一、填空题（每题 1 分，共 15 分）
1、列举数字图像处理的三个应用领域
医学
、天文学
、 军事 2、存储一幅大小为 1024
1024
个灰度级的图像，需要 8M bit 。
， 256 3、亮度鉴别实验表明，韦伯比越大，则亮度鉴别能力越 差 。 4、直方图均衡化适用于增强直方图呈 尖峰 分布的图像。
5、依据图像的保真度，图像压缩可分为 无损压缩
和 有损压缩
6、图像压缩是建立在图像存在
编码冗余
、 像素间冗余 、 心理视觉冗余
三种冗余基础上。
7、对于彩色图像，通常用以区别颜色的特性是
色调
、 饱和度
亮度。
8、对于拉普拉斯算子运算过程中图像出现负值的情况，写出一种标定方法：
(g(x, y)
g min )*255/( g max g min )
二、选择题（每题 2 分，共 20 分）
1、采用幂次变换进行灰度变换时，当幂次取大于
1 时，该变换是针对如下哪一
类图像进行增强。 （ B ）
A 图像整体偏暗
B 图像整体偏亮
C 图像细节淹没在暗背景中
D 图像同时存在过亮和过暗背景
2、图像灰度方差说明了图像哪一个属性。
（ B
）
A 平均灰度
B 图像对比度
C 图像整体亮度
D 图像细节
3、计算机显示器主要采用哪一种彩色模型（
A ）
A 、RGB
B 、 CMY 或 CMYK
C 、HSI
D 、HSV
4、采用模板［ -1 1 ］ T 主要检测（ A ）方向的边缘。 A. 水平 B.45 C. 垂直 D.135
5、下列算法中属于图象锐化处理的是： ( C )
A. 低通滤波
B. 加权平均法
C. 高通滤波
D. 中值滤波
6、维纳滤波器通常用于（C ）
A 、去噪 B
、减小图像动态范围
C 、复原图像
D 、平滑图像
7、彩色图像增强时，
C
处理可以采用 RGB 彩色模型。
A. 直方图均衡化
B. 同态滤波
C. 加权均值滤波
D. 中值滤波
8、 __B__ 滤波器在对图像复原过程中需要计算噪声功率谱和图像功率谱。
A. 逆滤波
B. 维纳滤波
C. 约束最小二乘滤波
D. 同态滤波 9、高通滤波后的图像通常较暗，为改善这种情况，将高通滤波器的转移函数加
上一常数量以便引入一些低频分量。这样的滤波器叫
B
。
A. 巴特沃斯高通滤波器
B. 高频提升滤波器
C. 高频加强滤波器
D. 理想高通滤波器
10、图象与灰度直方图间的对应关系是
A. 一一对应
B.多对一
B __
C.一对多
D.都不
四、简答题（每题 5 分，共 20 分）
1、逆滤波时，为什么在图像存在噪声时，不能采用全滤波？试采用逆滤波原理
说明，并给出正确的处理方法。
复原由退化函数退化的图像最直接的方法是直接逆滤波。在该方法中，
用退化函数除退化图像的傅立叶变换来计算原始图像的傅立叶变换。
^ G u, v N u, v
F u,v F u, v
H u, v H u, v
由上式可以看到，即使我们知道退化函数，也可能无法准确复原未退化
的图像。因为噪声是一个随机函数，其傅氏变换未知。当退化为0 或非
常小的值， N(u,v)/H(u,v) 之比很容易决定 F u, v 的值。一种解决该问
题的方法实现值滤波的频率时期接近原点值。
2、当在白天进入一个黑暗剧场时，在能看清并找到空座位时需要适应一段
时间，试述发生这种现象的视觉原理。
答：人的视觉绝对不能同时在整个亮度适应范围工作，它是利用改变其亮度适应
级来完成亮度适应的。即所谓的亮度适应范围。同整个亮度适应范围相比，能
同时鉴别的光强度级的总范围很小。因此，白天进入黑暗剧场时，人
的视觉系统需要改变亮度适应级，因此，需要适应一段时间，亮度适应级才能被改变。
3、简述梯度法与Laplacian 算子检测边缘的异同点？
答：梯度算子和Laplacian 检测边缘对应的模板分别为
-1 -11 1
1 1-4 1
1
（梯度算子）（ Laplacian 算子）（2 分）
梯度算子是利用阶跃边缘灰度变化的一阶导数特性，认为极大值点对应于
边缘点；而 Laplacian 算子检测边缘是利用阶跃边缘灰度变化的二阶导数特
性，认为边缘点是零交叉点。（ 2 分）
相同点都能用于检测边缘，且都对噪声敏感。（1 分）
4、将高频加强和直方图均衡相结合是得到边缘锐化和对比度增强的有效方法。
上述两个操作的先后顺序对结果有影响吗？为什么？
答：有影响，应先进行高频加强，再进行直方图均衡化。
高频加强是针对通过高通滤波后的图像整体偏暗，因此通过提高平均灰度的亮
度，使图像的视觉鉴别能力提高。再通过直方图均衡化将图像的窄带动态范围变为宽带动态范围，从而达到提高对比度的效果。若先进行直方图均衡
化，再进行高频加强，对于图像亮度呈现较强的两极现象时，例如多数像素主要分布在极暗区域，而少数像素存在于极亮区域时，先直方图均衡化会导致图像被漂白，再进行高频加强，获得的图像边缘不突出，图像的对比度较差。
五、问答题（共 35 分）
1、设一幅图像有如图所示直方图，对该图像进行直方图均衡化，写出均衡
化过程，并画出均衡化后的直方图。若在原图像一行上连续8 个像素的灰度值分别为： 0、 1、 2、 3、 4、 5、 6、 7，则均衡后，他们的灰度值为多少？
（15 分）
k
答：①s k p(r i ) ，k= 0，1，7，用累积分布函数（CDF ）作为变换函i0
数 T[r] 处理时，均衡化的结果使动态范围增大。
r i p r (r i ) s k计s
k并s k p r (s k )
r 0=0 0.174 0.174 1/7 s0=1/7 0.174 r =1/7 0.088 0.262 2/7
1
r =2/7 0.086 0.348 2/7 s =2/7 0.174 2 1
r 3=3/7 0.08 0.428 3/7
r 4=4/7 0.068 0.496 3/7 s2=3/7 0.148 r =5/7 0.058 0.554 4/7
5
r 6=6/7 0.062 0.616 4/7 s3=4/7 0.120 r 7=1 0.384 1 1 s4=1 0.384
②均衡化后的直方图：
③ 0、1、2、3、4、5、6、7 均衡化后的灰度值依次为1、2、2、3、3、4、 4、
7
3、理想低通滤波器的截止频率选择不恰当时，会有很强的振铃效应。试从原理
上解释振铃效应的产生原因。（10 分）
第5页（共7 页）答：理想低通滤波器（频域）的传递函数为：
H (u,v) 1D(u,v)D0 0 D (u,v)D0
滤波器半径交叉部分（侧面图）：
对应空间域（进行傅立叶反变换，为sinc 函数）：
用理想低通滤波器滤波时，频域：G(u,v) F (u,v) H (u, v) ，傅立叶反变换到时域有：g ( x, y) f ( x, y)* h(x, y) ，频域相乘相当于时域作卷积。因
此，图像经过理想低通滤波器后，时域上相当于原始图像与sinc 函数卷积，由于 sinc 函数振荡，则卷积后图像也会振荡；或者说由于sinc 函数有两个
负边带，卷积后图像信号两侧出现“过冲现象” ，而且能量不集中，即产生振铃效应。
若截止频率越低，即 D0 越小，则 sinc 函数主瓣越大，表现为中心环越宽，相应周围环（旁瓣）越大。而中心环主要决定模糊，旁瓣主要决定振铃
效应。因此当介质频率较低时，会产生很强的振铃效应。选择适当的截止频率，会减小振铃效应。
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
1. 对下列信源符号进行Huffman 编码，并计算其冗余度和压缩率。 符号 a1 a2 a3 a4 a5 a6 概率 0.1 0.4 0.06 0.1 0.04 0.3 原始信源 信源简化 符号 概率 1 2 3 4 a2 0.4 0.4 0.4 0.4 0.6 a6 0.3 0.3 0.3 0.3 0.4 a1 0.1 0.1 0.2 0.3 a4 0.1 0.1 0.1 a3 0.06 0.1 a5 0.04 从最小的信源开始一直到原始的信源 编码的平均长度： 压缩率：13 1.3642.2 R avg n C L ==≈ 冗余度：11110.26691.364D R R C =- =-≈ (0.4)(1)(0.3)(2)(0.1)3(0.1)(4)(0.06)(5)(0.04)(5) 2.2/avg L bit =+++++=（）符号
1. 简述灰度分辨率、空间分辨率与图像质量的关系。: 空间分辨率是看原图像转化为数字图像的像素点数，越多图像质量越高；灰度分辨率，即每一个像素点的灰度级数，灰度级越大，图像越清晰. 2. 简述采样和量化的一般原则: 空间坐标的离散化叫做空间采样，而灰度的离散化叫做灰度量化。图像的空间分辨率主要由采样所决定，而图像的幅度分辨率主要由量化所决定。 3. 图像锐化与图像平滑有何区别与联系？: 图象锐化是用于增强边缘，导致高频分量增强，会使图象清晰；图象平滑用于去噪，对图象高频分量即图象边缘会有影响。都属于图象增强，改善图象效果。 4. 伪彩色增强与假彩色增强有何异同点？: 伪彩色增强是对一幅灰度图象经过三种变换得到三幅图象，进行彩色合成得到一幅彩色图像；假彩色增强则是对一幅彩色图像进行处理得到与原图象不同的彩色图像；主要差异在于处理对象不同。 1. 对于椒盐噪声，为什么中值滤波效果比均值滤波效果好？：均值滤波器是一种最常用的线性低通平滑滤波器，可抑制图像中的加性噪声，但同时也使图像变得模糊；中值滤波器是一种最常用的非线性平滑滤波器，可消除图像中孤立的噪声点，又可产生较少的模糊。一般情况下中值滤波的效果要比邻域平均处理的低通滤波效果好，主要特点是滤波后图像中的轮廓比较清晰。因此，滤除图像中的椒盐噪声采用中值滤波。 2.什么是区域？什么是图像分割？:图像分割就是把图像分成若干个特定 的、具有独特性质的区域并提出感兴趣目标的技术和过程。它是由图像处理到图像分析的关键步骤。 3.写出颜色RGB模型转换到HIS模型的变换公式；并说明HSI模型各分 量的含义及取值围对应的颜色信息。书上 4.灰度图像：当点足够小，观察距离足够远时，人眼就不容易分开各个小 点，从而得到比较连续，平滑的灰度图像。 5.GIF格式：GIF格式是一种公用的图像文件格式，它是8位文件格式， 所以最多只能存储256色图像，不支持24位的真彩色图像。GIF文件中的图像数据均经过压缩，采用的压缩算法是改进的LZW算法，所提供的压缩率通常在1：1到1：3之间，当图像中有随机噪声时效果不好
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
论文（设计）题目： 基于MATLAB的数字图像处理系统设计 姓名宋立涛 学号２０１２１１８６７ 学院信息学院 专业电子与通信工程 年级２０１２级 ２０１３年６月１６日
基于MATLAB的数字图像处理系统设计 摘要 MATLAB 作为国内外流行的数字计算软件，具有强大的图像处理功能，界面简洁，操作直观，容易上手，而且是图像处理系统的理想开发工具。 笔者阐述了一种基于MATLAB的数字图像处理系统设计，其中包括图像处理领域的大部分算法，运用MATLAB 的图像处理工具箱对算法进行了实现，论述了利用系统进行图像显示、图形表换及图像处理过程，系统支持索引图像、灰度图像、二值图像、RGB 图像等图像类型；支持BMP、GIF、JPEG、TIFF、PNG 等图像文件格式的读，写和显示。 上述功能均是在MA TLAB 语言的基础上，编写代码实现的。这些功能在日常生活中有很强的应用价值，对于运算量大、过程复杂、速度慢的功能，利用MATLAB 可以既能快速得到数据结果，又能得到比较直观的图示。 关键词：MATLAB 数字图像处理图像处理工具箱图像变换
第一章绪论 1.1 研究目的及意义 图像信息是人类获得外界信息的主要来源，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，人们越来越多地利用图像信息来认识和判断事物，解决实际问题，由此可见图像信息的重要性，数字图像处理技术将会伴随着未来信息领域技术的发展，更加深入到生产和科研活动中，成为人类生产和生活中必不可少的内容。 MATLAB 软件不断吸收各学科领域权威人士所编写的实用程序，经过多年的逐步发展与不断完善，是近几年来在国内外广泛流行的一种可视化科学计算软件。MATLAB 语言是一种面向科学与工程计算的高级语言，允许用数学形式的语言来编写程序，比Basic、Fortan、C 等高级语言更加接近我们书写计算公式的思维方式，用MATLAB 编写程序犹如在演算纸上排列出公式与求解问题一样。它编写简单、编程效率高并且通俗易懂。 1.2 国内外研究现状 1.2.1 国内研究现状 国内在此领域的研究中具有代表性的是清华大学研制的数字图像处理实验开发系统TDB-IDK 和南京东大互联技术有限公司研制的数字图像采集传输与处理实验软件。 TDB-IDK 系列产品是一款基于TMS320C6000 DSP 数字信号处理器的高级视频和图像系统，也是一套DSP 的完整的视频、图像解决方案，该系统适合院校、研究所和企业进行视频、图像方面的实验与开发。该软件能够完成图像采集输入程序、图像输出程序、图像基本算法程序。可实现对图像信号的实时分析，图像数据相对DSP独立方便开发人员对图像进行处理，该产品融合DSP 和FPGACPLD 两个高端技术，可以根据用户的具体需求合理改动，可以分析黑白和彩色信号，可以完成图形显示功能。 南京东大互联技术有限公司研制的数字图像采集传输与处理实验软件可实现数字图像的采集、传输与处理。可利用软件及图像采集与传输设备，采集图像并实现点对点的数字图像传输，可以观察理解多种图像处理技术的效果和差别，
上海电力学院 实验报告 实验课程名称：数字图像处理 实验项目名称：实验7 细胞面积计算与个数统计 班级： 2009073 姓名：杨祯 学号： 20092006
一、实验目的 1、熟悉Visual C++开发环境和Windows编程模型。 2、掌握设备无关位图的数据格式。 3、学会使用DIBAPI函数访问设备无关位图。 4、结合实例学习如何在应用程序中添加图像处理算法。 5、运用所学的图像处理方法对细胞图像进行细胞面积计算与个数统计。 二、实验原理 在填充孔洞以后的细胞图像中出现粘连，可以通过较为复杂的算法将粘连细胞分割开来。这里采取如下简单方法进行细胞计数和面积计算. (1)对填充孔洞后后细胞图像进行标记处理，初步计算出细胞的个数； (2)计算不同标记区域的像素数，并用区域的像素数代表其面积； (3)若某个标记区域像素数大于1000，则认为该标记区域为两个粘连在一起的细胞，原细胞数量增加1；若某个标记区域像素数小于70，则视为噪声，原细胞数量减1。 三、实验步骤 1、在资源浏览方式下，选择Menu节点，点击IDR_MAINFRAME，增加操作按钮，见下图，如在菜单“细胞计数”中添加“统计个数和面积”按钮。 2、对该按钮进行编辑，如图：
ID设为ID_CELLCOUNT E，标题设为“统计个数和面积”。 3、（1）按下快捷键CTRL+W，弹出向导对话框，利用向导在CCellCounView类中添加 响应函数—腐蚀OnCellcount，如图： 1、注意类名 2、选择ID 4、点击按钮 3、双击COMMAND 添加函数后的结果 (2)点击Edit Code按钮后，在CCellCountView.cpp文件中便添加了OnCellcount ()函数，此 时需要在该函数中添加实现代码，具体如下： void CCellCountView::OnCellcount() { CCellCountDoc* pDoc=GetDocument(); if( pDoc->m_hDIB!=NULL ) {
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
目录 1 引言 (4) 2 基于纹理特征的图像检索方案 (5) 2.1 双树复小波变换原理 (5) 2.2 灰度共生矩阵 (5) 3 图像检索的实验设计 (6) 3.1 图像检索算法的描述 (6) 3.2 双树复小波纹理特征的提取 (7) 3.3 灰度共生矩阵纹理特征的提取 (7) 3.4 相似性度量 (8) 4 实验思路及结果分析 (9) 参考文献 (9)
基于纹理的图像检索技术 摘要本文主要基于图像的纹理特征，在改进DWT小波变换和灰度共生矩阵的缺陷后，进行检索。传统的DWT小波变换在提取图像纹理特征时存在震荡、平移变化、混频和缺乏方向性四种缺陷。为克服这些缺陷，本文采用双树复小波变换对图像检索中的查询图像和目标图像进行分解，提取6个方向上的纹理特征，为了弥补双树复小波变换缺少不同尺度纹理的空间分布特征的缺陷，又利用这两种图像的灰度共生矩阵提取4个统计量特征；最后用Canberra距离进行相似性度量并输出图像检索的结果。 关键字：图像检索；双树复小波；灰度共生矩阵；纹理特征。
ABSTRACT This paper mainly based on image texture feature, the improvement of DWT wavelet transform and the defect of gray level co-occurrence matrix after the search. Traditional DWT wavelet transform in image texture feature extraction are concussion, translation, frequency mixing and lack of direction four kinds of defects. To overcome these defects, this paper adopts double tree after wavelet transform of image retrieval query image and target image decomposition, the texture feature extraction six direction, in order to make up for the double tree after wavelet transform of the spatial distribution of different texture features of the defects, and use of these two kinds of image gray level co-occurrence matrix extract four statistic characteristics; Finally in Canberra distance similarity measure and the results of the output image retrieval. Key words: image retrieval; Double tree complex wavelet; Gray level co-occurrence matrix; Texture feature.
《数字图像处理》课后作业（2015） 第2章 2.5 一个14mm?14mm的CCD摄像机成像芯片有2048?2048个像素，将它聚焦到相距0.5m远的一个方形平坦区域。该摄像机每毫米能分辨多少线对？摄像机配备了一个35mm镜头。（提示：成像处理模型见教材图2.3，但使用摄像机镜头的焦距替代眼睛的焦距。） 2.10 高清电视（HDTV, High Definition TV ）使用1080条水平电视线（TV Line）隔行扫描来产生图像（每隔一行在显像管表面画出一条水平线，每两场形成一帧，每场用时1/60秒,此种扫描方式称为1080i，即1080 interlace scan；对应的有1080p，即1080 progressive scan,逐行扫描）。图像的宽高比是16:9。水平电视线数（水平行数）决定了图像的垂直分辨率，即一幅图像从上到下由多少条水平线组成；相应的水平分辨率则定义为一幅图像从左到右由多少条垂直线组成，水平分辨率通常正比于图像的宽高比。一家公司已经设计了一种图像获取系统，该系统由HDTV图像生成数字图像，彩色图像的每个像素都有24比特的灰度分辨率（红、绿、蓝分量各8比特）。请计算不压缩时存储90分钟的一部HDTV电影所需要的存储容量。 2.22 图像相减常用于在产品装配线上检测缺失的元件。方法是事先存储一幅对应于正确装配的产品图像，称为“金”图像（“golden” image），即模板图像。然后，在同类型产品的装配过程中，采集每一装配后的产品图像，从中减去上述模板图像。理想情况下，如果产品装配正确，则两幅图像的差值应为零。而对于缺失元件的产品，其图像与模板图像在缺失元件区域不同，两幅图像的差值在这些区域就不为零。在实际应用中，您认为需要满足哪些条件这种方法才可行？ 第3章 3.5 在位平面分层中, （a）如果将低阶位平面的一半设为零值，对一幅图像的直方图大体上有何影响？ （b）如果将高阶位平面的一半设为零值，对一幅图像的直方图又有何影响？ 3.6 试解释为什么离散直方图均衡化技术一般不能得到平坦的输出直方图。 3.14 右图所示的两幅图像差异很大，但它们的直方图却相同。假设每幅图像都用一个3×3的均值滤波模板进行模糊处理，那么： (a)模糊后的两幅图像的直方图还相同吗？试解释原因。 (b)如果您认为模糊后的两幅图像的直方图不相同，请画出这两幅 图像的直方图。
1.图像反转 MATLAB程序实现如下： I=imread('xian.bmp'); J=double(I); J=-J+(256-1); %图像反转线性变换 H=uint8(J); subplot(1,2,1),imshow(I); subplot(1,2,2),imshow(H); 2.灰度线性变换 MATLAB程序实现如下： I=imread('xian.bmp'); subplot(2,2,1),imshow(I); title('原始图像'); axis([50,250,50,200]); axis on; %显示坐标系 I1=rgb2gray(I); subplot(2,2,2),imshow(I1); title('灰度图像'); axis([50,250,50,200]); axis on; %显示坐标系 J=imadjust(I1,[0.1 0.5],[]); %局部拉伸，把[0.1 0.5]的灰度拉伸为[0 1]
subplot(2,2,3),imshow(J); title('线性变换图像[0.1 0.5]'); axis([50,250,50,200]); grid on; %显示网格线 axis on; %显示坐标系 K=imadjust(I1,[0.3 0.7],[]); %局部拉伸，把[0.3 0.7]的灰度拉伸为[0 1] subplot(2,2,4),imshow(K); title('线性变换图像[0.3 0.7]'); axis([50,250,50,200]); grid on; %显示网格线 axis on; %显示坐标系 3.非线性变换 MATLAB程序实现如下： I=imread('xian.bmp'); I1=rgb2gray(I); subplot(1,2,1),imshow(I1); title('灰度图像'); axis([50,250,50,200]); grid on; %显示网格线 axis on; %显示坐标系 J=double(I1);
数字图像处理 报告标题：01 报告编号： 课程编号： 学生姓名： 截止日期： 上交日期：
摘要 （1）编写函数计算灰度图像的均方误差（MSE）、信噪比（SNR）、峰值信噪比（PSNR）、平均绝对误差（MAE）；（2）编写函数对灰度图像经行降采样，直接消除像素以及消除像素前进行简单平滑滤波；（3）编写函数对图像进行放大，分别使用像素直接复制和双线性插值的方法：（4）编写函数用题目给出的量化步骤Q去量化灰度图像，并给出相应的MSE和直方图；（5）编写函数对灰度图像执行直方图均衡化，显示均衡前后的直方图。同时，熟悉使用MATLAB，并且熟练操作对图像进行各种修改变换等。 KEY WORD :MATLAB MSE、PSNR 直方图量化
技术探讨 数字图像处理是基于Matlab来实现的，由于Matlab 独特的功能和对矩阵，图像，函数灵活的处理，因而用于图像的处理相当的方便。 task1 均方误差（MSE）,信噪比（SNR）,峰值信噪比（PSNR）,平均绝对误差（MAE）。可以使用使用for循环语句，分别计算图像MSE/SNR/PSNR/MAE，具体的计算公式见附录代码，下面只附运算原理代码 均方误差（MSE）： sum=sum+(a(i,j)-b(i,j))^2; MSE=sum/(M*N) 信噪比（SNR）： sum2=sum2+a(i,j)^2; SNR=10*log10(sum2/MSE) 峰值信噪比（PSNR）： sum=sum+(a(i,j)-b(i,j))^2; PSNR=10*log10(255^2/MSE) 平均绝对误差（MAE）： sum=sum+a(i,j)+b(i,j); MAE=sum/(M*N) 在每次对同一个图像处理时它们的均方误差（MSE）,信噪比（SNR）,峰值信噪比（PSNR）,平均绝对误差（MAE）都会有所不同，因为它是原图像与加噪后的图像比较，而电脑的每次操作都会对加噪过得图像有影响。 task3 按比例缩小灰度图像 （1）直接消除像素点： I1=g(1:m:end,1:m:end);I1 为缩小后的图像，g为原图。 （2）先平滑滤波再消除像素点： 滤波函数，g=imfilter(I,w,'corr','replicate'); task4 对图像的放大运用了pixel repetition法以及双线性插值法： 它有三种插值法：即最近邻插值（pixel repetition）、双线性插值、双三次插值(缩放倍数为0.5) ;缩放与放大由给定的参数来确定。 ;缩放与放大由给定的参数来确定。而缩小则同样适用I1=g(1:m:end,1:m:end); 而放大的代码为“J=imresize(I,m,'nearest');%使用pixel repetition法”和“J=imresize(I,m,'bilinear');%使用双线性插值法” 放大倍数更改m值即可 task4 对图像的量化，使用“J=histeq(I,x); ”，x为可变的量化步长 task5 灰度图像的量化和直方图均衡化直接调用函数。“J=histeq(I)”“imhist(I,64)”
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. 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 大量的高频空间成分；模糊的图像只有低频空间成分。视觉的时间特性：使视觉图像建立起来是需要时间 的，而视觉图像建立起来之后，即使把目标图像拿走，视觉反应也要持续一段时间。因此而产生视觉的运 ),,,,(t z y x f I λ =
数字图像处理结课作业 --数字图像频域增强方法 及在matlab中的实现 学生姓名： 学号： 学院：理学院 班级：电科班 指导教师：
摘要:图像增强的目的是使处理后的图像更适合于具体的应用，即指按一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的信息，使之改善图像质量，加强图像判读和识别效果的处理技术。从总体上可以分为两大类:空域增强和频域增强。频域处理时将原定义空间中的图像以某种形式转换到其他空间中，利用该空间的特有性质方便的进行图像处理。而空域增强是在图像空间中借助模板对图像进行领域操作，处理图像每一个像素的取值都是根据模板对输入像素相应领域内的像素值进行计算得到的。空域滤波基本上是让图像在频域空间内某个范围的分量受到抑制，同时保证其他分量不变，从而改变输出图像的频率分布，达到增强图像的目的。本文主要从空域展开图像增强技术，重点阐明数字图像增强处理的基本方法，介绍几种空域图像增强方法。 关键词：图像增强 MATLAB 空域增强锐化空间滤波平滑空间滤波
目录： 1、何为数字图像处理及MATLAB的历史 2、空间域图像增强技术研究的目的和意义 3、空间域的增强 3.1 背景知识 3.2 空间域滤波和频域滤波之间的对应关系 3.3 锐化滤波 3.4 平滑滤波 4、结论 1、何为数字图像处理及MATLAB的历史 数字图像处理（digital image processing）,就是利用数字计算机或者其他数字硬件,对从图像信息转换而得到的电信号进行某些数学运算,以提高图像的实用性。例如从卫星图片中提取目标物的特征参数,三维立体断层图像的重建等。总的来说,数字图像处理包括运算、几何处理、图像增强、图像复原、图像形态学处理、图像编码、图像重建、模式识别等。目前数字图像处理的应用越来越广泛,已经渗透到工业、医疗保健、航空航天、军事等各个领域,在国民经济中发挥越来越大的作用。 MATLAB是由美国Math Works公司推出的软件产品。MATLAB是“Matric Laboratory”的缩写,意及“矩阵实验室”。MATLAB是一完整的并可扩展的计算机环境,是一种进行科学和工程计算的交互式程序语言。它的基本数据单元是不需要指定维数的矩阵,它可直接用于表达数学的算式和技术概念,而普通的高级语言只能对一个个具体的数据单元进行操作。它还是一种有利的教学工具,它在大学的线性代数课程以及其它领域的高一级课程的教学中,已成为标准的教学工具。
开题报告 一、研究的目的、意义及国内外现状和发展趋势 通常经图像信息输入系统获取的源图像信息中都含有各种各样的噪声与畸变。例如传感器获取的遥感图像含有大量地物特征信息，在图像上这些地物特征信息以灰度形式表现出来，当地物特征间表现的灰度差很小时，目视判读就无法认辨，而图像增强的目的就是（1）采用某种技术手段，改善图像的视觉效果、工艺的适应性，使图像更清晰，目标物更突出。（2）将图像转换成一种更适合与人或机器进行分析处理的形式。它不是以图像保真度为原则，而是通过处理设法有选择地突出便于人或机器分析某些感兴趣的信息，抑制一些无用的信息，以提高图像的使用价值。因此图像增强的实质是增强感兴趣地物和周围地物图像间的反差。 现阶段国内外普遍使用的图像增强的方法分为光学增强方法和数字增强方法两种。光学增强处理采用光学仪器进行。其特点是快速、简易，操作方法容易掌握，仪器和处理材料费用较低，目前在遥感中广泛使用。但光学仪器功能比较单一，对各种增强方法的适应性比数字处理设备差。数字增强处理是采用数字图像计算机系统进行。其特点是快速、功能全，还能应用光学方法无法进行的一些算法对图像增强。其主要增强技术从增强的作用域出发包括空间域增强（对图像像素灰度进行操作，即直接对图像进行增强处理）和频率域增强（在图像的某个变换域内，对图像进行操作，修改变换后的系数，例如付立叶变换、DCT变换等的系数，然后再进行反变换得到处理后的图像，以此达到增强的目的）两种。 严格来讲，图形图像处理技术常常是光学技术和数字技术相结合，在未来的21世纪可能采用纯数字技术。 总的说来，21世纪图形图像要向高质量化方面发展。高质量化内容包括6个方面，即高分辨率、高速度、立体化、多媒体化、智能化和标准化。
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：
1、考虑如下所示图像子集： （1）令V={0,1}，计算p和q之间的4，8，m通路的最短长度；（2）令V={1，2}，仍计算上述3个长度。 2、对于离散的数字图像，则变换函数T(rk)的离散形式可表示为: ∑ ∑ = = - = - = = k j j k j j r k k n MN L r p L r T s 1 ) ( ) 1 ( ) ( 上式表明，均衡后各像素的灰度值sk可直接由原图像的直方图算出。 例假定有一幅总像素为n=64×64的图像，灰度级数为8，各灰度级分布列于表中。对其均衡化计算过程如下。若在原图像一行上连续8个像素的灰度值分别为：0、1、2、3、4、5、6、7，则均衡后，他们的灰度值为多少 3、
4、在位图切割中，就8比特图像的位平面抽取而言 （1）通常，如果将低阶比特面设为零值，对一幅图像的直方图有何影响 （2）如果将高阶比特面设为零值将对直方图有何影响 答：（1）如果将低阶比特面设为零，图像的不同灰度级的个数会减少，即某些灰度级的像素数会丢失，而像素总数是不变的，丢失的像素转移到其它未丢失的灰度级上，从而图像的直方图密度变低； （2）当图像高阶比特面设为零，高灰度级的像素会丢失，丢失的像素都转移到低灰度级上，从而导致图象直方图只有低灰度区，高灰度区直方图均为零。
5、有一数字序列为： （106，114，109，145，177，186，188，182，187） 1）利用一维三点平滑模板(1/3,1/3,1/3)对数据进行平滑。 2）利用一维拉普拉斯算子（1,-2,1）对数据进行锐化。 （边缘处理方式自定义，写出如何定义） 答：边缘处理方式为边缘灰度由相邻灰度（处理过的）替代。 1）平滑后的序列为 （110，110，123，144，170，184，186，186） 2）锐化算子 （-13，-13，41，-4，-23，-7，-8，11，11） 锐化后的序列为 （119，127，68，149，180，193，196，171，176） 6、近似一个离散导数的基本方法是对f(x+1,y)-f(x,y)取差分。试找到空域一阶微分滤波器传递函数在频域中进行等价的操作H(u,v) 。
选择题答案： 1：bc ，2：adhij ，3：abde ，4：ahikl ，becfj ，dg ，mno ，5：ad ，（第一章） 1（6）：acd ，2：abd ，3：abd ，4：abc ，5：bc ，6：acd ，7：abce ，8：c 9：acd ，10：bd ，11：ac ，12：b ，13：abcde ，14：bd ，（第二章） 1：（20）ad ，2：ade ，3：abd ，4：abcd ，（第四章） 1：（24）abcde ，2：abcde ，3：abce ，4：abd ，5：ab （第五章） 1：abc ，2：abcd ，3：acde ，4：abcde ，5：bcde ，6：acdefhj ，7：bc （第六章） 1：acd ，2：acdef ，3：c ，4：abcef ，5：acde ，6：ade ，7：ad （第七章） 1：abcdfi （第十章） 1：bcfg ，2：bcd ，3：abcd ，4：abc ，5：abcd ，6：abc ，7：abd(第十二章) 1：acd(第十六章) 第二章： 2.1：1400/72*25.4=49 3.89毫米 2.2：几何结构如下图所示： h 12M 照片中物体的高度h=12/95*50=6.316mm 像素点个数=6.316/25.4*4000=995 2.5：二值图像的每个像素需要占用1bit ，所以该幅图像占用比特数为4000*3000=1.2*107bit 。 2.6：8位深度占用的存储空间为3*8*640*480=7.3728*106bit 10位深度占用的存储空间为3*10*640*480=9.216*106bit 12位深度占用的存储空间为3*12*640*480=1.10592*107bit 14位深度占用的存储空间为3*14*640*480=1.29024*107bit 第四章： 1. 灰度直方图图形化显示时的纵横坐标分别是什么？ 答：灰度直方图图形化显示时的横坐标表示灰度值，纵坐标表示像素个数或者像素个数百分比。 2. 假设有一个包含强度值从0~255的8位灰度图像的直方图信息，请描述如何利用该 直方图信息计算图像像素的平均值，最小值，最大值和中间值。 答：假设直方图信息存储在h0,h1,h2,h3,……,h255中，其中hi 中存储的是灰度值为i 的 像素在图像中的个数。 则图像像素的总个数为： ∑=255 i hi 图像像素灰度值之和为： ∑=255 )*(i hi i
数字图像处理课程设计报告 （人脸检测） 姓名：xxx 学号：xxxx
1引言 随着科学技术的飞速发展，互联网的广泛应用，重要部门(机场、银行、军政机关、重点控制地区)的进出，计算机网络中重要信息的存储与提取，都需要可靠的人身鉴别。身份的识别已经成为一种人们日常生活中经常遇到的问题。人脸识别作为生物特征识别中成功的应用之一，因为其巨大的商业应用前景，受到越来越多的重视。 人们更多的是在电影中看到这种技术的神奇应用：警察将偷拍到的嫌疑犯的脸部照片，输入到电脑中，与警方数据库中的资料进行比对，并找出该嫌犯的详细资料和犯罪记录。这并非虚构的情节，在国外，人脸识别技术早已被大量使用在国家重要部门以及军警等安防部门。在国内，对于人脸识别技术的研究始于上世纪90年代，目前主要应用在公安、金融、网络安全、物业管理以及考勤等领域。近 30 年以来，人脸识别技术有了长足的发展，并且逐步走向实际应用阶段[1]。 2实验方法 2.1方法综述 典型人脸识别系统的实现过程如图2.1所示，一般包括三个步骤:人脸检测、人脸特征提取、人脸识别与验证。在实现过程中，首先输入图像集，然后用人脸检测模块进行人脸检测。如果检测到人脸图像，则进行特征点定位，一般以两眼中心为基准，根据两眼距离d，对人脸图像进行归一化处理，归一化处理包含了图像预处理，图像缩放以及有效人脸区域选取等操作。最后对归一化的人脸图像进行特征提取，送入分类器进行识别，最终获得识别结果[2]。 图像预处理特征提取特征对比 (分类器) 结果输出 图像输入 图2.1人脸识别技术处理流程图 在预处理阶段，对图像进行优化，尽可能去除或者减小光照、成像系统、外部环境等对待处理图像的干扰，为后续处理提高质量。以便使不同的人脸图像尽可能在同一条件下完成特征提取、训练和识别。人脸图像的预处理主要包括人脸扶正，人脸图像的增强，以及归一化等工作。人脸扶正是为了得到人脸位置端正的人脸图像；图像增强是为了改善人脸图像的质量，不仅在视觉上更加清晰图像，而且使图像更利于计算机的处理与识别。归一化工作的目标是取得尺寸一致，灰度取值范围相同的标准化人脸图像。