验原理： (1)图像增强是图像处理的基本内容之一，图像增强是指按特定的需要突出一幅 图像中的某些信息，同时削弱或去除某些不需要信息的处理方法，其目的是使得处理后的图像对某种特定的应用，比原始图像更合适。处理的结果使图像更适应于人的视觉特性或机器的识别系统。图像增强主要可分为三类:频域图像增强方法、小波域图像增强方法、空域图像增强方法。 (2)空域图像增强主要包括:直方图均衡化、平滑滤波和锐化滤波等方法。 (3)直方图均衡化是图像处理领域中利用图像直方图对对比度进行调整的方法。 这种方法通常用来增加许多图像的局部对比度，尤其是当图像的有用数据的对比度相当接近的时候。通过这种方法，亮度可以更好地在直方图上分布。 这样就可以用于增强局部的对比度而不影响整体的对比度，直方图均衡化通过有效地扩展常用的亮度来实现这种功能。直方图均衡化的基本思想是把原始图的直方图变换为均匀分布的形式，这样就增加了象素灰度值的动态范围从而可达到增强图像整体对比度的效果。 (4)平滑滤波是低频增强的空间域滤波技术。它的目的有两类：一类是模糊；另 一类是消除噪音。空间域的平滑滤波一般采用简单平均法进行，就是求邻近像元点的平均亮度值。 (5)均值滤波是典型的线性滤波算法，它是指在图像上对目标像素给一个模板， 该模板包括了其周围的临近像素（以目标象素为中心的周围8个象素，构成一个滤波模板，即去掉目标象素本身）。再用模板中的全体像素的平均值来代替原来像素值。均值滤波也称为线性滤波，其采用的主要方法为邻域平均法。 线性滤波的基本原理是用均值代替原图像中的各个像素值，即对待处理的当前像素点（x，y），选择一个模板，该模板由其近邻的若干像素组成，求模板中所有像素的均值，再把该均值赋予当前像素点（x，y），作为处理后图像在该点上的灰度个g（x，y），即个g（x，y）=1/m ∑f（x，y） m为该模板中包含当前像素在内的像素总个数。 (6)中值滤波是基于排序统计理论的一种能有效抑制噪声的非线性信号处理技 术，中值滤波的基本原理是把数字图像或数字序列中一点的值用该点的一个邻域中各点值的中值代替，让周围的像素值接近的真实值，从而消除孤立的噪声点。方法是用某种结构的二维滑动模板，将板内像素按照像素值的大小进行排序，生成单调上升（或下降）的为二维数据序列。二维中值滤波输出为g（x,y）=med{f(x-k,y-l),(k,l∈W)} ，其中,f(x,y)，g(x,y)分别为原始图像和处理后图像。W为二维模板，通常为2*2，3*3区域，也可以是不同的的形状，如线状，圆形，十字形，圆环形等。 (7)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。 拉普拉斯算子也是最简单的各向同性微分算子，具有旋转不变性。一个二维 数字图像处理课程论文图像复原算法研究 学院：信息科学与工程学院 专业：通信工程 姓名： 学号： 任课教师： 2017年5月 摘要 数字图像恢复是数字图像处理的一个基本的和重要的课题，它是后期图像处理的前提。图像在获取、上传、保存的过程中不可避免地引起图像退化和图像质量的下降，图像恢复就是试图利用退化过程的先验知识使已退化的图像恢复本来面貌。本论文主要研究引起退化的环境因素，建立相应的数学模型，并沿着使图像降质的逆过程恢复图像。本文首先对测试图像进行模糊及加噪处理，在已知系统退化模型的情况下，对观测图像分别使用逆滤波、维纳滤波、有约束的最小二乘方滤波算法进行复原，并比较它们的处理效果。在这几种算法的参数选取上得到了丰富的经验数据，并对实验结果进行了分析总结。发现维纳滤波较约束最小二乘法滤波效果要好，这是因为前者利用了原图像的统计信息，采用了真实的PSF函数来恢复。无论何种算法，它们都要依据获取的相关信息才能有效地实施，算法利用的信息越多，信息的准确性越高，复原图像的质量也就越高。 关键词:图像复原;逆滤波;维纳滤波;有约束的最小二乘方滤波 一、引言 MATLAB 语言是由美国MathWorks公司推出的计算机软件，经过多年的逐步发展与 不断完善，现已成为国际公认的最优秀的科学计算与数学应用软件之一，是近几年来在国外广泛流行的一种可视化科学计算软件。它集数值分析、矩阵运算、信号处理和图形显示于一体，构成了一个方便的、界面友好的用户环境，而且还具有可扩展性特征。MathWorks 公司针对不同领域的应用，推出了信号处理、控制系统、神经网络、图像处理、小波分析、鲁棒控制、非线性系统控制设计、系统辨识、优化设计、统计分析、财政金融、样条、通信等30 多个具有专门功能的工具箱，这些工具箱是由该领域的学术水平较高的专家编写的，无需用户自己编写所用的专业基础程序，可直接对工具箱进行运用。同时，工具箱的函数源程序也是开放性的，多为M 文件，用户可以查看这些文件的代码并进行更改，MALAB 支持用户对其函数进行二次开发，用户的应用程序也可以作为新的函数添加到相应的工具箱中。MATLAB 中的数字图像是以矩阵形式表示的，这意味着MATLAB 强大的矩阵运算能力用于图像处理非常有利，矩阵运算的语法对MATLAB 中的数字图像同样适用。本文对MATLAB 图像处理工具箱进行探索及应用，实验证明该软件功能强大，语言简洁易学，人机界面友好，工具箱具有丰富的技术支持并集成了该领域专家的智慧，应用简单而效果良好。 二、实验原理 2.1图像退化模型构建 图像复原处理是建立在图像退化的数学模型基础上的，这个退化数学模型能够反映图像退化的原因。图像的退化过程可以理解为施加于原图像上的运算和噪声两者联合作用的结果，图像退化模型如图1所示，可以表示为： g ( x, y)H [ f ( x, y)]n( x, y)f ( x, y)h( x, y) n( x, y) （1）《数字图像处理》结课小论文
数字图像处理技术现状及发展趋势
数字图像处理大作业
数字图像处理毕业论文
数字图像处理的发展概况
(完整版)数字图像处理大作业
数字图像处理应用论文数字图像处理技术论文
数字图像处理技术的现状及其发展方向(笔记)
数字图像处理大作业要点
数字图像处理图像复原算法论文设计
相关主题
文本预览