2020年第四章小波变
换精品版
.语音增强算法研究p58
4.1小波理论
4.1.1小波变换的定义
4.1. 2小波去噪原理.
4.2小波包变换语音增强方法
4.2.1 小波包变换语音增强方法原理
4 2. 2 Bark尺度小波包分解
4.2.3闽值函数
4.2.4 实验仿真
4.3小波包变换和听觉掩蔽效应的语音增强方法
4.3. 1小波包变换和听觉掩蔽效应的语音增强方法原理
4.3. 2实验仿真
第四章小波包语音增强算法
小波(Wavelets)分析的起源可以追溯到20世纪初，在20世纪80年代后期开始形成一个新兴的数学分支。小波变换是调和分析这一数学领域半个世纪以来的工作结晶，是傅里叶变换发展史上的里程碑式的进展，近些年来成为国外众多学者共同关注的热点。它在傅里叶变换的基础上发展而来，但又有极大不同。传统的信号处理方法是建立在傅立叶变换的基础上，而傅立叶分析使用的是一种全局的变换，要么完全在时域，要么完全在频域，因此无法表达信号的时频局域性质，而这种性质恰恰是非平稳信号(如语音信号)最根本和最关键的性质。小波分析是建立在泛函分析、傅立叶分析、样条分析及调和分析基础上的新的分析处理工具它又称为多分辨分析，在时域和频域同时具有良好配局部化特性，常被誉为信号分析的“数学显微镜”。小波变换在时频两域都具有表征信号局部特征的能力，它克服了短时傅立叶变换固定分辨率的缺点，在信号的高频部分，可以获得较好的时间分辨率，在信号的低频部分可以获得较高的频率分辨率，这就使指小波变换具有对信号的自适应性。它能有效地从信号中提取信息，通过伸缩和平移等运
算功能对信号进行多尺度细化分析。小波分析是目前国际上公认的信号信息获取与处班领域的高新技术，是信号处理的前沿课题，其中小波去噪也是小波分析的主要应用之一，对语音增强的研究不可避免的要利用小波这一有效工具。小波包变换理论是20世纪80年代中后期逐渐成熟并发展起来的，由于可同时进行时域和频域分析，具有时频局部化和变分辨特征，而且小波函数的选取也很灵活，因此在语音增强中得到了广泛的应用。这就使得小波包变换在信号
处理方面有许多独到的优点，特别适用于像信号处理，图象处理，量子场论，地震探测，话音识别与增强，雷达，机器视觉以及数字电视等科技领域[31-35]
4.1小波理论
4.1.1小波变换的定义
其中，为给定的一个基本函数，式中a，b均为常数，且a>0。给定平方可积的信号x(t} , ，则的小波变换(wavelet transform,WT)定义为:
式中，a，b和t均是连续变量。因此此式又称为连续小波变换(CWT)。信号
的小波变换 (a，b)是a和b的函数，b是时移，a是尺度因子。
又称为基本小波，或母小波。是母小波经移位和伸缩所产生的一组函数，称之为小波基函数，或简称小波基。母小波可以是实函数，也可以是复函数。若是实信号，也是实信号，则
也是实函数，反之，为复函数。在(5-l)式中，时移b的作用是确定对分析的时间位置，也即时间中心。尺度因子a的作用是把基本小
波作伸缩。由变成，当a>1时，a越大，则
的时域支撑范围(即时域宽度)较之变得越大;反之，当a<1
时，a越小，则的宽度越窄。这样，a和b联合起来确定了对
分析的中心位置及分析的时间宽度。这样，(5-2)式的小波变换可以理解为用一
组分析宽度不断变化的基函数对作分析，这一变化正好适应了对信号分析时在不同频率范围需要不同的分辨率这一基本要求。(5-2)式中的因子
是为了保证在不同的尺度a时，始终能和母函数有蓍相同的能量，即:
令，则dt=adt'，这样，上式右边的积分即等于。令
的傅里叶变换为 , 的傅里叶变换为，由傅里叶变换的性质:
的傅里叶变换为:
由Parseval定理，(5-2)式可重新表达为:
此式即为小波变换的频域表达式[36]。
5.1.2小波去噪原理
假设观察信号
式中，是纯净语音信号，是噪声序列。假定是零均值且服从高斯分布的随机序列，对(5-5)式两边做小波变换，根据小波变换的性质，有:
即两个信号和的小波变换等于各个信号小波变换的和。再令u (t)是零均值、
独立同分布的平稳随机信号，记。显然:
是的协方差矩阵。
令是小波变换矩阵，对于正交小波变换，它是正交阵。分别令x和s是对应s(t)和u(t)的向量，向量X, S和U分别是x(t) , s(t)和u(t)的小波变换，即:
由于X =S+U。令P是U的协方差矩阵，由于:
所以：
因为W是正交阵，且。
由此，可得到一个重要的结论:平稳白噪声的正交小波变换仍然是平稳的白噪声。由此结论可知，对于加法性噪声模型，经正交小波变换后，最大程度地去除了的相关性，其能量将集中在少数的小波系数上，这些系数即是信号经小波变换后在各个尺度下的模极大值。但是，噪声经正交小波变换后仍然是白噪声，因此，其小波系数仍然是不相关的，它们将分布在各个尺度下的所有时间轴上。这一结论即为抑制噪声提供了理论依据，即在小波变换的各个尺度下保留那些模极大值点，而将其他点置零，或是最大程度地减小，然后利用处理后的小波系数做小波反变换，即可达到抑制噪声的目的。
5.2小波包变换语音增强方法
5.2.1小波包变换语音增强方法原理
在小波变换中，由于多分辨分析只是对低频部分作进一步分解，高频部分则不再分解。小波包分析能将频带进行多层次划分，对多分辨分析没有细分的高频部分进一步分解，并能够根据被分析信号的特征，自适应地选择相应频带，使之与信号频谱相匹配，从而提高了时一频分辨率[37]。
假设带噪语音信号可以表示为:
其中，是含有噪声的语音信号，是没有叠加噪声的语音信号，是方差为的高斯白噪声。
对信号进行N层离散小波包分解，得到一组小波包分解系数，由两部分组成:一部分是对应的小波包系数，记为，另一部分是对应的小波包系数，记为对于每一个小波包分解系数，选择一个当的阈值，并对系数进行阈值量化，得出估计小波系数，使得
尽量小。
5.2.2 Bark尺度小波包分解
Barkhausen等学者依据人耳的掩蔽效应的实验结果，提出了频率群的概念。即将基底膜分解为许多的小段，每一小段称为一个频率群。在20-16000Hz 范围内共有24个频率群。同一频率群的声音在大脑中是叠加在一起进行评价的，具有一致的心理声学特征。按频率由低到高，将频率群顺序编号，将编号定义为32新的频率单位Bark。若记Bark域的频率变量为z，赫兹(Hertz)域频率变量为，则有:
摘要 小波变换的理论是近年来兴起的新的数学分支，素有“数学显微镜”的美称。它是继1822年傅立叶提出傅立叶变换之后又一里程碑式的领域，解决了很多傅立叶变换不能解决的困难问题。小波变换可以使得信号的低频长时特性和高频短时特性同时得到处理，具有良好的局部化性质，能有效地克服傅氏变换在处理非平稳复杂信号时存在的局限性，具有极强的自适应性，因此在图像处理中具有极好应用价值。本设计主要分析了基于小波变换的图像分解和图像压缩技术，并运用Matlab软件对图像进行分解，然后提取其中与原图像近似的低频信息，达到对图像进行压缩的目的。分别作第一层分解和第二层分解，并比较图像压缩的效果。 关键词:小波变换；Matlab；图像分解；图像压缩
目录 摘要 ..................................................................................................... I 第1章绪论 (1) 1.1设计背景 (1) 1.2设计要求 (1) 1.3设计思路简介 (1) 第2章小波变换处理图像设计过程 (2) 2.1小波变换的分解和重构算法 (2) 2.2小波变换在图像压缩中的应用 (4) 第3章软件设计与仿真 (6) 3.1MATLAB程序 (6) 3.2结果及分析 (7) 第4章总结与展望 (9) 参考文献 (10)
第1章绪论 1.1设计背景 小波分析是当前应用数学和工程学科中一个迅速发展的新领域，经过近10年的探索研究，重要的数学形式化体系已经建立，理论基础更加扎实。与Fourier变换相比，小波变换是空间(时间)和频率的局部变换，因而能有效地从信号中提取信息。通过伸缩和平移等运算功能可对函数或信号进行多尺度的细化分析，解决了Fourier变换不能解决的许多困难问题。小波变换联系了应用数学、物理学、计算机科学、信号与信息处理、图像处理、地震勘探等多个学科。小波分析是一个新的数学分支，它是泛函分析、Fourier分析、样调分析、数值分析的完美结晶；小波分析是时间—尺度分析和多分辨分析的一种新技术，它在信号分析、语音合成、图像识别、计算机视觉、数据压缩、地震勘探、大气与海洋波分析等方面的研究都取得了有科学意义和应用价值的成果。 1.2设计要求 利用小波变换的基本原理在MATLAB环境下编写程序对静态图像进行分解并压缩，并观察分析其处理效果。 1.3设计思路简介 一个图像作小波分解后，可得到一系列不同分辨率的子图像，不同分辨率的子图像对应的频率是不相同的。高分辨率(即高频)子图像上大部分点都接近于0，越是高频这种现象越明显。对一个图像来说，表现一个图像最主要的部分是低频部分，所以利用小波分解就可以达到去掉图像的高频部分而只保留低频部分的目的。 MATLAB是矩阵实验室（Matrix Laboratory）的简称，它在数学类科技应用软件中在数值计算方面首屈一指。MATLAB可以进行矩阵运算、绘制函数和数据、实现算法、创建用户界面、连接其它编程语言的程序等，主要应用于工程计算、控制设计、信号处理与通讯、图像处理、信号检测、金融建模设计与分析等领域。 本设计利用MATLAB工具箱中的Wavele Toolbox——小波工具箱对图像进行小波变换。
数字图像处理 课程编码：3073009223 课程名称：数字图像处理 总学分： 2 总学时：32 (讲课28，实验4) 课程英文名称：Digital Image Processing 先修课程：概率论与数理统计、线性代数、C++程序设计 适用专业：自动化专业等 一、课程性质、地位和任务 数字图像处理课程是自动化专业的专业选修课。本课程着重于培养学生解决智能化检测与控制中应用问题的初步能力，为在计算机视觉、模式识别等领域从事研究与开发打下坚实的理论基础。主要任务是学习数字图像处理的基本概念、基本原理、实现方法和实用技术，并能应用这些基本方法开发数字图像处理系统，为学习图像处理新方法奠定理论基础。 二、教学目标及要求 1．了解图像处理的概念及图像处理系统组成。 2．掌握数字图像处理中的灰度变换和空间滤波的各种方法。 3．了解图像变换，主要是离散和快速傅里叶变换等的原理及性质。 4．理解图像复原与重建技术中空间域和频域滤波的各种方法。 5. 理解解彩色图像的基础概念、模型和处理方法。 6. 了解形态学图像处理技术。 7. 了解图像分割的基本概念和方法。 三、教学内容及安排 第一章：绪论（2学时） 教学目标：了解数字图像处理的基本概念，发展历史，应用领域和研究内容。通过大量的实例讲解数字图像处理的应用领域；了解数字图像处理的基本步骤；了解图像处理系统的组成。 重点难点：数字图像处理基本步骤和图像处理系统的各组成部分构成。 1.1 什么是数字图像处理 1.2 数字图像处理的起源
1.3.1 伽马射线成像 1.3.2 X射线成像 1.3.3 紫外波段成像 1.3.4 可见光及红外波段成像 1.3.5 微波波段成像 1.3.6 无线电波成像 1.3.7 使用其他成像方式的例子 1.4 数字图像处理的基本步骤 1.5 图像处理系统的组成 第二章：数字图像基础（4学时） 教学目标：了解视觉感知要素；了解几种常用的图像获取方法；掌握图像的数字化过程及其图像分辨率之间的关系；掌握像素间的联系的概念；了解数字图像处理中的常用数学工具。 重点难点：要求重点掌握图像数字化过程及图像中像素的联系。 2.1 视觉感知要素（1学时） 2.1.1 人眼的构造 2.1.2 眼镜中图像的形成 2.1.3 亮度适应和辨别 2.2 光和电磁波谱 2.3 图像感知和获取（1学时） 2.3.1 用单个传感器获取图像 2.3.2 用条带传感器获取图像 2.3.3 用传感器阵列获取图像 2.3.4 简单的图像形成模型 2.4 图像取样和量化（1学时） 2.4.1 取样和量化的基本概念 2.4.2 数字图像表示 2.4.3 空间和灰度级分辨率 2.4.4 图像内插 2.5 像素间的一些基本关系（1学时） 2.5.1 相邻像素 2.5.2 临接性、连通性、区域和边界 2.5.3 距离度量 2.6 数字图像处理中所用数学工具的介绍 2.6.1 阵列与矩阵操作
（2011 至2012 学年第__1__学期） 课程名称：数字图像处理考试时间： 110 分钟 课程代码：试卷总分： 100 分 考试形式：闭卷学生自带普通计算器: 否 一、选择题（在每个小题四个备选答案中选出一个正确答案）（本大题共10小题，每小题2分，总计20分） 1、下列哪种图像属于数字图像：C A. 电影胶片 B. 普通照片 C. 手机拍照 D. 眼前看到的景物； 2、一幅800×600的24位真彩色图像，其红色分量数据量为 A Byte。 A. 800×600； B. 800×600×3； C. 800×600×8 D. 800×600×3×8 3、下列属于“点运算”的图像处理技术是：B A 图像旋转 B 直方图修改 C 图像平滑 D 左右两像素之间作减法 4、下列那种图像处理技术需要进行“插值”运算：D A. 加运算 B. 直方图均衡 C. 中值滤波 D. 几何变换 5、可完成消除点或细线状噪声的操作是：C A. 多幅图像均值 B. 平滑运算 C. 中值滤波 D. 边缘增强； 6、下列那种操作能抑制噪声但同时使得边缘退化：B A. 图像锐化 B. 图像平滑 C. 中值滤波 D. 点运算 7、下列哪种图像代数运算可以完成“二次暴光”效果：A A. 加运算 B. 减运算 C. 乘运算 D. 除运算 8、下列哪种图像代数运算可以完成“运动检测”：B A. 加运算 B. 减运算 C. 乘运算 D. 除运算 9、下列那种数学形态学操作能在二值图像中检测出某特定形状的对象：D A. 开运算 B. 闭运算 C. 边界提取 D. 击中击不中变换 10、下列那种数学形态学操作能去除二值图像中物体外部的细小突出物：A A. 开运算 B. 闭运算 C. 膨胀运算 D. 腐蚀运算 二、判断题（判断每个小题所给出说法的正确与错误，正确答案正确的划“√”，错误的划“×”）（本大题共10小题，每小题2分，总计20分） 1、数字化过程中采样是指将模拟图像的空间坐标离散化，只采集其中整数坐标值的点。√ 2、灰度图像中，一个像素的存储空间越大，则其能表现的光强层次越丰富。√ 3、一幅数字图像，即可求出其灰度直方图；反之，亦然。× 4、图像中每个像素的位置是整数，其灰度值也必须是整数。× 5、图像的几何变换只需要进行“空间变换”；。× 6、通过图像平滑运算，可以完全消除图像中的噪声。× 7、中值滤波时，如需滤掉水平细线，则需要“十”型窗口。×
实验报告三 姓名：胡文松学号：6103413007 班级：生物医学工程131 实验日期：2016/5/11 实验成绩： 实验题目：图像的平滑滤波 一．实验目的 （1）熟练掌握空域平滑滤波的原理、方法及其MATLAB实现。 （2）分析模板大小对空域平滑滤波的影响，线性和非线性方法对空域平滑滤波增强效果的影响，比较不同滤波器的处理效果，分析其优缺点。 二．实验原理 （1）线性空间滤波 函数imfilter来实现线性空间滤波，语法为： g = imfilter(f, w, filtering_mode, boundary_options, size_options) 其中，f是输入图像，w为滤波模板，g为滤波结果，filtering_mode用于指定在滤波过程中是使用相关运算(‘corr’)还是卷积运算(‘conv’)，相关就是按模板在图像上逐步移动运算的过程，卷积则是先将模板旋转180度，再在图像上逐步移动的过程。 （2）非线性滤波器 数字图像处理中最著名的统计排序滤波器是中值滤波器，MATLAB工具箱提供了二维中值滤波函数medfilt2，语法为：g = medfilt2(f, [m n], padopt) 矩阵[m n]定义了一个大小为m×n的邻域，中值就在该邻域上计算；而参数padopt指定了三个可能的边界填充选项：’zeros’（默认值，赋零），’symmetric’按照镜像反射方式对称地沿延其边界扩展，’indexed’，若f是double类图像，则以1来填充图像，否则以0来填充图像。 （3）线性空间滤波器 MATLAB工具箱支持一些预定义的二维线性空间滤波器，这些空间滤波器可通过函数fspecial实现。生成滤波模板的函数fspecial的语法为：w = fspecial(‘type’, parameters) ；其中，’type’表示滤波器类型，parameters进一步定义了指定的滤波器。fspecial(‘laplacian’, alpha) 一个大小为3×3的拉普拉斯滤波器，其形状由alpha指定，alpha是范围[0, 1]的数。alpha默认为0.5。 三．实验内容及结果 （1）选择一副图像fig620.jpg，分别选择3×3，7×7，25×25等平均模板进行均值滤波模糊处理，并对不同尺寸的滤波器模板操作后的图像进行比较。 （1）选择一副图像fig620.jpg，分别选择3×3，7×7，25×25等平均模板进行高斯滤波模糊处理，并对不同尺寸的滤波器模板操作后的图像进行比较。 （2）选择一副图像circuit.jpg，对图像加入椒盐噪声，检验两种滤波模板（3×3平均模板和3×3的非线性模板中值滤波器）对噪声的滤波效果。
图像平滑和锐化变换处理 一、实验内容和要求 1、灰度变换：灰度拉伸、直方图均衡、伽马校正、log变换等。 2、空域平滑：box、gauss模板卷积。 3、频域平滑：低通滤波器平滑。 4、空域锐化：锐化模板锐化。 5、频域锐化：高通滤波器锐化。 二、实验软硬件环境 PC机一台、MATLAB软件 三实验编程及调试 1、灰度变换：灰度拉伸、直方图均衡、伽马校正、log变换等。 ①灰度拉伸程序如下： I=imread(''); J=imadjust(I,[,],[]); subplot(2,2,1),imshow(I); subplot(2,2,2),imshow(J); subplot(2,2,3),imhist(I); subplot(2,2,4),imhist(J); ②直方图均衡程序如下： I=imread(''); J=histeq(I); Subplot(2,2,1); Imshow(I); Title('原图像'); Subplot(2,2,2);
Imshow(J); Title('直方图均衡化后的图像') ; Subplot(2,2,3) ; Imhist(I,64); Title('原图像直方图') ; Subplot(2,2,4); Imhist(J,64) ; Title('均衡变换后的直方图') ; ③伽马校正程序如下： A=imread(''); x=0:255; a=80,b=,c=; B=b.^(c.*(double(A)-a))-1; y=b.^(c.*(x-a))-1; subplot(3,2,1); imshow(A); subplot(3,2,2); imhist(A); subplot(3,2,3); imshow(B); subplot(3,2,4); imhist(B); subplot(3,2,6); plot(x,y); ④log变换程序如下： Image=imread('');
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
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=
基于小波变换的数字图像处理（MATLAB源代码） clear all; close all; clc; M=256;%原图像长度 N=64; %水印长度 [filename1,pathname]=uigetfile('*.*','select the image'); image1=imread(num2str(filename1)); subplot(2,2,1);imshow(image1); title('original image'); % orginal image for watermarking image1=double(image1); imagew=imread('dmg2.tif'); subplot(2,2,2);imshow(imagew);title('original watermark'); %original watermark %嵌入水印 [ca,ch,cv,cd] = dwt2(image1,'db1'); [cas,chs,cvs,cds] = dwt2(ca,'db1'); for i=1:N for j=1:N if imagew(i,j)==0 a=-1; else a=1; end Ca(i,j)=cas(i,j)*(1+a*0.03); end end IM= idwt2(Ca,chs,cvs,cds,'db1') ; markedimage=double(idwt2(IM,ch,cv,cd,'db1')); %显示嵌入后水印图像 subplot(2,2,3);colormap(gray(256));image(markedimage);title('marked image'); imwrite(markedimage,gray(256),'watermarked.bmp','bmp'); %提取水印 image1=imread(num2str(filename1));image1=double(image1); imaged=imread('watermarked.bmp'); [ca,ch,cv,cd] = dwt2(image1,'db1'); [cas,chs,cvs,cds]=dwt2(ca,'db1'); [caa,chh,cvv,cdd]=dwt2(imaged,'db1'); [caas,chhs,cvvs,cdds]=dwt2(caa,'db1'); for p=1:N for q=1:N
数字图像处理实验报告 实验名称：线性平滑滤波器——领域平均与加权平均 姓名： 班级： 学号： 专业：电子信息工程（2+2） 指导教师：陈华华 实验日期：2012年5月17日
一，图像的平滑 图像的平滑方法是一种实用的图像处理技术，能减弱或消除图像中的高频率分量，但不影响低频率分量。因为高频率分量主要对应图像中的区域边缘等灰度值具有较大较快变化的部分，平滑滤波将这些分量滤去可减少局部灰度起伏，使图像变得比较平滑。实际应用中，平滑滤波还可用于消除噪声，或者在提取较大目标前去除过小的细节或将目标内的小间断连接起来。它的主要目的是消除图像采集过程中的图像噪声，在空间域中主要利用邻域平均法、中值滤波法和选择式掩模平滑法等来减少噪声；在频率域内，由于噪声主要存在于频谱的高频段，因此可以利用各种形式的低通滤波器来减少噪声。 二，领域平均 1．基础理论 最简单的平滑滤波是将原图中一个像素的灰度值和它周围邻近8个像素的灰度值相加，然后将求得的平均值（除以9）作为新图中该像素的灰度值。它采用模板计算的思想，模板操作实现了一种邻域运算，即某个像素点的结果不仅与本像素灰度有关，而且与其邻域点的像素值有关。模板运算在数学中的描述就是卷积运算，邻域平均法也可以用数学公式表达： 设为给定的含有噪声的图像，经过邻域平均处理后的图像为，则 ，M是所取邻域中各邻近像素的坐标，是邻域中包含的邻 近像素的个数。邻域平均法的模板为：，中间的黑点表示以该像素为中心元素，即该像素是要进行处理的像素。在实际应用中，也可以根据不同的需要选择使用不同的模板尺寸，如3×3、5×5、7×7、9×9等。 邻域平均处理方法是以图像模糊为代价来减小噪声的，且模板尺寸越大，噪声减小的效果越显著。如果是噪声点，其邻近像素灰度与之相差很大，采用邻域平均法就是用 邻近像素的平均值来代替它，这样能明显消弱噪声点，使邻域中灰度接近均匀，起到平滑灰度的作用。因此，邻域平均法具有良好的噪声平滑效果，是最简单的一种平滑方法。 Matlab代码： function average_filtering() X=imread('cameraman.tif') noise_x=imnoise(X,'salt & pepper');%加噪声方差为0.02的椒盐声
1实验目的、要求 实验目的： （1）掌握图像滤波的原理与相关方法。 （2）能使用VC++实现若干种图像滤波技术。 实验要求： A部分： （1）使用VC++设计程序：对一幅256级灰度图像，使用邻域平均平滑算法进行滤波。 （2）使用VC++设计程序：对一幅256级灰度图像，使用中值滤波算法进行滤波。 （3）使用VC++设计程序：对一幅256级灰度图像，使用K近邻均值滤波器（KNNF）进行滤波。 B部分： （1）包括A部分全部要求。 （2）使用VC++设计程序：对一幅256级灰度图像，分别使用K近邻中值滤波器（KNNMF）、最小均方差滤波器进行滤波。 （3）使用VC++设计程序：对一幅24位彩色图像，使用矢量中值滤波算法进行滤波。 2实验原理 图像滤波，即在尽量保留图像细节特征的条件下对目标图像的噪声进行抑制，是图像预处理中不可缺少的操作，其处理效果的好坏将直接影响到后续图像处理和分析的有效性和可靠性。由于成像系统、传输介质和记录设备等的不完善，数字图像在其形成、传输记录过程中往往会受到多种噪声的污染。另外，在图像处理的某些环节当输入的像对象并不如预想时也会在结果图像中引入噪声。这些噪声在图像上常表现为一引起较强视觉效果的孤立象素点或象素块。一般，噪声信号与要研究的对象不相关它以无用的信息形式出现，扰乱图像的可观测信息。对于数字图像信号，噪声表为或大或小的极值，这些极值通过加减作用于图像象素的真实灰度值上，在图像造成亮、暗点干扰，极大降低了图像质量，影响图像复原、分割、特征提取、图识别等后继工作的进行。要构造一种有效抑制噪声的滤波机必须考虑两个基本问题：能有效地去除目标和背景中的噪声，同时能很好地保护图像目标的形状、大小及特定的几何和拓扑结构特征。
关于数字图像处理的理论基础及常用处理方法 数字图像处理(DigitalImageProcessing)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。数字图像处理的产生和迅速发展主要受三个因素的影响:一是计算机的发展;二是数学的发展(特别是离散数学理论的创立和完善);三是广泛的农牧业、林业、环境、军事、工业和医学等方面的应用需求的增长。 摘要：本文介绍了数字信号处理的起源、发展，并简要概述了数字图像处理所研究的内容和处理数字图像的几大模块。同时，也大致介绍了常用的处理数字图像的方法。最后展望了数字图像处理的发展前景。 Abstract: This paper describes the origin of digital image processing, development, and a brief overview of digital image processing of the content and process digital images of several modules. Also a broad overview of the commonly used method of processing digital images. Finally, looking ahead the future prospects for the development of digital image processing. 关键词：数字图像处理（Digital Image Processing）；理论基础；处理方法 一、数字图像处理的起源及发展 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。 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图像信息。但是50年代的计算机主要还是用于数值计算，满足不了处理大量数据图像的要求。 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。伴随着第三代计算机的研制成功，以及快速傅里叶变换算法的的发现和应用使得对图像的某些计算得以实际实践。 早期的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。在70年代图像技术有了长足进展，80年代，硬件的发展使得人们不仅能处理2-D图像而且能处理3-D图像，许多能获取3-D图像的设备和处理分析3-D图像的系统研制成功，图像技术得到广泛应用。 二、数字图像处理的研究内容 数字图象处理，就是采用计算机对图象进行信息加工。图象处理的主要内容有：图像的采集、增强、复原、变换、编码、重建、分割、配准、嵌拼、融合、特征提取、模式识别和图象理解。 对图像进行处理(或加工、分析)的主要目的有三个方面：
实验二图像增强与平滑 一、实验类型：验证性实验 二、实验目的 1. 掌握图像增强的基本原理。 2. 掌握常用的图像增强技术。 三、实验设备：安装有MATLAB 软件的计算机 四、实验原理 图像增强技术的目的是对图像进行加工，以得到对具体应用来说视觉 效果更好、更有用的图像。常用的图像增强技术有图像间运算、直接灰度映射、直方图修改技术、线性滤波和非线性滤波等。下面介绍三种图像增强技术：直方图均衡化、邻域平均平滑滤波和中值滤波。 3. 直方图均衡化 直方图均衡化是一种使输出图像直方图近似为均匀分布的变换算法， 是一种直方图修改技术。在MATLAB 中，可以调用函数histeq 自动完成图像的直方图均衡化。下面的例子演示如何用histeq 函数来调整一幅灰度图像。原图像的灰度对比度较低，大部分值位于灰度范围的中间。histeq 函数生成一幅灰度值在整个范围内均匀分布的输出图像。 I=imread(‘pout.tif’; J=histeq(I; imshow(J figure,imhist(J,64 4. 邻域平均平滑滤波
邻域平均平滑滤波也称为均值滤波，是一种线性滤波方法。该方法用 一个像素的平均值作为滤波结果，。下面的例子演示如何在MATLAB 中对 一幅灰度图像进行邻域平均平滑滤波。 I=imread(‘eight.tif’; J=imnoise(I,’salt & pepper’,0.02; figure,imshow(J; h=ones(3,3/9; K=imfilter(J,h; figure,imshow(K; 5. 中值滤波 中值滤波是最常用的非线性滤波算法，该算法的输出像素值是对应像素邻域内的中值。下面的例子演示如何在 MATLAB中对一幅灰度图像进行中值滤波。 I=imread(‘eight.tif’; J=imnoise(I,’salt & pepper’,0.02; figure,imshow(J; K=medfilt2(J,[3 3]; figure,imshow(K; 五、实验内容 1. 选择一幅直方图不均匀的图像，对该图像做直方图均衡化处理，比较处理前后的图像以及它们的灰度直方图。 2. 选择一幅图像，对它增加不同的噪声，然后分别利用邻域平均平滑滤波和中值滤波对该图像进行滤波，比较各滤波器的滤波效果。 六、实验步骤 在百度中找到灰度图，将图片保存在C盘中 1．直方图均衡化
一、图像的预处理技术 图像处理按输入结果可以分为两类，即输入输出都是一副图像和输入一张图像输出不再是图像的数据。图像处理是个很广泛的概念，有时候我们仅仅需要对一幅图像做一些简单的处理，即按照我们的需求将它加工称我们想要得效果的图像，比如图像的降噪和增强、灰度变换等等。更多时候我们想要从一幅图像中获取更高级的结果，比如图像中的目标检测与识别。如果我们将输出图像中更高级的结果视为目的的话，那么我们可以把输入输出都是一幅图像看作是整个处理流程中的预处理。下面我们将谈到一些重要的预处理技术。 （一）图像增强与去噪 图像的增强是一个主观的结果，原来的图像按照我们的需求被处理成我们想要的效果，比如说模糊、锐化、灰度变换等等。图像的去噪则是尽可能让图像恢复到被噪声污染前的样子。衡量标准是可以度量的。不管是图像的增强与去噪，都是基于滤波操作的。 1．滤波器的设计方法 滤波操作是图像处理的一个基本操作，滤波又可分为空间滤波和频域滤波。空间滤波是用一个空间模板在图像每个像素点处进行卷积，卷积的结果就是滤波后的图像。频域滤波则是在频率域看待一幅图像，使用快速傅里叶变换将图像变换到频域，得到图像的频谱。我们可以在频域用函数来保留或减弱/去除相应频率分量，再变换回空间域，得到频域滤波的结果。而空间滤波和频域滤波有着一定的联系。频域滤波也可以指导空间模板的设计，卷积定理是二者连接的桥梁。 （1）频域滤波 使用二维离散傅里叶变换（DFT ）变换到频域： ∑∑-=+--==10)//(210),(),(N y N vy M ux i M x e y x f v u F π 使用二维离散傅里叶反变换（IDFT ）变换到空间域： ∑∑-=-=+=1010)//(2),(1),(M u N v N vy M ux i e v u F MN y x f π 在实际应用中，由于该过程时间复杂度过高，会使用快速傅里叶变换（FFT ）来加速这个过程。现在我们可以在频域的角度看待这些图像了。必须了解的是，图像中的细节即灰度变化剧烈的地方对应着高频分量，图像中平坦变化较少的地方对应着低频分量。图像中的周期性图案/噪声对应着某一个频率区域，那么在频域使用合适的滤波器就能去除相应的频率分量，再使用傅里叶反变换就能看到实际想要的结果。 不同的是，在频域的滤波器不再是做卷积，而是做乘积，因为做乘法的目的在于控制频率分量。比较有代表性的有如下几个滤波器： 高斯低通滤波器 222/),(),(σv u D e v u H -= D 是距离频率矩形中心的距离。该滤波器能保留低频分量，逐渐减小高频分量，对原图像具有模糊作用。
《数字图像处理》习题参考答案 第1 章概述 1.1 连续图像和数字图像如何相互转换？答：数字图像将图像看成是许多大小相同、 形状一致的像素组成。这样，数字图像可以 用二维矩阵表示。将自然界的图像通过光学系统成像并由电子器件或系统转化为模拟图像（连续图像）信号，再由模拟/数字转化器（ADC）得到原始的数字图像信号。图像的数字化包括离散和量化两个主要步骤。在空间将连续坐标过程称为离散化，而进一步将图像的幅度值（可能是灰度或色彩）整数化的过程称为量化。 1.2 采用数字图像处理有何优点？答：数字图像处理与光学等 模拟方式相比具有以下鲜明的特点： 1．具有数字信号处理技术共有的特点。（1）处理精度高。（2）重现性能好。（3）灵活性高。 2．数字图像处理后的图像是供人观察和评价的，也可能作为机器视觉的预处理结果。 3．数字图像处理技术适用面宽。 4．数字图像处理技术综合性强。 1.3 数字图像处理主要包括哪些研究内容？答：图像处理的任务是将客观世界的景象进 行获取并转化为数字图像、进行增强、变换、 编码、恢复、重建、编码和压缩、分割等处理，它将一幅图像转化为另一幅具有新的意义的图像。 1.4 讨论数字图像处理系统的组成。列举你熟悉的图像处理系统并分析它们的组成和功能。 答：如图1.8，数字图像处理系统是应用计算机或专用数字设备对图像信息进行处理的信息系统。图像处理系统包括图像处理硬件和图像处理软件。图像处理硬件主要由图像输入设备、图像运算处理设备（微计算机）、图像存储器、图像输出设备等组成。软件系统包括操作系统、控制软件及应用软件等。 图1.8 数字图像处理系统结构 图 1
1.5 常见的数字图像处理开发工具有哪些？各有什么特点？ 答．目前图像处理系统开发的主流工具为 Visual C++（面向对象可视化集成工具） 和 MATLAB 的图像处理工具箱（Image Processing Tool box）。两种开发工具各有所长且有 相互间的软件接口。 Microsoft 公司的 VC++是一种具有高度综合性能的面向对象可视化集成工具，用它开 发出来的 Win 32 程序有着运行速度快、可移植能力强等优点。VC++所提供的 Microsoft 基础类库 MFC 对大部分与用户设计有关的 Win 32 应用程序接口 API 进行了封装，提高 了代码的可重用性，大大缩短了应用程序开发周期，降低了开发成本。由于图像格式多且 复杂，为了减轻程序员将主要精力放在特定问题的图像处理算法上，VC++ 6.0 提供的动 态链接库 ImageLoad.dll 支持BMP、JPG、TIF 等常用6 种格式的读写功能。 MATLAB 的图像处理工具箱MATLAB 是由MathWorks 公司推出的用于数值计算的有力工具，是一种第四代计算机语言，它具有相当强大的矩阵运算和操作功能，力求使人们摆脱繁 杂的程序代码。MATLAB 图像处理工具箱提供了丰富的图像处理函数，灵活运用这些函数可 以完成大部分图像处理工作，从而大大节省编写低层算法代码的时间，避免程序设计中的重 复劳动。MATLAB 图像处理工具箱涵盖了在工程实践中经常遇到的图像处理手段和算法，如 图形句柄、图像的表示、图像变换、二维滤波器、图像增强、四叉树分解域边缘检测、二值 图像处理、小波分析、分形几何、图形用户界面等。但是，MATLAB 也存在不足之处限制了 其在图像处理软件中实际应用。首先，强大的功能只能在安装有MA TLAB 系统的机器上使用 图像处理工具箱中的函数或自编的 m 文件来实现。其次，MATLAB 使用行解释方式执行代码，执行速度很慢。第三，MATLAB 擅长矩阵运算，但对于循环处理和图形界面的处理不及C++ 等语言。为此，通应用程序接口API 和编译器与其他高级语言（如C、 C++、Java 等）混 合编程将会发挥各种程序设计语言之长协同完成图像处理任务。API 支持 MA TLAB 与外部数 据与程序的交互。编译器产生独立于MATLAB 环境的程序，从而使其他语言的应用程序使用MATLAB。 1.6 常见的数字图像应用软件有哪些？各有什么特点？答：图像应用软件是可直接供 用户使用的商品化软件。用户从使用功能出发，只要了解 软件的操作方法就可以完成图像处理的任务。对大部分用户来说，商品化的图像应用软件无 需用户进行编程，操作方便，功能齐全，已经能满足一般需求，因而得到广泛应用。常用图 像处理应用软件有以下几种： 1．PHOTOSHOP：当今世界上一流的图像设计与制作工具，其优越性能令其产品望尘莫及。PHOTOSHOP 已成为出版界中图像处理的专业标准。高版本的 PHOTOSHOP 支持多达 20 多种图像格式和 TWAIN 接口，接受一般扫描仪、数码相机等图像输入设备采集的图像。PHOTOSHOP 支持多图层的工作方式，只是 PHOTOSHOP 的最大特色。使用图层功能可以很 方便地编辑和修改图像，使平面设计充满创意。利用 PHOTOSHOP 还可以方便地对图像进 行各种平面处理、绘制简单的几何图形、对文字进行艺术加工、进行图像格式和颜色模式 的转换、改变图像的尺寸和分辨率、制作网页图像等。 2．CorelDRAW：一种基于矢量绘图、功能强大的图形图像制作与设计软件。位图式图像是 由象素组成的，与其相对，矢量式图像以几何、色彩参数描述图像，其内容以线条和色块为主。可见，采用不同的技术手段可以满足用户的设计要求。位图式图像善于表现连续、丰富 色调的自然景物，数据量较大；而矢量式图像强于表现线条、色块的图案，数据量较小。 合理的利用两种不同类型的图像表现方式，往往会收到意想不到的艺术效果。CorelDraw是
图像平滑和锐化变换处理 一、实验容和要求 1、灰度变换：灰度拉伸、直方图均衡、伽马校正、log变换等。 2、空域平滑：box、gauss模板卷积。 3、频域平滑：低通滤波器平滑。 4、空域锐化：锐化模板锐化。 5、频域锐化：高通滤波器锐化。 二、实验软硬件环境 PC机一台、MATLAB软件 三实验编程及调试 1、灰度变换：灰度拉伸、直方图均衡、伽马校正、log变换等。 ①灰度拉伸程序如下： I=imread('kids.tif'); J=imadjust(I,[0.2,0.4],[]); subplot(2,2,1),imshow(I); subplot(2,2,2),imshow(J); subplot(2,2,3),imhist(I); subplot(2,2,4),imhist(J); ②直方图均衡程序如下： I=imread('kids.tif'); J=histeq(I);
Imshow(I); Title('原图像'); Subplot(2,2,2); Imshow(J); Title('直方图均衡化后的图像') ; Subplot(2,2,3) ; Imhist(I,64); Title('原图像直方图') ; Subplot(2,2,4); Imhist(J,64) ; Title('均衡变换后的直方图') ; ③伽马校正程序如下： A=imread('kids.tif'); x=0:255; a=80,b=1.8,c=0.009; B=b.^(c.*(double(A)-a))-1; y=b.^(c.*(x-a))-1; subplot(3,2,1); imshow(A); subplot(3,2,2); imhist(A);
一、填空题（每空1分，共20分） 1、在计算机中，按颜色和灰度的多少可以将图像分为二值图像、灰度图像、 索引图像、真彩色RGP图像四种类型。 1024?，256个灰度级的图像，需 2、存储一幅大小为1024 要8M bit。 3、直方图均衡化适用于增强直方图呈尖峰分布的图像。 4、依据图像的保真度，图像压缩可分为有损压缩和无损压缩 5、图像压缩是建立在图像存在编码荣誉、像素间冗余、心理素质冗余三种冗 余基础上。 6、对于彩色图像，通常用以区别颜色的特性是、、。 7、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：。 8、图像处理技术主要包括图像的、、等技术。 9、在RGB彩色空间的原点上，三个基色均没有，即原点为色。 二、选择题（每题2分，共20分） 1、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 2、图像灰度方差说明了图像哪一个属性。（） 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.RGB B.CMY或CMYK C.HSI D.HSV 4、采用模板［-1 1］T主要检测（）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：( ) 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（） 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，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、____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