数字图像处理课设

数字图像处理系统课设报告

姓名：熊礼强学号：20080810010223 班级：08信息2班

一、目的与要求

本课程着重研究数字图像处理的方法，训练学生运用所学基础知识解决实际问题的能力，同时要求拓宽专业知识面。该课程是一门涉及多领域的专业选修课。它是图像通信、模式识别、计算机视觉等学科的基础。通过对本课程的学习，要求学生掌握数字图像处理的基本处理技术，较深入地理解数字图像处理的基本概念、基础理论以及解决问题的基本思想方法。从而使学生具有初步综合利用所学知识深入研究有关信息领域问题的能力。本课程数字图像处理是论述其基本理论、方法及其在计算机领域中应用的学科分支，是实现机器视觉的有效工具。学习本门课程的主要目的是使学生掌握数字图像处理的基本概念、原理、和方法，并未以后在此方向上的深入研究奠定基础。

通过本课程设计，使学生理解和巩固所学的理论知识，树立解决实际问题的严谨科学态度。实验前要求做好编程准备工作，提高实验效果，注重独立分析问题、解决问题的能力培养，训练实际操作，鼓励创新设想。

二、二值化以及马赛克应用背景

二值化：

在指纹自动识别系统中，图像采集设备所得到的图像是一幅含有较多噪声的灰度图，必须经过预处理，除去大量的噪声信号，得到一幅纹线清晰的点线图，才能进行指纹特征的提取和匹配。而二值化是图像预处理中非常重要的一步。对图像进行二值化处理，一方面对图像信息进行了压缩，保留了纹线的主要信息，节约了存储空间，便于计算机存储和处理。另一方面还可以去除大量的粘连，为指纹特征的提取和匹配做准备。

二值图像是指整幅图像画面内仅黑（灰度值为0）白（灰度值为1）二值的图像，在它们上面不呈现出灰度的变化。在数字图像处理中，二值图像占有非常重要的地位。这是因为在实用的图像处理系统中，要求处理的速度高、成本低，信息量大的浓淡图像处理花销太大，不是上策。而且二值化后的图像能够用几何学中的概念进行分析和特征描述，比起灰度图像来说方便得多。因而二值图像处理目前已成为

图像处理中的一个独立的、重要分支而获得广泛的应用。对于指纹的识别来说，有有的信息得包含有脊线和谷线的二值描述中。因而必须根据原始的灰度图像来确定图像上的每一点应属于客体区域还是背景区域，从而产生对应的二值图像。它不仅可以大大减少储存量，而且对使得后面的判别过程少受干扰，大大简化其后的处理方法。二值化后的图像是以后处理的基础，它的算法对后面的处理有直接的影响。一个好的算法可以得到一个高质量的二值图像。反之，如果该阶段引入噪声，就会直接降低图像质量，影响识别精度。

马赛克：

马赛克指现行广为使用的一种图像（视频）处理手段，此手段将影像特定区域的色阶细节劣化并造成色块打乱的效果，因为这种模糊看上去有一个个的小格子组成，便形象的称这种画面为马赛克。马赛克常用于遮挡重要部位，其目的通常是使之无法辨认，而因此用在影像处理时有时也称为码赛克(由单纯音译加入了密码的涵义)。

马赛克（Mosaic），建筑专业名词为锦砖，分为陶瓷锦砖和玻璃锦砖两种。是一种装饰艺术，通常使用许多小石块或有色玻璃碎片拼成图案，在教堂中的玻璃艺品，又称为花窗玻璃（stained glass）。在拜占庭帝国时代，马赛克随着基督教兴起而发展为教堂及宫殿中的壁画形式。现今马赛克泛指这种类型五彩斑斓的视觉效果。马赛克也指现行广为使用的一种图像（视频）处理手段，此手段将影像特定区域的色阶细节劣化并造成色块打乱的效果，因为这种模糊看上去有一个个的小格子组成，便形象的称这种画面为马赛克。

三、设计内容以及原理

在此课程设计中，使用delphi软件编程，对图像进行处理。在编程中实现对图像处理的原理。在delphi软件中首先新建一个工程，使用可视化的设计，将图像图片加载到软件中同时保存在相对路径下，以便软件随便调用。

图像的二值化处理就是将图像上的像素点的灰度值设置为0或255，也就是讲整个图像呈现出明显的黑白效果。将256个亮度等级的灰度图像通过适当的阀值选取而获得仍然可以反映图像整体和局部特征的二值化图像。在数字图像处理中，二值图像占有非常重要的地位。首先，图像的二值化有利于图像的进一步处理，使图像变得简单，而且数据量减小，能凸显出感兴趣的目标的轮廓。其次，要进行二值图像的处理与分析，首先要把灰度图像二值化，得到二值化图像。

所有灰度大于或等于阀值的像素被判定为属于特定物体，其灰度值为255表示，否则这些像素点被排除在物体区域以外，灰度值为0，表示背景或者例外的物体区域。

图像的二值化处理的变换函数表达式：

?

?

?≥<=T y x f T y x f y x g ),(255),(0),(

利用图像的二值化处理的关键是求出阀值T ，在程序运行过程，我们先计算出二值图像的腐蚀与膨胀以及击中或不击中变换。

二值图像的细化，首先循环读出二值图所有像素，然后区分图像和背景图像，循环读取二值图所有像素。

在马赛克处理当中，首先获取当前像素的三基色RGB ，各种颜色的取值，然后分别将三基色的red 、green 、blue 取不同的值，而取值的范围像素点的值进行相加，算法为red:=rgbpoint[i-1,j-1].r+rgbpoint[i-1,j].r+rgbpoint[i-1,j+1].r+rgbpoint[i,j-1].r+rgbpoint[i,j].r+rgbpoint[i,j+1].r+rgb point[i+1,j-1].r + rgbpoint[i+1,j].r+rgbpoint[i+1,j+1].r 其中red 可以为green 或者blue ，然后将当前需要马赛克的图像的像素点的三基色取值为已经变换的值进行处理，即可得出一张马赛克的图像。 四、各个功能模块以及代码实现

1、 图像的二值化：

（1）变量的设置：Bitmap:TBitmap; FBitmap:TBitmap ;

p:pbytearray; i,j,k:integer

（2）函数的功能：

1、Bitmap.PixelFormat:=pf24bit 使得变量Bitmap 像素格

式化。

2、使用一个循环对Bitmap 每个像素点进行判断赋值。

3、使用一个p:=Bitmap.ScanLine[i]，通过判断进行赋值 0或者255。

4、最后调用生成一个新的图像

Image.Picture.Bitmap.Assign( 参数Bitmap)方法。

2、图像的马赛克

（1）变量的设置：red:integer; green:integer; blue:integer;

i:integer; j:integer;

（2）函数的功能：

1、getrgbp(sender);获得扫描点周围及本身共九个点的

RGB的平均值。

2、if messagedlg('是否要在修改图上加上马赛克处

理？',mtconfirmation,[mbyes,mbno],0)=mryes；判断

是否要进行马赛克处理。

3、image3.Canvas.Pixels[i,j]:=image5.canvas.pixels[i,j];将计

算出来的RGB的平均值赋值给原来的九个点。

3、程序主要实现代码：

（1）二值化处理源代码：

procedure TForm1.N23Click(Sender: TObject);

var

Bitmap:TBitmap;

FBitmap:TBitmap;

p:pbytearray;

i,j,k:integer;

begin

Bitmap:=TBitmap.Create;

Button5.Enabled:=true;

Label15.Visible:=true;

TrackBar1.Visible:=true;

//TrackBar1.Position:=128;

Label14.Visible:=true;

Label14.Caption:='二值化处理后：';

// if Image9.Picture=nil then

FBitmap:=Image1.Picture.Bitmap ;

//else

//FBitmap:=Image9.Picture.Bitmap;

Bitmap.Assign(FBitmap);

Bitmap.PixelFormat:=pf24bit;

for i:=0 to Bitmap.Height-1 do

begin

p:=Bitmap.ScanLine[i];

for j:=0 to Bitmap.Width-1 do

begin

if p[j*3+1]=p[j*3+2] then k:=p[j*3+2]

else k:=round(p[j*3]*0.3+p[j*3+1]*0.59+p[j*3+2]*0.11);

if k>TrackBar1.Position then

begin

p[j*3]:=0;

p[j*3+1]:=0;

p[j*3+2]:=0;

end

else

begin

p[j*3]:=255;

p[j*3+1]:=255;

p[j*3+2]:=255;

end;

end;

end;

Image9.Picture.Bitmap.Assign(Bitmap);

Bitmap.Free;

end;

（2）马赛克处理源代码：

procedure TForm1.N16Click(Sender: TObject); //马赛克

var

red:integer;

green:integer;

blue:integer;

i:integer;

j:integer;

begin

n5.Enabled:=true;

button5.ENabled:=true;

getrgbp(sender);

i:=1;

while(i

begin

j:=1;

while(j

begin

red:=rgbpoint[i-1,j-1].r+rgbpoint[i-1,j].r+rgbpoint[i-1,j+1].r+

rgbpoint[i,j-1].r+rgbpoint[i,j].r+rgbpoint[i,j+1].r+rgbpoint[i+1,j-1].r

+ rgbpoint[i+1,j].r+rgbpoint[i+1,j+1].r;

green:=rgbpoint[i-1,j-1].g+rgbpoint[i-1,j].g+rgbpoint[i-1,j+1].g+

rgbpoint[i,j-1].g+rgbpoint[i,j].g+rgbpoint[i,j+1].g+rgbpoint[i+1,j-1].g

+ rgbpoint[i+1,j].g+rgbpoint[i+1,j+1].g;

blue:=rgbpoint[i-1,j-1].b+rgbpoint[i-1,j].b+rgbpoint[i-1,j+1].b+

rgbpoint[i,j-1].b+rgbpoint[i,j].b+rgbpoint[i,j+1].g+rgbpoint[i+1,j-1].g

+ rgbpoint[i+1,j].g+rgbpoint[i+1,j+1].g;

image5.canvas.pixels[i-1,j-1]:=rgb(red div 9,green div 9,blue div 9);

image5.canvas.pixels[i-1,j]:=rgb(red div 9,green div 9,blue div 9);

image5.canvas.pixels[i-1,j+1]:=rgb(red div 9,green div 9,blue div 9);

image5.canvas.pixels[i,j-1]:=rgb(red div 9,green div 9,blue div 9);

image5.canvas.pixels[i,j]:=rgb(red div 9,green div 9,blue div 9);

image5.canvas.pixels[i,j+1]:=rgb(red div 9,green div 9,blue div 9);

image5.canvas.pixels[i+1,j-1]:=rgb(red div 9,green div 9,blue div 9);

image5.canvas.pixels[i+1,j]:=rgb(red div 9,green div 9,blue div 9);

image5.canvas.pixels[i+1,j+1]:=rgb(red div 9,green div 9,blue div 9);

j:=j+3;

end;

i:=i+3;

end;

if messagedlg('是否要在修改图上加上马赛克处理？',mtconfirmation,[mbyes,mbno],0)=mryes then

begin

getrgbp(sender);

for i:=0 to xx do

for j:=0 to yy do

begin

image3.Canvas.Pixels[i,j]:=image5.canvas.pixels[i,j];

end;

end;

end;

五、程序运行结果以及图像处理结果运行结果：

(1)二值化

（2）马赛克处理

六、课程设计总结与心得体会

在这次的课程设计中不仅检验了我所学习的知识，也培养了我如何去把握一件事情，如何去做一件事情，又如何完成一件事情。在设计过程中，与同学分工设计，和同学们相互探讨，相互学习，相互监督。学会了合作，学会了运筹帷幄，学会了宽容，学会了理解，也学会了做人与处世。课程设计是我们专业课程知识综合应用的实践训练，着是我们迈向社会，从事职业工作前一个必不少的过程。“千里之行始于足下”，通过这次课程设计，我深深体会到这句千古名言的真正含义。我今天认真的进行课程设计，学会脚踏实地迈开这一步，就是为明天能稳健地在社会大潮中奔跑打下坚实的基础。

通过这次数字图像处理课程设计，本人在多方面都有所提高。通过这次课程设计，综合运用本专业所学课程的理论。在图像处理过程中，使用相对应的方法去获得自己需要的效果，在这次设计过程中，体现出自己的能力以及综合运用知识的能力，体会了学以致用、突出

自己劳动成果的喜悦心情，从中发现自己平时学习的不足和薄弱环节，从而加以弥补。

在此感谢我们的指导老师，老师严谨细致、一丝不苟的作风一直是我工作、学习中的榜样；老师循循善诱的教导和不拘一格的思路给予我无尽的启迪；这次数据图像处理的每个实验细节和每个数据，都离不开老师您的细心指导。而您开朗的个性和宽容的态度，帮助我能够很顺利的完成了这次课程设计。

同时感谢对我帮助过的同学们，谢谢你们对我的帮助和支持，让我感受到同学的友谊。由于本人的设计能力有限，在设计过程中难免出现错误，恳请老师们多多指教,我十分乐意接受你们的批评与指正，本人将万分感谢。

七、参考文献

1.许录平编著，数字图像处理，科学出版社，2007.

2.许录平编著，数字图像处理学习指导，科学出版社，2009.

3.Prince, J. L. and Links, J. M． Medical Imaging, Signals,

and Systems，Prentice Hall 2006

4.Morgan Kaufmann． Machine Vision: Theory, Algorithms,

Practicalities，Thomson Learning 2005

5.Castleman K.R. Digital Image Processing, 2nd Edition,

Prentice-Hall, 2002.

6.Gonzalez R.C. and Woods R.E, Digital Image Processing,

Prentice Hall, 2002

7.容观澳编著，计算机图像处理，清华大学出版社， 2000 年 2 月。

8.崔屹编著，图像处理与分析—数学形态学，科学出版社， 2000

年4 月。

9.张德丰等编著，MATLAB数字图像处理，机械工业出版社，

2009-1-1。

10.郭文强，侯勇严编著，数字图像处理，西安电子科技大学出版社，

2009-5-1。

数字图像处理实验报告完整版

数字图像处理 实验一 MATLAB数字图像处理初步 一、显示图像 1．利用imread( )函数读取一幅图像，假设其名为lily.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； 实验结果如下图： 源代码： >>I=imread('lily.tif') >> whos I >> imshow(I) 二、压缩图像 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lily.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flily.bmp。7．用imread()读入图像Sunset.jpg和Winter.jpg； 8．用imfinfo()获取图像Sunset.jpg和Winter.jpg的大小； 9．用figure,imshow()分别将Sunset.jpg和Winter.jpg显示出来，观察两幅图像的质量。 其中9的实验结果如下图：

源代码： 4~6(接上面两个) >>I=imread('lily.tif') >> imfinfo 'lily.tif'； >> imwrite(I,'lily.jpg','quality',20); >> imwrite(I,'lily.bmp'); 7~9 >>I=imread('Sunset.jpg'); >>J=imread('Winter.jpg') >>imfinfo 'Sunset.jpg' >> imfinfo 'Winter.jpg' >>figure(1),imshow('Sunset.jpg') >>figure(2),imshow('Winter.jpg') 三、二值化图像 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。实验结果如下图： 源代码： >> I=imread('lily.tif') >>gg=im2bw(I,0.4); F>>igure, imshow(gg)

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)

数字图像处理实验报告

数字图像处理实验报告 实验一数字图像基本操作及灰度调整 一、实验目的 1)掌握读、写图像的基本方法。 2)掌握MATLAB语言中图像数据与信息的读取方法。 3)理解图像灰度变换处理在图像增强的作用。 4)掌握绘制灰度直方图的方法，理解灰度直方图的灰度变换及均衡化的方 法。 二、实验内容与要求 1.熟悉MATLAB语言中对图像数据读取，显示等基本函数 特别需要熟悉下列命令：熟悉imread()函数、imwrite()函数、size()函数、Subplot（）函数、Figure（）函数。 1)将MATLAB目录下work文件夹中的forest.tif图像文件读出.用到imread， imfinfo 等文件，观察一下图像数据，了解一下数字图像在MATLAB中的处理就是处理一个矩阵。将这个图像显示出来（用imshow）。尝试修改map颜色矩阵的值，再将图像显示出来，观察图像颜色的变化。 2)将MATLAB目录下work文件夹中的b747.jpg图像文件读出，用rgb2gray() 将其 转化为灰度图像，记为变量B。 2.图像灰度变换处理在图像增强的作用 读入不同情况的图像，请自己编程和调用Matlab函数用常用灰度变换函数对输入图像进行灰度变换，比较相应的处理效果。 3.绘制图像灰度直方图的方法，对图像进行均衡化处理 请自己编程和调用Matlab函数完成如下实验。 1)显示B的图像及灰度直方图，可以发现其灰度值集中在一段区域，用 imadjust函 数将它的灰度值调整到[0，1]之间，并观察调整后的图像与原图像的差别，调整后的灰

度直方图与原灰度直方图的区别。 2) 对B 进行直方图均衡化处理，试比较与源图的异同。 3) 对B 进行如图所示的分段线形变换处理，试比较与直方图均衡化处理的异同。 图1.1 分段线性变换函数 三、实验原理与算法分析 1. 灰度变换 灰度变换是图像增强的一种重要手段，它常用于改变图象的灰度范围及分布，是图象数字化及图象显示的重要工具。 1) 图像反转 灰度级范围为[0, L-1]的图像反转可由下式获得 r L s --=1 2) 对数运算：有时原图的动态范围太大，超出某些显示设备的允许动态范围， 如直接使用原图，则一部分细节可能丢失。解决的方法是对原图进行灰度压缩，如对数变换： s = c log(1 + r )，c 为常数，r ≥ 0 3) 幂次变换： 0,0,≥≥=γγc cr s 4) 对比拉伸：在实际应用中,为了突出图像中感兴趣的研究对象，常常要求 局部扩展拉伸某一范围的灰度值，或对不同范围的灰度值进行不同的拉伸处理，即分段线性拉伸： 其对应的数学表达式为：

《数字图像处理》结课小论文

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

数字图像处理实验报告

实验一灰度图像直方图统计 一、实验目的 掌握灰度图像直方图的概念和计算方法，了解直方图的作用和用途。提高学生编程能力，巩固所学知识。 二、实验内容和要求 （1）用Photoshop显示、了解图像平均明暗度和对比度等信息； （2）用MatLab读取和显示一幅灰度图像； （3）用MatLab编写直方图统计的程序。 三、实验步骤 1. 使用Photoshop显示直方图： 1）点击文件→打开，打开一幅图像； 2）对图像做增强处理，例如选择图像→调整→自动对比度对图像进行灰度拉伸，观察图像进行对比度增强前后的视觉变化。 3）利用统计灰度图像直方图的程序分别针对灰度拉伸前后的灰度图像绘制其灰度直方图，观察其前后的直方图变化。 2．用MatLab读取和显示一幅灰度图像； 3. 绘制图像的灰度直方图； function Display_Histogram()

Input=imread('timg.jpg'); figure(100); imshow(uint8(Input)); title('原始图像'); Input_Image=rgb2gray(Input); figure(200); imshow(uint8(Input_Image)); title('灰度图像'); sum=0; His_Image=zeros(1,256); [m,n]=size(Input_Image); for k=0:255 for I=1:m for j=1:n if Input_Image(I,j)==k His_Image(k+1)=His_Image(k+1)+1; end end end end figure(300); plot(His_Image); title('图像的灰度直方图'); 4.显示图像的灰度直方图。

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

东南大学数字图像处理实验报告

数字图像处理 实验报告 学号：04211734 姓名：付永钦 日期：2014/6/7 1.图像直方图统计 ①原理：灰度直方图是将数字图像的所有像素，按照灰度值的大小，统计其所出现的频度。 通常，灰度直方图的横坐标表示灰度值，纵坐标为半个像素个数，也可以采用某一灰度值的像素数占全图像素数的百分比作为纵坐标。 ②算法： clear all PS=imread('girl-grey1.jpg'); %读入JPG彩色图像文件figure(1);subplot(1,2,1);imshow(PS);title('原图像灰度图'); [m,n]=size(PS); %测量图像尺寸参数 GP=zeros(1,256); %预创建存放灰度出现概率的向量 for k=0:255 GP(k+1)=length(find(PS==k))/(m*n); %计算每级灰度出现的概率end figure(1);subplot(1,2,2);bar(0:255,GP,'g') %绘制直方图 axis([0 255 min(GP) max(GP)]); title('原图像直方图') xlabel('灰度值') ylabel('出现概率') ③处理结果：

原图像灰度图 100 200 0.005 0.010.0150.020.025 0.030.035 0.04原图像直方图 灰度值 出现概率 ④结果分析：由图可以看出，原图像的灰度直方图比较集中。 2. 图像的线性变换 ①原理：直方图均衡方法的基本原理是：对在图像中像素个数多的灰度值（即对画面起主 要作用的灰度值）进行展宽，而对像素个数少的灰度值（即对画面不起主要作用的灰度值）进行归并。从而达到清晰图像的目的。 ②算法： clear all %一，图像的预处理，读入彩色图像将其灰度化 PS=imread('girl-grey1.jpg'); figure(1);subplot(2,2,1);imshow(PS);title('原图像灰度图'); %二，绘制直方图 [m,n]=size(PS); %测量图像尺寸参数 GP=zeros(1,256); %预创建存放灰度出现概率的向量 for k=0:255

数字图像处理结课论文...docx

利用拉普拉斯算法对模糊图像进行 锐化处理 学院：电气信息工程学院 专业：通信工程 姓名：田鸿龙 学号：20110107 摘要：本文描述了拉普拉斯高 斯边缘检测算法结合算法在DelphiG编程环境下对BMP格式 的灰度图像进行了边缘检测处理，从而体现其优越性。彩色图

像增强过程中，对图像进行锐化处理是一个重要环节。介绍了 图像锐化处理的槪念和拉普拉斯算子的算法原理。 关键词：边缘检测，图像处理，拉普拉斯高斯算法，Sobel算子。 图像锐化(image sharpening)就是补偿图像的，增强图像的边缘及灰度跳变的部分，使图像变得淸晰，亦分空域处理和频域处理两类。 数字图像的边缘检测是图像分割、区域识别和特征提取等图像分析领域的重要基础。图像的边缘是图像的最基本的特征，是指图像局部亮度变化最显著的地方，通常与图像亮度或图像亮度的一阶导数的不连续性有关。对于数字图像灰度值的显著变化可以用梯度来表示，边缘检测很大程度上来说就是求梯度。边缘检测的好坏直接影响到图像理解和识别的质虽，选择什么样的边缘检测算法就很关键。本文引入拉普拉斯高斯算法，讨论其工作原理，利用Delphi结合拉普拉斯髙斯算法对BMP格式的灰度图像进行了边缘检测处理并对比其它算法给出了拉普拉斯高斯算子的优越性。 一、图像锐化 图像模糊的主要原因是图像中的高频成分低于低频成分，它对图像量的影响体现在两个不同灰度区域的边界部分。图像锐化处理的目的是加强图像中景物的边缘和轮廓，使模糊的图像变得更淸晰。它是一种使图像原有信息变换为有利于人眼观察的质蚩:、消除模糊、好的视觉效果、图像边缘轮解分明。图像的模糊实质就是图像受到平均或积分运算造成的，因此可以对图像进行逆运算如微分运算来使图像清晰化。从频谱角度来分析，图像模糊的实质是其高频分量被衰减，因而可以通过高通滤波操作来淸晰图像。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。 图像的锐化一般有两种方法一种是微分法，另外一种是高通滤波法拉普拉斯锐化法是属于常用的微分锐化法。 1.1图像锐化的權念 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

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。

数字图像处理研研究生课程教学大纲

《数字图像处理》研研究生课程教学大纲 （课程编号S009108 学分-学时-上机 3-54-12） 东南大学计算机科学与工程学院 一、课程的性质与目的 本课程为计算机科学与技术一级学科中图像处理与科学可视化方向的重要专业课，包含了该专业方向学生必须掌握的专业知识。 通过课程学习，学生除了掌握必须的专业技术知识外，还需要了解该方向的研究前沿，提高阅读专业学术资料和解决实际问题的能力。 二、课程内容的教学要求 本课程采用讲课+自学+讨论的教学模式。其中，讲课环节以综述为主，重点介绍各知识点的问题提出、解决思路、主要算法、评估；自学环节需要学生阅读专业论文并进行实验，得出结论；讨论环节由学生进行论文阅读及实验结论的交流，加深理解，并由此了解研究前沿。 讲课课时安排（24课时）： 1.数字图像处理概述（3）：数字图像处理技术的发展历史，包含的主要内容，应 用，相关的学科方向 2.线性系统分析方法、傅里叶变换（3）：复习线性系统基本知识，复习一维傅里 叶变换，掌握二维傅氏变换及性质，线性滤波器设计。 3.图像几何变换及插值（3）：图像几何变换应用，重点插值方法 4.图像增强综述（6）：图像增强的目的，算法分类，各类算法的基本原理及性能 5.图像分割综述（6）：图像分割的目的，算法分类，各类算法的基本原理及性能 6.图像压缩综述（3）：图像压缩的目的，算法分类，各类算法的基本原理及性能， JPEG标准简介 实验及讨论课时安排（30课时）： 1.图像插值（实验3 +讨论3） 2.图像增强（实验3 +讨论3） 3.图像分割（实验3 +讨论3） 4.图像压缩（实验3+讨论3） 5.课程论文（讨论6） 三、上机实验要求 实现选择算法，并给出实验结果及算法性能评估数据。 四、能力培养的要求 1.自学能力的培养：提高学生自学及查阅学术文献的能力。 2.分析能力和实验能力的培养：要求学生能够实现文献提供的算法，并能自主给出算 法性能的评价。 3.科研和创新能力的培养：培养独立思考、深入钻研问题的习惯，提高学术交流能力。

数字图像处理报告

数字图像处理的起源与应用 1.概述 数字图像处理(Digital Image Processing)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。数字图像处理技术目前广泛应用于各个领域，其发挥的作用有效提高了人们的生产生活质量。 2.起源与发展 （1）20世纪 20 年代，数字图像处理最早应用于报纸行业。由于报纸行业信息传输的需要，一根海底电缆从英国伦敦连输到美国纽约，实现了第一幅数组照片的传送。（在当时那个年代如果不采用数字图像处理，一张图像传达的时间需要7 天，而借助数字图像处理技术仅耗费 3 小时）。 （2）20世纪50年代，当时的图像处理是以人为对象，以改善人的视觉效果为目的。 （3）20世纪60年代的美国喷气推进实验室是图像处理技术首次获得实际成功的应用，推动了数字图像处理这门学科的诞生。 （4）20世纪70年代英国EMI公司工程师Housfield发明了CT并获得了诺贝尔奖，这对人类的发展作出了划时代的贡献。借助计算机、人工智能等方面的快速发展，数字图像处理技术实现了更高层次的发展。相关工作人员已经着手研究如何使用计算机进行图像解释。 （5）20世纪 80 年代。研究人员将数字图像处理应用于地理信息系统。从这个阶段开始数字图像处理技术的应用领域不断扩大，在工业检测、遥感等方面也得到了广泛应用，在遥感方面实现了对卫星传送回来的图像的处理。 （6）20世纪 90 年代。数字图像处理技术就得到了一个快速发展，其中特别是小波理论和变换方法的诞生（Mallat在1988年有效地将小波分析应用于图像分解和重构），更好地实现了数字图像的分解与重构。 （7）进入到 21 世纪，借助计算机技术的飞速发展与各类理论的不断完善，数字图像处理技术的应用范围被拓宽，甚至已经在某些领域取得突破。从目前数字图像处理技术的特点进行分析，可以发现图像信息量巨大，在图像处理综合性方面显示出十分明显的优势，其中就借助了图像信息理论与通信理论的紧密联系。再加上数字图像处理技术具有处理精度高、灵活性强、再现性好、适用面广、信息压缩的潜力大等特点，因此已经成功地应用在各个领域。 3.应用 （1）航天和航空技术方面:早在1964年美国就利用图像处理技术对月球照片进行处理，并且成功地绘制出月球表面地图，这个重大的突破使得图像处理技术在航天技术中发挥着越来越重要的作用。“卡西尼”号飞船进入土星轨道后传回地球的土星环照片，“火星快车”拍摄到的火星山体滑坡照片，还有我国嫦娥探测器拍摄的月球表面照片，以及近来很火的“大疆”无人机航拍等等。这些照片都体现了数字图像处理技术在航空航天技术领域不可或缺的重要作用。 （2）遥感领域方面的应用:数字图像处理在遥感的应用,主要是获取地形地质及地面设施资料，矿藏探查、森林资源状况、海洋和农业等资源的调查、自然灾害预测预报、环境污染检测、气象卫星云图处理以及地面军事目标的识别。例

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】');

数字图像处理实验报告

数字图像处理试验报告 实验二：数字图像的空间滤波和频域滤波 姓名：XX学号：2XXXXXXX 实验日期：2017 年4 月26 日 1.实验目的 1. 掌握图像滤波的基本定义及目的。 2. 理解空间域滤波的基本原理及方法。 3. 掌握进行图像的空域滤波的方法。 4. 掌握傅立叶变换及逆变换的基本原理方法。 5. 理解频域滤波的基本原理及方法。 6. 掌握进行图像的频域滤波的方法。 2.实验内容与要求 1. 平滑空间滤波： 1) 读出一幅图像，给这幅图像分别加入椒盐噪声和高斯噪声后并与前一张图显示在同一 图像窗口中。 2) 对加入噪声图像选用不同的平滑（低通）模板做运算，对比不同模板所形成的效果，要 求在同一窗口中显示。 3) 使用函数 imfilter 时，分别采用不同的填充方法（或边界选项，如零填 充、’replicate’、’symmetric’、’circular’）进行低通滤波，显示处理后的图 像。 4) 运用 for 循环，将加有椒盐噪声的图像进行 10 次，20 次均值滤波，查看其特点, 显 示均值处理后的图像（提示:利用fspecial 函数的’average’类型生成均值滤波器）。 5) 对加入椒盐噪声的图像分别采用均值滤波法，和中值滤波法对有噪声的图像做处理，要 求在同一窗口中显示结果。 6) 自己设计平滑空间滤波器，并将其对噪声图像进行处理，显示处理后的图像。 2. 锐化空间滤波 1) 读出一幅图像，采用3×3 的拉普拉斯算子 w = [ 1, 1, 1; 1 – 8 1; 1, 1, 1] 对其进行滤波。 2) 编写函数w = genlaplacian(n)，自动产生任一奇数尺寸n 的拉普拉斯算子，如5 ×5的拉普拉斯算子 w = [ 1 1 1 1 1 1 1 1 1 1 1 1 -24 1 1 1 1 1 1 1 1 1 1 1 1] 3) 分别采用5×5，9×9，15×15和25×25大小的拉普拉斯算子对

数字图像处理论文

华东交通大学理工学院课程设计报告书 所属课程名称数字图像处理期末论文分院电信分院专业班级14 计科 学号20140210440214 学生姓名习俊 指导教师熊渊 2016 年12 月13 日

摘要 数字图像处理是用计算机对图像信息进行处理的一门技术，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。本文论述了用Matlab编程对数字图像进行图像运算的基本方法。图像运算涵盖了MA TLAB程序设计、图像点运算、代数运算、几何运算等基本知识及其应用（点运算是图象处理的一个重要运算）。以及对图像加入噪声、图像缩放和图像旋转。 关键词图像点运算；代数运算；几何运算；图像缩放；图像旋转

目录 绪论 第一章图像运算 2.1点运算 2.2代数运算 2.3几何运算 第二章程序设计与调试 结束语 参考文献

绪论 早期的计算机无论在计算速度或存储容量方面，难于满足对庞大图像数据进行实时处理的要求。随着计算机硬件技术及数字化技术的发展，计算机、内存及外围设备的价格急剧下降，而其性能却有了大幅度的提高。 图像信息是人类获得外界信息的主要来源，数字图像处理技术越来越多的应用于人们日常工作、学习和生活中。和传统图像处理相比，它具有精度高、再观性好、通用性和灵活性强等特点。在近代科学研究、军事技术、工农业生产、医学、气象及天文学等领域中也得到了广泛应用。 近几年来，随着计算机和各个相关领域研究的迅速发展，科学计算可视化、多媒体技术等研究和应用的兴起，数字图像处理从1个专门领域的学科，变成了1种新型的科学研究和人机界面的工具。数字图像作为一门新兴技术，它是二十一世纪五十年代数字计算机发展到相当水平后开拓出来的计算机应用新领域，它把图像转换成数据矩阵存放于计算机中，并进行滤波、增强、删除等处理，包括图像输入输出技术、图像分析、变换于处理技术以及图像识别和特征提取等方面。六十到七十年代数字处理技术的理论和方法更加完善，其准确性、灵活性和通用性逐步提高。 在日常生活中，电脑人像艺术，电视中的特殊效果，自动售货机钞票的识别，邮政编码的自动识别和利用指纹、虹膜、面部等特征的身份识别等均是图像处理的广泛应用。 进行数字图像处理时主要涉及数字图像点运算处理，针对图像的像素进行加、减、乘、除等运算，有效地改变了图像的直方图分布。

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。

数字图像处理实验报告

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。

数字图像处理期末课程论文.

1 选题 课程论文选题如下，每人任选一题，题目自拟，本学期6月3日前交至计算机学院411办公室。 1.图像XX增强方法综述与MATLAB实现（至少3种） 2.图像增强方法的深入研究（学习一种或两种课本上没有的图像平 滑/锐化方法与课本上介绍的进行对比研究）（需实验） 3.图像XX特征分析方法综述与MATLAB实现（至少3种） 4.结合人脸图像讨论各种图像特征分析方法的适用性（需实验） 5..灰度共生矩阵与灰度差分直方图在图像处理中实际应用（需实验） 6.不同图像分割方法的分析与比较（需实验） 7.基于数字图像处理的森林火灾识别方法研究 基于摄像机摄取的视频图像对现场进行火灾的自动探测、监视，同时将摄得的图像，利用各种图像处理技术不断进行图像处理和分析，通过早期火灾的图像变化特征来探测火灾是否发生。 测试要求：首先从彩色摄像机获取视频流图像，并转换成BMP格式图像，先判断图像中有红色区域存在。 l)火灾图像预处理，包括图像抽样、图像分割、图像灰度化、二值化、图像平滑处理; 2)研究火焰目标的特征提取方法 (l)轮廓特征提取:该模块主要功能为提取火焰轮廓上的尖点特征和圆形度。在火焰轮廓特征图中，从下至上从左至右逐点扫描，将火焰的边缘编成链码。当链码在一定步数内，出现一次有效上升和一次有效下降时，我们就得到一个尖角。 (2)颜色特征提取:火焰一般从焰心到外焰其颜色应从白色到黄色再向红 色移动，在图像中表现为像素值的变化不明显，可以用图像像素方差值来反映这种变化。 8.基于数字图像处理的答题卡识别方法 9.车牌识别方法研究（要求本地苏L车牌照）

2 格式要求 （1）页面设置： A4纸，页边距正常（上、下各2cm，左3cm、右2.0cm）， 页码（页面底端居中，小五号，Times New Roman字体）， 装订线：0.5厘米，装订位置：左侧3、7两颗钉（2）题目： 不多于30字，黑体、小三号、不加粗、居中排列，1.25倍 行距，段前断后各空0.5行。 （3）内容： 不少于5000字，宋体，小四，不加粗，1.25倍行距，段前 空2字符。 （4）标题要求： 一级标题：小三号、宋体、加粗，段前断后各空0.5行 二级标题：四号、宋体、加粗，段前断后各空0.5行 三级标题：小四号、宋体、加粗，段前断后各空0.5行 四级标题：小四号、宋体、不加粗，段前断后各空0.5行 图片要求：图片嵌入到文字中，文字不环绕，图片居中，图 标题为宋体五号字，不加粗 表格要求：三线表，表标题及表中文字为宋体五号字，不加 粗 （5）参考文献： 不少于3篇，宋体五号字，不加粗，1.0倍行距，段前不空