数字图像处理总结

第一章导论

§1-1. 数字图像处理概述

一、图像的概念

1. 图像：是客观目标的一种相似性描述，它包含了被描述的对象，是客观世界三维实体到2维实体的变换（连续图像）。

2. 数字图像：连续图像经过空间离散化，灰度整量后的图像。例：g（i，j）；i，j表示行列号，g表示影像灰度。

二、图像处理

1.连续图像处理：利用光学、化学方法对图像进行一系列操作。（去阴影、增强对比度等）

2. 数字图像处理：基于计算机和一定的数学变换方法，对数字图像进行一系列的操作处理，称为数字图像处理。

三、数字图像技术主要应用

1、生物医学：利用电磁波谱成像分析系统诊断病情。如显微镜图像分析，DNA成像分析等

2. 遥感：农、林等资源的调查，农作物长势监测，自然灾害监测、预报，地势、地貌测绘以及地质构造解译、找矿，环境污染检测等等

3.工业生产：无损探伤，石油勘探，生产过程自动化（识别零件，装配质量检查），工业机器人研制等。

4.军事应用

5.通信：图像传真，数字电视、网络可视聊天、可视电话网页动画等。

6.公安：指纹识别，印签、伪钞识别，安检，手迹、印记鉴别分析等。

7.气象预报：获取气象云图进行测绘、判读等。

第二章数字图像处理的基本概念

一．图像数字化

图像数字化是将一幅图像转换成计算机可以处理的形式。图像数字化分为采样与整量两部分。

1、采样

将连续图像在空间上进行离散化的过程。其中采样间隔与采样孔是两个重要参数的选择。

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.

2．整量：连续图像经过空间离散化，其像素灰度需转换成离散整数值过程。

二、数字图像的表示

1．灰度图像表示（灰度值0-255）

2．二值图像表示：灰度级0 – 1

3、彩色图像：每像素由红、绿、蓝构成，R、G、B分别由28 灰度级描述

三、数字图像灰度直方图与应用

1．灰度直方图

2．直方图的性质

（1）直方图上没有位置信息，灰度直方图仅统计某一灰度值的像素个数占全幅像素的比例，同一灰度的像素在图象中空间位置未表示。

（2）直方图是总体灰度概念，直方图可以看出图像总体性质，一幅图像对应唯一直方图，但不同图像可能有相同直方图。

（3） 直方图可叠加性，一幅图像分成数个不同区域，各区域直方图之和即为该像直方图。

3、直方图的应用

1．用于判断图像量化是否恰当

数字化器获取图像灰度级0-255；图像直方图可以观察一幅图像是否利用灰度的256级范围 2 ．确定图像分割的阈值

四、数字图像处理算法的形式

1、基本功能形式：

（1）单幅图像→单幅图像

（2）多幅图像→单幅图像

（3）单（或多）幅图像→数字或符号等

2、几种具体算法形式 P27

（1）局部处理：在对输入图像进行处理时，计算某一输出像素JP(I,j)值由输入图像IP(I,j)像素的小邻域N[IP(I,j)]中的像素确定。

（2）迭代处理：反复对图像进行某种运算直至满足给定的条件，从而得到输出的图像的处理形式

（3）跟踪处理：选择满足适当条件的像素作为起始像素，检查输入图像和已得到的输出结果，求出下一步应该处理的像素，进行规定的处理，然后决定是继续处理下面的像素，还是终止处理。

（4）窗口处理和模板处理：只要求对图像中特定的部分进行处理。

窗口处理：对图像中选定矩形区域内的像素进行处理

模板处理：希望单独对图像任意形状的区域进行处理时，预先准备一个和输入图像IP 相同大小的二位数组，存储该区域的信息，然后参照二维数组对输入图像处理

（5）串行处理和并行处理

串行处理：后一像素输出结果依赖于前面像素处理的结果，并且只能一次处理各像素而不能同时对各像素进行相同处理的一种处理形式

第三章 图像变换

§3-1 概述

一、图像变换

为了能够有效的对图像进行分析、识别、传输，使图像分析工作简化，通常要对原始图像进行数学变换。图像变换在图像压缩、图像增强、图像复原、图像特征提取等领域有着重要应用。通常图像处理中所选取的变换函数（方法）应满足三方面要求：

（1） 变换方法是可逆的，保证图像函数经变换后，还能变换回来。

（2） 变换简化运算或处理过程，有利于图像特征提取。

（3） 变换算法不复杂，有助于从概念上增强对图像信息的理解。

二、图像傅立叶变换

利用图像的傅立叶变换，可以在频率域研究图像中各种特征的频率分量所占的比重，有利于对信号进行分析与处理。

1、 离散傅里叶变换

核函数： 2、 二维傅里叶变换

核函数： ∑-=-=10/2)(1)(N u N

ux j e x f N u F π)/2sin()/2cos(/2N ux j N ux e

N ux j πππ-=-∑∑-=-=+-=1010)(2),(1),(N x N y N vy ux j e y x f N v u F πN

vy ux j e )(2+-π

图像处理中,利用傅立叶变换,可将原来在空间域研究的灰度问题,变换为在频率域研究图像的频谱、幅角等.有利于图像分析.

二维离散傅里叶变换性质：

1.可分离性

2.平移性质：平移不影响其傅里叶变换的幅值

3.周期性和共轭对称性：可以证明傅立叶正、反变换都是以2N 为周期的周期函数。 4．旋转性质

当对图像函数旋转θ0 ，对应于将F(u,v)也旋转θ

0 5．分配率

6．尺度变换

7．平均值性质

8、离散卷积定理

9、离散相关定理

第四章 图像增强

图像增强是指对图像的某些特征，如边缘轮廓、对比度等进行变换处理，改善图像的视觉效果,提高图像的清晰度。即将图像转换成一种更适合于人或机器进行分析和处理的形式。 §4-1 图像增强点运算

一、 灰度变换

灰度变换可使图像动态范围增大，图像对比度扩展，图像变清晰，特征明显。

1．线性变换

g (i ，j )的范围为[a ′,b ′]

2．分段线性变换

为了突出感兴趣目标所在的灰度区间，相对抑制那些不感兴趣的灰度区间，可采用分段线性变换。

3．非线性灰度变换

当用某些非线性函数如对数函数、指数函数等，作为映射函数时，可实现图像灰度的非线性变换。

① 对数变换

② 指数变换

二、直方图修整法

1.直方图均衡化 P68

若一幅图像灰度直方图是均匀分布，与其图像在视觉上应是较为协调 的。将图像直方图修正为均匀分布的变换方法，称为直方图均衡化。

2.直方图规定化

直方图规定化是使原图像灰度直方图变成规定形状的直方图, 对图像作修正的增强方法。直方图均衡化处理是直方图规定化的一个特例。

)2,2(),(N v N u F v u F ++=)

2,2(),(N y N x F y x f ++=),(*),(v u F v u F --=|

),(|),(v u F v u F --=),(),(00θ?ωθθ+?+F r f {}{}{}),(),(),(),(2121y x f F y x f F y x f y x f F +=+)

,(),(v u aF y x af ?),(1),(b

v a u F ab by ax f ?

三、局部统计法增强

设一幅图像f (x,y )在(2n+1) × (2n+1) 窗口内均值与方差

K 为局部标准偏差比率。 若取：

K >1 输出图像被锐化，属于高通处理。

K <1 输出图像被平滑，属于低通处理。

4.2 图像的空间域平滑

任何一幅原始图像，在其获取和传输等过程中，会受到各种噪声的干扰，使图像模糊，特征淹没，对图像分析不利。为了抑制噪声改善图像质量所进行的处理称图像平滑或去噪。它可以在空间域和频率域中进行。

一、局部平滑法（空间域）

将当前像素邻域内各像素的灰度平均值作为其输出值的去噪方法。

优点：该算法计算简单，速度快

缺点：去噪同时，使图像变的模糊，特别在边缘和细节处。而且邻域越大，在去噪能力增强的同时模糊程度越严重。

二、超限像素平滑法

它是将f(x,y)和邻域平均g(x,y)差的绝对值与选定的阈值进行比较，根据比较结果决定点（x,y ）的最后灰度g ′(x,y)。

优点：对抑制椒盐噪声比较有效，对保护仅有微小灰度差的细节及纹理也有效

缺点：随着邻域增大，（去噪能力增强），但模糊程度也大

三、梯度倒数加权平滑

定义相邻像素间灰度之差的绝对值为两点间梯度。具有同一区域内相邻像素间梯度小，不同区域间相邻像素间梯度较大的特点。

优点：区域内权值较大，两区域相邻处权值较小，图像平滑的同时，细节保持良好。

四、最大均匀性平滑

为避免消除噪声引起边缘模糊，该算法先找出环绕图像中每像素的最均匀区域，然后用该区域的灰度均值代替该像素原来的灰度值。

五、有选择保边缘平滑法

计算各个模板的均值和方差，对方差进行排序，最小方差所对应的区域灰度均值就是该像素（x,y) 的输出值。

该方法以方差作为各个区域灰度均匀性的测度。若区域含有尖锐的边缘，它的灰度方差必定很大.而不含边缘或灰度均匀的区域，它的方差就小，那么最小方差所对应的区域就是灰度最均匀区域。

优点：选择保边缘平滑法既能够消除噪声，又不破坏区域边界的细节。

六、空间低通滤波法

应用模板卷积方法对图像每一像素进行局部处理

优点：选择低通空间滤波器，可以对数字图像f (x ,y )中高频信息抑制，而对低频轮廓不产生影响。

七、中值滤波

)]

,(),([),(),(y x m y x f k y x m y x g l l -?+=),(),(1),,,(y x f j y i x f j i y x g -++=

是对一个滑动窗口内的诸像素灰度值排序（ f 1 , f 2 , … , f n ），用灰度中值代替窗口中心像素的原来灰度值。

优点：对脉冲干扰及椒盐噪声的抑制效果好，在抑制随机噪声的同时能有效保护边缘少受模糊。

缺点：对点、线等细节较多的图像不太合适。

4.3 空间域高通滤波与锐化

空间域滤波增强或锐化目的是突出图像边缘和轮廓信息，图像锐化则通过微分而使图像边缘突出、清晰。

三、空间域锐化

1、基于梯度的图像锐化

计算得到图像梯度后，可根据需要选择不同阈值，生成不同的增强图像g (x ，y ) 。

（1） （2） （3）

2、Laplacian 增强算子

与一阶差分或梯度算子比较， Laplacian 二阶差分算子对噪声更敏感，使用时应注意。

3、 高通滤波法

在空间域用高通滤波算子和图像卷积来增强边缘

4.4图像的频率域增强

图像增强的目的主要包括：①消除噪声，改善图像的视觉效果；②突出边缘，有利于识别和处理。频率域增强是指 将原图像f(x ，y)，经傅立叶变换为F(u ，v)。选择合适的滤波器H(u,v)对F(u,v)的频谱成分进行处理，然后经逆傅立叶变换得到增强的图像g(x,y)。

一、频率域平滑

由于噪声主要集中在高频部分，为去除噪声，滤波器采用低通滤波器H(u,v)来抑制高频成分，保持低频成分，然后再进行逆傅立叶变换获得滤波图像，就可达到平滑图像的目的。常用的频率域低滤波器H(u,v)有四种：

1．理想低通滤波器（用该滤波器在去噪的同时将会导致边缘信息损失而使图像边模糊。有振铃效应产生）

2．巴特沃斯低通滤波器（采用该滤波器滤波在抑制噪声的同时，图像边缘的模糊程度大大减小，没有振铃效应产生。 ）

3．指数低通滤波器（该滤波器滤波在抑制噪声的同时，图像边缘的模糊程度较用巴特沃斯滤波产生的大些，无明显的振铃效应。 ）

4. 梯形低通滤波器

二、频率域锐化

频率域锐化就是要消除模糊突出边缘。因此采用高通滤波器让高频成分通过，使低频成分削弱，再经逆傅立叶变换得到边缘锐化的图像。常用的高通滤波器有：

1）理想高通滤波器（有明显振铃现象）

2）巴特沃斯高通滤波器（效果较好，但计算复杂，其优点是有少量低频通过，H(u ，v)是渐变的，振铃现象不明显）

3）指数高通滤波器（效果比巴特沃斯差，振铃现象不明显）

4）梯形高通滤波器（会产生微振铃效果，但计算简单，较常用）

???

,(),(),(),(???

),()

,(),(),(???

4.5 彩色增强技术

1、真彩色：称自然物体的彩色为真彩色。通常可用三种滤光片将一幅真彩色图像分离为红、绿、蓝三幅图像，三幅红绿蓝图像可再合成为原来的真彩色图像。

2、伪彩色：将灰度图像不同灰度级按一定方法指定为某种颜色级，得到一幅彩色图像的技术。指定彩色级通常在10~30 级间变化，超过30 级人眼无法辨认。

3、假彩色：将真彩色图像或多光谱图像变换为新的三基色（例：HIS）分量，将这三种颜色分量再合成新的彩色图像，该图像与原图像的彩色不同。

第五章图像复原与重建

§5.1 图像退化模型

一、概述

1、图像退化

图像的退化是指图像在形成、传输和记录过程中，由于成像系统、传输介质和设备的不完善，使图像的质量变坏。

2、图像复原

就是要尽可能恢复退化图像的本来面目，它是沿图像退化的逆过程进行处理。

3、图像复原与图像增强区别

图像增强不考虑图像是如何退化的，而是试图采用各种技术来增强图像的视觉效果。图像增强可以不考虑增强后图像是否失真。

图像复原需知道图像退化机制、退化过程等先验知识，据此找出一种相应的逆处理方法，从而得到复原的图像。

二者的目的都是为了改善图像的质量。

4、图像复原过程

根据图像退化的先验知识建立一个退化模型，以此模型为基础，采用各种逆退化处理方法进行恢复，使图像质量得到改善。

找退化原因→建立退化模型→反向推演→恢复图像

5、图像退化数学模型

f(x，y)表示没有退化的图像，g(x，y)是退化后的图像。若受加性噪声n(x，y)的干扰，则退化图像可表示为：

g（x，y）= f（x，y）* h（x，y）

§5.2 代数恢复方法

一、无约束最小二乘恢复

二、约束最小二乘恢复

1、能量约束最小二乘恢复

2、平滑约束最小二乘恢复

§5.4 图像的几何校正

一、几何失真

1、几何失真图像在获取过程，由于拍摄角度、成像系统具有非线性等因素的影响，使获得的图像产生几何失真，也称几何变形。

几何失真分为：系统失真和非系统失真。系统失真是有规律的、能预测的；非系统失真则是随机的。

2、几何校正方法

①图像空间坐标变换；首先建立图像像点坐标（行、列号）和物方对应点坐标间的映射关系，解求映射关系中的未知参数，然后根据映射关系对图像各个像素坐标进行校正。

②确定各像素的灰度值（灰度内插）。

二、空间坐标变换

实际工作中常以一幅图像为基准，去校正另一幅几何失真图像。

1、直接法

该法获得图像像素分布是不规则的，会出现像素挤压、疏密不均等现象。因此最后还需对不规则图像通过灰度内插生成规则的栅格图像。

2、间接法

由于间接法内插灰度易于实现，采用间接法进行几何纠正较多。

三、像素灰度内插方法

1．最近邻元法

在待求点的四邻像素中，将距离这点最近的相邻像素灰度赋给该待求点。

优点：该方法最简单，效果尚佳

缺点：校正后的图像有明显锯齿状，即存在灰度不连续性。

2．双线性内插法

双线性内插法是利用待求点四个邻像素的灰度在两个方向上作线性内插。

优点：没有灰度不连续性的缺点，结果令人满意。

缺点：该方法要比最近邻元法复杂，计算量大，它具有低通滤波性质，使高频分量受损，图像轮廓有一定模糊。

3．三次内插法

该方法利用三次多项式S(x)来逼近理论上的最佳插值函数sin(x)/x。

优点：内插效果最好，精度最高。

缺点：该算法计算量最大

第六章图像编码与压缩P121

第七章图像分割

§7.1 图像分割概述

一、图像分析

图像分析主要是对图像中感兴趣的目标进行检测和测量，以获得它们的客观信息从而建立对图像的描述

两种假设：①同一区域灰度的相似性

②不同区域的灰度不连续性

图像分析大致步骤为：

①把图像分割成不同的区域或把不同的对象分开；

②找出分开的各区域的特征；

③识别图像中要找的对象或对图像分类；

④对不同区域进行描述或寻找出不同区域的相互联系，进而找出相似结构或将相关区域连成一个有意义的结构。

二、图像分割

指把图像分成互不重叠的区域，并提取出感兴趣目标技术和过程。图像分割是由图像处理到图像分析关键步骤。它是目标表达的基础，对特征测量有重要的影响。同时图像分割及其基于分割的目标表达、特征提取和参数测量等将原始图像转化为更抽象形式，使得更高层

图像分析和理解成为可能。

图像分割的定义：

令集合R 代表整个图像区域，对R 的分割可看作将R 分成N 个满足以下五个条件的子区域R 1，R 2，…，R N ：

1）

2）对所有的i 和j ，i ≠j ，有R i ∩R j =φ；

3）对i = 1,2,…,N ，有P(R i ) = TRUE ；

4）对i ≠j ,有P(R i ∪R j ) = FALSE ；

5）对i =1,2,…,N ，R i 是连通的区域。

条件1）： 指出在对一幅图像的分割结果中全部子区域的总和（并集）应能包括图像中所有像素（就是原图像）。

条件2）：指出在分割结果中各个子区域是互不重叠的，或者说在分割结果中一个像素不能同时属于两个区域。

条件3）：指出属于同一个区域中的像素应具有相同特性。

条件4）：指出在分割结果中属于不同区域的像素应该具有一些不同的特性。

条件5）：要求分割结果中同一个子区域内的任两个像素在该子区域内互相连通，或者说分割得到的区域是一个连通组元。

三、图像分割的方法

1）基于边缘提取分割：先提取区域边界，再确定边界限定的区域。

2）区域分割：从图像出发，按“有意义”的属性一致的原则，确定每个像元的归属区域，形成一个区域图。

3）区域增长：从像元出发，按属性一致的原则，将属性接近的连通像元聚集成区域。

4）分裂—合并法：既存在图像的划分，又有像元的合并。

§ 6.2 常用边缘检测算子 P141

边缘是指图像中像元灰度有阶跃变化或屋顶状变化的那些像元的集合。

边缘可大致分为阶跃状和屋顶状两种。阶跃状边缘位于两边的像素灰度值有明显不同的地方；屋顶状边缘位于灰度值从增加到减少的转折处。

二、梯度算子

对阶跃边缘，在边缘点处一阶导数有极值，因此可计算每个像元处的梯度来检测边缘点。

算法：为检测边缘点，选取适当的门限T ，对梯度图像进行二值化，则有

梯度算子仅用最近邻像素的灰度计算，对噪声敏感，无法抑制噪声的影响 。

三、 Prewitt 、Sobel 算子

为检测边缘的同时减少噪声的影响，Prewitt 从加大边缘检测算子的模板大小出发，由2×2扩大到3×3来计算差分算子。

Prewitt 算子 Sobel 算子

采用Prewitt 算子不仅能检测边缘点，且能抑制噪声的影响。

Sobel 在Prewitt 算子的基础上，对4-邻域采用带权的方法计算差分，对应的模板如图。 ???≥=其他0

),(1y)g(x,T y x Grad

该算子不仅能检测边缘点，且能进一步抑制噪声的影响，但检测的边缘较宽。

四、方向算子

方向算子是利用一组模板，计算不同方向上像素差分值，取其中最大的值作为边缘强度，而将与之对应的方向作为边缘方向。

五、Laplace 算子

对于阶跃状边缘，其二阶导数零交叉点是边缘，据此对数字图像的每个像素计算关于x 、y 的二阶偏导数之和▽2f

算法：该算子对应的模板如图所示，它是一个与方向无关的各向同性（旋转轴对称）边缘检测算子。

其特点是：各向同性、线性和位移不变的；对细线和孤立点检测效果好。但边缘方向信息丢失，常产生双像素的边缘，对噪声有双倍加强作用。由于梯度算子和Laplace 算子都对噪声敏感，因此一般在用它们检测边缘前要先对图像进行平滑。

六、马尔算子

马尔算子是在拉普拉斯算子基础上实现的。基于对人的视觉机理的研究, 其原理是先对待图像进行噪声平滑，然后再用拉普拉斯算子检测边缘。

§7.3 边缘跟踪

一、概述

边缘提取得到的边缘线是间断、不连续的。边缘跟踪是连接边缘成线的算法。边缘跟踪形成线特征过程：

⒈提取可构成线特征的边缘；

⒉将边缘连成线。

二、光栅跟踪 P150

§7.4 Hough 变换检测直线

一、 Hough 变换与检测 P152

1、 Hough 变换

基本思想：点-线的对偶性

Hough 变换的性质：

（1）空间域(x,y)上的一点对应变换域（ρ,θ）上的一条正弦曲线

（2）变换域上的一点对应空间域上的一条直线

（3）空间域上一条直线对应空间域上经过一个公共点的n 条曲线

（4）变换域上一条曲线上的n 点对应空间域上过一个公共点的n 条直线

§7.5 区域分割法

关键：千方百计寻找阈值T

一、常用区域分割法

1.直方图分割（峰谷法）

直方图分割是利用图像灰度直方图，若其直方图呈双峰且有明显的谷底，则将谷底所对

应的灰度值t 作为阈值， 这种方法适用于目标和背景的灰度差较大，有明显谷底的情况。

2.P 参数法

设已知图像f (i , j )中，目标所占面积s 0,与图像面积s 之比为P = s 0 / s ，则背景所占面积比为1-P = (s - s 0) / s . 当取t 为阈值，使下式满足 ???>≤=t

j i f t j i f j i g ),(1),(0),(p s

s s -=-10

可将目标从图像中分割。该方法用于目标所占图像面积已知情况。

⒊判断分析法

⒋最佳熵阈值法

⒌最小误差分割

§7.6 区域增长

区域增长以图像某像素为生长点，比较相邻像素特征，将特征相似的相邻像素合并为同一区域；被合并的像素为生长点，重复上述操作，形成具有相似特征像素的最大连通集合。简单区域增长步骤如下：

（1）对图像进行光栅扫描，找出不属于任何区域像元。无这类像元操作结束。

（2）将该像元灰度同其邻域内，不属于其他区域像元进行比较，若差值小于阈值，则合并到同一区域。合并像元

(3) 从新合并的像元开始，重复进行（2）的操作。

(4) 重复进行(2) 、(3)的操作，直至不能再合并。

(5) 返回(1)操作，寻找新区域出发点的像元。当寻找不到这样像元时操作结束。

§7.7 分裂、合并P161

图像的分裂、合并混合法是基于四叉树思想，把一幅图像等分成四块，四个区域作为被分裂的第一层。第一层的4个分块中的每一支，又分裂成相等的4块作为第二层。

合并：当同一层的4块中的像素满足某一特性的均匀性时，将它们合并为一母块。

分裂：当一层中的某一块内像素不满足某一特性的均匀性时，将它们分裂成四个子块。

1、何谓图像分割？如何理解“图像分割是图像处理到图像分析的关键步骤”？图像分割基于哪两个假设？图像分割的方法有哪些？

2、何谓边缘？边缘检测的算子有哪些？试描述出不同算子的形式。并说明各种边缘检测算

子的思想。

3、边缘检测中一阶导数进行线的检测和二阶导数进行点的检测。

4、光栅跟踪扫描的算法思想

5、什么是Hough变换？试述采用Hough变换检测直线的原理。Hough变换的性质。

6、试述Hough变换检测双曲线的算法思想

7、简单区域增长。P155 题8

8、区域分割有多少种算法？分别解释之。区域分割与区域增长有何区别？

9、试说明分裂合并法的算法思想。

数字图像处理课程心得

数字图像处理课程心得 本学期，我有幸学习了数字图像处理这门课程，这也是我大学学习中的最后一门课程，因此这门课有着特殊的意义。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%，其它如味觉、触觉、嗅觉信息总的加起来不过占20%。可见图像信息是十分重要的。通过十二周的努力学习，我深刻认识到数字图像处理对于我的专业能力提升有着比较重要的作用，我们可以运用Matlab对图像信息进行加工，从而满足了我们的心理、视觉或者应用的需求，达到所需图像效果。 数字图像处理起源于20世纪20年代，当时通过海底电缆从英国伦敦到美国纽约采用数字压缩技术传输了第一幅数字照片。此后，由于遥感等领域的应用，使得图像处理技术逐步受到关注并得到了相应的发展。第三代计算机问世后，数字图像处理便开始迅速发展并得到普遍应用。由于CT的发明、应用及获得了备受科技界瞩目的诺贝尔奖，使得数字图像处理技术大放异彩。目前数字图像处理科学已成为工程学、计算机科学、信息科学、统计学、物理、化学、生物学、医学甚至社会科学等领域中各学科之间学习和研究的对象。随着信息高速公路、数字地球概念的提出以及Internet的广泛应用，数字图像处理技术的需求与日俱增。其中，图像信息以其信息量大、传输速度快、作用距离远等一系列优点成为人类获取信息的重要来源及利用信息的重要手段，因此图像处理科学与技术逐步向其他学科领域渗透并为其它学科所利用是必然的。 数字图像处理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。图像处理科学是一门与国计民生紧密相联的应用科学，它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，在应用上亦是科学研究、社会生产乃至人类生活中不可缺少的强有力的工具。它的发展及应用与我国的现代化建设联系之密切、影响之深远是不可估量的。在信息社会中，数字图象处理科学无论是在理论上还是在实践中都存在着巨大的潜力。近几十年，数字图像处理技术在数字信号处理技术和计算机技术发展的推动下得到了飞速的发展，正逐渐成为其他科学技术领域中不可缺少的一项重要工具。数字图像处理的应用领域越来越广泛，从空间探索到微观研究，从军事领域到工农业生产，从科学教育到娱乐游戏，越来越多的领域用到了数字图像处理技术。 虽然通过一学期的课程学习我们还没有完全掌握数字图像处理技术，但也收获了不少，对于数字图像处理方面的知识有了比较深入的了解，当然也更加理解了数字图像的本质，即是一些数字矩阵，但灰度图像和彩色图像的矩阵形式是不同的。对于一些耳熟能详的数字图像相关术语有了明确的认识，比如常见的：像素（衡量图像的大小）、分辨率（衡量图像的清晰程度）、位图（放大后会失真）、矢量图（经过放大不会失真）等大家都能叫上口却知识模糊的名词。也了解图像处理技术中一些常用处理技术的实质，比如锐化处理是使模糊的图像变清晰，增强图像的边缘等细节。而平滑处理是的目的是消除噪声，模糊图像，在提取大目标之前去除小的细节或弥合目标间的缝隙。对常提的RGB图像和灰度图像有了明确的理解，这对大家以后应用Photoshop等图像处理软件对图像进行处理打下了

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)

数字图像处理期末复习题2教学总结

第六章图像的锐化处理 一.填空题 1. 在图像的锐化处理中，通过一阶微分算子和二阶微分算子都可以进行细节的增强与检测。垂直方向的微分算子属于________________。（填“一阶微分算子”或“二阶微分算子”） 2. 在图像的锐化处理中，通过一阶微分算子和二阶微分算子都可以进行细节的增强与检测。Roberts交叉微分算子属于________________。（填“一阶微分算子”或“二阶微分算子”） 3. 在图像的锐化处理中，通过一阶微分算子和二阶微分算子都可以进行细节的增强与检测。Sobel 微分算子属于________________。（填“一阶微分算子”或“二阶微分算子”） 4. 在图像的锐化处理中，通过一阶微分算子和二阶微分算子都可以进行细节的增强与检测。Priwitt微分算子属于________________。（填“一阶微分算子”或“二阶微分算子”） 5. 在图像的锐化处理中，通过一阶微分算子和二阶微分算子都可以进行细节的增强与检测。Laplacian微分算子属于________________。（填“一阶微分算子”或“二阶微分算子”） 6. 在图像的锐化处理中，通过一阶微分算子和二阶微分算子都可以进行细节的增强与检测。Wallis 微分算子属于________________。（填“一阶微分算子”或“二阶微分算子”） 7. 在图像的锐化处理中，通过一阶微分算子和二阶微分算子都可以进行细节的增强与检测。水平方向的微分算子属于________________。（填“一阶微分算子”或“二阶微分算子”） 8. 图像微分______________了边缘和其他突变的信息。（填“增强”或“削弱”） 9. 图像微分______________了灰度变化缓慢的信息。（填“增强”或“削弱”） 10. 图像微分算子______________用在边缘检测中。（填“能”或“不能”） 四.简答题 1. 图像中的细节特征大致有哪些？一般细节反映在图像中的什么地方？ 2. 一阶微分算子与二阶微分算子在提取图像的细节信息时，有什么异同？ 3. 简述水平方向的微分算子的作用模板和处理过程。 4. 简述垂直方向的微分算子的作用模板和处理过程。 5. 已知Laplacian微分算子的作用模板为：，请写出两种变形的Laplacian算子。解答: 1. 图像的细节是指画面中的灰度变化情况，包含了图像的孤立点、细线、画面突变等。孤 立点大都是图像的噪声点，画面突变一般体现在目标物的边缘灰度部分。 2. 一阶微分算子获得的边界是比较粗略的边界，反映的边界信息较少，但是所反映的边界 比较清晰；二阶微分算子获得的边界是比较细致的边界。反映的边界信息包括了许多的细节 信息，但是所反映的边界不是太清晰。 五.应用题 1. 已知Roberts算子的作用模板为：，Sobel算子的作用模板为： 。 设图像为：

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);

数字图像处理期末复习总结

第一节数字图像处理概述/第二节数字图像处理的获取、显示和表示（只有概念，无计算） 1、图像的数字化过程：将一幅图像从原来的形式转换为数字形式的处理过程。图像的数字化过程包括扫描、采样、量化。 ①扫描：对一幅图像内给定位置的寻址。（被寻址的最小单元：像素） ②采样：在一幅图像的每个像素位置上测量灰度值。（采样的两个重要参数：采样间隔和采样孔径） ③量化：将测量的灰度值用一个整数表示。 2、数字图像处理技术所涉及的图像类型：（1位）二值图像、（8位）灰度图像、（24位）彩色图像、索引图像。 （24位）彩色图像区别颜色特性的三个因素：色相（或色度）、饱和度、亮度。 ①色相（或色度）：是从物体反射或透过物体传播的颜色。在0 到360 度的标准色轮上，色相是按位置度量的。在通常的使用中，色相是由颜色名称标识的，比如红、橙或绿色。 ②饱和度：有时也称色品，是指颜色的强度或纯度。饱和度表示色相中灰成分所占的比例，用从0%（灰色）到100%（完全饱和）的百分比来度量。在标准色轮上，从中心向边缘饱和度是递增的。 ③亮度：是颜色的相对明暗程度。通常用从 0%（黑）到 100%（白）的百分比来度量。 第三节灰度直方图 1、灰度直方图的定义：是灰度级的函数，描述的是图像中每种灰度级像素的个数，反映图像中每种灰度出现的频率。横坐标是灰度级，纵坐标是灰度级出现的频率(像素个数)。 2、灰度直方图的数学表达式：（一幅连续图像的直方图是其面积函数的导数的负值） 3、灰度直方图的性质：①不表示图像的空间信息；②任一特定图像都有唯一直方图，但反之并不成立（即一个直方图不只对应一个图像）； ③归一化灰度直方图和面积函数可得到图像的概率密度函数PDF和累积分布函数CDF；④直方图的可相加性；⑤利用轮廓线可以求面积（灰度级D1定义的轮廓线） 4、直方图均衡化：利用点运算使一幅输入图像转换为在每一灰度级上都有相同像素点数的输出图像(即输出的直方图是平的) 直方图匹配：对一幅图像进行变换，使其直方图与另一幅图像的直

数字图像处理技术应用课程报告

集中稀疏表示的图像恢复 董伟胜中国西安电子科技大学电子工程学院wsdong@https://www.doczj.com/doc/a66508165.html, 张磊香港理工大学计算机系cslzhang@https://www.doczj.com/doc/a66508165.html,.hk 石光明中国西安电子科技大学电子工程学院gmshi@https://www.doczj.com/doc/a66508165.html, 摘要 本文对于图像恢复任务提出了一种新的称为集中稀疏表示(CSR)的稀疏表示模型。为了重建高还原度的图像，通过给定的字典，退化图像的稀疏编码系数预计应该尽可能接近那些未知的原始图像。然而，由于可用的数据是原始图像的退化版本(如噪声、模糊和/或者低采样率)，正如许多现有的稀疏表示模型一样，如果只考虑局部的稀疏图像，稀疏编码系数往往不够准确。为了使稀疏编码更加准确，通过利用非局部图像统计，引入一个集中的稀疏性约束。为了优化，局部稀疏和非局部稀疏统一到一个变化的框架内。大量的图像恢复实验验证了我们的CSR模型在以前最先进的方法之上取得了令人信服的改进。 1、介绍 图像恢复（IR）目的是为了从，比如说通过一个低端摄像头或者在有限条件下得到图像的图像退化版本（例如噪声、模糊和/或者低采样率），来恢复一副高质量的图像。对于观察的图像y，IR问题可以表示成： y = Hx + v (1) 其中H是一个退化矩阵，x是原始图像的矢量，v是噪声矢量。由于IR的病态特性，尝试把观察模型和所需解决方案的先验知识合并到一个变分公式的正则化技术，已经被广泛地研究。对于正则方法，对自然图像适当的先验知识进行寻找和建模是最重要的关注点之一，因此学习自然图像先验知识的各种方法已经被提出来了【25,5,6,12】。 近年来，对于图像恢复基于建模的稀疏表示已经被证明是一种很有前途的模型【9,5,13,20,16,21,27,15,14】。在人类视觉系统【23,24】的研究中，已经发现细胞感受区域使用少量的从一个超完备的编码集中稀疏选出的结构化基元来编码自然图像。在数学上，一个x ∈ R N的信号可以表示为一个字典Φ中的几个原子的线性组合，例如，X ≈Φα,用|0 最小化：

上数字图像处理技术的心得

上数字图像处理技术的心得我一直对PS挺感兴趣的，虽然我去图书馆借了许多书，可是有很多地方解释不清楚也没有素材，我都快崩溃了。单我发现这门课立即就报了它。我的最初目的不是要去学数字图像处理技术，而是冲着学photoshop去的。 刚开始上第一节课时，老师您并没有讲PS，而是讲一些关于数字图像处理技术的原理知识。我本以为我可能不会喜欢这种类型的课。但是出于一个理科生的本能反应，我挺喜欢这些内容。我发觉我的几个选修都正好符合我的兴趣爱好。我第一次接触数字图像处理技术，才知道图像的原理竟然一些数字矩阵。不愧叫数字图像处理技术。 但老师开始讲PS的时候，我自然是更加高兴了。因为这是我主要的学习目的。图像处理技术只是碰巧撞上。说实话，我对PS上的一些工具及使用方法还不是很了解。老师能从基本知识讲起正和我心意。虽然有很多我以前都会了。 我现在来讲讲我从在这门选修课中学到最主要的两项知识。 其一就是老师最希望我们了解的数字图像处理技术。我们现在都知道一张像数码相机照出来的照片（数字图像）是由一大堆数字矩阵组成。黑白与彩色图像的矩阵又有一些不同。老师用北京邮电大学的那个软件给我们演示一下PS里面的图像处理原理是怎样形成的。比如模糊，锐化等等。还有很多的图像处理通过PS来说明解释。后面主要就是介绍压缩技术。当然也涉及到一些视频音频的压缩。图像

压缩老师您也介绍了很多不同的方法。可我想不起来了，但是起码我们知道了它的压缩原理。知道原图像与压缩后所占存储量的巨大差异。我在这里也和老师一样用画图做一个。有一点失真，这就是有损压缩。 另外那个无损压缩从视觉上是抗不出来的，就不用做了。 其二，就是在photosop的操作上。老师您举了许许多多的操作例子来提高我们对数字图像处理技术的兴趣，尤其是在图层和滤镜的学习，我都学到很多在书上看不懂的方法技能。下面我也简简单单做一张，就当做是作业来完成吧！ 如下三张图：通过第一张图中草地，山与第二张的天空合成第三张图。

数字图像处理心得体会

《数字图像处理》心得体会 图像处理是指对图像信息进行加工，从而满足人类的心理、视觉或者应用的需求的一种行为。图像处理方法一般有数字法和光学法两种，其中数字法的优势很明显，已经被应用到了很多领域中，相信随着科学技术的发展,其应用空间将会更加广泛。数字图像处理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。数字图像处理是从20世纪60年代以来随着计算机技术和VLSL的发展而产生、发展和不断成熟起来的一个新兴技术领域。数字图像处理技术其实就是利用各种数字硬件与计算机，对图像信息通过转换而得到的电信号进行相应的数学运算，例如图像去噪、图像分割、提取特征、图像增强、图像复原等，以便提高图像的实用性。其特点是处理精度比较高，并且能够对处理软件进行改进来优化处理效果，操作比较方便，但是由于数字图像需要处理的数据量一般很大，因此处理速度有待提高。 由于数字图像处理的方便性和灵活性，因此数字图像处理技术已经成为了图像处理领域中的主流。数字图像处理技术主要涉及到的关键技术有：图像的采集与数字化、图像的编码、图像的增强、图像恢复、图像分割、图像分析等。? 图像的采集与数字化：就是通过量化和取样将一个自然图像转换为计算机能够处理的数字形式。? 图像编码：图像编码的目的主要是来压缩图像的信息量，以便能够满足存储和传输的要求。? 图像的增强：图像的增强其主要目的是使图像变得清晰或者将其变换为机器能够很容易分析的形式，图像增强方法一般有：直方图处理、灰度等级、伪彩色处理、边缘锐化、干扰抵制。?

图像的恢复：图像恢复的目的是减少或除去在获得图像的过程中因为各种原因而产生的退化，可能是由于光学系统的离焦或像差、被摄物与摄像系统两者之间的相对运动、光学或电子系统的噪声与介于被摄像物跟摄像系统之间的大气湍流等等。? 图像的分割：图像分割是将图像划分为一些互相不重叠的区域，其中每一个区域都是像素的一个连续集，通常采用区域法或者寻求区域边界的境界法。? 图像分析：图像分析是指从图像中抽取某些有用的信息、数据或度量,其目的主要是想得到某种数值结果。图像分析的内容跟人工智能、模式识别的研究领域有一定的交叉。? 数字图像处理的特点主要表现在以下几个方面：? 1）?数字图像处理的信息大多是二维信息，处理信息量很大。因此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。与语言信息相比,占用的频带要大几个数量级。所以在成像、传输、存储、处理、显示等各个环节的实现上技术难度较大，成本亦高。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不是独立的，其相关性大。在图像画面上，经常有很多像素有相同或接近的灰度。所以，图像处理中信息压缩的潜力很大。?图像受人的因素影响较大，因为图像一般是给人观察和评价的。? 数字图像处理的优点主要表现在4个方面。? 1）?再现性好。数字图像处理与模拟图像处理的根本不同在于它不会因图像的存储、传输或复制等一系列变换操作而导致图像质量的退化。只要图像在数字化时准确地表现了原稿，那么数字图像处理过程始终能保持图像的再现。? 2）?处理精度高。将一幅模拟图像数字化为任意大小的二维数组，主要取决于

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 -

数字图像处理期末考题

数字图像处理 一、填空题 1、数字图像的格式有很多种，除GIF格式外，还有jpg 格式、tif 格式。 2、图像数据中存在的有时间冗余、空间冗余、结构冗余、信息熵冗余、知识 冗余、视觉冗余。 3、在时域上采样相当于在频域上进行___延拓。 4、二维傅里叶变换的性质___分离性、线性、周期性与共轨对称性、__位 移性、尺度变换、旋转性、平均值、卷积。（不考） 5、图像中每个基本单元叫做图像元素；在早期用picture表示图像时就称为 像素。 6、在图象处理中认为线性平滑空间滤波器的模板越大,则对噪声的压制越 好 ;但使图像边缘和细节信息损失越多; 反之, 则对噪声的压制不好 ,但对图像的细节等信息保持好。模板越平,则对噪声的压制越好 ,但对图像细节的保持越差;反之,则对噪声的压制不好,但对图像细节和边缘保持较好。 7、哈达玛变换矩阵包括___+1 和___—1 两种矩阵元素。（不要） 8、对数变换的数学表达式是t = Clog ( 1 + | s | ) 。 9、傅里叶快速算法利用了核函数的___周期性和__对称性。（不要） 10、直方图均衡化的优点是能自动地增强整个图像的对比度。（不要） 二、选择题 ( 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 .255 c ( c )2.采用模板［-1 1］主要检测____方向的边缘。 a.水平 b.45 c.垂直 ( c )3. 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. 中值滤波增强 ( b )4.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 ( a )5.对一幅图像采样后，512*512的数字图像与256*256的数字图像相比较具有的细节。 a.较多 b.较少 c.相同 d.都不对 ( b )6.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 ( d )7.二值图象中分支点的连接数为： .1 c ( a )8.对一幅100100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： :1 :1 c.4:1 :2 ( d )9.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 )10.下列图象边缘检测算子中抗噪性能最好的是： a.梯度算子算子算子d. Laplacian算子

武汉大学数字图像处理课程综合实习实习报告

数字图像处理课程综合实习 实习报告 学院 班级 学号 姓名 日期 指导教师

一、实习目的和意义 本实习内容旨在让同学们通过用VC等高级语言编写数字图像处理的一些基本算法程序，来巩固和掌握图像处理技术的基本技能，提高实际动手能力，并通过实际编程了解图像处理软件的实现的基本原理。为学生进一步学习数字摄影测量、遥感和地理信息系统等专业课程以及应用图像处理解决实际问题奠定基础。 二、实习原理和方法 实习一实现RAW->BMP格式的转换 RAW格式：文件按照数字图像组成的二维矩阵，将像素按行列号顺序存储在文件中。这种文件只含有图像像素数据，不含有信息头，因此，在读图像时，需要根据文件大小，计算图像所包含的行列号，或者需要事先知道图像大小（矩阵大小）。但这种文件读取和保存简单。 RAW文件按图像上行到下行、左列到右列顺序存储，而BMP文件数据区按图像上下行到上行、左列列到右列顺序存储到数据区。 实现RAW文件到BMP文件的转换，需要为BMP文件生成文件头、信息头、颜色表、数据区，将RAW文件数据区赋值到BMP文件数据区。 实习二灰度线性变换 点运算是指像素值（即像素点上的灰度值）通过运算改变之后，可以改善图象的显示效果。这是一种像素的逐点运算，是旧图象与新图象之间的映射关系，是一种简单但却十分有效的一种图象处理手段。常用方法有灰度线性变换、直方图均衡、对比度调整、直方图规定化、对数变换、指数变换、密度分割等方法。 灰度的线性变换就是指图像的中所有点的灰度按照线性灰度变换函数进行变换。灰度变换方程如下： D0=f(Di)=a*Di+b 该方程为线性方程。式中参数Di为输入图像的像素的灰度值，参数D0为输出图像的灰度，a和b由给定条件确定。 实习三图像局部处理：高通滤波和低通滤波

《数字图像处理》课程学习心得

《数字图像处理》课程学习心得 导读：本文《数字图像处理》课程学习心得，仅供参考，如果能帮助到您，欢迎点评和分享。 《数字图像处理》课程学习心得（一） 在这一学期，我选修了《数字图像处理基础》这门课程，同时，老师还讲授了一些视频处理的知识。在这里，梳理一下这学期学到的知识，并提出一些我对这门课程的建议。 图像处理是指对图像信息进行加工，从而满足人类的心理、视觉或者应用的需求的一种行为。图像处理方法一般有数字法和光学法两种，其中数字法的优势很明显，已经被应用到了很多领域中，相信随着科学技术的发展，其应用空间将会更加广泛。数字图像处理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。数字图像处理是从20世纪60年代以来随着计算机技术和VLSL的发展而产生、发展和不断成熟起来的一个新兴技术领域。数字图像处理技术其实就是利用各种数字硬件与计算机，对图像信息通过转换而得到的电信号进行相应的数学运算，例如图像去噪、图像分割、提取特征、图像增强、图像复原等，以便提高图像的实用性。其特点是处理精度比较高，并且能够对处理软件进行改进来优化处理效果，操作比较方便，但是由于数字图像需要处理的数据量一般很大，因此处理速度有待提高。目前，随着计算机技术的不断发展，计算机的运算速度得到了很大程度的提高。在短短的历史中，它

却广泛应用于几乎所有与成像有关的领域，在理论上和实际应用上都取得了巨大的成就。 1、数字图像处理需用到的关键技术 由于数字图像处理的方便性和灵活性，因此数字图像处理技术已经成为了图像处理领域中的主流。数字图像处理技术主要涉及到的关键技术有：图像的采集与数字化、图像的编码、图像的增强、图像恢复、图像分割、图像分析等。 图像的采集与数字化：就是通过量化和取样将一个自然图像转换为计算机能够处理的数字形式。 图像编码：图像编码的目的主要是来压缩图像的信息量，以便能够满足存储和传输的要求。 图像的增强：图像的增强其主要目的是使图像变得清晰或者将其变换为机器能够很容易分析的形式，图像增强方法一般有：直方图处理、灰度等级、伪彩色处理、边缘锐化、干扰抵制。 图像的恢复：图像恢复的目的是减少或除去在获得图像的过程中因为各种原因而产生的退化，可能是由于光学系统的离焦或像差、被摄物与摄像系统两者之间的相对运动、光学或电子系统的噪声与介于被摄像物跟摄像系统之间的大气湍流等等。 图像的分割：图像分割是将图像划分为一些互相不重叠的区域，其中每一个区域都是像素的一个连续集，通常采用区域法或者寻求区域边界的境界法。 图像分析：图像分析是指从图像中抽取某些有用的信息、数据或

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。

数字图像处理期末复习

遥感与数字图像处理基础知识 一、名词解释： 数字影像图像采样灰度量化像素 数字影像：数字影像又称数字图像，即数字化的影像。基本上是一个二维矩阵，每个点称为像元。像元空间坐标和灰度值均已离散化，且灰度值随其点位坐标而异。 图像采样：指将在空间上连续的图像转换成离散的采样点集的操作。 灰度量化：将各个像素所含的明暗信息离散化后，用数字来表示。 像素：像素是A/D转换中的取样点，是计算机图像处理的最小单元 二、填空题： 1、光学图像是一个连续的光密度函数。 2、数字图像是一个_离散的光密度_函数。 3、通过成像方式获取的图像是连续的，无法直接进行计算机处理。此外，有些遥感图像是通过摄影方式获取的，保存在胶片上。只有对这些获取的图像（或模拟图像）进行数字化后，才能产生数字图像。数字化包括两个过程：___采样___和__量化___。 4、一般来说，采样间距越大，图像数据量____小____，质量____低_____；反之亦然。 5、一幅数字图像为8位量化，量化后的像素灰度级取值范围是________的整数。设该数字图像为600行600列，则图像所需要的存储空间为________字节。 6、设有图像文件为200行，200列，8位量化，共7个波段，则该图像文件的大小为________。 三、不定项选择题：(单项或多项选择) 1、数字图像的________。 ①空间坐标是离散的，灰度是连续的②灰度是离散的，空间坐标是连续的 ③两者都是连续的④两者都是离散的 2、采样是对图像________。 ①取地类的样本②空间坐标离散化③灰度离散化 3、量化是对图像________。 ①空间坐标离散化②灰度离散化③以上两者。 4、图像灰度量化用6比特编码时，量化等级为________。 ①32个②64个③128个④256个 5、数字图像的优点包括________。 ①便于计算机处理与分析②不会因为保存、运输而造成图像信息的损失 ③空间坐标和灰度是连续的

数字图像处理期末复习试题3

1、数字图像：指由被称作像素的小块区域组成的二维矩阵。将物理图像行列划分后，每个小块区域称为像素（pixel）。 数字图像处理：指用数字计算机及其它有关数字技术，对图像施加某种运算和处理，从而达到某种预想目的的技术. 2、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。 3、灰度直方图：指反映一幅图像各灰度级像元出现的频率。 4、中值滤波：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) 三、简答题( 每小题10分,本题共30 分 )： 1. 举例说明直方图均衡化的基本步骤。 直方图均衡化是通过灰度变换将一幅图象转换为另一幅具有均衡直方图，即在每个灰度级上都具有相同的象素点数的过程。 直方图均衡化变换：设灰度变换s=f(r)为斜率有限的非减连续可微函数，它将输入图象Ii(x，y)转换为输出图象Io(x，y)，输入图象的直方图为Hi(r)，输出图象的直方图为Ho(s)，则根据直方图的含义，经过灰度变换后对应的小面积元相等：Ho(s)ds=Hi(r)dr 直方图修正的例子 假设有一幅图像，共有6 4(6 4个象素，8个灰度级，进行直方图均衡化处理。 根据公式可得：s2=0.19+0.25+0.2l=0.65，s3=0.19+0.25+0.2l+0.16=0.8l，s4=0.89,s5=0.95，s6=0.98，s7=1．00 由于这里只取8个等间距的灰度级，变换后的s值也只能选择最靠近的一个灰度级的值。因此，根据上述计算值可近似地选取： S0≈1／7，s 1≈3／7，s2≈5／7，s3≈6／7，s4≈6／7，s5≈1，s6≈l，s7≈1。 可见，新图像将只有5个不同的灰度等级，于是我们可以重新定义其符号： S0’=l／7，s1’=3／7，s2’=5／7，s3’=6／7，s4’=l。 因为由rO=0经变换映射到sO=1／7，所以有n0=790个象素取sO这个灰度值；由rl=3／7映射到sl=3／7，所以有1 02 3个象素取s 1这一灰度值；依次类推，有850个象素取s2=5／7这一灰度值；由于r3和r4均映射到s3=6／7这一灰度值，所以有656+329=98 5个象素都取这一灰度值；同理，有245+1 22+81=448个象素都取s4=1这一灰度值。上述值除以n=4096，便可以得到新的直方图。 2. 简述JPEG的压缩过程，并说明压缩的有关步骤中分别减少了哪种冗余？ 答：分块－＞颜色空间转换－＞零偏置转换－＞DCT变换－＞量化－＞符号编码。颜色空间转换，减少了心理视觉冗余；零偏置转换，减少了编码冗余；量化减少了心理视觉冗余；符号编码由于是霍夫曼编码加行程编码，因此即减少了编码冗余（霍夫曼编码）又减少了像素冗余（行程编码）。 ＪＰＥＧ2000的过程：图像分片、直流电平（DC）位移，分量变换，离散小波变换、量化，熵编码。3、Canny边缘检测器 答：Canny边缘检测器是使用函数edge的最有效边缘检测器。该方法总结如下：1、图像使用带有指定标准偏差σ的高斯滤波器来平滑，从而可以减少噪声。2、在每一点处计算局部梯度g（x,y）=[G2x+G2y]1/2 和边缘方向α（x,y）=arctan（Gy/Gx）。边缘点定义为梯度方向上其强度局部最大的点。3、第2条中确定的边缘点会导致梯度幅度图像中出现脊。然后，算法追踪所有脊的顶部，并将所有不在脊的顶部的像素设为零，以便在输出中给出一条细线，这就是众所周知的非最大值抑制处理。脊像素使用两个阈值T1和T2做阈值处理，其中T1

数字图像处理总结

第一章引言 1.图像处理的目的： 【PPT】人的观察、图像分析和识别 【百度】 (1)提高图像的视感质量，如进行亮度、彩色变换等以改善图像质量； (2)提取图像中所包含的某些特征或特殊信息，这个过程是模式识别或计算机视觉的预处理； (3)图像数据的变换、编码和压缩，以便于图像的存储和传输。 2.图像分辨能力描述 3.数字图像的运算形式：全局/局部/点,串行/并行 全局：快速傅立叶变换 局部： 点运算：对于一幅输入图像，经过点运算产生一幅输出图像，后者的每个像素的灰度值仅由相应输入像素的值决定（对比度增强，对比度拉伸，灰度变换）串行：后一像素输出结果依赖于前面像素处理的结果，并且只能依次处理各像素而不能同时对各像素进行相同处理的一种处理形式。 并行：对图像内的各同时进行相同形式运算的一种处理形式。 4.图像工程中的层次

5.数字图像的噪声 主要分为平稳的噪声和非平稳的噪声 第二章数字图像处理的基本概念 1.消色效应与加色效应（理解）： 加色效应：由两种或两种以上的色光相混合时，会同时或者在极短的时间内连续刺激人的视觉器官，使人产生一种新的色彩感觉。我们称这种色光混合为加色混合。这种由两种以上色光相混合，呈现另一种色光的方法，称为色光加色法。表达式：（R）+（G）+（B）=（W）【RGB=红绿蓝】 消色效应：“色料减色法”。色料的呈色是由于色料选择性地吸收了入射光中的补色成分，而将剩余的色光反射或透射到人眼中。减色法的实质是色料对复色光中的某一单色光的选择性吸收，而使入射光的能量减弱。由于色光能量下降，使混合色的明度降低。表达式：（Y）+（M）+（C）=（Bk）【YMC=黄、品红、青】加色法与减色法的关系： 加色法与减色法都是针对色光而言，加色法指的是色光相加，减色法指的是色光被减弱。加色法是色光混合呈色的方法。减色法是色料混合呈色的方法。 加色法是两种以上的色光同时刺激人的视神经而引起的色效应；而减色法是指从白光或其它复色光中减某些色光而得到另一种色光刺激的色效应。 从互补关系来看，有三对互补色：R-C；G-M；B-Y。在色光加色法中，互补色相加得到白色；在色料减色法中，互补色相加得到黑色。

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】');