数字图像处理作业题目：图像的平滑处理与锐化处理 ：张一凡 学号：4 专业：计算机应用技术
1.1理论背景 现实中的图像由于种种原因都是带噪声的，噪声恶化了图像质量，使图像模糊，甚至淹没和改变特征，给图像分析和识别带来了困难。一般数字图像系统中的常见噪声主要有：高斯噪声、椒盐噪声等。 图像去噪算法根据不通的处理域，可以分为空间域和频域两种处理方法。空间域处理是在图像本身存在的二维空间里对其进行处理。而频域算法是用一组正交函数系来逼近原始信号函数，获得相应的系数，将对原始信号的分析转动了系数空间域。 在图像的识别中常需要突出边缘和轮廓信息，图像锐化就是增强图像的边缘和轮廓。 1.2介绍算法 图像平滑算法：线性滤波（邻域平均法） 对一些图像进行线性滤波可以去除图像中某些类型的噪声。领域平均法就是一种非常适合去除通过扫描得到的图像中的噪声颗粒的线性滤波。 领域平均法是空间域平滑噪声技术。对于给定的图像()j i f,中的每个像素点()n m,，取其领域S。设S含有M个像素，取其平均值作为处理后所得图像像素点()n m,处的灰度。用一像素领域内各像素灰度平均值来代替该像素原来的灰度，即领域平均技术。
领域S 的形状和大小根据图像特点确定。一般取的形状是正方形、矩形及十字形等，S 的形状和大小可以在全图处理过程中保持不变，也可以根据图像的局部统计特性而变化，点(m,n)一般位于S 的中心。如S 为3×3领域，点(m,n)位于S 中心，则 ()()∑∑-=-=++=1111 ,91,i j j n i m f n m f 假设噪声n 是加性噪声，在空间各点互不相关，且期望为0，方差为2σ，图像g 是未受污染的图像，含有噪声图像f 经过加权平均后为 ()()()()∑∑∑+==j i n M j i g M j i f M n m f ,1 ,1 ,1 , 由上式可知，经过平均后，噪声的均值不变，方差221σσM = ，即方差变小，说明噪声强度减弱了，抑制了噪声。 图像锐化算法：拉普拉斯算子 拉普拉斯算子是最简单的各向同性微分算子，具有旋转不变性，比较适用于改善因为光线的漫反射造成的图像模糊。其原理是，在摄像记录图像的过程中，光点将光漫反射到其周围区域，这个过程满足扩散方程: f kV t f 2=?? 经过推导，可以发现当图像的模糊是由光的漫反射造成时，不模糊图像等于模糊图像减去它的拉普拉斯变换的常数倍。另外，人们还发现，即使模糊不是由于光的漫反射造成的，对图像进行拉普拉斯变换也可以使图像更清晰。
浅议数字图像去噪技术及其应用 数字图像去噪技术一直以来都是数字图像处理研究领域的一个热点问题，该技术在当代已经越来越重要，并广泛应用到人们生活的方方面面。笔者在数字图像去噪技术方面也做了一点粗浅的研究，本文就结合笔者的认识和体会谈一谈几种数字图像去噪方法和数字图像去噪技术在现实中的应用。 标签：数字图像；图像噪声；去噪技术；中值滤波；小波滤波 在数字化发展的今天，信息在人们生活和工作中的作用越来越突出，并逐渐改变着人们的生活和工作方式，其中最主要、最直观的信息就是图像信息。然而，在实际应用中数字图像经常会由于元器件、电阻、电磁干扰等设备因素，温度、光照等外界环节因素以及人为因素的影响产生图像噪声，从而使得图像质量不理想，偏离了原始图片。因此，数字图像去噪就成为一个亟待解决的问题，具有很强的现实意义。下面笔者就谈一谈几种数字图像去噪方法和数字图像去噪技术在现实中的应用。 1 数字图像去噪方法 当前，数字图像去噪的方法有很多，从本质上讲这些方法都是低通滤波的方法。低通滤波既有有利的地方，也有不利的地方，它既能消除图像噪声，又能消除图像中一些有用的高频信息。因而，我们所研究的各种数字图像去噪方法从根本上来说就是权衡去噪和保留高频信息。在数字图像去噪方法中，我们比较常见的有以下几种方法： 1.1 中值滤波算法 中值滤波算法最早是由Turky于1971年提出来的，是一种典型的非线性空间域去噪算法。其算法利用了像素点和噪声点之间的灰度值差别很大这一特性。中值滤波算法的主要原理是：以一个像素为中心取其邻域，然后对邻域中各像素的灰度值进行排序，取中值作为中心像素的灰度值，换句话说就是中心像素点的灰度值被邻域像素点灰度值的中值所替代。这种方法能很好的消灭噪声，但同时也损坏了图像的边缘，造成了部分细节的丢失。因此，部分科学家和学者在此基础上又提出了中心加权中值滤波算法、开关中值滤波算法、极值中值滤波算法等等，这些方法都是针对中值滤波算法的缺陷提出来的，具有很强的实用价值。 1.2 维纳滤波算法 维纳滤波算法是由Wiener提出来的，是一种典型的线性滤波方法。其理论依据是最小均方误差准则，该准则的具体含义是：将含有噪声的信号运用滤波变换后得到的恢复后的估计信号与原信号相比，它们之间有最小的均方差误差。维纳滤波算法既适用于连续平稳随机过程，也适用于离散平稳随机过程。但是，对于非平稳态的随机过程，一般来说，维纳滤波算法不太适用。
毕业论文（设计）材料 题目：基于 MATLAB 的线性盲信号分离算 法的研究 学生姓名：孙烽原 学生学号：0908030229 系别：电气信息工程学院 专业：电子信息工程 届别：2013 指导教师：张大雷
填写说明 1、本材料包括淮南师范学院本科毕业论文（设计）任务书、开题报告以及毕业论文（设计）评审表三部分内容。 2、本材料填写顺序依次为： （1）指导教师下达毕业论文（设计）任务书； （2）学生根据毕业论文（设计）任务书的要求，在文献查阅的基础上撰写开题报告，送交指导教师审阅并签字认可； （3）毕业论文（设计）工作后期，学生填写毕业论文（设计）主要内容，连同毕业论文（设计）全文一并送交指导教师审阅，指导教师根据学生实际完成的论文（设计）质量进行评价； （4）指导教师将此表连同学生毕业论文（设计）全文一并送交评阅教师评阅。 3、指导教师、评阅教师对学生毕业论文（设计）的成绩评定均采用百分制。 4、毕业论文（设计）答辩记录不包括在此表中。
一、毕业论文（设计）任务书 要求完成的主要任务及达到的目标 顾名思义，盲信号是指未知的、有杂乱无章特征的信号，人们难以得知源信号以及源信号的结合形式。对于盲信号的处理是通信时代比较前沿的技术之一，从接收信号中尽力还原源信号的技术称为盲源分离、盲信号提取。这已经称为通信信号学术领域的研究焦点。盲信号处理如今广泛被语音识别、语音增强、图像处理、通信系统、地震探测、遥感、数据挖掘、计量经济学、医学成像等领域所应用。根据传输介质的不同混合方式，盲信号处理有线性瞬时混合信号盲处理、线性卷积混合信号盲处理、非线性混合信号盲处理三种。本研究主要讨论有线性瞬时混合信号忙处理的计算方法。 ?对盲信号处理学各类算法的了解和掌握； ?对有线瞬时混合信号忙处理方法的熟悉和精通； ?对于MATLAB软件的熟练操作； ?实现用MATLAB软件实现对线性盲信号分离算法。 在此基础上巩固、加深和扩大MATLAB应用的知识面，进一步了解用此款软件对数字信号处理、数字图像处理、工程设计等的应用。加深对盲信号处理知识的掌握深度，加强对线性盲信号分离算法的理解，提高综合及灵活运用所学知识研究各类数学算法的能力。学会查阅书籍，并且要能够熟练的运用数学软件、编写程序、仿真、处理信号问题的方法、内容及步骤。学会对课题设计方案的分析、选择、比较。 工作进度要求
盲目图像复原算法研究背景意义现状及趋势 1图像复原算法的研究意义和背景 (1) 2盲目图像复原方法研究现状 (2) 3盲目图像复原方法发展趋势 (3) 1图像复原算法的研究意义和背景 数字图像处理这门学科的形成也是和社会生产力发展的需要分不开的。早期的图像处理是由于通讯方面的要求而发展起来的，这就是本世纪20年代传真技术的发明和发展。其后，由于宇宙探索方面的要求，需要处理大量在宇宙探测器上拍摄下来的不清楚的其他天体(如月球、火星等)以及地球本身的照片，这些需求大大的促进了数字图像处理技术的发展。到现在，图像处理技术的发展，己经远远突破了这两个领域，被广泛地应用到科学研究、工农业生产、军事技术、政府部门、医疗卫生等许多领域。图像复原算法的研究是数字图像处理中非常重要的一个领域，它的研究成果也被广泛地应用到各个研究和生产领域。在图像成像的过程中，图像系统中存在着许多退化源。一些退化因素只影响一幅图像中某些个别像素点的灰度；而另外一些退化因素则可以使一幅图像中的一个空间区域变得模糊起来。前者称为点退化，后者称为空间退化。此外还有数字化器、显示器、时间、彩色，以及化学作用引起的退化。总之，使图像发生退化的原因很多，如果我们把退化模型简化成真实图像与一个卷积算子卷积的结果，那么图像的复原过程就可以看成是一个反卷积的问题。反卷积属于数学物理问题中的一类“反问题”，反问题的一个共同的重要属性是其病态，即其方程的解不是连续地依赖于观测数据，换句话说，观测数据的微小变动就可能导致解的很大变动。因此，由于采集图像受噪声的影响，最后对于图像的复原结果可能偏离真实图像非常远。由于以上的这些特性，盲图像复原的过程无论是理论分析或是数值计算都有特定的困难。但由于盲图像复原技术在许多领域的广泛应用，因而己经成为迅速兴起的研究热点。随着多媒体技术的发展，计算机网络技术的广泛应用和宽带信息网络的建立，信息在人们的工作、学习和生活中发挥越来越重要的作用，其中最直接最主要的信息是图像信息，在各类图像系统中，由于图像的传送和转换，如成像、复制扫描、传输、显示等，总要造成图像的降质，典型的表现为图像模糊、失真、有噪声等，而在众多的应用领域中，又需要清晰的、高质量的图像。因此，改善图像质量，恢复图像具有非常重要的意义。
专业课程设计学习材料 源信号分离Source Signal Separation
第一部分 简单介绍 一、 目标 我们的目标就是学习源信号分离理论的基础知识和源信号分离时涉及的相关学科知识，最终从观测信号中将源信号分离开来。注意：此时信号源和混合形式可能是未知的。 -1.5 -1.0 -0.5 0.0 0.5 1.0 1.500.050.10.150.20.250.30.350.40.45 -1.5-1.0-0.50.00.51.01.500.050.10.150.20.250.30.350.40.45 图1 源信号波形 -2.0 -1.5 -1.0 -0.5 0.0 0.5 1.0 1.5 2.000.050.10.150.20.250.30.350.40.45 -2.0-1.00.01.02.000.050.10.150.20.250.30.350.40.45 图2 混合信号波形 -2.0 -1.5 -1.0 -0.5 0.0 0.5 1.0 1.5 2.0 -2.0-1.5-1.0-0.50.00.51.01.5 2.0 图3 分离信号波形 二、分离方法 1、FFT 法；条件：不同源信号占有不同的频带 2、自适应滤波方法；条件：已经信号的某些特征 3、盲信号分离方法；条件：遵从某些统计假设条件 三、盲分离的基本模型 盲信号分离的基本模型如图（1）所示。 )(1t )(2t y ) (t y m 图1 盲信号分离的基本模型 其中：)(1t s ，)(2t s ，……，)(t s n 为n 个源信号；)(1t x ，)(2t x ，……，)(t x m 为m 个观测信号；)(1t y ，)(2t y ，……，)(t y n 为待求解的n 个分离信号；)(1t n ，
课 程 设 计 报 告 学 院： 自动化学院 专业名称： 信息工程 学生姓名： 赵建涛 指导教师： 赵春晖 时 间： 2011年9月
课程设计任务书 一、设计内容 对图像采用微分运算的方法进行锐化处理。 要求：编写Matlab 程序对图像进行处理。图像必须存于指定位置，处理后的图像也必须存于指定位置。该程序能运行，可处理不同的图像。图像处理算法自己制定，不得使用现成的Matlab 函数。拉普拉斯算子如下： -4-4-4 -4-4-4-4-4-41111111 111 111111111111111111 111111110 二、主要技术指标 1、熟悉图像锐化处理基本原理； 2、对彩色图像进行图像锐化处理； 3、将该模版与其他模版的图像分析效果进行比较； 4、阅读参考文献10篇以上。 三、进度要求 两周完成设计任务，写5000字以上的小论文。附参考文献并在论文上相应位置进行标注。 学 生 赵建涛 指导教师 赵春晖
基于微分运算的彩色图像锐化处理 摘要 数字图像处理(Digital Image Processing)又称为计算机图像处理，它最早出现于20世纪50年代，当时的电子计算机己经发展到一定水平，人们开始利用计算机来处理图形和图像信息。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。图像处理的基木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。图像处理中，输入的是质量低的图像，输出的是改善质量后的图像，常用的图像处理方法有图像增强、复原、编码、压缩等图像处理技术在许多应用领域受到广泛重视并取得了重大的开拓性成就，属于这些领域的有航空航天、生物医学工程、工业检测、机器人视觉、公安司法、军事制导、文化艺术等，使图像处理成为一门引人注目、前景远大的新型学科。随着图像处理技术的深入发展，随着计算机技术和人工智能、思维科学研究的迅速发展，数字图像处理向更局、更深层次发展[1]。 在数字图像处理中，图像经转换或传输后，质量可能下降，难免有些模糊。另外，图像平滑在降低噪声的同时也造成目标的轮廓不清晰和线条不鲜明，使目标的图像特征提取、识别、跟踪等难以进行，这一点可以利用图像锐化来增强.图像锐化的主要目的有两个:一是增强图像边缘，使模糊的图像变得更加清晰，颜色变得鲜明突出，图像的质量有所改善，产生更适合人眼观察和识别的图像；二是希望经过锐化处理后，目标物体的边缘鲜明，以便于提取目标的边缘、对图像进行分割、目标区域识别、区域形状提取等，为进一步的图像理解与分奠定定基础。图像锐化一般有两种方法:一是微分法，二是高通滤波法。 本文着重介绍的是基于拉普拉斯的一种典型的微分算法，并选择不同的模版进行图像锐化，分析比较不同模版下锐化效果的异同。 关键字：图像锐化拉普拉斯算子模版
毕业论文（设计） 论文题目：基于MATLAB的线性盲信号分离算法的研究 学生姓名：孙烽原 学号：0908030229 所在院系：电气信息工程学院 专业名称：电子信息工程 届次：2013届 指导教师：张大雷
淮南师范学院本科毕业论文（设计） 诚信承诺书 1.本人郑重承诺：所呈交的毕业论文（设计），题目《 》是本人在指导教师指导下独立完成的，没有弄虚作假，没有抄袭、剽窃别人的内容； 2.毕业论文（设计）所使用的相关资料、数据、观点等均真实可靠，文中所有引用的他人观点、材料、数据、图表均已注释说明来源； 3. 毕业论文（设计）中无抄袭、剽窃或不正当引用他人学术观点、思想和学术成果，伪造、篡改数据的情况； 4.本人已被告知并清楚：学院对毕业论文（设计）中的抄袭、剽窃、弄虚作假等违反学术规范的行为将严肃处理，并可能导致毕业论文（设计）成绩不合格，无法正常毕业、取消学士学位资格或注销并追回已发放的毕业证书、学士学位证书等严重后果； 5.若在省教育厅、学院组织的毕业论文（设计）检查、评比中，被发现有抄袭、剽窃、弄虚作假等违反学术规范的行为，本人愿意接受学院按有关规定给予的处理，并承担相应责任。 学生（签名）： 日期：年月日
目录 前言 (2) 1 概述 (2) 1.1盲信号处理的概念与分类 (3) 1.2盲处理概念 (4) 1.3盲信号处理的分类 (4) 1.4盲信号处理的应用 (4) 2 盲信号分离的基础 (4) 2.1盲信号的预处理 (5) 2.2信号的去均值处理 (5) 2.3盲信号分离原理 (5) 2.4盲信号分离的方法 (6) 3 盲分离的算法和仿真结果 (6) 3.1最大信噪比的盲信号分离算法 (6) 3.2基于最大信噪比盲信号分离的算法流程 (7) 3.3基于峭度的盲信号分离的算法 (7) 3.4基于峭度的盲信号分离的算法流程 (8) 3.5基于两种算法的仿真 (8) 3.6仿真结果分析 (12) 4 结论 (13) 4.1总结 (13) 4.2未来工作 (13) 参考文献 (14)
快速数字图像修复技术
用高斯内核卷积图像（即计算相邻像素的加权平均数），相当于各向同性扩散（线性热传导方程）。我们的算法使用加权平均的内核，只考虑相邻像素的贡献（即内核中心为零）。图2显示了伪码算法和两个扩散内核。本文中所有重建图像是通过该算法获得，或者是该算法经过轻微的变化获得，将在3.1节解释。 3.1保留边缘 当Ω跨越高对比度边缘的边界时（图3（前左）），该算法最简单版本，会带来附加效果（明显的模糊）。在实践中，只有在Ω和高对比度边缘的相交处，需要各向异性扩散，这些区域通常只占整个区域内很小比例。 创建指定待修复区域的遮盖是修复过程中最耗时的步骤，需用户干预。由于我们的算法可以在短短几秒钟内修复图像，它可用于遮盖互动创建。我们利用这个互动通过扩散障碍进行边界重联，这是Ω内扩散过程的边界。这完成一个边界重建和各向异性扩散类似的的结果，但没有相关的开销。在实践中，扩散屏障是两个像素宽的线段。当扩散过程中达到一个障碍，达到像素进行颜色设定，进程终止。图3进行了说明，图3中（左后方）明显的交叉线代表修复区域。简单扩散修复算法在Ω和高对比度边缘之间的相交处产生模糊点（参见图3中的小圆圈（前左））。通过适当增加扩散屏障（整个遮盖线段图3（右后）），用户停止遮盖两边混合信息的扩散过程。由此产生的直线如图3（前右）所示。 4结果 我们已经在C + +中实施了图2描述的算法，并尝试了两种不同的扩散内核。在这两种情况下的结果相似。文中所有的图片都使用128 MB的内存运行Windows98450兆赫奔腾III 电脑和使用图2所示的最左边内核生成。在图5，8，9和10所示的结果是使用无扩散障碍最简单的版本的算法得到。对于图1，使用了遮盖，两个扩散障碍（图4）。三个女孩的例子，使用了四个扩散障碍，以及有遮盖穿过高对比度边缘的区域（图6（右））。在所有情况下，都用100扩散迭代。 所有修复和线装饰删除系统需要手动遮盖。鉴于有一套功能的绘图系统，创建一个遮盖所需的时间，只依赖于可用的功能，也不受所使用修复算法的影响。对于交互式应用程序，在同一系统中拥有屏蔽功能和修复算法是可取的，以避免在不同的环境之间切换。在我们目前的原型中，我们已经实现了一个简单的绘图系统以及导入和导出JPEG文件的功能。 恢复林肯的画像和三个女孩的图片（图4和6（右），分别）使用的遮盖，是我们的绘画系统创建的。在新奥尔良的例子（图5）所使用的遮盖，通过使用Photoshop中选择颜色
2015，51（21）Computer Engineering and Applications 计算机工程与应用1引言雾或霾是一种常见的自然现象，这是由于空气中存在着灰尘，烟雾等悬浮颗粒，它们对场景中的反射光产生吸收和散射作用从而导致场景的可见度降低、颜色失真。雾的存在会大幅降低图像场景的可见性，使得目标的可辨识度降低，影响对图像内容的分析与辨别，所以它成为很多计算机视觉应用如视频监控、遥感、导航、目标识别等需要解决的重要问题。尤其对于未知场景的深度信息，单幅雾天降质图像增强仍面临挑战。目前单幅雾天图像复原算法中，传统的对比度增强算法如直方图均衡化[1-4]、线性映射、Retinex 方法[5-6]等不能达到很好的去雾效果而且会造成颜色失真，无法满足 实际应用的要求。由于大气散射与距离有关，所以图像退化程度是随空间变化而变化的。为了提取雾天图像的深度信息，人们在去雾时使用附加信息或者多幅图像。近几年来，学者们提出了一些基于先验知识的单幅图像去雾算法。Tan 等人[7]发现晴天图像的对比度比雾天图像要高，因此为了增强图像的可见性，将复原图像的局部对比度最大化，但这种方法使复原图像的颜色过于饱和。Fattal 等人[8]通过假设传输率和目标表面阴影 部分不相关而首次估计出场景反射率，进而得出空气光的传输率。由于该算法需要足够多的颜色信息，因此不基于引导滤波器的单幅雾天图像复原算法 楚君，王华彬，陶亮，周健 CHU Jun,WANG Huabin,TAO Liang,ZHOU Jian 安徽大学计算机科学与技术学院，合肥230601 School of Computer Science and Technology,Anhui University,Hefei 230601,China CHU Jun,WANG Huabin,TAO Liang,et al.Novel algorithm for single haze image restoration based on guided image https://www.doczj.com/doc/b86334779.html,puter Engineering and Applications,2015,51（21）：155-160. Abstract ：The single image dehazing method based on median filtering neither effectively preserves edges of haze image nor truly reflects the depth of the scene information.So this paper proposes a method of atmospheric veil correction based on guided image filtering.It gets the initial atmospheric veil through median filtering.It is refined by guided image filter to obtain more accurate atmospheric veil.It removes redundant texture information and brings the depth edge information.The scene radiation is obtained by the atmosphere attenuation model,adjusting the brightness of the restored https://www.doczj.com/doc/b86334779.html,-pared with other existing typical dehazing methods,the method has a better dehazing effect at distant object where depth changes abruptly,and the time complexity of the methods is linear. Key words ：image dehazing;guided image filtering;atmospheric veil correction 摘要：基于中值滤波的单幅图像去雾算法所获取的大气面纱图像不能有效地保留雾天图像的边缘信息，也不能真实地反映场景的深度信息，因此，提出了一种基于引导滤波器的大气面纱修正方法。由中值滤波得到初始大气面纱，使用引导图像滤波器对其进行修正得到较为准确的大气面纱，去除多余的纹理信息的同时增强了雾天图像的边缘信息，由大气散射模型得到场景辐射光即复原图像，并对其进行亮度调整。与其他现有的典型去雾算法相比较，该算法在深度剧烈变化的边缘区域有更好的去雾和增强效果，且时间复杂度为线性。 关键词：图像去雾；引导图像滤波器；大气面纱修正 文献标志码：A 中图分类号：TN911.73doi ：10.3778/j.issn.1002-8331.1407-0376 基金项目：国家自然科学基金（No.61372137）；国家自然科学基金青年科学基金（No.61301295）。 作者简介：楚君（1989—），女，硕士研究生，主研方向为数字信号与图像处理、模式识别；王华彬（1983—），男，博士，讲师，主研方 向为数字信号与图像处理、模式识别；陶亮（1963—），男，博士，教授，主研方向为数字信号与图像处理、模式识别；周健 （1981—），男，博士，讲师，主研方向为信号与信息处理。E-mail ：627639058@https://www.doczj.com/doc/b86334779.html, 收稿日期：2014-07-24修回日期：2014-09-10文章编号：1002-8331（2015）21-0155-06 CNKI 网络优先出版：2015-03-13,https://www.doczj.com/doc/b86334779.html,/kcms/detail/11.2127.TP.20150313.1555.036.html 155
MATLAB 实现数字图像锐化处理 摘要：讨论了数字图像增强技术中空域图像锐化的四种算法及其用MATLAB的实现；同时给出了利用四种算法进行图像锐化后的对照图像。比较实验结果，可知运用算法锐化处理后，图像比原来图像清晰。 关键词：MATLAB、线性锐化、非线性锐化、sobel算子、prewitt算子、log算子 1.引言 MATLAB全称是Matrix Laboratory(矩阵实验室)，一开始它是一种专门用于矩阵数值计算的软件，从这一点上也可以看出，它在矩阵运算上有自己独特的特点。实际运用中MATLAB 中的绝大多数的运算都是通过矩阵这一形式进行的，这一特点决定了MATLAB 在处理数字图像上的独特优势。理论上讲，图像是一种二维的连续函数，然而计算机对图像进行数字处理时，首先必须对其在空间和亮度上进行数字化，这就是图像的采样和量化的过程。 二维图像均匀采样，可得到一幅离散化成M ×N 样本的数字图像，该数字图像是一个整数阵列，因而用矩阵来描述该数字图像是最直观最简便的。而MATLAB 的长处就是处理矩阵运算，因此用MATLAB 处理数字图像非常的方便。MATLAB 支持五种图像类型，即索引图像、灰度图像、二值图像、RGB 图像和多帧图像阵列；支持BMP，GIF，HDF，JPEG，PCX，PNG，XWD，CUR，ICO等图像文件格式的读、写和显示。MATLAB 对图像的处理功能主要集中在它的图像处理工具箱(Image Processing Toolbox)中。图像处理工具箱是由一系列支持图像处理操作的函数组成，可以进行诸如几何操作、线性滤波和滤波器设计、图像变换、图像分析与图像增强、二值图像操作以及形态学处理等图像处理操作口。 数字图像处理中图像锐化的目的有两个：一是增强图像的边缘，使模糊的图像变得清晰起来；这种模糊不是由于错误操作，就是特殊图像获取方法的固有影响。二是提取目标物体的边界，对图像进行分割，便于目标区域的识别等。通过图像的锐化，使得图像的质量有所改变，产生更适合人观察和识别的图像。 2.数字图像的锐化 数字图像的锐化可分为线性锐化滤波和非线性锐化滤波。如果输出像素是输入像素领域像素的线性组合则称为线性滤波，否则称为非线性滤波。 2.1线性锐化滤波器 线性高通滤波器是最常用的线性锐化滤波器。这种滤波器必须满足滤波器的中心系数为正数，其他系数为负数。线性高通滤波器3 ×3 模板的典型系数如表1 所示：
中北大学 课程设计说明书 学院：信息商务学院 专业：电子信息工程 题目：信息处理综合实践: 基于MATLAB的图像锐化算法研究 指导教师：陈平职称: 副教授 2013 年 12 月 15 日 中北大学 课程设计任务书
13/14 学年第一学期 学院：信息商务学院 专业：电子信息工程 课程设计题目：信息处理综合实践: 基于MATLAB的图像锐化算法研究起迄日期：2013年12月16日～2013年12月27日课程设计地点：电子信息科学与技术专业实验室指导教师：陈平 系主任：王浩全 下达任务书日期: 2013 年12月15 日 课程设计任务书
课程设计任务书
目录 1 绪论 (1)
1.1 MATLAB简介 (1) 1.2 MATLAB对图像处理的特点 (1) 1.3 图像锐化概述 (2) 1.4 图像锐化处理的现状和研究方法 (2) 2 设计目的 (2) 3 设计内容和要求 (2) 4 总体设计方案分析 (2) 5 主要算法及程序 (4) 5.1 理想高通滤波器锐化程序 (4) 5.2 高斯高通滤波器锐化程序 (5) 5.3 高提升滤波器锐化程序 (6) 6 算法结果及比较分析 (8) 6.1 理想高通滤波器锐化结果 (8) 6.2 高斯高通滤波器锐化结果 (9) 6.3 高提升滤波器锐化结果 (10) 6.4 算法结果比较分析 (11) 7 设计评述 (11) 参考文献 (12)
1 绪论 数字图像处理（Digital Image Processing）又称为计算机图像处理，它最早出现于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。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。图像处理的基本目的是改善图像的质量。它以人为对象，改善人的视觉效果为目的。图像处理中，输入的是质量低的图像，输出的是改善质量后的图像，常见的图像处理方法有图像增强、复原、编码、压缩等。图像处理技术在许多应用领域受到广泛重视并取得了重大的开拓性成就，属于这些领域的有航空航天。生物医学工程、工业检测、公安司法、军事制导、文化艺术等，使图像处理成为一门引人注意、前景远大的新型科学。随着图像处理技术的深入发展，随着计算机技术和人工智能、思维科学研究的迅速发展，数字图像处理更高、更深层次发展。 1.1 MATLAB简介 MATLAB全称Matrix Laboratory（矩阵实验室），最早初由美国Cleve Moler 博士在20世纪70年代末讲授矩阵理论和数据分析等课程时编写的软件包Linpack和Eispack组成。它用于数学、信息工程、摇感、机械工程、计算机等专业。它的推广得到各个领域专家的关注，其强大的扩展功能为各个领域应用提供了基础，各个领域的专家相继推出MATLAB工具箱，而且工具箱还在不断发展，借助于这些工具箱，各个层次的研究人员可直接、直观、方便地进行工作，从而节省大量的时间。目前，MATLAB语言已经成为科学计算、系统仿真、信号与图像处理的主流软件。本文主要从MATLAB图像处理方面做应用。 1.2MATLAB对图像处理的特点 MATLAB全称Matrix Laboratory（矩阵实验室），是一种主要用于矩阵数据值计算的软件，因其在矩阵运算上的特点，使得MATLAB在处理图像上具有独特优势，理论上讲，图像是一种二维的连续函数，而计算机在处理图像数字时，首先必须对其在空间和亮度上进行数字化，这就是图像的采样个量化的过程。二维图像均匀采样，课得到一副离散化成N×N样本的数字图像，该数字图像是一个整数列阵，因而用矩阵来描述该数字图像是最直观最简便的。
盲源分离算法初步研究 一、盲源分离基本问题 1.概念 BSS 信号盲分离，是指从若干观测到的混合信号中恢复出未知的源信号的方法。典型的观测到的混合信号是一系列传感器的输出，而每一个传感器输出的是一系列源信号经过不同程度的混合之后的信号。其中，“盲”有两方面的含义：（1）源信号是未知的；（2）混合方式也是未知的。 根据不同的分类标准，信号盲分离问题可以分成以下几类： （1）从混合通道的个数上分，信号的盲分离可以分为多通道信号分离和单通道信号分离。单通道信号分离是指多路源信号混合后只得到一路混合信号，设法从这一路混合信号中分离出多个源信号的问题就是单通道信号分离。多通道信号分离是M 个源信号混合后得到N 路混合信号（通常N ≥M ）。从N 路混合信号中恢复出M 个源信号的问题即为多通道信号分离。一般情况下，单通道信号分离的难度要超过多通道信号分离。 （2）从源信号的混合方式上分，可将信号盲分离问题分为瞬时混合和卷积混合、线性混合和非线性混合等不同种类。在目前信号盲分离的研究文章中，所建模型大部分为瞬时混合。但是，作为更接近实际情况的卷积混合方式正受到越来越多的关注。 （3）根据源信号的种类，也可将信号盲分离分为多类。在通常的处理方法上，根据不同种类信号的特点，也有一些独特的处理技术。 2.盲分离问题的描述 BSS 是指仅从观测的混合信号（通常是多个传感器的输出）中恢复独立的源信号，在科学研究和工程应用中，很多观测信号都可以假设成是不可见的源信号的混合。所谓的“鸡尾酒会”问题就是一个典型的例子。在某个场所，多个人正在高声交谈。我们用多个麦克风来接受这些人说话的声音信号。每个人说话的声音是源信号，麦克风阵列的输出是观测信号。由于每个麦克风距离各个说话者的相对方位不同，它们接受到的也是这些人的声音信号以不同方式的混合。盲信号分离此时的任务是从麦克风阵列的输出信号中估计出每个人各自说话的声音信号，即源信号。如果混合系统是已知的，则以上问题就退化成简单的求混合矩阵的逆矩阵。但是在更多的情况下，人们无法获取有关混合系统的先验知识，这就要求人们从观测信号来推断这个混合矩阵，实现盲源分离。 3.混合模型 信号的混合模型包含两个方面的内容：（1）源信号的统计特征；（2）源信号的混合方式。 3.1源信号的统计特征 已有的研究表明如果加上源信号间相互独立的限制条件，就可以有效地补偿对以上先验知识的缺乏。如果用q i 表示第i 个分量的概率密度函数，则这种统计独立性可以表示为： 11221()()...()()n n n i i i q s q s q s q s ==???=∏q(s) 其中q(s)是s 的联合概率密度函数。 3.2源信号的混合方式 最简单的混合模型假定各个分量是线性叠加混合在一起而形成观测信号的。基于这样的假设，我们可以把观测信号和源信号用矩阵的方式表示为： ()()t t =x Hs 式中H 是n ×n 阶的混合矩阵。基于该模型，盲信号分离()()t t =x Hs 的目标可以表
优先出版 计 算 机 应 用 研 究 第32卷 -------------------------------- 基金项目：福建省自然科学基金项目(2012J01274)；福建省科技计划重点项目(2013H0030)；中央高校基本科研专项(JB-ZR1145) 作者简介：王伟鹏(1989-)，男，福建泉州人，硕士研究生，主要研究方向为图像复原和图像增强(wwp866@https://www.doczj.com/doc/b86334779.html,)；戴声奎(1971-)，男，副教授，博士，主要研究方向为图像处理． 基于域变换递归滤波的雾天图像复原 王伟鹏，戴声奎 (华侨大学 信息科学与工程学院，福建 厦门 361021) 摘 要：为了提高大雾天气下采集图像的对比度和能见度，提出一种基于域变换递归滤波的图像复原方法。该方法在大气散射模型的基础上，首先对大气耗散函数的约束条件进行空间域的变换以实现维数降低，然后经过递归滤波之后获取较准确的结果，最后求解雾图成像方程，并对复原结果进行局部的线性映射调整，获得理想的清晰图像。该方法在场景深度跳变的边缘处可以获得更自然的复原效果，而且能很好地突出图像中的细节信息。实验结果表明，通过该方法得到的结果相比于传统的单幅图像去雾方法，视觉效果更佳、执行速度更快，并且该方法可以并行计算，因此采用GPU 进一步加速能够满足实时处理视频的需求。 关键词：去雾；图像复原；大气散射模型；域变换；递归滤波器；图像增强 中图分类号：TP391 文献标志码：A Haze image restoration using domain transform recursive filter WANG Wei-peng, DAI Sheng-kui (College of Information Science & Engineering, Huaqiao University, Xiamen 361021, China) Abstract: In order to improve contrast and visibility of haze image captured in the foggy weather, this paper proposed an image restoration algorithm using domain transform recursive filter. Based on the atmospheric scattering model, the proposed method firstly reduced the image dimensions of physical constraint through domain transform, and then obtained the accurate atmospheric veil by performing the recursive filter. Finally the clear image was recovered by solving the physical equation of haze image and enhanced by a local linear mapping. The proposed algorithm not only get more natural effectiveness at the edge of places where scene depth changes abruptly, but also effectively highlight detail information of recovered image. Experimental results show that comparing with traditional single image haze removal methods, the proposed method has better visual effect and faster execution speed. Furthermore, the algorithm can be performed in parallel, so it can be accelerated using GPU and satisfy real-time applications. Key Words: haze removal; image restoration; atmospheric scattering model; domain transform; recursive filter; image enhancement 0 引言 户外场景的图像采集通常会受到雾霾天气的影响，悬浮在大气中的颗粒介质对场景辐射以及大气光的散射作用共同导致图像质量的严重退化，对比度、颜色保真度下降，影响人眼或者机器视觉系统对图像信息的提取和分析。因此对雾天图像的去雾研究具有重要的应用价值和意义。 大气中颗粒介质对成像的散射作用随着场景到观测点的距离增大而增加，图像去雾的难点就在于如何准确估计场景深度。目前基于先验知识的单幅图像去雾方法[1-7]成为研究的热点。Fattal [1]假设传输透射率与表面投影是局部不相关的，采用独立分量分析和MRF 模型来复原场景反射光，该方法取决于雾天图像的统计特性，无法处理灰度图像和浓雾图像。He 等人[2,3]提出一种基于暗通道先验的统计规律，用于估计传输透射率，并借 助抠图算法进行修复进而实现图像去雾。该方法对一般户外图像取得了很理想的效果，但算法复杂度较高，执行速度慢。Tarel [4]利用中值滤波的方法估计大气耗散函数，然而中值滤波对边缘保持不佳，且不恰当的参数设置易导致去雾图像在景深突变的边缘处仍有残留雾气。 针对当前算法普遍存在的不足，本文提出一种基于域变换递归滤波[8]的去雾方法。该算法从雾图成像模型出发，对空间域的多维信号进行降维，经过多次迭代滤波之后获得较准确的大气耗散函数，实现有效的图像去雾。和其他方法相比较，本文算法原理简单，处理速度更快，适用性更强，复原图像具有清晰度高、细节丰富、颜色自然的特点。 1 雾图成像模型 在计算机视觉中，Narasimhan 等人[9,10]给出了基于大气散射
图像的锐化 摘要：图像平滑往往使图像中的轮廓变得模糊，为了减少这类不利影响，这就需要利用图像锐化技术，使图像的边缘变的清晰。本文分析了图像锐化方法中的梯度算子法和二阶导数算子法的各自特点，其中梯度算子法主要是Roberts 梯度算子法、Prewitt 梯度算子法、Sobel 算子法；二阶导数算子法为Laplacian 算子法，并通过编程对一张实际图片进行了试验对比，结果证明Laplacian 算子法锐化效果最好。 引言 图像平滑往往使图像中的边界、轮廓变得模糊，为了减少这类不利效果的影响，这就需要利用图像锐化技术，使图像的边缘变的清晰。图像锐化处理的目的是为了使图像的边缘、轮廓线以及图像的细节变的清晰，经过平滑的图像变得模糊的根本原因是因为图像受到了平均或积分运算，因此可以对其进行逆运算（如微分运算）就可以使图像变的清晰。从频率域来考虑，图像模糊的实质是因为其高频分量被衰减，因此可以用高通滤波器来使图像清晰。图像锐化处理的主要技术体现在空域和频域的高通滤波，而空域高通滤波主要用模版卷积来实现。 1、梯度算子法 在图像处理中，一阶导数通过梯度来实现，因此利用一阶导数检测边缘点的方法就称为梯度算子法。梯度值正比于像素之差。对于一幅图像中突出的边缘区，其梯度值较大；在平滑区域梯度值小；对于灰度级为常数的区域，梯度为零。 1.1、Roberts 梯度算子法 Roberts 梯度就是采用对角方向相邻两像素之差，故也称为四点差分法。对应的水平和垂直方向的模板为： 标注 的是当前像素的位置(i,j)为当前像素的位置，其计算公式如下： ??????-=? 1001x G ??????-=?0110y G ?
［键入文档标题］［键入文档副标题］ 班级：计0905 姓名：车雨欣 学号： 20091221018
利用laplacian 算子对图像进行锐化操作Laplacian 算子定义 Laplacian算子是n维欧几里德空间中的一个二阶微分算子，定义为梯度()的散度() 。因此如果 f 是二阶可微的实函数，则 f 的拉普拉斯算子定义为： (1) f 的拉普拉斯算子也是笛卡儿坐标系xi 中的所有非混合 二阶偏导数： (2)作为一个二阶微分算子，拉普拉斯算子把C函数映射到C函数，对于k > 2。表达式(1)(或⑵)定义了一个算子△ : C(R)- C(R)，或更一般地，定义了一个算子△ : C( Q) - C( Q)，对于任何开集Q。 运算模板 函数的拉普拉斯算子也是该函数的黑塞矩阵的迹, 可以证明，它具有各向同性，即与坐标轴方向无关，坐标轴旋转后梯度结果不变。如果邻域系统是 4 邻域，Laplacian 算子的模板为： 0 1 0 1 -4 1 0 1 0 如果邻域系统是8 邻域，Laplacian 算子的模板为：
1 1 1 1 -8 1 1 1 1 前面提过，Laplacian 算子对噪声比较敏感，所以图像一般先经过平滑处理，因为平滑处理也是用模板进行的，所以，通常的分割算法都是把Laplacian 算子和平滑算子结合起来生成一个新的模板。图像图像最基本的特征是边缘。所谓边缘是指周围像素有阶跃变化或屋顶状变化的那些象素的集合。他存在于目标与背景、目标与目标、区域与区域、基元与基元之间，因此他是图像分割所依赖的最重要的特征，他两边象素的灰度值有显著不同；其二是屋顶装边缘，他位于灰度值从增加到减少的变化转折点。 图像边缘检测 一种定位二维或三维图像（特别是医学图像）中的对象的边缘的 系统。通过输入端（31 0）接收表示该图像的各元素值的数据元素集。该数据集被存储在存储装置（3 2 0 ）中。处理器（3 4 0 ）确定该图像中的对象的边缘。该处理器计算所述数据元素的至少一阶和/或二阶导数，并且计算该图像的等照度线曲率，所述曲率由K 标识。该处理器还确定校正因数a,该校正因数a对于由对象的曲 率和/或所述数据的模糊造成的边缘错位进行校正。该校正因数 a 取决于所述等照度线曲率K。然后，该处理器确定取决于所计算出的导数和所述等照度线曲率的算子的过零点。该系统的输出端(33 0)提供对于该图像